Рассмотренные выше модели можно отнести к разряду статических моделей линейного программирования, поскольку в них временной интервал был фиксирован. Если возникает необходимость найти решение для другого временного интервала, то нужно заново вводить данные в модель и производить новую оптимизацию. Иначе говоря, в подходе, рассмотренном выше, предполагалось, что все временные интервалы являются независимыми и для каждого временного интервала должна решаться своя задача оптимизации.
В динамических моделях рассматривается поведение системы на нескольких временных интервалах, а поиск решения производится один раз, оптимизируя поведение модели на всех временных интервалах сразу.
Динамические модели являются более реалистическими и более адекватно описывают многие производственные ситуации. Зависимость принятия решения от поведения системы во времени делает динамические модели исключительно полезным методом экономического анализа, но они оказываются значительно сложнее статических по своей постановке, содержат, как правило, большое число переменных, требуют определенного навыка при составлении табличной модели.
В качестве примера рассмотрим практически значимую модель управления производственными запасами (другое название этой модели – многофазовые модели управления запасами ). Для общности результатов мы не будем присваивать параметрам числовые значения. После построения модели можно будет задать явные значения параметров и получить численное решение.

Пример 3.10
Рассмотрим химическую фирму, производящую полиуретан. Производитель имеет заказы на поставку полиуретана в количестве d i тонн в месяц на ближайшие четыре месяца (i=1,2,…,4). Пусть затраты на производство одной тонны полиуретана составляют C i тыс. рублей, а максимальный объем производства полиуретана по месяцам ограничен и равен K i тонн в месяц. Производственная фирма имеет возможность хранить продукцию на складе, причем стоимость хранения одной тонны продукции за месяц составляет n i тыс. рублей. На начальный период времени запас полиуретана на складе составлял L 0 тонн. Менеджеру компании требуется составить план производства полиуретана по месяцам, который бы обеспечил выполнение заказов при минимальной стоимости производства и хранения продукта.
Решение
Заметим, что если бы не было возможности хранить продукцию на складе, то задача разбилась бы на четыре независимые статические задачи и потеряла бы для нас всякий смысл.
Составим уравнение материального баланса, позволяющего вычислить количество продукции, хранящееся на складе в течение i-го месяца. Пусть x i – количество полиуретана, произведенного в i-й временной период. Тогда в течение первого месяца товарный запас на складе будет равен L 1 =L 0 +x 1 -d 1 . Товарный запас второго месяца

Продолжая этот процесс, легко получить общую формулу товарных запасов для любого временного интервала :

. (3.24)
После того как мы вывели уравнение (3.24), описывающее поведение товарных запасов, легко записать математическую модель задачи:

(3.25)
Поставленная задача (3.25) является типичной задачей линейного программирования и может быть достаточно легко решена с помощью программы Поиск решения. Используя численные значения удельных затрат производства

и необходимого объема поставок и производственных мощностей по месяцам
требуется составить оптимальный план производства полиуретана, если на первое января запас полиуретана на складе составлял 15 тонн.

Табличная модель задачи управления запасами
Табличная модель задачи после нахождения оптимального решения приведена на рис. 21.

Рис. 21. Табличная модель задачи динамического программирования

Следует сказать несколько слов и об отчете по устойчивости для этой модели, приведенном на рис. 22.

Рис. 22. Отчет по устойчивости для динамической модели

Если используется простое ограничение на значение оптимизируемых переменных (x i ≤K i в нашем случае), то в отчете по устойчивости теневые цены для этих ограничений помещаются в столбце нормированная стоимость, а информация о допустимом диапазоне теневых цен для этих ограничений не выводится. Таким образом, если увеличить на одну тонну производственные мощности в январе, то общие затраты уменьшатся на 1,7 тыс. рублей.
Требует дополнительных пояснений и столбец Целевой коэффициент отчета по устойчивости. Приведенные здесь значения Excel вычисляет самостоятельно. Смысл целевого коэффициента при переменной состоит в том, что он показывает, насколько увеличится значение целевой функции при увеличении оптимального значения переменной на единицу.
В этом легко убедиться на практике. Оптимальное значение производства полиуретана в январе – 60 тонн, а суммарные затраты равны 4 776,45 тыс. рублей. Если в качестве оптимального значения за январь подставить число 61 и пересчитать суммарные затраты, то получим новое значение – 4 805,50. Разность этих чисел как раз и равна 29,05 – целевому коэффициенту при переменной объема производства в январе.
Широко известны и другие постановки задач динамического программирования. Некоторые из них (модель замены оборудования и модель инвестиций) будут рассмотрены на практических занятиях.

