Metody optymalizacji dynamicznej w ustalaniu struktury produkcji gospodarstw rolnych

Głównym celem pracy jest wykorzystanie wybranych metod heurystycznych i symulacyjnych do rozwiązywania liniowo-dynamicznych modeli decyzyjnych w produkcji roślinnej na poziomie przeciętnego gospodarstwa rolnego, a także porównanie otrzymanych rozwiązań.

W ramach szczegółowych założeń, praca koncentruje się na zastosowaniu algorytmu genetycznego, metody pattern search oraz sztucznych sieci neuronowych w optymalizacji dynamicznej struktury produkcji roślinnej w typowym gospodarstwie. Wykorzystana zostaje także zasada Bellmana do dekompozycji oraz tworzenia etapowych modeli liniowo-dynamicznych, zarówno szeregowych, jak i szeregowo-równoległych, z analizą precyzji rozwiązań oraz czasu potrzebnego na obliczenia. Dokonano również porównania wyników uzyskanych za pomocą zastosowanych metod pod kątem dokładności i szybkości obliczeń, oraz opracowano i rozwiązano dualne modele liniowo-dynamiczne.

Hipoteza pracy zakłada, że metody takie jak algorytm genetyczny, pattern search oraz sztuczne sieci neuronowe mogą być efektywnym narzędziem w ustalaniu struktury produkcji rolniczej na przestrzeni wielu lat. Wynikające z ich zastosowania maksymalne wielkości dochodu rolniczego są porównywalne z rozwiązaniami uzyskanymi metodą simplex, oferując tym samym możliwość wyboru różnych planów produkcyjnych bazujących na rolniczej strukturze produkcji.