管理科学之运筹学在投资优化中的应用

合集下载

运筹学在管理科学中的应用

运筹学在管理科学中的应用

运筹学在管理科学中的应用运筹学是一门应用数学学科,它主要研究如何在资源有限的情况下做出最优决策。

在管理科学中,运筹学的应用广泛而深入,涉及到生产、物流、供应链、项目管理等方方面面。

本文将以几个实际案例为例,探讨运筹学在管理科学中的应用。

首先,运筹学在生产管理中的应用非常重要。

生产过程中,如何合理安排生产计划,以最大化产出并同时最小化成本,是每个企业都面临的挑战。

运筹学通过数学模型和优化算法,可以帮助企业确定最佳的生产计划。

例如,一个制造企业想要确定每个月的生产计划,以满足市场需求并最大化利润。

通过运筹学的方法,可以考虑到原材料供应、生产能力、库存控制等因素,制定出最优的生产计划。

其次,运筹学在物流管理中的应用也是非常重要的。

物流管理涉及到货物的运输、仓储、配送等环节,如何在有限的资源条件下优化物流流程,提高运输效率,降低物流成本,是物流企业面临的核心问题。

运筹学可以通过建立数学模型和优化算法,帮助企业确定最佳的物流方案。

例如,一个快递公司想要确定最佳的配送路线,以最小化行驶距离和成本。

通过运筹学的方法,可以考虑到货物的数量、重量、交通状况等因素,制定出最优的配送路线。

此外,运筹学在供应链管理中也有广泛的应用。

供应链管理涉及到从供应商到生产商再到分销商的整个供应链过程,如何在不同环节中协调各方利益,提高整个供应链的效率和效益,是供应链管理者面临的关键问题。

运筹学可以通过建立数学模型和优化算法,帮助企业优化供应链的运作。

例如,一个零售企业想要确定最佳的订货策略,以最小化库存成本和缺货风险。

通过运筹学的方法,可以考虑到需求预测、供应能力、订货周期等因素,制定出最优的订货策略。

最后,运筹学在项目管理中也有重要的应用。

项目管理涉及到项目的规划、执行、控制和总结等各个阶段,如何在有限的资源和时间条件下,合理安排项目的活动和资源,以确保项目的顺利进行,是项目经理面临的挑战。

运筹学可以通过建立项目进度计划和资源分配模型,帮助项目经理优化项目的执行过程。

运筹学在仓储管理系统优化中的应用

运筹学在仓储管理系统优化中的应用

运筹学在仓储管理系统优化中的应用运筹学,又被称为管理科学,是一门运用数学和统计学等方法来解决实际管理问题的学科。

在现代物流领域中,仓储管理是一个关键环节,涉及到仓库布局、库存控制、货物配送等一系列问题。

而在仓储管理系统中运筹学的应用,可以帮助企业实现仓库资源的最优配置,提高操作效率及降低运营成本。

本文将就运筹学在仓储管理系统优化中的应用进行探讨。

一、仓库布局优化仓库的布局对于仓储管理影响重大。

合理的仓库布局可以使仓库内的操作更加高效,减少货物在仓库内的运输时间、提高货物的处理速度以及减少工人的运动时间。

运筹学方法可以通过建立数学模型,将仓库布局问题转化为一个优化问题。

通过运用线性规划、整数规划等数学方法,寻找最优的仓库布局方案。

优化的仓库布局可以减少货物运输时间,提高货物的周转率,降低人员运动、减少寻找货物的时间,从而提高仓库的效率。

二、库存控制优化库存是仓储管理中的重要环节之一。

