Optymalne zarządzanie rozwojem stacji telewizyjnej. Zastosowanie teorii optymalnego sterowania

Transkrypt

1 Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki Aleksandra Brodecka Nr albumu: Optymalne zarządzanie rozwojem stacji telewizyjnej. Zastosowanie teorii optymalnego sterowania Praca licencjacka na kierunku MATEMATYKA w zakresie JEDNOCZESNYCH STUDIÓW EKONOMICZNO MATEMATYCZNYCH Praca wykonana pod kierunkiem dr hab. Agnieszki Świerczewskiej-Gwiazdy Instytut Matematyki Stosowanej i Mechaniki czerwiec 215

2

3 Streszczenie W pracy przedstawiono praktyczne zastosowanie zasady maksimum Pontriagina. Na podstawie tego twierdzenia wyliczono optymalną ilość spotów reklamowych oraz optymalny sposób inwestowania zwiększającego atrakcyjność firmy, tak, by w określonym horyzoncie czasowym uzyskać maksymalny dochód. Słowa kluczowe teoria sterowania, zasada maksium Pontriagina 11.1 Matematyka Dziedzina pracy kody wg programu Socrates-Erasmus) 34. Ordinary Differential Equations 34H. Control Problems 34H5. Control Problems Klasyfikacja tematyczna Tytuł pracy w języku angielskim Optimal management of television station. An aplication of control theory.

4

5 Spis treści Wprowadzenie Przedstawienie problemu Wyprowadzenie modelu Pojęcia i twierdzenia Podstawowe pojęcia Twierdzenie o istnieniu sterowania optymalnego Zasada Maksimum Potragina Rozwiązanie problemu Istnienie sterowania optymalnego Zastosowanie Zasady Maksimum Pontragina Rozwiązanie problemu Istnienie sterowania optymalnego Zastosowanie Zasady Maksimum Pontragina Wnioski Bibliografia

6

7 Wprowadzenie Właściwe zarządzanie stacją telewizyjną wymaga uwzględnienia bardzo wielu czynników. Optymalny rozwój tego typu przedsiębiorstwa jest bardzo specyficzny i interesujący, dlatego w tej pracy rozważam właśnie taki model firmy i stosuję do niego zagadnienia z teorii sterowania. Teoria sterowania to jedna z gałęzi matematyki zajmująca się analizą i modelowaniem procesów fizycznych, chemicznych czy społecznych. W pracy skupiam się na problemie maksymalizacji ilości kapitału posiadanego przez stację telewizyjną w chwili końcowej T. W tym celu tworzę przykładowy model przedsiębiorstwa, a następnie badam zależności między zmiennymi. Czynniki uwzględnione w modelu są najbardziej istotne w procesie determinowania dochodu stacji telewizyjnej. W pracy staram się wyznaczyć dwa optymalne schematy zarządzaniem wybraną firmą. Jest to ilość reklam umieszczanych w stacji oraz prawidłowy sposób inwestowania w atrakcyjność stacji. Uważam, że te dwa problemy są poddawane częstym rozważaniom w każdej stacji telewizyjnej. W celu uzyskania wyników powyższych rozważań najpierw korzystam z twierdzenia o istnieniu sterowania optymalnego dla zagadnienia w postaci Mayera. Następnie posługuję się zasadą maksimum Pontriagina. Dzięki temu problem sprowadza się do maksymalizacji funkcji Hamiltona. Praca składa się z pięciu rozdziałów. W pierwszym rozdziale wyprowadzam matematyczny model funkcjonowania stacji telewizyjnej oraz przedstawiam poruszane problemy. W drugim zamieszczam definicje i twierdzenia, z których korzystam w trakcie analizowania prezentowanych zagadnień. Kolejne dwa rozdziały dotyczą rozwiązania poruszanych problemów. Rozdział ostatni zawiera wnioski dotyczące optymalnego zarządzania stacją telewizyjną w przedstawionym przeze mnie modelu. 5

