(о задаче линейного программирования)

 

двойственная задача
Другие названия — сопряженная, обратная задача, одно из фундаментальных понятий теории линейного программирования — инструмент, позволяющий установить, оптимально ли данное допустимое решение задачи ЛП без непосредственного сравнения его со всеми остальными допустимыми решениями. К каждой задаче линейного программирования можно построить своего рода симметричную: функционалы оптимальных решений у обеих задач совпадают, но если в прямой задаче они отражают наиболее эффективную комбинацию ресурсов, которая дает максимум целевой функции, то в другой, двойственной — наиболее эффективную комбинацию расчетных цен (оценок) ограниченных ресурсов. Это такие цены, при которых полученная продукция оправдывает затраты, а технологические способы, не включенные в план, по меньшей мере не более рентабельны, чем примененные. (Впрочем, хотя и принято считать прямой задачу, ориентированную на максимум целевой функции, а двойственной — ориентированную на минимум, на самом деле эти обозначения условны: обе задачи абсолютно равноправны, любую можно принять за прямую и искать к ней двойственную.) Д. з. состоит в минимизации затрат при заданных лимитах ресурсов и формулируется следующим образом (в обозначениях, приведенных в статье «Линейное программирование«): Найти набор переменных v1, v2, … vn (называемых разрешающими множителями, объективно обусловленными (оптимальными) оценками, двойственными ценами и т.п.), минимизирующий линейную функцию при том условии, что каждый включенный в план вид продукции рентабелен (полученная продукция оправдывает затраты), а не включенные в план — не более рентабельны, чем первые. Математически это условие можно записать так: (где j = 1, …, n) для включенных в план и не больше нуля — для отброшенных при решении задачи. Оценки характеризуют влияние свободных членов ограничений прямой задачи на оптимальную величину целевой функции. Иначе говоря, они показывают относительный вклад каждого ресурса в достижение оптимума; небольшое изменение количества ресурса изменяет оптимальное значение пропорционально величине оценки.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• dual problem

 

вершина допустимого многогранника
(области допустимых решений в задачах линейного программирования) - точка пересечения линейных ограничений (см. рис.Л.1. к статье Линейное программирование). Поскольку множество допустимых решений в задаче линейного программирования всегда выпукло, вершинная точка является крайней точкой множества и она может быть принята за допустимое базисное решение задачи.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• corner point

 

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

Тематики

• информационные технологии в целом

EN

• corner point

 

задача о размещении складов
Одна из задач исследования операций, обычно решаемая методом нелинейного программирования (но при некоторых условиях она может сводиться и к обычной транспортной задаче линейного программирования). Заключается в минимизации общей суммы транспортных и складских расходов при следующих ограничениях: с каждого завода должна быть отгружена вся продукция, емкость любого склада не должна быть превышена, потребности всех покупателей должны быть удовлетворены. По существу дело сводится к отысканию трехчленных комбинаций: предприятие — склад — потребитель, в совокупности обеспечивающих минимум расходов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• warehouse location problem

1) Математика: приближённо двойственный

2) Экономика: почти двойственный (о задаче линейного программирования)

- on a basinwide basis

- on a commission basis

- on a delivered basis

- on a firm fixed price basis

- on a fiscal basis

- on an ex-works basis

- on a nonrecourse basis

- on a toll basis

- on clean basis

- on dry basis

- on edible weight basis

- on gross basis

- on milk fat basis

- on parity basis

- on scoured basis

- sell on "open book" basis

- accrued-expenditures basis

- annual basis

- cash basis

- contract basis

- cost basis of accounting

- cost-of service basis

- direct labor cost basis

- direct labor hours basis

- direct materials cost basis

- dollar basis of apportionment

- employment basis

- group basis

- industry-wide basis

- job basis

- monthly salary basis

- most favored nation basis

- paper basis

- piece-rate basis

- plant-food basis

- production-type basis

- pro rata ton and ton-mile basis

- rate basis

- sample basis

- tax basis

- time-rate basis

- total basis of all assets

- unit basis

 

допустимый многогранник
Область допустимых решений в задаче линейного программирования. См. Многогранник.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• feasible polihedron

 

исходные уравнения
В задаче линейного программирования — совокупность уравнений задачи, включая уравнение целевой функции.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• primal equations

 

производственная граница
Кривая (в n-мерном пространстве —гиперповерхность), ограничивающая пространство производственных возможностей вследствие дефицитности ресурсов. Соединяет точки, где дальнейшее повышение выпуска одного товара возможно только за счет сокращения выпуска других. Примером может служить граница области допустимых решений в задаче линейного программирования (см. рис. Л.1 к ст. Линейное программирование), отмеченная двойной линией и штриховкой. Другие термины для обозначения того же понятия: кривая производственных возможностей, функция преобразования.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• production frontier

