Теория принятия решений. Динамическое программирование
Начальная страница. Содержание
Введение    Цели и задачи     Методологические основы     Линейное программирование     Нeлинейное программирование     Нeлинейное программирование: Безусловная однопараметрическая оптимизация     Нeлинейное программирование: Безусловная многопараметрическая оптимизация    Нeлинейное программирование: Условная многопараметрическая оптимизация    Целочисленное и дискретное программирование     Динамическое программирование     Принятие решений в условиях неопределенности     Принятие многоцелевых решений     Марковские процессы принятия решений     Литература    



Теоретические разделы

Задания к лабораторно-практическим занятиям

5.1. Общие понятия

5.2. Практические рекомендации при постановке задач динамического программирования

5.3. Оптимальное распределение ресурсов

5.4. Оптимальная политика замены оборудования

5.5. Контрольные вопросы и задания

Вариант 1

Вариант 2

Вариант 3

Вариант 4

Вариант 5

Вариант 6

Вариант 7

Вариант 8

Вариант 9

Вариант 10

Задача решается с использованием пакета EXCEL или LINGO. В отчете отразить постановку задачи а также приложить распечатки созданных программ и тестовых решений.

 


 

 

 

 

 

 

 

5.1. Общие понятия

Все рассматриваемые в главах 2-4 задачи характеризуются тем, что в них не учитываются изменения оптимизируемых параметров во времени - процессы считаются статичными. Выбирается некоторый период времени, и для него определяются проектируемые или планируемые значения показателей, например, объемы выхода ликвидной или деловой древесины, поставок лесопродукции потребителям, прибыль, приведенные затраты и т.д. При этом предполагается, что управляемые или неуправляемые параметры систем в течение всего планового периода не будут изменяться или, по крайней мере, не претерпят серьезных изменений, требующих пересмотра принятых решений.

Однако в лесной экономике, технологии и технике есть задачи, в которых необходимо учитывать изменения параметров систем во времени. Эти параметры могут меняться непрерывно или дискретно - от этапа к этапу. Например, из года в год меняется возраст машин и оборудования, изменяется производственная мощность и производительность труда на предприятиях, фондоотдача. Прирост древостоев в зависимости от породного состава принято отслеживать в пять - десять лет. Очевидно, что необходимо принимать оптимальные решения на год (или другой срок) и одновременно на весь рассматриваемый период в целом с учетом возможных изменений параметров. Для решения такого рода задачи, которые получили название многошаговые, разработан соответствующий математический аппарат, который получил название динамическое программирование.

Рассмотрим операцию, состоящую из m шагов. Некоторые расчленяются на шаги естественно, например, деятельность предприятия в течении нескольких месяцев, эксплуатация трактора в течении нескольких лет, прирост древостоя в течении 10 лет и т.д. В других случаях, разбивку приходится вводить искусственно, например, прокладка трассы дороги и т.д.

На каждом шаге с целью улучшения результата операции в целом осуществляется распределение и перераспределение ресурсов, т.е. управление u. Эффективность операции в целом характеризуется показателем W, который зависит от всей совокупности управлений u и на каждом шаге операции

W = W(u) = W(u1, u2, ..., um). (5.1)

Управление, при котором показатель W достигает оптимума (максимума или минимума), называется оптимальным управлением u*, которое состоит из совокупности оптимальных шаговых управлений

u* = (u1*, u2*, ..., um*). (5.2)

Задача динамического программирования - определить ui* (ui* не только число, а может быть вектором, функцией) на каждом шаге, i=1,2,...,m, и тем самым u* всей операции в целом.

Большинство практических задач имеет дело с одномерной задачей динамического программирования:

W = (r) max (min), (5.3)

где

Wi - эффективность действий на i шаге.

Пример 5.1. Проектирование лесной дороги

Прокладывается участков лесовозной дороги между нижним складом леспромхоза и погрузочной площадкой лесопункта по пересеченной местности. Требуется провести дорогу, чтобы суммарные затраты на сооружение участка были минимальные.

