Сетевой график ремонта энергетического оборудования— это динамическая вероятностная модель с детерминированными сроками начала и окончания ремонта, составленная для принятой технологической последовательности и определенного производственного режима выполнения ремонтных работ. В сетевом графике находит наглядное отражение взаимозависимость между длительностью простоя агрегата в ремонте и количеством ремонтного персонала, необходимым для выполнения заданного объема работ. [c.279]
Сетевой график ремонта энергетического оборудования — это динамическая вероятностная модель с детерминированными сроками начала <и окончания ремонта, составленная для принятой технологической последовательности и определенного производственного режима выполнения ремонтных работ. В сетевом графике находит наглядное отражение взаимозависимость между длительностью простоя агрегата в ремонте и количеством ремонтного персонала, необходимым для выполнения заданного объема работ. Построенные методами СПУ графики движения рабочей силы (Л. 19), нормализованные по равномерности использования последней, имеют в общем случае трапециевидную форму (рис. 10-4). [c.302]
По данной формуле определяют условия оптимизации страхового запаса в элементарном случае поступления и расхода материала. В конкретных условиях эта формула должна быть модифицирована как статическая или динамическая, детерминированная или вероятностная модель страхового запаса. [c.406]
Данная проблема разрешима с помощью динамической имитационной модели исследуемой СТС. В модели задается вероятностная логика функционирования СТС, законы распределения отказов отдельных элементов, время наработки на отказ, время простоя по причине отказа, имитируется процесс эксплуатации, а, следовательно, [c.25]
Использование вероятностных моделей требует построения новой архитектуры плана, формирующего некоторый механизм компенсации потерь, связанных с отклонением от плана, что позволит динамически аккумулировать ресурсы вокруг фирмы таким образом, чтобы создаваемый компанией производственно-экономический потенциал мог обеспечивать ей устойчивое развитие в долгосрочной перспективе. Актуальным, на наш взгляд, представляется разработка принципиально новой модели оптимизации товарного ассортимента промышленного предприятия, которая, используя современный математический аппарат, преодолеет его же ограничения для условий неопределенности. Неизбежность участия человека - лица, принимающего решения (ЛПР) в оптимизации товарно-ассортиментного плана, предполагает разработку и включение в идеальную модель эффективных процедур формализации и обработки предпочтений ЛПР на уровне естественного языка, в том числе, касающихся рисковых вложений капитала. Итак, критический анализ показал, что оптимизационные модели, а также экономический инструментарий разработаны недостаточно и не позволяют в полной мере использовать накопившийся научный потенциал, а также решить обозначенные нами проблемы, что подтверждает актуальность данного исследования. Поэтому целью исследования является разработка модели и методики формирования товарно-ассортиментной политики, позволяющей учитывая склонность ЛПР к риску, повысить вероятность достижения целей организации в условиях неопределенности. [c.48]
Для определения пропускной способности ПС в постановке задачи учитывались объективные свойства производственных систем динамика, стохастика и неопределенность. В нашем подходе предусматривается сочетание пространственной и временной организации ПС. Решение поставленной задачи с помощью динамического (имитационного) моделирования, где в модели системы задается вероятностная логика функционирования ПС, законы распределения надежности отдельных элементов (основанные на статистической информации фактической надежности), наработки на отказ, время простоя по причине отказа, имитируется процесс эксплуатации, - позволило сделать следующие выводы. [c.191]
Создание АИС способствует повышению эффективности производства экономического объекта и обеспечивает качество управления. Наибольшая эффективность АИС достигается при оптимизации планов работы предприятий, фирм и отраслей, быстрой выработке оперативных решений, четком маневрировании материальными и финансовыми ресурсами и т.д. Поэтому процесс управления в условиях функционирования автоматизированных информационных систем основывается на экономико-организационных моделях, более или менее адекватно отражающих характерные структурно-динамические свойства объекта. Адекватность модели означает прежде всего ее соответствие объекту в смысле идентичности поведения в условиях, имитирующих реальную ситуацию, поведение моделируемого объекта в части существенных для поставленной задачи характеристик и свойств. Безусловно, полного повторения объекта в модели быть не может, однако несущественными для анализа и принятия управленческих решений деталями можно пренебречь. Модели имеют собственную классификацию, подразделяясь на вероятностные и детерминированные, функциональные и структурные. Эти особенности модели порождают разнообразие типов информационных систем. [c.18]
