Самые трудные задачи класса NP называют NP -полными. Это название объясняется тем, что если бы удалось доказать, что существует полиномиальное решение такой задачи, то такое решение существовало бы и для любой другой задачи класса NP, т.е. классы Р и NP совпадали бы. Поскольку, как уже говорилось, такой сценарий крайне маловероятен, именно для таких проблем наиболее важен поиск субоптимальных решений. [c.110]
На четвертом этапе в качестве вариантов х, — кандидатов в рациональные варианты — можно рассматривать не одно оптимальное решение подзадачи /.,-, а целую совокупность субоптимальных решений. С учетом этого на пятом этапе в качестве рациональных следует использовать лишь те варианты из г -х наборов, которые устойчиво входят в эти наборы при различных i. Это, по нашему мнению, резко повышает достоверность полученных результатов, т. е. делает состав рациональных вариантов более обоснованным, менее зависящим от случайности выбора интервалов, значений а, из них и т. д. [c.75]
Решить задачу по второму критерию f2(x), т. е. найти субоптимальное решение /2 (- = г [c.48]
Субоптимальное решение — оптимальное решение по одной из частных целевых функций. [c.48]
Субоптимальное решение — решение, оптимальное по одной из частичных целевых функций (в модели векторной оптимизации). [c.224]
Мы должны вернуться к необходимому предположению, что с течением времени фирма осуществляет инвестиции в соответствии с определенными пропорциями. Если так, то финансовый риск компании остается примерно неизменным. Как мы увидим в гл. 17, предполагаемые издержки финансирования объединены в средней взвешенной стоимости капитала действием того факта, что фирма должна сочетать финансирование путем выпуска новых акций с другими методами. Она не может постоянно мобилизовывать капитал посредством предположительно более дешевых ссуд без увеличения своей акционерной базы. Структура капитала компании не обязательно должна быть оптимальной для фирмы, чтобы использовать среднюю взвешенную стоимость капитала в экономическом анализе эффективности намечаемых капиталовложений. Важным соображением здесь является то, что используемые веса должны быть основаны на планах будущего финансирования. В противном случае средняя взвешенная стоимость капитала, определенная нами, не соответствует фактической стоимости средств. В результате решения о капиталовложениях, скорее всего, будут субоптимальными. Использование средней взвешенной стоимости капитала должно быть правомерным и с точки зрения других вопросов, поднятых нами ранее. Это предполагает, что рассматриваемые инвестиционные предложения не отличаются по своему систематическому, или неизбежному риску для компании, а несистематический риск предложений не предоставляет никакой прибыли от диверсификации. Только при таких условиях полученное значение стоимости капитала может выполнять роль критерия принятия решения. Эти предположения совершенно необходимы. В соответствии с ними подразумевается, что проекты абсолютно однородны с точки зрения риска и что только проекты с одинаковым риском являются объектом рассмотрения. На практике это, конечно, идеальная ситуация. Если упомянутые условия приблизительно выполняются, то среднюю взвешенную стоимость капитала можно брать в качестве критерия. Если бы фирма производила только один продукт и все рассматриваемые предложения сочетались бы и с марке- [c.428]
Задача размещения распределительных центров может формулироваться как поиск оптимального решения, или же как поиск субоптимального (близкого к оптимальному) решения. Наукой и практикой выработаны разнообразные методы решения задач обоих видов. Кратко охарактеризуем некоторые из них. [c.336]
Эвристические методы. Гораздо менее трудоемки субоптимальные, или так называемые эвристические методы определения места размещения распределительных центров. Эти методы эффективны для решения больших практических задач они дают хорошие, близкие к оптимальным результаты при невысокой сложности вычислений, однако не обеспечивают отыскания оптимального решения. Название "эвристические" означает, что в основе методов лежит человеческий опыт и интуиция (в отличие от формальной процедуры, лежащей в основе метода полного перебора). По существу, метод основан на "правиле Парето", [c.336]
Субоптимальный план, найденный при решении последней задачи, является оптимальным компромиссным планом в данной схеме компромисса. [c.48]
Принятие допущения о линейности в поведении затрат или доходов может приводить к субоптимальным (частично оптимизированным) решениям с упором на диапазон приемлемых [c.296]
Каждый из четырех подходов к динамическому инвестированию имеет в себе нечто привлекательное. Решающие правила гораздо проще для реализации, а соответствующие оптимизационные задачи не заставляют нас прибегать к крупномасштабным процедурам линейного и нелинейного программирования. Они могут быть без труда протестированы на выбранных сценариях (путем имитации) и обеспечивают приемлемые доверительные интервалы для рекомендаций. Они интуитивно ясны для большинства профессиональных инвесторов. Однако они способны привести к невыпуклым моделям оптимизации, которые требуют интенсивных расчетов для нахождения глобально-оптимального решения. Кроме того, правила, естественно, могут привести к субоптимальному поведению. Стохастическое программирование дает основу для построения моделей общего назначения, которые могут принимать во внимание особенности реального мира, такие как ограничения на оборотные средства опера- [c.20]