8

9 Rozdział 1 Przedstawienie problemu Wybieram intensywność umieszczania reklam w stacji telewizyjnej tak, by zmaksymalizować dochód w określonym czasie. Chcę zmaksymalizować Y T ) - całkowity dochód stacji telewizyjnej w ustalonym przedziale czasowym [, T ]. Moim sterowaniem jest intensywność zamieszczania reklam w wybranej stacji telewizyjnej - ut). Wartości sterowań znajdują się w zwartym zbiorze sterowań S = [I, I M ]. Zadanie polega na znalezieniu optymalnego sterowania u dla zasady maksimum sformułowanej w postaci max φxt, u)) u U W swojej pracy rozważam dwa problemy. Pierwszy z nich dotyczy optymalnego sterowania intensywnością reklam umieszczanych w stacji telewizyjnej w celu uzyskania jak największej ilości kapitału w końcowym momencie czasu - T. W drugim problemie rozważam problem optymalnego inwestowania zapewniający maksymalizację kapitału w końcowej chwili T Wyprowadzenie modelu Przeanalizuję model działania stacji telewizyjnej opisanej za pomocą następujących zmiennych: Y t) - kapitał stacji w chwili t Nt) - oglądalność placówki w chwili t Gt) - koszty ponoszone przez stację telewizyjną P t) - przychód z reklam It) - intensywność umieszczania reklam na antenie Wszystkie przedstawione zmienne są zależne od czasu t, który znajduje się w przedziale [, T ]. Przez oglądalność placówki rozumiem liczbę osób, które w danym czasie t wybierają analizowaną stację telewizyjną. Początkowo zakładam, że koszty ponoszone przez stację telewizyjną określają atrakcyjność danej stacji. Rozumiem przez to różnorodność programów, względy merytoryczne poruszanych tematów, popularność prowadzących oraz wszelkie koszty związane z prowadzeniem działalności na określonym poziomie. Przez przychód z reklam 7

10 rozumiem wpływy budżetowe związane z wyświetleniem spotu reklamowego przypadający za określony czas antenowy. Postuluję następujące zależności: Strumień wydatków w bieżącej chwili zależy od kondycji finansowej firmy: Gt) = s Y t) 1.1) gdzie s obrazuje stałą ilość nakładów poniesionych w celu uzyskania określonej atrakcyjności stacji. Oczywiście s, 1) Zakładam, że przychód stacji zależy zarówno od oglądalności stacji i intensywności reklam. Naturalną zależnością jest zależność multiplikatywna: gdzie a to ustalona siła oddziaływania reklam na popyt odbiorców P t) = a Nt) It) 1.2) Z tak przyjętą zależnością ilość przypadków do rozważenia znacznie wydłuża i utrudnia rozwiązanie. Dokonuję więc linearyzacji powyższego równania. Niech I, oraz N takie, że: Zatem: I It) < ɛ 1, N Nt) < ɛ 2 It) Nt) = I N + I Nt) N ) + N It) I ) + ɛ It) Nt) I N < I Nt) N ) + N It) I ) + ɛ < < ɛ 1 Nt) + ɛ It) + ɛ < ɛ Wobec powyższego linearyzacja wokół punktów dostatecznie blisko Nt) oraz It) pozwala na zapisanie iloczynu w postaci sumy. Zatem, w dalszej części pracy będę posługiwać się następującą zależnością: P t) = a Nt) + a It) 1.3) Zakładam, że strumień kapitału stacji telewizyjnej jest różnicą między przychodem i kosztami: dy t) dt = P t) Gt) Zgodnie z 1.1) oraz 1.3) można przekształcić do postaci: dy t) dt = a Nt) + a It) s Y t) 1.4) Kolejne założenie przyjęte w modelu dotyczy zmian ilości telewidzów. Zakładam, że są uzależnione od funkcji użyteczności z oglądania danej stacji: dnt) dt = L It), Gt)) 8