Искусственно отрезок [L,U] между нижним и верхним складами разделим на m частей, проведем через точки деления прямые, перпендикулярные отрезку [L,U] и считать на каждом шаге участок пути прямолинейным. Шаговое управление на i шаге представляет собой угол j i. Управление всей операции состоит из совокупности шаговых управлений u = (j 1, j 2,..., j m ). Требуется найти такое оптимальное управление u*, при котором суммарные затраты W на сооружение участков минимальны, т.е.

W = (r) min.

Метод динамического программирования был предложен и развит Р. Беллманом и его учениками в начале 50-х годов и состоит в нахождении оптимума целевой функции при ограничении общего вида на варьируемые параметры. Задача может быть сформулирована следующим образом.

Рассмотрим подход к решению данной задачи. Характерным для динамического программирования является то, что переменные рассматриваются не вместе, а последовательно - одна за другой. При этом вычислительная тема строится таким образом , что вместо одной задачи с n переменными решается серия задач с небольшим числом, а чаще всего с одной переменной. Сам же вычислительный процесс производится на основе метода последовательных приближений в два круга:

На первом круге ищется так называется условное оптимальное решение. Оно выбирается так, чтобы все предыдущие шаги обеспечили максимальную эффективность последующего. Основу такого подхода составляет принцип оптимальности Беллмана, который формулируется следующим образом: нельзя получить оптимальное значение целевой функции i-шагового процесса , если для любого ui, выбранного на шаге i, значение целевой функции для оставшихся i-1 шагов не является оптимальным. При этом выбранном на i-шаге значений ui.

Такой процесс продолжается до тех пор, пока решение не потеряет свой условный характер, т.е. до первого шага или последнего. Для него решение просто оптимально. Поэтому второй круг начинают именно с этого шага и последовательно переходят от условных к оптимальным решениям, тем самым обеспечивается оптимальность операции в целом.

Другими словами - управление на i шаге выбирается не так, чтобы выигрыш именно на данном шаге был максимален (минимален), а так, чтобы была оптимальна сумма выигрышей на всех оставшихся до конца шагах плюс данный. Исключение - последний шаг. Поэтому процесс динамического программирования обычно разворачивается от конца к началу - прежде всего планируется последний шаг. А как его спланировать, если неизвестен предпоследний? Необходимо сделать разные предположения о том, чем завершится m-1 шаг и для каждого из этих предположений найти условное оптимальное управление и соответствующий ему условный оптимальный выигрыш на m шаге. Далее, двигаясь назад оптимизируем управление на m-2 шаге и т.д., пока не дойдем до первого. После этого можно построить не условно оптимальное, а искомое оптимальное управление u* и найти искомый оптимальный выигрыш W*. Для этого достаточно двигаясь от начала к концу прочитать уже готовые рекомендации и найти u*, состоящие из u1*, u2*, ..., um*. Что касается оптимального выигрыша W* за всю операцию, то он нам уже известен - именно на его оптимальности выбрано управление на первом шаге.

Поясним вышесказанное, продолжая рассмотрение примера 5.1. Дадим графическую интерпретацию задачи (рис. 5.1), разделив отрезок от нижнего L до верхнего U складов в направлении сторон света, допустим, на 5 частей. В общем случае коэффициент дробления может быть каким угодно. В нашем случае трасса из L до U состоит из m=5+5=10 участков, направленных на север или восток. Проставим на каждом из отрезков число, выражающее затраты на строительство дороги на этом участке. Требуется выбрать такой путь из L в U, для которого сумма чисел, стоящих на отрезках, была бы минимальна.

 

 

9

11

10

12

8

10

9

11

10

12

U

14

 

8

10

14

13

10

15

9

10

14

10

 

8

 

10

11

13

14

10

15

8

10

9

9

 

11

 

8

12

11

12

13

16

16

15

10

11

 

12

 

12

10

10

13

12

11

13

15

13

14

 

10

L

14

13

12

10

13

 

Рис. 5.1.

