В этом параграфе мы опишем более близкие к реальности и одновременно более сложные модели развития отрасли. Основной особенностью этих моделей является учет пространственного расположения уже существующих и строящихся предприятий, а также расположение пунктов, в которых есть потребность в продукции отрасли. При огромных затратах на перевозку продукции и сырья для предприятий учет этих затрат в модели делает ее гораздо ближе к реальности. Кроме того, в модель вносят и некоторые другие усовершенствования, о которых мы расскажем подробнее в процессе математической формулировки модели. Делая модель более реалистичной, мы теряем ее достоинство — простоту. Поэтому модель отрасли будет анализироваться отдельно от остальных отраслей экономики. Потребность в продукции отрасли будет считаться заданной заранее. Возникает вопрос о том, как можно заранее задать эту потребность (а также расположение пунктов, где эта потребность имеется), если не решены еще задачи перспективного планирования других отраслей. Для решения этого вопроса предлагаются различные итеративные методы, основная идея которых состоит в том, что задаются исходные варианты потребности в продукции каждой из отраслей, затем строятся планы перспективного развития каждой из отраслей на основе ее математической модели, после чего потребность в продукции отраслей пересматривается, что приводит к изменению в планах развития отраслей, и так далее до тех пор, пока оптимальные планы различных отраслей не будут согласованы как между собой, так и с целями развития экономики. [c.169]
Выбор оптимального плана геофизических исследований по этому критерию должен осуществляться итеративным методом, а именно путем многократного решения задачи среднего уровня каждый раз после направленного обновления вариантов развития отдельных баз ц всего перспективного задания экспедиции. Такое обновление осуществляется на основе вспомогательных моделей верхнего и нижнего уровней. Алгоритм согласования [2] обеспечивает последовательное улучшение перспективного плана по значению выбранного критерия оптимизации. [c.153]
Рассмотренная модель характеризуется рядом упрощающих предположений. Так, предполагается единая типовая мощность установок, задача рассматривается в статике, не учитывая возможности ввода новых установок. Для учета всех этих факторов ныне разработаны динамические модели. Они сложны, требуют большого количества информации, решение их сопровождается применением специальных приемов (разбивка на блоки, итеративный метод получения оптимального результата и др.). [c.176]
Принятие решений на базе экономико-математических моделей оптимизации основного производства НПП представляет собой итеративный процесс, отдельными этапами которого являются решение исходной задачи с использованием оптимизационных методов, анализ конкретных результатов, уточнение данных, а иногда и самой формулировки задачи, и переход к новому решению. [c.76]
В настоящей главе обсуждаются методы построения решающих правил для одноэтапных задач стохастического программирования, а для отдельных моделей приводятся и явные выражения для решающих правил. В 1 рассматриваются частные модели первого класса, в которых предполагается, что решающие правила — линейные функции случайных составляющих условий задачи. Вычисление параметров решающих правил сводится к задачам выпуклого программирования. Параграф 2 посвящен изучению. М-модели с вероятностным ограничением общего вида. Относительно решающего правила л (со) не делается никаких предположений, кроме того, что л (со)—измеримая вектор-функция на множестве X произвольной структуры, на котором она определена. В 3 метод построения решающих правил из предыдущего параграфа обобщается на М-модель с конечнозначным ограничением — с условием, ограничивающим математическое ожидание случайной функции от х, принимающей конечное число значений. Таким условием может быть аппроксимировано любое статистическое ограничение. В 4 построены решающие правила (точнее, решающие таблицы) дляч Р-мо-дели с вероятностными ограничениями общего вида. В 5 рассматривается стохастическая задача со смешанными ограничениями. Эта модель отличается от задачи 4 дополнительными условиями, которые могут существенно изменить структуру решения. В 6—8 построены решающие правила для одноэтапных задач стохастического программирования со статистическими ограничениями достаточно общего вида. Модель, изученная в 6, представляет собой стохастический аналог общей задачи линейного программирования с двухсторонними ограничениями. Модель из 7 — стохастический аналог общей задачи квадратичного программирования. Модель, исследованная в 8, является стохастическим аналогом частной задачи выпуклого программирования с квадратичной целевой функцией и квадратичными ограничениями. Заключительный параграф главы ( 9) посвящен итеративным методам построения решающих правил одноэтапных задач стохастического программирования. [c.84]