Поскольку динамические модели используются в отдельных областях производственно-коммерческой деятельности, они и разрабатывались в основном для облегчения принятия специфических решений. В то же время динамическое программирование и процессы Маркова представляют собой универсальные инструменты моделирования, которые могут использоваться для решения любых задач динамического характера и не ограничиваются конкретными областями. Динамическое программирование — это метод решения задач путем последовательного принятия взаимосвязанных решений. Метод заключается в делении задачи на несколько составляющих ее подзадач и решении каждой из них таким образом, чтобы получить оптимальный общий результат. Процессы Маркова разработаны для принятия решений в ситуациях, при которых можно описать несколько классов или состояний, причем в каждый определенный момент времени система находится только в одном из этих состояний, а переход от одного состояния к другому носит вероятностный характер. [c.257]
Эти обстоятельства обусловливают необходимость разработки вероятностных динамических постановок и соответствующих стохастических моделей задач оптимизации календарных планов нефтеперерабатывающих производств. [c.78]
В отличие от статистической и статичной модели динамическая модель ритма производственного цикла изготовления изделия позволяет с большей достоверностью устанавливать предельные вероятностные (самые поздние) сроки выполнения работ. При этом процессы изготовления каждого изделия увязываются с процессами изготовления всех остальных изделий, входящих в производственную программу учитываются пространственная структура производственного цикла, динамика структуры трудоемкости изготовления каждого изделия, непрерывная загрузка производственных подразделений в ходе выполнения производственной программы. [c.160]
По характеру зависимостей макромодели (как и всякие модели) могут быть детерминированными и вероятностными (стохастическими), по роли временного фактора — статическими и динамическими, по представлению переменных (включая переменную времени) — дискретными и непрерывными. [c.179]
Различается подобие между моделируемым объектом и моделью физическое— когда объект и модель имеют одинаковую или сходную физическую природу структурное — при сходстве между структурой объекта и структурой модели функциональное—с точки зрения выполнения объектом и моделью сходных функций при соответствующих воздействиях динамическое — между последовательно изменяющимися состояниями объекта и модели вероятностное — между процессами вероятностного характера в объекте и модели геометрическое — между пространственными характеристиками объекта и модели. Соответственно различаются типы моделей. [c.204]
В качестве критерия оптимальности в большинстве отраслевых задач выступает минимум затрат на заданный объем конечного продукта рассматриваемой производственной системы. Применяются экономико-математические модели разных типов динамические и статические, детерминированные и вероятностные, однопродуктовые и многопродуктовые, с дискретными и непрерывными переменными, производственные функции, производственно-транспортные задачи и, наконец, по характеру отображения хозяйственных связей —матричные и сетевые модели. [c.253]
При использовании динамических моделей экономики изучаются свойства различных Т. экономического развития. Среди них — устойчивость относительно погрешностей в начальных данных и относительно внешних воздействий вероятностный характер (в прогнозе и даже в плане может идти речь не о точно определенной единственно целесообразной Т., а о некотором множестве возможных Т. будущего развития примером могут служить известные из истории "вилки" показателей пятилетних планов). Следует различать оптимальность и эффективность Т. оптимальной называется Т., обеспечивающая на протяжении изучаемого периода лучшие результаты относительно заданного общего критерия качества системы, а эффективной — Т., которая оптимальна по некоторому подходящему частному критерию, так что эффективная Т. может не быть оптимальной, а оптимальная — всегда эффективна. [c.365]