Модели линейного программирования используются: а) при коммерческих воздушных сообщениях для составления графиков полетов и графиков выходов летного состава;

б) для оптимизации составных частей смесей при разработке пищевых рационов;

в) дня оптимизации параметров производственных процессов в промышленности;

г) коммерческими банками при управлении финансовыми балансами;

д) при перспективном планировании производственных мощностей предприятия;

е) для оптимизации портфеля заказов фирм при инвестировании; ж) для оптимизации транспортных потоков.

С точки зрения управления задачи линейного программирования - это задачи оптимального использования ресурсов. В каждом случае планирования производства необходимо иметь в виду, что различные производственные ресурсы (рабочая сила, сырье, материалы, орудия производства) ограничены, известная норма расхода этих ресурсов на различные виды продукции и возможны многочисленные варианты распределения производственных ресурсов. Задача состоит в том, чтобы найти оптимальное распределение производственных ресурсов. При этом критериями могут быть, например, максимум выпуска продукции, максимум прибыли, минимум производственных затрат и тому подобное.

Пример разработки модели линейного программирования для производства двух изделий

Предположим, что химический завод производит два вида товаров - А и Б в количестве, соответственно равной X и У. Менеджер проработали соответствующую информацию, получили данные, сведенные в таблицу 5.9. Его целью является получение максимальной прибыли (Пр). При этом целевая функция имеет вид:

Таблица 5.9. Стоимостные показатели товаров

ФОРМУЛИРОВКИ ОГРАНИЧЕНИЙ

Рабочее время оборудования при производстве товаров характеризуется следующими цифрами:

Рисунок 5.20. Графический решение линейной оптимизационной модели (5.17) - (5.22)

Привлекательность использования резервных переменных (в нашем случае - это продолжительность простоев оборудования) можно продемонстрировать на следующем примере. Предположим, что товара А произведено 9 единиц, а товара Б - 14 единиц. Тогда, на основе уравнения (5.23) получаем, что

Транспортная задача

Стоимость перевозок 1 т груза в гривнах с каждого пункта отправления А1 и А2 в каждый пункт назначения В1, В2 и ВЗ задана в таком виде (цифры условные):

Нужно составить такой план перевозок, при котором общая их стоимость была бы наименьшей.

Обозначим через Х1, Х2 и Х3 количество грузов, которые нужно перевезти из пункта А1, соответственно в пункты В1, В2 и В3, а через Y1, Y2 и Y3 - количество грузов, которые нужно перевезти из пункта А2 в пункты В1, В2 и В3 . Запишем это в таком виде:

Таким образом, математическая формулировка транспортной задачи (по критерию стоимости транспортных перевозок) имеет вид данной системы пяти уравнений первой степени с шестью неизвестными

ГЕОМЕТРИЧЕСКОЕ РЕШЕНИЯ ТРАНСПОРТНОЙ ЗАДАЧИ

Рассмотрим систему (а). Если сложить почленно первые три уравнения и отнять четвертых, то получим пятый уравнения. Это означает, что в системе (а) пятую уравнения лишнее. О таком уравнения говорят, что оно - результат четырех уравнений, а о всей системе говорят, что она линейно зависима. Если исключить пятого уравнения, то четыре уравнения, оставшиеся являются линейно независимыми. Таким образом, получаем четыре линейно независимые уравнения первой степени с шестью неизвестными. В этих уравнениях четыре неизвестные можно выразить через два последние. В этом случае говорят, что система имеет четыре зависимые неизвестные и два свободных неизвестны. Выберем свободными неизвестными Х1 и Х2 и получаем:

Среди решений системы (а ") нужно найти такой, при котором линейная форма F приобретает малейшего значения. Для решения этой задачи возьмем на плоскости прямоугольную систему координат и построим многоугольник abсd возможных решений системы неравенств а "(рисунок 5.21). Запишем целевую функцию в матричном виде:

Рисунок 5.21. Графическое решение транспортной задачи

На рисунке 5.21 целевая функция изображена штриховыми линиями F. Значение функции уменьшается с увеличением абсолютной величины свободного члена в уравнении целевой функции. Смешивая линию целевой функции вправо параллельно самой себе и отдаляя ее при этом от начала координат, видим, что наименьшее значение она имеет в точке пересечения прямых (I) и (III). Это соответствует оптимальному решения: Х1 = 200, Х2 = 200 (точка С). При этом F = 12000. Из уравнений (а ") находим, что Х3 = 0, Y1 = 0, Y2 = 400, К3 = 200 Таким образом, оптимальным планом перевозки грузов такой доставка из пункта А1 по 200 т в В1 и в В2, а из пункта А2 400 т в В2 и 200 т в В3. Стоимость перевозок при этом наименьшее (12000 грн.).

Недостатком графического (ручного) метода решения модели линейного программирования является то, что он пригоден для задач только с двумя или максимум с тремя переменными. Для большего количества переменных нужно использовать так называемый симплекс-метод.

МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МОДЕЛИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

МОДЕЛЬ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

1 Математическое описание модели линейного программирования

2 Методы реализации моделей линейного программирования

3 Двойственная задача линейного программирования

Модель линейного программирования (ЛП) имеет место, если в исследуемой системе (объекте) ограничения на переменные и целевая функция линейны .

Модели ЛП используются для решения двух основных типов прикладных задач:

1) оптимального планирования в любых сферах человеческой деятельности – социальной, экономической, научно-технической и военной. Например, при оптимальном планировании производства: распределении финансовых, трудовых и других ресурсов, снабжении сырьем, управлении запасами и т. д.

2) транспортной задачи (нахождение оптимального плана различного рода перевозок, оптимального плана распределения разных средств по объектам различного назначения и т. п.)

МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МОДЕЛИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

Требуется найти неотрицательные значения переменных

удовлетворяющих линейным ограничениям в виде равенств и неравенств

,

где – заданные числа,

и обеспечивающих экстремум линейной целевой функции

,

где – заданные числа, что записывается в виде

Допустимым решением называется любая совокупность , удовлетворяющих условиям.

Область допустимых решений – множество всех допустимых решений.

Оптимальное решение
, для которого .

Замечания

1. Приведенная модель ЛП является общей . Различают также стандартные и канонические формы моделей ЛП.

2. Условия существования реализации модели ЛП:

– множество допустимых решений – не пустое;

– целевая функция ограничена на (хотя бы сверху при поиске максимума и снизу при поиске минимума).

3.ЛП основывается на двух теоремах

Теорема 1. Множество G , определяемое системой ограничений вида, есть выпуклое замкнутое множество (выпуклый многогранник в с угловыми точками - вершинами .)

Теорема 2. Линейная форма , определенная на выпуклом многограннике

j =1,2,…,s

i=s +1,s+2,…,m ,

достигает экстремума в одной из вершин этого многогранника.

Данная теорема получила название теоремы об экстремуме линейной формы.

В соответствии с теоремой Вейерштрасса оптимальное решение единственно и является глобальным экстремумом.

Существует общий аналитический подход к реализации модели ЛП – симплекс-метод. При решении задач линейного программирования достаточно часто решения нет. Это происходит по следующим причинам.

Первую причину проиллюстрируем примером

Про такую причину говорят, что ограничения несовместны. Область допустимых решений – пустое множество.

Вторая причина комментируется следующим примером:

В данном случае, область допустимых решений не ограничена сверху. Область допустимых решений не ограничена.

Следуя традициям линейного программирования, дадим задаче ЛП экономическую интерпретацию. Пусть в нашем распоряжении имеется m типов ресурсов. Количество ресурса типа j равно . Эти ресурсы необходимы для производства n типов товаров. Обозначим количество этих товаров символами соответственно. Единица товара типа i стоит . Производство товаров типа i должно быть ограничено величинами соответственно. На производство единицы товара типа i расходуется ресурса типа j . Необходимо определить такой план производства товаров (), чтобы их суммарная стоимость была минимальной.

Задачи линейного программирования, используемые для оптимизации функционирования реальных объектов, содержат значительное число переменных и ограничений. Это обуславливает невозможность решения их графическими методами. При большом числе переменных и ограничений применяются алгебраические методы, в основе которых лежат итерационные вычислительные процедуры. В линейном программировании разработано множество алгебраических методов, различающихся между собой способами построения начального допустимого решения и условиями перехода от одной итерации к другой. Однако все эти методы базируются на общих теоретических положениях.

