(в задачах математического программирования)

ограничения модели
Запись условий, в которых действительны расчеты, использующие эту модель. Обычно представляя собою систему уравнений и неравенств, они в совокупности определяют область допустимых решений (допустимое множество). Совместность системы ограничений — обязательное условие разрешимости модели: в случае несовместности этой системы допустимое множество является пустым. На практике в качестве О.м. часто выступают ресурсы сырья и материалов, капиталовложения, возможные варианты расширения предприятий, потребности в готовой продукции и т.п. Как правило, если снять ограничения задачи, то показатели ее решения окажутся лучше, чем при решении, соответствующем реальным условиям. И, наоборот, если сделать ограничения более жесткими и тем самым сократить возможности выбора вариантов, то решение окажется, как правило, хуже. В первом случае оно будет оптимистичным, во втором — пессимистичным. Это, между прочим, открывает возможность приблизительного, прикидочного решения некоторых оптимизационных задач: меняя ограничения, можно оценить диапазон значений, в пределах которых находятся решения задачи. На рис.O.3 а, б показаны некоторые важнейшие типы О.м., определяющих область допустимых решений в задачах математического программирования. (Для наглядности — в 2-мерном пространстве, в его первом квадранте). Ограничения I, II, Y — линейные, III, IY, YI — нелинейные. Линейными ограничениями являются на рис. O.3а также оси координат; иначе говоря, в область допустимых решений здесь входят все точки, удовлетворяющие I и II, но кроме того, отвечающие условию  x1  ? 0, x2 ? 0 (см. Неотрицательность значений). Кривая IY — ограничение переменной x2 сверху, YI — ограничение той же переменной снизу. Запись типа  a? x ?b  называется двусторонним ограничением. Все показанные ограничения относятся к типу ограничений-неравенств. Что касается ограничений-равенств, то они определяют область допустимых решений как точку (в одномерном пространстве), как линию (в двумерном пространстве), как гиперповерхность (в многомерном пространстве). Экономико-математические ограничения разделяются также на детерминированные (см. рис. O.3 а, б) и стохастические (см. рис.O.3 в). В последнем случае серия кривых АВС отображает возможные случайные реализации стохастического ограничения. В задачах математического программирования системы ограничений (т.е. выражающих их уравнений и неравенств) удобно записывать в векторной форме: f (x) = b или f (x) ? b и т.п., где x — вектор-столбец управляющих переменных xi (i = 1, 2, …, n), b — вектор-столбец, компонентами которого являются функции ограничений bi (примеры см. в статье Математическое программирование). В моделях планирования ограничения снизу имеют смысл плановых заданий (которые допустимо перевыполнять), ограничения сверху — смысл «квот» на выпуск тех или иных видов продукции. При совпадении ограничений сверху и снизу экономический субъект полностью лишается свободы принятия решений в данной области. В системах моделей различаются общесистемные (или глобальные) О.м., имеющие силу для всей моделируемой экономической системы, и локальные ограничения для моделей отдельных подсистем. Несовместность локальных ограничений с общесистемными приводит к неразрешимости системы моделей.   Рис.О.3  Линейные и нелинейные ограничения
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• model constraints

максимизация
достижение максимума
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

максимизация
Нахождение наибольшего значения целевой функции (в частности в задачах математического программирования). Обычно отыскивается глобальный (общий) максимум, и дополнительное требование при анализе решения состоит в проверке того, является ли найденный максимум глобальным или локальным. Иными словами, действительно ли найдено искомое решение задачи. Умножение целевой функции на отрицательный множитель, например, на (-1), преобразует задачу М. в задачу минимизации.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

Синонимы

• достижение максимума

EN

• maximization

наискорейший подъем, наискорейший спуск
Направления поиска экстремума (максимальной или минимальной точек) в задачах математического программирования при их решении градиентными методами. Эти направления в каждой заданной точке перпендикулярны (ортогональны) к линии уровня.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• quickest ascent, quickest descent

глобальный максимум
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]

глобальный максимум
В общей задаче математического программирования, в задачах линейного программирования, выпуклого программирования и др. — вектор инструментальных переменных, если он принадлежит допустимому множеству и целевая функция принимает на этом векторе значение не меньшее, чем в любой другой допустимой точке: x* ? Х и F(x*) ? F(x) для всех x ? X. Г.м. — строгий, если значение целевой функции при x = x* строго больше любого другого значения функции на допустимом множестве, т.е.: F(x*) > F(x) для всех x ? X, x ? x*. Строгий глобальный максимум — всегда единственный. В задачах оптимизации (на максимум того или иного показателя) Г.м. целевой функции означает решение задачи, то есть глобальный оптимум исследуемого процесса. Условия существования Г.м. определяются теоремой Вейерштрасса.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• global maximum
• overall maximum

