условие задачи

в идеальных условиях — under ideal circumstances

выполнять условие — meet condition, fulfill condition

налагать условия — impose conditions

нарушать условие — violate condition

определять условия — specify conditions

отвечать условию — meet condition

по условиям задачи — under the conditions of the problem

при заданных условиях — under given conditions

при нормальных условиях — at standard conditions

при определённых условиях — under certain conditions

при прочих равных условиях — other conditions being equal

при сходных условиях — under similar conditions

при условии, что... — provided that..., on condition that..., given that...

условие первого порядка (задачи) — first-order condition (for a problem)

Условие первого порядка этой задачи имеет вид …. — The first-order condition for the problem is ….

переписывать условие первого порядка в виде равенства — rewrite the first-order condition as the equality

Условие первого порядка можно переписать в виде равенства предельной выручки и предельных затрат. — We may rewrite the first-order condition as the equality between marginal revenue and marginal cost.

условие перекрестной производной — cross derivative condition

условия первого порядка для оптимальности по Парето — first-order conditions for Pareto optimality

Без этого условия не обойтись. — This condition cannot be dispensed with.

Это условие выполняется. — This condition is met. (This condition works).

Это условие не выполняется. — This condition is ruled out.

Это условие нарушается. — This condition is violated.

непременное, обязательное условие — indispensable condition; (condition) sine qua non

необходимые условия — the requisite / necessary conditions

ставить условия — make* terms, lay* down conditions / terms

какие ваши условия? — what are your terms?

с условием, что, при условии, что — on condition that, provided, providing

я это сделаю при условии, что мне помогут — I will do it provided I get help

при данных, благоприятных условиях — under existing, favourable conditions

ни при каких условиях — under no circumstances

при прочих равных условиях — other things being equal

условия труда — conditions of work

бытовые условия, условия жизни — conditions of life, living conditions

жилищные условия — housing conditions

предоставить все необходимые условия (для) — offer all necessary facilities (for)

взаимные задачи оптимизации
Пара задач скалярной оптимизации плана, в которых с разных сторон отыскивается наилучшее распределение дефицитных ресурсов: максимизируемая в одной из них целевая функция образует ограничивающее условие (ограничение) для другой, и наоборот, минимизируемая целевая функция последней служит ограничением для первой. Создание теории взаимных задач А.Г. Аганбегяном и К.А. Багриновским было одним из заметных эпизодов развития экономико-математических методов в бывшем СССР.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mutual optimization 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

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

задача диеты
задача о рационе
Задача линейного программирования, состоящая в определении такого рациона, который удовлетворял бы потребности человека или животного в питательных веществах при минимальной общей стоимости используемых продуктов. Это частный (наиболее распространенный) случай более общей задачи об оптимальном составе смеси..Задача составления оптимального рациона для человека сложна, так как приходится учитывать много дополнительных, не всегда формализуемых факторов: вкусовые привязанности, разнообразие блюд и т.д. Однако в животноводстве определение рационов для скота с помощью задачи линейного программирования сегодня не просто реально, но и необходимо. Опыт показывает, что кормление скота рационами, рассчитанными по этому методу, дает существенную экономию. Например, в США ими пользуются многие фермеры. Это не означает, разумеется, что каждый сам решает задачу линейного программирования: в разных районах страны издаются справочники рационов кормления, учитывающие местные особенности и возможности, породы скота и т.д. · Модель задачи можно записать так: найти минимум суточных затрат на продукты питания где cj — цена; xj — количество продукта под номером j, n — количество таких продуктов при условии т.е. в рационе должно содержаться не менее bi питательного вещества с номером i; aij — количество i-го вещества в единице j-го продукта; кроме того, записывается условие неотрицательности: xj ? 0.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

Синонимы

• задача о рационе

EN

• nutrient problem

задача о ранце
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

задача о ранце
задача о рюкзаке
Задача о наилучшем выборе предметов из общего их количества таким образом, чтобы их суммарный вес (или габариты и т.п.) не превышал заданного, а их суммарная полезность, или иная общая оценка, была максимальной. Решается как задача целочисленного линейного программирования, методами динамического программирования и др. Применяется, например, при планировании оптимальной загрузки самолетов, кораблей, складов. Упрощенно модель задачи о ранце можно записать так: Найти т.е. наибольшую ценность груза (xi — количество, vi — стоимость предмета i-го вида, i = 1, 2, …, n); при условиях: т.е. вес груза не превышает грузоподъемности ранца W (pi — вес i-го предмета); xi = 0, 1, 2,.. Последнее условие говорит о том, что предметы неделимы (условие целочисленности).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