 

Будем рассматривать сооружаемую дорогу как управляемую систему, перемещающуюся под влиянием управления из начального состояния L в конечное U. Состояние этой системы перед началом каждого шага будет характеризоваться двумя координатами: восточной (x) и северной (y), обе - целочисленные. Для каждого из состояния системы, т.е. узловой точки прямоугольной сетки, необходимо найти условное оптимальное управление: двигаться на север (­ ), юг (Ї ), восток ((r) ) или запад (¬ ). Выбирается это управление так, чтобы затраты всех оставшихся до конца шагов (включая данный) была минимальной. Эти затраты принято называть условным оптимальным выигрышем для данного состояния системы перед началом очередного шага.

A1

(r) 10

U

­ 14

 

 

A2

 

Рис. 5.2. Первый шаг

 

B1

(r) 9

11

B2

(r) 10

­ 12

U

­ 14

 

 

9

14

A2

10

B3

 

­ 8

 

 

9

 

Рис. 5.3. Второй шаг

Процедуру условной оптимизации будем разворачивать в обратном направлении - от U к L. Во-первых, произведем условную оптимизацию последнего 10 шага. Рассмотрим отдельно правый верхний угол прямоугольной сетки (рис. 5.2). За один (последний) шаг можно попасть в точку U из точек A1 и A2. Из этих точек управление вынужденное - из A1 необходимо двигаться на восток ((r) ), что обойдется в 10 условных единиц, а из A2 - на север (­ ), что приводит к затратам в 14 единиц. Таким образом, условная оптимизация последнего шага проведена, и условный оптимальный выигрыш для каждой из точек A1 и A2 найден и записан в соответствующем квадрате.

Аналогично, оптимизируем предпоследний 9 шаг, который может быть сделан из точек B1, B2 и B3. Отличие данного шага от последнего 10 шага заключается в том, что управление здесь уже не вынужденное. Например, из точки B2 возможно движение как на север с затратами до точки U в 12+10=22 единицы, так и на восток с затратами в 14+14=28 единиц. Следовательно, условное оптимальное управление из точки B2 - (­ ), помеченное на рис. 5.3 в виде стрелки. Найденные для B1, B2 и B3 условные оптимальные управления и условные оптимальные выигрыши также представлены на рис. 5.3, соответственно, в виде стрелок и значений в квадратах.

Двигаясь от предпоследнего шага назад к L, найдем для каждой точки с целочисленными координатами условное оптимальное управление (­ ), (Ї ), ((r) ) или (¬ ) и условный оптимальный выигрыш (затраты до конца пути), который записывается в квадрате. Вычисляется он так: затраты на данном шаге складываются с уже оптимизированными затратами, записанными в кружке, куда ведет стрелка. Следовательно, на каждом шаге мы оптимизируем только этот шаг, а следующие за ним уже оптимизированы. Конечный результат процедуры оптимизации показан на рис. 5.4.

Итак, условная оптимизация выполнена - в какой бы из узловых точек мы не находились, известно, куда двигаться (по стрелке) и во что обойдется прокладка трассы до конца (по числу в квадрате). В прямоугольнике при точке L записан оптимальный выигрыш на всем протяжении пути из L в U: W*= 101 .

(r) 9

11

(r) 10

­ 12

(r) 8

­ 10

(r) 9

­ 11

(r) 10

­ 12

U

­ 14

 

(r) 8

­ 10

14

13

10

15

9

10

14

10

­ 8

 

10

­ 11

(r) 13

14

(r) 10

15

(r) 8

­ 10

(r) 9

­ 9

­ 11

 

8

­ 12

(r) 11

­ 12

(r) 13

16

16

15

10

­ 11

­ 12

 

12

­ 10

10

­ 13

(r) 12

11

(r) 13

15

13

­ 14

­ 10

L

14

13

(r) 12

(r) 10

13

 

Рис. 5.4.