过多的库存会造成资金占用、需求不确定性带来的库存过量等问题,而缺货则会影响到供应链的顺畅运作。

运筹学方法可以通过建立数学模型,帮助企业准确评估库存水平,并制定合理的库存控制策略。

通过运用动态规划、概率统计等方法,企业可以根据实际情况制定最优的库存订货量、补货点以及安全库存等。

通过优化库存控制,企业可以实现减少库存水平、降低仓储成本、提高供应链的敏捷性和反应速度。

三、货物配送优化货物配送是仓储管理的最后一环,也是企业与客户之间联系的重要环节。

通过运筹学方法,企业可以优化货物配送路线,提高送货速度,降低运输成本。

运筹学方法可以通过建立数学模型,将货运路径问题转化为最优路径问题。

通过运用图论、算法优化等方法,企业可以找到最短路径或最佳配送方案,减少行驶里程和运输时间。

通过优化货物配送,企业可以实现减少运输成本、提高客户满意度以及降低对环境的影响。

总结:运筹学在仓储管理系统中的应用,可以帮助企业实现仓库资源的最优配置,提高操作效率及降低运营成本。

管理科学与工程 运筹

管理科学与工程 运筹

管理科学与工程运筹运筹学是一门研究如何做出最优决策的学科,它将管理科学和工程技术相结合,以解决现实生活和工作中的问题。

在管理科学与工程中,运筹学起着重要的作用,它通过系统化的方法和技术,帮助管理者在复杂的环境中做出明智的决策,提高效率和效益。

在管理科学与工程中,运筹学的应用范围非常广泛。

例如,生产调度是一个典型的运筹学问题。

在生产过程中,如何合理安排生产任务、资源配备和工作流程,以最大限度地提高生产效率和满足客户需求,是生产调度的核心问题。

通过运筹学的方法,可以建立数学模型来描述生产系统,利用优化算法求解最优调度方案,从而实现生产过程的优化管理。

另一个典型的应用领域是物流管理。

现代物流系统涉及到各种环节,包括供应链管理、仓储管理、运输管理等。

如何合理规划物流网络、优化运输路径、控制库存成本,是物流管理的关键问题。

通过运筹学的方法,可以对物流系统进行建模和优化,实现物流成本的最小化和服务水平的最大化。

在服务业中,运筹学也有着广泛的应用。

例如,餐饮业中的餐厅排队问题。

如何合理安排顾客的就餐时间,以减少等待时间和提高顾客满意度,是餐厅管理者需要面对的问题。

通过运筹学的方法,可以建立排队模型,优化服务流程,提高餐厅的运营效率。

运筹学还在金融、能源、医疗等领域得到广泛应用。

在金融领域,运筹学可以用于投资组合优化、风险管理等方面。

在能源领域,运筹学可以用于电力系统的调度和能源资源的优化利用。

在医疗领域,运筹学可以用于医院排班、手术室调度等问题的优化。

运筹学的研究方法主要包括数学建模、优化算法和决策分析。

通过数学建模,将实际问题抽象为数学模型,以便进行求解和优化。

优化算法是运筹学的核心方法,通过搜索和比较不同的解空间,找到最优解或接近最优解。

决策分析是运筹学的应用方法,通过对决策问题的分析和评估,帮助管理者做出最佳决策。

在运筹学的研究和实践中,管理科学和工程技术相互融合,相互促进。

管理科学提供了理论和方法,帮助解决管理问题;而工程技术为运筹学提供了实施和操作的手段,将运筹学的理论应用到实际中。

