Методология и методы принятия решения
промышленный шпионаж (иногда он оказывается успешным способом сбора данных о действиях конкурентов, и эти данные затем использовались для переформулирования целей организации. Поэтому руководители должны защищать данные, имеющие статус их интеллектуальной собственности).
Количественные методы можно использовать для прогнозирования, когда есть основание считать, что деятельность в прошлом имела определенную тенденцию, которую можно продолжить в будущем, и когда имеющейся информации достаточно для выявления статистически достоверных тенденций или зависимостей. Кроме того, руководитель обязан знать, как использовать количественную модель, и помнить, что выгоды от принятия более эффективного решения должно перекрыть расходы на создание модели. Два типичных метода количественного прогнозирования – это анализ временных рядов и каузальное (причинно-следственное) моделирование.
Анализ временных рядов. Иногда называемый проецированием тренда, анализ временных рядов основан на допущении, согласно которому случившееся в прошлом дает достаточно хорошее приближение в оценке будущего. Этот анализ является методом выявления образцов и тенденций прошлого и продления их в будущее. Данный метод анализа часто используется для оценки спроса на товары и услуги, оценки потребности в запасах, прогнозирования структуры сбыта, характеризующегося сезонными колебаниями, ил потребности в кадрах.
Каузальное (причинно-следственное) моделирование. Каузальное моделирование – наиболее хитроумный и математически сложный количественный метод прогнозирования из числа применяемы сегодня. Он используется в ситуациях с более чем одной переменной. Каузальное моделирование – это попытка спрогнозировать то, что произойдет в подобных ситуациях, путем исследования статистической зависимости между рассматриваемыми факторами и другими переменными.
Когда количество информации недостаточно или руководство не понимает сложный метод, или когда количественная модель получается чрезмерно дорогой, руководство может прибегнуть к качественным моделям прогнозирования. При этом прогнозирование будущего осуществляется экспертами, к которым обращаются за помощью. Четыре наиболее распространенных качественных методов прогнозирования – это мнение жюри, совокупное мнение сбытовиков, модель ожидания потребителя и метод экспертных цен.
Мнение жюри. Этот метод заключается в соединении и усреднении мнений экспертов в релевантных сферах. Неформальной разновидностью этого метода является «мозговой штурм», во время которого участники сначала пытаются генерировать как можно больше идей. Только после прекращения процесса генерирования некоторые идеи подвергаются оценке. Этот может отнимать много времени, но зачастую дает полезные результаты, особенно когда организация нуждается во множестве новых идей и альтернатив.
Совокупное мнение сбытовиков. Опытные торговые агенты часто прекрасно предсказывают будущий спрос. Они близко знакомы с потребителями и могут принять в расчет их недавние действия быстрее, чем удастся построить количественную модель. Кроме того, хороший торговый агент на определенном временном отрезке зачастую «чувствует» рынок по сути дела точнее, чем количественные модели.
Модель ожидания потребителя. Прогноз, основанный на результатах опроса клиентов организации. Их просят оценить собственные потребности в будущем, а также новые требования. Собрав все полученные таким путем данные и сделав поправки на пере- или недооценку, исходя из собственного опыта, руководитель зачастую оказывается в состоянии точно предсказать совокупный спрос.
Метод экспертных оценок. Этот метод представляет собой процедуру, позволяющую группе экспертов приходить к согласию. Эксперты заполняют подробные вопросник по поводу рассматриваемой проблемы. Они также записывают свои мнения о ней. Каждый эксперт затем получает свод ответов других экспертов, и его просят заново рассмотреть свой прогноз, и если он не совпадает с прогнозами других, просят объяснить, почему это так. Процедура повторяется обычно три или четыре раза, пока эксперты не приходят к единому мнению. Причем все опросники анонимны, как и анонимны сами эксперты, то есть эксперты не знают, кто еще входит в группу.
2. Моделирование как метод научного познания.
Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ в. Однако методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.
Термин "модель" широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений.
Модель - это такой материальный или мысленно представляемый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале.
Под моделированием понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.
Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект. Именно эта особенность метода моделирования определяет специфические формы использования абстракций, аналогий, гипотез, других категорий и методов познания.
Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.
Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития.
3. Социально – экономические системы
3.1. Экономико–математическое моделирование
Системой называется комплекс взаимосвязанных элементов вместе с отношениями между элементами и между их атрибутами. Исследуемое множество элементов можно рассматривать как систему, если выявлены следующие четыре признака:
• целостность системы, т.е. принципиальная несводимость свойств системы к сумме свойств составляющих ее элементов;
• наличие цели и критерия исследования данного множества элементов,
• наличие более крупной, внешней по отношению к данной, системы, называемой «средой»;
• возможность выделения в данной системе взаимосвязанных частей (подсистем).
Таблица 2 Взаимодействие системы с внешней средой
Любая техническая, биологическая система работает в окружении среды, которая оказывает внешнее воздействие на систему с параметрами возмущения, искажающими результаты управления.

Параметры:
X – входные параметры, факторные признаки, экзогенные параметры;
Y – выходные параметры, результативные признаки, эндогенные параметры;
Z – параметры возмущения, случайные факторы, случайные составляющие;
U – параметры управления. Системы бывают открытые (взаимодействующие с внешней средой) и закрытые (невзаимодействующие с внешней средой).
Особенности экономических систем.
Экономическая система является частью более сложной системы – социально-экономической, и представляет собой вероятностную, динамическую, адаптивную систему, охватывающую процессы производства, обмена, распределения и потребления материальных благ, а также предоставления различных сервисных услуг. Как правило, входные параметры экономических систем – это материальные вещественные потоки производственных и природных ресурсов, то есть Х. Входные параметры – это материальные вещественные потоки, оборудование, военная продукция, продукция накопления, возмещения и экспорта, то есть У.
Экономические системы – многоступенчатые, многоуровневые системы, и любая неопределенность, случайность во входных параметрах в нижних уровнях приводит к неопределенностям и случайностям в выходных параметрах подсистем более высокого порядка и системы в целом.
Таблица 3
Структурная схема простой экономической системы

ЭММ оптимизации обычной экономической системы
где pi – прибыль от реализации единицы продукции;
xi - объем выпуска продукции;
ai - расход сырья на единицу продукции;
B - общий запас сырья;
- область допустимых ограничений;
Основным методом исследования систем является метод моделирования, т. е. способ теоретического анализа и практического действия, направленный на разработку и использование моделей. При этом под моделью будем понимать образ реального объекта в материальной или идеальной форме, отражающий существенные свойства моделируемого объекта и замещающий его в ходе исследования и управления. Метод моделирования основывается на принципе аналогии, т.е. возможности изучения реального объекта не непосредственно, а через рассмотрение подобного ему и более доступного объекта, его модели.
Практическими задачами экономико-математического моделирования являются:
• анализ экономических объектов и процессов;
• экономическое прогнозирование, предвидение развития экономических процессов;
• выработка управленческих решений на всех уровнях
хозяйственной иерархии.
Следует, однако, иметь в виду, что далеко не во всех случаях данные, полученные в результате экономико-математического моделирования, могут использоваться непосредственно как готовые управленческие решения. Они скорее могут быть рассмотрены как «консультирующие» средства. Принятие управленческих решений остается за человеком. Таким образом, экономико-математическое моделирование является лишь одним из компонентов в человеко-машинных системах планирования и управления экономическими системами.
Важнейшим понятием при экономико-математическом моделировании, как и при всяком моделировании, является понятие адекватности модели, т.е. соответствия модели моделируемому объекту или процессу. Адекватность модели — в какой-то мере условное понятие, так как полного соответствия модели реальному объекту быть не может, что характерно и для экономико-математического моделирования. При моделировании имеется в виду не просто адекватность, но соответствие по тем свойствам, которые считаются существенными для исследования. Проверка адекватности экономико-математических моделей является весьма серьезной проблемой, тем более что ее осложняет трудность измерения экономических величин. Однако без такой проверки применение результатов моделирования в управленческих решениях может не только оказаться мало полезным, но и принести существенный вред.