 

Теперь остается построить безусловное оптимальное управление - траекторию, ведущую из L в U самым дешевым способом. Для этого необходимо следовать указаниям стрелок. Такая оптимальная траектория отмечена на рис.5.4 утолщенными линиями. В текстовом виде безусловное оптимальное управление запишется так:

u* = (­ ,­ ,­ ,­ ,(r) ,­ ,(r) ,(r) ,(r) ,(r) ),

т.е. первые четыре участка трассы от нижнего склада необходимо вести на север, далее повернуть на восток, далее на север и остальные четыре участка - на восток. Задача решена.


 

 

 

5.2. Практические рекомендации при постановке задач динамического программирования

Прежде, чем перейти к описанию блок-схемы алгоритма метода динамического программирования сделаем ряд замечаний:

  1. Отметим основные свойства задач, к которым возможно применить метод линейного программирования:

  1. Основное функциональное уравнение (о нем речь пойдет дальше) составляется для каждой конкретной задачи и вид его определяется выбором исходных данных, видом целевой функции и ограничений, числом варьируемых параметров.

Алгоритм метода динамического программирования:

Wi = fi(s, ui). (5.4)

s' = j i(s, ui). (5.5)

Wi(s) = max {fi(s,ui) + Wi+1(j i(s, ui))}. (5.6)

Wm(s) = max {fm(s,ui)}. (5.7)

и находя условное оптимальное управление um(s), для которого этот максимум достигается.

W* = W1(so).


 

 

 

5.3. Оптимальное распределение ресурсов

В общем виде задачи оптимального распределения ресурсов могут быть описаны следующим образом. Имеется некоторое количество ресурсов (материальные, трудовые, финансовые), которые необходимо распределить между различными объектами их использования по отдельным промежуткам планового периода так, чтобы получить максимальную суммарную эффективность от выбранного способа распределения. Показателем эффективности может служить, например, прибыль, себестоимость, суммарные затраты и т.д.

Пример 5.2. Распределение тракторов по лесхозам

Управление по лесам субъекта Федерации приобрело 7 лесохозяйственных тракторов, которые следует распределить между 5 лесхозами. Каждый из лесхозов Fi, i=1,2,...,5, при поступлении в него тракторов в количестве u повышает уровень технической готовности машинно-тракторного парка, зависящий от u, т.е. представляющий собой какую-то функцию fi(u). Все функции fi(u), i=1,2,...,5, заданы (табл. 5.1). Как главный инженер управления должен распределить закупленную технику, чтобы в сумме они дали максимальное повышение технической готовности по управлению?

Таблица 5.1

u

f1(u)

f2(u)

f3(u)

f4(u)

f5(u)

0

1

2

3

4

5

6

7

0,74

0,81

0,85

0,90

0,92

0,93

0,94

0,95

0,85

0,90

0,93

0,94

0,95

0,96

0,97

0,97

0,90

0,92

0,93

0,94

0,95

0,96

0,96

0,96

0,88

0,91

0,92

0,93

0,94

0,95

0,95

0,95

0,70

0,76

0,80

0,85

0,88

0,91

0,93

0,94

Хотя задача в своей постановке не содержит упоминания о времени, операцию распределения средств мысленно можно развернуть в какой-то последовательности, считая за первый шаг отправку тракторов в лесхоз F1, за второй - в F2 и т.д.

Управляемая система в данном случае - трактора, которые распределяются. Состояние системы перед каждым шагом характеризуется одним числом - количество еще нераспределенных машин. Шаговыми управлениями являются число тракторов u1, u2, ..., um, выделяемые лесхозам. Требуется найти оптимальное управление, т.е. такую совокупность чисел u1*, u2*, ..., um*, которое дает максимальное повышение уровня технической готовности машинно-тракторного парка по управлению в целом, что эквивалентно следующему выражению:

W= W1+W2+...+W5 = f1(u1) + f1(u1) + ... + f5(u5) (r) max.

Начнем оптимизацию с 5 лесхоза (шага). Пусть остаток тракторов к этому шагу s. Очевидно, что необходимо все s тракторов передать лесхозу F5. Поэтому условное оптимальное управление на 5 шаге

u5(s) = s,

а условный оптимальный выигрыш

W5(s) = f5(s).

