WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 16 | 17 || 19 | 20 |   ...   | 23 |

Справедливость утверждения теоремы 8.1 следует из выражений (6)-(10), а также того, что в рамках предположений А.8.1 и А.8.2 выполнено следующее соотношение: y A’ ~ (y) ~U (y). • Пример 12. Пусть n = 2, H(y) = y1 + y2, ci(yi) = yi2 /2ri, 1 (ui) = ui, Ai(ui) = [0; ui], i I.

i i Обозначим = min, = max и предположим, что.

i i i =1,n i =1,n * * Тогда оптимальны действия АЭ: yi = ( - )ri, yiU = ( - )ri, i I, i i i n ( - )2 * n ( - )i i i а эффективности равны: K* =, KU =.

2ri 2ri i=1 i=* * * Видно, что yi yiU, i I, K* KU. • Итак, выше в настоящем разделе мы рассмотрели общие вопросы учета глобальных ограничений на множества допустимых действий АЭ при решении задач стимулирования в многоэлементных АС, а также задачи управления многоэлементными АС, в которых центр, помимо выбора системы стимулирования, имеет возможность управлять множествами допустимых стратегий активных элементов. Перейдем к рассмотрению нескольких практически важных частных случаев, в которых используются полученные теоретические результаты.

9. ПРОИЗВОДСТВЕННЫЕ ЦЕПОЧКИ Производственной цепочкой называется АС, в которой АЭ упорядочены таким образом, что ограничения деятельности (ограничения на выбор стратегией) каждого АЭ определяются действием, выбранным АЭ с меньшим номером, а действие, выбранное данным АЭ, определяет ограничения деятельности АЭ с большим PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory номером, причем АЭ выбирают действия последовательно в порядке, соответствующем их упорядочению. Производственные цепочки1 адекватно отражают широко распространенные на практике условия взаимодействия экономических объектов, для которых результат деятельности (в детерминированных моделях совпадающий с действием – см. седьмой раздел настоящей работы) одного объекта (продукция) является, например, сырьем, используемым другим объектом и т.д. В рассматриваемой ниже модели считается, что действие, выбранное определенным АЭ, задает множество возможных действий следующего АЭ и т.д. Содержательные интерпретации такой зависимости очевидны.

Пусть в многоэлементной АС активные элементы упорядочены так, что множество возможных действий i-го АЭ определяется действием i-1-го АЭ: Ai = Ai(yi-1), i = 2, n. Примем, что множество допустимых действий первого АЭ зависит от выбранного центром значения управляющего параметра u U, то есть A1 = A1(u).

Порядок функционирования следующий: центр выбирает систему стимулирования { ( )} M и управление u U. Затем АЭ i последовательно выбирают свои действия, причем на момент выбора действия каждый АЭ знает: целевые функции и допустимые множества (с точностью до конкретного значения параметра) всех участников АС, выбор центра и действия, выбранные АЭ с меньшими номерами.

Целевая функция АЭ имеет вид:

(1) fi(yi, ) = (yi) – ci(yi), i i то есть будем считать, что затраты АЭ сепарабельны. Для обоснования этого предположения можно привести следующее рассуждение. Если затраты i-го АЭ зависят от действий АЭ с меньшими номерами, то эту зависимость можно исключить из рассмотрения, так как на момент выбора им своей стратегии действия АЭ с меньшими номерами будут ему известны. Будем считать, что зависеть от действий АЭ с большими номерами затраты i-го АЭ также не могут, так как их действия выбираются позже и зависят (иногда В теории активных систем производственные цепочки с линейными технологическими связями АЭ рассматривались в работах [15, 17,26, 48].

PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory однозначно – в рамках принятой гипотезы рационального поведения) от действия i-го АЭ.