 

свободный ресурс
Ресурс, имеющийся (для условий данной оптимизационной задачи) в избытке. Оптимальная оценка С.р. в задаче линейного программирования равна нулю, так как его добавление не изменяет значения критерия оптимальности.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• free resource

 

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

 

объективно обусловленные (оптимальные) оценки
О.О. оценки
Одно из основных понятий линейного программирования, введенное Л.В.Канторовичем. Это оценки продуктов, ресурсов, работ, вытекающие из условий решаемой оптимизационной задачи. Их называют также двойственными оценками, разрешающими множителями, множителями Лагранжа и целым рядом других терминов. Будучи элементами двойственной задачи линейного программирования, они показывают, насколько изменится значение критерия оптимальности в соответствующей прямой задаче при приращении данного ресурса на единицу (т.е. имеют предельный характер)[1]. Оценки выступают, следовательно, как мера дефицитности ресурсов и продукции, как мера влияния ограничений на функционал; их можно использовать далее как инструмент определения эффективности отдельных технологических способов с позиций общего оптимума и, наконец, как инструмент балансирования суммарных затрат и результатов. Так как о.о. оценки показывают, насколько возрастает (или уменьшается) функционал (критерий оптимальности) экономико-математической задачи линейного программирования при увеличении (или уменьшении) запаса соответствующего вида ресурса на единицу — и при использовании ее наилучшим образом, — то они могут показать, к каким экономическим последствиям приведет производство дополнительной единицы ресурса. Если производство единицы ресурса, оцененного таким образом, увеличит функционал меньше чем на эту величину, то такой ресурс не надо производить, т.е. не надо включать в план. В противном случае этот ресурс целесообразно включать в план, поскольку общий результат увеличится. О.о.оценки являются также показателями взаимозаменяемости ресурсов относительно заданного критерия, т.е. характеризуют эффективность замены малого количества (единицы) одного ресурса другим в рамках решения экономико-математической задачи. Таким образом, система о.о. оценок может характеризовать экономическую структуру плана, роль отдельных факторов в формировании оптимума. О.о. оценки применяются в оптимизационных расчетах: при решении задач размещения производства, наиболее рационального прикрепления поставщиков к потребителям, оптимального раскроя материалов и многих других. В перспективном планировании эти оценки могут использоваться в качестве ориентировочных цен, характеризующих будущие соотношения ресурсов и потребностей общества. (Эта их роль хорошо отражена в термине, принятом в западной литературе, — «теневые цены«). При этом учитываются следующие закономерности. С течением времени о.о. оценки имеют тенденцию к снижению. При развитии народного хозяйства по оптимальной траектории оптимальная оценка стремится к так называемой нормальной оценке, которая складывается из прямых затрат и затрат обратной связи, возникающих вследствие ограниченности капитальных вложений. Эти закономерности объясняются тем, что на долговременном отрезке развития дефицитность воспроизводимых ресурсов будет выравниваться в результате соответствующего распределения капитальных вложений. Оптимальные оцен­ки, таким образом, определяются всей совокупностью условий общественного производства и потребления, учитываемых при составлении плана (прогноза). На основе о.о. оценок были выработаны многообразные методы экономико-математического анализа хозяйственных процессов. Ставился вопрос об их использовании и в ценообразовании (подробнее см. Оптимальное ценоообразование). [1] См. примечание к статье «Предельная доходность»
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

Синонимы

• О.О. оценки

EN

• objectively determined valuations

 

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

 

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

 

оптимальный план
1. Наилучший с точки зрения выбранного критерия вариант развития экономики в целом или отдельного хозяйственного объекта. На уровне народного хозяйства разработку О.п. можно представить себе двояко: с одной стороны, как выбор одного из ряда допустимых вариантов этого плана, с другой — как процесс согласования планов (условно-оптимальных), полученных при решении отдельных моделей, входящих в комплекс моделей народнохозяйственного плана. В последнем случае О.п. определяется как наиболее выгодный для всех организаций, работающих в условиях самоокупаемости и взаимной ответственности. 2. Наилучшее распределение ресурсов в задаче математического программирования (например, линейного программирования); иными словами — решение этой задачи. О.п. (как и всякий план) отображается в экономико-математических моделях вектором (точкой пространства производственных возможностей). Отсюда — распространенный термин «оптимальная точка», что означает О.п. См. также Оптимальное планирование.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• optimal plan

1) эк. скрытая [теневая, реальная, неявная\] стоимость (вмененная величина затрат или выгод осуществления некоторого проекта, рассчитываемая тем или иным образом в случае, когда рыночные показатели дают искаженный результат)

2) эк. неявная стоимость ( вклад каждой единицы каждого элемента в общественное благосостояние)

