מודלוג ופתרון בעיות השקעות מרובות תקופות עם תכנות מספרים

בעיות השקעה מרובות-period מייצג אבן הפינה של תכנון פיננסי אסטרטגי הקצאת משאבים.בעיות אלה דורשות מקבלי החלטות להקצות הון או משאבים לאורך אופקים רבים, איזון רווחים מיידיים נגד מטרות לטווח ארוך תוך מתן מגבלות כגון מגבלות תקציב, חשיפה סיכונים, וקביעת תנודתיות שוק.בניגוד למודלים חד-פעמיים, ניסוחים מרובים-פעמיים של השקעות, לוכדים את האופי הדינמי של השקעות אמיתיות, שבו החלטות מסגרת אחת יכולות מורכבות (למשל, כמו גם על פני מודלים) ופרקטיביים של מודלים מתמטיים, ופרקטיביים, ופרקטיקאים, כמו שיטות תכנון) ופרקטיקאריים, כמו שיטות תכנון מורכבות, כמו שיטות תכנון, כמו שיטות תכנות מורכבות, כמו שיטות תכנות.

הבנת בעיות השקעה רבות-Period

במהותה, בעיית השקעות רב-ממדית כוללת ביצוע סדרה של החלטות בין-זמניות לגבי איפה, מתי וכמה להשקיע על אופק תכנון מוגדר.בעיות אלה עולות בתחומים רבים, כולל ניהול תיקי, תקציב הון תאגידי, בחירת פרויקטים ועיצוב רשת שרשרת אספקה.התכונה המבחינה היא נוכחות של משתנים תלויים בזמן: מזומנים, החזרות, ולפתח על פני תקופות זמן, יצירת החלטות מוקדמות של עץ.

לדוגמה, חברה שהחליטה להשקיע במתקן ייצור חדש חייבת לשקול לא רק את ההון הראשוני אלא גם עלויות הפעלה מתמשך, ייצור בשלבי ייצור, ואת הביקוש בשוק המתפתח במשך כמה שנים. בדומה, מנהל נכסים המעמיד תיק חייב לקחת בחשבון עלויות עסקה, השלכות מס, והחלפת העדפות סיכון על פני רבעים או שנים.

המטרה העיקרית במודלים של השקעות רב-ממדיות היא בדרך כלל למקסם את העושר הכולל, הערך הנוכחי הנקי (NPV), או החזר מצטבר, תוך מתן מגבלות מספקות כגון תקציבים ספציפיים לתקופה, דרישות נזילות, כללי פיזור, ומגבלות רגולטוריות. חלק מהנוסחאות משלבות גם אמצעי סיכון כמו ערך-אט-ריסק (VaR) או תנאי השקעה-at-Risk (VaR) על פני תקופות חישוביות מרובות.

תפקידה של Integer Programming in Financial Optimization

תכנות Integer (IP) הוא מתודולוגיה אופטימיזציה שבה כמה או כל משתנה החלטות מוגבלים לערכים integer. בהקשרים פיננסיים, integers באופן טבעי מייצגים החלטות בלתי חד-משמעיות: או להשקיע בפרויקט או לא, לרכוש מספר שלם של מניות, או לבצע כמות דיסקרטית של הון.ללא מגבלות אינסטלגר, תכנות ליניארי (LP) מרגיעה עשוי להציע השקעות שבריריות שאינן אפשריות ליישום החלטות IP.

מודלים IP לבעיות השקעה מרובות-period הם בדרך כלל תוכניות לינאריות מעורבים (MILPs), שילוב משתנים רצופים (למשל, הקצאת מזומנים חלקי) עם משתנה בינארי או פולשני (למשל, בחירת פרויקטים או גדלים רבים) הכוח של IP טמונה ביכולת שלה לשלב כללים לוגיים, כגון "אם אנחנו משקיעים בפרויקט בתקופה של 1, אז אנחנו לא יכולים להשקיע במבנה ליניארי או ב- 3 שנים מורכבות" מסגרת עסקית מורכבת"

(המכונים: Gorobi, CPLEX ו-Gcode מגנים מתקדמים (המטוסים המאגדים, המטוסים החתכים, היוריסטיים) כדי לפתור את MILP ביעילות.עבור מבוא מפורט לתכנות בתחום הפיננסים, ה-FLT:0Gurobi MIP ראשיrFLT:1 מספק נקודת התחלה מצוינת.