дискретное программирование
Раздел оптимального программирования, изучающий экстремальные задачи, в которых на искомые переменные накладывается условие целочисленности, а область допустимых решений конечна. Таким образом, здесь используется модель общей задачи математического программирования с дополнительным ограничением: x1, x2, …, xn — целочисленны. В экономике огромное количество задач носит дискретный характер. Прежде всего это связано с физической неделимостью многих факторов и объектов расчета: например, нельзя построить 2,3 завода или купить 1,5 автомобиля. Все отраслевые задачи строятся в расчете на определенное количество предприятий или проектных вариантов. В планировании распространены типовые размеры предприятий, типовые мощности агрегатов — все это вносит дискретность в расчеты. Наконец, упомянем плановые показатели: годовые, месячные или суточные периоды — это дискретные, раздельные периоды, у каждого из которых есть свое начало и свой конец. Дискретными являются задача о коммивояжере, задача о назначениях, задачи теории расписаний и другие. Для решения задач Д.п. применяется ряд способов. Самый простой — решение обычной задачи линейного программирования с проверкой полученного результата на целочисленность и округлением его до приближенного целочисленного решения. Скажем, получилось из расчета, что надо построить 2,3 завода, выбираются либо два, либо три (что, разумеется, требует дополнительного анализа), точно так же не 1,5 автомобиля, а два или один. Часто в практических задачах искомые переменные принимают только два значения — единицу и нуль. (Их называют задачами булева линейного программирования.) Это означает, что данный вариант решения принимается или отвергается (строить или не строить шахту, приобретать или не приобретать машину и т.п.). Иногда Д.п. называется целочисленным. Как видно из приведенных примеров, это не лишено основания, хотя некоторые математики считают такой термин неправильным (исходя из того, что, строго говоря, дискретное — это не обязательно целочисленное, например, ряд чисел — 1,1 — 1,2 — 1,3… — дискретный, но не целочисленный). Поэтому правильнее, очевидно, считать целочисленное программирование частным случаем дискретного.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• discrete programming

блочное программирование
Метод решения сложных задач линейного программирования путем разложения модели на блоки. Крупноразмерная модель (включающая много показателей в исходной таблице) сводится к нескольким моделям меньшей размерности. Получившиеся задачи решаются вместе по специальным правилам согласования. Необходимость такого подхода обосновывается тем, что с ростом размерности трудоемкость, да и просто сложность решения задач растет невероятно быстро. «Проклятие размерности», по меткому выражению американского математика Р.Беллмана, характерно для большинства реальных задач математического программирования. Широко применяется Б.п. в отраслевых задачах оптимизации, где естественно разложение, «декомпозиция» общей модели отрасли либо на блоки – модели предприятий, либо на блоки, соответствующие последовательным стадиям переработки сырья (производственным переделам). Среди теоретических схем Б.п. наиболее известны две: метод декомпозиции Данцига-Вульфа и метод планирования на двух уровнях Корнаи-Липтака (Дж. Данциг и П.Вульф – американские, Я. Корнаи и Т. Липтак – венгерские ученые). Обе они представляют собой последовательные (итеративные) пересчеты, взаимно увязывающие решения главной «отраслевой» задачи и локальных задач предприятий. Различие же между ними состоит в том, что в первом случае итеративный процесс основан на корректировке двойственных оценок ресурсов и продукции (такая корректировка делает для «предприятия» выгодными планы, все более приближающиеся к оптимальному плану отрасли), а во втором случае – на корректировке лимитов общеотраслевых ресурсов, выделяемых предприятиям. При этом задача сводится к игре между центром, варьирующим допустимые распределения ресурсов, и предприятиями (варьирующими допустимые двойственные оценки ресурсов); ценой игры является сумма целевых функций предприятий. Иначе говоря, схема Данцига-Вульфа построена по принципу «централизованное определение цен – децентрализованное определение наилучших возможностей», а схема Корнаи-Липтака – по принципу «централизованное лимитирование возможностей – децентрализованное выявление эффекта от их использования» [1]. В обоих случаях важную роль играют двойственные оценки, причем их оптимальный уровень выявляется вместе с оптимальным распределением ресурсов, т.е. собственно планом (именно в этом состоит принцип оптимального планирования). [1] Эта удачная, на наш взгляд, формулировка заимствована из кн.: Математические методы в планировании отраслей и предприятий. М.: Экономика, 1973.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• block programming