Субоптимальное решение некоторой задачи оптимизации, например, задачи коммивояжера, также может рассматриваться как решение в котором имеются дефекты - неправильные части маршрута. Лин и Кернигэн (Lin Kernigan, 1973) ввели элементарные операции изменения текущего решения, такие как перенос (часть маршрута вырезается и вставляется в другое место) и обращение (выбирается фрагмент маршрута и порядок прохождения городов в нем меняется на обратный). При применении одной из этих операций происходит изменение маршрута с М на М , и значение минимизируемого функционала меняется на АЕ = Е(М ) - Е(М). В соответствии с принципами термодинамики, это изменение принимается с вероятностью [c.114]
Налоговая политика. Недавняя инициатива правительства о снижении ставок социального налога в 2005 г. с компенсацией недополученных доходов Пенсионному фонду из общих поступлений федерального бюджета, представляет собой субоптимальное решение. По существу, такое решение означает, что вместо аккумулирования более высокой доли непрогнозируемых поступлений в стабилизационный фонд в связи с высокими ценами на нефть, правительство возвращает определенную долю этих поступлений частному сектору посредством более низких налогов. До настоящего времени, российский частный сектор проявлял достаточную предусмотрительность частный сектор резервировал практически все непрогнозируемые поступления и инвестировал значительную их долю в чистые иностранные активы, растягивая их использование во времени (Всемирный банк, 2004Ь). Следовательно, в течение определенного времени такое субоптимальное решение действительно сможет создавать существенные потенциальные макроэкономические выгоды. [c.24]
Формирование совокупности вариантов (сценариев) развития ТЭК БАССР может проводиться путем объединения наборов субоптимальных планов, где каждый такой набор есть результат решения одной ЗЛП (ЗЦП) с применением ППП ЛП в АСУ. Метод получения одного набора субоптимальных планов следующий. Первоначально решается ЗЛП (ЗЦП) с оптимизацией по выбранному критерию. В результате определяется (если задача имеет решение) оптимальное значение F соответствующего функционала F(x), где х — допустимое решение (план) соответствующей ЗЛП (ЗЦП). Рассматривая, для определенности, задачи максимизации 6, будем считать субоптимальными все планы х такие, что (1—6). /г < /7( с)< /г, где 0<б<1 задается достаточно малым (например, 6=0,1). Если ввести заданный набор дискретных точек foe [(1 —6) / ", F ], i = l,k, то решая ЗЛП (ЗЦП) k раз с тем же функционалом F(x), но с добавлением условия-ограничения Fjx)
Ш этап. При решении одноцелевых задач автоматически отыскивается наибольшая степень достижения цели. В случае же многоцелевой оптимизации, как уже отмечалось, степень достижения абсолютного оптимума не может быть наибольшей по всем критериям сразу, а следовательно, возникает проблема ее измерения. В абсолютном измерении степень достижения цели по s-му показателю может быть рассчитана по формуле (fx(x) - f), т. е. как степень удаления текущего значения функции от наименьшего ее значения (от найденных субоптимальных планов). Графически это выглядит следующим образом (рис. 2.10). [c.52]
В соответствии с агентской теорией компании, проводящие рискованные инвестиционные проекты (как, например, компании, находящиеся в высоко-динамичной окружающей среде), могут рассматривать высокие уровни долговой нагрузки как невыгодные и чрезмерно сложные в обслуживании Происходит это по двум причинам а) высокая степень риска, присущая потокам прибыли компании, увеличивает издержки по обслуживанию долговой нагрузки и Ь) держатели долговых обязательств корпорации при высокой левереджированности корпорации получают возможность активно вмешиваться в ее стратегические и финансовые решения. Кроме того, из-за возможности проведения субоптимальных инвестиционных проектов внешние инвесторы вообще могут отказаться от приобретения долговых обязательств подобной компании. Все это подводит нас к мысли о том, что в динамичной окружающей среде использование акционерного капитала всегда будет предпочтительнее использования заемных источников финансирования, так как позволит снизить агентские издержки долгового финансирования и справиться с возросшей рискованностью бизнеса компании. [c.156]
Рассматривается задача синтеза оптимального управления для нелинейного объекта с аффинно входящими управлениями в условиях вырожденности. В качестве развития метода, связанного с минимизацией ФОР, предлагается исходную невырожденную задачу АКОР преобразовать в вырожденную задачу синтеза оптимального управления и осуществлять поиск решения на основе подходящей субоптимальной стратегии, в том числе и построения минимизирующих последовательностей, поинтервально сходящихся к оптимальному процессу исходной задачи. Для вырожденной задачи АКОР получены необходимые и достаточные условия существования оптималыюго решения. [c.98]
Полученные в этой области результаты относятся к линейным неопределенным системам специального вида, в которых неизвестные параметры входят некоторым согласованным образом в матрицы состояния и управления и не входят в матрицу возмущения. Так, в [1, 2] робастные Я06 субоптимальные законы управления определяются через решение матричного уравнения Риккати. При этом вопрос существования решении этого уравнения остается открытым. [c.268]
Как известно [3], задача гашения внешних возмущении или, другими слонами, задача синтеза Я00 субоптимального управления для заданной системы тесно связана с минимаксным управлением в дифференциальной игре между управлением и возмущением. Мы покажем, что задача синтеза Я" субоптимального управления для неопределенных систем рассматриваемого вида также связана с решениями дифференциальных игр между управлением и противником, включающим иозму-щеяне и "неопределенность". Эти игры описываются некоторым вспомогательным полностью определенным уравнением и квадратичным функционалом из некоторого [c.268]