Модели стохастического управления, в которых закон управления или механизм управления учитывает последовательный характер накопления информации и может уточняться в процессе управления, описываются многоэтапными стохастическими задачами. Целевой функционал динамической задачи зависит от состояния системы на конечном (.S-M) этапе или от всей траектории системы. Область определения задачи отдельного этапа описывается жесткими или условными статистическими или условными вероятностными ограничениями. Оптимальные решающие правила или решающие распределения этих задач определяют законы управления или механизмы стохастического управления. [c.46]
В теории финансового инвестирования нет концепции, которая имела бы такую широкую проверку и так мало доверия к себе, как эффективные рынки . Помимо всего эта концепция является краеугольным камнем количественной теории рынка капитала, и последние тридцать с лишним лет исследований были полностью ей подчинены. В действительности гипотеза эффективного рынка (ЕМН) уходит корнями в начало века. Она выполняет одну первейшую функцию оправдать использование вероятностных расчетов в анализе рынков капитала. Но если рынки являются нелинейными динамическими системами, то тогда использование стандартного статистического анализа может привести к ошибочным результатам, особенно если в основе лежит модель случайных блужданий. Поэтому становится важным пересмотр тех предпосылок, которые стоят во главе угла нынешней теории рынков капитала. [c.28]
Задача выбора оптимальной централизованной системы ремонтного обслуживания электростанций является многовариантной, нелинейной, динамической и вероятностной, и ее решение встречает большие трудности в отношении разработанности математических методов, экономической теории оптимизации в целом и экономики ремонта в частности, наличия и качества исходной информации. По этим причинам ниже рассматривается сокращенная экономико-математическая модель оптимизации форм ремонтного обслуживания, которая уже теперь может быть применена на практике. [c.100]
Аналитические возможности модели. В значительной степени определяются принципами, заложенными исследователем в моделирующий алгоритм. Так, значения параметров и переменных имитируются по-разному в зависимости от интуиции и опыта специалиста-аналитика при помощи экспертных оценок обработкой динамических рядов посредством вероятностных приемов анализа. Последний способ наиболее сложный. Приведем один из возможных подходов к его реализации приемом, известным под названием дерево решений . Этот прием целесообразно использовать в рамках нашей модели для прогнозирования издержек производства или прибыли от реализации. Особенно это актуально в условиях перепрофилирования производства или замены одного вида продукции другим. [c.129]
Модели стохастического программирования. Развитием динамического программирования является класс особо сложных организационных задач, решаемых в условиях неопределенности информационной ситуации. Параметры этого класса задач следует считать не детерминированными, а случайными (вероятностными). К числу таких [c.250]
Способ представления — материальные (физические, т.е. совпадающие предметно-математические) и символические (языковые). Материальные физические модели соответствуют оригиналу, но могут отличаться от него размерами, диапазоном изменения параметров и т.п. Символические модели абстрактны и основываются на описании их различными символами, в том числе в виде фиксации объекта на чертежах, рисунках, графиках, схемах, текстов, математических формул и др. При этом они могут быть по принципу построения — вероятностными (стохастическими) и детерминированными по приспособляемости — адаптивными и неадаптивными по изменению выходных переменных во времени — статическими и динамическими по зависимости параметров модели от переменных — зависимыми и независимыми. [c.115]
В основе количественных мотивов принятия решений лежит научно-практический подход, предполагающий выбор оптимального решения путем обработки с помощью ЭВТ больших массивов информации. В зависимости от типа математических функций, лежащих в основе моделей, различают линейное моделирование динамическое программирование вероятностные и статистические модели теорию игр имитационные модели. [c.63]
Модели управления запасами заложили основы синтеза математической экономики и теории управления, внеся в первую динамические и вероятностные представления, а во вторую — экономические [40, с. 12]. [c.25]
Среди моделей стохастического программирования значительное место занимают динамические вероятностные модели. Формализация таких моделей и построение соответствующих вычислительных процедур представляют значительные трудности. Продвижение в постановках и анализе таких задач (в частности, многоэтапных задач стохастического программирования) относительно невелико. Здесь следует упомянуть работы А. Чарнса и М. Кирби [308—310], Айзнера, Каплана и Содена [340], Д. Б. Юдина [352—357], Н. 3. Шора [332—336], Д. Б. Юдина и Э. В. Цоя 360]. Значительно боль- [c.17]