Общность основных теоретических положений приводит к тому, что алгебраические методы решения задач линейного программирования во многом сходны между собой. В частности, практически любой из них требует предварительного приведения задачи линейного программирования к стандартной (канонической) форме.

Алгебраические методы решения задачи ЛП начинаются с приведения ее к стандартной (канонической) форме :

,

,

i =1,..,n ; j =1,..,m .

Любая задача линейного программирования может быть приведена к стандартной форме. Сравнение общей модели с канонической моделью позволяет сделать вывод о том, что для приведения задачи ЛП к стандартной форме необходимо, во-первых, от системы неравенств перейти к равенствам, а во-вторых, преобразовать все переменные так, чтобы они были неотрицательными.

Переход к равенствам осуществляется прибавлением к левой части ограничений неотрицательной остаточной переменной для неравенств типа , и вычитанием из левой части неотрицательной избыточной переменной для неравенств типа . Например, неравенство при переходе к стандартной форме преобразуется в равенство , a неравенство - в равенство . При этом, как остаточная переменная , так и избыточная переменная являются неотрицательными.

Предполагается, что правая часть неравенств неотрицательна. В противном случае, этого можно добиться умножением обеих частей неравенства на «-1» и сменой его знака на противоположный.

Если в исходной задаче линейного программирования переменная не ограничена в знаке, ее можно представить в виде разности двух неотрицательных переменных , где .

Важной особенностью переменных является то, что при любом допустимом решении только одна из них может принимать положительное значение. Это означает, что если , то и наоборот. Следовательно, может рассматриваться как остаточная, а - как избыточная переменные.

Пример Пусть дана задача линейного программирования:

,

.

Необходимо привести ее к стандартной форме. Заметим, что первое неравенство исходной задачи имеет знак , следовательно, в него необходимо ввести остаточную переменную . В результате получим .

Второе неравенство имеет знак и для преобразования к стандартной форме требует введения избыточной переменной , выполнив эту операцию, получим .

Кроме того, переменная не ограничена в знаке. Следовательно, как в целевой функции, так и в обоих ограничениях она должна быть заменена на разность . Выполнив подстановку, получим задачу линейного программирования в стандартной форме, эквивалентную исходной задаче:

.

Задача линейного программирования, записанная в стандартной форме, представляет собой задачу поиска экстремума целевой функции на множестве векторов, являющихся решениями системы линейных уравнений с учетом условий неотрицательности. Как известно, система линейных уравнений может не иметь решений, иметь единственное решение или иметь бесконечное множество решений. Оптимизация целевой функции возможна только в том случае, если система имеет бесконечное множество решений. Система линейных уравнений имеет бесконечное множество решений, если она совместна (ранг основной матрицы равен рангу расширенной) и, если ранг основной матрицы меньше числа неизвестных.

Пусть ранг матрицы системы ограничений равен m . Это значит, что матрица имеет хоть один минор m -го порядка не равный нулю. Не нарушая общности, можно предположить, что минор расположен в левом верхнем углу матрицы. Этого всегда можно добиться, изменив нумерацию переменных. Этот не равный нулю минор ранга m принято называть базисным. Составим систему из первых m уравнений системы, записав ее следующим образом:

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Модели линейного программирования применяют для определения оптимального способа распределения дефицитных ресурсов при наличии конкурирующих потребностей. Данный вид модели наиболее распространен на промышленных предприятиях. Он заключается в том, что помогает

максимизировать прибыль при наличии одного нескольких ресурсов, каждый из которых используется для производства нескольких видов товара. Обычно при решении оптимизации данного типа моделей обычно используется Симплекс-метод.

Имитационное моделирование

Имитационное моделирование означает процесс создания модели и ее экспериментальное использование для определения изменений реальной ситуации. Имитация используется в ситуациях, слишком сложных для математических методов типа линейного программирования. Экспериментируя на модели системы, можно установить, как она будет реагировать на определенные изменения или события, в то время, когда отсутствует возможность наблюдать эту систему в реальности.

Экономический анализ

Экономический анализ один из самых распространенных методов моделирования, хотя он и не воспринимается как моделирование. Экономический анализ вбирает в себя почти все методы оценки издержек и экономических выгод, а также относительной рентабельности деятельности предприятия. Экономический анализ включает в себя анализ безубыточности, определение прибыли на инвестированный капитал, величину чистой прибыли на данный момент времени и т.д. эти модели широко применяются в бухгалтерском и финансовом учете.

