Экономическая Ограниченная рацио- Модель эвристических Социальная [c.24]
Существует множество методов оценки и сопоставления альтернатив — исследование операций, модели, эвристические, дерево решений, экспертные. Каждая группа методов имеет свои достоинства и недостатки, определенную сферу применения. Часто возникает необходимость сочетания методов. [c.162]
Мае л ов С. Ю. Поиск вывода, как модель эвристического процесса.— Кибернетика, 1972, № 5, с. 74—78. [c.277]
Управление запасами. Модели управления запасами. Независимый спрос. Системы фиксированного количества и фиксированного времени. Зависимый спрос. Нормирование запасов. Методы расчета потребности в материалах детерминированный, стохастический, эвристический. Классификация материалов. AB - анализ. - анализ. [c.167]
Заметим, что формализация задач на основе эмпирических методов (квадранты 2 3) строится с учетом фактических данных за предшествующие периоды, а модели задач на основе эвристических методов (квадранты 1 2) - с учетом некоторых эмпирических предположений, причем при [c.48]
К эвристическим методам прогнозирования относятся способы экспертных оценок, к фактографическим — логические и математические модели. [c.112]
Если п > 2, в общем случае уже нельзя указать правило составления расписания. Для решения этой задачи используются методы направленного перебора вариантов, позволяющие найти наилучшее расписание без полного перебора всех вариантов. Широко используются также так называемые эвристические процедуры построения расписания, т. е. методы, основанные на разумных идеях, но, вообще говоря, не гарантирующие построения оптимального расписания. Некоторые другие модели и задачи составления расписаний будут рассмотрены в параграфе, посвященном сетевым методам планирования. [c.180]
По соотношению объективных и субъективных начал методы анализа подразделяют на математические и эвристические 1) эвристические методы основываются на интуиции, на субъективных началах 2) математические методы — объективные. Разные аналитики, используя эти методы, получают одинаковые результаты. Часто эти методы сочетают. Например, тип математической модели выбирают интуитивно, а ее параметры определяют методами статистики. [c.70]
Разработанный и реализованный на ЭВМ эвристический алгоритм решения задачи включает два основных блока. В процессе реализации первого из них достигается соблюдение ограничения по равномерности распределения по кварталам объемов товарной строительной продукции, второго — осуществляется выравнивание по загрузке производственной мощности в отдельные периоды года. При этом план строительства объектов в последующие годы является естественным продолжением формируемой годовой программы работ. Ее изменение как в процессе оптимизации на стадии разработки, так и в ходе реализации неминуемо отразится на показателях производственной программы последующих лет. Тем самым применение модели позволяет реализовать принцип непрерывного планирования строительного производства. [c.193]
Проблема отбора факторных признаков для построения моделей взаимосвязи может быть решена с помощью эвристических или многомерных статистических методов анализа. Наиболее приемлемым методом отбора факторных признаков является шаговая регрессия (шаговый регрессионный анализ). Сущность данного метода заключается в последовательном включении факторов в уравнение регрессии и последующей проверке их значимости. Факторы поочередно вводятся в уравнение так называемым прямым методом . При проверке значимости введенного фактора определяется, насколько уменьшается сумма квадратов остатков и увеличивается величина множественного коэффициента корреляции (R). Одновременно используется и обратный метод, т.е. исключение факторов, ставших незначимыми на основе -крите-рия Стьюдента. Фактор является незначимым, если его включение в уравнение регрессии только изменяет значение коэффициентов регрессии, не уменьшая суммы квадратов остатков и не увеличивая их значения. Если при включении в модель соответствующего факторного признака величина множественного коэффициента корреляции увеличивается, а коэффициент регрессии не изменяется (или меняется несущественно), то данный признак существен и его включение в уравнение регрессии необходимо. [c.118]
Все используемые методы разработки управленческих решений по степени формализации расчетов можно разделить на две большие группы - формализованные и эвристические. Формализованные методы имеют четкий алгоритм решения задачи в виде экономико-математических моделей, методик анализа и расчета данных, компьютерных программ, которые обеспечивают высокую точность количественной оценки разрабатываемых вариантов. Формализованные методы используются для разработки и оптимизации программных, т. е. структурированных, решений. [c.242]