Социально-экономические системы относятся, как правило, к так называемым сложным системам. Сложные системы в экономике обладают рядом свойств, которые необходимо учитывать при их моделировании, иначе невозможно говорить об адекватности построенной экономической модели. Важнейшие из этих свойств:
• эмерджентность как проявление в наиболее яркой форме свойства целостности системы, т.е. наличие у экономической системы таких свойств, которые не присущи ни одному из составляющих систему элементов, взятому в отдельности вне системы. Эмерджентность есть результат возникновения между элементами системы так называемых синергических связей, которые обеспечивают увеличение общего эффекта до величины, большей, чем сумма эффектов элементов системы, действующих независимо. Поэтому социально-экономические системы необходимо исследовать и моделировать в целом;
• массовый характер экономических явлений и процессов. Закономерности экономических процессов не обнаруживаются на основании небольшого числа наблюдений. Поэтому моделирование в экономике должно опираться на массовые наблюдения;
• динамичность экономических процессов, заключающаяся в изменении параметров и структуры экономических систем под влиянием среды (внешних факторов);
• случайность и неопределенность в развитии экономических явлений. Поэтому экономические явления и процессы носят в основном вероятностный характер, и для их изучения необходимо применение экономико-математических моделей на базе теории вероятностей и математической статистики;
• невозможность изолировать протекающие в экономических системах явления и процессы от окружающей среды, чтобы наблюдать и исследовать их в чистом виде;
• активная реакция на появляющиеся новые факторы, способность социально-экономических систем к активным, не всегда предсказуемым действиям в зависимости от отношения системы к этим факторам, способам и методам их воздействия.
Выделенные свойства социально-экономических систем естественно, осложняют процесс их моделирования, однако эти свойства следует постоянно иметь в виду при рассмотрении различных аспектов экономико-математического моделирования, начиная с выбора типа модели и кончая вопросами практического использования результатов моделирования.
3.2. Этапы экономико-математического моделирования
Процесс моделирования, в том числе и экономико-математического, включает в себя три структурных элемента: объект исследования; субъект (исследователь); модель, опосредующую отношения между познающим субъектом и познаваемым объектом. Рассмотрим общую схему процесса моделирования, состоящую из четырех этапов.
Пусть имеется некоторый объект, который мы хотим исследовать методом моделирования. На первом этапе мы конструируем другой объект — модель исходного объекта-оригинала. Этап построения модели предполагает наличие определенных сведений об объекте-оригинале. Познавательные возможности модели определяются тем, что модель отображает лишь некоторые существенные черты исходного объекта, поэтому любая модель замещает оригинал в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько моделей, отражающих определенные стороны исследуемого объекта или характеризующих его с разной степенью детализации.
На втором этапе процесса моделирования модель выступает как самостоятельный объект исследования. Например, одну из форм такого исследования составляет проведение модельных экспериментов, при которых целенаправленно изменяются условия функционирования модели и систематизируются данные о ее "поведении". Конечным результатом этого этапа является совокупность знаний о модели в отношении существенных сторон объекта-оригинала, которые отражены в данной модели.
Третий этап заключается в переносе знаний с модели на оригинал, в результате чего мы формируем множество знаний об исходном объекте и при этом переходим с языка модели на язык оригинала. С достаточным основанием переносить какой-либо результат с модели на оригинал можно лишь в том случае, если этот результат соответствует признакам сходства оригинала и модели (другими словами, признакам адекватности).
На четвертом этапе осуществляются практическая проверка полученных с помощью модели знаний и их использование, как для построения обобщающей теории реального объекта, так и для его целенаправленного преобразования или управления им. В итоге мы снова возвращаемся к проблематике объекта-оригинала.
Моделирование представляет собой циклический процесс, т.е. за первым четырехэтапным циклом может последовать второй, третий и т. д. При этом знания об исследуемом объекте расширяются и уточняются, а первоначально построенная модель постепенно совершенствуется. Таким образом, в методологии моделирования заложены большие возможности самосовершенствования.