При принятии решения вне зависимости от применяемых моделей существуют некоторые правила принятия решений. Правило принятия решения – это критерий, по которому выносится суждение об оптимальности данного конкретного исхода. Существует два типа правил. Один использует численные значения вероятных исходов, второй – использует данные значения.

К первому типу относятся следующие правила принятия решений:Максимаксное решение –это решение,при котором принимается решениепо максимизации максимально возможных доходов. Данный метод очень оптимистичен, то есть не учитывает возможные потери и, следовательно, самый рискованный.

Максиминное решение –это решение,при котором максимизируетсяминимально возможный доход. Данный метод в большей степени учитывает отрицательные моменты различных исходов и является более осторожным подходом к принятию решений.

Минимаксное решение –это решение,при котором минимизируютсямаксимальные потери. Это наиболее осторожный подход к принятию решений и наиболее учитывающий все возможные риски. Под потерями здесь учитываются не только реальные потери, но и упущенные

возможности.

Критерий Гурвича. Данный критерий является компромиссом междумаксиминным и максимаксным решениями и является одним из самых оптимальных.

Ко второму типу принятия решений относятся решения, при которых кроме самих возможных доходов и потерь учитываются вероятности возникновения каждого исхода. К данному типу принятия решений относятся, например, правило максимальной вероятности и правило оптимизации математического ожидания. При данных методах обычно составляется таблица доходов, в которой указываются все возможные варианты доходов и вероятности их наступления. При использовании правила максимальной вероятности соответственно выбирается по одному из правил первого типа один из исходов, имеющий максимальную вероятность.

При использовании правила оптимизации математических ожиданий, высчитываются математические ожидания для доходов или потерь и затем выбирается оптимальный вариант.

Так как значения вероятностей со временем изменяются, при применении правил второго типа обычно используется проверка правил на чувствительность к изменениям вероятностей исходов.

Кроме того, для определения отношения к риску используется понятие полезности. То есть для каждого возможного исхода кроме вероятности рассчитывается полезность данного исхода, которая также учитывается при принятии решений.

Для принятия оптимальных решений применяются следующие методы:

платежная матрица;

дерево решений;

методы прогнозирования.

Платежная матрица –один из методов статистической теории решений,оказывающий помощь руководителю в выборе одного из нескольких вариантов. Особенно полезен в ситуации, когда руководитель должен установить, какая стратегий в наибольшей мере будет способствовать достижению целей. В самом общем виде матрица означает, что платеж зависит от определенных событий, которые фактически совершаются. Если событие или состояние природы не случается на деле, платеж неизменно будет другим.

В целом платежная матрица полезна, когда:

имеется разумно ограниченное число альтернатив или вариантов стратегии для выбора между ними.

То, что может случиться, с полной определенностью не известно. Результаты принятого решения зависят от того, какая именно выбрана альтернатива, и какие события в действительности имеют место.

Кроме того, руководитель должен иметь возможность объективно оценить вероятность релевантных событий и рассчитать ожидаемое значение такой вероятности.

Вероятность прямо влияет на определение ожидаемого значения – основного понятия платежной матрицы. Ожидаемое значение альтернативы или варианта – это сумма возможных значений, умноженных на соответствующие вероятности.

Определив ожидаемое значение каждой альтернативы и расположив результаты в виде матрицы, руководитель без труда может выбрать наиболее оптимальный вариант.

Дерево решений –метод науки управления–схематичное представлениепроблемы принятия решений – используется для выбора наилучшего направления действий из имеющихся вариантов.

Метод дерева решений может применяться как в ситуациях, в которых применяется платежная матрица, так и в более сложных ситуациях, в которых результаты одного решения влияют на последующие решения. То есть дерево решений – удобный метод для принятия последовательных решений.

Методы прогнозирования

Прогнозирование – метод, в котором используется как накопленный в прошлом опыт, так и текущие допущения насчет будущего с целью его определения. Результат качественного прогнозирования может служить основой планирования. Существуют различные разновидности прогнозов: экономические прогнозы, прогнозы развития технологии, прогнозы развития конкуренции, прогнозы на основе опросов и исследований, социальное прогнозирование.

Все типы прогнозов используют различные методы прогнозирования.