יתרונות מרכזיים של מודל IP רב-מושלם

פיתוח מודל תכנות integer לבעיות השקעה מרובות-period דורש הגדרת שלושה אלמנטים עיקריים: משתנים החלטות, פונקציה אובייקטיבית, ומערכת של מגבלות. כל רכיב חייב ללכוד את הטבע הזמני והדיסקרטי של הבעיה.

החלטות משתנות

משתנים החלטות מייצגים את האפשרויות הזמינות ליוצר ההחלטות.במודלים רב-period, משתנים אלה הם לעתים קרובות אינדקס על ידי פרויקט השקעות ותקופת זמן.

(ב) ויקרא י"א): "[ה]:2xentiph:2xentiphi,tigph:4sFLT:5 ⁇ [0,1]: מציין אם פרויקט FLT:6iFLT 7 נבחר (1) או לא (0) בזמן, לדוגמה, LTF:9 עבור, שיגור חדש או יישום של דגם חדש, או לא אישור של מוצר חדש, או לא ניתן לאשר את המוצר.
(ב) ויקרא י"ד): "[דרוש מקור]: ויקרא י"ד:2 ויקרא ויקרא י"ד: ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

התקופות הן בדרך כלל סופיות ודיסקרטיות: FLT:0reat ( 1= 1, 2, 2, ..., ; 2 ;2TIRFLT 3: 3 משתנה החלטות יכול גם מודל אפשרויות תזמון, כגון תקופת ההתחלה לפרויקט (למשל, משתנה המציין את התקופה הראשונה שבה פרויקט פעיל).

תפקוד אובייקטיבי

הפונקציה האובייקטיבית מגדירה את המטרה של אופטימיזציה.המטרה הנפוצה ביותר בהשקעות מרובות-period היא למקסם את הערך הנוכחי הנקי הכולל (NPV) באופק:

(ב) [17] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

זה קריטי להבטיח עקביות בערכת זמן - כל תזרים מזומנים צריך להיות הנחה על אותה תקופת בסיס באמצעות שיעור הנחה מתאים.המטרה חייבת גם לקחת בחשבון את התלות בין תקופות, כגון ההשפעה המורכבת של החזרות מוחזרות.

Constraints

Constraints מגדיר את האזור האפשרי של הבעיה.עבור השקעה רב-פעמית, מגבלות בדרך כלל מתייחסות לגבולות התקציב, סף סיכון, תלות הגיונית, וזמינות משאבים.

(ב) [17] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) , (ב) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) , (ב) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) [15] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(FLT:0Risk Limits:FLT:1) מדד של סיכון תיק (למשל, שירות או CVaR) לא צריך לעלות על סף.זה כרוך לעתים קרובות משתנים נוספים ומגבלות, כגון נספח לינארי של CVaR.
(ב) ויקרא י"ד:2 ויקרא י"ד): "וַיֹּאמַר עַמֶר נָא אִם עַל הָאָרֶץ אֲשֶׁר נָא נָתַם עַל עַל עַכְתָּבְתָּעָעָשֶׂה" (בראשית כ"ב, כ"ב).

מגבלות אלה מתרגמים כללים עסקיים למשוואות ליניאריות או אי-שוויון, שמירה על המבנה הדרוש עבור פותרי תכנות integer.

