распределение задач

Task assignment is achieved using message-passing between cores. — Распределение задач по процессорам [многоядерной системы] обеспечивается при помощи механизма обмена сообщениями между ядрами.

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

распределение ресурсов
Общее понятие исследования операций, теории оптимального функционирования социалистической экономики и вообще всех тех разделов экономической науки, которые связаны с материально-вещественной, производственной стороной экономики. Имеется в виду распределение наличных ресурсов по разным работам, технологическим применениям, направлениям конечного использования для получения наибольших результатов. Значение этой проблемы определяется, во-первых, ограниченностью ресурсов (см. Дефицитность ресурсов) и во-вторых, тем, что эффективность ресурсов в разных направлениях (как в производстве, так и в потреблении) может быть различна. Последнее означает, что общая эффективность зависит не только от количества ресурсов, но и от их распределения. (См. пример в статье Предельный эффект затрат). Р.р. в экономике может в принципе осуществляться двумя способами: централизованным и децентрализованным (рыночным). И в том, и в другом случае основой эффективности Р.р. является информация о потребностях, наличии ресурсов и технологиях. В рыночной экономике главным источником такой информации служат цены. Оптимальное Р.р. — содержание большинства экономико-математических задач, решаемых в сфере планирования и управления производством. В частности, — задач линейного программирования, нелинейного программирования и др. Лауреат Нобелевской премии по экономике Т.Купманс выдвинул фундаментальную, как он выражается, «преинституциональную» теорию Р.р. Смысл этой идеи сводится к тому, что в любом обществе, независимо от его инcтитуциональной структуры, прежде всего решается задача оптимального распределения ресурсов этого общества, а затем уже на нее накладываются те или иные особенности, связанные с его устройством.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• allocation of resources
• facilities assignment

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

распределение ресурсов
Общее понятие исследования операций, теории оптимального функционирования социалистической экономики и вообще всех тех разделов экономической науки, которые связаны с материально-вещественной, производственной стороной экономики. Имеется в виду распределение наличных ресурсов по разным работам, технологическим применениям, направлениям конечного использования для получения наибольших результатов. Значение этой проблемы определяется, во-первых, ограниченностью ресурсов (см. Дефицитность ресурсов) и во-вторых, тем, что эффективность ресурсов в разных направлениях (как в производстве, так и в потреблении) может быть различна. Последнее означает, что общая эффективность зависит не только от количества ресурсов, но и от их распределения. (См. пример в статье Предельный эффект затрат). Р.р. в экономике может в принципе осуществляться двумя способами: централизованным и децентрализованным (рыночным). И в том, и в другом случае основой эффективности Р.р. является информация о потребностях, наличии ресурсов и технологиях. В рыночной экономике главным источником такой информации служат цены. Оптимальное Р.р. — содержание большинства экономико-математических задач, решаемых в сфере планирования и управления производством. В частности, — задач линейного программирования, нелинейного программирования и др. Лауреат Нобелевской премии по экономике Т.Купманс выдвинул фундаментальную, как он выражается, «преинституциональную» теорию Р.р. Смысл этой идеи сводится к тому, что в любом обществе, независимо от его инcтитуциональной структуры, прежде всего решается задача оптимального распределения ресурсов этого общества, а затем уже на нее накладываются те или иные особенности, связанные с его устройством.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• allocation of resources
• facilities assignment

метод Монте-Карло
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

метод Монте-Карло
метод статистических испытаний
Один из методов статистического моделирования, основанный на кибернетической идее «черного ящика». Он применяется в тех случаях, когда построение аналитической модели явления трудно или вовсе неосуществимо, например, при решении сложных задач теории массового обслуживания и ряда других задач исследования операций, связанных с изучением случайных процессов. Применение М. М.-К. можно проиллюстрировать примером из области теории очередей. Предположим, надо определить, как часто и как долго придется ждать покупателям в очереди в магазине при заданной его пропускной способности (допустим, для того, чтобы принять решение, следует ли расширять магазин). Подход покупателей носит случайный характер, распределение времени подхода может быть установлено из имеющейся информации. Время обслуживания покупателей тоже носит случайный характер и его распределение тоже может быть выявлено. Таким образом, имеются два стохастических или случайных процесса, взаимодействие которых и создает очередь. Теперь, если наугад перебирать все возможности (например, число покупателей, приходящих за час), сохраняя те же характеристики распределения, можно искусственно воссоздать картину этого процесса. Повторяя такую картину многократно, каждый раз меняя условия (число подходящих покупателей), можно изучать получаемые статистические данные так, как если бы они были получены при наблюдении над реальным потоком покупателей. Точно так же можно воссоздать искусственную картину работы самого магазина: здесь распределение времени подхода покупателей будет взаимодействовать с распределением времени обслуживания отдельного покупателя. Получаются опять два стохастических процесса. Их взаимодействие даст «очередь» с примерно такими же характеристиками (например, средней длиной очереди или средним временем ожидания), какими обладает реальная очередь. Таким образом, смысл М. М.-К. состоит в том, что исследуемый процесс моделируется путем многократных повторений его случайных реализаций. Единичные реализации называются статистическими испытаниями — отсюда второе название метода. Остается сказать, что такое выбор вариантов наугад (или механизм случайного выбора). В простых случаях для этого можно применять бросание игральной кости (классический учебный прием), но на практике используют таблицы случайных чисел либо вырабатывают (генерируют) случайные числа на ЭВМ, для чего имеются специальные программы, которые называются генераторами случайных чисел.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• метод статистических испытаний