Методы прогнозирования включают в себя:

неформальные методы;

количественные методы;

качественные методы.

Неформальные методы включают в себя следующие виды информации:Вербальная информация –это наиболее часто используемая информация дляанализа внешней среды. Сюда относят информацию из радио- и телепередач, от поставщиков, от потребителей, от конкурентов, на различных совещаниях и конференциях, от юристов, бухгалтеров и консультантов. Данная

информация легкодоступна, затрагивает все основные факторы внешнего окружения, представляющие интерес для организации. Однако она очень изменчива и нередко неточна.

Письменная информация –это информация из газет,журналов,

информационных бюллетеней, годовых отчетов. Эта информация обладает

теми же достоинствами и недостатками, что и вербальная информация.

Промышленный шпионаж

Количественные методы прогнозирования используются,когда естьоснования считать, что деятельность в прошлом имела определенную тенденцию, которая может продолжиться и в будущем, и когда достаточно информации для выявления таких тенденций. К количественным методам относятся:

Анализ временных рядов. Он основан на допущении,согласно которомуслучившееся в прошлом дает достаточно хорошее приближение к оценке будущего. Проводится с помощью таблицы или графика. Причинно-следственное (казуальное) моделирование. Наиболеематематически сложный количественный метод прогнозирования. Используется в ситуациях с более чем одной переменной. Казуальное моделирование – прогнозирование путем исследования статистической зависимости между рассматриваемым фактором и другими переменными. Из казуальных прогностических моделей самыми сложными являются эконометрические модели, разработанные с целью прогнозирования динамики экономики.

Качественные методы прогнозирования подразумевает прогнозированиебудущего экспертами. Существует 4 наиболее распространенных метода качественного прогнозирования:

Мнение жюри –соединение и усреднение мнений экспертов в релевантныхсферах. Неформальная разновидность данного метода – «мозговой штурм». Совокупное мнение сбытовиков. Мнение дилеров или предприятий сбыта очень ценно, так как они имеют дело непосредственно с конечными потребителями и знают их потребности.

Модель ожидания потребителя –прогноз,основанный на результатахопроса клиентов организации.

Метод экспертных оценок. Он представляет собой процедуру,позволяющуюгруппу экспертов приходить к согласию. По данному методу эксперты из различных областей заполняют опросник по данной проблеме. Затем им дают опросники, заполненные другими экспертами, и просят пересмотреть свое мнение либо аргументировать первоначальное. Процедура проходит 3-4 раза, пока в результате не будет выработано общее решение. Причем все опросники анонимны, как и анонимны сами эксперты, то есть эксперты не

знают, кто еще входит в группу.

Ситуация с принятием стратегических решений усугубляется тем, что в республике еще нет достаточного количества высококвалифицированного управленческого персонала, то есть менеджеров, подготовленных управлять

и принимать решения в условиях рыночной экономики. Это касается как предприятий и организаций, так и Правительства. Кроме того, постоянно изменяющаяся правовая база не позволяет делать долговременных прогнозов, на основе которых могли бы приниматься стратегические решения.

База для обучения менеджеров только складывается, но из-за общего кризиса

и кризиса системы образования, ВУЗы не в состоянии подготовить достаточно квалифицированных менеджеров. Кроме всего прочего, чтобы быть настоящим менеджером необходимо иметь большой стаж работы. Что касается принятия тактических решений, то с этим ситуация складывается лучше. Тактические решения менее зависят от времени, следовательно, быстро изменяющаяся и не очень предсказуемая ситуация создают меньше препятствий для принятия правильного решения. Однако и здесь не все гладко. Это связано с тем, что из-за недостатка релевантной информации не всегда возможно принимать решения, используя научные методы (моделирование, прогнозирование, и т.д.). Большое количество руководителей вообще незнакомо с научными методами принятия решений, используемыми в науке управления.

Кроме того, в нашей стране отсутствует информационная инфраструктура, которая бы позволила в короткие сроки и с небольшими затратами получить информацию, необходимую для принятия решений. На достаточно низком уровне находится компьютерная грамотность. Недостаточно специализированных организаций по проведению различных исследований. Большим минусом также является несовершенная и постоянно изменяющаяся правовая база, наличие коррупции в структуре управления государством.

