(в+теории+принятия+решений)

теория решений
статистическая теория принятия решений
Дисциплина (раздел исследования операций), которая изучает математические (математико-статистические) правила принятия решений, в первую очередь экономических. Иногда это название применяют к более общей теории, которая изучает вообще правила принятия решений (не только основанные на математике), т.е. проблемы психологические, этические и др. Методы принятия решений подразделяются на формализованные и неформализованные, традиционные и современные. Например, к традиционным формализованным методам можно отнести бухгалтерские правила по выписке счетов и другие стандартные процедуры, относящиеся к принятию шаблонных и повторяющихся решений, к современным формализованным методам — методы исследования операций, обработку данных на ЭВМ. Основные понятия данной теории — альтернатива, решение, выбор, полезность, оптимизация и другие — общие для ряда областей и разделов экономико-математических методов, рассматриваемых в словаре. Т.р. исследует модели обоснования и принятия решений и доводит их до прикладных алгоритмов, реализуемых вручную и на ЭВМ. Исследуются методы использования экспертных оценок в подготовке решений, формализованные свойства задачи выбора, методы многокритериальной оптимизации. Математические задачи принятия решений четко разделяются на три направления. Первое — детерминированные задачи, когда считается, что каждое действие (альтернативная стратегия) приведет к единственному известному заранее результату. Второе — вероятностные задачи (их также называют задачами в условиях риска), когда могут быть получены разные результаты, причем они заранее известны или может быть оценена вероятность их достижения. Третье — задачи для условий неопределенности (неопределенные задачи); в этом случае заранее неизвестно, какие результаты реальны. Однако обычно имеется представление о пределах области значений, в которой они находятся. В последнем случае, если это оказывается возможным, применяют адаптивные стратегии, использующие ту информацию, которая поступает в процессе решения.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

Синонимы

• статистическая теория принятия решений

EN

• decision theory

Изучение микроэкономической теории начнем с анализа принятия индивидуальных решений. — We begin our study of microeconomic theory with an analysis of individual decision making.

Анализ теории принятия экономических решений начнем с рассмотрения потребительской стороны экономики. — We begin our review of the theory of economic decision making with an examination of the consumption side of the economy.

Начнем с постановки проблемы принятия решения фирмой. — We begin by posing the firm's decision problem.

В разделах 2-5 начнем с описания основных элементов проблемы принятия решения потребителем. — We begin, in Sections 2 to 5, by describing the basic elements of the consumer's decision problem.

олигопольные эксперименты
Машинные или человеко-машинные эксперименты, воспроизводящие ситуацию олигополии; проводятся в исследовательских и дидактических целях. Строятся в форме деловой игры, в которой участники принимают для каждого периода (такта игры) решения о характеристиках «выпускае­мых» ими товаров, объемах производства, затратах на рекламу, о ценах и инвестициях. Результаты решений с помощью компьютера представляются в виде планов, балансов доходов и убытков, обзоров состояния рынка и других расчетов. Полученная информация служит для принятия решений в последующих периодах и т.д. Множество испытаний (проигрываний) позволяет анализировать мотивы и эффективность экономического поведения участников игры. О.э. дают возможность верифицировать экономические теории и гипотезы, касающиеся, например, инвестиционной или торговой политики фирм. Для иллюстрации остановимся на одном простейшем О.э. Имеются три «фирмы» поставщика однородного товара и множество потребителей. Формулируется модель эксперимента, в которой цена товара выступает как функция объема предложения P = 20 — (X1 + X2 + X3), где P — цена, X1 + X2 + X3 — соответственно, сумма предложений трех фирм; 20 — некоторый заданный параметр. Для упрощения принимается, что фирмы не имеют издержек. Тогда прибыль — Gi = ? pxi, i = 1, 2, 3. Задача каждой фирмы состоит в максимизации целевой функции Gi ® max. Фирму представляет группа студентов, принимающих решения об объеме «продаж». Решения принимаются каждой группой независимо от других, обмен информацией (или, проще, сговор между фирмами) исключен. Далее проигрывается серия испытаний, результаты которых фиксируются в таблице. Отсюда видно, что, например, в первом испытании третья фирма «выбросила на рынок» 10 единиц товара, а на деле свела прибыли всех фирм к нулю (в том числе и свою собственную). А вот в четвертом испытании та же фирма получила высокую прибыль. Таблица позволяет судить о качестве решений участников эксперимента, регистрация пояснений о причинах принятия тех или иных решений — анализировать мотивы их «экономического поведения». Разумеется, это лишь крайне упрощенный пример. О.э. усложняются введением показателей издержек и производственных мощностей для каждой фирмы, вводятся параметры инвестиций (тогда производственные мощности могут изменяться в определенных пределах). Строятся модели рынков, включающие не только поставщиков, но и потребителей и т.д. В ряде случаев на основании наблюдений в ходе эксперимента строится математическая модель, которая затем проигрывается на компьютере. Такое соединение натурного и имитационного эксперимента позволяет углублять анализ явлений, проверять выводы и гипотезы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• oligopolistic experiments

