Cтраница 2
В кн.: Системы программного обеспечения решения задач оптимального планирования: Крат. [16]
Аналитическое выражение для а, как уже сказано, в каждом конкретном случае специфично, поэтому основным является разработка методов определения его экстремальных значений. Это в свою очередь может дать инструмент для решения задачи оптимального планирования многопродуктовых моделей. [17]
Непрерывным планом ( на множестве планирования X) будем называть произвольную вероятностную меру на измеримом пространстве ( X, И), где есть а-алгебра борелевских подмножеств множества X. Это обобщение позволяет привлечь для решения задач оптимального планирования удобный математический аппарат решения экстремальных задач в замкнутых множествах. [18]
Огромная роль электронно-вычислительной техники в улучшении методов планирования предъявляет еще большие требования к математической и особенно к экономической стороне этого вопроса. В частности, из известных математических методов в настоящее время делаются попытки применить в технико-экономическом планировании матричный метод, метод разрешающих множителей, симплекс-метод и другие методы линейного программирования. Однако каждый из них имеет свои недостатки и не нашел еще полного признания или сколько-нибудь широкого применения в практике планирования. Поэтому крайне необходимы дальнейшие исследования в этой области, особенно при решении задач оптимального планирования. [19]
Изложенный метод поиска решений по модели является некоторым компромиссом между аналитическим методом определения управления ( 47) и известным ( например, в форме экстремального регулирования) методом поискового определения управляющих воздействий непосредственно на объекте. В рассматриваемом случае от аналитического метода сохраняется необходимость построения модели, а поисковый метод часто дает существенно более простой, по сравнению с аналитическим, способ определения управлений при использовании сложных моделей. Последнее обстоятельство, в частности, является важнейшим стимулом применения имитационного моделирования для управления сложными системами. В общем случае имитационные модели описывают поведение объектов во времени на таком языке ( например, в виде таблиц или специального словесного описания), который на данном этапе развития математики исключает аналитический синтез. В этой связи имитационные модели широко применяют для управления разнообразными сложными процессами, а не только при решении задач перевода ( например, при решении задач оптимального планирования производством), причем алгоритмы поиска в таких системах часто реализуются в гибкой форме диалога человек - машина. [20]