распределительные задачи

распределительные задачи
Класс экономико-математических задач, связанных с распределением ресурсов по работам, которые необходимо выполнить. Если ресурсов достаточно, чтобы каждую работу выполнить наиболее эффективно, задача не возникает. В обратном же случае переброска, передача ресурсов с одной работы на другую приводит к изменению общей эффективности всех работ вместе взятых. Поэтому Р.з. заключается в отыскании наилучшего распределения ресурсов, при котором либо максимизируется общий доход или результат, выраженный в какой-либо другой форме, либо минимизируются затраты. Такие задачи чаще всего приводятся к линейному виду (иногда искусственно за счет упрощений) и решаются методом линейного программирования. Если через xij обозначить объем ресурса i, то математическая формулировка Р.з. такова: найти минимум или максимум целевой функции (минимум затрат или максимум эффекта) при ограничениях по объему ресурсов и потребности в них. При этом различаются два вида таких задач: а) сбалансированная (закрытая) — если общий объем ресурсов равен общей потребности в них ; б) несбалансированная (открытая), когда ? и требуется не только распределить ресурсы по работам (потребителям), но также решить, какие работы не следует выполнять (т.е. каких потребителей не удовлетворять), если ресурсы меньше потребностей, либо какие ресурсы не использовать — в противоположном случае. К Р.з. относятся такие широко распространенные задачи, как транспортная задача линейного программирования, задача о назначениях и многие другие. Задачи распределения могут решаться в статической (однократной) и в динамической постановке. В последнем случае часто применяют методы стохастического программирования (в которых принятие решений основано на вероятностных оценках будущих значений параметров).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• allocation problems