11 Ze wzrostem intensywności powinniśmy spodziewać się spadku oglądalności danej stacji. Wzrost kosztów ponoszonych przez firmę wpływa na różnorodność i jakość programów, co sugeruje zwiększenie popytu na daną stację telewizyjną. Wobec powyższego funkcja LIt), Gt)) posiada dodatnią pochodną cząstkową po zmiennej Gt), natomiast po zmiennej It) - ujemną. Zakładam, że funkcja Lt) przyjmuje następującą postać: Lt) = d Gt) g It) gdzie stała d obrazuje siłę przyciągania danej stacji na podstawie poniesionych przez nią kosztów, a stała g wskazuje na niechęć odbiorców na podstawie ilości reklam w stacji telewizyjnej. Oczywiście d, g > Zgodnie z 1.1) można zapisać jako: Lt) = d s Y t) g It) dzięki czemu otrzymuję: dnt) dt = d s Y t) g It) 1.5) Dostaję następujący układ równań różniczkowych: Ẏ t) = a Nt) + a It) s Y t), Ṅt) = d s Y t) g It). 1.6) W powyższym modelu sterowaniem jest intensywność reklam na antenie telewizyjnej It), gdzie It) należy do przedziału [I, I M ]. Przez I rozumiem minimalną ilość emitowanych reklam tak, by nawet w tym przypadku stacja uzyskiwała nieujemne dochody z emisji, natomiast za I M przyjmuję maksymalną, regulowaną prawnie ilość reklam. Zgodnie z rozporządzeniem Krajowej Rady Radiofonii i Telewizji jest to 12 minut na godzinę. Wartością pożądaną jest maksymalizacja końcowego dochodu, czyli max Y t). Zakładam, że w czasie t mam daną liczbę widzów N) = N oraz wartość początkową dochodu Y ) = Y. Rozważania prowadzę przy zerowej stopie procentowej. Założenie, że koszty poniesione przez firmę decydują o jej atrakcyjności może być zbyt ogólne. W pierwszym problemie na koszty Gt) składają się takie pozycje jak koszty zatrudnienia pracowników, prezenterów telewizyjnych, koszty transmisji i produkcji, zakupu nowych urządzeń i koszty podatkowe. Nie wszystkie z powyższych mają bezpośredni związek z atrakcyjnością stacji. W problemie drugim dokonam więc rozgraniczenia na dwa rodzaje kosztów: Kt) - wydatki inwestycyjne decydujące tylko o atrakcyjności. Rozumiem przez to koszty zatrudnienia prezenterów telewizyjnych i produkcji programów. Rt) - pozostałe wydatki w postaci zatrudnienia innych pracowników, amortyzacji oraz podatków. Zakładam, że ta część wydatków jest uzależniona proporcjonalnie od ilości kapitału. Zatem funkcja kosztów w problemie drugim przyjmuje postać: Rt) = r Y t) 1.7) Gt) = r Y t) + Kt) 1.8) 9

12 Przyjmując powyższe założenia do pozostałych koncepcji przedstawionych w tym rozdziale mogę zapisać następujący układ równań różniczkowych: Ẏ t) = a Nt) + a It) r Y t) Kt), 1.9) Ṅt) = d Kt) g It). W powyższym modelu sterowaniem są wydatki inwestycyjne zapewniające atrakcyjność stacji telewizyjnej Kt), gdzie Kt) należy do przedziału [, K ]. Nakładam dodatkowy warunek na ilość wydatków inwestycyjnych. Zakładam, że całkowita wartość inwestycji wynosi: T Kt)dt = A Chcę zmaksymalizować końcowy dochód, czyli max Y t). Zakładam, że w czasie t mam daną liczbę widzów N) = N oraz wartość początkową dochodu Y ) = Y. Wielkość intensywności reklam It) I jest na stałym, zoptymalizowanym poziomie zgodnie z rozwiązaniem pierwszego zagadnienia. Podsumowując, rozważam następujące problemy: Problem 1. Problem optymalnej intensywności reklam w trakcie trwania czasu antenowego, tak by w końcowym czasie T uzyskać maksymalną wartość dochodu max Y t) It) [,T ] Problem 2. Problem optymalnego rozplanowania wydatków inwestycyjnych gwarantujących atrakcyjność stacji w celu maksymalizacji ilości kapitału w chwili końcowej T. max Y t) It) [,T ] z warunkiem na całkowitą wartość wydatków inwestycyjnych: T Kt)dt = A 1