Синонимы

• задача о рюкзаке

EN

• knapsack problem

задача о раскрое
Частный случай задач о комплексном использовании сырья, обычно сводящихся к методу линейного программирования. Выработанный математиками метод решения З.о.р. помогает с наименьшими отходами использовать прутки и листы металла, листы стекла, картона и других материалов при раскрое их на заданное количество деталей различных размеров. Постановку задачи в общем виде можно сформулировать так: требуется найти минимум линейной формы, выражающей число израсходованных листов материала (прутков и т.п.) по всем j-м способам их раскроя: при условии, что переменные xj удовлетворяют ограничению Это означает, что соблюдена комплектность: все необходимые заготовки сделаны в достаточном числе, ri, (aij — число заготовок i-го типа при j-м способе раскроя, xj — число листов, раскроенных j-м способом). Наконец, принимается условие неотрицательности: xj ? 0, т.е. число листов не может быть отрицательно. Способы постановки и решения таких задач хорошо отработаны. Их можно применять на любом предприятии. При правильной постановке задачи применение метода линейного программирования гарантирует сокращение отходов до минимально возможного.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• cut problem
• trim 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

ограничения модели
Запись условий, в которых действительны расчеты, использующие эту модель. Обычно представляя собою систему уравнений и неравенств, они в совокупности определяют область допустимых решений (допустимое множество). Совместность системы ограничений — обязательное условие разрешимости модели: в случае несовместности этой системы допустимое множество является пустым. На практике в качестве О.м. часто выступают ресурсы сырья и материалов, капиталовложения, возможные варианты расширения предприятий, потребности в готовой продукции и т.п. Как правило, если снять ограничения задачи, то показатели ее решения окажутся лучше, чем при решении, соответствующем реальным условиям. И, наоборот, если сделать ограничения более жесткими и тем самым сократить возможности выбора вариантов, то решение окажется, как правило, хуже. В первом случае оно будет оптимистичным, во втором — пессимистичным. Это, между прочим, открывает возможность приблизительного, прикидочного решения некоторых оптимизационных задач: меняя ограничения, можно оценить диапазон значений, в пределах которых находятся решения задачи. На рис.O.3 а, б показаны некоторые важнейшие типы О.м., определяющих область допустимых решений в задачах математического программирования. (Для наглядности — в 2-мерном пространстве, в его первом квадранте). Ограничения I, II, Y — линейные, III, IY, YI — нелинейные. Линейными ограничениями являются на рис. O.3а также оси координат; иначе говоря, в область допустимых решений здесь входят все точки, удовлетворяющие I и II, но кроме того, отвечающие условию  x1  ? 0, x2 ? 0 (см. Неотрицательность значений). Кривая IY — ограничение переменной x2 сверху, YI — ограничение той же переменной снизу. Запись типа  a? x ?b  называется двусторонним ограничением. Все показанные ограничения относятся к типу ограничений-неравенств. Что касается ограничений-равенств, то они определяют область допустимых решений как точку (в одномерном пространстве), как линию (в двумерном пространстве), как гиперповерхность (в многомерном пространстве). Экономико-математические ограничения разделяются также на детерминированные (см. рис. O.3 а, б) и стохастические (см. рис.O.3 в). В последнем случае серия кривых АВС отображает возможные случайные реализации стохастического ограничения. В задачах математического программирования системы ограничений (т.е. выражающих их уравнений и неравенств) удобно записывать в векторной форме: f (x) = b или f (x) ? b и т.п., где x — вектор-столбец управляющих переменных xi (i = 1, 2, …, n), b — вектор-столбец, компонентами которого являются функции ограничений bi (примеры см. в статье Математическое программирование). В моделях планирования ограничения снизу имеют смысл плановых заданий (которые допустимо перевыполнять), ограничения сверху — смысл «квот» на выпуск тех или иных видов продукции. При совпадении ограничений сверху и снизу экономический субъект полностью лишается свободы принятия решений в данной области. В системах моделей различаются общесистемные (или глобальные) О.м., имеющие силу для всей моделируемой экономической системы, и локальные ограничения для моделей отдельных подсистем. Несовместность локальных ограничений с общесистемными приводит к неразрешимости системы моделей.   Рис.О.3  Линейные и нелинейные ограничения
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• model constraints