линейное программирование
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

линейное программирование
Область математического программирования, посвященная теории и методам решения экстремальных задач, характеризующихся линейной зависимостью между переменными. В самом общем виде задачу Л.п. можно записать так. Даны ограничения типа или в так называемой канонической форме, к которой можно привести все три указанных случая Требуется найти неотрицательные числа xj (j = 1, 2, …, n), которые минимизируют (или максимизируют) линейную форму Неотрицательность искомых чисел записывается так: Таким образом, здесь представлена общая задача математического программирования с теми оговорками, что как ограничения, так и целевая функция — линейные, а искомые переменные — неотрицательны. Обозначения можно трактовать следующим образом: bi — количество ресурса вида i; m — количество видов этих ресурсов; aij — норма расхода ресурса вида i на единицу продукции вида j; xj — количество продукции вида j, причем таких видов — n; cj — доход (или другой выигрыш) от единицы этой продукции, а в случае задачи на минимум — затраты на единицу продукции; нумерация ресурсов разделена на три части: от 1 до m1, от m1 + 1 до m2 и от m2 + 1 до m в зависимости от того, какие ставятся ограничения на расходование этих ресурсов; в первом случае — «не больше», во втором — «столько же», в третьем — «не меньше»; Z — в случае максимизации, например, объем продукции или дохода, в случае же минимизации — себестоимость, расход сырья и т.п. Добавим еще одно обозначение, оно появится несколько ниже; vi — оптимальная оценка i-го ресурса. Слово «программирование» объясняется здесь тем, что неизвестные переменные, которые отыскиваются в процессе решения задачи, обычно в совокупности определяют программу (план) работы некоторого экономического объекта. Слово, «линейное» отражает факт линейной зависимости между переменными. При этом, как указано, задача обязательно имеет экстремальный характер, т.е. состоит в отыскании экстремума (максимума или минимума) целевой функции. Следует с самого начала предупредить: предпосылка линейности, когда в реальной экономике подавляющее большинство зависимостей носит более сложный нелинейный характер, есть огрубление, упрощение действительности. В некоторых случаях оно достаточно реалистично, в других же выводы, получаемые с помощью решения задач Л.п. оказываются весьма несовершенными. Рассмотрим две задачи Л.п. — на максимум и на минимум — на упрощенных примерах. Предположим, требуется разработать план производства двух видов продукции (объем первого — x1; второго — x2) с наиболее выгодным использованием трех видов ресурсов (наилучшим в смысле максимума общей прибыли от реализации плана). Условия задачи можно записать в виде таблицы (матрицы). Исходя из норм, зафиксированных в таблице, запишем неравенства (ограничения): a11x1 + a12x2 ? bi a21x1 + a22x2 ? b2 a31x1 + a32x2 ? b3 Это означает, что общий расход каждого из трех видов ресурсов не может быть больше его наличия. Поскольку выпуск продукции не может быть отрицательным, добавим еще два ограничения: x1? 0, x2? 0. Требуется найти такие значения x1 и x2, при которых общая сумма прибыли, т.е. величина c1 x1 + c2 x2 будет наибольшей, или короче: Удобно показать условия задачи на графике (рис. Л.2). Рис. Л.2 Линейное программирование, I (штриховкой окантована область допустимых решений) Любая точка здесь, обозначаемая координатами x1 и x2, составляет вариант искомого плана. Очевидно, что, например, все точки, находящиеся в области, ограниченной осями координат и прямой AA, удовлетворяют тому условию, что не может быть израсходовано первого ресурса больше, чем его у нас имеется в наличии (в случае, если точка находится на самой прямой, ресурс используется полностью). Если то же рассуждение отнести к остальным ограничениям, то станет ясно, что всем условиям задачи удовлетворяет любая точка, находящаяся в пределах области, края которой заштрихованы, — она называется областью допустимых решений (или областью допустимых значений, допустимым множеством). Остается найти ту из них, которая даст наибольшую прибыль, т.е. максимум целевой функции. Выбрав произвольно прямую c1x1 + c2x2 = П и обозначив ее MM, находим на чертеже все точки (варианты планов), где прибыль одинакова при любом сочетании x1 и x2 (см. Линия уровня). Перемещая эту линию параллельно ее исходному положению, найдем точку, которая в наибольшей мере удалена от начала координат, однако не вышла за пределы области допустимых значений. (Перемещая линию уровня еще дальше, уже выходим из нее и, следовательно, нарушаем ограничения задачи). Точка M0 и будет искомым оптимальным планом. Она находится в одной из вершин многоугольника. Может быть и такой случай, когда линия уровня совпадает с одной из прямых, ограничивающих область допустимых значений, тогда оптимальным будет любой план, находящийся на соответствующем отрезке. Координаты точки M0 (т.е. оптимальный план) можно найти, решая совместно уравнения тех прямых, на пересечении которых она находится. Противоположна изложенной другая задача Л.п.: поиск минимума функции при заданных ограничениях. Такая задача возникает, например, когда требуется найти наиболее дешевую смесь некоторых продуктов, содержащих необходимые компоненты (см. Задача о диете). При этом известно содержание каждого компонента в единице исходного продукта — aij, ее себестоимость — cj ; задается потребность в искомых компонентах — bi. Эти данные можно записать в таблице (матрице), сходной с той, которая приведена выше, а затем построить уравнения как ограничений, так и целевой функции. Предыдущая задача решалась графически. Рассуждая аналогично, можно построить график (рис. Л.3), каждая точка которого — вариант искомого плана: сочетания разных количеств продуктов x1 и x2. Рис.