Разработка управленческого решения. Машунин Ю.К. - 98 стр.

UptoLike

ВУЗ: 

ДВФУ | Владивосток

Составители: 

Рубрика: 

98
В результате решения векторной задачи получим: максимальную относительную оценку λ
0
=
0.445, точку оптимума Х
0
= {х
3
= 1250, х
4
= 870, х
5
= 1256, х
6
= 963, х
7
= 429.7, х
8
= 207, х
9
= 387, х
10
=
43}.
В этой точке степень централизации управления δ
y
q
= f(X
0
q
)/f
8
q
, ∀q ∈ Q равна λ
0
. Действи-
тельно, относительные оценки по каждому критерию λ(Х
0
) = 0.445, 1.5 k = , т. е. λ
0
показывает сте-
пень централизации управления ЛП. Степень дефентрализации управления равна 1 - δ
y
q
.
Двухуровневая ИС с неполной информированностью ВП (с построением агрегирован-
ной модели).
Иллюстрация двухуровневой ИС с неполной информированностью ВП покажем с помощью
метода агрегации (композиции и декомпозиции) в четыре этапа:
• решение векторной задачи, описывающей двухуровневую ИС в целом, результат решения будет в
дальнейшем служить эталоном;
• композиция отдельных моделей ЛП в агрегированную модель двухуровневой ИС;
• декомпозиция агрегированной модели двухуровневой ИС;
• сравнение результатов решения векторной задачи, полученной на первом этапе, и агрегированной
модели.
1) Решение векторной задачи.
В результате решения векторной задачи получим: максимульную относительную оценку λ
0
=
0.445, точку оптимума Х
0
= {х
3
= 1250, х
4
= 870, х
5
= 1256, х
6
= 963, х
7
= 429.7, х
8
= 207, х
9
= 387, х
10
=
43}, в этой точке вычислим относительные оценки по каждому критерию λ(Х
0
) = 0.445, 1.5 k = ,
λ
6
(Х
0
) = 0.757, λ
7
(Х
0
) = 688, т. е. λ
0
является гарантированным результатом для всех критериев, он
показывает, что в точке Х
0
, λ
0
≤ λ
k
(Х
0
), k ∈ К.
λ
0
и Х
0
будут в дальнейшем служить эталоном для анализа результата решения
агрегированной модели.
2) Композиция отдельных моделей ИС в агрегированную модель двухуровневой ИС.
2.1) Ведущая переменная по каждой ТС равна соответствующему критерию у
q
= f
q
(X),
1.5 q = .
2.2) Решим векторную задачу для каждой ИС.
Результаты решения по отдельным ТС соответственно:
2.3) Ведущая переменная по каждой ИС равна соответствеющему критерию y
q
= f
q
(X), q = 1,5
и изменяется в пределах 0 ≤ y
q
≤ y
*
q
, q = 1, Q, где .Q 1, q ,
*
q
f *y ==
2.4) Опуская вычисления линейной аппроксимации критериев и ограничений, представим аг-
регированную векторную задачу:
opt F(Y) = {max f
1
(Y) = y
1
, max f
2
(Y) = y
2
, max f
3
(Y) = y
3
, 
                                                                                                        98


        В результате решения векторной задачи получим: максимальную относительную оценку λ0 =
0.445, точку оптимума Х0 = {х3 = 1250, х4 = 870, х5 = 1256, х6 = 963, х7 = 429.7, х8 = 207, х9 = 387, х10 =
43}.
        В этой точке степень централизации управления δyq = f(X0q)/f8q, ∀q ∈ Q равна λ0. Действи-
тельно, относительные оценки по каждому критерию λ(Х0) = 0.445, k = 1.5 , т. е. λ0 показывает сте-
пень централизации управления ЛП. Степень дефентрализации управления равна 1 - δyq.
        Двухуровневая ИС с неполной информированностью ВП (с построением агрегирован-
ной модели).
        Иллюстрация двухуровневой ИС с неполной информированностью ВП покажем с помощью
метода агрегации (композиции и декомпозиции) в четыре этапа:
• решение векторной задачи, описывающей двухуровневую ИС в целом, результат решения будет в
    дальнейшем служить эталоном;
• композиция отдельных моделей ЛП в агрегированную модель двухуровневой ИС;
• декомпозиция агрегированной модели двухуровневой ИС;
• сравнение результатов решения векторной задачи, полученной на первом этапе, и агрегированной
    модели.
        1) Решение векторной задачи.
        В результате решения векторной задачи получим: максимульную относительную оценку λ0 =
0.445, точку оптимума Х0 = {х3 = 1250, х4 = 870, х5 = 1256, х6 = 963, х7 = 429.7, х8 = 207, х9 = 387, х10 =
43}, в этой точке вычислим относительные оценки по каждому критерию λ(Х0) = 0.445, k = 1.5 ,
λ6(Х0) = 0.757, λ7(Х0) = 688, т. е. λ0 является гарантированным результатом для всех критериев, он
показывает, что в точке Х0, λ0 ≤ λk(Х0), k ∈ К.
        λ0 и Х0 будут в дальнейшем служить эталоном для анализа результата решения
агрегированной модели.
        2) Композиция отдельных моделей ИС в агрегированную модель двухуровневой ИС.
        2.1) Ведущая переменная по каждой ТС равна соответствующему критерию уq = fq(X),
q = 1.5 .
        2.2) Решим векторную задачу для каждой ИС.
        Результаты решения по отдельным ТС соответственно:




        2.3) Ведущая переменная по каждой ИС равна соответствеющему критерию yq = fq(X), q = 1,5
и изменяется в пределах 0 ≤ yq ≤ y*q, q = 1, Q, где y * = f * , q = 1, Q.
                                                             q
       2.4) Опуская вычисления линейной аппроксимации критериев и ограничений, представим аг-
регированную векторную задачу:
       opt F(Y) = {max f1(Y) = y1, max f2(Y) = y2, max f3(Y) = y3,

Страницы