строить теории — theorize

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

Байеса (Лапласа) критерий
В теории решений – критерий принятия решений в условиях отсутствия какой-либо информации об относительных вероятностях стратегий «природы». (см. Неопределенные задачи). По этому критерию предлагается придать равные вероятности всем рассматриваемым стратегиям, после чего принять ту из них, чей ожидаемый выигрыш окажется наибольшим. Имеет тот недостаток, что круг оцениваемых альтернатив в одной и той же задаче может быть различным, и соответственно, различной может быть также относительная вероятность каждой из них.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• Bayes criteron

теория игр
Метод моделирования, используемый для оценки воздействия решения на конкурентов.
[ http://tourlib.net/books_men/meskon_glossary.htm]

теория игр
Раздел современной математики, изучающий математические модели принятия решений в так называемых конфликтных ситуациях (т.е. ситуациях, при которых интересы участников либо противоположны и тогда эти модели называются «антагонистическими играми», либо не совпадают, хотя и не противоположны, и тогда речь идет об «играх с непротивоположными интересами«). Основоположники теории Дж. фон Нейман и О.Моргенштерн попытались математически описать характерные для рыночной экономики явления конкуренции как некую «игру«. В наиболее простом случае речь идет о противоборстве только двух противников, например, двух конкурентов, борющихся за рынок сбыта (о дуополии). В более сложных случаях в игре участвуют многие, причем они могут вступать между собой в постоянные или временные коалиции, союзы. Игра двух лиц называется парной; когда в ней участвуют n игроков — это «игра n — лиц«, в случае образования коалиций игра называется «коалиционной«. Суть игры в том, что каждый из участников принимает такие решения (т.е. выбирает такую стратегию действий), которые, как он полагает, обеспечивают ему наибольший выигрыш или наименьший проигрыш, причем этому участнику игры ясно, что результат зависит не только от него, но и от действий партнера (или партнеров), иными словами, он принимает решения в условиях неопределенности. Эти решения отражаются в таблице, которая называется матрицей игры, или платежной матрицей. Одной из задач Т.и. является выяснение того, возможно ли, и если возможно, то при каких условиях, некоторое равновесие (компромисс), в наибольшей степени устраивающее всех участников. При этом часто обнаруживается такая точка ( см.»седловая точка«), в которой достигается подобное равновесие. Принципиальным достоинством Т.и. считают то, что она расширяет общепринятое понятие оптимальности, включая в него такие важные элементы, как, например, компромиссное решение, устраивающее разные стороны в подобном споре (игре). На практике же игровые подходы используются отечественными экономистами при разработке моделей, в которых учитываются интересы различных звеньев экономики. Кроме того, математические приемы Т.и. могут применяться для решения многочисленных практических экономических задач на промышленных предприятиях. Например, для выбора оптимальных решений в области повышения качества продукции или определения запасов. «Противоборство» здесь происходит в первом случае между стремлением выпустить больше продукции (затратить на нее, в расчете на единицу, меньше труда) и сделать ее лучше, т.е. затратить больше труда, во втором случае — между желанием запасти ресурсов побольше, чтобы быть застрахованным от случайностей, и запасти поменьше, чтобы не замораживать средства. Следует отметить, что подобные задачи решаются и другими экономико-математическими способами. И это не случайно. Многие задачи Т.и. могут быть сведены, например, к задачам линейного программирования, и наоборот. Классификация игр пока не может считаться разработанной. Перечень видов игр, рассматриваемых в словаре, см. в статье Игра. См. также: Выигрыш, Гурвица критерий, Дерево игры, Игрок, Коалиция, Максимакс, Максимин, Матрица выигрышей, Матрица игры, Минимакс, Платежная матрица, Платежная функция, Побочный платеж, Решение игры, Сэвиджа критерий, Седловая точка игры, Смешанная стратегия, Стратегия, Характеристическая функция, Ход, Цена игры, Чистая стратегия, Ядро игры.
[ http://slovar-lopatnikov.ru/]

Тематики

• менеджмент в целом
• экономика

EN

• game theory

Роль экономической теории заключается в упрощенном объяснении функционирования экономической системы или её частей. — The role of economic theory is to explain the workings of the economic system, or parts of it, in a simplified manner.

