Оценивание и прогнозирование параметров моделей оптимального планирования в АСУП

• Автор: Цукерман, Евгений Вульфович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 1984
• Место защиты: Москва
• Количество страниц: 191 c. : ил

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ.

ГЛАВА I, АДАПТИВНАЯ ПОДСИСТЕМА ОПТИМАЛЬНОГО ПЛАНИРОВАНИЯ асуп . гг

1.1. Обзор работ по оптимальному планированию и

смежным вопросам.

1.2. Структура подсистемы и задачи оптимального

планирования.

1.3. Модель случайных простоев ресурсов оборудования и рабочей силы

1.4. Детерминированный эквивалент задач стохастического программирования .

1.5. Методы решения рассматриваемых оптимизационных задач.

Выводы.
ГЛАВА П. ОЦЕНИВАНИЕ ПАРАМЕТРОВ МОДЕЛЕЙ ОПТИМАЛЬНОГО
ПЛАНИРОВАНИЯ.
2.1. Оценивание параметров случайных простоев
2.2. Оценивание характеристик расхода ресурса в случае, когда известен его расход на группы однотипных изделий
2.3. Оценивание характеристик расхода ресурса в случае, когда известен его расход на группы разнотипных изделий .
Выводы.
ГЛАВА Ш. ПРОГНОЗИРОВАНИЕ ПАРАМЕТРОВ МОДЕЛЕЙ ОПТИМАЛЬНОГО ПЛАНИРОВАНИЯ.
3.1. Постановка задачи и обзор работ по прогнози
Стр.
рованию.
3.2. Процессы изменения параметров моделей оптимального планирования .
3.3. Оптимальное прогнозирование горизонтального
стохастического тренда .
3.4. Оптимальное прогнозирование наклонного стохастического тренда
3.5. Частные случаи оптимального прогнозирования
наклонного стохастического тренда
Выводы
ГЛАВА 1У. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА И ПРАКТИЧЕСКОЕ
ИСПОЛЬЗОВАНИЕ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ
4.1. Экспериментальное исследование предлагаемых
методов прогнозирования
4.2. Пакет прикладных программ Годовое планирование и внедрение полученных результатов . .
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


За исключением ППП-Г0Д0В0Е ПЛАНИРОВАНИЕ, который будет описан в ГЛАВЕ 1У, это ППП-СОЛМИ [бб] и ППП -ОПТИМАЛЬНОЕ ПЛАНИРОВАНИЕ [] . В первом из этих пакетов используются традиционные линейные модели, но имеются сервисные средства для работы в диалоговом режиме, а во втором - наряду с линейными моделями, используется модель дробно-линейного программирования для критерия рентабельность и при недопустимости минимального планового задания определяются минимальные количества дополнительных ресурсов, необходимые для его выполнения. Ни в одной из имеющихся работ по оптимальному планированию не рассматриваются вопросы идентификации и прогнозирования параметров используемых моделей. Основные методы и модели стохастического программирования представлены в [] и [3] . В этих работах имеется классификация моделей стохастического программирования. Рассматриваются одноэтапные, двухэталные и многоэтапные задачи. По интерпретации решения одноэтапные задачи, в свою очередь, делятся на три класса [3] : решение - детерминированный вектор; решение - стохастический вектор и определяются решающие правила; решение - стохастический вектор и определяются решающие распределения. При случайной целевой функции предлагаются следующие подходы: оптимизация математического ожидания целевой функции; оптимизация вероятности нахождения целевой функции в заданной области; оптимизация порогового значения, которое с заданной вероятностью не превосходит (или превосходит) целевую функцию. В этих работах предлагаются, также, методы решения рассматриваемых задач. В основном это непрямые методы. Они заключаются в определении для каждой задачи стохастического программирования детерминированного эквивалента, который является обычной задачей математического программирования, как правило, нелинейного. В отличие от этого в []} [,,] рассматриваются прямые методы, которые существенно используют стохастику исходных задач. Это стохастический квазигра-диентный метод [] , стохастическая аппроксимация [] , случайный поиск [] и специальный метод минимизации квадратичной целевой функции, когда она измеряется с помехами, а аргументы тоже искажены помехами, пропорциональными длительности поиска экстремума [] . В работе [] предлагаются приближенные методы решения задач с совместным и построчными вероятностными ограничениями. Зб] . Большое внимание в этой работе уделяется пассивному подходу к стохастическому программированию, когда определяются законы распределения и числовые характеристики оптимального решения, базиса и целевой функции задачи линейного программирования при случайных параметрах. Использование экспертных оценок и игрового подхода в стохастическом программировании рассматривается в [2б] . В работе [2] формулируется и исследуется целочисленная одноэтапная задача стохастического программирования. По вопросам идентификации систем управления имеется обширная библиография. Основные направления и методы идентификации представлены в [] и [1] . В этих работах рассматривается идентификация в узком и широком смысле различных линейных и нелинейных, дискретных и непрерывных систем. Под идентификацией в узком смысле понимается идентификация параметров системы при известной ее структуре. Под идентификацией в широком смысле понимается идентификация структуры и параметров системы по наблюдениям над входными и выходными переменными. В [] вводится понятие меры идентичности и определяются дисперсионные функции, которые используются для определения меры идентичности различных объектов. В этих работах задачи оптимальной идентификации решаются для среднеквадратического критерия. Новые критерии для идентификации, а именно минимаксный и сложный статистический критерий, представляющий собой вероятность выхода ошибки за заданные пределы, используются в [б] . Кроме того, в этой работе определяются оптимальные линейно и нелинейно смещенные оценки, и исследуется идентификация весовых функций и параметров систем по среднеквадратическому и сложному статистическому критерию. Идентификация систем с переменной структурой рассматривается в [] . Адаптивные методы идентификации приводятся в работе [] .