В третьей главе описываются различные типы существующих и разработанных авторами данной книги вероятностных моделей текущего и оперативно-календарного планирования, в которых отражены наиболее характерные особенности формирования и принятия решений на различных временных интервалах. Особое внимание уделено динамическим стохастическим моделям с построчными вероятностными ограничениями. Описываемые модели внедрены на предприятиях МНХП Азербайджанской ССР. Опыт эксплуатации подтверждает их высокую надежность и эффективность. [c.4]
Т. б. о. тесно связан с балансами произ-ва и потребления нефтепродуктов и электроэнергии. По существу эти три баланса должны разрабатываться как единый энергетич. баланс. Но состояние электронно-счетной техники и экопомич. информации не позволяют еще поставить этот вопрос на практич. основу. Для решения любой экономич. задачи на ЭВМ строится математич. модель, отражающая интересующий нас производств.1 процесс или комплекс хоз.-производств, процессов 1 В зависимости от того, насколько точно отражает математич. модель действительный производств.-экономич процесс, настолько точным будет решение поставлен-" пой задачи. Но учет большого числа факторов приводит к усложнению модели и сталкивается с ограниченными возможностями ЭВМ. Поэтому при построении математич. модели для расчета Т. б. о. приходится абстрагироваться от целого ряда факторов, мало влияющих на результаты расчета, и упрощать зависимости. Рассматриваемая задача математич. программирования по своему характеру динамическая, вероятностная, нелиней-пая и целочисленная. Но т. к. еще нет практически приемлемых методов нелинейного, вероятностного и целочисленного программирования, во всех известных схемах расчета Т. б. о. нелинейные зависимости апрокси-мируются линейными или кусочно-линейными, не учитывается требование целочисленности, упускается вероятностный характер задачи. [c.211]
Кроме того, можно отметить, что задачи оптимизации сетевых моделей решаются по одному варианту технологической последовательности строительства, т. е. в них не учитывается возможность изменения технологии строительства, варьирования глубины совмещения процессов и т. д. В задачах выравнивания ресурсов и корректировках по времени сетевые модели вообще приводятся к детерминированной календарной форме и теряют свои примущества динамических моделей. В детерминированных сетевых моделях, даже в обобщенных сетевых моделях, записанных в терминах событий, трудно описать с достаточной простотой сущность поточно-организационных вероятностных строительных процессов, что не позволяет разрабатывать мероприятия по обеспечению надежности строительного производства. Из-за указанных недостатков сетевые модели не нашли достаточно широкого применения в практике строительства объектов транспорта нефти и газа. [c.29]
Другим примером междисциплинарного применения синергетики может служить модель миграции. В ней проводится различие между микроуровнем индивидуальных решений и макроуровнем динамических коллективных процессов в обществе. Вероятностные макропроцессы описываются на уровне социоконфигура-ций, каждая из которых характеризуется своим вектором поведения. Миграция в обществе также хорошо иллюстрируется компьютерными моделями фрактальной кластеризации с изменяющимися центрами перемешивания, бродяжничеством и хаосом, обусловленными нелинейными взаимодействиями социальных групп. Такая модель наглядно показывает различия между системами, связанными и не связанными с человеком. На микроскопическом уровне миграция людей зависит от индивидуальных и коллектив- [c.385]
И.м. является динамической моделью в том смысле, что в ней присутствует время — когда проигрывается серия вариантов развития исследуемого объекта. С другой стороны, И.м., как правило, является адаптивной моделью (см. Адаптация), ибо совершенствуется, уточняется в процессе использования. Она может быть детерминированной, но чаще—вероятностной (т.е. содержащей стохастические элементы) часто она содержит наряду с машинными также блоки, где решения принимаются человеком. См. Валидация модели, Верификация модели, Машинная имитация. [c.120]
М.м. описывает поведение конкретных экономических объектов (вплоть до отдельной личности — потребителя или производителя), принимающих решения (осуществляющих выбор возможных альтернатив) в условиях функционирования социально-экономической системы. Каждый объект получает, или покупает, или добывает каким-то иным путем нужную ему информацию, распределяет имеющиеся ресурсы, разрабатывает правила выбора альтернатив и стратегию дальнейших действий и т.д. Исходя из этого, можно выделить три существенные области применения М.м. ценообразование, принятие решений об объеме производства и продаж, распределение доходов. Отличие М.м. от макромоделей большая зависимость от внешней среды, дезагрегация показателей. Так же как и макроэкономические модели, микромодели могут быть статическими и динамическими, детерминированными и вероятностными, дискретными и непрерывными. [c.197]
