О В Амельницька - Система лoгicтичнoгo сервісу тpaнcнopтнo-eкcнeдицiйнoгo ніднриємства - страница 53

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  89  90 

Радіальні елементи беруться поодинці на кожне навчальне спостереження. Кожен із них представляє гаусову функцію з центром в цьому спостереженні. Кожному класу відповідає один вихідний елемент. Кожен такий елемент сполучений зі всіма радіальними елементами, що відносяться до його класу, а з рештою всіх радіальних елементів він має нульове з'єднання. Вихідний елемент складає відгуки всіх елементів, що належать до його класу. Значення вихідних сигналів виходять пропорційними ядерним оцінкам вірогідності приналежностівідповідним класам. Мережа демонструє високий рівень правильно класифікованих спостережень як для навченої, так і для тестової множин.

Таким чином, запропонована процедура вибору інструментарію забезпечення збалансованого розвитку соціально-економічної системи проводиться у декілька етапів (рис. 1):

1) ставиться управлінське завдання, яке має бути вирішена для забезпечення збалансованого розвитку;

2) визначається, які умови та критерії відповідають цьому завданню. Результати представляються у вигляді таблиці, де рядки -це критерії й умови, а стовпець - відповідність критеріям і умовам. При цьому вхідні дані наводяться в бінарному вигляді: 1 - відповідає критерію, 0 - не відповідає або цій критерій (умова) не має значення;

3) за допомогою навченої нейронної мережі визначається, яка група інструментів найбільш придатна для вирішення цього завдання. Як було відмічено раніше основні інструменти забезпечення збалансованого розвитку соціально-економічних систем пропонується розбити на 4 групи згідно розглянутому переліку критеріїв і умов. Кожна з груп може бути розбита на відповідні підгрупи. Таке розбиття дозволить здійснити тонший підбір необхідного інструментарію для вирішення поставленого завдання. При цьому навчання нейронної мережі повинне проводитися з урахуванням даного додаткового розбиття;

4) з урахуванням поставленого завдання вибирається найбільш відповідний інструмент забезпечення збалансованого розвитку соціально-економічної системи з обраної групи, який відображає специфіку та відповідає поставленим критеріям і умовам.

Рис. 1. Процедура вибору інструментарію забезпечення збалансованого розвитку соціально-економічної системи

Таким чином, запропонована класифікація та підхід до вибору інструментів забезпечення збалансованого розвитку дозволяють врахувати не тільки виробничо-економічні характеристики, але і регіональну специфіку окремої соціально-економічної системи, особливості інституційного середовища і природоохоронної політики, що проводиться.

Модель ко-еволюції економічної та екологічної систем показала, що найбільш ефективним способом досягнення збалансованого розвитку є комбінація інструментарію спонукання (екологічне оподаткування) та мотивації (трансферт технологій). Безумовно, наведені інструменти забезпечення збалансованого розвитку економічних систем не вичерпують весь можливий спектр і не гарантують однозначного досягнення поставлених цілей. Запропонована типологія інструментів дозволяє значно підвищити об'єктивність процесів управління та регулювання процесами збалансованого розвитку. Проте слід пам'ятати, що при виборі інструментів необхідно враховувати не тільки їх ефективність при застосуванні в інших країнах, але і специфіку розвитку окремої економічної системи. Запропонований інструментарій є засобом, що дозволяє обґрунтувати управлінські рішення, вказати орієнтири в розвитку та способи їх досягнення.

РЕЗЮМЕ

Рассмотрено содержание основных экономических инструментов обеспечения сбалансированного развития. Проанализированы условия использования и эффективность применения данного инструментария. С помощью методов кластерного анализа проведена классификация инструментов обеспечения сбалансированного развития, предполагающая их разделение на четыре группы. Предложена процедура выбора инструмента обеспечения сбалансированного развития на основе самообучаемой нейронной сети. Ключевые слова: инструментарий обеспечения сбалансированного развития; ко-эволюция; нейронная сеть.

РЕЗЮМЕ

Розглянуто зміст основних економічних інструментів забезпечення збалансованого розвитку. Проаналізовано умови використання та ефективність застосування даного інструментарію. За допомогою методів кластерного аналізу проведена класифікація інструментів забезпечення збалансованого розвитку, що припускає їхній розподіл на чотири групи. Запропоновано процедуру вибору інструменту забезпечення збалансованого розвитку на основі нейронної мережі, що самостійно навчається . Ключові слова: інструментарій забезпечення збалансованого розвитку; ко-еволюція; нейронна мережа.