Л.3 Линейное программирование, II Область допустимых решений здесь ничем сверху не ограничена: нужное количество заданных компонентов тем легче получить, чем больше исходных продуктов. Но требуется найти наиболее выгодное их сочетание. Пунктирные линии, как и в предыдущем примере, — линии уровня. Здесь они соединяют планы, при которых себестоимость смесей исходных продуктов одинакова. Линия, соответствующая наименьшему ее значению при заданных требованиях, — линия MM. Искомый оптимальный план — в точке M0. Приведенные крайне упрощенные примеры демонстрируют основные особенности задачи Л.п. Реальные задачи, насчитывающие много переменных, нельзя изобразить на плоскости — для их геометрической интерпретации используются абстрактные многомерные пространства. При этом допустимое решение задачи — точка в n-мерном пространстве, множество всех допустимых решений — выпуклое множество в этом пространстве (выпуклый многогранник). Задачи Л.п., в которых нормативы (или коэффициенты), объемы ресурсов («константы ограничений«) или коэффициенты целевой функции содержат случайные элементы, называются задачами линейного стохастического программирования; когда же одна или несколько независимых переменных могут принимать только целочисленные значения, то перед нами задача линейного целочисленного программирования. В экономике широко применяются линейно-программные методы решения задач размещения производства (см. Транспортная задача), расчета рационов для скота (см. Задача диеты), наилучшего использования материалов (см. Задача о раскрое), распределения ресурсов по работам, которые надо выполнять (см. Распределительная задача) и т.д. Разработан целый ряд вычислительных приемов, позволяющих решать на ЭВМ задачи линейного программирования, насчитывающие сотни и тысячи переменных, неравенств и уравнений. Среди них наибольшее распространение приобрели методы последовательного улучшения допустимого решения (см. Симплексный метод, Базисное решение), а также декомпозиционные методы решения крупноразмерных задач, методы динамического программирования и др. Сама разработка и исследование таких методов — развитая область вычислительной математики. Один из видов решения имеет особое значение для экономической интерпретации задачи Л.п. Он связан с тем, что каждой прямой задаче Л.п. соответствует другая, симметричная ей двойственная задача (подробнее см. также Двойственность в линейном программировании). Если в качестве прямой принять задачу максимизации выпуска продукции (или объема реализации, прибыли и т.д.), то двойственная задача заключается, наоборот, в нахождении таких оценок ресурсов, которые минимизируют затраты. В случае оптимального решения ее целевая функция — сумма произведений оценки (цены) vi каждого ресурса на его количество bi— то есть равна целевой функции прямой задачи. Эта цена называется объективно обусловленной, или оптимальной оценкой, или разрешающим множителем. Основополагающий принцип Л.п. состоит в том, что в оптимальном плане и при оптимальных оценках всех ресурсов затраты и результаты равны. Оценки двойственной задачи обладают замечательными свойствами: они показывают, насколько возрастет (или уменьшится) целевая функция прямой задачи при увеличении (или уменьшении) запаса соответствующего вида ресурсов на единицу. В частности, чем больше в нашем распоряжении данного ресурса по сравнению с потребностью в нем, тем ниже будет оценка, и наоборот. Не решая прямую задачу, по оценкам ресурсов, полученных в двойственной задаче, можно найти оптимальный план: в него войдут все технологические способы, которые оправдывают затраты, исчисленные в этих оценках (см. Объективно обусловленные (оптимальные) оценки). Первооткрыватель Л.п. — советский ученый, академик, лауреат Ленинской, Государственной и Нобелевской премий Л.В.Канторович. В 1939 г. он решил математически несколько задач: о наилучшей загрузке машин, о раскрое материалов с наименьшими расходами, о распределении грузов по нескольким видам транспорта и др., при этом разработав универсальный метод решения этих задач, а также различные алгоритмы, реализующие его. Л.В.Канторович впервые точно сформулировал такие важные и теперь широко принятые экономико-математические понятия, как оптимальность плана, оптимальное распределение ресурсов, объективно обусловленные (оптимальные) оценки, указав многочисленные области экономики, где могут быть применены экономико-математические методы принятия оптимальных решений. Позднее, в 40—50-х годах, многое сделали в этой области американские ученые — экономист Т.Купманс и математик Дж. Данциг. Последнему принадлежит термин «линейное программирование». См. также: Ассортиментные задачи, Базисное решение, Блочное программирование, Булево линейное программирование, Ведущий столбец, Ведущая строка, Вершина допустимого многогранника, Вырожденная задача, Гомори способ, Граничная точка, Двойственная задача, Двойственность в линейном программировании, Дифференциальные ренты, Дополняющая нежесткость, Жесткость и нежесткость ограничений ЛП, Задача диеты, Задача о назначениях, Задача о раскрое, Задачи размещения, Исходные уравнения, Куна — Таккера условия, Множители Лагранжа, Область допустимых решений, Опорная прямая, Распределительные задачи, Седловая точка, Симплексная таблица, Симплексный метод, Транспортная задача.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• linear programming