экономико-математические исследования в бывш. СССР и России
(исторический очерк) Э.-м.и. — направление научных исследований, которые ведутся на стыке экономики, математики и кибернетики и имеют основной целью повышение экономической эффективности общественного производства с помощью математического анализа экономических процессов и явлений и основанных на нем методов принятия оптимальных (шире — рациональных) плановых и иных управленческих решений. Они затрагивают также общую проблематику оптимального распределения ресурсов безотносительно к характеру социально-экономического строя. Развитие Э.-м.и. в бывш. СССР надо рассматривать как этап противоречивого процесса развития отечественной экономической науки и часть общего процесса развития мировой экономической науки, в настоящее время во многом практически математизированной. Первым достижением в развитии Э.-м.и. явилась разработка советскими учеными межотраслевого баланса производства и распределения продукции в народном хозяйстве страны за 1923/24 хозяйственный год. В основу методологии их исследования были положены модели воспроизводства К.Маркса, а также модели В.К.Дмитриева. Эта работа нашла международное признание и предвосхитила развитие американским экономистом русского происхождения В.В.Леонтьевым его прославленного метода «затраты-выпуск».. (Впоследствии, после длительного перерыва, вызванного тем, что Сталин потребовал прекратить межотраслевые исследования, они стали широко применяться и в нашей стране под названием метода межотраслевого баланса.) Примерно в это же время советский экономист Г.А.Фельдман представил в Комиссию по составлению первого пятилетнего плана доклад «К теории темпов народного дохода», в котором предложил ряд моделей анализа и планирования синтетических показателей развития экономики. Этим самым были заложены основы теории экономического роста. Другой выдающийся ученый Н.К.Кондратьев разработал теорию долговременных экономических циклов, нашедшую мировое признание. Однако в начале тридцатых годов Э.м.и. в СССР были практически свернуты, а Фельдман, Кондратьев и сотни других советских экономистов были репрессированы, погибли в застенках Гулага. Продолжались лишь единичные, разрозненные исследования. В одном из них, работе Л.В.Канторовича «Математические методы организации и планирования производства» (1939 г.) были впервые изложены принципы новой отрасли математики, которая позднее получила название линейного программирования, а если смотреть шире, то этим были заложены основы фундаментальной для экономики теории оптимального распределения ресурсов. Л.В.Канторович четко сформулировал понятие экономического оптимума и ввел в науку оптимальные, объективно обусловленные оценки — средство решения и анализа оптимизационных задач. Одновременно советский экономист В.В.Новожилов пришел к аналогичным выводам относительно распределения ресурсов. Он выработал понятие оптимального плана народного хозяйства, как такого плана, который требует для заданного объема продукции наименьшей суммы трудовых затрат, и ввел понятия, позволяющие находить этот минимум: в частности, понятие «дифференциальных затрат народного хозяйства по данному продукту», близкое по смыслу к оптимальным оценкам Л.В.Канторовича. Большой вклад в разработку экономико-математических методов внес академик В.С.Немчинов: он создал ряд новых моделей МОБ, в том числе модель экономического района; очень велики его заслуги в области организационного оформления и развития экономико-математического направления советской науки. Он основал первую в стране экономико-математическую лабораторию, впоследствии на ее базе и на базе нескольких других коллективов был создан Центральный экономико-математический институт АН СССР, ныне ЦЭМИ РАН (см.ниже).. В 1965 г. академикам Л.В.Канторовичу, В.С.Немчинову и проф. В.В.Новожилову за научную разработку метода линейного программирования и экономических моделей была присуждена Ленинская премия. В 1975 г. Л.В.Канторович был также удостоен Нобелевской премии по экономике. В 50 — 60-x гг. развернулась широкая работа по составлению отчетных, а затем и плановых МОБ народного хозяйства СССР и отдельных республик. За цикл исследований по разработке методов анализа и планирования межотраслевых связей и отраслевой структуры народного хозяйства, построению плановых и отчетных МОБ академику А.