运筹学在企业管理中的应用

运筹学在企业管理中的应用

运筹学在企业管理中的应用运筹学是一门以数据为基础的优化科学,通过数学模型、算法优化和计算机技术来解决实际问题。

在当今日益激烈的市场竞争中,企业需要不断提高效率、降低成本、提升服务质量和满足客户需求,此时运筹学的应用在企业管理中显得尤为重要。

一、生产资源优化生产过程的质量和效率取决于生产资源的合理配置。

运筹学可以通过建立生产计划模型、调度模型和排布模型等,针对生产流程中的问题提供可行的解决方案。

例如,在生产计划中,可以使用线性规划模型来确定最优生产计划,使生产资源得到最大利用。

在调度模型方面,可以使用离散事件模拟技术来模拟生产过程中的变化,以保证生产过程高效、精确和灵活。

排布模型则经常应用于生产车间、布局和物流中心等领域,通过空间布局和物流路径的优化,使得工作效率和质量得到提升。

二、物流运营物流是现代企业不可或缺的重要部分,运筹学在物流运营中的应用可以提高货物的件数和质量,使物流成本得到降低。

例如,在配送过程中,可以利用运筹学技术来解决配送路线、货车容量、收货数量、发货时间等问题。

这些技术包括分支定界算法、遗传算法、蚁群算法、模拟退火算法等。

通过这些算法的应用,运输路径得到优化,货车得到合理的利用,货物质量获得保障,最终达到优化物流运营的目的。

三、库存控制库存是企业生产运营中不可避免的问题,合理的库存管理可以提高生产运营的效率和降低运营成本。

运筹学技术可以通过建立合理的库存模型来电脑推算最优库存方法,最终实现合理控制。

例如,根据需求预测建立库存模型,可以预测适当的库存量和时间,以最大化运营效率和资本回报。

此外,在库存管理中,也可以使用决策树、模拟退火、模糊逻辑等算法来制定最优策略,以实现企业最优化经济目标。

四、供应链管理供应链管理是企业生产运营中一个越来越重要的部分。

运筹学技术的应用可以通过控制供应链的全过程来实现优化。

例如,在供应商选择中,可以使用多目标线性规划或指数加权加法模型来决策供应商选择,以达到最小化成本和最高质量水平的目的。

运筹学在流程优化中的应用案例分析

运筹学在流程优化中的应用案例分析

运筹学在流程优化中的应用案例分析引言:在当今竞争激烈的商业环境中,流程优化成为了各个组织追求高效运作的关键。

流程优化旨在通过改进和重组组织内部流程,提高效率和质量,降低成本和风险。

与此同时,运筹学作为一门管理科学,通过数学建模和优化算法的应用,为流程优化提供了有力的支持。

本文将通过分析多个运筹学在流程优化中的应用案例,讨论其在实践中的价值和效果。

案例一:生产流程优化在传统的生产流程中,生产车间每个工人都独自完成生产任务,导致工人之间产生很多不必要的等待和浪费。

一家制造公司决定引入运筹学方法,重新优化他们的生产流程。

通过运筹学的方法,公司将生产任务分配给工人组成的小组,使得每个小组内的工人专注于各自的任务,提高工作效率。

此外,通过运筹学的算法,公司确定了最优的任务分配方案,最大程度地减少了等待和浪费的时间。

优化后的生产流程大大提高了生产效率,降低了生产成本。

案例二:物流配送优化一家电子商务公司面临着快速增长的客户需求和复杂的物流系统。

