В этом параграфе мы рассмотрим наиболее распространенный в экономических (и не только экономических) исследованиях класс стохастических моделей модели систем массового обслуживания. Системы массового обслуживания встречаются повсеместно. Читатель сотни и тысячи раз пользовался такими системами, не догадываясь, видимо, что они являются объектом исследования одного и того же раздела теории принятия решения. [c.200]
Описание этапов имитационного исследования мы будем проводить на примере двух конкретных задач. Первая из них — принятие решения о варианте системы массового обслуживания. Пусть планируется строительство автозаправочной станции, предназначенной для заправки автомобилей бензином. Имеется конечное число вариантов АЗС, которые могут быть построены в интересующем заказчика пункте. Перед ним стоит проблема — выбрать один из этих вариантов. Как читатель знает, анализ систем такого рода обычно относится к исследованию моделей со случайными воздействиями, которые были уже рассмотрены нами. Полученные читателем знания помогут построить модель и оценить преимущества и недостатки имитационного исследования в этом случае. Надо подчеркнуть, что изучение стохастических моделей было первым объектом приложения имитационных исследований к экономическим задачам. Такие исследования относятся к наиболее широко применяемым методам имитации и по настоящее время. [c.239]
В качестве характерного объекта, моделируемого с помощью стохастических моделей, можно назвать телефонную станцию. Число абонентов, желающих связаться с кем-либо по телефону в некоторый момент времени, является неопределенной величиной. При принятии решения о мощности устанавливаемого оборудования эту величину обычно моделируют как случайную, ее распределение получают, наблюдая работу уже действующих телефонных станций. В качестве показателя обычно рассматриваются потери, связанные с тем, что часть абонентов получит отказ из-за перегруженности оборудования, и потери, связанные с простоем оборудования. Если удастся рассчитать функции распределения потерь при всех возможных типах телефонной станции, то при выборе решения можно использовать эти функции распределения. [c.154]
В упомянутых ситуациях предполагается, что зависимости между параметрами модели имеют линейный характер, что сохраняется и с течением времени. В принципе такая предпосылка весьма условна, поэтому в теории принятия решений разработаны также методы нелинейного, динамического, стохастического, выпуклого программирования, которые гораздо более сложны и в анализе деятельности отдельных предприятий применяются крайне редко. [c.141]
Одной из сложных в методологическом аспекте проблем, успешное решение которой предопределяет эффективность АСУ, создаваемых в нефтеперерабатывающей промышленности, является построение экономико-математических моделей, адекватных реальным ситуациям принятия плановых решений. В книге рассмотрено одно из перспективных и интенсивно развиваемых в последние годы направлений в области оптимального планирования и управления непрерывных производств - принятие решений в условиях неполноты информации. Основное внимание уделено разработке и исследованию моделей, описывающих стохастические условия функционирования промышленных нефтеперерабатывающих систем. Наряду с этим рассмотрены и некоторые аспекты применения диалогового подхода к процессу принятия плановых решений. Процесс планирования с точки зрения математического моделирования исследуется и описывается в двух аспектах — временном и организационно-управленческом. [c.215]
Итак, стохастическая сетевая модель комплекса операций позволяет имитировать на ЭВМ процесс оценки и принятия решений в местах альтернативного разветвления процесса, определять вероятность выбора каждой стратегической альтернативы, а также время и затраты на ее реализацию. [c.192]
В целях адекватного отображения и количественной оценки ситуаций типа контроль—доработка авторами была разработана имитационная модель, основанная на стохастическом графе специального вида — графе с возвратом. Данная модель объединяет в единую структуру все разнообразные работы по реализации нововведения (конструкторские, технологические, маркетинговые, производственные), а также коммуникационные процессы, связанные с процедурой принятия решений по согласованию различных этапов инновационного процесса, локализованных на предприятии. Тем самым реализуется комплексный подход к планированию инноваций как важнейших стратегических решений. [c.194]
