Модели и задачи линейного и нелинейного программирования

В банковской деятельности

Ответственные решения в современных целенаправленных системах планирования и управления должны быть в некотором смысле экстремальными или близкими к ним. Отступление от этого принципа обычно связано с излишними затратами (часто весьма значительными) и снижает эффективность управления (часто весьма существенно).

При моделировании банковской деятельности часто приходится сталкиваться с задачей математического программирования, которая может быть сформулирована следующим образом: найти значения переменных , которые удовлетворяют неравенствам

(2.3.1)

и обращают в минимум (максимум) функцию :

(2.3.2)

Вид функций и определяет класс задач математического программирования. Если все функции , , линейны, получаем задачу линейного программирования. Если хотя бы одна из функций нелинейна, имеем задачу нелинейного программирования.

Классические методы поиска экстремума в задачах нелинейного программирования тесно связаны с понятием выпуклой функции, седловой точки, необходимыми и достаточными условиями экстремума (теорема Куна-Таккера), функцией и множителями Лагранжа

План, набор команд управления или проект часто могут быть формально представлены в виде системы чисел или функ­ций, удовлетворяющих определенным ограничениям — равен­ствам, неравенствам или логическим соотношениям. План, си­стема команд управления или проект оптимальны, если они, кроме того, обращают в минимум или в максимум (в зависи­мости от постановки задачи) некоторую функцию от искомых параметров — показатель качества решения.

Записи (2.3.1), (2.3.2), вполне осмысленные при детерминиро­ванных значениях параметров условий задачи, теряет опреде­ленность и требует дополнительных разъяснений при случайных значениях исходных данных. Между тем во многих прикладных задачах коэффициенты целевой функции, элементы функции условий или составляющие вектора ограничений — случай­ные величины.

Исходная информация для планирования, проектирования и управления в экономике, как пра­вило, недостаточно достоверна. Планирование производства обычно ведется в условиях неполной информации об обстановке, в которой будет выполняться план и реализовываться произ­веденная продукция. Во всех случаях в моделях математического программирования, к исследованию которых сводятся задачи планирования, проектирования и уп­равления, отдельные или все параметры целевой функции и ограничений могут оказаться неопределенными или случай­ными, Естественный на первый взгляд путь анализа подобных задач—замена случайных параметров их средними значениями и вычисление оптимальных планов полученных таким образом детерминированных моделей—не всегда оправдан. При сгла­живании параметров условий задачи может быть нарушена адекватность модели изучаемому явлению. Усреднение исходных данных может привести к потере полезной информации и привнести в модель ложную информацию. Решение детерми­нированной задачи с усредненными параметрами может не удовлетворять ограничениям исходной модели при допустимых реализациях параметров условий.