Определяющим фактором, который снижает эффективность существующих АИТ, является применение жестких (формализованных) моделей, неадекватных реальным объектам и процессам, для синтеза которых используется только количественная информация предметной области. Строгий математический аппарат, применяемый для синтеза формальных моделей, не позволяет учесть все многообразие факторов, влияющих на состояние или поведение объекта управления. Поэтому на практике большинство лиц, принимающих решения, как правило, дополнительно используют собственные эвристические, интуитивные модели и алгоритмы решения прикладных задач. Решения, получаемые при этом, неоптимальные в математическом смысле, тем не менее учитывают сложную природу взаимосвязи реальных объектов, процессов и их элементов между собой и внешней средой. Поэтому синтез моделей объектов или процессов, которые учитывают еще и профессиональные знания (опыт, интуицию) ЛПР, позволяет повысить обоснованность принимаемых решений и добиться нового качества управления сложными организационными системами. [c.243]
В процессе разработки программы маркетинга обычно используются методы моделирования, причем создаются модели маркетинга по отдельным продуктам, которые могут носить описательный характер, либо содержать возможное решение. Причем эти виды моделей могут быть как оптимизирующими, если предусматривают процедуру проверки результатов, так и эвристическими, если такой процедуры не предусматривают. Оптимизирующая модель обычно содержит описание (с определенной степенью приближения) отношений, существующих между различными [c.171]
Представленная схема в зависимости от желания пользователя функционирует как по разомкнутому, так и по замкнутому циклу. Пользователю представляются широкие возможности модификации модели в диалоговом или обычном режиме. Изменения могут осуществляться на уровне сформированной матрицы, информационной базы или в процессе решения задачи оптимизации, в соответствии с выбранной стратегией решения и набором эвристических правил. Предусмотрена возможность однократного ввода информации, которая группируется и записывается на МД. В последующем пользователь может работать в режиме корректировки. [c.182]
Принятие решения в рамках указанных моделей в большинстве случаев удается свести к решению одной или нескольких задач математического программирования. В тех случаях, когда существует множество критериев оценки качества решения, как правило, осуществляется свертка векторного критерия в скалярный, используются методы лексикографической оптимизации, методы последовательных уступок или иные эвристические человеко-машинные процедуры. [c.186]
Приведенные в работе типовые проектные решения задач планирования нефтеснабжения основаны на использовании принципов системного подхода и предусматривают взаимосвязи формальных и неформальных методов принятия решений, взаимодействие человека и машины при текущем и перспективном планировании нефтеснабжения. Алгоритмы задач имеют модульное построение. Для реализации модулей использованы как известные экономико-математические модели, имеющие стандартные программы решения на ЭВМ, так и эвристические алгоритмы, разработанные специально для конкретных задач нефтеснабжения. [c.5]
В ходе проведения экспериментальных расчетов по перечисленным типовым проектным решениям использовались как эвристические алгоритмы, так и стандартные программы решения на ЭВМ известных экономико-математических и экономико-статистических моделей. Однако опыт показал, что для конкретных задач нефтеснабжения программы решения некоторых моделей целесообразнее несколько изменить. Результаты модификации экономико-статистических моделей, наиболее широко используемых при разработке типовых проектных решений поставленных задач нефтеснабжения, приводятся в виде блок-схемы решения соответствующих модулей в приложении. [c.36]
Второй способ построения прогноза потребности в массовых светлых нефтепродуктах основан на использовании способа определяющих уравнений, основой которого служат эвристические модели взаимосвязи между потребностями в различных видах нефтепродуктов и общей их потребностью. В качестве исходной базы для построения прогноза потребности в соответствующем виде нефтепродукта используются данные о динамике реализации нефтепродуктов по управлению в целом, удельном весе суммы автобензина и дизельного топлива в общем объеме реализации нефтепродуктов и соотношении светлых видов нефтепродуктов (автобензина и дизельного топлива). [c.52]
Алгоритмы подзадач построены с использованием принципа модульности. В качестве модулей взяты или специально разработанные эвристические приемы решения отдельных вопросов, или широко известные приемы решения наиболее распространенных экономико-математических моделей. [c.90]