EN

• Monte Carlo method
• Monte-Carlo technique

метод Монте-Карло
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

метод Монте-Карло
метод статистических испытаний
Один из методов статистического моделирования, основанный на кибернетической идее «черного ящика». Он применяется в тех случаях, когда построение аналитической модели явления трудно или вовсе неосуществимо, например, при решении сложных задач теории массового обслуживания и ряда других задач исследования операций, связанных с изучением случайных процессов. Применение М. М.-К. можно проиллюстрировать примером из области теории очередей. Предположим, надо определить, как часто и как долго придется ждать покупателям в очереди в магазине при заданной его пропускной способности (допустим, для того, чтобы принять решение, следует ли расширять магазин). Подход покупателей носит случайный характер, распределение времени подхода может быть установлено из имеющейся информации. Время обслуживания покупателей тоже носит случайный характер и его распределение тоже может быть выявлено. Таким образом, имеются два стохастических или случайных процесса, взаимодействие которых и создает очередь. Теперь, если наугад перебирать все возможности (например, число покупателей, приходящих за час), сохраняя те же характеристики распределения, можно искусственно воссоздать картину этого процесса. Повторяя такую картину многократно, каждый раз меняя условия (число подходящих покупателей), можно изучать получаемые статистические данные так, как если бы они были получены при наблюдении над реальным потоком покупателей. Точно так же можно воссоздать искусственную картину работы самого магазина: здесь распределение времени подхода покупателей будет взаимодействовать с распределением времени обслуживания отдельного покупателя. Получаются опять два стохастических процесса. Их взаимодействие даст «очередь» с примерно такими же характеристиками (например, средней длиной очереди или средним временем ожидания), какими обладает реальная очередь. Таким образом, смысл М. М.-К. состоит в том, что исследуемый процесс моделируется путем многократных повторений его случайных реализаций. Единичные реализации называются статистическими испытаниями — отсюда второе название метода. Остается сказать, что такое выбор вариантов наугад (или механизм случайного выбора). В простых случаях для этого можно применять бросание игральной кости (классический учебный прием), но на практике используют таблицы случайных чисел либо вырабатывают (генерируют) случайные числа на ЭВМ, для чего имеются специальные программы, которые называются генераторами случайных чисел.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• метод статистических испытаний

EN

• Monte Carlo method
• Monte-Carlo technique

выявленный загрязнитель воздуха, не имеющий установленных норм по предельно-допустимой концентрации
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

Тематики

• энергетика в целом

EN

• designated pollutant
• DP

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

дистанционная защита
-
[В.А.Семенов Англо-русский словарь по релейной защите]

дистанционная защита
Защита с относительной селективностью, срабатывание и селективность которой зависят от измерения в месте ее установки электрических величин, по которым путем сравнения с уставками зон оценивается эквивалентная удаленность повреждения
[Разработка типовых структурных схем микропроцессорных устройств РЗА на объектах ОАО "ФКС ЕЭС". Пояснительная записка. Новосибирск 2006 г.]

