- •Содержание
- •Введение
- •Тема 1. Экономико-математические методы и модели и их классификация
- •1.1. Социально-экономические системы, методы их исследования и моделирования
- •1.2.Этапы экономико-математического моделирования, классификация экономико-математических моделей и методов
- •Примеры описательных моделей
- •Тема 2. Балансовый метод в экономике
- •2.1. Общие понятия балансового метода, принципиальная схема межпродуктового баланса
- •2.2. Экономико-математическая модель межотраслевого баланса
- •2.3. Плановые расчеты на основе матричных моделей систем производства и распределения продукции
- •2.3.1. Методика расчета планового баланса по заданным валовым выпускам продукции Xiпл
- •2.3.2. Коэффициенты полных материальных затрат и методы их расчета
- •2.3.3. Методика расчета планового баланса по заданным плановым уровням конечной продукции Yiпл
- •2.4. Пример расчета планового баланса для трехотраслевой экономической системы
- •2.5. Использование балансового метода на предприятии
- •Тема 3. Математические методы сетевого планирования и управления
- •3.1. Основные понятия сетевой модели
- •Распределение (расслоение) вершин сетевого графика по рангам
- •3.2. Анализ сетевого графика и расчет его временных характеристик
- •3.2.1. Расчет временных характеристик событий
- •3.2.2. Расчет временных характеристик работ
- •3.3. Сетевое планирование в условиях неопределенности
- •Вероятностные оценки продолжительности работ
- •3.4. Оптимизация сетевой модели
- •Краткая характеристика метода оптимизации
- •Тема 4. Классификация задач математического программирования и область их эффективного применения в экономике
- •4.1. Математическая постановка и структура задачи оптимизации
- •4.2. Краткая классификация методов математического программирования
- •Тема 5. Линейное программирование
- •5.1. Предмет линейного программирования
- •5.2. Построение оптимизационных моделей для решения экономических задач
- •5.3. Общая задача линейного программирования. Основные определения
- •5.4. Графический метод решения задач линейного программирования
- •I этап. Графическая интерпретация области допустимых решений
- •II этап. Графическая интерпретация целевой функции
- •III этап. Нахождение оптимального решения
- •5.5. Примеры решения задач линейного программирования графическим методом
- •5.6. Понятие о симплекс-методе озлп
- •5.7. Каноническая форма задач линейного программирования
- •5.8. Базисные решения задачи линейного программирования
- •5.9. Алгоритм симплекс-метода озлп
- •5.10.Примеры решения задач линейного программирования симплекс-методом
- •Тема 6. Двойственность в линейном программировании
- •6.1.Понятие двойственности. Построение двойственных задач и их свойства
- •6.2. Основные теоремы двойственности и их экономическое содержание
- •Первая теорема двойственности
- •Вторая теорема двойственности (теорема о дополняющей нежесткости)
- •6.3.Экономическая интерпретация двойственной задачи Пример 1. Задача оптимального использования ресурсов.
- •6.4.Экономико-математический анализ полученных оптимальных решений
- •Свойство 1. Оценки как мера дефицитности ресурсов
- •Свойство 2. Оценки как мера влияния ограничений на функционал
- •Свойство 3. Оценки - инструмент определения эффективности отдельных вариантов (технологических способов) с позиций общего оптимума
- •Тема 7. Транспортная задача линейного программирования
- •7.1. Постановка транспортной задачи
- •Классическая постановка транспортной задачи
- •Модели транспортной задачи
- •7.2.Методы построения исходного плана
- •Метод северо-западного угла
- •Метод минимального элемента
- •7.3.Оптимизация исходного базисного плана перевозок. Метод потенциалов
- •Основные процедуры метода потенциалов
- •Алгоритм метода потенциалов
- •7.4. Пример решения транспортной задачи
- •7.5. Применение модели транспортной задачи при решении различных экономических задач
- •Тема 8. Модели и методы дискретного программирования
- •8.1. Постановка задачи дискретного программирования
- •Задача о назначении (проблема выбора, задача о женихах и невестах)
- •8.2.Краткая классификация математических моделей дискретного программирования
- •8.3.Методы решения задач дискретного программирования
- •8.3.1. Методы отсечения для решения полностью целочисленной задачи линейного программирования
- •8.3.2.Сущность метода ветвей и границ
- •Тема 9. Модели и методы динамического программирования
- •9.1. Моделирование процессов наилучшего распределения ресурсов методом динамического программирования
- •Итоговая таблица условно-оптимальных решений
- •Графики предельной и средней эффективности
- •Тема 10. О других моделях и методах математического программирования
- •10.1.Нелинейное программирование
- •10.2.Стохастическое программирование
- •Тема 11. Модели конфликтных ситуаций в теории игр
- •11.1.Основные понятия теории игр
- •11.2.Решение игры в чистых стратегиях
- •11.3.Решение игры без седловой точки
- •Графический способ решения матричной игры
- •11.4. Пример решения экономической задачи методами теории игр
- •Тема 12. Модели управления запасами
- •12.1. Основные понятия
- •12.2. Статические модели управления запасами Уилсона
- •12.2.1. Статическая модель без дефицита
- •12.2.2. Статическая модель с дефицитом
- •12.3. Модели со случайным спросом
- •Тема 13. Модели массового обслуживания
- •Литература
12.3. Модели со случайным спросом
Фактически в системах снабжения действует ряд факторов, искажающих классическую модель. Один из них - наличие некоторого времени между моментом заказа партии и ее прибытием на склад. Оно вынуждает прибегать к введению поправок на средний ожидаемый сбыт за время доставки партии. Другой фактор - случайные колебания самого сбыта. Они могут привести к непредвиденному отсутствию запасов в нужный момент, если при управлении точно следовать классической модели. Для учета этого фактора в системе надо знать кривую распределения вероятностей спроса.