Н.Ефимову (руководитель работы), Э.Ф.Баранову, Л.Я.Берри, Э.Б.Ершову, Ф.Н.Клоцвогу, В.В.Коссову, Л.Е.Минцу, С.С.Шаталину, М.Р.Эйдельману в 1968 г. была присуждена Государственная премия СССР. Развитие Э.-м.и., накопление опыта решения экономико-математических задач, выработка новых теоретических положений и переосмысление многих старых положений экономической науки, вызванное ее соединением с математикой и кибернетикой, позволили в начале 60-х гг. академику Н.П.Федоренко выступить с идеей о необходимости теоретической разработки и поэтапной реализации единой системы оптимального функционирования социалистической экономики (СОФЭ). Стало ясно, что внедрение математических методов в экономические исследования должно приводить и приводит к совершенствованию всей системы экономических знаний, обеспечивает дальнейшую систематизацию, уточнение и развитие основных понятий и категорий науки, усиливает ее действенность, т.е. прежде всего ее влияние на рост эффективности народного хозяйства. С 60-х годов расширилось число научных учреждений, ведущих Э.-м.и., в частности, были созданы Центральный экономико-математический институт АН СССР, Институт экономики и организации промышленного производства СО АН СССР, развернулась подготовка кадров экономистов-математиков и специалистов по экономической кибернетике в МГУ, НГУ, МИНХ им. Плеханова и других вузах страны. Исследования охватили теоретическую разработку проблем оптимального функционирования экономики, системного анализа, а также такие прикладные области как отраслевое перспективное планирование, материально-техническое снабжение, создание математических методов и моделей для автоматизированных систем управления предприятиями и отраслями. На первых этапах возрождения Э.-м.и. в СССР усилия в области моделирования концентрировались на построении макромоделей, отражающих функционирование народного хозяйства страны в целом, а также ряда частных моделей и на развитии соответствующего математического аппарата. Такие попытки имели немалое методологическое значение и способствовали углублению понимания общих вопросов экономико-математического моделироdания (в том числе таких, как адекватность моделей, границы их познавательных возможностей и т.д.). Но скоро стала очевидна ограниченность такого подхода. Концепция СОФЭ стимулировала развитие иного подхода — системного моделирования экономических процессов, были расширены методологические поиски экономических рычагов воздействия на экономику: оптимального ценообразования, платы за использование природных и трудовых ресурсов и т.д. На этой основе начались параллельные разработки ряда систем моделей, из которых наиболее известны многоуровневая система среднесрочного прогнозирования (рук. Б.Н.Михалевский), система моделей для расчетов по определению общих пропорций развития народного хозяйства и согласованию отраслевых и территориальных разрезов плана — СМОТР (рук. Э.Ф.Баранов), система многоступенчатой оптимизации экономики (рук. В.Ф.Пугачев), межотраслевая межрайонная модель (рук. А.Г.Гранберг). Существенно углубилось понимание народнохозяйственного оптимума, роли и места экономических стимулов в его достижении. Наряду с распространенной ранее скалярной оптимизацией в исследованиях стала более активно применяться многокритериальная, лучше учитывающая многосложность условий и обстоятельств решения плановой задачи. Более того, стало меняться общее отношение к оптимизации как универсальному принципу: вместе с ней (но не вместо нее, как иногда можно прочитать) начали разрабатываться методы принятия рациональных (не обязательно оптимальных в строгом смысле этого слова) решений, теория компромисса и неантагонистических игр (Ю.Б.