Однако не во всех отраслях экономики дела обстоят таким образом. В финансово-банковском секторе, жестко контролируемом НБМ, ситуация с принятием решений, несмотря на кризис, лучше. Это связано с тем, что в банках, наряду с поколением руководителей, получивших образование в период существования административно-командной системы управления, очень много молодых кадров (25-35 лет). Новое поколение, изучавшее менеджмент и результаты его применения в развитых странах, стремится использовать полученные знания. Недостаток опыта у них компенсируется наличием более опытных руководителей. Кроме того, здесь в большей степени используется принцип делегирования полномочий, что также увеличивает оптимальность принимаемых решений. Банки Молдовы

поддерживают связи с банками развитых стран, что позволяет руководителям различных уровней банковского сектора на практике ознакомиться с работой менеджеров в развитых странах.

Процесс принятия решений – процесс психологический. Люди, принимая решения, не всегда принимают логичные решения. Решения варьируются от спонтанных до высокологичных. Поэтому процессы принятия решений делятся на имеющий интуитивный, основанный на суждениях и рациональный характер, хотя решение редко относится к какой либо одной категории.

Интуитивное решение –это решение,принятое только на основе того,чторуководитель имеет ощущение того, что оно правильно. При этом руководитель не рассматривает все возможные варианты, не учитывает все их преимущества и недостатки и не нуждается в понимании ситуации. Решения, основанные на суждениях, часто кажутся интуитивными,так каких логика не очевидна. Такое решение – это выбор, обусловленный знаниями или накопленным опытом. Человек использует знание о том, что случалось в сходных ситуациях раньше для того, чтобы спрогнозировать результат альтернативных решений в существующей ситуации. Такой метод принятия решений обладает как положительными, так и отрицательными сторонами. Положительным является то, что действительно многие ситуации имеют тенденцию к повторению и применение такого метода принятия решений позволяет сэкономить время и деньги, так как решение принимается руководителем очень быстро и без сбора дополнительной информации и ее анализа. Однако такие решения принимаются на базе здравого смысла, который в истинном его понимании встречается очень редко. Кроме того, информация, на основе которой принимается данное решение, может быть искажена потребностями людей и другими факторами. Также суждения не позволяют принимать правильные решения в уникальных или абсолютно новых ситуациях, так как лицо, принимающее решение не обладает необходимым опытом для обоснования выбора. Так как суждение всегда опирается на опыт, оно смещает ориентацию принятия решения в направление, знакомое руководителю по предыдущим ситуациям. Это может привести к тому, что руководитель упустит новые альтернативы.

Решение принимается в условиях определенности, когда руководитель может

с точностью определить результат каждого альтернативного решения, возможного в данной ситуации. Сравнительно мало организационных или персональных решений принимается в условиях определенности. Однако они все-таки имеют место. Кроме того, элементы сложных крупных решений можно рассматривать как определенные. Уровень определенности при принятии решений зависит от внешней среды. Он увеличивается при наличии

твердой правовой базы, ограничивающей количество альтернатив и снижающей уровень риска.

Линейное программирование - один из первых и наиболее подробно изученных разделов математического программирования. Именно линейное программирование явилось тем разделом, с которого начала развиваться сама дисциплина «математическое программирование». Термин «программирование» в названии дисциплины ничего общего с термином «программирование (т.е. составление программ) для ЭВМ» не имеет, так как дисциплина «линейное программирование» возникла еще до того времени, когда ЭВМ стали широко применяться при решении математических, инженерных, экономических и др. задач. Термин «линейное программирование» возник в результате неточного перевода английского «linear programming». Одно из значений слова «programming» - составление планов, планирование. Следовательно, правильным переводом «linear programming» было бы не «линейное программирование», а «линейное планирование», что более точно отражает содержание дисциплины. Однако, термин линейное программирование, нелинейное программирование и т.д. в нашей литературе стали общепринятыми.

Итак, линейное программирование возникло после Второй Мировой Войны и стал быстро развиваться, привлекая внимание математиков, экономистов и инженеров благодаря возможности широкого практического применения, а так же математической «стройности».

Можно сказать, что линейное программирование применимо для построения математических моделей тех процессов, в основу которых может быть положена гипотеза линейного представления реального мира: экономических задач, задач управления и планирования, оптимального размещения оборудования и пр.

Задачами линейного программирования называются задачи, в которых линейны как целевая функция, так и ограничения в виде равенств и неравенств. Кратко задачу линейного программирования можно сформулировать следующим образом: найти вектор значений переменных, доставляющих экстремум линейной целевой функции при m ограничениях в виде линейных равенств или неравенств.