פורמולה של המודל - ייצוג מתמטי

(ב) ב[[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]

(ב) ויקרא י"ד): "וַיָּבְהִיתִי עַמְתָּבְתָּבְהִיתִי עַל עַל עַל עַל עַל עַל עַל עַדְתָּבְתָּבְתָּבְתַהַבְתּבְתּבְתּבְתּבְתּבְתּבְתּבְתּבְתִּים" (בְתּבְבְתּבְתּבְתּבְתּבְתּבְתּבְתּבְתּבְתּבְתּבְבְבְבְבְתּבְבְבְהִבְתּבָרֶבְהִיתּבְבְבְהִבְהִבְתּבְתּבְהִבְּבְבְבְהַבְּבְּבְּבְתּבְּבְּבְ

נושא:

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) , (הופנה מהדף ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(ב) ויקרא י"ד:2 ויקרא י"ד: ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

מודל זה הוא ליניארי ואינטגרלי-integer. עבור ניסוח מפורט עם מזומנים לשאתב ומשיכת השקעות, ראה את ה-FLT:0Beylin et al. (2005), ibFLT:1 על אופטימיזציה רב-פעמי באמצעות תכנות אינטגרטור.רחבים יכולים לשלב החזרות תלויות תרחיש ( IPtochastic IP) או מגבלות סיכון, אבל מבנה הליבה נשאר MILP.

פתרון מודלים IP רב-מושלם

פתרון MILP עם משתנים ומגבלות בינאריות רבות הוא NP-Hard במקרה הגרוע ביותר, אבל פותרים מודרניים מנצלים מבנה בעיות כדי למצוא פתרונות אופטימליים או קרובים-אופטימיים במהירות.האלגוריתם העיקרי הוא ענף-וקודש, המוגדל על ידי חיתוך מטוסים (ברנץ' ו-cut) בבעיות השקעה מרובות-period, המבנה המניב לעתים קרובות תכונות מיוחדות שיכולות לפתור ממינוף.

(ב) [[1924]]]] [[1924]]]]]] [[1924]]]]]]]] [[1924]]]]]] [[1924]]]]]]]] [[1924]]]]]]]]]]]]]]]] [[1924]]]]]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]]]]]]]]]] [[1924]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[1924]] [[1924]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]], [[1924]], [[1924]]]]]] [[[[1924]]]]]]]] [[1924]]]]]]]] [[[[1924]]]]]]]] [[[[1924]]]]]] [[[[1924]]]]]] [[[[1924]]]]]]]]]] [[[[[[1924]]]]
(FLT:0) מטוסים: קיצוץ 1:FLT:1 המפתור מוסיף מגבלות ליניאריות נוספות שחתכו את הפתרונות השבריריים ללא הסרת נקודות אפשריות של מזהמים. חתכים נפוצים עבור מודלים להשקעה כוללים חתכים קליקטיביים (לגבי בלעדיות הדדית), כיסוי חתכים (עבור מגבלות תקציב), וחתכים מעורבים מעורבים.
(FLT:0) Heuristics: FLT:1 לפני ענף, פותרים לעתים קרובות לרוץ היסטריסטיות (למשל, סיבוב, משאבות תאימות, או להירגע-and-fix) כדי למצוא במהירות פתרון הסתברותי integer.זה מספק גבול ראשוני נמוך יותר, שיפור יעילות מאומצת. עבור מודלים רב-סבירים, תיקון-וריד-וריד-סביר כי ניתן לפתור בעיות באופן ספציפי במיוחד על ידי התקופה יעילה.
(FLT:0)Decomposition:FLT:1 עבור מקרים גדולים מאוד, טכניקות כמו בנדרס דה קומפוזיציה או Lagrangian הרפיה יכול לנצל את מבנה בלוק לאורך תקופות.הבעיה מחולקת לבעיה מאסטר (למשל, קישור החלטות בתקופות) ו subproblems (תקופה מסוימת) זה מתקדם אבל יכול לפתור בעיות עם מאות פרויקטים ורבות.