为了满足客户的要求,公司决定引入运筹学的方法对物流配送进行优化。

运筹学模型通过考虑客户需求的分布、仓库的位置和运输成本等因素,确定了最优的配送路径和策略。

通过优化后的物流配送系统,公司能够更精确地安排货物的运输,减少运输时间和成本,提高客户满意度。

同时,通过实时监控和预测,公司能够更好地应对突发情况,并做出相应的调整,提高了物流系统的鲁棒性。

案例三:人力资源调度优化在一个大型医院中,不同科室之间的人力资源分配存在瓶颈和浪费。

为了解决这个问题,医院决定应用运筹学模型来优化人力资源的调度。

通过运筹学的方法,医院能够根据就诊人数的预测和就诊科室的需求来合理安排医生和护士的工作。

通过优化后的人力资源调度,医院能够提高科室的工作效率,减少等待时间,并提供更好的医疗服务。

此外,通过运筹学的优化算法,医院还能够合理安排员工的休假和轮班,提高员工的满意度和工作积极性。

案例四:供应链优化一家零售公司面临着供应链管理的挑战,包括供货商管理、库存管理和订单管理等。

运筹学在金融风险管理中的应用有哪些

运筹学在金融风险管理中的应用有哪些

运筹学在金融风险管理中的应用有哪些在当今复杂多变的金融市场环境中,风险管理已成为金融机构和企业的核心关注点。

运筹学作为一门应用科学,通过运用数学模型、优化算法和决策理论等工具,为金融风险管理提供了有力的支持和解决方案。

本文将探讨运筹学在金融风险管理中的多个应用领域,帮助读者更好地理解其在金融领域的重要性和价值。

一、投资组合优化投资组合优化是运筹学在金融风险管理中的经典应用之一。

投资者通常希望在给定的风险水平下,实现投资收益的最大化,或者在给定的收益目标下,最小化投资风险。

运筹学中的均值方差模型、均值绝对偏差模型等方法,可以帮助投资者确定最优的资产配置比例。

例如,通过均值方差模型,投资者可以根据不同资产的预期收益率、方差和协方差,计算出有效前沿,即给定风险水平下能够实现的最高预期收益的投资组合。

此外,考虑到实际投资中的交易成本、税收、流动性等因素,还可以运用更复杂的优化模型,如整数规划模型,来确定更符合实际情况的投资组合。

二、信用风险管理信用风险是金融机构面临的主要风险之一。

运筹学在信用风险管理中的应用主要包括信用评分模型的建立和信用额度的优化。

信用评分模型通过分析借款人的各种特征和历史数据,如年龄、收入、信用记录等,运用统计学和机器学习方法,对借款人的信用风险进行评估和预测。

例如,逻辑回归模型、决策树模型等都可以用于构建信用评分模型。

这些模型可以帮助金融机构更准确地判断借款人的违约概率,从而做出合理的信贷决策。

在信用额度的优化方面,运筹学可以帮助金融机构确定每个客户的最优信用额度。

通过考虑客户的信用风险、还款能力、潜在收益等因素,运用优化算法来确定既能满足客户需求又能控制风险的信用额度,从而提高资金的使用效率和风险控制水平。

三、风险度量与评估准确度量和评估金融风险是有效管理风险的前提。

运筹学中的风险度量方法,如 Value at Risk(VaR)和 Conditional Value at Risk (CVaR),为金融机构提供了量化风险的工具。

