КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Марковская модель управления затратами на рекламу
Автор: Вилисов Валерий Яковлевич, профессор кафедры Математики Технологического университета (г. Королев, Моск. обл.) Обратная задача. Прямая задача. Игровая модель управления конкурентоспособностью продукции. Конкурентная среда представлена двумя сторонами: · 1-й игрок (И1) - это оперирующая сторона, т.е. предприятие, выбирающее оптимальные решения для обеспечения конкурентоспособности продукции (КСП). · 2-й игрок (И2) – среда, окружающая 1-го игрока, т.е. другие предприятия - конкуренты. Схема задачи представлена на рисунке. Здесь - реакция рынка; - данные учета по продукту; - объем средств, направляемых на управление конкурентоспособностью продукта; - решения, принятые для обеспечения конкурентоспособности. КСП характеризуется вектором показателей . Его состав достаточно стабилен и может быть определен каким-либо из методов практического маркетинга. Так для теплообменников в входят технические, экономические и дополнительные показатели (в порядке убывания их значимости): · цена; · надежность (время наработки на отказ); · срок службы; · срок поставки; · гарантийный срок; · затраты на эксплуатацию; · затраты на ремонт; · другие. Пусть И1 выделяет бюджет для управления конкурентоспособностью продукта. Пусть рынок находится в равновесии (в установившемся режиме). Необходимо на каждом шаге управления так распределить бюджет , чтобы обеспечить стабильный спрос. Поскольку конкуренты делят общий «пирог» - емкость рынка, то структурно будем рассматривать эту задачу как антагонистическую матричную игру (АМИ) с нулевой суммой. Такая игра однозначно представима своей матрицей платежей , где и количество чистых стратегий соответственно И1 и И2..
Пусть модель рынка – олигополия. Чистыми стратегиями АМИ игроков И1 и И2 будем считать элементы расширенного вектора , в который кроме значимых параметров включен и нулевой элемент, означающий, что из бюджета ничего не выделяется на цели управления. Другие элементы вектора имеют следующий смысл:
· и т.п. Смешанная стратегия игрока И1 означает распределение бюджета долями для обеспечения соответствующих показателей. Примем также следующие допущения: · Множества чистых стратегий игроков И1 и И2 одинаковы, т.к. наборы показателей идентичны у разных участников рынка данного продукта. · Стороны не знают стратегии, выбираемые на каждом шаге игры, т.е. действуют независимо. · Поведение игроков разумно. Поскольку игроки И1 и И2 действуют в условиях неопределенности и антагонизма, то их оптимальными стратегиями будут соответственно максиминная и минимаксная смешанные стратегии и , где и - вероятности применения игроками своих - й и -й стратегий в составе смешанных. Для вероятностей должно выполняться условие нормировки: Кроме того решение АМИ даст и значение цены игры (1). Если в такой игровой модели все элементы матрицы известны, то АМИ можно решить одним из методов (например, сведением АМИ к задаче линейного программирования) и распределить бюджет в соответствии со значениями оптимального вектора . Однако обычно матрица априори не известна. Кроме того прибыль не единственная мера выигрыша, а значит выигрыш носит векторный характер (и должен быть описан набором платежных матриц). Таким образом, при моделировании рыночной ситуации с помощью АМИ существуют:
Для преодоления этих неопределённостей воспользуемся решением обратной задачи – оцениванием элементов матрицы по наблюдениям за решениями, принятыми ЛПР и зарекомендовавшими себя эффективными («хорошими»). Тогда по полученным оценкам матрицы , отражающим обобщенные векторные платежи, можно в новых ситуациях решать и исходную (прямую) АМИ. Пусть в дискретные моменты измерены смешанные стратегии игроков ,и выигрыш И1 . Построим алгоритм оценивания элементов матрицы в рекуррентной форме. Уравнение измерений для произвольного (k -го) наблюдения, с учетом (1), примет вид: , (2) откуда невязка , (3) где - случайная составляющая (невязка), обусловленная как неточностью измерений, так и степенью соответствия модели игры (матрицы А) реальной ситуации на рынке. Для оценки элементов матрицы А воспользуемся методом наименьших квадратов (МНК). Согласно МНК критерий оптимальности оценок можно представить в следующем виде: , (4) где N – число наблюдений в выборке. Приведем уравнение (2) к матричной форме. Для этого представим скаляр , или, что то же самое, в несколько ином виде - переформируем матрицу А в вектор , для чего обозначим: , (5) где вектор - это -й столбец матрицы , тогда для всех : . (6) С учетом этих обозначений выразим 1-е слагаемое в (2): . (7) Здесь , (8) где - i- й компонент вектора , , . С учетом этих обозначений выигрыш на k -ом шаге (уравнение измерений (2)) примет вид: . (9) Для N шагов эти уравнения можно представить в векторной форме следующим образом: , (10)
или, иначе: . (11) Отсюда сумму квадратов отклонений (невязок) можно представить в таком виде: . (12) Тогда критерий оптимальности оценок, аналогичный (4), но построенный для новой формы ЦФ (12), можно представить в следующем виде: , (13) Далее в соответствии с алгоритмом построения МНК-оценок по совокупности N измерений вектор платежей примет вид: , (14) где нижний индекс отражает количество измерений, по которым выполняется оценивание, а «крышка» над означает, что вычислена оценка вектора платежей, а не истинные их значения.
Обозначим: . (15) Представим алгоритм оценивания (14), (15) в рекуррентной форме: , (16) . (17) Алгоритм (16), (17) позволяет ЛПР накапливать положительный опыт принятия решений путем подстройки (уточнения) элементов платежной матрицы по мере появления новых наблюдений. А полученные на основе этой матрицы решения (стратегия ) путем решения прямой АМИбудут основаны на этом опыте и обеспечат достижения желаемой конкурентоспособности выпускаемой продукции. Пример. Рассмотрим случай, когда АМИ размерности m x n = 2х2: Для нахождения решения прямой АМИ, т.е. , и цены игры можно свести АМИ к паре задач линейного программирования (ЗЛП) – прямой и двойственной. Тогда прямая задача примет вид: Решив эту задачу, получим и решение для И1: Двойственная задача примет вид: Решив эту задачу, получим и решение для И2: Для упрощения расчетов при решении обратной задачи элементы формул (16) и (17) для АМИ 2х2 (индексы номера шага опустим): Введем обозначения: ; С учетом этого после преобразований формулы (16) по компонентам векторов можно представить в таком виде: где номер итерации показан в скобках, i - номер компонента вектора; , где Формулу (17) можно представить в таком виде: где компоненты вектора можно представить в таком виде: . Приведенные соотношения позволяют вычислить все компоненты векторов и матриц для обратной задачи по текущим измерениям и затем прямой задачи по полученным оценкам матрицы АМИ не только 2х2, но и произвольной размерности.
Дата добавления: 2014-01-04; Просмотров: 508; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |