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