задача+программирования

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

транспортная задача
Совокупность всех компонентов, которые должны быть обеспечены и задействованы для осуществления транспортного обслуживания Игр, включая предоставление услуг в объеме, необходимом для удовлетворения потребности в транспортном обслуживании, с использованием улучшенных транспортных возможностей города-организатора, а также дополнительных транспортных услуг, предоставляемых клиентам во время проведения Игр.
[Департамент лингвистических услуг Оргкомитета «Сочи 2014». Глоссарий терминов]

транспортная задача
Одна из наиболее распространенных задач математического программирования (обычно — линейного). В общем виде ее можно представить так: требуется найти такой план доставки грузов от поставщиков к потребителям, чтобы стоимость перевозки (или суммарная дальность, или объем транспортной работы в тонно-километрах) была наименьшей. Следовательно, дело сводится к наиболее рациональному прикреплению производителей к потребителям продукции (и наоборот). В простейшем виде, когда распределяется один вид продукта и потребителям безразлично, от кого из поставщиков его получать, задача формулируется следующим образом. Имеется ряд пунктов производства A1, A2, …, Am с объемами производства в единицу времени (месяц, квартал), равными соответственно a1, a2, …, am и пункты потребления B1, B2, …, Bn, потребляющие за тот же промежуток времени, соответственно b1, b2, …, bn продукции. В случае, если решается закрытая (сбалансированная) задача, сумма объемов производства на всех m пунктах-поставщиках равна сумме объемов потребления на всех n пунктах-получателях: Кроме того, известны затраты по перевозке единицы продукта от каждого поставщика к каждому получателю — эти величины обозначим cij. В качестве неизвестных величин выступают объемы продукта, перевозимого из каждого пункта производства в каждый пункт потребления, соответственно обозначаемые xij. Тогда наиболее рациональным прикреплением поставщиков к потребителям будет то, при котором суммарные затраты на транспортировку будут наименьшими: При этом каждый потребитель получает нужное количество продукта и каждый поставщик отгружает весь произведенный им продукт Как и во всех подобных случаях, здесь также оговаривается неотрицательность переменных: поставка от какого-то пункта производства тому или иному пункту потребления может быть равна нулю, но отрицательной, т.е. следовать в обратном направлении, быть не может. Поскольку принято, что затраты на перевозки растут здесь пропорционально их объему, то перед нами задача линейного программирования — одна из задач распределения ресурсов. Несбалансированную (открытую) Т.з. приводят к виду, показанному выше, искусственно: в модель вводятся так называемые фиктивный поставщик или фиктивный потребитель, которые балансируют спрос и потребление. В настоящее время разработано множество различных алгоритмов решения Т.з.: распределительный метод, метод потенциалов, дельта-метод, венгерский метод, метод дифференциальных рент, способ двойного предпочтения, различные сетевые методы. Они относительно просты, по ним составлены десятки программ для различных вычислительных машин. Во многих снабженческих, транспортных и других организациях во всем мире с их помощью рассчитываются маршруты доставки материалов на строительные площадки, планы длительного прикрепления поставщиков металлопроката к потребителям, планы перевозок топлива. Задачи эти часто усложняются разного рода дополнительными условиями; например, в них включается расчет не только себестоимости перевозок, но и себестоимости производства продукции (производственно-транспортная задача), оптимизируется совместно доставка взаимозаменяемых видов продукции (скажем, различных кровельных материалов), оптимизируется доставка грузов с промежуточными базами (складами). Кроме того, следует учитывать, что экономико-математическая модель Т.з. позволяет описывать множество ситуаций, весьма далеких от проблемы перевозок, в частности, находить оптимальное размещение заказов на производство изделий с разной себестоимостью.
[ http://slovar-lopatnikov.ru/]

EN

transport task
Sum of the components required to be delivered and operated for the execution of Games Transport, including the delivery of services to meet transport demand including Host City transport supply, enhanced and Games-specific supplementary transport services and operations.
[Департамент лингвистических услуг Оргкомитета «Сочи 2014». Глоссарий терминов]