При планировании нефтеснабжения региона должны сочетаться неформализованные эвристические процедуры и формализованные методы анализа поведения системы, должно широко применяться моделирование исследуемой системы и отдельных ее процессов. Причем нужно использовать разнообразные модели, свойства которых находятся в наибольшем соответствии с характером системы и протекающих, в ней процессов. [c.14]
Из приведенных исследований видно, что выбор типа целочисленной модели для решения задачи по выбору наилучших проектных вариантов новой техники зависит от характера самой решаемой задачи. Этот выбор зависит, прежде всего, от требуемой степени точности учета ограничивающих условий. Наиболее полный их учет требует применения первой линейной или нелинейной целочисленной модели. Вопрос о выборе линейной или нелинейной модели решается в зависимости от размерности задачи. В случае большой размерности задачи правильней остановить выбор на нелинейной модели. Если же не требуется такой доскональный учет ограничивающих условий, то выбирается вторая линейная модель. Однако в случае большой размерности, когда невозможно использование эвристических приемов при решении второй линейной модели (а также и первой), правильным может быть выбор и линейной модели. -... -., - [c.131]
Решение этого комплекса задач осуществляется на единой математической основе. Помимо сетевых моделей при расчете календарно-плановых нормативов использованы методы математического анализа, комбинаторно-эвристические процедуры и теория математической статистики. [c.45]
Когда говорят об "искусственном интеллекте", имеют в виду так называемые эвристические программы, которые способны решать задачи - примерно так же, как это делает человек. Работу компьютера, решающего эвристическую задачу, в принципе можно назвать "разумной" он оценивает условия, принимает решения и даже учится на своих ошибках. Функция автоматического распознавания моделей позволяет машине учиться принимать решения и делать прогнозы на основе классификаций различных объектов или индикаторов. В данном случае значение слова "модель" отлично оттого, которое использовалось при описании "графических моделей". Цель автоматического распознавания моделей -получение синергетического эффекта путем одновременной оценки данных всех индикаторов (вместо того, чтобы рассматривать каждый из них по отдельности). [c.424]
Мы полагаем, что секрет успеха эвристической модели заключается в том, что она по- [c.38]
Шаг 10. Проверка достоверности концептуальной модели. После того как концептуальная модель Мк описана, необходимо проверить достоверность некоторых концепций модели перед тем, как перейти к следующему этапу моделирования системы S. Проверять достоверность концептуальной модели достаточно сложно, так как процесс её построения является эвристическим и такая модель описывается в абстрактных терминах и понятиях. Один из методов проверки модели Мк - применение операций обратного перехода, позволяющий проанализировать модель, вернуться к принятым аппроксимациям и, наконец, рассмотреть снова реальные процессы, протекающие в моделируемой системе S. Проверка достоверности концептуальной модели Мк должна включать [c.102]
Анализируя возможные способы оценки числовых характеристик аппроксимирующих гиперплоскостей, необходимо отметить, что, практически, во всех случаях должна существовать неагрегированная модель производства, на основании которой можно рассчитать максимальные выпуски продуктов maxx , оптимальные опорные решенияyk и оценки оптимальных решений pk, или же множестве различных решений Yk и Pk, усреднением которых можно вычислить Yk uPk. Без использования экономико-математической модели, эвристическим способом приближенно могут быть определены только предельные значениях . [c.23]
Модель эвристических суждений и предпочтений. Модель эвристических суждений и предпочтений возникла в основном под влиянием исследований Канемана и Тверски, теоретических сторонников психологического подхода к принятию решений. Согласно этой модели лица, принимающие решения, во многих случаях полагаются прежде всего на эвристику — интуицию и прошлый опыт. Метод эвристических суждений уменьшает информационные потребности принимающих решения и на практике помогает облегчить принятие решений. Эвристические принципы упрощают решения и.помогают тем, кто их принимает, но их использование может привести к ошибкам и просчетам. Многие формы поведения менеджеров иррациональны, и их необходимо учитывать. [c.26]