Настоящая монография содержит пятнадцать глав. В гл. 1, носящей вводный характер, классифицируются постановки задач стохастического программирования, приводится краткая историческая оправка и излагается вспомогательный математический аппарат. Глава 2 посвящена анализу постановок различных технических и экономических прикладных задач управления в условиях неполной информации. Содержание последующих девяти глав связано с активным подходом к стохастическому программированию — (формальной основой для выбора решений в условиях неполной информации. В гл. 3—5 исследуются од-ноэтапные стохастические задачи с вероятностными и статистическими ограничениями, решаемые в чистых и смешанных стратегиях, в априорных и апостериорных решающих правилах и решающих распределениях. Главы 6—8 посвящены теории и вычислительным схемам классической двухзтапной задачи стохастического программирования. В гл. 9—11 описаны динамические модели управления в условиях неполной информации — многоэтапные задачи стохастического программирования с условными и безусловными статистическими и вероятностными ограничениями с априорными и апостериорными решающими правилами. [c.6]
Первой попыткой перехода от статических моделей стохастического программирования к динамическим была, по-видимому, двухэтапная задача Данцига — Маданского. Двухэтапная задача может быть обобщена в различных направлениях. Естественно, например, перейти к многоэтапной задаче с жесткими ограничениями (с ограничениями, которые должны выполняться при всех возможных реализациях случая, подобно тому, как это предполагается в классической двухэтапной задаче). Такого рода подходы рассматривались Беллманом [10], Дж. Данцигом [88], Н. 3. Шором и др. [332, 334—336]. Здесь мы, однако, рассмотрим более широкие обобщения двухэтапной задачи — различные постановки многоэтапных стохастических задач с безусловными и условными статистическими, вероятностными и жесткими ограничениями. Частные модели подобного типа обсуждались в [70, 308—310] и других работах. Многоэтапные модели стохастического программирования имеют многочисленные приложения к задачам планирования в экономике и технике. Ряд практических проблем, возникающих при перспективном планировании, при многостадийном проектировании, при управлении боевыми операциями, при планировании экспериментов и оперативном управлении космическими объектами, при регулировании технологических процессов, подверженных случайным возмущениям, может быть рассмотрен как многоэтапные стохастические задачи со статистическими вероятностными и жесткими ограничениями. [c.192]
Веге (1991) разработал уникальный метод. Его гипотеза когерентного рынка ( oherent Market Hypothesis — СМН) есть нелинейная статистическая модель — в противоположность нелинейным детерминистическим моделям, которые обсуждались в гл. 11-13. Она связана с фрактальной гипотезой из части 2, но это — статистическая динамическая модель. Ее основная предпосылка состоит в том, что вероятностное распределение изменений рынка во времени базируется на [c.217]
Синергетика сейчас представляет собой нечто большее, чем просто новая парадигма мышления, новая междисциплинарная научная дисциплина, она претендует на статус нового мировидения, мировосприятия. Это кардинальным образом изменяет сами основы мировоззрения, так как дает новую интерпретацию природных и социальных процессов. Ведь синергетика, как известно, рассматривает мир как иерархию динамических систем, чье поведение описывается в моделях нелинейных неравновесных систем, которые подвержены воздействию флуктуации и которые позволяют выделить такие основные механизмы организации порядка на фоне случайного, хаотического шума, как селективная неустойчивость, вероятностный отбор состояний, конкуренции или синхронизации. На первый взгляд, образование структур на фоне случайного шума, феномен, который естественно противопоставить рождению хаоса в детерминированной системе. В действительности же и хаос, и порядок в динамических системах - результат проявления нелинейности. Хаос наблюдается в системах с неустойчивым поведением, порядок - в системах с устойчивым поведением. Переход от устойчивого к неустойчивому поведению и наоборот может осуществляться при очень малом изменении параметров динамической системы - переходе через бифуркационное значение [8. С. 150]. [c.143]