Линейное программирование представляет собой наиболее часто используемый метод оптимизации. К числу задач линейного программирования можно отнести задачи:

• · рационального использования сырья и материалов; задачи оптимизации раскроя;
• · оптимизации производственной программы предприятий;
• · оптимального размещения и концентрации производства;
• · составления оптимального плана перевозок, работы транспорта;
• · управления производственными запасами;
• · и многие другие, принадлежащие сфере оптимального планирования.

Так, по оценкам американских экспертов, около 75% от общего числа применяемых оптимизационных методов приходится на линейное программирование. Около четверти машинного времени, затраченного в последние годы на проведение научных исследований, было отведено решению задач линейного программирования и их многочисленных модификаций.

Постановка задачи оптимизации предполагает существование конкурирующих свойств процесса, например:

• · количество продукции - расход сырья
• · количество продукции - качество продукции

Выбор компромиcного варианта для указанных свойств и представляет собой процедуру решения оптимизационной задачи.

При постановке задачи оптимизации необходимо:

1. Наличие объекта оптимизации и цели оптимизации. При этом формулировка каждой задачи оптимизации должна требовать экстремального значения лишь одной величины, т.е. одновременно системе не должно приписываться два и более критериев оптимизации, т.к. практически всегда экстремум одного критерия не соответствует экстремуму другого. Приведем примеры.

Типичный пример неправильной постановки задачи оптимизации:

«Получить максимальную производительность при минимальной себестоимости».

Ошибка заключается в том, что ставится задача поиска оптимальности 2-х величин, противоречащих друг другу по своей сути.

Правильная постановка задачи могла быть следующая:

• а) получить максимальную производительность при заданной себестоимости;
• б) получить минимальную себестоимость при заданной производительности;

В первом случае критерий оптимизации - производительность, а во втором - себестоимость.

• 2. Наличие ресурсов оптимизации, под которыми понимают возможность выбора значений некоторых параметров оптимизируемого объекта.
• 3. Возможность количественной оценки оптимизируемой величины, поскольку только в этом случае можно сравнивать эффекты от выбора тех или иных управляющих воздействий.
• 4. Учет ограничений.

Обычно оптимизируемая величина связана с экономичностью работы рассматриваемого объекта (аппарат, цех, завод). Оптимизируемый вариант работы объекта должен оцениваться какой-то количественной мерой - критерием оптимальности.

Критерием оптимальности называется количественная оценка оптимизируемого качества объекта.

На основании выбранного критерия оптимальности составляется целевая функция, представляющая собой зависимость критерия оптимальности от параметров, влияющих на ее значение. Вид критерия оптимальности или целевой функции определяется конкретной задачей оптимизации.

Таким образом, задача оптимизации сводится к нахождению экстремума целевой функции.

В зависимости от своей постановки, любая из задач оптимизации может решаться различными методами, и наоборот - любой метод может применяться для решения многих задач. Методы оптимизации могут быть скалярными (оптимизация проводится по одному критерию), векторными (оптимизация проводится по многим критериям), поисковыми (включают методы регулярного и методы случайного поиска), аналитическими (методы дифференциального исчисления, методы вариационного исчисления и др.), вычислительными (основаны на математическом программировании, которое может быть линейным, нелинейным, дискретным, динамическим, стохастическим, эвристическим и т.д.), теоретико-вероятностными, теоретико-игровыми и др. Подвергаться оптимизации могут задачи как с ограничениями, так и без них.

Экономико-математическая модель любой задачи линейного программирования включает: целевую функцию, оптимальное значение которой (максимум или минимум) требуется отыскать; ограничения в виде системы линейных уравнений или неравенств; требование неотрицательности переменных.

В общем виде модель записывается следующим образом:

Целевая функция:

При этом aij, bi, cj () - заданные постоянные величины.

Задача состоит в нахождении оптимального значения функции (1.1) при соблюдении ограничений (1.2) и (1.3).

Систему ограничений (1.2) называют функциональными ограничениями задачи, а ограничения (1.3) - прямыми.

Вектор, удовлетворяющий ограничениям (1.2) и (1.3), называется допустимым решением (планом) задачи линейного программирования. План, при котором функция (1.1) достигает своего максимального (минимального) значения, называется оптимальным.