Перейдем теперь непосредственно к процессу экономико-математического моделирования, т.е. описания экономических и социальных систем и процессов в виде экономико-математических моделей. Эта разновидность моделирования обладает рядом существенных особенностей, связанных как с объектом моделирования, так и с применяемым аппаратом и средствами моделирования. Поэтому целесообразно более детально проанализировать последовательность и содержание этапов экономико-математического моделирования, выделив следующие шесть этапов: постановка экономической проблемы, ее качественный анализ; построение математической модели; математический анализ модели; подготовка исходной информации; численное решение; анализ численных результатов и их применение. Рассмотрим каждый из этапов более подробно.
3.2.1. Постановка экономической проблемы и ее качественный анализ.
На этом этапе требуется сформулировать сущность проблемы, принимаемые предпосылки и допущения. Необходимо выделить важнейшие черты и свойства моделируемого объекта, изучить его структуру и взаимосвязь его элементов, хотя бы предварительно сформулировать гипотезы, объясняющие поведение и развитие объекта.
3.2.2. Построение математической модели.
Это этап формализации экономической проблемы, т. е. выражения ее в виде конкретных математических зависимостей. Построение модели подразделяется в свою очередь на несколько стадий. Сначала определяется тип экономико-математической модели, изучаются возможности ее применения в данной задаче, уточняются конкретный перечень переменных и параметров и форма связей. Для некоторых сложных объектов целесообразно строить несколько разноаспектных моделей; при этом каждая модель выделяет лишь некоторые стороны объекта, а другие стороны учитываются, агрегировано и приближенно. Оправдано стремление построить модель, относящуюся к хорошо изученному классу математических задач, что может потребовать некоторого упрощения исходных предпосылок модели, не искажающего основных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация проблемы приводит к неизвестной ранее математической структуре.
3.2.3. Математический анализ модели.
На этом этапе чисто математическими приемами исследования выявляются общие свойства модели и ее решений. В частности, важным моментом является доказательство существования решения сформулированной задачи. При аналитическом исследовании выясняется, единственно ли решение, какие переменные могут входить в решение, в каких пределах они изменяются, каковы тенденции их изменения и т.д. Однако модели сложных экономических объектов с большим трудом поддаются аналитическому исследованию; в таких случаях переходят к численным методам исследования.
3.2.4. Подготовка исходной информации.
В экономических задачах это, как правило, наиболее трудоемкий этап моделирования, так как дело не сводится к пассивному сбору данных. Математическое моделирование предъявляет жесткие требования к системе информации; при этом надо принимать во внимание не только принципиальную возможность подготовки информации требуемого качества, но и затраты на подготовку информационных массивов. В процессе подготовки информации используются методы теории вероятностей, теоретической и математической статистики для организации выборочных обследований, оценки достоверности данных и т.д. При системном экономико-математическом моделировании результаты функционирования одних моделей служат исходной информацией для других.
3.2.5. Численное решение.
Этот этап включает разработку алгоритмов численного решения задачи, подготовку программ на ЭВМ и непосредственное проведение расчетов;
при этом значительные трудности вызываются большой размерностью экономических задач. Обычно расчеты на основе экономико-математической модели носят многовариантный характер. Многочисленные модельные эксперименты, изучение поведения модели при различных условиях возможно проводить благодаря высокому быстродействию современных ЭВМ. Численное решение существенно дополняет результаты аналитического исследования, а для многих моделей является единственно возможным.
3.2.6. Анализ численных результатов и их применение.
На этом этапе, прежде всего, решается важнейший вопрос о правильности и полноте результатов моделирования и применимости их как в практической деятельности, так и в целях усовершенствования модели. Поэтому в первую очередь должна быть проведена проверка адекватности модели по тем свойствам, которые выбраны в качестве существенных (другими словами, должны быть произведены верификация и валидация модели). Применение численных результатов моделирования направлено на решение практических задач.