Гермейер) и другие методы, учитывающие не только технико-экономические, но и человеческие факторы: интересы участников процессов принятия и реализации решений. В начале 70-х гг. экономисты-математики провели широкие исследования в области применения программно-целевых методов в планировании и управлении народным хозяйством. Они приняли также активное участие в разработке методики регулярного (раз в пять лет) составления Комплексной программы научно-технического прогресса на очередное двадцатилетие. Впервые в работе такого масштаба при определении общих пропорций развития народного хозяйства на перспективу и решении некоторых частных задач был использован аппарат экономико-математических методов. Началось широкое внедрение программно-целевого метода в практику народнохозяйственного планирования. Были продолжены работы по созданию АСПР — автоматизированной системы плановых расчетов Госплана СССР и Госпланов союзных республик, и в 1977 г. введена в действие ее первая очередь, а в 1985 г. — вторая очередь. Выявились и немалые трудности непосредственного внедрения оптимизационных принципов в практику хозяйствования. В условиях, когда предприятия, объединения, отраслевые министерства были заинтересованы не столько в выявлении производственных резервов, сколько в их сокрытии, чтобы избежать получения напряженных плановых заданий, учитывающих эти резервы, оптимизация не могла найти повсеместную поддержку: ее смысл как раз в выявлении резервов. Поэтому работа по созданию АСУ не всегда давала должные результаты: усилия затрачивались на учет, анализ, расчеты по заработной плате, но не на оптимизацию, т.е. повышение эффективности производства (оптимизационные задачи в большинстве АСУ занимали лишь 2 — 3% общего объема решаемых задач). В результате эффективность производства не росла, а штаты управления увеличивались: создавались отделы АСУ, вычислительные центры. Эти обстоятельства способствовали некоторому спаду экономико-математических исследований к началу 80-х гг. Большой удар по экономико-математическому направлению был нанесен в 1983 г., когда бывший тогда секретарем ЦК КПСС К.У.Черненко обрушился с явно несправедливой и предвзятой критикой на ЦЭМИ АН СССР, после чего институт жестоко пострадал: подвергся реорганизации, был разделен надвое, потом еще раз надвое, из него ушел ряд ведущих ученых. Тем не менее, прошедшие годы ознаменовались серьезными научными и практическими достижениями экономико-математического крыла советской экономической науки. В ряде аспектов, прежде всего теоретических — оно заняло передовые позиции в мировой науке. Например, в области математической экономики и эконометрии (не говоря уже об открытиях Л.В.Канторовича) широко известны советские исследования процессов оптимального экономического роста (В.Л.Макаров, С.М.Мовшович, А.М.Рубинов и др.), ряд моделей экономического равновесия; сделанная еще в 1976 г. В.М.Полтеровичем попытка синтеза теории равновесия и теории экономического роста; работы отечественных ученых в области теории игр, теории группового (социального) выбора и многие другие. В каком-то смысле опережая время, экономисты-математики еще в 70-е гг. приступили к моделированию и изучению таких явлений, приобретших острую актуальность в период перестройки, как «самоусиление дефицита», экономика двух рынков — с фиксированными и гибкими ценами, функционирование экономики в условиях неравновесия. Активно развивается математический аппарат, в частности, такие его разделы, как линейное и нелинейное программирование (Е.Г.Гольштейн), дискретное программирование (А.А.Фридман), теория оптимального управления (Л.С.Понтрягин и его школа), методы прикладного математико-статистического анализа (С.А.Айвазян). За последние годы развернулось широкое использование имитационных методов, являющихся характерной чертой современного этапа развития экономико-математических методов. Хотя сама по себе идея машинной имитации зародилась существенно раньше, ее практическая реализация оказалась возможной именно теперь, когда появились электронные вычислительные машины новых поколений, обеспечивающие прямой диалог человека с машиной. Наконец, новым направлением прикладной работы, синтезирующим достижения в области экономико-математического моделирования и информатики, стала разработка и реализация концепции АРМ (автоматизированного рабочего места плановика и экономиста), а также концепции стендового экспериментирования над экономическими системами (В.Л.Макаров). Начинается (во всяком случае должна начинаться) переориентация Э.-м.и. на изучение путей формирования и эффективного функционирования рынка (особенно переходного процесса — это самостоятельная тема). Тут может быть использован богатый арсенал экономико-математических методов, накопленный не только в нашей стране, но и в странах с развитой рыночной экономикой.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• economico-mathematical studies in the ex-USSR and russia