管理科学 运筹学

管理科学 运筹学

管理科学运筹学引言管理科学是一门应用数学学科,运筹学是其中的一个重要分支。

运筹学主要研究如何通过数学建模和优化算法来解决管理和决策问题。

在现代社会中,各种组织和企业面临着复杂的问题和挑战,而管理科学运筹学正是为了解决这些问题而产生和发展的。

运筹学的基本概念管理科学的定义管理科学是一门综合运用数学、统计学和信息科学等多种方法和工具,研究组织和管理问题的学科。

它通过建立数学模型,运用数学和逻辑推理的方法,对组织和管理问题进行分析和决策,从而提高组织和管理的效率和效果。

运筹学的定义运筹学是管理科学的一个重要分支,它主要研究如何通过数学建模和优化算法来解决管理和决策问题。

运筹学的核心思想是通过有效的资源分配和决策,使组织能够实现最佳的结果。

运筹学的应用领域运筹学广泛应用于各个领域,包括生产调度、供应链管理、物流运输、项目管理、金融投资、市场优化等。

下面我们将分别介绍几个典型的应用领域。

生产调度生产调度是运筹学的重要应用领域之一。

通过优化生产计划和调度算法,可以提高生产效率,减少生产成本,提高产品质量。

例如,通过调度生产车间和工人的安排,可以实现生产过程的合理化和优化。

供应链管理供应链管理是指通过优化供应链的各个环节,实现物流和信息流的高效运转,从而降低供应链的成本和提高供应链的响应能力。

运筹学可以通过数学模型和优化算法,帮助企业优化供应链的库存管理、订单分配、运输路径等问题。

项目管理项目管理是指通过合理的资源分配、任务分工和进度控制等手段,实现项目的顺利完成。

运筹学可以通过建立项目管理的数学模型,帮助管理者进行项目的计划和决策,提高项目的进度和效益。

金融投资金融投资是指通过对金融市场的分析和决策,实现资金的增值。

运筹学可以在金融投资中应用多种数学模型和优化算法,帮助投资者制定投资策略、优化投资组合、进行风险管理等。

市场优化市场优化是指通过对市场需求和供给的分析,确定合理的市场策略和营销活动,实现市场份额和利润的最大化。

关于财务管理中运筹学的应用探讨

关于财务管理中运筹学的应用探讨

一、运筹学在财务管理中的应用
运筹学作为一门跨学科的学科,其优化思想和算法在财务管理中有着广泛的 应用。以下是一些主要应用领域:
1、投资组合优化:投资者在面对多种投资选择时,如何有效地组合资产以 实现最大收益或最小风险是投资组合优化问题的核心。运筹学中的线性规划、整 数规划等算法可以用来解决这类问题。
1、整数规划:整数规划是一种约束条件下求解最优整数解的数学方法。在 财务管理中,整数规划可用于解决一些具有整数约束条件的优化问题,如整数最 优投资组合。
2、随机规划:随机规划是一种处理具有随机性的优化问题的数学方法。在 财务管理中,随机规划可以用来解决如金融风险管理、最优套期保值等问题。
3、模糊规划:模糊规划是一种处理具有模糊性的优化问题的数学方法。在 财务管理中,模糊规划可以用来解决一些难以精确定义或边界模糊的问题,如模 糊投资组合优化。
2、运输与物流优化:在企业的日常运营中,运输和物流成本占据了很大比 重。利用运筹学的运输优化模型和算法,企业可以优化货物运输路径,降低成本。
3、预算编制:预算是企业财务管理的重要组成部分。运用运筹学的优化思 想,企业可以在资源有限的情况下,合理分配和利用资源,提高预算编制的效率 和效果。
二、运筹学方法在财务管理中的 应用
三、运筹学模型在财务管理中的 应用
1、投资组合模型:运筹学中的投资组合模型可以用来解决如何优化资产配 置以实现最大收益或最小风险的问题。这些模型基于现代投资组合理论,如马科 维茨的均值-方差模型等。
2、资本结构模型:资本结构是指企业不同资金来源的构成和比例关系。运 筹学中的资本结构模型可以帮助企业找到最优的资本结构,以实现企业价值的最 大化。
四、结论与展望
运筹学在经济管理中的应用具有重要意义。它可以帮助企业优化资源配置, 提高生产效率,降低成本,提高市场竞争力。未来,随着大数据等技术的发展, 运筹学将在经济管理领域发挥更加重要的作用。例如,通过机器学习和深度学习 等方法,可以更加准确地预测市场趋势,为企业提供更加科学合理的决策支持。 此外,运筹学还将与区块链、物联网等技术相结合,实现更加智能化和自动化的 经济管理。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
【摘 要】 为引导投资者选择最佳投资组合策略, 将运筹学的线性规划模型、 目标规划模型、 动态规划模型应用于组合投资理论。采用理论与实 际数据相结合, 数据、文字和图表相结合, 通过讲述现实中的实例, 为投资者在投资决策过程中提供一些有价值的思路 。 其主要结论是, 投资者将 有限的资金按照恰当的比例分配到各种投资项目, 获得更多的收益。 【关键词】 运筹学 线性规划 目标规划 动态规划 优化投资

