Описані в цьому розділі моделі, як правило, вважаються менш прийнятними для вирішення екологічних завдань, до того ж вони стали використовуватися порівняно недавно. Проте для фахівця з системної екології дуже важливо уявляти собі можливості моделей, коли робота знаходиться на стадії вибору шляху розв'язання задачі. Таке незвичайне слово "оптимізація" вигадане для того, щоб позначити відшукання максимуму або мінімуму якогось математичного виразу або функції, коли деякі їх змінні ми можемо змінювати в певних межах. Якби ми хотіли знайти тільки максимум, ми могли б назвати процес максимізацією – словом, яке врешті-решт прийнятніше. І навпаки, відшукуючи тільки мінімум, ми могли б використовувати слово мінімізація. Математично одну з цих операцій завжди можна перетворити на іншу, отже в тому, що обидва процеси розглядаються як один, є певна логіка. Практично будь-які моделі можуть бути використані при відшуканні тих або інших максимумів або мінімумів. Чи буде це використання мати зміст, цілком залежить від конкретного завдання, але такі ситуації, коли необхідно вивчити можливість збільшення продуктивності деякої екологічної системи шляхом зміни навколишнього середовища або зміни методів управління, виникають в екології досить часто. Одна з головних причин застосування моделей у тому і полягає, що ми повинні уміти передбачати результати цих змін.
За допомогою динамічної моделі, наприклад, ріст дріжджів у змішаній культурі, описаній за допомогою диференціальних рівнянь, ми можемо спробувати визначити співвідношення між початковими кількостями двох видів дріжджів, при якому продукується максимум дріжджових клітин. Визначивши експериментально основні параметри моделей, ми можемо подальші експерименти з метою відшукання потрібних співвідношень проводити вже на моделях.
У матричних моделях, експериментуючи з декількома різними віковими структурами популяції і інтенсивностями її експлуатації, ми можемо визначити оптимальне значення деякої цільової функції, хоча самі матричні методи за заданих початкових умов визначають стаціонарні стани та коефіцієнти збору врожаю.
Цікаві можливості для експериментування надають і стохастичні моделі. Моделюючи поведінку зміни екосистем верхового болота, можна досліджувати вплив зміни перехідної ймовірності на тривалість часу, протягом якого досліджувана ділянка залишається в якомусь конкретному стані, застосовуючи для цих цілей матриці перехідної ймовірності.
Важче, мабуть, передбачити оптимізацію в багатовимірних моделях, але, принаймні в одному сенсі ці моделі вже виявляють оптимальні умови, що визначають зв'язки. Так, наприклад, дискримінанті функції є лінійними функціями початкових змінних, що забезпечують якнайкращу (тобто оптимальну) дискримінацію між апріорними групами. Аналогічним чином канонічні кореляції визначають такі лінійні функції двох наборів змінних, що володіють найбільшими кореляціями.
Абсолютно природним, проте, є бажання сформулювати модель так, щоб полегшити відшукання оптимальної комбінації ключових змінних, і основні математичні формулювання такого роду були розроблені незалежно в тих ранніх додатках математичних методів до практичних завдань, які відомі зараз під назвою "дослідження операцій". Ще до появи написання інструкцій для ЕОМ до вжитку ввійшов вираз "математичне програмування", яке в найбільш простій формі відоме під назвою "лінійне програмування". У цій моделі центральне місце може займати лінійна цільова функція
(6.69)
і для цієї моделі визначається максимум або мінімум функції при одному або більше обмеженнях, які також виражені у вигляді лінійних функцій, хоча початково це можуть бути просто нерівності, наприклад
(6.70)
Часто є неявні обмеження, що полягають у тому, що Xi не можуть бути від'ємними.
Коли змінних лише дві, задача оптимізації такого роду досить легко розв'язуються графічними методами. Для більш ніж двох змінних задача сильно ускладнюється, і звичайний підхід до її розв'язання припускає використання так званого "методу" симплексу. Насамперед шляхом уведення допоміжних змінних, обмеження, виражені у вигляді нерівностей, замінюються лінійними рівняннями. Проте обмеження, що полягають у тому, що всі змінні повинні бути більше нуля, залишаються тими самими. Потім шукається будь- який допустимий розв'язок задачі, і, як тільки він знайдений, ітеративним методом намагаються поліпшити цей розв'язок, тобто наблизити його до певного оптимуму цільової функції за допомогою малих змін значень змінних. Ця ітеративна процедура триває доти, поки не можна буде одержати ніякого
подальшого поглиблення.
Одна з переваг оптимізаційних моделей полягає в тому, що вони завжди висвітлюють два важливі аспекти проблеми. Одержаний розв'язок дає значення змінних цільової функції, при яких ця функція досягає максимуму або мінімуму, залежно від того, яке поставлене завдання. Проте, крім того, метод указує й те обмеження, яке потрібно ослабити, щоб поліпшити оптимальне значення цільової функції. Внаслідок цього експериментатор може ретельніше перевірити постановку завдання і, зокрема, свої оцінки коефіцієнтів при змінних в цільовій функції та природу зазначеного обмеження. Якщо виявиться, що можна поліпшити оцінки або ослабити обмеження, то він зможе знайти ще кращий розв'язок.
Як приклад розглянемо оптимальні стратегії хижака. Припустимо, що хижак існує в кублі в точці А і є два потенційні джерела їжі, розташовані на ділянках В і С. Час, необхідний для того, щоб дістатися до ділянок В і C та повернутися з одиницею здобичі, дорівнює двом і трьом хвилинам відповідно. З іншого боку, на ділянці В хижак витрачає на утішання здобичі x1 дві хвилини, тоді як на ділянці C йому потрібна лише одна хвилина, щоб зловити одиницю здобичі x2. Енергетична ЦІННІСТЬ ОДНІЄЇ ОДИНИЦІ Х оцінюється в 25 Дж, а одиниці х2- 30 Дж.
Якщо ми введемо тепер обмеження, що полягає в тому, що на шлях із кубла в будь-якій з ділянок і назад хижак може витрачати не більше 120 хвилин на добу і що на пошук жертв він може витрачати не більше 80 хв на добу, то ми дійдемо класичного завдання лінійного програмування. Згадані обмеження записуються у вигляді нерівностей:
• для часу в дорозі;
• для часу пошуку їжі.
Потрібно записати також неявні обмеженняоскільки хижак не може зловити від'ємне число жертв. При цих обмеженнях ми хочемо максимізувати цільову функцію
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Теорія систем в екології» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Оптимізаційні моделі“ на сторінці 1. Приємного читання.