альтернатива
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

альтернатива
альтернативная стратегия
Понятие исследования операций, теории игр, теории решений, — возможный вариант решения задачи. Обычно под термином «А.», понимается как само решение, так и результат (исход) его реализации. Соответственно, множество альтернатив совпадает с множеством конечных исходов, результатов (изоморфно ему). [1] Такое отождествление в большинстве случаев оправданно, однако возможны ситуации, когда эти понятия необходимо различать (например, в ситуациях риска и неопределенности). Те задачи исследования операций, которые состоят в выборе одной из существующих (известных) А., называются задачами оценки, а задачи, которые состоят в разработке новых стратегий (если, например, существующие оказываются недостаточными для достижения цели), называются задачами разработки. В ряде случаев, например, в играх (см. Теория игр), возникает необходимость выяснения альтернативных контрстратегий, т.е. возможных действий других участников игры или действий «природы«, способных отрицательно повлиять на результаты решения задачи, несмотря на удачный выбор стратегии. Постановка задачи исследования операций может считаться законченной лишь тогда, когда определен список альтернатив и способ (критерий) выбора наилучшей из них для достижения заданной цели. Для выбора необходимо упорядочение альтернатив. — их размещение в определенном порядке, как правило, в порядке возрастания полезности ожидаемых или фактических конечных исходов (хотя возможны и иные принципы упорядочения). Используется,например, такая запись: если альтернатива x предпочитается или равноценна альтернативе y, то они составляют упорядоченную пару (x, y). Важные виды альтернатив: Альтернатива детерминированная (Determined, determinative alternative) - решение, о котором известно, что оно безусловно приведет к некоторому конкретному результату (исходу). Альтернативы допустимые ( Feasible alternatives) - отобранные в процессе принятия решения, о которых известно, что они осуществимы и (по предварительному прогнозу) их возможный результат желателен, т.е. не противоречит намерениям принимающего решение. Множество допустимых А. рассматривается в задаче принятия любого решения (см. также Область допустимых решений). Альтернатива стохастическая (Stochastic alternative) - решение, выбранное случайным образом из множества возможных (в зависимости, например, от склонности решающего к риску), или решение, исходы которого носят случайный характер, либо и то, и другое. Во втором из указанных случаев стохастическое решение удается сводить к детерминированному, если, например, результатом считать средний из возможных результатов принятия данной А. См. также Бинарное отношение, Доминирование альтернатив, Предпочтение, Ранжирование экономических величин. [1] В обыденной речи слово “альтернатива” понимается как необходимость выбора между взаимоисключающими возможностями (вариантами решений).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• энергетика в целом

Синонимы

• альтернативная стратегия

EN

• alternative
• alternative decision
• alternative strategy

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

максимин
В теории решений, теории (матричных) игр наибольший из всех минимальных элементов строк платежной матрицы. Выбор игроком строки матрицы с максиминным элементом, т.е. выбор соответствующей стратегии, означает, что он решил довольствоваться гарантированным (хотя и не самым большим) выигрышем. Иначе говоря, правило М. — правило принятия осторожных решений. Стратегия, соответствующая максимальному значению среди минимумов строк, называется максиминной стратегией. Соответствующий критерий (критерий Вальда) записывается так: где i — номер строки (стратегии первого игрока), j — номер столбца (стратегии второго игрока), Uij — выигрыш первого или проигрыш второго игрока для элемента, находящегося на пересечении i-й строки и j-го столбца. М. используется как критерий в неопределенных задачах исследования операций. Применяется также обобщенный М. (критерий Гурвица). Он содержит специальный множитель: обращаясь в единицу, этот множитель сводит критерий к М. (осторожному выбору); обращаясь в нуль, — напротив, будет приводить к выбору такой стратегии, которая максимизирует максимальный выигрыш (максимакс). Промежуточные величины коэффициента характеризуют разную степень «оптимизма» при выборе решения.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• maximin

матрица игры
В теории игр, теории решений, таблица, в которую заносятся возможные результаты принимаемых решений (например, исходы игры в случае выбора игроками той или иной стратегии). Другие названия, отражающие разные подходы к определению элементов матрицы, но по существу аналогичные: Матрица выигрышей, Платежная матрица. Допустим, перед нами конечная игра, в которой игрок X может применить m стратегий, а игрок Y — n стратегий (т.е. игра имеет размерность m х n). Составим платежную матрицу, в которой по строкам покажем результаты ходов игрока X при использовании им каждой из возможных стратегий от x1 до xm-й в условиях, когда игрок Y применяет каждую из своих стратегий от y1 до yn-й. Uij в ней обозначает выигрыш игрока X, когда он выбрал i-ю стратегию, а его противник j-ю стратегию (или, что то же в данном случае – проигрыш игрока Y. Платежная матрица игры выглядит так: ТАБЛИЦА В наших рассуждениях ничего не изменится, если будем рассматривать не игру, а просто принятие решения с учетом возможных условий. Тогда x — список альтернатив для принимающего решение, а y — список условий. Отсюда термин «игра с «природой», где «природа» означает совокупность условий, в которых должно осуществляться принятое решение. В отличие от противника в обычной игре, «природа» не обязательно враждебна принимающему решение, некоторые из условий y могут и благоприятствовать ему. Построение платежной матрицы, в принципе, возможно для каждой конечной игры или вообще, для принятия решения при конечном числе альтернатив. Однако на практике это удается сделать только для относительно простых случаев (когда размерность задачи невелика). Применяется ряд приемов для сокращения матрицы, например, отсеивание заведомо невыгодных и дублирующих стратегий.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• game matrix