Задаваясь целой гаммой значений s = 1, 2, ...7 по табл. 5.1 (функция технической готовности fi(u)) для каждого значения s определим u5(s) и W5(s):

u5(0)= 0; W5(0)=0,70;

u5(1)= 1; W5(1)=0,76;

u5(2)= 2; W5(1)=0,80;

u5(3)= 3; W5(1)=0,85;

u5(4)= 4; W5(1)=0,88;

u5(5)= 5; W5(1)=0,91;

u5(6)= 6; W5(1)=0,93;

u5(7)= 7; W5(1)=0,94.

Полученные данные занесем в табл. 5.2. Последний шаг оптимизирован.

 

Таблица 5.2.

s

i=5

i=4

i=3

i=2

i=1

 

u5(s)

W5(s)

u4(s)

W4(s)

u3(s)

W3(s)

u2(s)

W2(s)

u1(s)

W1(s)

0

1

2

3

4

5

6

7

0

1

2

3

4

5

6

7

0,70

0,76

0,80

0,85

0,88

0,91

0,93

0,94

0

0

0

0

1

1

1

1

1,58

1,64

1,68

1,73

1,76

1,79

1,82

1.84

0

2,48

0

3,33

 

 

Перейдем к предпоследнему 4 лесхозу (шагу). Пусть имеем s нераспределенных тракторов. Обозначим W4(s) условный оптимальный выигрыш на двух последних шагах: 4 и 5 (который уже оптимизирован). Если выделить на 4 шаге 4 лесхозу u тракторов, то на последний шаг останется s-u. Следовательно выигрыш на двух последних шагах будет равен

W4(s) = f4(u) + W5(s-u).

Вновь задаваясь целой гаммой значений s = 1, 2, ...7 и используя данные табл.5.1 для каждого значения s определим u4(s), W4(s) и выделим максимальное значение, что и есть оптимальный выигрыш за два последних шага:

В табл. 5.2 приведены результаты условной оптимизации на 4 шаге.

Далее оптимизируем 3 и 2 шаги по (5.6):

Wi (s) = max {fi(u) + Wi+1(s-u)}

и записываем соответствующее ему условное оптимальное управление ui(s) (значение u, при котором этот максимум достигается) в табл. 5.2.

Продолжая таким образом, дойдем, наконец, до 1 лесхоза F1. Здесь нам не нужно будет варьировать значения s, так как число тракторов перед первым шагом равно 7:

W* = W1(7) = max {f1(u) + W2(7-u)}= .

Таким образом, максимальное повышение коэффициента технической готовности по всем лесхозам найден. Теперь остается только считать рекомендации. Максимум технической готовности машинно-тракторного парка достигается при отправке 1 трактора в 1 лесхоз. После первого шага остается 7-1=6 тракторов. Считывая рекомендацию для этого значения по табл. 5.2, выделяем второму лесхозу оптимальное число тракторов - 1, третьему - , четвертому - и, наконец, 5 - .


 

 

5.3. Оптимальное управление запасами

Группа задач, в которых рассматривается оптимальное управление запасами, является наиболее характерным для динамического программирования. Это связано с тем, что в задачах управления запасами процесс естественным образом разворачивается во времени, причем управление как раз и заключается в том, что решение на данном промежутке времени принимается с учетом того состояния, к которому пришла система за предшествующие периоды времени. Кроме того, эти задачи связаны, как правило, с дискретным характером переменных и, следовательно, решаются достаточно сложно другими методами.


 

5.4. Оптимальная политика замены оборудования

Инженеру на практике часто приходится сталкиваться с проблемой старения оборудования (физический и моральный износ), в результате чего растут производственные затраты по выпуску продукции, увеличиваются затраты на его ремонт и обслуживание, а также снижается производительность. Наступает момент, когда старое оборудование более выгодно продать, заменив новым, чем эксплуатировать ценой больших затрат. При этом оборудование можно заменить либо новым оборудованием того же вида, либо новым или бывшем в употреблении, более совершенным в техническом отношении, с учетом технического прогресса.

