Проверяемый текст
Шестаков, Алексей Валерьевич; Методы и модели имитационного моделирования бизнес-процессов реинжиниринга (Диссертация 2001)
[стр. 92]

93 Для каждого предприятия j е N найдем принятую в плане {ху} первого этапа инновацию, дающее минимальное приращение эффективности, отнесенной к единице затраченного на это инновация корпоративного фонда.
Иными словами определим для каждого j
е N такое /0 ~ h(j), для которого достигается min .fV У Упорядочим эти величины по возрастанию: <...............< У.
.
‘ IqJ • Vi * 1qJh Будем последовательно полагать xi(J = 0,x/u7i = 0 и т.д.
до минимального Д при котором п а = а-\а}} hJk и затем повторим процесс для множеств QJ и числа а .
Отметим, что обычно в алгоритмах пожирающего типа исходятиз некоторого допустимого решения и последовательно наращивают его за счет «наиболее выгодных» переменных до получения первого недопустимого решения.
Предлагаемая процедура является двойственной к описанной, так как использует исключение наименее выгодных переменных из заведомо неоптимального решения.
По своему содержанию такой подход в большей степени соответствует модели финансового планирования или
бюджетирования, так как фактически формализует процесс корректировки планового решения.
Описанный приближенный метод сравнительно легко реализуем,на первом этапе он требует решения п одномерных задач о ранце, где
у'-я задача содержит Mj переменных, а второй этап осуществляется методом простого счета.
Для снижения трудоемкости можно воспользоваться одним из быстрых приближенных методов [45].
[стр. 78]

78 * А Т Определим для каждого J е множество и положим Если , то план является оптимальным планом задачи (3.1) Qi = i i\ *ij = 1 у j = (3.4).
В этом случае корпоративные ресурсы не являются лимитирующими.
Пусть это не так, т.е.
^у*ф2?.
В этом случае набор не является jeN допустимым планом задачи (3.1)(3.4) и мы переходим ко второму этапу алгоритма.
Наша задача состоит теперь в нахождении булевых переменных Ху , удовлетворяющих неравенству (3.1) (3.4) и дающих по возможности минимальное снижение значения целевой функции по сравнению с оптимальным значением с0 первого этапа.
Применим для этого следующий эвристический алгоритм пожирающего типа.
Вычислим величину средств, которой не хватает для выполнения уже найденного планового решения: а Zy'i-в jeN (3.6) Для каждого предприятия j &N найдем принятое в плане 1 первого этапа инновация, дающее минимальное приращение эффективности, отнесенной к единице затраченного на это инновация корпоративного фонда.
Иными словами определим для каждого j
eN такое *о(Л для которогоiо достигается с♦ * У minа у Упорядочим эти величины по возрастанию:

[стр.,79]

79 07 Будем последовательно полагать ^1qJ\ О и т.д.
до минимального I, при К ^/0/, ^оУ2................
котором п ^aiJа а к=\ Jk и затем повторим процесс для множеств Qj И ЧИСЛЯ (X .
Отметим, что обычно в алгоритмах пожирающего типа исходят из некоторого допустимого решения и последовательно наращивают его за счет «наиболее выгодных» переменных до получения первого недопустимого решения.
Предлагаемая процедура является двойственной к описанной, так как использует исключение наименее выгодных переменных из заведомо неоптимального решения.
По своему содержанию такой подход в большей степени соответствует модели финансового планирования или бюджетирования, так как фактически формализует процесс корректировки планового решения.
Описанный приближенный метод сравнительно легко реализуем: на первом этапе он требует решения п одномерных задач о ранце, где
j-я чзадача содержит переменных, а второй этап осуществляется методом простого счета.
Для снижения трудоемкости можно воспользоваться одним из быстрых приближенных методов [45].

Рассмотрим теперь вопрос о динамике реализации инноваций, т.е.
об определении моментов времени начала каждого инновации, для этого необходимо разработать динамический вариант базовой модели.
Осуществление программы инноваций рассчитано на период Т (например, год), состоящий из дискретных подпериодов Для каждого СХП заданы списки инноваций, которые можно внедрять в каждом подпериоде

[стр.,113]

из II организации распределяются между СХП, поэтому нужно составить план внедрения инноваций и распределения средств организации между ними.
Сформулированная задача оптимизации является задачей линейного программирования с булевыми переменными.
Как известно [2], решение задач такого типа с помощью стандартных методов целочисленного программирования связано с большими сложностями и не всегда возможно.
Для решения задачи 1) (3.4) мы воспользовались приближенным * методом, первоначальный вариант которого описан в [2].
Смысловая интерпретация предлагаемого алгоритма состоит в следующем: первоначальный отбор инноваций производится исходя из собственных возможностей СХП для каждого СХП.
Если полученные планы позволяют также максимизировать суммарный корпоративный эффект, то задача отбора инноваций решена.
Кроме того, данном случае корпоративные ресурсы либо достаточно велики, либо не являются лимитирующим фактором.
Если же первоначальный отбор инноваций *> требует запланировано, то осуществляется его последовательная корректировка.
Цель корректировки состоит в минимизации отклонения от первоначального варианта, что позволит удовлетворить ограничение на объем привлекаемых корпоративных «Г ресурсов.
Обычно в алгоритмах пожирающего типа исходят из некоторого допустимого решения и последовательно наращивают его за счет «наиболее выгодных» переменных до получения первого недопустимого решения.
Предлагаемая процедура является двойственной к описанной, так как использует исключение наименее выгодных переменных из заведомо неоптимального решения.
По своему содержанию такой подход в большей степени соответствует модели финансового планирования или
I

[Back]