дистанционная защита
Защита, чье действие и селективность основаны на локальном измерении электрических величин, по которым рассчитываются эквивалентные расстояния до места повреждения в пределах установленных зон.
[ http://docs.cntd.ru/document/1200069370]

дистанционная защита
Защита, принцип действия и селективность которой основаны на измерении в месте установки защиты электрических величин, характеризующих повреждение, и сравнении их с уставками зон.
[Циглер Г. Цифровая дистанционная защита: принципы и применение. М.: Энергоиздат. 2005]

EN

distance protection
distance relay (US)
a non-unit protection whose operation and selectivity depend on local measurement of electrical quantities from which the equivalent distance to the fault is evaluated by comparing with zone settings
[IEV ref 448-14-01]

FR

protection de distance
protection à sélectivité relative de section dont le fonctionnement et la sélectivité dépendent de la mesure locale de grandeurs électriques à partir desquelles la distance équivalente du défaut est évaluée par comparaison avec des réglages de zones
[IEV ref 448-14-01]

Дистанционные защиты применяются в сетях сложной конфигурации, где по соображениям быстродействия и чувствительности не могут использоваться более простые максимальные токовые и токовые направленные защиты.
Дистанционной защитой определяется сопротивление (или расстояние - дистанция) до места КЗ, и в зависимости от этого защита срабатывает с меньшей или большей выдержкой времени. Следует уточнить, что современные дистанционные защиты, обладающие ступенчатыми характеристиками времени, не измеряют каждый раз при КЗ значение указанного выше сопротивления на зажимах измерительного органа и не устанавливают в зависимости от этого большую или меньшую выдержку времени, а всего лишь контролируют зону, в которой произошло повреждение. Время срабатывания защиты при КЗ в любой точке рассматриваемой зоны остается неизменным. Каждая защита выполняется многоступенчатой, причем при КЗ в первой зоне, охватывающей 80-85% длины защищаемой линии, время срабатывания защиты не более 0,15 с. Для второй зоны, выходящей за пределы защищаемой линии, выдержка времени на ступень выше и колеблется в пределах 0,4-0,6 с. При КЗ в третьей зоне выдержка времени еще более увеличивается и выбирается так же, как и для направленных токовых защит.
На рис. 7.15 показан участок сети с двухсторонним питанием и приведены согласованные характеристики выдержек времени дистанционных защит (ДЗ). При КЗ, например, в точке К1 - первой зоне действия защит ДЗ3 и ДЗ4 - они сработают с минимальным временем соответственно t I3 и t I4. Защиты ДЗ1 и ДЗ6 также придут в действие, но для них повреждение будет находиться в III зоне, и они могут сработать как резервные с временем t III1 и t III6 только в случае отказа в отключении линии БВ собственными защитами.


Рис. 7.14. Размещение токовых направленных защит нулевой последовательности на участке сетей и характеристики выдержек времени защит:
Р31-Р36 - комплекты токовых направленных защит нулевой последовательности


Рис. 7.15. Защита участка сети дистанционными защитами и характеристики выдержек времени этих защит:
ДЗ1-ДЗ6 - комплекты дистанционных защит; l3 и l4 - расстояния от мест установки защит до места повреждения

При КЗ в точке К2 (шины Б) оно устраняется действием защит ДЗ1 и ДЗ4 с временем t II1 и t II4.
Дистанционная защита - сложная защита, состоящая из ряда элементов (органов), каждый из которых выполняет определенную функцию. На рис. 7.16 представлена упрощенная схема дистанционной защиты со ступенчатой характеристикой выдержки времени. Схема имеет пусковой и дистанционный органы, а также органы направления и выдержки времени.
Пусковой орган ПО выполняет функцию отстройки защиты от нормального режима работы и пускает ее в момент возникновения КЗ. В качестве такого органа в рассматриваемой схеме применено реле сопротивления, реагирующее на ток I р и напряжение U p на зажимах реле.
Дистанционные (или измерительные) органы ДО1 и ДО2 устанавливают меру удаленности места КЗ.
Каждый из них выполнен при помощи реле сопротивления, которое срабатывает при КЗ, если

где Z p - сопротивление на зажимах реле; Z - сопротивление защищаемой линии длиной 1 км; l - длина участка линии до места КЗ, км; Z cp - сопротивление срабатывания реле.
Из приведенного соотношения видно, что сопротивление на зажимах реле Z p пропорционально расстоянию l до места КЗ.
Органы выдержки времени ОВ2 и ОВ3 создают выдержку времени, с которой защита действует на отключение линии при КЗ во второй и третьей зонах. Орган направления OHM разрешает работу защиты при направлении мощности КЗ от шин в линию.
В схеме предусмотрена блокировка БН, выводящая защиту из действия при повреждениях цепей напряжения, питающих защиту. Дело в том, что если при повреждении цепей напряжение на зажимах защиты Uр=0, то Zp=0. Это означает, что и пусковой, и дистанционный органы могут сработать неправильно. Для предотвращения отключения линии при появлении неисправности в цепях напряжения блокировка снимает с защиты постоянный ток и подает сигнал о неисправности цепей напряжения. Оперативный персонал в этом случае обязан быстро восстановить нормальное напряжение на защите. Если по какой-либо причине это не удается выполнить, защиту следует вывести из действия переводом накладки в положение "Отключено".