Тематики

• спорт (службы Игр)
• экономика

EN

• transport task
• transportation problem

транспортная задача
Совокупность всех компонентов, которые должны быть обеспечены и задействованы для осуществления транспортного обслуживания Игр, включая предоставление услуг в объеме, необходимом для удовлетворения потребности в транспортном обслуживании, с использованием улучшенных транспортных возможностей города-организатора, а также дополнительных транспортных услуг, предоставляемых клиентам во время проведения Игр.
[Департамент лингвистических услуг Оргкомитета «Сочи 2014». Глоссарий терминов]

транспортная задача
Одна из наиболее распространенных задач математического программирования (обычно — линейного). В общем виде ее можно представить так: требуется найти такой план доставки грузов от поставщиков к потребителям, чтобы стоимость перевозки (или суммарная дальность, или объем транспортной работы в тонно-километрах) была наименьшей. Следовательно, дело сводится к наиболее рациональному прикреплению производителей к потребителям продукции (и наоборот). В простейшем виде, когда распределяется один вид продукта и потребителям безразлично, от кого из поставщиков его получать, задача формулируется следующим образом. Имеется ряд пунктов производства A1, A2, …, Am с объемами производства в единицу времени (месяц, квартал), равными соответственно a1, a2, …, am и пункты потребления B1, B2, …, Bn, потребляющие за тот же промежуток времени, соответственно b1, b2, …, bn продукции. В случае, если решается закрытая (сбалансированная) задача, сумма объемов производства на всех m пунктах-поставщиках равна сумме объемов потребления на всех n пунктах-получателях: Кроме того, известны затраты по перевозке единицы продукта от каждого поставщика к каждому получателю — эти величины обозначим cij. В качестве неизвестных величин выступают объемы продукта, перевозимого из каждого пункта производства в каждый пункт потребления, соответственно обозначаемые xij. Тогда наиболее рациональным прикреплением поставщиков к потребителям будет то, при котором суммарные затраты на транспортировку будут наименьшими: При этом каждый потребитель получает нужное количество продукта и каждый поставщик отгружает весь произведенный им продукт Как и во всех подобных случаях, здесь также оговаривается неотрицательность переменных: поставка от какого-то пункта производства тому или иному пункту потребления может быть равна нулю, но отрицательной, т.е. следовать в обратном направлении, быть не может. Поскольку принято, что затраты на перевозки растут здесь пропорционально их объему, то перед нами задача линейного программирования — одна из задач распределения ресурсов. Несбалансированную (открытую) Т.з. приводят к виду, показанному выше, искусственно: в модель вводятся так называемые фиктивный поставщик или фиктивный потребитель, которые балансируют спрос и потребление. В настоящее время разработано множество различных алгоритмов решения Т.з.: распределительный метод, метод потенциалов, дельта-метод, венгерский метод, метод дифференциальных рент, способ двойного предпочтения, различные сетевые методы. Они относительно просты, по ним составлены десятки программ для различных вычислительных машин. Во многих снабженческих, транспортных и других организациях во всем мире с их помощью рассчитываются маршруты доставки материалов на строительные площадки, планы длительного прикрепления поставщиков металлопроката к потребителям, планы перевозок топлива. Задачи эти часто усложняются разного рода дополнительными условиями; например, в них включается расчет не только себестоимости перевозок, но и себестоимости производства продукции (производственно-транспортная задача), оптимизируется совместно доставка взаимозаменяемых видов продукции (скажем, различных кровельных материалов), оптимизируется доставка грузов с промежуточными базами (складами). Кроме того, следует учитывать, что экономико-математическая модель Т.з. позволяет описывать множество ситуаций, весьма далеких от проблемы перевозок, в частности, находить оптимальное размещение заказов на производство изделий с разной себестоимостью.
[ http://slovar-lopatnikov.ru/]

EN

transport task
Sum of the components required to be delivered and operated for the execution of Games Transport, including the delivery of services to meet transport demand including Host City transport supply, enhanced and Games-specific supplementary transport services and operations.
[Департамент лингвистических услуг Оргкомитета «Сочи 2014». Глоссарий терминов]