Оптимальная стратегия замены оборудования состоит в определении оптимальных сроков замены. Показателем эффективности может служить либо прибыль от эксплуатации. Известно, что при заданном плане выпуска продукции максимизация прибыли эквивалентна минимизации затрат. Практически удобнее пользоваться вторым критерием, вводя для учета снижения производительности условно приведенные затраты.

Метод динамического программирования единый подход к решению всех видов задач о замене.

При составлении модели динамического программирования процесс замены рассматривается как n-шаговый, разбив весь период на N промежутков. Так как в начале каждого из этих промежутков принимается решение о сохранении оборудования, либо его замене, то управление на i шаге (i=1,2,...,n) содержит лишь две альтернативные переменные. Обозначим через uc решение, состоящее в сохранении старого оборудования, а через uз - решение, состоящее в замене старого оборудования новым. Условная оптимизация на каждом шаге состоит в вычислении двух величин и в выборе из них наибольшей (наименьшей). Это значительно упрощает расчеты на стадии условной оптимизации и позволяет решать вручную задачи о замене с большим числом шагов.

Пример 5.3. Замена форвардера.

Рассматривается эксплуатация форвардера в течении шести лет. В начале каждого года может быть принято решение о замене машины новой. Стоимость нового форвардера на i шаге эксплуатации составляет zi = 50000 + 5000 (i - 1) руб. После t лет эксплуатации машину можно продать за s(t) = zi 2-t руб. Стоимость содержания машины в течении i года составляет g(t) = 0,1 zi(t+1) руб. Найти оптимальный способ эксплуатации машины: когда нужно заменить машину новой, чтобы суммарные затраты (с учетом затрат на покупку новой машины в начале срока эксплуатации и компенсации за счет заключительной продажи) были минимальны.

Процесс эксплуатации форвардера описывается шестью шагами. Состояние si-1 системы в начале i шага характеризуется одним параметром t - возрастом машины. Управление на каждом шаге состоит в выборе одного из двух решений: uc решение, состоящее в сохранении форвардера, а через uз - решение, состоящее в его замене. Основные функциональные уравнения модели динамического программирования имеют вид:

Условная оптимизация на последнем 6 шаге сводится к оптимизации по следующему уравнению, учитывая заданные в исходных условиях функции zi

где

t=0,1,...,5.

Числовые данные приведены в табл.5.4. Числовые данные по условной оптимизации с 5 по 1 шаг приведены в табл. 5.5 и 5.6 согласно уравнениям:

Таблица 5.4.

tW6(t)

u6(t)

 

 

 

0

1

2

3

4

5

-32500

-5000

-12500

25000

30000

43750

-32500

5000

23750

33125

37812

40156

-32500

-5000

12500

25000

35000

40156

uc

uc

uc

uc

uc

uз

Таблица 5.5.

 

 

 

 

i

5

4

t

0

1

2

3

4

0

1

2

3

500(t+1)

(i+9)

7000

14000

21000

28000

35000

6500

13000

19500

26000

Wi+1(t+1)

-5000

12500

25000

35000

40156

26500

46000

63000

67625

Wi(t,uc)

2000

26500

46000

63000

75156

33000

59000

82500

93625

5000(i+9)(1,1-2-t)

7000

42000

59500

68250

72625

6500

39000

55250

63375

Wi+1(1)

-5000

-5000

-5000

-5000

-5000

26500

26500

26500

26500

Wi(t,up)

2000

37000

54500

63250

67625

33000

65500

81750

89875

Wi(t)

2000

26500

46000

63000

67625

33000

59000

81750

89875

ui(t)

uc

uc

uc

uc

uз

uc

uc

uз

uз

Таблица 5.6.