Используя сопряженный анализ, можно разработать модель с помощью экспертов. Этот подход, эвристический расчет прогноза, превращает субъективную теорию в объективные процедуры. Например, эксперты могут сделать прогноз объема продаж следующего года по географическим регионам. Этот процесс затем преобразуется в набор правил, используемых прогнозистом для определения прогноза на основе новой информации. Однажды разработанные модели эвристического расчета прогноза предлагают процедуру создания прогнозов с низкими издержками. Они почти всегда дают лучшие результаты по сравнению с другими эвристическими прогнозами, хотя эти достижения обычно умеренные (Armstrong, 1999). [c.353]
Большое значение в развитии теории и практики анализа имееп совершенствование методики и инструментария исследования В последние годы находят более широкое применение экономико-математические методы и модели, эвристические методы, функционально-стоимостный анализ, 51-ГО Г-анал из, маржинальный анализ и др. [c.12]
Модель, которую часто используют для анализа поведения оппонентов в ситуации конфликта, предложили К. У. Томас и Р. X. Киллмен в 1972 г. (рис. 34.1). Она основана на психологических данных о преимущественных вариантах индивидуального поведения. Данная модель имеет значительный эвристический потенциал. Томасом разработан тест, позволяющий измерить личный стиль реагирования конкретного человека, попавшего в ситуацию конфликта. Если провести измерение стиля обоих оппонентов, то это позволит отчетливее определить пути разрешения конфликта. Вместе с тем такие типы поведения, как компромисс и сотрудничество, являются целями развития оппонентов и их обучения адекватным типам реагирования. Кроме того, на базе модели Томаса—Киллмена возможно измерение групповых типов поведения. Данная модель позволяет различить стили [c.506]
В этой связи для определения потребности в средствах автоматизации в условиях ограниченности распределяемых ресурсов наиболее целесообразным представляется применение моделей, построенных на сочетании оптимизационных и эвристических методов. Такого рода подход лежит в основе имитационного моделирования, предполагающего участие в решении оптимизационной задачи субъекта управления, осуществляющего анализ и оценку полученных с помощью ЭВМ промежуточных решений и определяющего дальнейший ход решения задачи. В традиционном использовании данный метод обладает рядом недостатков. Субъект имеет возможность влиять на объективный ход решения оптимизационной задачи, выдавая желаемое за действительное существенным образом может удлиниться процесс решения задачи, что практически недопустимо в период формирования планов распределения ЭСАпо потребителям появляется потребность отвлечения от основных обязанностей значительного количества высококвалифицированных специалистов по экономико-математическому моделированию, умеющих эффективно управлять ходом оптимизационного процесса. Указанный метод может быть успешно применен при распределении остродефицитных видов средств автоматизации, где без прямого участия субъекта управления не обойтись. [c.146]
При построении комплекса экономико-математических моделей оптимального планирования нефтеснабжения использовались принципы системного подхода, изложенные в разделе Методические основы формирования нормативной базы планирования нефтеснабжения . Согласно этим принципам комплекс экономико-математических моделей представляет собой сложную систему, отражающую связь между внутренними и внешними факторами, которые влияют на процесс нефтеснабжения. Эта система обеспечивает текущую и перспективную потребности народного хозяйства в нефтепродуктах (в заданных объемах и ассортименте) с наименьшими затратами на транспортировку и переработку на объектах нефтебазового хозяйства. При моделировании влияния внутренних и внешних факторов использованы различные экономико-статистические, экономико-математические и эвристические модели. Таким образом, задача нефтеснабжения района расчленена на отдельные взаимосвязанные локальные задачи, охватывающие разные плановые периоды и разные стороны деятельности нефте-снабсбыто вых территориальных органов. [c.28]
Минимальная себестоимость переработки нефтепродуктов определяется с учетом выявленных резервов повышения пропускной способности действующих объектов нефтебазового хозяйства. Исходя из требований экономико-математической задачи 0200, объемные и стоимостные показатели деятельности объектов неф-тебазового хозяйства должны быть дифференцированы по каждому объекту, каждому виду нефтепродукта и периодам года (навигационному и межнавигационному). Дифференциация себестоимости производится с помощью эвристических моделей, отражающих зависимость уровня затрат от объема резервуарного парка и объема реализации нефтепродуктов. Информационное обеспечение [c.92]