динамическое программирование
—
[Е.С.Алексеев, А.А.Мячев. Англо-русский толковый словарь по системотехнике ЭВМ. Москва 1993]

динамическое программирование
Раздел математического программирования, совокупность приемов, позволяющих находить оптимальные решения, основанные на вычислении последствий каждого решения и выработке оптимальной стратегии для последующих решений. Процессы принятия решений, которые строятся по такому принципу, называются многошаговыми процессами. Математически оптимизационная задача строится в Д. п. с помощью таких соотношений, которые последовательно связаны между собой: например, полученный результат для одного года вводится в уравнение для следующего (или, наоборот, для предыдущего), и т.д. Таким образом, можно получить на вычислительной машине результаты решения задачи для любого избранного момента времени и «следовать» дальше. Д.п. применяется не обязательно для задач, связанных с течением времени. Многошаговым может быть и процесс решения вполне «статической» задачи. Таковы, например, некоторые задачи распределения ресурсов. Общим для задач Д.п. является то, что переменные в модели рассматриваются не вместе, а последовательно, одна за другой. Иными словами, строится такая вычислительная схема, когда вместо одной задачи со многими переменными строится много задач с малым числом (обычно даже одной) переменных в каждой. Это значительно сокращает объем вычислений. Однако такое преимущество достигается лишь при двух условиях: когда критерий оптимальности аддитивен, т.е. общее оптимальное решение является суммой оптимальных решений каждого шага, и когда будущие результаты не зависят от предыстории того состояния системы, при котором принимается решение. Все это вытекает из принципа оптимальности Беллмана (см. Беллмана принцип оптимальности), лежащего в основе теории Д.п. Из него же вытекает основной прием — нахождение правил доминирования, на основе которых на каждом шаге производится сравнение вариантов будущего развития и заблаговременное отсеивание заведомо бесперспективных вариантов. Когда эти правила обращаются в формулы, однозначно определяющие элементы последовательности один за другим, их называют разрешающими правилами. Процесс решения при этом складывается из двух этапов. На первом он ведется «с конца»: для каждого из различных предположений о том, чем кончился предпоследний шаг, находится условное оптимальное управление на последнем шаге, т.е. управление, которое надо применить, если предпоследний шаг закончился определенным образом. Такая процедура проводится до самого начала, а затем — второй раз — выполняется от начала к концу, в результате чего находятся уже не условные, а действительно оптимальные шаговые управления на всех шагах операции (см. пример в статье Дерево решений). Несмотря на выигрыш в сокращении вычислений при использовании подобных методов по сравнению с простым перебором возможных вариантов, их объем остается очень большим. Поэтому размерность практических задач Д.п. всегда незначительна, что ограничивает его применение. Можно выделить два наиболее общих класса задач, к которым в принципе мог бы быть применим этот метод, если бы не «проклятие размерности». (На самом деле на таких задачах, взятых в крайне упрощенном виде, пока удается лишь демонстрировать общие основы метода и анализировать экономико-математические модели). Первый — задачи планирования деятельности экономического объекта (предприятия, отрасли и т.п.) с учетом изменения потребности в производимой продукции во времени. Второй класс задач — оптимальное распределение ресурсов между различными направлениями во времени. Сюда можно отнести, в частности, такую интересную задачу: как распределить урожай зерна каждого года на питание и на семена, чтобы в сумме за ряд лет получить наибольшее количество хлеба?
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• dynamic programming
• DP

критерий оптимальности
Наиболее существенный признак оценок, определяющих условия достижения цели какой-либо деятельности; К.о. стремится к экстремальному значению
[Терминологический словарь по строительству на 12 языках (ВНИИИС Госстроя СССР)]

