-
1 This can be shown by an example.
Общая лексика: Это можно показать на примере. (Example: This can be shown by an example. (Перевод: Это можно показать на примере.)Универсальный англо-русский словарь > This can be shown by an example.
-
2 decision tree
дерево решений
Граф - схема, отражающая структуру задачи оптимизации многошагового процесса принятия решений. Ветви дерева отображают различные события, которые могут иметь место, а узлы (вершины) - состояния, в которых возникает необходимость выбора.
[ОАО РАО "ЕЭС России" СТО 17330282.27.010.001-2008]
дерево решений
Способ представления процесса принятия решения, имеющий вид ответов на серию вопросов, образующих древовидную структуру.
[ http://www.morepc.ru/dict/]
дерево решений
Граф, схема, отражающая структуру задачи оптимизации многошагового процесса принятия решений. Применяется в динамическом программировании и в других областях для анализа решений, структуризации проблем. Ветви дерева отображают различные события, которые могут иметь место, а узлы (вершины) - состояния, в которых возникает необходимость выбора. Причем узлы различны — в одних выбор из некоторого набора альтернатив осуществляет сам решающий (руководитель, лицо, принимающее решения), в других выбор от него не зависит. В таких случаях говорят, что выбор делает «природа», а руководитель может только оценить вероятность того или иного ее «решения». Д.р. применяется тогда, когда количество альтернатив и количество шагов принятия решений ограниченно (конечно). Принцип использования этого метода покажем на простом примере. Предположим, возникла необходимость построить цех для выпуска новой продукции. Можно построить большой цех — мощностью 200 тыс. т продукции в год и стоимостью 1 млрд. руб. Если спрос на продукт будет большой, завод получит прибыль в 1 млрд. руб., строительство цеха окупится за год. Но если спрос будет меньше, допустим, только на 100 тыс. т, то прибыль составит уже лишь 500 млн. руб.: если же товар совсем «не пойдет», завод понесет убытки в 1 млрд. руб. Возникает второй вариант: строить меньший цех — мощностью 100 тыс. т и стоимостью 500 млн. руб. Тогда при высоком и малом спросе прибыль будет равна 500 млн. руб., а при отсутствии спроса убыток составит 500 млн. руб. Все это можно показать на схеме (рис.Д.2). Получается шесть возможных вариантов последствий двух возможных решений. Какое же из них выбрать? Это зависит от вероятностей того или иного состояния будущего спроса: чем больше вероятность высокого спроса, тем разумнее, очевидно, будет предпочесть вариант строительства крупного цеха. Но задача осложнится еще больше, если сформулировать ее иначе: спрос на продукцию будет, как предполагается, расти постепенно. Что при этом лучше: строить сразу большой цех или же малый, но через некоторое время (если спрос действительно окажется большим) реконструировать его? Такие задачи также решаются методом Д.р. Приведенный пример характерен для структуры задач динамического программирования с конечным числом решений. Как видим, здесь сначала осуществлялся выбор последнего по времени решения, а затем, при движении в направлении, обратном течению времени, выбирались все остальные решения вплоть до исходного (см. Беллмана принцип оптимальности). Рис. Д.2 Дерево решений Спрос: б — большой, м — малый, о — отсутствие спроса
[ http://slovar-lopatnikov.ru/]Тематики
EN
Англо-русский словарь нормативно-технической терминологии > decision tree
-
3 linear programming
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
Англо-русский словарь нормативно-технической терминологии > linear programming
См. также в других словарях:
КВАНТОВАЯ МЕХАНИКА — (волновая механика), теория, устанавливающая способ описания и законы движения микрочастиц (элем. ч ц, атомов, молекул, ат. ядер) и их систем (напр., кристаллов), а также связь величин, характеризующих ч цы и системы, с физ. величинами,… … Физическая энциклопедия
Квантовая механика — волновая механика, теория устанавливающая способ описания и законы движения микрочастиц (элементарных частиц, атомов, молекул, атомных ядер) и их систем (например, кристаллов) а также связь величин, характеризующих частицы и системы, с… … Большая советская энциклопедия
МУЗЫКАЛЬНЫЕ ГАММЫ — последовательности музыкальных звуков, выстроенные в восходящем или нисходящем направлениях. Гамма (точнее звукоряд) представляет в обобщенной форме, обычно в диапазоне октавы (например, от до первой октавы до до второй октавы), фундамент той… … Энциклопедия Кольера
иллюзия — (иллюзия восприятия) неадекватное отражение воспринимаемого предмета и его свойств; искажение восприятия частных признаков некоих предметов или изображений. Иногда так называют сами конфигурации раздражителей, вызывающие подобное восприятие.… … Большая психологическая энциклопедия
Научные школы и направления менеджмента — Информация о наличии организационных структур в практике управления обнаружена на глиняных табличках, датированных третьим тысячелетием до нашей эры. Однако, хотя само управление достаточно старо, идея управления как научной дисциплины, профессии … Википедия
ИОАНН ФИЛОПОН — [Грамматик; греч. ᾿Ιωάννης ὁ Θιλόπονος, ᾿Ιωάννης ὁ γραμματικός] (ок. 490, Александрия (?) ок. 575), александрийский ученый, философ, богослов монофизит. Жизнь Сохранившиеся в истории сведения об И. Ф. отрывочны и противоречивы. Помимо… … Православная энциклопедия
Валентность тензора — Тензор объект линейной алгебры. Частными случаями тензоров являются скаляры, векторы и билинейные формы. Часто тензор представляют как многомерную таблицу (где d размерность векторного пространства, над которым задан тензор, а число… … Википедия
Дуальный базис — Тензор объект линейной алгебры. Частными случаями тензоров являются скаляры, векторы и билинейные формы. Часто тензор представляют как многомерную таблицу (где d размерность векторного пространства, над которым задан тензор, а число… … Википедия
Закон равнораспределения — Тепловое движение α пептида. Сложное дрожащее движение атомов, составляющих пептид, случайно, и энергия отдельного атома флуктуирует в широких пределах, но с помощью закона равнораспределения вычисляют как среднюю кинетическую энергию каждого… … Википедия
Эквипарциальная теорема — Тепловое движение α пептида. Сложное дрожащее движение атомов, составляющих пептид, случайно, и энергия отдельного атома флуктуирует в широких пределах, но с помощью закона равнораспределения вычисляют как среднюю кинетическую энергию каждого… … Википедия
ГЕРМЕНЕВТИКА БИБЛЕЙСКАЯ — отрасль церковной библеистики, изучающая принципы и методы толкования текста Свящ. Писания ВЗ и НЗ и исторический процесс формирования его богословских оснований. Г. б. иногда воспринимается как методическая основа экзегезы. Греч. слово ἡ… … Православная энциклопедия