13 Rozdział 2 Pojęcia i twierdzenia W tym rozdziale znajdują się najważniejsze definicje oraz kluczowe twierdzenia, których użyję w dalszej części pracy Podstawowe pojęcia Rozważam zagadnienie początkowe dla równania różniczkowego zwyczajnego ẋt) = ft, xt), ut)) x) = x gdzie x R n, x : [, T ] R oraz u U jest sterowaniem dopuszczalnym. Definicja Funkcjonał kosztu jest to funkcjonał V : R R n postaci V = T Lt, xt), ut))dt + φt, xt )) gdzie xt) jest trajektorią odpowiadającą sterowaniu ut) U. Koszt bieżący odpowiada funkcji Lt, xt), ut)), natomiast koszt końcowy jest postaci φt, xt )) Definicja Funkcja Hamiltona jest to funkcja postaci Hx, p, u, t) = p ft, x, u). Z Hamiltonianem związane są następujące zależności wykorzystywane w zasadzie maksiumum Pontragina: ṗ = H x ẋ = H p Definicja Zagadnienie optymalizacyjne Mayera jest postaci z warunkiem początkowym oraz końcowym gdzie S oznacza zbiór docelowy max φt, XT, u)) u U,T x) = x T, xt )) S 11

14 2.2. Twierdzenie o istnieniu sterowania optymalnego Twierdzenie 1 Istnienie sterowania optymalnego dla zagadnienia Mayera [Twierdzenie , BP] Założenia: 1. Zbiór wartości sterowań jest zwarty T, 2. Funkcja f : [, ) R n U R n jest ciągła względem wszystkim zmiennych, różniczkowalna w sposób ciągły względem x R n, 3. Dla dowolnego t, x, u) funkcja f spełnia ftx, u) C1 + x ), 4. Zbiór prędkości F t, x) = ft, x, u) : u U jest wypukły dla wszystkich t [, T ], x R n 5. Funkcja φ jest ciągła, 6. Zbiór docelowy S jest domknięty i zawarty w pewnym pasie [, T ] R n, 7. Istnieje trajektoria x spełniająca warunki początkowe i końcowe x) = x, T, xt )) S, wtedy istnieje sterowanie optymalne dla zagadnienia: max φt, XT, u)) u U,T 2.3. Zasada Maksimum Potragina Założenia Zbiór Ω R R n jest otwarty, funkcja f = fx, t, u) jest ciągła na Ω U oraz różniczkowalna w sposób ciągły względem x i t. Funkcja φ jest różniczkowalna w sposób ciągły. Twierdzenie 2 Zasada Maksimum Pontragina dla ustalonego czasu końcowego [Twierdzenie , BP] Niech będą spełnione założenia dla zagadnienia w postaci Mayera oraz niech u : [, T ] U będzie sterowaniem optymalnym dla problemu i x trajektorią odpowiadającą temu sterowaniu. Wówczas istnieje nietrywialny, ciągły wektor wierszowy p ) taki, że z warunkiem ṗt) = H x x, p, u, t), pt ) = x φ xt, u )) Niech p t) oznacza rozwiązanie powyższego układu, wtedy: dla prawie każdego t [, T ] Hx, p, u, t) = max ω U Hx, p, ω, t) 12