критерий оптимальности
Фундаментальное понятие современной экономики (которая переняла его из математического программирования и математической теории управления); применительно к той или иной экономической системе это один из возможных критериев (признаков) ее качества, а именно — тот признак, по которому функционирование системы признается наилучшим из возможных (в данных объективных условиях) вариантов ее функционирования. Применительно к конкретным экономическим решениям К.о. — показатель, выражающий предельную меру экономического эффекта от принимаемого решения для сравнительной оценки возможных решений (альтернатив) и выбора наилучшего из них. Это может быть, например, максимум прибыли, минимум затрат, кратчайшее время достижения цели и т.д. К.о. — важнейший компонент любой оптимальной экономико-математической модели. Чем больше (если нас интересует максимум) или чем меньше (если нужен минимум) показатель критерия, тем больше удовлетворяет нас решение задачи. Если решается задача составления хозяйственного плана, то это означает, что выбран наилучший, оптимальный план: все остальные варианты н е м о г у т дать столь же удовлетворительного результата. Если решается, например, задача исследования операций по организации строительства завода, то это означает, что выбраны наилучшая очередность работ, наиболее рациональное распределение сил и ресурсов и т.д., а все другие варианты приведут к более поздним срокам пуска завода. К.о. носит обычно количественный характер, т.е. он применяется для того, чтобы качественный признак плана, выражаемый соотношением «лучше — хуже», переводить в количественно определенное «больше — меньше». Но применяются и порядковые критерии. В последнем случае определяется лишь то, что один вариант лучше или хуже других, но не выясняется, насколько именно. В экономико-математических задачах критерию оптимальности соответствует математическая форма — целевая функция, экстремальное значение которой (см. Экстремум), характеризует предельно достижимую эффективность моделируемого объекта (т.е. наилучшие в заданном отношении структуру, состояние, траекторию развития). Другим возможным выражением К.о. является шкала (оценок полезности, ранжирования предпочтений и т.д.). В реальной практике планирования К.о. не может и не должен носить жесткого однозначного характера. Оперируя с ним, следует иметь в виду такие факторы, как вероятное изменение условий, возникновение новых возможностей реализации плана, а также новых задач. Приходится поэтому поступаться величиной критериального показателя ради гибкости плана и его надежности. Это достигается как формальными, так и неформальными методами. На схеме к статье «Экономическая система» (рис. Э.2) стрелка W имеет направление, соответствующее движению в сторону лучшего качества результатов функционирования экономической системы, т.е. в сторону лучшего удовлетворения общества в материальных благах. Упорядоченность точек шкалы W (и соответственно шкал V1, …, Vn) принято формализовать с помощью целевой функции F(w), которая отождествляется с К.о. Упорядочение точек шкалы W, как и точек шкал V есть субъективный акт. Оно может строиться в зависимости от того, что понимается под целью данной экономической системы, но с учетом ее реальных возможностей (объективная основа) и качества управления системой (субъективная основа). Способы упорядочения различны: а) установление цели внешним по отношению к данной экономической системе или иным обладающим соответствующими правами субъектом управления; б) согласование тем или иным способом шкал предпочтения самостоятельных субъектов управления (социальных групп, организаций и т.д.), принимающих решения исходя из своих интересов: компромисс, правило большинства и другие понятия группового (социального) выбора. Возможна классификация критериев оптимальности: а) по уровню общности: глобальный критерий оптимального развития в масштабе Земли, социально-экономический критерий, народнохозяйственный критерий, а также «глобальный» и локальные критерии оптимальности в частных системах моделей; б) по временному аспекту: статические и динамические (среди последних — оценивающие развитие от неоптимального к оптимальному состоянию и развитие как смену оптимальных состояний), текущие и финишные; критерии быстродействия (т.е. времени достижения цели); в) по способам формирования критериев — нормативные, социолого-статистические, компромиссные, унитарные и т.д.; г) по типу применяемых измерителей — полезностные, стоимостные, натуральные и др.; д) по способам использования критериев — практические, теоретические, политико-пропагандистские; е) по математической формализации — скалярные и векторные критерии, аддитивные и мультипликативные, интегральные критерии — во временном аспекте и интегральные — в пространственном аспекте и др. Таковы лишь наметки классификации К.о., однако предстоит еще немало сделать для ее отработки, унификации и стандартизации.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• criterion of optimality
• optimality criterion
• optimum criterion

DE

• Optimalitätskriterium

FR

• critère d'optimalité

область допустимых решений
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

область допустимых решений
допустимое множество
множество возможностей
множество допустимых решений
область допустимых значений
область свободы решений
Понятие математического программирования, область (см. рис. к статье Линейное программирование или рис. к статье Нелинейное программирование), в пределах которой осуществляется выбор решений. В принципе она может быть определена разными способами, вплоть до прямого перечисления входящих в нее элементов. В экономических задачах эта область ограничена (отсюда и происходит термин «ограничения«) условиями задачи, наличными ресурсами. Эти ограничения могут быть более жесткими и менее жесткими, соответственно область свободы — более или менее широкой. Она является нулевой, если определяющие ее ограничения составляют несовместную систему уравнений. В линейном программировании область допустимых решений (допустимый многогранник) всегда выпукла и всегда находится в неотрицательном подпространстве многомерного (n-мерного) векторного пространства решений.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• энергетика в целом

Синонимы

• допустимое множество
• множество возможностей
• множество допустимых решений
• область допустимых значений
• область свободы решений

EN

• constraint region
• feasible region
• feasible set
• feasible space
• opportunity set