SUMMARY

In the article was reviewed the content of basic economic tools to ensure a sustainable development. Conditions of use and the effectiveness of this tool were analyzed. Classification tools to ensure a sustainable development was based on the methods of cluster analysis, which suggests their division into four groups. The procedure for selecting a tool to ensure a sustainable development has been proposed on the basis of a self-learning neural network.

Keywords: tools of sustainable development; co-evolution; neural network.

СПИСОК ДЖЕРЕЛ:

1. Driesen D. Economic Instruments for Sustainable Development in Richardson/D. Driesen//Wood (eds), Environmental Law for Sustainability. -Portland, Oregon: Hart Publishing 2006, - p. 277-308.

2. Ekins P. On the dividends from environmental taxation/P. Ekins// Eco Taxation. - London: Earthscan Publications Ltd., 1997. - p. 125-163.

3. Larrue C. 1995 The political (un)feasibility of environmental economic instruments/C.Larrue// Environmental Policy in Search of New Instruments. - Dordrecht: Kluwer Academic Publisher, 1995. - p. 37-54.

УДК 519.86:519.87:330.4:339.138

О СОВРЕМЕННЫХ ПОДХОДАХ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ В МАРКЕТИНГЕ

Пoлшкoв Ю.Н., к. ф.-м. н., доцент кафедры математики и математических методов в экономике Донецкого национального университета '

Постановка проблемы. Маркетинг является одним из основных направлений современного предпринимательства. Он занимает особое место в повседневной работе предприятий, фирм, компаний и т.д. В маркетинге тесно связаны между собой многие экономические и социальные аспекты общества и государства. Моделирование задач маркетинга должно учитывать особенности математических методов применительно к социально-экономическим системам и процессам.

Прикладные вопросы маркетинга сложны и многообразны. Поэтому в данной работе рассматриваются некоторые из общенаучных и аналитико-прогнозных методов и моделей для решения конкретных маркетинговых задач.

Анализ последних достижений и публикаций. Описание экономико-математических методов и прикладных моделей в маркетинге имеется в главе 25 учебника [1]. Авторы учебника [1] рассмотрели задачи маркетинга как объект математического моделирования и выделили в отдельное рассмотрение балансовые модели, оптимизационные модели, методы и модели управления товарными запасами, моделирование спроса. В главе 14 учебного пособия [2] очень кратко упоминаются игровая модель обмена товарами, задача прикрепления потребителей к поставщикам, модель определения стадии жизненного цикла товара, модель выбора сегментов рынка, структурная и регрессионная модели спроса, задача игрушечных дел мастера, моделирование цикла «Исследование - производство» нового товара, анализ риска инноваций. Встречаются и другие публикации, которые, в основном, рассматривают аспекты математического моделирования отдельных направлений маркетинга (см. библиографию [1]).

Формулировка нерешённых проблем. Несмотря на довольно большое количество работ по поставленной проблеме, остаётся масса открытых вопросов. Среди них - недостаточное использование стохастических подходов, которые бы отражали нестабильность окружающей социально-экономической среды.

Автор этой статьи занимается задачами маркетинга несколько лет. Данная публикация является, в каком-то смысле, итогом. Она продолжает тематику прежних работ [3]- [7].

Цель работы. Постараемся в данном исследовании выделить приоритетные направления математической спецификации задач маркетинга. Для этого рассмотрим современные подходы экономико-математического моделирования, отвечающие реалиям нынешних рыночных отношений.

Результаты исследования. Несмотря на огромный скачок, который совершили математические методы в экономике в 20-м веке, балансовые модели не утратили своей значимости. Вполне возможно, что нынешний мировой экономический кризис связан именно с нарушением балансов, и эту ситуацию ещё можно исправить.

Балансовые модели относятся к матричным экономико-математическим моделям (моделям линейной алгебры), в которых балансовый метод получил строгое математическое выражение. Такие модели объединяет не только общий формальный (матричный) принцип построения и единство системы расчетов, но и аналогичность экономических характеристик отдельных разделов. Это позволяет рассматривать структуру, содержание и основные зависимости матричных моделей на примере широко распространенной модели межотраслевого баланса (МОБ) производства и распределения продукции в рамках национальной экономики. Баланс отражает производство и распределение общественного продукта в отраслевом разрезе, межотраслевые производственные связи, использование материальных и трудовых ресурсов, создание и распределение национального дохода.

