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