Тематики

• спорт (службы Игр)
• экономика

EN

• transport task
• transportation problem

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

математическое ожидание
Одна из численных характеристик случайной величины, часто называемая ее теоретической средней. Для дискретной случайной величины X математическое ожидание равно сумме произведений возможных значений этой величины на их вероятности: Мх= ?хР(х), а для непрерывной случайной величины — интегралу Обозначается обычно: Mx или Ex (в нашем словаре принято первое из этих обозначений). См. также Среднее значение. Математическое программирование [mathematical programming] - (см. также Оптимальное программирование) — раздел математики, который «… изучает методы решения задач на нахождение экстремума функций (показателя качества решения) при ограничениях в форме уравнений и неравенств»[1]. Оно объединяет различные математические методы и дисциплины исследования операций: линейное программирование, нелинейное программирование, динамическое программирование, выпуклое программирование, геометрическое программирование, целочисленное программирование и др. Общая задача М.п. состоит в нахождении оптимального (максимального или минимального) значения целевой функции, причем значения переменных должны принадлежать некоторой области допустимых значений (см. Область допустимых решений). В самом общем виде задача записывается так: U = f(x) ? max; x ? M, где x = (x1, x2,…, xn); M — область допустимых значений переменных x1,…, xn; f(x) — целевая функция. Частный случай задачи М.п. — «классическая задача». В ней область M представлена равенствами: g(x) = b, где g(x) — вектор функций ограничений, b — вектор констант ограничений. Названные выше разнообразные дисциплины отличаются друг от друга видом целевой функции f(x) и области М. Например, если f(x) и M — линейны, имеем задачу линейного программирования; если же дополнительно ставится условие, чтобы переменные были целочисленны, имеем задачу целочисленного программирования; если зависимость U от x (т.е. форма f) носит нелинейный характер — задачу нелинейного программирования. Развивающаяся область — стохастическое программирование, задачи которого в отличие от детерминированных характеризуются тем, что их исходные данные (все или часть) — суть случайные величины. [1] Математический аппарат экономического моделирования. М.: “Наука”, 1983, стр 8.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• expectation
• expected value

намерения (мн.)
стремления (мн.)
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

Синонимы

• стремления (мн.)

EN

• expectation

ожидание
В сетевом планировании - процесс, требующий расхода времени без затрат ресурсов
[Терминологический словарь по строительству на 12 языках (ВНИИИС Госстроя СССР)]

Тематики

• сетевое планирование, моделирование

EN

• expectation
• waiting time

DE

• Pause
• Wartezeit

FR

• attente
• espérance

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

математическое ожидание
Одна из численных характеристик случайной величины, часто называемая ее теоретической средней. Для дискретной случайной величины X математическое ожидание равно сумме произведений возможных значений этой величины на их вероятности: Мх= ?хР(х), а для непрерывной случайной величины — интегралу Обозначается обычно: Mx или Ex (в нашем словаре принято первое из этих обозначений). См. также Среднее значение. Математическое программирование [mathematical programming] - (см. также Оптимальное программирование) — раздел математики, который «… изучает методы решения задач на нахождение экстремума функций (показателя качества решения) при ограничениях в форме уравнений и неравенств»[1]. Оно объединяет различные математические методы и дисциплины исследования операций: линейное программирование, нелинейное программирование, динамическое программирование, выпуклое программирование, геометрическое программирование, целочисленное программирование и др. Общая задача М.п. состоит в нахождении оптимального (максимального или минимального) значения целевой функции, причем значения переменных должны принадлежать некоторой области допустимых значений (см. Область допустимых решений). В самом общем виде задача записывается так: U = f(x) ? max; x ? M, где x = (x1, x2,…, xn); M — область допустимых значений переменных x1,…, xn; f(x) — целевая функция. Частный случай задачи М.п. — «классическая задача». В ней область M представлена равенствами: g(x) = b, где g(x) — вектор функций ограничений, b — вектор констант ограничений. Названные выше разнообразные дисциплины отличаются друг от друга видом целевой функции f(x) и области М. Например, если f(x) и M — линейны, имеем задачу линейного программирования; если же дополнительно ставится условие, чтобы переменные были целочисленны, имеем задачу целочисленного программирования; если зависимость U от x (т.е. форма f) носит нелинейный характер — задачу нелинейного программирования. Развивающаяся область — стохастическое программирование, задачи которого в отличие от детерминированных характеризуются тем, что их исходные данные (все или часть) — суть случайные величины. [1] Математический аппарат экономического моделирования. М.: “Наука”, 1983, стр 8.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• expectation
• expected value