Особенности поведения предприятия, связанные со стохастическим и законами принятия решения в системе оптовой торговли средствами производства, можно исследовать при помощи имитационных моделей с использованием метода машинного моделирования [4]. Имитацию поведения предприятия проведем при заключении данным предприятием договоров с поставщиками и потребителями и при совершении акта продажи своей продукции. При заключении договоров предполагается, что предприятие заявило потребителям количество и номенклатуру продукции, которую ему выгодно выпускать с точки зрения максимума прибыли. С другой стороны, оно сделало заказ поставщикам на ресурсы, необходимые для этого состава и объема выпуска продукции. В процессе формирования договоров случайным является поведение поставщиков и потребителей. Предполагается, что поставщики с некоторым заданным законом распределения вероятностей принимают или не принимают заказы на ресурсы. Аналогично потребители с некоторым заданным законом распределения вероятностей принимают или не принимают заявки на заказ соответствующего вида средств производства. Причем отказ в принятии заказа или заявки на заказ может быть (в большинстве случаев будет именно так) не только полным, но и частичным. Используя способность ЭВМ формировать случайные числа, можно имитировать поведение предприятия при различной реакции внешней среды (потребителей и поставщиков). Экономически вполне оправданно считать, что вероятность величины отказа поставщиков и потребителей распределена по показательному закону. Действительно, с возрастанием величины отказа его вероятность уменьшается, причем это уменьшение происходит явно быстрее, чем по линейному закону. Задавая, кроме того, вероятность той или иной реакции данного предприятия на поведение поставщиков и потребителей при формировании договоров, можно получить приближенную картину его функционирования при разных характеристиках внешней среды и его внутренних характеристиках. Операторная схема и блок-схема моделирующего алгоритма для данной имитационной модели имеют следующий вид [c.90]
Детерминированные и стохастические модели выделяются по степени учета неопределенности в процессе принятия решений. В детерминированном случае все факторы, оказывающие существенное влияние на управляемый процесс, однозначно определены — их точные числовые значения известны субъекту управления. Подобная ситуация в управлении экономикой встречается редко. Детерминированные модели применяются как упрощение реальной управленческой задачи, когда наиболее вероятное значение фактора рассматривается определенным. Детерминированная модель представляет в общем случае упрощенную стохастическую модель. [c.58]
Системный анализ и одна из его прикладных теорий — теория принятия решений (ТПР) — выделяют три основных типа механизмов риска [13]. Наиболее простая и выразительная модель рискованного механизма ситуации — это стохастическая . В основе ее лежит случайность, которая практически всегда возникает там, где проявляется массовое взаимодействие большого числа факторов. Например, в обыденной жизни каждый человек живет по-своему просыпается тогда, когда ему нужно, едет на работу на том транспорте, какой ему более удобен, пересекает улицу там, где ему ближе, посещает те парикмахерские, кинотеатры, булочные и прачечные, которые ему нравятся. И кажется, что никакой закономерности в обыденной жизни нет. Однако именно массовость людей делает возможность с высокой достоверностью предсказать, каковы будут размеры потребностей в том или ином транспорте в тот или иной период суток, где будет значительным поток пешеходов какой из магазинов более по- [c.143]
IV. Принятие решений в условиях неопределенности. Постановка задачи стохастического программирования. Прикладные методы учета неопределенности. Критерии и методы принятия решений при вероятностной реализации условий, определяющих функционирование производственной системы. Понятие адаптивной модели. "Зона неопределенности" прогноза развития производственной системы и методические приемы ее анализа. Надежность и маневренность производственной системы. [c.146]
Подводя итог, мы констатируем, что среди четырех кандидатов нет явно выраженного победителя. Мы предлагаем, чтобы инвесторы начинали свои расчеты сразу на нескольких конкурирующих моделях и правилах принятия решений. Их можно без труда реализовать и оптимизировать. Избранные решающие правила могут служить отправными точками и ориентирами для более сложных моделей стохастического программирования и стохастического контроля. Можно также сочетать модели стохастического программирования и решающие правила для получения оценок доверительных интервалов при выдаче рекомендаций после моделирования. Желательны также и модели, комбинирующие элементы всех четырех описанных выше подходов. [c.22]
Опыт применения в нефтеперерабатывающей промышленности детерминированных моделей, формализация которых осуществлялась в основном на базе методов линейного программирования, показал объективную необходимость привлечения аппарата нелинейного и стохастического программирования для повышения адекватности математического описания нефтеперерабатывающих производств реальным условиям принятия и реализации планово-управленческих решений. [c.3]
Использование сетевых моделей в практике управления нововведениями может принести значительный экономический эффект, который выражается в сокращении сроков и объемов затрат за счет улучшения координации и организации работ всех участников процесса создания новой продукции, рационализации использования ресурсов. Сетевые методы облегчают работу по созданию нормативной базы для последующего планирования нововведений, поскольку при их использовании накапливается статистический материал, который после обработки и проведения системного анализа может стать основой системы информационной поддержки принятия управленческих решений в области нововведений. В то же время стохастическая природа процесса создания и внедрения сложных инноваций, которая проявляется как в неопределенности нормативных затрат и сроков выполнения работ, так и в наличии в процессе разработки ситуаций, носящих случайный характер, требует введения в сетевой модели новых логических отношений. Действительно, сетевые графики адекватно описывают лишь детерминированные процессы. Более широкими возможностями отражения внутренней и внешней неопределенности продуктовых нововведений обладают стохастические графы. [c.194]