A 股票的收益率为 15% , 股票 B 的收益率为 8% , 但同时 A 的风险系数 B 的风险系数为 0. 2 , 为 0. 5 , 试求一种投资方案, 使得一年的总投资风 险不高于 700 , 且投资收益不低于 10000 元。 x2 分别表示投资商所购买的 A 股票和 B 股票的数量。 总投 设 x1 、 即 20 x1 + 50 x2 ≤90000 。 第 1 个目标: 总风险 资额不能高于 90000 元, 不能超过 700 : 0. 5 x1 + 0. 2 x2 = 700 + d1+ - d1- , 其中 d1+ 表示总风险高于 700 的 d1- 表示总风险少于 700 的部分, d1+ ≥0 。 第 2 个目标: 投资收益 部分, 不低于 10000 元: 3 x1 + 4 x2 - d2+ + d2- = 10000 , 其中 d2+ 和 d2- , 分别表示年收入超 过与低于 10000 的数量。目标函数为: Min P1 ( d1 + ) + P2 ( d2 - ) , 利用 图解法不难得出结果。
三、 运筹学之动态规划模型在投资优化中的应用
动态规划是运筹学的一个重要分支, 是解决多阶段决策过程最优 化的一种数量化方法。动态规划把比较复杂的问题划分成若干阶段, 并且逐段解决而最终达到全局最优。 动态规划的成功之处在于, 它可 以把一个 n 维决策问题变换为一个一维最优化问题( 把一个多阶段决 即固定 策问题变换为一系列互相联系的单阶段问题 ) 。 投资额分配, — — 动态规划基础上的。 动 资金分配模型就是建立在运筹学一大模块— 态规划固定资金分配模型能够解决组合投资中资金分配比例以期达到 最大净收益的问题。 应用举例: 某投资者拟将 200 万元资金分配给三投资项目, 投资项 目获得不同的资金后, 产生的收益也不同( 如下表所示) , 如何分配投资 额, 使总收益最大? 使用动态规划的方法进行求解。
项目 40 1 2 3 45 20 50 投资额 80 120 160 200 70 45 70 90 105 120 75 110 150 80 300 000 x2 1 + x23 = 1. 2 x1 1 x31 + x34 = 1. 2 x21 + 1. 5 x12 x12 ≤150 000 x23 ≤200 000 x34 ≤100 000 借助 WINQSB 软件即可求出各项目相
1. 阶段划分: 以 3 个投资项目为 3 个阶段; 2. 状态变量 yk: ( 0 ≤yk≤200 ) 3. 决策变量 xk; 4. 状态转移方程: 5. 指标函数: f k ( y k ) = max[v k + f k + 1 ( y k + 1) ] 6. 边界条件: f4 = 0 * * = 40 ; x2 = 利用逆推解法 容 易 解 得 个 项 目 的 最 优 投 资 额 为; x1 * 120 ; x3 = 40 。
证券投资