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

Тематики

• информационные технологии в целом

EN

• expected value

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

Тематики

• экономика

EN

• allocation problems

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

Тематики

• экономика

EN

• discrete programming

дискретное программирование выборочных величин
—
[ http://slovarionline.ru/anglo_russkiy_slovar_neftegazovoy_promyishlennosti/]

Тематики

• нефтегазовая промышленность

EN

• discrete programming

нелинейное программирование
Раздел математического программирования, изучающий методы решения экстремальных задач с нелинейной целевой функцией и (или) областью допустимых решений, определенной нелинейными ограничениями. В экономике это соответствует тому, что результаты (эффективность) возрастают или убывают непропорционально изменению масштабов использования ресурсов (или, что то же самое, масштабов производства) - например, из-за деления издержек производства на предприятиях на переменные и условно-постоянные, из-за насыщения спроса на товары, когда каждую следующую единицу продать труднее, чем предыдущую, из-за влияния экстерналий (см.Внешняя экономия, внешние издержки) и т.д. В краткой форме задачу Н.п. можно записать так: F (x) ? max при условиях g (x) ? b, x ? 0. где x — вектор искомых переменных, F (x) — целевая функция, g (x) — функция ограничений (непрерывно дифференцируемая), b — вектор констант ограничений (выбор знака ? в первом условии здесь произволен, его всегда можно изменить на обратный). Решение задачи нелинейного программирования (глобальный максимум или минимум) может принадлежать либо границе, либо внутренней части допустимого множества. Иначе говоря, задача состоит в выборе таких неотрицательных значений переменных, подчиненных системе ограничений в форме неравенств, при которых достигается максимум (или минимум) данной функции. При этом не оговаривается форма ни целевой функции, ни неравенств. Могут быть разные случаи: целевая функция — нелинейна, а ограничения — линейны; целевая функция — линейна, а ограничения (хотя бы одно из них) - нелинейны; и целевая функция, и ограничения нелинейны. Задачи, в которых число переменных и (или) число ограничений бесконечно, называются задачами бесконечномерного Н.п.. Задачи, в которых целевая функция и (или) функции ограничений содержат случайные элементы, называются задачами стохастического Н.п. Например, задачу для двух переменных (выпуск продукта x и выпуск продукта y) и вогнутой целевой функции (прибыль — p) можно геометрически представить на чертеже (см. рис. H.4; заштрихована область допустимых решений). Эта задача реалистично отражает распространенное в экономике явление: рост прибыли с ростом производства до определенного (оптимального) уровня в точке B’, а затем ее снижение, например, вследствие затоваривания продукцией или исчерпания наиболее эффективных ресурсов. Нелинейные задачи сложны, часто их упрощают тем, что приводят к линейным. Для этого условно принимают, что на том или ином участке целевая функция возрастает или убывает пропорционально изменению независимых переменных. Такой подход называется методом кусочно-линейных приближений, он применим, однако, лишь к некоторым видам нелинейных задач. Нелинейные задачи в определенных условиях решаются с помощью функции Лагранжа (см. Множители Лагранжа, Лагранжиан): найдя ее седловую точку, тем самым находят и решение задачи. Среди вычислительных алгоритмов Н.п. большое место занимают градиентные методы. Универсального же метода для нелинейных задач нет, и, по-видимому, может не быть, поскольку они чрезвычайно разнообразны. Особенно трудно решаются многоэкстремальные задачи. Для некоторых типов задач выпуклого программирования (вид нелинейного) разработаны эффективные численные методы оптимизации Рис. Н.4 Нелинейное программирование (заштрихована область допустимых решений)
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• nonlinear programming