 

i

 

3

2

1

 

t

 

0

1

2

0

1

0

500(t+1)(i+9)

6000

12000

18000

5500

11000

55000

Wi+1(t+1)

59000

81750

89875

93750

107875

118875

Wi(t,uc)

65000

93750

107875

99250

118875

173875

5000(i+9)(1,1-2-t)

6000

36000

51000

5500

33000

 

Wi+1(1)

59000

59000

59000

93750

93750

 

Wi(t,up)

65000

95000

110000

99250

12675

 

Wi(t)

65000

93750

107875

99250

118875

173875

ui(t)

uc

uc

uc

uc

uс

uc

Безусловная оптимизация приводит к результату: W*=173875 руб.; оптимальное управление U*=(uc, uc, uc, uз, uc, uc). Следовательно, приобретенный форвардер целесообразно эксплуатировать в течении трех лет, на четвертом году его следует заменить новым и продолжать эксплуатировать оставшееся время.

 


 

 

 

5.5. Контрольные вопросы и задания

  1. Дать общую формулировку задач оптимизации в форме модели динамического программирования.
  2. Рассмотрите и поясните ситуации из лесной экономики, лесного хозяйства или лесоэксплуатации, требующие применения для их решения методов динамического программирования.
  3. Поясните понятия: управление, оптимальное и условно оптимальное управления, состояние системы, траектории перехода. Приведите примеры.
  4. Как определяются условно оптимальные управления на каждом из шагов?
  5. Почему безусловно оптимальное управление может быть определено только для последнего шага (считая от конечного состояния) и при условии, что рассмотрены условно оптимальные управления на всех предыдущих шагах?
  6. Проанализируйте основные правила решения задач динамического программирования.

 


 

 

 

Разработать оптимальную политику замены оборудования (не старше 10 лет), если известны: стоимость p(t) продукции, производимой в течении года с использованием данного оборудования; ежегодные расходы g(t), связанные с эксплуатацией оборудования; его остаточная стоимость s(t); стоимость z нового оборудования (с расходами, связанными с установкой, накладкой и запуском оборудования). После составления матрицы максимальных прибылей сформировать оптимальные политики в отношении оборудования данного возраста t в плановом периоде данной продолжительности N. Числовые данные в десяти вариантах приведены в табл. 5.3 и табл. 5.4.

Таблица 5.3

Вариант

Продолжительность периода N

Возраст t

оборудования

Остаточная стоимость s(t)

Стоимость z нового оборудования

1

10

7

2

11

 

6

4

 

 

2

10

8

2

14

 

7

5

 

 

3

10

6

0

10

 

8

5

 

 

4

10

8

3

10

 

6

4

 

 

5

10

7

0

8

 

9

6

 

 

6

10

6

5

17

 

8

5

 

 

7

10

9

2

12

 

7

4

 

 

8

10

6

0

6

 

9

8

 

 

9

10

9

1

13

 

6

3

 

 

10

10

7

0

10

 

8

1

 

 

 Таблица 5.4.

 

 

Возраст оборудования t

Вариант

 

0

1

2

3

4

5

6

7

8

9

10

 

 

 

 

p(t)

 

 

20

22

25

28

21

24

28

20

26

23

20

22

24

27

20

24

27

20

25

23

20

21

24

27

19

24

26

19

25

22

19

21

23

26

19

23

25

18

24

22

19

21

22

25

18

23

24

17

24

21

18

20

22

25

18

22

24

16

23

20

18

20

21

24

17

21

23

16

23

20

17

19

21

23

16

21

22

15

23

20

17

19

21

23

16

21

22

15

22

19

16

19

20

22

15

20

22

14

21

18

15

18

20

21

15

20

21

13

21

18

1

2

3

4

5

6

7

8

9

10

 

 

 

 

g(t)

10

12

13

16

11

13

15

8

15

11

11

13

13

16

11

14

15

9

15

12

12

13

14

17

11

15

16

9

16

13

12

14

15

17

12

16

17

10

16

14

13

15

15

17

12

17

17

10

17

14

13

15

16

18

13

17

18

10

17

15

14

16

16

18

13

17

19

11

18

16

14

16

17

19

13

18

20

11

19

17

15

17

18

20

14

19

20

12

19

17

15

18

19

20

14

19

21

13

20

17

15

18

20

21

15

20

21

13

21

18

1

2

3

4

5

6

7

8

9

10

 


 

 

 

В табл. 5.5 приведены значения fi(u) возможного прироста выпуска продукции в четырех лесхозах в зависимости от выделенной на модернизацию производства суммы u. Распределить между лесхозами 1 млн. руб., чтобы общий прирост выпуска продукции был максимальным. Для упрощения вычислений значения u принимать кратными 200 тыс. руб.