Структура взаимодействия участников производственной цепочки изображена на рисунке 6.

yn u ЦЕНТР … … (yn) (y1) (y2) (yi) n 1 2 i y1 y2 y yn-АЭ2 АЭi yi АЭ1 … i-1 АЭn … ci(yi), Ai(yi-1) c1(y1), A1(u) c2(y2), A2(y1) cn(yn), An(yn-1) Рис.6. Производственная цепочка Введем следующее предположение:

+ + + А.9.1. Ai(yi-1) = [0; Ai+ (yi-1)] 1, где Ai+ : 1 1 - непрерывная строго монотонно возрастающая функция, такая, что Ai+ (0) = 0, i I, y0 = u U = [0; umax].

Если выполнено предположение А.9.1, то существуют n непрерывных строго монотонно возрастающих функций (yi), обратi ных к функциям Ai+, которые позволяют «перевернуть» производственную цепочку, то есть по заданному значению действия n-го АЭ восстановить минимальные действия всех предшествующих АЭ и управление центра, делающих это действие допустимым.

Пусть xn 0 – фиксированное действие n-го АЭ. Для того что+ бы оно было допустимым должно выполняться xn An (xn-1), то есть xn-1 (xn). Выберем xn-1 = (xn). Для допустимости действия n n xn-1 должно выполняться следующее соотношение: xn-2 (xn-1).

n-PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory Выберем xn-2 = (xn-1) = ( (xn)) и т.д.

n-1 n-1 n Таким образом, допустимые планы (действия АЭ) определяются следующим образом:

(2) xi(xn) = ( (… ( (xn)))), i = 1, n - 1.

i+1 i+2 n-1 n Управление со стороны центра должно удовлетворять:

(3) u(xn) = ( (… (xn))).

1 2 n С другой стороны, по известным зависимостям Ai+ ( ), i I, и значению u umax можно восстановить ограничения Aimax (u) на максимальные допустимые действия каждого АЭ:

+ (4) Aimax (u) = Ai+ ( Ai+ (… A1 (u))), i I.

-Обозначим (u) – затраты центра на управление и сформулируем полученный (очевидный, но необходимый для решения задачи управления) результат в виде леммы.

Лемма 9.1. Если выполнено предположение А.9.1, то в производственной цепочке реализуемы такие и только такие действия y A’, которые удовлетворяют:

y A* = {y A’ | yi (yi+1), i = 1, n - 1, umax (y1)}, i+1 или, что то же самое:

+ y A* = {y A’ | y1 A1 (umax), yi Ai+ (yi-1), i = 2, n }.

Минимальные затраты центра на реализацию вектора действий y A’, удовлетворяющего приведенной системе неравенств, равны n (5) (y) = ( (y1)) + ( yi ).

1 c i i=Докажем справедливость выражения (5). Минимальное значение управления u umax, делающее допустимым действие y1 первого АЭ равно (y1). Значит, для этого центр должен потратить ( (y1)). Кроме того, действия АЭ yi, i I, должны быть реализуемы, то есть на них должны достигаться максимумы целевых функций АЭ. Для этого достаточно использовать квазикомпенсаторную систему стимулирования, требующую (как известно из результатов четвертого раздела настоящей работы) минимальных затрат на PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory n стимулирование1 ( yi ). • c i i=Воспользуемся результатом леммы 9.1 для решения задачи синтеза оптимальных управлений. Если H(y) – функция дохода центра, то оптимальным реализуемым вектором действий будет вектор n (6) y* = arg max {H(y) - ( (y1)) - ( yi ) }.

1 c i yA* i=При решении оптимизационной задачи (6) могут возникнуть как вычислительные трудности, обусловленные сложной структурой задания множества A*, так и трудности с анализом зависимости оптимального решения от параметров модели. Напомним, что задача (6) формулировалась следующим образом: фиксировалось действие последнего АЭ, после чего по выражению (2) определялось множество допустимых действий предшествующего АЭ и так далее, вплоть до определения по множеству действий первого АЭ множества управлений центра. Построенное таким образом множество A* допустимых (для всех допустимых управлений) действий как раз и является тем множеством, на котором максимизируется целевая функция центра (см. (6)).