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

теория расписаний
Научная дисциплина, посвященная разработке методов оптимизации оперативно-календарного планирования. Задачи Т.р. — один из видов задач исследования операций, объединяемых в классе задач упорядочения. Они состоят в определении оптимальной очередности обработки изделий на различных станках или других рабочих местах, составлении программы-»диспетчера» для управления работой ЭВМ в мультипрограммном режиме и т.п. Для решения задач используется ряд методов линейного программирования, дискретного программирования, методы ветвей и границ, сетевого планирования и управления. Последнее время особое развитие принимают приближенные методы решения, резко сокращающие перебор вариантов, (метод Монте-Карло). Сложность таких задач можно проиллюстрировать примером: требуется спланировать изготовление четырех изделий, каждое из которых проходит обработку на каждом из пяти станков. Существует (4!)5 или почти 7962 тыс. различных вариантов обработки (последовательностей); некоторые из них к тому же надо как-то отсеять, поскольку определенные операции следует выполнять в заданном порядке. На практике, разумеется, задачи еще намного сложнее. Проще других решаются так называемые задачи одного станка: поиск наилучшей последовательности обработки на нем некоторого множества деталей (наилучшей с точки зрения минимума затрат на пролеживание деталей до и после обработки, минимума времени задержки в выдаче деталей по сравнению с установленным сроком, минимального объема незавершенного производства и т.п.). Существует также ряд моделей планирования работы производственного участка (методическую основу для них дает модель Джонсона для n деталей и двух станков, но она представляет лишь теоретический интерес и малоприменима на практике). Наконец, Т.р. содержит методы составления календарных планов работы предприятий. Обычно задача ставится таким образом: составить план изготовления всех изделий, в котором не нарушались бы технологические ограничения, ограничения по мощности оборудования, а также сроки запуска и выпуска продукции. См. также: Задача о коммивояжере, Оперативно-календарное планирование.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• scheduling theory

язык Java
Интерпретируемый объектно-ориентированный язык программирования фирмы Sun Microsystems.
Объектный язык программирования, разработанный компанией Sun Microsystems на основе языка C++. В 1995 г. компания предоставила на своем Web-сайте для свободного доступа спецификации языка и инструментальные средства разработки приложений - Java Development Kit (JDK). Главная задача, которую преследовали разработчики, - создание надежного платформенно-независимого объектного языка, который позволял бы разрабатывать небольшие мобильные приложения для среды Web - аплеты. Технология разработки и использования Java-аплетов основана на двух стандартизованных компанией компонентах: на мобильных Java-байт кодах - формате представления результатов компиляции исходного программного кода Java-аплета - и на спецификациях виртуальной машины Java (Java Virtual Machine, JVM) - интерпретаторе мобильных Java-байт кодов. Скомпилированные аплеты должны храниться на Web-сервере. Их вызов на машину клиента обеспечивается браузером при просмотре HTML-страницы, в которой с помощью специальных тегов встроен вызов аплета и передача ему фактических параметров. После вызова мобильных Java-байт кодов на сторону Web-клиента их исполнение осуществляется JVM, встроенной в браузер. Наряду с использованием Java для создания аплетов широко используются также системы программирования с входным языком Java, основанные на традиционной технологии [Энциклопедия Когаловского].
Межплатформенный язык программирования. Программы, написанные на JAVA, запускаются на стороне клиента, используя т.н. виртуальную машину (VM) Java. Применяется для создания динамических страничек, организиции доступа к базам данных посредством Internet и т.п. [http://www.webxpert.ru/slovar.html].
[ http://www.morepc.ru/dict/]

Тематики

• информационные технологии в целом

EN

• Java

оптимальная или оптимизационная задача
Экономико-математическая задача, цель которой состоит в нахождении наилучшего (с точки зрения какого-то критерия) распределения наличных ресурсов. (Иногда то же: Экстремальная задача.) Решается с помощью оптимальной модели методами математического программирования, т.е. путем поиска максимума или минимума некоторых функций или функционалов при заданных ограничениях (условная оптимизация) и без ограничений — безусловная оптимизация. Решение О.з. называется оптимальным решением, оптимальным планом, оптимальной точкой.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• optimization problem