задача о назначениях
Вид задачи линейного программирования, с помощью которой решаются вопросы типа: как распределить рабочих по станкам, чтобы общая выработка была наибольшей или затраты на заработную плату наименьшими (поскольку для каждой комбинации «рабочий — станок» характерна своя производительность труда), как наилучшим образом распределить экипажи самолетов, как назначить людей на различные должности (отсюда и название задачи) и т.д. Математически такие задачи — частный случай распределительных задач с той особенностью, что в них объемы наличных и требующихся для выполнения каждой работы ресурсов равны единице, т.е. aj = bj = 1, и все xij=1, если работник i назначен на работу j, или нулю в остальных случаях (обозначения см. в статье Распределительные задачи). Иначе говоря, для выполнения каждой работы расходуется только один вид ресурса, а каждый ресурс может быть использован на одной работе: ресурсы неделимы между работами, а работы — между ресурсами. Исходные данные группируются в таблице, которая называется «матрицей оценок», результаты — в «матрице назначений«. Количество возможных вариантов назначений равно факториалу числа работ и ресурсов и огромно даже в небольшой задаче. Поэтому для нахождения оптимального варианта применяют специальные алгоритмы. Среди них особенно эффективен при решении задачи вручную так называемый венгерский метод.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• assignment problem

исследование операций
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

исследование операций
Прикладное направление кибернетики, используемое для решения практических организационных (в том числе экономических) задач. Это — комплексная научная дисциплина. Круг проблем, изучаемых ею, пока недостаточно определен. Иногда И.о. понимают очень широко, включая в него ряд чисто математических методов, иногда, наоборот, очень узко — как практическую методику решения с помощью экономико-математических моделей строго определенного перечня задач. Главный метод И.о. — системный анализ целенаправленных действий (операций) и объективная (в частности, количественная) сравнительная оценка возможных результатов этих действий. Например, расширение выпуска продукции на заводе требует одновременного и взаимосвязанного решения множества частных проблем: реконструкции предприятия, заказа оборудования, сырья и материалов, подготовки рынка сбыта, совершенствования технологии, изменений системы оперативно-производственного планирования и диспетчирования, организационной перестройки, перемещения руководящих работников и т.д. При анализе возможных последствий принимаемых решений приходится учитывать такие факторы, как неопределенность, случайность и риск. К решению столь сложных задач привлекают экономистов, математиков, статистиков, инженеров, социологов, психологов и др., поэтому одной из особенностей И.о. считают его междисциплинарный комплексный характер. Операционные исследования прежде всего предназначены для предварительного количественного обоснования принимаемых решений, поскольку они, как видно из примеров, очень сложны, требуют больших затрат и, главное, могут реализоваться многими способами (эти способы называют стратегиями или альтернативами). Кроме обоснования самих решений И.о. позволяет сравнить возможные варианты (альтернативы) организации операции, оценить возможное влияние на результат отдельных факторов, выявить «узкие места», т.е. те элементы системы, нарушение работы которых может особенно сильно сказаться на успехе операции и т.д. Таким образом, сущность задач И.о. — поиск путей рационального использования имеющихся ресурсов для реализации поставленной цели. Количественные методы И.о. строятся на основе достижений экономико-математических и математико-статистических дисциплин (теории массового обслуживания, оптимального программирования и т.д.). Разные математические методы применяются (в тех или иных комбинациях) при решении различных классов задач. Среди важнейших классов задач И.о. можно назвать задачи управления запасами, распределения ресурсов и назначения (распределительные задачи), задачи массового обслуживания, задачи замены оборудования, упорядочения и согласования (в том числе теории расписаний), состязательные (например, игры), задачи поиска и др. Среди применяемых методов — математическое программирование (линейное, нелинейное и т.п.), дифференциальные и разностные уравнения, методы теории графов, марковские процессы, теория игр, теория (статистических) решений, теория распознавания образов и ряд других. Считается, что И.о. зародилось накануне второй мировой войны, когда в Англии на одной радиолокационной станции была создана группа специалистов для решения технических задач с помощью математики. Они сосредоточили внимание на сравнении эффективности путей решения задач, поиске оптимального решения. Участие в этой группе представителей разных специальностей предопределило комплексный, или, как теперь принято говорить, системный подход. В настоящее время в этом направлении работают сотни исследовательских учреждений и групп в десятках стран. Организованы общества И.о., объединяемые международной федерацией (ИФОРС International Federation Of Operational Research Societies). Методы И.о., как и любые математические методы, всегда в той или иной мере упрощают, огрубляют задачу, отражая нелинейные процессы линейными моделями, стохастические системы — детерминированными и т.д. Жизнь богаче любой самой сложной схемы. Поэтому не следует ни преувеличивать значения количественных методов И.о., ни преуменьшать его, ссылаясь на примеры неудачных решений. Уместно привести в связи с этим известное парадоксальное определение, которое дал крупный американский специалист в этой области Т.А.Саати: «Исследование операций представляет собой искусство давать плохие ответы на те практические вопросы, на которые даются еще худшие ответы другими способами…»
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• operational research
• operations research
• OR