Условные экстремальные задачи, в которых смешанные стратегии имеют содержательный смысл, естественно разделить на три класса. К первому классу отнесем задачи математического программирования с детерминированными условиями, в которых оптимальный план определяется в виде решающего распределения. Функционалы, выражающие показатели качества решения и ограничения таких моделей, заменяются их математическими ожиданиями. Во второй класс включим стохастические задачи, в которых из содержательных соображений решение должно быть принято до наблюдения реализации случайных параметров условий. Решающие распределения здесь не зависят от реализации случая. По аналогии с априорными решающими правилами естественно [c.137]
Детерм ими рованн ые модели Модели стохастического программирования Модели принятия решений при наличии элементов неопределенности [c.76]
В литературе также особо выделяются математические, графические и другие типы моделей принятия решения. Важно знать специфические свойства разных форм представления моделей. Но данная специфичность, в общем, выявляется не только относительно процесса принятия решений. До сих пор еще мало изучены преимущества и недостатки разных форм моделей для практического применения. Данные аспекты совершенствования управленческой работы относятся к дескриптивной теории принятия решений (можно, например, изучить различия поведения субъекта управления при представлении одной и той же модели в математической и графической форме) и не являются предметом данной работы. В соответствии с поставленной задачей изучения процесса принятия решения, со сложностью целевой системы задачи и другими признаками в статистической, математической, графической или другой форме разрабатываются модели, которые можно классифицировать по признакам (например, нормативная индуктивная проблемно-ориентированная одноцелевая одно-периодная стохастическая модель). [c.59]
Этапы моделирования инвестиционного цикла . построение модели, оценка параметров, практическое применение для принятия решений, оптимизации и прогнозирования. Интерфейсные, фактуальные и процедурные знания. Семантические сети. Синтез модели из типовых модулей. Стохастические сети Петри. Векторные функции денежных потоков в проектировании инвестиционных циклон. Учет факторов риска и неопределенности в моделях инвестиций. [c.75]
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]
В последующих параграфах приводится анализ стохастических моделей, возникающих в различных областях экономики и техники. Наиболее сложный и ответственный этап постановки задачи, требующий знаний и опыта в соответствующей области, — это выбор информационной структуры задачи — статистических характеристик изучаемых явлений и процессов, определяющих критерии качества и ограничения, последовательность принятия решений и характер решений. Как правило, выбор-информационной структуры зависит не только, точнее не столько, от локальной информации о параметрах условий задачи, сколько от более1 широкой информации о месте исследуемого явления или процесса в задаче более высокого уровня, об их взаимосвязи и взаимовлиянии. [c.31]
В многоэтапной модели фильтрации и прогноза на i -м этапе, исходя из накопленной до сих пор информации и принятых решений, сглаживается или экстраполируется процесс т)(/) при t=ti. При этом, однако, учитывается, что критерий качества и ограничения задачи связывают между собой все оценки j, i—1,. .., п. Многоэтапная модель фильтрации и прогнозирования описывается многоэтапной задачей стохастического программирования с жесткими или условными статистическими или условными вероятностными ограничениями. В зависимости от содержательных особенностей задачи многоэтапная модель, как и одноэтап-ная, решается в априорных или апостериорных решающих правилах или решающих распределениях. [c.39]
В предыдущих параграфах главы мы рассматривали многоэтапные стохастические задачи с условными и безусловными, статистическими и вероятностными ограничениями. Более непосредственным и естественным обобщением классической двухэтапной модели стохастического программирования являются многоэтапные задачи, в которых исключаются невязки условий при всех реализациях случая. На каждом этапе после получения информации о реализованных случайных параметрах условий задачи и о принятом на предыдущем этапе решении вводится коррекция, гарантирующая удовлетворение ограничений при всевозможных состояниях природы oeQ. По аналогии с соответствующими одноэтапными моделями такие задачи естественно называть многоэтапными задачами стохастического программирования в жесткой постановке. В этих задачах ограничены не средние значения некоторых функционалов (как в моделях предыдущих параграфов), а значения случайных функционалов при всех реализациях oeQ. [c.202]