Основоположником балансового метода является американский экономист русского происхождения В. Леонтьев. Ему удалось в 1936 г. сформулировать основные принципы математических моделей МОБ, допускающие широкие возможности анализа. В 1963 г. В. Леонтьеву была присуждена Нобелевская премия в области экономики.

Выписывать математические соотношения мы не будем, т.к. они приводятся во многих научных и учебно-методических трудах. Автор рекомендует прочитать, например, главу 3 из учебника [8].

Скажем несколько слов о т. н. статической модели оптимизации прикрепления потребителей к поставщикам. Эта модель не что иное, как транспортная задача линейного программирования (см., например, [9, п. 2.3]).

Рассмотрим более сложную задачу о размещении складов. Пусть в регионе имеется крупная агрофирма, которая производит сельскохозяйственную продукцию и реализует её через сеть своих магазинов. В рамках агрофирмы действуют m поставщиков

(сельхозпредприятий) товара (картофеля) с запасами aj , a2,--, am. Товар доставляется на П складов, на которых можно хранить

, /?2> - > Ьп единиц товара (тонн картофеля). Известны также Сц ( / 1, ТП , ] 1, ¥1) - цены перевозки единицы товара от / -го поставщика на Ц -й склад.

Пусть неизвестные величины Хц ( І 1, т , 7 1, П ), обозначают объёмы планируемых перевозок от і -го поставщика на 7 -й склад. Обозначим через 2 общую стоимость таких перевозок. Если остановиться на такой постановке задачи и стремиться минимизировать 2 , то перед нами классическая транспортная задача:

тп

і=1 7—1

© Полшков Ю.Н., 2012

У

J =1

m

У

ІІ=1

x

1J

a

i. У

J=1

x2J a2

,...,У XmJ

J=1

a

m

ХІІ УХІ2 =b2,...,У

x

n

i 1

i 1

x.. > 0 (i = 1,m; J = 1,n у

(2)

(3)

Пусть товар со складов получают р потребителей (магазинов) с потребностями 6^, 6^ ■ итвш™ через

Обозначим через d J

( J     1,n, к     1, P) совокупные

стоимости доставки единицы товара с

J -го склада к -му потребителю. Причём совокупная

стоимость

d

включает цену транспортировки и цену хранения единицы товара на складе.

Предположим, что неизвестные величины

У к (J 1, П , к 1, p ) обозначают объёмы планируемых перевозок с J

склада К -му потребителю. Введём - общую стоимость доставки товара со складов потребителям, которая включает и общую

стоимость хранения товара на складах.

Т.о. вторую часть модели мы свели к ещё одной транспортной задаче:

n

W=УУ dJkyJk min

(4)

J =1 к=1

У у1к =b1, У y2 к У упк =bn ,

к=1 к=1 nn

У yJl =el, У yJ2 IJ =1 J =1

к=1 n

(5)

= e

2

'p'

J =1

Уд > 0 (J =1,n; к 1, p у.

(6)

Очевидно, что решив последовательно задачи (1)-(3) и (4)-(6), удастся определить оптимальные планы объёмов перевозок Х:ц

(i = 1, m, J = 1, п) и уд (J = 1, n, к = 1, p), которые

минимизируют совокупные расходы на транспортировку и

хранение товара, т. е.

Рассматривая линейную модель (1)-(6), предполагалось, что цены хранения единицы товара на складе постоянны и включали их общую стоимость перевозок. На самом деле цена хранения может быть переменной. Она может возрастать (например, с увеличением времени хранения) или, наоборот, по каким-то причинам уменьшаться. Такие допущения приводят к задачам нелинейного программирования.

Пусть первая часть модели, т.е. 3) остаётся неизменной. При этом, во второй части предположим, что совокупные стоимости доставки единицы товара, включающие цену хранения, зависят от объёмов планируемых перевозок и определяются выражением

djk + ljk '      (J = 1>п, к = 1>p у. Здесь l

это коэффициент изменения стоимости, который в зависимости от

ситуации может быть как положительным, так и отрицательным.

Например, 17^ ^ 0 может означать следующее. Отгружая большие объёмы У^ товара со складов, стоимость их хранения уменьшается. А это влечёт, в свою очередь, к снижению совокупной стоимости расходов на транспортировку и хранение.

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  89  90 


Похожие статьи

О В Амельницька - Система лoгicтичнoгo сервісу тpaнcнopтнo-eкcнeдицiйнoгo ніднриємства

О В Амельницька - Аналіз ефективності функціонування локальних електричних мереж в сучасних умовах

О В Амельницька - Аналіз методів оцінки соціально-економічної ефективності проектних рішень в електричних мережах