Metody optymalizacji dynamicznej...

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