Рис. 7.16. Принципиальная схема дистанционной защиты со ступенчатой характеристикой выдержки времени

Работа защиты.

При КЗ на линии срабатывают реле пускового органа ПО и реле органа направления OHM. Через контакты этих реле плюс постоянного тока поступит на контакты дистанционных органов и на обмотку реле времени третьей зоны ОВ3 и приведет его в действие. Если КЗ находится в первой зоне, дистанционный орган ДО1 замкнет свои контакты и пошлет импульс на отключение выключателя без выдержки времени. При КЗ во второй зоне ДО1 работать не будет, так как значение сопротивления на зажимах его реле будет больше значения сопротивления срабатывания. В этом случае сработает дистанционный орган второй зоны ДО2, который запустит реле времени ОВ2. По истечении выдержки времени второй зоны от реле ОВ2 поступит импульс на отключение линии. Если КЗ произойдет в третьей зоне, дистанционные органы ДО1 и ДО2 работать не будут, так как значения сопротивления на их зажимах больше значений сопротивлений срабатывания. Реле времени ОВ3, запущенное в момент возникновения КЗ контактами реле OHM, доработает и по истечении выдержки времени третьей зоны пошлет импульс на отключение выключателя линии. Дистанционный орган для третьей зоны защиты, как правило, не устанавливается.
В комплекты дистанционных защит входят также устройства, предотвращающие срабатывание защит при качаниях в системе.
[ http://leg.co.ua/knigi/raznoe/obsluzhivanie-ustroystv-releynoy-zaschity-i-avtomatiki-4.html]

 

Тематики

• релейная защита

Синонимы

• дистанционная релейная защита

EN

• distance protection
• distance relay (US)
• DP
• impedance protection

DE

• Distanzschutz, m

FR

• protection de distance

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

Тематики

• информационные технологии в целом

EN

• dial signa
• dial pulse
• DP

обработка данных
Систематическое осуществление операций над данными.
[ИСО/МЭК 2382-1]
[ ГОСТ Р 52292-2004]

обработка данных
Технологическая операция, в результате которой изменяет свое значение хотя бы один из показателей, характеризующих состояние данных (объем данных при этом не изменяется).
[ ГОСТ Р 51170-98]

обработка данных
- Любое преобразование данных при решении конкретной задачи.
- Работа, выполняемая компьютером.
[ http://www.morepc.ru/dict/]

обработка данных
Процесс приведения данных к виду, удобному для использования. Независимо от вида информации, которая должна быть получена, и типа оборудования любая система О.д. выполняет три основные группы операций: подбор исходных, входных данных (см. Сбор данных), собственно их обработку (в процессе которой система оперирует промежуточными данными), получение и анализ результатов, т.е. выходных данных). Выполняет ли эти операции человек или машина (см. Автоматизированная система обработки данных), все равно они следуют при этом заданному алгоритму (для человека это могут быть инструкция, методика, а для ЭВМ — программа). Важным процессом О.д. является агрегирование, укрупнение их от одной к другой ступени хозяйственной иерархии. Проверка статистических данных, приведение их к сопоставимому виду, сложение, вычитание и другие арифметические операции — тоже процессы О.д. Можно назвать также выборку, отсечение ненужных данных, запоминание, изменение последовательности (упорядочение), классификацию и многие другие. О.д. предшествует во времени принятию решений. Она может производиться эпизодически, периодически (т.е. через заданные промежутки времени), в АСУ — также в реальном масштабе времени. Последнее означает, что О.д. производится с той же скоростью, с какой протекают описываемые ими события, иначе говоря — со скоростью, достаточной для анализа событий и управления их последующим ходом.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• качество служебной информации
• экономика
• электронный обмен информацией

EN

• data processing
• DP
• information processing

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

Тематики

• энергетика в целом

EN

• pressure ratio
• differential pressure
• DP
• differential head
• pressure fall

порт пункта назначения
(МСЭ-T G.7041/ Y.1303).
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• destination port
• DP

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

Тематики

• информационные технологии в целом

EN

• draft proposal
• DP

приоритет при отбрасывании
(МСЭ-T G.8010/ Y.1306).
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• dropping precedence
• DP

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

Тематики

• энергетика в целом

EN

• draft proposal
• DP

процессор для обработки данных
—
[Е.С.Алексеев, А.А.Мячев. Англо-русский толковый словарь по системотехнике ЭВМ. Москва 1993]

Тематики

• информационные технологии в целом

EN

• data processor
• DP

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

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