Минимальная себестоимость переработки нефтепродуктов определяется с учетом выявленных резервов повышения пропускной способности нефтебаз. Согласно требованиям постановки экономико-математических задач оптимального текущего планирования, минимальную себестоимость нужно дифференцировать по каждому объекту нефтебазового хозяйства, виду нефтепродукта и периодам года. Дифференциация себестоимости проводится по методике с ис-лользованием эвристических моделей, отражающих зависимость [c.51]
Для выбора баз сезонного хранения нефтепродуктов с учетом динамики потребления использовалась модель при упрощающих предположениях. Для ее решения разработан эвристический метод, базирующийся на многократном нахождении максимального потока в сети специальной структуры в сочета- [c.59]
Но одно, а, может быть, во многих случаях и решающее обстоятельство позволяет думать, что применение нелинейных целочисленных моделей, с точки зрения приближенных методов их решения, предпочтительней, чем применение линейных моделей. Дело в том, что во второй линейной модели двухэтап-ная задача по выбору вариантов переводится в одноэтапную, так как вводится один массив булевых переменных. Этим самым подрывается возможность применения для ускорения сходимости приближенных методов различных эвристических приемов. В первой линейной модели, хотя и вводятся массивы булевых переменных для обоих этапов технической подготовки изводства, из-за промежуточного массива булевых переменных Zji, имеющих тот же смысл, что и во второй линейной модели, применение эвристических приемов затруднено. Ибо если для переменных у и уц можно сформулировать некоторые эвристические правила, то для переменных гц, служащих для связи переменных у и у — вряд ли. Бесспорно также, что. и размерность первой линейной модели значительно превосходит размерность нелинейной модели. [c.130]
Слабо структуризованными являются проблемы, как правило, сложные, отличающиеся, в первую о зависимостями элементов ситуации. Однако слабо структуризованные (или смешанные) прс качественные, так и количественные элементы при преобладающем составе первых. Это область п анализа. В решении подобных проблем исключается возможность построения моделей, но не i конкретной ситуации и приемлемости сочетания количественных и эвристических методов. [c.22]
Разновидностью разработки решений являются эвристические модели. Впервые авторы Саймон термин "эвристический" (греческое "эурискеин" - делаю открытие) для характеристики особого подхс выбору решений. Основу эвристических моделей составляют логика и здравый смысл, основанные Такие модели используются в ситуациях, когда невозможно применение формальных аналитическ эвристических методов состоит в преобразовании одной сложной задачи в совокупность простых, п математическими способами. Эвристическими моделями не решаются задачи оптимизации реш относительная пригодность конкретных стратегий с определенными ограничениями. На O HOBI логических связей в ходе рассуждений ЛПР может решаться широкий класс задач. [c.50]
Эвристические модели используются при выборе решений для разрешения ситуаций кратковременн [c.50]
Лаборатория Финансовой инженерии в Массачусетском Технологическом институте [251,341] - вот другой примечательный пример. Проект искусственного рынка, в частности, фокусируется на динамике, являющейся результатом взаимодействий между человеком и искусственными агентами в стохастической рыночной среде, в которой агенты учатся на своих взаимодействиях, используя недавно разработанные методы крупномасштабного моделирования, аппроксимирующее динамическое программирование, вычислительное обучение и ресурсы математики, статистики, физики, психологии и информатики. Эта лаборатория недавно построила искусственный рынок, разработанный в соответствии с экспериментально-рыночными установками человеческих субъектов, для моделирования сложные взаимодействий между трейдерами с искусственным интеллектом (ИИ) с различными степенями способностей к обучению [79]. Использование ИИ агентов с простыми эвристическими правилами торговли и алгоритмами обучения показывает, что добавление трендследящих трейдеров к популяции эмпирических фундаменталистов имеет неблагоприятное воздействие на рыночный результат и трейдеры, следующие за трендом действуют совсем плохо. Однако, этот эффект уменьшается через какое-то время, поскольку рынок становится более эффективным. В числовых экспериментах, в которых трейдеры-"скальперы", которые просто торгуют на моделях прошлых цен, добавлялись к популяции фундаменталистов, оказалось, что "скальперы" -относительно успешные свободные наездники, не только соответствовали результатам фундаменталистов в конечном счете, но и выигрывали у них на коротком пробеге. [c.138]