- •Введение
- •Тема 1 Математическое программирование и оптимизация
- •1.1 Эволюция развития математических методов и моделей в экономике
- •1.2 Классификация экономико-математических моделей
- •1.3 Математическое программирование
- •1.4 Оптимизация в математике и ее методы
- •1.5 Метод Монте-Карло
- •1.5.1 Алгоритм Бюффона для определения числа Пи
- •1.5.2 Связь стохастических процессов и дифференциальных уравнений
- •1.5.3 Рождение метода Монте-Карло в Лос-Аламосе
- •1.5.4 Дальнейшее развитие и современность
- •1.5.5 Интегрирование методом Монте-Карло
- •1.5.6 Обычный алгоритм Монте-Карло интегрирования
- •1.5.7 Геометрический алгоритм Монте-Карло интегрирования
- •Тема 2 Линейное программирование
- •2.1 Общая задача линейного программирования
- •2.2 Основная задача лп (озлп)
- •2.3 Симплекс-метод линейного программирования
- •2.4 Двойственные задачи линейного программирования
- •2.5 Целочисленное линейное программирование
- •2.6 Параметрическое линейное программирование
- •2.7 Дробно-линейное программирование
- •2.8 Блочное программирование
- •2.9 Теория графов
- •2.10 Транспортная задача
- •2.10.1 Общая характеристика транспортной задачи
- •2.10.2 Математическая модель транспортной задачи
- •Тема 3 Нелинейное программирование
- •3.1 Методы нелинейного программирования
- •3.2 Метод множителей Лагранжа
- •3.3 Сепарабельное программирование
- •3.4 Выпуклое программирование
- •3.5 Квадратичное программирование
- •3.6 Геометрическое программирование
- •3.7 Динамическое программирование
- •3.8 Стохастическое программирование
- •Тема 4 Межотраслевой баланс и сетевое моделирование
- •4.1 Задача межотраслевого баланса
- •4.2 Балансовая модель Леонтьева
- •4.3 Модели межотраслевого баланса в планировании инновационных программ
- •4.3.1 Однопродуктовая динамическая макроэкономическая модель
- •1) Открытая однопродуктовая динамическая модель Леонтьева
- •2) Замкнутая однопродуктовая модель Леонтьева
- •4.4 Сетевая модель данных
- •4.4.1 Историческая справка
- •4.4.2 Основные элементы сетевой модели данных
- •4.4.3 Особенности построения сетевой модели данных
- •4.4.4 Операции над данными сетевой модели
- •4.4.5 Использование сетевой модели
- •4.5 Сетевой график
- •4.6 Методика составления сетевого графика
- •5. Задачи оптимального проектирования
- •5.1. Постановка задачи оптимального проектирования
- •5.1.1. Основные понятия и определения
- •5.2. Пример задачи оптимального проектирования
- •5.3. Классификация задач оптимального проектирования
- •Первая постановка
- •5.4 Определение уравнений линейной регрессии
- •5.7. Методика получения исходных данных
- •5.3. Решение задач оптимального проектирования
- •5.3.1. Оптимизация параметров изделия
3.8 Стохастическое программирование
СТОХАСТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ [stochastic programming] — раздел математического программирования, совокупность методов решения оптимизационных задач вероятностного характера. Это означает, что либо параметры ограничений (условий) задачи, либо параметры целевой функции, либо и те и другие являются случайными величинами (содержат случайные компоненты). В ст. “Транспортная задача”, напр., приведена детерминированная модель. В стохастической постановке та же задача будет более близкой к реальности. Рассмотрим одно условие (заданный объем спроса) и допустим, что спрос bj потребителя j — случайная величина bj(w), где w — характеристика распределения этой величины. Тогда в одних случаях (при одних ее реализациях) возникает ущерб от неудовлетворенного спроса — “штраф за дефицит”, в других, наоборот, потребитель получает излишний груз и, следовательно, тратит дополнительные средства на хранение и перевозку. Все это усложняет решение задачи, т. е. нахождение оптимального варианта прикрепления поставщиков к потребителям.
Вероятностный характер задач планирования часто объясняется неполнотой информации об их условиях. Бывает, однако, и так, что сложную детерминированную задачу, для точного решения которой требуется слишком большой объем вычислений, целесообразно привести к вероятностному виду, хотя вся информация известна. Это называется “стохастическое расширение детерминированной задачи”. Объем вычислений при этом существенно сокращается. Образно говоря, модель как бы рассматривается издалека: детали исчезают, но зато общая структура задачи становится более ясной, обозримой.
Казалось бы, при решении стохастических задач проще всего находить средние величины всех случайных параметров, сводить, таким образом, задачу к детерминированной и использовать обычные методы математического программирования. Однако опыт показывает, что такой подход не всегда эффективен: при некоторых реализациях случайных величин задача может не иметь решения.
Не во всех случаях пригодна и т. н. жесткая постановка задачи С. п., означающая, что ограничения задачи должны обязательно удовлетворяться при всех реализациях случайных параметров. Впрочем, во многих задачах она и не требуется. Можно ограничиться условием: чтобы соблюдалась некоторая заданная вероятность удовлетворения ограничений.
Наиболее успешно решаются двухэтапные задачи С. п. Их смысл можно показать на примере планирования производства при неопределенном будущем спросе на продукцию. Сначала (первый этап) устанавливается предварительный оптимальный план (задача выступает как детерминированная, ее решение — вектор с детерминированными компонентами). Под этот план проектируется и устанавливается оборудование, ведется технологическая подготовка производства и т. д. На втором этапе план корректируется в соответствии с реальным спросом. При этом чем лучше были учтены все статистические характеристики возможного спроса в предварительном плане, тем меньше затрат потребуется на корректировку действительного объема производства.
Если продолжить в дальнейшем такие корректировки на основе учета характеристик случайного спроса, то двухэтапная задача перерастет в многоэтапную стохастическую задачу управления.
СТОХАСТИЧЕСКИЙ ПРОЦЕСС [stochastic process] — процесс называется стохастическим, если он описывается случайными переменными, значения которых меняются во времени. Подробнее см. Случайный процесс.
СТОХАСТИЧЕСКИЕ ЗАКОНОМЕРНОСТИ [stochastic regularities] — закономерности, проявляющиеся на больших массивах случайных событий.
СТОХАСТИЧЕСКАЯ МОДЕЛЬ [stochastic model] — такая экономико-математическая модель, в которой параметры, условия функционирования и характеристики состояния моделируемого объекта представлены случайными величинами и связаны стохастическими (т. е. случайными, нерегулярными) зависимостями, либо исходная информация также представлена случайными величинами. Следовательно, характеристики состояния в модели определяются не однозначно, а через законы распределения их вероятностей. Моделируются, напр., стохастические процессы в теории массового обслуживания, в сетевом планировании и управлении и в других областях. При построении С. м. применяются методы корреляционного и регрессионного анализов, другие статистические методы. Другие названия С. м. — недетерминированная, вероятностная модель (см. также Вероятностная система).