3) эк. альтернативная цена (стоимость), цена упущенных возможностей

а) (стоимость производства товара, измеряемая с точки зрения упущенной возможности производства другого товара, требующего тех же затрат)

б) (альтернативная цена блага для потребителя, цена замены этого блага другим)

4) эк. предельная цена (максимальная цена, которую производитель готов заплатить за дополнительную единицу ресурса; обычно равна предельному доходу от этого ресурса)

5) мн., иссл. опер. двойственные оценки, двойственные цены (элементы двойственной задачи линейного программирования, которые показывают насколько изменится значение критерия оптимальности в прямой задаче при приращении данного ресурса на единицу)

* * *

1) эк. теневая [скрытая, неявная\] цена (вмененная величина затрат либо цена товара или услуги, рассчитываемая тем или иным образом в случаях, когда рыночные показатели дают искаженный результат либо когда для данного товара/услуги не существует свободного рынка; напр., когда отдельные подразделения компании оказывают друг другу услуги, для которых не существует открытого рынка (отдельные элементы работ, управленческие операции и т. д.), услугам присваивается цена, рассчитанная исходя из реальных затрат и определенной нормы прибыли)

2) иссл. опер., обычно мн. двойственные оценки, двойственные цены (элементы двойственной задачи линейного программирования, которые показывают, насколько изменится значение критерия оптимальности в прямой задаче при приращении данного ресурса на единицу)

3) эк. неявная цена* ( вклад каждой единицы каждого элемента в общественное благосостояние)

4) эк. альтернативная цена [стоимость\]*, цена упущенных возможностей*

а) (стоимость производства товара, измеряемая с точки зрения потерянной (упущенной) возможности производства другого товара, требующего тех же затрат)

б) (альтернативная цена блага для потребителя, цена замены этого блага другим)

5) эк. предельная цена* (максимальная цена, которую производитель готов заплатить за дополнительную единицу ресурса; обычно равна предельному доходу этого ресурса; используется для принятия решения о привлечении дополнительных ресурсов; напр., если дополнительный доход от дополнительного часа работы конвейера составляет $8.00 (предельная цена), а реальная рыночная стоимость поддержания функционирования конвейера в течение часа составляет $8.50, то компания откажется от дополнительного часа работы)

* * *

* * *

* * *

 

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

Тематики

• энергетика в целом

Синонимы

• несоразмерность

EN

• disproportion
• disparity

 

небаланс двоичного кода при ИКМ
Разность между числом единиц и нулей в группе символов двоичного кода при ИКМ.
[ ГОСТ 22670-77]

Тематики

• сети передачи данных

Синонимы

• небаланс двоичного кода

EN

• disparity

 

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

неравенство
Соотношение между числами (или любыми математическими выражениями, способными принимать численное значение), указывающее, какое из них больше или меньше другого. Над ними можно по определенным правилам производить действия: сложение, вычитание, умножение и деление (причем при умножении или делении Н. на отрицательное число смысл его меняется на противоположный). Одно из основных понятий линейного программирования — линейные неравенства вида a1x1+ a2x2 + … + anxn * b где a1, …, an, b — постоянные и знак * означает один из знаков неравенства, например ?, ?, <,. Неравенства определяют полупространства точек или чисел почти в любой экономико-математической задаче. В матричной алгебре знак ? означает, что все элементы матрицы, расположенной слева, не меньше, а хотя бы часть из них больше соответствующих элементов матрицы, расположенной справа. В отличие от этого знак ? означает, что все элементы левой матрицы не меньше соответствующих элементов правой матрицы; значит, все соответствующие элементы могут быть попарно равны. (Иногда применяются и другие обозначения).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• несоответствие

EN

• disparity
• inequality

64. Небаланс двоичного кода при ИКМ

Небаланс двоичного кода

Disparity

Разность между числом единиц и нулей в группе символов двоичного кода при ИКМ

Источник: ГОСТ 22670-77: Сеть связи цифровая интегральная. Термины и определения оригинал документа

 

жесткость и нежесткость ограничений ЛП
Характеристика ограничений задачи линейного программирования по степени их влияния на оптимум (см. Чувствительность оптимального решения). Ограничение является нежестким, когда малые изменения константы ограничения не отражаются на решении задачи. Например, в распределительной задаче это означает, что спрос строго меньше предложения, в результате чего объективно обусловленные оценки равны нулю. Решение не зависит от общего объема возможного предложения товара, так как имеющееся количество его превышает ту потребность в нем, которая соответствует его использованию в оптимальной точке. Ограничение является жестким, когда любое малое изменение константы (параметра) ограничения приводит к изменению значения целевой функции (то есть объективно обусловленная оценка не равна нулю). См. Дополняющая нежесткость.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• hardness and slackness of LP constraints

 

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