В частном случае (см. конкретизацию ниже) возможен альтернативный подход. Для фиксированного управления u U определим множество действий АЭ, допустимых при данных управлениях: Ai(u) = [0; Aimax (u)], где Aimax (u) вычисляется в соответствии с (4). Найдем вектор действий y*(u), максимизирующий разность между доходом центра и его затратами на стимулирование на n множестве A(u) = Ai (u) :

i=n y*(u) = arg max {H(y) - ( yi ) }.

c i yA(u) i= Если производственные возможности АЭ ограничены (см., например, модель производственной цепочки в [48]), то эти ограничения могут быть учтены соответствующей модификацией функций затрат АЭ.

PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory n Обозначим (u) = H(y*(u)) - ( yi (u)). Если i I u U c * i i=* yi (u) = Aimax (u), то оптимально следующее значение управления: u* = arg max { (u) - (u)}.

uU При использовании предложенного подхода наибольшую трудность (в первую очередь – вычислительную) представляет задача определения зависимости y*(u), второй же этап – этап поиска оптимального значения управления является скалярной задачей оптимизации.

Рассмотрим задачу стимулирования первого рода1, в которой целевая функция центра не убывает по действиям всех АЭ. Если воспользоваться монотонностью и непрерывностью функций Ai+ (), обеспечиваемой предположением А.9.1, то можно предложить более простой (нежели чем использовался для задачи второго рода) метод решения задачи стимулирования, в котором по сравнению с выражением (6) существенно упрощается вид допустимого множества.

Теорема 9.1. Если выполнено предположение А.9.1, то оптимальное решение задачи стимулирования первого рода, в которой целевая функция центра не убывает по действиям всех АЭ, для рассматриваемой производственной цепочки имеет вид:

* ci ( yi ), yi = yi (u*) (7) u = u*, (yi) =, i * 0, yi yi (u*) * * * * + * где y*(u) = ( y1 (u), y2(u), …, yn (u) ), y1 (u) = A1 (u), yi (u) = * Ai+ ( yi- (u) ), i = 2, n, u* = arg max {H(y*(u)) - (u)}.

uU Применим полученные результаты для частного, но чрезвыНапомним, что в задаче стимулирования первого рода целевая функция центра не зависит явным образом от стимулирования (затраты центра на стимулирование не вычитаются из дохода центра) и совпадает с его функцией дохода.

PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory чайно часто встречающегося на практике, случая, когда доход центра H = H(xn) зависит только от действия последнего АЭ в производственной цепочке. Содержательно, при этом последний АЭ производит конечную продукцию, а центр поставляет на вход производственной цепочки исходное сырье в объеме u [0; umax].

Ограничение на максимальный объем исходного сырья порождает ограничение на множество X возможных действий последнего АЭ:

+ + + (8) xn X = [0; xmax], xmax = An ( An-1 (… A1 (umax))).

Для реализации действия xn n-го АЭ центр должен поставить исходное сырье в объеме u(xn) = ( (… (xn))) (см. выражение 1 2 n (3)). Суммарные затраты на управление при этом равны (см. выражение (2)):

(9) (xn) = ( ( (… (xn)))) + 1 2 n n-+ ci( ( (… ( (xn)))))+cn(xn).

i+1 i+2 n-1 n i=Оптимальное решение задачи управления (оптимальное реализуемое действие n-го АЭ) является решением следующей скалярной задачи оптимизации:

* (10) xn = arg max {H(xn) - (xn)}, xnX где множество X определяется выражением (8), а суммарные затраты на управление – выражением (9).