Перечисленные этапы экономико-математического моделирования находятся в тесной взаимосвязи, в частности, могут иметь место возвратные связи этапов. Так, на этапе построения модели может выясниться, что постановка задачи или противоречива, или приводит к слишком сложной математической модели; в этом случае исходная постановка задачи должна быть скорректирована. Наиболее часто необходимость возврата к предшествующим этапам моделирования возникает на этапе подготовки исходной информации. Если необходимая информация отсутствует или затраты на ее подготовку слишком велики, приходится возвращаться к этапам постановки задачи и ее формализации, чтобы приспособиться к доступной исследователю информации.
Выше уже сказано о циклическом характере процесса моделирования. Недостатки, которые не удается исправить на тех или иных этапах моделирования, устраняются в последующих циклах. Однако результаты каждого цикла имеют и вполне самостоятельное значение. Начав исследование с построения простой модели, можно получить полезные результаты, а затем перейти к созданию более сложной и более совершенной модели, включающей в себя новые условия и более точные математические зависимости.
Понятие “модель” и “моделирование”.
С понятием “моделирование экономических систем” (а также математических и др.) связаны два класса задач:
задачи анализа, когда система подвергается глубокому изучению ее свойств, структуры и параметров, то есть исследуется предметная область будущего моделирования.
Задачи, связанные с задачами синтеза (получения ЭММ данной системы).
Модель – изображение, представление объекта, системы, процесса в некоторой форме, отличной от реального существования.
Различают физическое и математическое моделирование.
Т
аблица
4 Классификация
моделей.


М
одели
Этапы практического моделирования.
Анализ экономической системы, ее идентификация и определение достаточной структуры для моделирования.
Синтез и построение модели с учетом ее особенностей и математической спецификации.
Верификация модели и уточнение ее параметров
Уточнение всех параметров системы и соответствие параметров модели, их необходимая валидация (исправление, корректирование).
Этап подгонки модели многократный.
Таблица 5 Формальная классификация моделей.
Признак классификации |
Модель |
| 1. Целевое назначение | Прикладные, теоретико-аналитические |
| 2. По типу связей | Детерминированные, стохастические |
| 3. По фактору времени | Статические, динамические |
| 4. По форме показателей | Линейные, нелинейные |
| 5. По соотношению экзогенных и эндогенных переменных | Открытые, закрытые |
| 6. По типу переменных | Дискретные, непрерывные, смешанные |
| 7. По степени детализации | Агрегированные (макромодели), детализированные (микромодели) |
| 8. По количеству связей | Одноэтапные, многоэтапные |
| 9. По форме представления информации | Матричные, сетевые |
| 10. По форме процесса | Аналитические, графические, логические |
| 11. По типу математического аппарата | Балансовые, статистические, оптимизационные, имитационные, смешанные |
3.3. Классификация экономико-математических методов и моделей
Суть экономико-математического моделирования заключается в описании социально-экономических систем и процессов в виде экономико-математических моделей. Выше кратко рассмотрен смысл понятий «метод моделирования» и «модель». Исходя из этого экономико-математические методы следует понимать как инструмент, а экономико-математические модели — как продукт процесса экономико-математического моделирования.
Рассмотрим вопросы классификации экономико-математических методов. Эти методы представляют собой комплекс экономико-математических дисциплин, являющихся сплавом экономики, математики и кибернетики. Поэтому классификация экономико-математических методов сводится к классификации научных дисциплин, входящих в их состав. Хотя общепринятая классификация этих дисциплин пока не выработана, с известной степенью приближения в составе экономико-математических методов можно выделить следующие разделы:
• экономическая кибернетика: системный анализ экономики, теория экономической информации и теория управляющих систем;
• математическая статистика: экономические приложения данной дисциплины — выборочный метод, дисперсионный анализ, корреляционный анализ, регрессионный анализ, многомерный статистический анализ, факторный анализ, теория индексов и др.;
• математическая экономия и изучающая те же вопросы с количественной стороны эконометрия: теория экономического роста, теория производственных функций, межотраслевые балансы, национальные счета, анализ спроса и потребления, региональный и пространственный анализ, глобальное моделирование и др.;
• методы принятия оптимальных решений, в том числе исследование операций в экономике. Это наиболее объемный раздел, включающий в себя следующие дисциплины и методы: оптимальное (математическое) программирование, в том числе методы ветвей и границ, сетевые методы планирования и управления, программно-целевые методы планирования и управления, теорию и методы управления запасами, теорию массового обслуживания, теорию игр, теорию и методы принятия решений, теорию расписаний. В оптимальное (математическое) программирование входят в свою очередь линейное программирование, нелинейное программирование, динамическое программирование, дискретное (целочисленное) программирование, дробно-линейное программирование, параметрическое программирование, сепарабельное программирование, стохастическое программирование, геометрическое программирование;
• методы и дисциплины, специфичные отдельно как для централизованно планируемой экономики, так и для рыночной (конкурентной) экономики. К первым можно отнести теорию оптимального функционирования экономики, оптимальное планирование, теорию оптимального ценообразования, модели материально-технического снабжения и др. Ко вторым — методы, позволяющие разработать модели свободной конкуренции, модели капиталистического цикла, модели монополии, модели индикативного планирования, модели теории фирмы и т.д. Многие из методов, разработанных для централизованно планируемой экономики, могут оказаться полезными и при экономико-математическом моделировании в условиях рыночной экономики;
• методы экспериментального изучения экономических явлений. К ним относят, как правило, математические методы анализа и планирования экономических экспериментов, методы машинной имитации (имитационное моделирование), деловые игры. Сюда можно отвести также и методы экспертных оценок, разработанные для оценки явлений, не поддающихся непосредственному измерению. Перейдем теперь к вопросам классификации экономико-математических моделей, другими словами, математических моделей социально-экономических систем и процессов. Единой системы классификации таких моделей в настоящее время также не существует, однако обычно выделяют более десяти основных признаков их классификации, или классификационных рубрик. Рассмотрим некоторые из этих рубрик.
По общему целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые при изучении общих свойств и закономерностей экономических процессов, и прикладные, применяемые в решении конкретных экономических задач анализа, прогнозирования и управления.
По степени агрегирования объектов моделирования модели разделяются на макроэкономические и микроэкономические. Хотя между ними и нет четкого разграничения, к первым из них относят модели, отражающие функционирование экономики как единого целого, в то время как микроэкономические модели связаны, как правило, с такими звеньями экономики, как предприятия и фирмы.
Экономико-математические модели могут классифицироваться также по характеристике математических объектов, включенных в модель, другими словами, по типу математического аппарата, используемого в модели. По этому признаку могут быть выделены матричные модели, модели линейного и нелинейного программирования, корреляционно-регрессионные модели, модели теории массового обслуживания, модели сетевого планирования и управления, модели теории игр и т.д.
4. Метод линейного программирования в задачах оптимизации плана производства
Линейное программирование – это метод выбора не отрицательных значений переменных минимизирующих или максимизирующих значения линейной целевой функции, при наличии ограничений.
При небольшой размерности переменных до 10-ти в задачах линейного программирования (ЛП) используются итерационные процедуры ввиде конечного числа шагов, пи решении системы линейных уравнений, которые получили название симплексный метод.
Симплекс – многогранник.
Симплексный метод – это совокупность итерации, совершаемая ЛПР от отправного наихудшего варианта целевой функции к экстремальному значению целевой функции, при заданной системе ограничений; в качестве экстремума минимальное или максимальное значение целевой функции. При этом целевая функция и задача ЛП обладают свойством двойственности (т.е. минимум целевой функции может быть всегда заменен максимумом, путем смены знаков самой целевой функции).
Использование графического способа удобно только при решении задач ЛП с двумя переменными. При большем числе переменных необходимо применение алгебраического аппарата. Рассмотрим общий метод решения задач ЛП, называемый симплекс-методом.
Информация, которую можно получить с помощью симплекс-метода, не ограничивается лишь оптимальными значениями переменных. Симплекс-метод фактически позволяет дать экономическую интерпретацию полученного решения и провести анализ модели на чувствительность.
