Cтраница 3
Пассивный подход к задачам стохастического программирования, представляет и самостоятельный интерес для приложений. [31]
Очень часто в задачах стохастического программирования стремятся сначала найти Fv ( x), а затем применить методы нелинейного программирования. [32]
Аналогичными методами решаются многие задачи стохастического программирования как при случайных, так и при детерминированных стратегиях. Результаты сведены в таблицу и даются в несколько измененной форме, ( см. приложение на стр. [33]
Соотношения между решающими правилами задач стохастического программирования с условными и безусловными статистическими ограничениями определяются следующей теоремой, являющейся естественным обобщением утверждения, установленного в [340] для частной линейной многоэтапной задачи управления в условиях неполной информации. [34]
Существует ряд приемов сведения задач стохастического программирования к детерминированным задачам математического программирования, что и позволяет построить методы их решения. [35]
Другой подход к исследованию задач стохастического программирования в условиях полной или частичной неопределенности связан с использованием методов адаптации, позволяющих приближаться к решению задачи в процессе экономного целенаправленного накопления реализаций некоторых функций от случайных параметров условий. [36]
Известное продвижение в постановках задач стохастического программирования и в методах их решения можно получить, записывая стохастические задачи в терминах функциональных пространств и используя для их анализа по крайней мере те конструктивные бесконечно-мерные аналоги методов математического программирования, которые к настоящему времени разработаны. [37]
Полученная задача (6.3.9) является задачей стохастического программирования с булевыми переменными (6.3.11) большой размерности шм. Для ее решения прежде всего необходимо иметь информацию о вероятной структуре (6.3.3) потоков решаемых задач, интенсивности (6.3.7) этих потоков и интенсивности (6.3.8) решения задач в сети. Но именно эту информацию труднее всего выявить. [38]
Заметим, что в задачах стохастического программирования со статистическими условиями связка в ограничениях исключена не во всех случаях, как IB жестких постановках, и не в большинстве случаев, как в задачах с вероятностными ограничениями ( при jV2), а в среднем. Это значит, что невязки могут возникнуть при каждой реализации условий. Однако невязки условий, отвечающие различным реализациям состояния природы, компенсируют друг друга так, что средняя невязка условий равна нулю. [39]
Оказывается, что в задачах стохастического программирования с ограничениями на чистые стратегии оптимальное значение целевого функционала, достигаемое с помощью априорных решающих распределений, может быть достигнуто и на априорных решающих правилах - на детерминированных векторах. [40]
Оказывается, что в задачах стохастического программирования с непрерывной вероятностной мерой Fm на и оптимальное значение целевой функции, достигаемое с помощью апостериорных решающих распределений, может быть достигнуто и на апостериорных решающих правилах. [41]
Таким образом, получена некоторая задача стохастического программирования. Трудность ее решения заключается в том, что только в редких случаях можно найти функцию F ( х) в аналитической форме, позволяющей применять обычные методы нелинейного программирования. [42]
Заметим, что не все задачи стохастического программирования могут рассматриваться как стохастические аналоги детерминированных условных экстремальных задач. Задача, в которой требуется максимизировать вероятность попадания решения в некоторую область ( описываемую, например, системой неравенств со случайными параметрами) при тех или иных ограничениях вполне естественна при управлении в условиях неполной информации. Однако вряд ли можно считать, что эта задача порождена некоторой детерминированной моделью математического программирования, в которой параметры целевой функции искажены случайными возмущениями. [43]
Приведенная модель обобщает жесткую постановку задачи стохастического программирования. [44]
Несмотря на разнообразие возможных постановок задач стохастического программирования можно сформулировать весьма общую постановку, к которой сводятся все остальные. [45]