Выражения (8)-(10) свидетельствуют о том, что в рассматриваемой модели производственная цепочка может быть заменена одним активным элементом, имеющим зависимость правой границы множества допустимых действий от управления, отражаемую выражением (8), и функцию затрат:

n-c(x) = ci( ( (… ( (x)))))+cn(x).

i+1 i+2 n-1 n i=Затраты центра на управление (без учета затрат на стимулирование) при этом определяются: ~ (x) = ( ( (… (x)))). Решение 1 2 n задачи стимулирования в АС с таким (одним!) АЭ (см. также выше теорему 8.1 и модель, для которой она была сформулирована) совпадает с решением (10) задачи управления производственной цепочкой из n АЭ.

PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory Двойственным подходом является рассмотрение в рамках предположения А.9.1 явной зависимости реализуемого действия nго АЭ от управления u U центра. При этом максимальное реализуемое действие n-го АЭ связано с управлением следующим образом:

+ + + xn xmax(u) = An ( An-1 (… A1 (u))).

Затраты центра на управление (с учетом затрат на стимулирование), зависящие только от управления, равны:

n + (u) = (u) + (Ai+ (Ai+ (...A1 (u)))).

c i -i=Реализуемым оказывается следующий вектор действий АЭ:

* + yi (u) = Ai+ (Ai+ (...A1 (u))), i I, следовательно, решение задачи -управления имеет вид:

* u* = arg max {H( yn (u)) - (u)}.

uU Пример 13. Пусть Ai+ (yi-1) = yi-1, > 0, ci(yi) = yi2 /2ri, i i i + A1 = u, (u) = u, H(yn) = yn. Обозначим = и допус1 i j j=тим, что, тогда xmax = umax, а целевая функция центра n n n xi имеет вид: x) = ( - / ) x -.

n 2 i=1 ri n Если ограничения на максимальный объем исходного сырья отсутствуют, то оптимальным оказывается следующее реализуемое n * i действие n-го АЭ: xn = ( - ) /.

n n i=1 ri Двойственный подход заключается в выражении целевой функции центра через управляющий параметр u.

n ui Имеем: yi = u, i I, тогда u) = ( - ) u -.

i n i=1 ri PDF created with FinePrint pdfFactory Pro trial version http://www.pdffactory n i Вычисляем u* = arg max (u) = ( - ) /. При этом, n ui=1 ri естественно, выполнено x* = u*. Если рассматривать как цену n за сырье, - как цену за готовую продукцию, а 1/ – как n “коэффициент усиления” производственной цепочки, то неравенство можно интерпретировать как условие того, что отноn шение «выходной» и «входной» цен должно быть не меньше «коэффициента усиления» рассматриваемой системы. • В проводимом выше рассмотрении производственных цепочек считалось, что каждый АЭ выбирает свою стратегию сразу после того, как выбрал свою стратегию предшествующий АЭ, то есть никак не учитывался фактор времени. Рассмотрим некоторые способы учета времени1 в моделях производственных цепочек.

Пусть в результате решения задачи стимулирования для производственной цепочки получены значения оптимальных планов.

Предположим, что i-му АЭ для выполнения плана (без дополнительного стимулирования за сокращение времени) требуется время, i I. Сокращение времени выполнения заданного (фиксированi ного) плана на время требует от i-го АЭ дополнительных затрат i ci( ), где ci( ) – монотонная выпуклая функция, ci(0) = 0, i I.

i Тогда продолжительность всего производственного цикла равна n n T = T0 - T, где T0 =, T =.

i i i=1 i=Сокращая время выполнения плана на T, центр получает доn ход H( T) и несет затраты c( T) = ( ).

c i i i= В общем случае учет времени и технологических связей между АЭ производится в рамках сетевого планирования и управления (СПУ) [5, 11], широко используемого в управлении проектами [16, 23]. Задачи стимулирования в моделях СПУ практически не исследовались (исключения - [11, 16, 48]). Приводимое ниже рассмотрение влияние стимулирования на временные характеристики производственных цепочек является обобщением результатов, полученных в [48], и ни в коей мере не претендует на полноту исследования задач стимулирования в СПУ.

Pages:     | 1 |   ...   | 16 | 17 || 19 | 20 |   ...   | 23 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.