管理科学之运筹学在投资优化中的应用
◆ 王 泽 陈 恒 苏嘉骐 1. 西南财经大学统计学院 2. 西南财经大学统计学院 3. 西南财经大学统计学院
1 2 3
一、 运筹学之线性规划模型在投资优化中的应用
战国时期, 曾有个流传后世的田忌赛马的故事, 说明了在有限条件 下, 经过筹划、 安排, 择优选择一个方案, 会取得较好的效果。 例如, 线 当然也可以运用在投资领 性规划帮助企业找到最小成本或最大利润, 域, 帮助我们进行投资组合的优化 。 首先, 投资者可以利用各投资项目历史收益率结合现实的情况对 未来一年内各种投资产品的收益率做个简单的预测或专家测评之后就 根据限制条件做一 可以使用线形规划来找到收益最大化的投资组合, 个简单的线性规划, 利用单纯形法或借助 WINQSB 软件进行求解, 从而 获得投资于各项目的最佳投资额 。 应用举例: ABC 公司有一笔 30 万元的资金, 考虑今后三年内用于 下列项目的投资: 1. 三年内的每年年初均可投入, 每年获利为投资额的 20% , 其本利可一起用于下一年的投资; 2. 只允许第一年初投入, 于第 二年年末收回, 本利合计为投资额的 150% , 但此类投资限额 15 万以 内; 3. 允许于第 二 年 初 投 入, 于 第 三 年 末 收 回, 本利合计为投资额的 160% , 但限额投资 20 万元以内; 4. 允许于第三年初投入, 年末收回, 可 获利 40% , 但限额为 10 万元以内; 试为该公司确定一个使第三年末本 利总和为最大的投资组合方案 。 解: 用 xij 表示第 i 年初投放到 j 项目的资金数, 由于第三年末收回 第二年初项目三的投资和第三 的本利只包含第三年初项目一的投资 、 年初项目四的投资, 因此目标函数为: maxz = 1. 2 x31 + 1. 6 x23 + 1. 4 x34 ; 约束条件为第一年初投资总额为 30 万: x11 + x1 2 = 300 000 ; 第二年初的 投资额与第一年末收回的本利总额相同: x2 1 + x23 = 1. 2 x1 1 ; 第三年初 投资额与第二年末收回的本利总额相同: x31 + x34 = 1. 2 x21 + 1. 5 x12 ; 再 考虑 各 项 目 的 投 资 限 额,综 上,该 问 题 的 线 性 规 划 模 型: maxz = 1. 2 x31 + 1. 6 x23 + 1. 4 x34
x ij ≤0 ( i = 1 , 2, 3; j = 1, 2, 3, 4) 应投资额。
二、 运筹学之目标规划模型在投资优化中的应用
在投资决策时我们通常面临着几个投资方案, 这些方案在技术上 都是可行的, 经济上也是合理的, 以往的技术经济分析方法是通过对某 一个技术经济指标的确定和比较来决定方案的取舍, 如通常取净现值 最大的方案或投资回收期最短的方案或内部收益率最高的方案为最优 方案, 即将决策问题归结为单目标问题 。 然而, 在投资选择过程中逐渐 开始要求几个目标同时达到优化, 既要求投资回收期短, 还要求内部收 益率高, 又要求净现值大于零等众多经济指标优化 。 显然线性规划已 经不满足现在的要求, 这一问题的解决就要求助于多目标规划 。 做任何决策都要考虑多重标准, 以便找出好的决策方案。1961 年美 国学者查纳斯( A. Charnes) 和库伯( W. W. Cooper ) 首次提出目标规划: 一 种解决多准则问题的方法, 是线性规划的特殊应用, 能够处理单个主目标 与多个目标并存, 以及多个主目标与多个次目标并存的问题。它对众多 的目标分别确定一个希望实现的目标值, 然后按目标的重要程度( 级别) 依次进行考虑与计算, 以求得最接近各目标预定数值的方案。 应用举例: 一 位 投 资 商 有 一 笔 资 金 准 备 购 买 股 票 。 资 金 总 额 为 90000 元, 目前可选的股票有 A 和 B 两种( 可以同时投资于两种股票) 。 90
四、 结语
管理科学是一门运用科学的方法, 依靠广泛的定量分析进行决策 的科学。除了管理科学, 运筹学和决策科学也是人们熟知的两个名字, 现在, 很多场合 3 个名称可以互相使用。 总的说来, 运筹学是应用科 学, 运筹学是一门通过分析运算来解决实际问题的学科, 与其他基础学 科相比, 运筹学与实际结合得更加紧密, 更着眼于解决实际问题, 发挥 着很大的作用。在投资优化过程中, 我们可以把投资行为中的各种问 题模型化、 数据化, 帮助投资者进行分析, 但运筹学本身不做决策, 只提 供决策支持, 提供各种有效可行的方案, 最终还得由投资者做决策。 参考文献: [ 1] 胡运权 郭耀煌: 运筹学教程. 清华大学出版社, 2003 [ 2] 胡昌生: 投资组合管理策略[ J]. 数量经济技术经济研究, 1999 年第 1 期: 27 - 30 [ 3] 方运生: 多目标规划最优投资组合方法[J] . 文章编号: 1008 - 7710 ( 2003 ) 3 - 0004 - 03
相关文档
最新文档