С помощью кривых распределения вероятностей можно также решать задачу о получении минимальных издержек. Мы рассмотрим одну из таких задач, решение которой сравнительно несложно.
Например, магазин закупает ежедневно на базе партию скоропортящихся продуктов. От продажи каждого ящика он получает доход в 2 ед. Но если за сутки этот ящик не будет продан, он на следующий день сдается на базу по сниженной цене, причем магазин терпит убыток в 1 ден. ед.
Как подсчитать, сколько ящиков в день магазину целесообразно закупать?
Для решения этой задачи нужно иметь данные о спросе. Допустим, что путем наблюдения в течении 50 дней удалось установить, что менее 81 и более 100 ящиков в день магазин не продавал ни разу. Причем 81 ящик был продан за срок 1 раз, 82 - 2 раза, 83 - 1 раз, 84 - 3 раза и т.д.
Результаты наблюдений сведены в таблице 1. В первом ее столбце помещено число проданных за день ящиков, во втором - число дней, когда было продано столько ящиков, сколько указано в первом столбце, в третьем - так называемая наблюденная частота продажи (она получается путем деления цифр второго столбца на общее число наблюдений - 50 и умножения на 100, чтобы выразить частоту в процентах), в четвертом - накопленная частота, составляющая сумму текущей и всех расположенных выше наблюдаемых частот.
Таблица 1
Число проданных ящиков К |
Число дней продажи К ящиков |
Наблюденная частота продажи К ящиков, % |
Накопленная частота продажи К ящиков Р(К), % |
81 |
1 |
2 |
2 |
82 |
2 |
4 |
6 |
83 |
1 |
2 |
8 |
84 |
3 |
6 |
14 |
85 |
2 |
4 |
18 |
86 |
3 |
6 |
24 |
87 |
2 |
4 |
28 |
88 |
4 |
8 |
36 |
89 |
3 |
6 |
42 |
90 |
4 |
8 |
50 |
91 |
5 |
10 |
60 |
92 |
5 |
10 |
70 |
93 |
4 |
8 |
78 |
94 |
2 |
4 |
82 |
95 |
3 |
6 |
88 |
96 |
2 |
4 |
92 |
97 |
2 |
4 |
96 |
98 |
1 |
2 |
98 |
99 |
0 |
0 |
98 |
100 |
1 |
2 |
100 |
Сумма |
50 |
100 |
|
При достаточно большом числе наблюдений накопленную частоту можно принять равной вероятности, т.е. вероятно, что будет продано не больше ящиков, чем то число, для которого вычислена накопленная частота. График, изображающий значения теоретической накопленной частоты в зависимости от числа ящиков, называется кривой распределения вероятностей. Он имеет вид, показанный на рис. 4.
Рис. 4.
Обозначим вероятность продажи не более чем К ящиков через Р(К). Будем измерять ее в долях единицы.
Пусть магазин закупил К-1 ящиков. Что будет, если он закупит К ящиков, т.е. на один больше? Он будет иметь доход в 2 ед. с вероятность 1-Р(К-1) (это вероятность спроса не менее чем К ящиков) и убыток в 1 ед. с вероятностью Р(К-1).
Дополнительный общий доход равен:
2[1-P(K-1)]-P(K-1)=2-3P(K-1) |
(16) |
Если этот доход положителен, дополнительный ящик покупать выгодно. Это выражается неравенством:
2-3P(K-1)>0 |
(17) |
или
P(K-1)<=0,667 |
(18) |
Поэтому надо взять такое К, при котором соблюдается неравенство:
P(K-1)<0,667<P(K) |
(19) |
Из табл. 1 видно, что оптимальным значением будет К=92.
Выбранное К не гарантирует, конечно, минимальных расходов в любой день, но с высокой вероятностью обеспечивает наименьшие затраты в среднем за достаточно большой промежуток времени.
Опишем некоторые разновидности моделей управления запасами с неизвестным спросом.
Модель "политика постоянного уровня запасов". В этой системе издержки управления запасами, на первый взгляд, не учитываются и размер заказа не фиксируется. Через некоторый постоянный отрезок времени Т0 производится проверка состояния запасов на складе (при заданном Т0 наиболее просто автоматизировать управление).
Для системы установлен максимальный уровень М запасов, и после проверки дается заказ, равный разности максимального и фактического уровня.
Если бы время доставки товаров на склад было равным нулю, то изменение уровня происходило бы так, как показано на рис. 5.
Рис. 5.
Но так как на самом деле время доставки не равно нулю (за это время тоже существует сбыт), максимальный уровень достигаться не будет - см. рис. 6.
Рис. 6.
Модель с двумя уровнями. В этой системе кроме верхнего устанавливается еще нижний предел уровня запаса Р.
Если установленное проверкой количество запасов на складе оказалось больше Р, заказ не делается: если оно меньше Р, то делается заказ, равный разности между максимальным и фактическим уровнем.
Назовем некоторые другие модели:
-
с двумя складами, второй из которых вступает в действие, когда первый склад израсходует свой запас;
-
с несколькими точками заказа - эта модель применяется в тех случаях, когда имеют место значительные колебания спроса за время доставки, а учет запасов ведется непрерывно;
-
со снижением цен;
-
многопродуктовая модель.
Для решения сложных задач применяют методы математического программирования - линейного, динамического, а для расчетов используются вычислительные машины.