Strategie optymalne i prawie optymalne w dyskretnym stochastycznym programowaniu dynamicznym

• Authors: Tadeusz Trzaskalik

Title variants

EN

Optimal and Near Optimal Strategies in Discrete Stochastic Dynamic Programming

• Languages of publication: PL

Abstracts

PL

W pracy rozpatrujemy wieloetapowe, dyskretne, stochastyczne procesy decyzyjne. Dla decydenta interesujące może być nie tylko znalezienie strategii optymalnej, ale również kolejnych strategii, dla których wartość oczekiwana jest bliska wartości oczekiwanej strategii optymalnej, z dokładnością określoną przez decydenta. Celem artykułu jest zaproponowanie algorytmu pozwalającego na znalezienie strategii optymalnych i prawie optymalnych. Strategie optymalne znajdujemy, wykorzystując zasadę optymalności Bellmana. Proponowana w niniejszej pracy metoda polega na znalezieniu zbioru strategii optymalnych, a następnie rozszerzaniu tego zbioru o kolejne strategie prawie optymalne, które mieszczą się w obszarze zainteresowań decydenta. Nowe strategie generujemy poprzez zmianę decyzji w jednym stanie dla strategii zaakceptowanej wcześniej. Zaproponowany algorytm ilustrowany jest prostym przykładem liczbowym, wyjaśniającym jego działanie.

Keywords

PL

programowanie dynamiczne; strategia; modele stochastyczne

• Publisher: Wydział Zarządzania - Uniwersytet Gdański
• Journal: Zarządzanie i Finanse
• Year: 2015
• Volume: 4
• Issue: 2
• Pages: 287-300

Contributors

author

Tadeusz Trzaskalik

• Prof. dr hab., Katedra Badań Operacyjnych, Wydział Informatyki i Komunikacji, Uniwersytet Ekonomiczny w Katowicach, ul. 1 Maja 50, 40-287 Katowice,

References

• Bellman R. (1957), Dynamic Programming, Princeton University Press.
• Bellman R., Dreyfus S. (1967), Programowania dynamiczne. Zastosowania, PWE, Warszawa.
• Elmaghraby S. E. (1970), The Theory of Networks and Management Science, Part 1 „Management Science”, Vol. 17.
• Nowak M. (2014), Wykorzystanie podejścia quasi-hierarchicznego w wielokryterialnym drzewie decyzyjnym, w: Analiza i wspomaganie decyzji, D. Kopańska-Brodka (red.), „Studia Ekonomiczne. Zeszyty Naukowe Wydziałowe”, nr 208, Uniwersytet Ekonomiczny w Katowicach.
• Nowak M., Trzaskalik T. (2012), Interactive procedure for a multiobjective stochastic discrete dynamic problem, „Journal of Global Optimization”, Vol. 57, No. 2.
• Steuer R. E. (2003), ADBASE: A Multiple Objective Linear Programming Solver for All Efficient Extreme Points and All Efficient Unbounded Edges, Terry College of Business, University of Georgia, Athens, Georgia.
• Trzaskalik T. (1998), Multiobjective Analysis in Dynamic Environmnent, The Karol Adamiecki University of Economics in Katowice Press, Katowice.
• Trzaskalik T. (1990), Wielokryterialne dyskretne programowanie dynamiczne. Teoria i zastosowania w praktyce gospodarczej, Akademia Ekonomiczna w Katowicach, Katowice.
• Trzaskalik T. (1986), Wybrane problemy programowania dynamicznego, Akademia Ekonomiczna w Katowicach, Katowicach.
• Trzaskalik T., Do Thien Hoa (1999), Wielokryterialne, wieloetapowe procesy decyzyjne w warunkach niepewności, w: Modelowanie preferencji a ryzyko’99, część 2, Trzaskalik T. (red.), Akademia Ekonomiczna im. K. Adamieckiego, Katowice.
• Trzaskalik T., Sitarz S. (2007), Discrete dynamic programming with outcomes in random variable structures, „European Journal of Operational Research”, Vol. 177.