Metody optymalizacji dynamicznej w ustalaniu struktury produkcji gospodarstw rolnych

Celem głównym pracy jest zastosowanie wybranych metod heurystyczno- -symulacyjnych do rozwiązywania liniowo-dynamicznych modeli decyzyjnych produkcji roślinnej przeciętnego gospodarstwa rolnego oraz analiza porównawcza rozwiązań otrzymanych za ich pomocą.

Cele szczegółowe pracy:

– zastosowanie metod: algorytmu genetycznego, pattern search i sztucznych sieci neuronowych do optymalizacji dynamicznej struktury produkcji roślinnej w przeciętnym gospodarstwie rolnym,

– wykorzystanie zasady Bellmana do dekompozycji i budowy etapowych modeli liniowo-

-dynamicznych (szeregowych i szeregowo-równoległych) oraz analiza dokładności rozwiązań i czasów trwania obliczeń,

– porównanie rozwiązań metod algorytmu genetycznego, pattern search i sztucznych sieci neuronowych (dokładność, czas obliczeń),

– budowa i rozwiązanie liniowo-dynamicznych modeli dualnych.

Hipoteza pracy: Metody algorytmu genetycznego, pattern search i sztucznych sieci neuronowych są użytecznym narzędziem w ustaleniu struktury produkcji rolniczej w okresach wieloletnich. Otrzymane za ich pomocą maksymalne wielkości dochodu rolniczego są zbieżne do rozwiązania optymalnego metodą simplex (PL) liniowo-dynamicznego modelu przeciętnego gospodarstwa i pozwalają na opcjonalny wybór planów różniących się strukturą produkcji roślinnej.

                                                                                                             Ze wstępu

1. Wybrane zagadnienia optymalizacji dynamicznej
1.1. Istota programowania dynamicznego

1.2. Klasyfikacja modeli dynamicznych oraz ich zastosowanie w optymalizacji dynamicznej

produkcji rolniczej

1.3. Przykłady zastosowań modeli dynamicznych

2. Metody wykorzystane w optymalizacji dynamicznego modelu

struktury produkcji

2.1. Wyznaczanie rozwiązań za pomocą algorytmu genetycznego

2.2. Algorytm pattern search

2.3. Sztuczna sieć neuronowa

2.4. Metoda simplex rozwiązywania programów liniowych

3. Budowa dynamicznych modeli produkcji roślinnej przeciętnego

gospodarstwa

3.1. Model liniowo-dynamiczny optymalizacji produkcji w gospodarstwie rolnym

3.2. Liniowo-dynamiczny model optymalizacji struktury produkcji roślinnej

3.3. Metodologia budowy etapowych dynamicznych modeli optymalizacji produkcji

w gospodarstwie rolnym

4. Rozwiązania dynamicznych modeli gospodarstw

4.1. Zastosowanie algorytmu genetycznego (AG) w określeniu struktury produkcji rolniczej

4.2. Zastosowanie metody pattern search (PS) w określeniu struktury produkcji rolniczej

4.3. Zastosowanie algorytmu genetycznego i metody pattern search (AG-PS)

4.4. Zastosowanie sztucznej sieci neuronowej (SSN) w optymalizacji struktury produkcji

rolniczej

4.5. Czasy obliczeń zastosowanych metod optymalizacji dynamicznej struktury produkcji

rolniczej

5. Analiza postoptymalizacyjna modeli w postaci pierwotnej i dualnej

5.1. Analiza postoptymalizacyjna rozwiązań modeli dynamicznych w postaci pierwotnej

5.2. Model dualny czteroletniej produkcji roślinnej gospodarstwa rolnego

5.3. Rozwiązania modeli metodą programowania liniowego (PL)

5.4. Czasy obliczeń metodami AG-PS i PL

5.5. Rozwiązanie modelu statycznego czteroletniej produkcji gospodarstwa rolnego

5.6. Porównanie struktur zasiewów

Zakończenie

Bibliografia

Spis rysunków

Spis tabel