F.1. Общее

В настоящем стандарте приводится большое число общих требований, которые могут или не могут быть применены в отношении отдельной машины. Поэтому простое, без квалифицированной оценки утверждение о соответствии оборудования всем требованиям настоящего стандарта является недостоверным. Прежде чем приступить к выполнению требований настоящего стандарта, его необходимо тщательно изучить. Техническими комитетами разрабатываются стандарты на отдельные виды продукции или на отдельные продукты (тип С в СЕН) и для конкретных производителей продукции. До выхода этих стандартов следует руководствоваться настоящим стандартом посредством:

a) установления соответствия и

b) выбора наиболее близких понятий к требованиям соответствующих разделов, и

c) изменения требований разделов, если необходимо там, где специфические требования на машину перекрываются другими стандартами, относящимися к данному вопросу.

В этом случае необходимо обеспечить правильный подбор модификаций и опций без снижения уровня защиты, необходимой для машины в соответствии с оценкой рисков.

При использовании всех трех вышеприведенных принципов рекомендуется:

- руководствоваться соответствующими разделами и пунктами настоящего стандарта:

1) если указано соответствие применяемой опции,

2) если требования могут быть конкретизированы для отдельной машины или оборудования;

- руководствоваться напрямую соответствующими стандартами, в которых требования к электрооборудованию аналогичны настоящему стандарту.

Во всех случаях экспертизой устанавливается:

- завершенность оценки рисков для машины;

- прочтение и понимание всех требований настоящего стандарта;

- правильность выбора варианта реализации требований настоящего стандарта при наличии альтернативы;

- понимание альтернативы или специфических требований, определяемых для машины или ее эксплуатации, при отсутствии или отличии от соответствующих требований настоящего стандарта;

- точность определения таких специфических требований.

Приведенная на рисунке 1 блок-схема типичной машины должна быть использована в качестве отправной точки при решении данной задачи. Это определяется пунктами и разделами, имеющими отношение к специфическим требованиям к оборудованию.

Настоящий стандарт является комплексным документом, и таблица F.1 призвана помочь в понимании применения требований настоящего стандарта к специальным машинам и установлении связей с другими стандартами по данной тематике.

Таблица F.1 - Выбор вариантов применения требований стандарта

<2>Приложение G

Таблица G.1 иллюстрирует сравнение поперечных сечений проводников в Американском сортаменте проволоки (AWG) с квадратными миллиметрами, квадратными дюймами и круговыми милами.

Таблица G.1 - Сравнение размеров проводников

Сопротивление при температурах, отличных от 20 °С, вычисляют по формуле:

R = RI[1 + 0,00393(t - 20)],

где RI - сопротивление при 20°С;

R - сопротивление при температуре t°C.

<2>Приложение Н

Таблица Н.1

<2>Библиография

<2>

Источник: ГОСТ Р МЭК 60204-1-2007: Безопасность машин. Электрооборудование машин и механизмов. Часть 1. Общие требования оригинал документа