На практике линейные моделискорее исключение, чем правило, потому что очень часто величины (цены, процентные ставки, тарифы), которые влияют на конечный результат, есть не пропорционально зависимыми от неизвестных (объемы товаров или инвестиций) и потому общий результат описывается нелинейным соотношением. Нелинейность – это довольно распространенная ситуация, ее вызывают сложные взаимоотношения между величинами, что характерно для технических, финансовых, биологических и других процессов. Потому нелинейность экономических задач существенно расширяет возможности учета существующих свойств и черт, хотя относительно их решения исследователи должны учитывать повышенную сложность получения желанного результата аж до невозможности его получения вообще. Нелинейные модели классифицируют с позиции сложности получения глобального оптимуму – все зависит от функциональных особенностей целевой функции и ограничений. Все множество нелинейных задач оптимизации можно разделить на три классы соответственно к особенностям целевой функции и функции ограничений в порядке нарастания сложности: І. Вогнутые и выпуклые задачи квадратичного программирования, где достигается глобальный оптимум. ІІ. Вогнутые и выпуклые задачи выпуклого программирования, где достигается глобальный оптимум. ІІІ. Задачи нелинейного программирования общего вида, где достигается локальный оптимум, среди которых ищут глобальный оптимум. В Excel для поиска оптимуму нелинейной задачи используется улучшенный метод сопряженных градиентов Флетчера-Ривса итерационного типа, приспособленный известным математиком Л. Лесдоном для программы надстройки Excel Solver (Поиск решений). Идея градиентного метода поиску экстремума функции (предложена в 1847 году Коши): выбирается начальная (стартовая) точка (начальное приближение у виде набора произвольных значений неизвестных) и вычисляется градиент (начальные производные целевой функции в диапазоне этой точки), который определяет шаг и направление движения в следующую точку для улучшения ЦФ. У следующих точках эта процедура повторяется, пока эти производные не станут нулевыми, что говорит о достижении экстремума. Усовершенствование градиентных методов ставит за цель ускорения сходимости итерационного вычислительного процесса и базируется на учете особенностей функции. Особенность программы-оптимизатора Поиск решений относительно нелинейных моделей – «Отчет по устойчивости»определяет теневые цены ограничений у виде множителей Лагранжа и, соответственно, отсутствие значения максимального допустимого увеличения ограничивающего параметра. Поскольку речь идет о нелинейных задачах оптимизации, при определении параметров модели оптимизации не нужно фиксировать режим «Линейная модель».
|