פרמטר מעשי כוונון הוא חיוני.קביעת פערים יחסיים או מוחלטים של MIP (למשל, 1% סובלנות אופטימלית) יכול להפחית את זמן הפתרון ללא להקריב איכות.עבור מדריך מקיף על פתרון MILPs, מתייחס ל-FLT:0IBM CPLEX תיעודFLT:1.

יישומים מעשיים ומחקרי מקרים

תכנות Integer עבור השקעות מרובות-period כבר מיושם בהצלחה על פני תעשיות. להלן הן דוגמאות נציגות.

ניהול תיק עם עלויות עסקה

מנהל קרנות המארגן תיק מניות מעל רבעים חייב להחליט אילו נכסים לקנות, למכור או להחזיק.כל עסקה נכנסת קבועה (בקיצור) ועלויות משתנות, יצירת מבנה עלות לינארית חתומה.מודל IP תופס לוכד עסקאות דיסקרטיות (אשר גדולות) ומגבלות.המטרה היא למקסם את עלויות המינוס הצפויות תוך שליטה בסיכון (למשל מעקב, מעקב אחר כמה מאות נכסים משופרים).

תקציב ההון התאגידי

תאגיד רב לאומי מעריך עשרות פרויקטים של הון (מפעלים חדשים, יוזמות R&D) על פני מחזור תכנון של 5 שנים פרויקטים דורשים התחייבויות מרובות שנים, ותקציבים שונים בשנה.מודלים IP משלבים תלות בפרויקט (למשל, הטבות סינרגיות, שיתוף משאבים) ומאפשרים phasing.התוצאה היא תיק הממקסם את NPV תחת תקציבי שנה.

שרשרת שרשרת עיצוב

בעת תכנון שרשרת אספקה במשך מספר שנים, החלטות כוללות פתחים או מחסנים סגורים, הגדרת רמות ייצור בצמחים, והרחבת נתיבי הפצה.משתנה בינארי מייצגים פתחים/קלורי מתקנים בכל שנה. משתנים אינפורטר ללכוד משלוחי משאיות.המטרה ממזערת את העלות הכוללת (תיקון פלוס משתנה) זה ניסוחים IP רב-פעמיים מטפלות בביקוש, מגבלות, ולהוביל, לספק מודלים רבים של זמן מתודולוגיה.

אתגרים ומגבלות

למרות כוחו, תכנות מרובות-period integer עומד בפני מספר אתגרים:

(FLT:0) מורכבות חישובית: FLT:1 , תקופות הוספה ופרויקטים מגדילים באופן אקספונציאלי את מספר המשתנים בינאריים.בעיה עם 100 פרויקטים ו -10 תקופות מניבות 1,000 משתנים בינאריים - לעתים קרובות כל כך מובנת בתוך דקות.אבל 1,000 פרויקטים ו-20 תקופות (20,000 בינאריות) עשויים לדרוש שעות או צורך הירריסטיים.
(FLT:0) Data Unquity:FLT:1 מודלים רב-period מניחים החזרות ועלויות ידועות, אבל במציאות אלה אינם בטוחים. IP Deterministic יכול לייצר פתרונות המבוצעים בצורה גרועה תחת תרחישים שונים.רחבים כמו תכנות סטושבסטי או אופטימיזציה חזקים כתובת זו אך מגבירים את המורכבות של המודל.
(FLT:0) גודל ותחזוקה: FLT:1eur מודלים גדולים עם מגבלות רבות להיות קשה לנהל, debug ועדכון כללי עסקים משתנים לעתים קרובות, הדורשים תחזוקה מודל.
(FLT:0) רגולציה וגורמי התנהגות: אינטגר 1) תכנות אינפורטגר הוא כמותי בלבד.זה לא לוכד גורמים איכותיים כמו העדפה ניהולית, פוליטיקה ארגונית, או שינויים רגולטוריים שעשויים להשפיע על החלטות השקעה.ניתוח רגישות S מקטין באופן חלקי את זה אבל לא יכול לקחת בחשבון את כל הלא מוחשיים.

