МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ
НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Кафедра экономической информатики
КУРСОВАЯ РАБОТА
Методы и модели объемного планирования производства в стохастической постановке. Среда реализации IBM ILOG CPLEX. Спрос – случайная величина.
Факультет бизнеса
Группа: ФБИ-12
Студент:
Преподаватель:Мезенцев Ю.А.
Новосибирск
2014
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 3
1.СУЩЬНОСТЬ СТОХАСТИЧЕСКОГО ПРОГРАМИРОВАНИЯ 4
1.1.Понятие о стохастическом программировании 4
1.2.Постановка задачи стохастического программирования 5
1.3.Модели стохастического программирования 7
2.МЕТОДЫ СТОХАСТИЧЕСКОГО ПРОГРАМИРОВАНИЯ 9
2.1.Модели решения задач с постоянными вероятностными ограничениями 9
2.2. Двухэтапные задачи стохастического программирования 14
3.РЕАЛИЗАЦИЯ В СРЕДЕ IBMILOGCPLEX 18
3.1. Задача Yield Management 18
ЗАКЛЮЧЕНИЕ 23
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 24
Введение
Планирование работы предприятия – это оценка будущего состояния с позиций текущего момента времени, поэтому необходимо учитывать ряд случайных факторов, которые существенно влияют на процесс производства.
Для получения более точной и достоверной оценки будущих процессов на предприятии, снижения риска принятия ошибочных решений при планировании необходимо проанализировать круг взаимосвязанных процессов планирования, производства и сбыта продукции, чтобы устранить влияние случайных факторов.
Частые изменения производственной обстановки под действием внешних и внутренних факторов, таких как спрос, сбои в поставках сырьевых ресурсов, в работе технологических установок, в следствии приводят к непредусмотренным изменениям объема и качества продуктов, получаемых на определенной стадии и направляемых на внутреннюю переработку или дальнейшую переработку, и т.д.
Для учета случайной компоненты в процессе планирования и распределения ресурса предлагается использовать модели стохастического программирования, что позволит заблаговременно выявить возможные отклонения при реализации планов и объемы возможных потерь, минимизировать ошибку принятия решений.
В данной работе будут раскрыты общие модели стохастического программирования.
Наиболее удобная среда для реализации и расчётов данных задачи является IBM ILOG CPLEX, который позволяет наиболее точно работать с случайными величинами, и большими объёмами данных.
-
Сущьность стохастического програмирования
-
Понятие о стохастическом программировании
-
В моделях математического программирования некоторые или все параметры, показатели качества и ограничения могут оказаться неопределенными или случайными.
Стохастическое программирование (СП) – раздел математики, занимающийся условными экстремальными задачами, в которых параметры условий или составляющие решений являются случайными.
Случаи, когда опыт, статистика или исследование процесса позволяют устанавливать вероятностные характеристики задач, называются ситуациями, связанными с риском.
Случаи, когда неизвестны статистические особенности процесса, называются неопределенными ситуациями.
Стохастическое программирование используется для решения задач двух типов.
-
В задачах первого типа прогнозируются статистические характеристики множества одинаковых экстремальных систем. Это задачи пассивного СП.
-
В задачах второго типа строятся алгоритмы планирования и управления в условиях неполной информации. Это задачи активного СП.
В зависимости от постановки задачи стохастического программирования её решения или планы могут вычисляться в двух видах:
-
в чистых стратегиях, когда результатом будет вектор оптимального плана или решения задачи. Решения в чистых стратегиях называются решающими правилами;
-
в смешанных стратегиях, когда определяется вероятностное распределение компонент оптимального плана или решения, которые в этом случае называются решающими распределениями;
При построении моделей управления производством в условиях неполной информации существует два подхода к использованию информации:
-
в первом случае решение предшествует наблюдению, тогда решающие правила и решающие распределения зависят только от детерминированных параметров и статистических характеристик случайных параметров условий задачи, т. е. являются априорной информацией,
-
во втором случае наблюдения предшествуют решению, тогда решающие правила и решающие распределения определяются апостериорной информацией, появляющейся в результате наблюдения за конкретной реализацией параметров условий задачи.
Решающие распределения представляют собой функции, таблицы или инструкции, устанавливающие зависимость решения от некоторой априорной или апостериорной информации.