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