להתגבר על אתגרים אלה לעתים קרובות דורש גישות היברידיות: שילוב IP עם סימולציה, באמצעות סטיות היסטריות, או להטביע את ה- IP בתוך מסגרת אופק מתגלגלת שמשתפת מחדש כל תקופה עם נתונים מעודכנים.מחקר אקדמי ממשיך לפתח אלגוריתמים מהירים יותר מודלים של חוסר ודאות.

הפרקטיקה הטובה ביותר ליישום

כדי לפרוס בהצלחה מודלים IP רב-מנועיים בפרקטיקה, בצע את ההנחיות האלה:

(ב) ,0) החל עם אבטיפוס קטן יותר: FLT:1 לבנות מודל עם קומץ פרויקטים ותקופות כדי לאמת את הנוסחאות וההיגיון לפני הגדל.
(FLT:0) שיטות דוגמנות טובות: FLT:1 להימנע ממגבלות מחוספסות, להשתמש במגבלות פורצות הסימטריה (למשל, פרויקטים לפי זהות) כדי להפחית את מרחב החיפוש, ומספרי הסולם המתאימים כדי למנוע חוסר יציבות מספרי.
(FLT:0 מינוף פרמטרים:FLT:1) קבע פער סביר MIP (למשל, 0.5–1%), מאפשר presolve, ולבחון אסטרטגיות שונות של בחירת צומת.כלי כמו כלי ההיגוי של גורבי יכולים למצוא באופן אוטומטי פרמטרים אופטימליים.
(FLT:0) שילוב ניתוח תרחיש: FLT:1ielve המודל עבור תרחישים נתונים מרובים (אופטימיים, פסימיים, סביר ביותר) כדי להבין את ניתוח הפיתרון של חוסן פוסט-סולב כגון מחירי הצללים על מגבלות תקציב מספק תובנות על איפה להקצות הון נוסף.
(FLT:0) אינטגרט עם צינורות נתונים: ההרחבה 1 (FLT:1 ), מיצוי נתונים אוטומטיים ממערכות פיננסיות, נקיות ומאמתות את הקלט, והזנת תוצאות עבור מקבלי ההחלטות.זה מקטין שגיאות ומזרז את הפחתת האופטימיזציה מחדש כתנאי שינוי.
(FLT:0)Document and Train בעלי העניין: FLT:1 מסביר את הנחות המודל, המגבלות והפלט בשפה לא-טכנית.מודל שחור-קופס שהמנהלים לא ישתמשו בו.

כיוונים עתידיים ורחבות

התחום ממשיך להתפתח.שני הרחבות מבטיחות הן תכנות מעורבב-integer ואופטימיזציה רבת עוצמה.מודלים IP סטוצ'יטיס משלבים תרחישים מרובים עבור פרמטרים לא בטוחים (returns, עלויות, דרישה) וייעלות ערך צפוי תוך התחשבות במגבלות ספציפיות תרחיש. Robust אופטימיזציה משתמשת בהגדרות אי הוודאות כדי להבטיח תאימות לתוצאות הגרועות ביותר של השקעות, אך מציעים פתרונות מציאותיים יותר, בנוסף, טכניקות למידה משמשים לפתרון ראשוניות לפתרונות מתקדמים יותר.

מסקנה

בעיות השקעה מרובות-period מתפשטות בניהול כספים ותפעול, דורש גישה ממושמעת לייעל החלטות הסתברות תחת מגבלות. תכנות Integer מספק מסגרת השקעה קפדנית אך גמישה למודל את האופי של אפשרויות השקעה, לשלב מגבלות תקציב זמני, תלות הגיונית, ואמצעי סיכון הכרחיים.על ידי גיבוש הבעיה כתעשיות השקעה ומינוף מצב של פתרונות פתרונות פתרונות פתרונות פתרונות פתרונות ללא ספק, כמו פיתוח יעיל של יעילות ופתרון, כמו גם פתרונות תכנון יעיל.