Таблица 5.5.

Прирост выпуска продукции

на предприятиях, gi(u)

Средства с, тыс. руб.

Вариант

 

200

400

600

800

1000

 

 

 

g1(u)

95

97

73

94

98

110

123

145

167

122

183

172

297

205

183

214

267

244

281

283

241

292

371

352

293

404

402

373

364

391

383

382

411

443

414

542

604

455

493

472

501

472

593

574

602

623

721

582

604

696

1

2

3

4

5

6

7

8

9

10

 

 

 

g2(u)

114

116

98

124

82

133

164

125

108

142

191

343

194

252

194

203

212

305

292

264

302

463

284

341

303

424

365

422

423

404

442

533

373

464

472

451

491

583

501

511

591

752

463

574

585

612

633

714

745

683

1

2

3

4

5

6

7

8

9

10

 

 

 

g3(u)

164

135

172

118

125

123

99

134

153

116

321

283

274

206

253

227

174

252

273

241

402

374

373

322

513

344

355

453

464

431

571

492

483

482

581

552

512

621

581

514

701

612

661

613

694

603

652

701

652

683

1

2

3

4

5

6

7

8

9

10

 

 

 

g4(u)

133

126

168

144

72

104

155

77

175

166

273

354

302

233

155

273

252

334

235

216

442

403

423

404

522

333

512

463

384

365

692

542

651

503

594

573

622

602

533

491

733

734

815

583

602

691

762

683

674

723

1

2

3

4

5

6

7

8

9

10


 

 

 

Решить задачу о замене форвардера (пример 5.3) при условии, что машина может заменяться не новой, а бывшей в употреблении q лет. Заданы: стоимость форвардера возраста q лет составляет zi (q) = zi(0) 2-q руб. при начальной покупной цены машины в i году zi (0) = ТекущаяЦена + 0,1*ТекущаяЦена (i - 1) руб. После t лет эксплуатации при покупке в возрасте q лет машину можно продать за si(t,q) = zi(q) 2-t руб. Стоимость содержания машины в течении i года, если форвардер возраста q эксплуатируется еще t лет составляет gi(t,q) = 0,1 zi(q)(t+1) руб.


 

 

Распределите имеющиеся средства S между тремя лесхозами при заданных функциях прибыли fi(u), i=1,2,3, из условия максимизации суммарной прибыли согласно данным табл. 5.6.

Таблица 5.6.

Вариант

S, млн.руб

f1(u)

f2(u)

f3(u)

1

5

1,4 u

0,012 u2

-0,024 u2+4 u

2

6

1,8 u

0,017 u2

-0,048 u2+7 u

3

7

1,2 u

0,023 u2

-0,033 u2+6 u

4

5

2,4 u

0,041 u2

-0,073 u2+11 u

5

4

3,5 u

0,036 u2

-0,023 u2+3 u

6

7

7,1 u

0,053 u2

-0,025 u2+5 u

7

4

6,4 u

0,022 u2

-0,024 u2+4 u

8

5

2,1 u

0,019 u2

-0,028 u2+4 u

9

7

1,9 u

0,017 u2

-0,032 u2+5 u

10

8

3,4 u

0,021 u2

-0,024 u2+4 u





Начальная страница. Содержание
Введение    Цели и задачи     Методологические основы     Линейное программирование     Нeлинейное программирование     Нeлинейное программирование: Безусловная однопараметрическая оптимизация     Нeлинейное программирование: Безусловная многопараметрическая оптимизация    Нeлинейное программирование: Условная многопараметрическая оптимизация    Целочисленное и дискретное программирование     Динамическое программирование     Принятие решений в условиях неопределенности     Принятие многоцелевых решений     Марковские процессы принятия решений     Литература