Процесс решения задачи линейного программирования носит итерационный характер: однотипные вычислительные процедуры в определенной последовательности повторяются до тех пор, пока не будет получено оптимальное решение. Процедуры, реализуемые в рамках симплекс-метода, требуют применения вычислительных машин - мощного средства решения задач линейного программирования.
Симплекс-метод - это характерный пример итерационных вычислений, используемых при решении большинства оптимизационных задач.
Рассмотрим использование симплексного метода ЛП на примере задач оптимизации плана производства.
Пример №1:
Условие задачи (постановка):
Найти план производства предприятия обеспечивающий максимум прибыли.
Предприятие производит два вида продукции в трех цехах:
А 80
Б 60
В 100
Установлено соответственно: 80;60 и 100 единиц оборудования.
Нормы использования оборудования для производства за 1 час единицы продукции представлены в таблице в машино/часах:
-
ЦЕХ
ВИДЫ ПРОДУКЦИИ
1
2
А 4 2 Б 1 3 В 2 3
Прибыль первого вида продукции 10 рублей
Прибыль единицы второй продукции 8 рублей
Требуется определить объем выпуска первого и второго вида продукции доставляющего максимум прибыли.
Решение:
1. Составляем модель.
Пусть х1 искомый объем 1 продукции первого вида;
х2 - 2 объем выпуска второго вида продукции.
Цель: максимальная прибыль.
Модель:
10х1 – прибыль от реализации первого вида продукции
8х2 – прибыль от реализации второго вида.
Целевая функция L(х1х2) = С1х1 + С2х2 = 10х1 + 8х2
С1 = 10; С2 = 8 – коэффициенты при переменных в целевой функции.
П
ланируемое
использование
машин по цехам
не должно превышать
наличие этого
оборудования
в цехах (по цехам)
отсюда система
неравенств.
А – 4х1 + 2х2 80 ограничение по
Б – 1х1 + 3х2 60 использованию
В – 2х1 + 3х2 100 оборудования,
условие не отрицательности.
х1 0; х2 0.
Для решения задачи симплексным методом в условиях ограничений принимается работа каждой машины в цехе в машино/часах.
Система неравенств приводится к каноническому виду, путем добавления дополнительных переменных и перевода неравенств в уравнение:
4х1 + 2х2 + х3 80
х1 + 3х2 + х4 60
2х1 + 3х2 + х5 100
Переведем систему неравенств в уравнение:
х
3
=
80 – (4х1
+ 2х2)
сколько машин
х4 = 60 – (х1 + 3х2) нужно
х5 = 100 – (2х1 + 3х2) (машино/часов)
Дополнительные переменные должны быть введены в целевую функцию, которая будет иметь вид:
L
(х1х2)
= С1х1
+ С2х2
+ С3х3
+ С4х4
+ С5х5
= 10х1
+ 8х2
+ 0х3
+ 0х4
+ 0х5
стремится к максимуму
х1 0; х2 0; х3 = 0; х4 = 0; х5 = 0.
Выразим х3; х4 и х5 через х1 и х2
х3 = 80 – 4х1 - 2х2
х4 = 60 – х1 - 3х2
х5 = 100 – 2х1 - 3х2
Модель составлена и в этой модели имеются: х1; х2 – независимые (свободные) переменные; х3; х4; х5 – базисные переменные.
По составленной модели используют итерационные процедуры метода, составим альтернативные варианты решения системы уравнений с пятью неизвестными.
Первым решением будет х1 = 0; х2 = 0; х3 = 80; х4 = 60; х5 = 100.
Целевая функция будет равняться: L=10*0 + 8*0 + 0*80 + 0*60 + 0*100=0
Используя систему уравнений, составим отправную таблицу:
Сб |
Хб |
В |
1 |
8 = С2 |
0 = С3 |
0 = С4 |
0 = С5 |
|
Х1 |
Х2 |
Х3 |
Х4 |
Х5 |
|||
|
0 |
Х3 |
80 |
4 |
2 | 1 | 0 | 0 |
| 0 |
Х4 |
60 | 1 | 3 | 0 | 1 |
0 Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.),
обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus.
Помогаем в публикации. Правки вносим бесплатно.
Похожие рефераты: |