15 Twierdzenie 3 Zasada Maksimum Pontragina z zadanymi więzami [Twierdzenie , BP] Niech będą spełnione założenia z dodatkowym założeniem, że wszystkie funkcje φ i dla i = 1,.., k są różniczkowalne w sposób ciągły oraz niech u : [, T ] U będzie sterowaniem optymalnym dla problemu i x trajektorią odpowiadającą ) temu sterowaniu. Dodatkowo zakłada się, że wektory φ i = φi t, φ i x 1... φ i x n dla i = 1, 2,..n są liniowo niezależne w punkcie x T ). Wówczas istnieje nietrywialny, ciągły wektor wierszowy p ) taki, że ṗt) = H x x, p, u, t), Niech p t) oznacza rozwiązanie powyższego układu, wtedy: Hx, p, u, t) = max ω U Hx, p, ω, t) dla prawie każdego t [, T ]. Istnieją stałe λ,..., k, gdzie λ takie, że p 1,..., p n )T ) = k i= φi λ i,.., φ ) i x 1 x n 13

16

17 Rozdział 3 Rozwiązanie problemu 1 W tym problemie rozważam zagadnienie maksymalizacji dochodu stacji telewizyjnej, czyli: max Y t) It) [I,I M ] Zgodnie z następującym układem równań różniczkowych: Ẏ t) = a Nt) + a It) s Y t), Ṅt) = d s Y t) g It). Dla ułatwienia wprowadzę następującą notację: Y t) = x 1 t), Nt) = x 2 t), d s = f Dostaję nową postać układu: x 1 t) = a x 2 t) + a ut) s x 1 t), x 2 t) = f x 1 t) g ut) Istnienie sterowania optymalnego 3.1) Układ równań różniczkowych spełnia założenia Twierdzenia o istnieniu sterowania optymalnego, ponieważ: 1. Zbiór wartości sterowań jest domknięty i ograniczony, zatem jest zwarty, 2. Funkcje f 1 t, x 1, x 2, u) oraz f 2 t, x 1, x 2, u) są ciągłe względem wszystkich zmiennych oraz mają ciągłe pochodne cząstkowe zatem są różniczkowalne w sposób ciągły, 3. Funkcje spełniają również ograniczenia postaci ftx, u) C1 + x ), ponieważ obie funkcje są liniowe, 4. Liniowość f 1 oraz f 2 zapewnia również wypukłość zbioru prędkości, 5. Funkcja φ = x 1 zatem jest ciągła, 15

18 6. Istnienie trajektorii: Załóżmy, że intensywność zamieszczania reklam wynosi I M. Wtedy zgodnie z twierdzeniem Picarda o istnieniu i jednoznaczności rozwiązania zagadnienia Cauchy ego istnieje trajektoria spełniająca warunki początkowe i osiągająca zbiór docelowy S = T R Zastosowanie Zasady Maksimum Pontragina Hamiltonian rozważanego układu wygląda następująco: Hp 1, p 2, t, x 1, x 2 ) = p 1 a x 2 + a u s x 1 ) + p 2 f x 1 g u) Chcę znaleźć sterowanie optymalne u U dla ustalonego punktu końcowego. Zgodnie z zasadą maksimum Pontragina sterowanie optymalne maksymalizuje wartość Hamiltonianu: p 1 ax 2 + au sx 1 ) + p 2 fx 1 gu) = max ω U {p 1ax 2 + aω sx 1 ) + p 2 fx 1 gω)} = = p 1 ax 2 p 1 sx 1 + p 2 fx 1 + max ω U {w p 2e + p 1 a)} Sterowanie należy do przedziału [I, I M ] zatem maksymalizacja Hamiltonianu polega na: u = I M gdy g p 2 + a p 1 > I gdy g p 2 + a p 1 < 3.2)? gdy g p 2 + a p 1 = W celu znalezienia optymalnego sterowania posłużę się zależnością ṗ = H x p 1 = H x 1 = p 1 s p 2 f, dostaję: p 2 = H x 2 = p 1 a. Zasada Maksimum Pontragina mówi również o następującym warunku: pt ) = φ x 1, φ x 2 ) = 1, ) 3.3) Otrzymuję układ równań różniczkowych jednorodnych, który można zapisać w postaci macierzowej: ) ) ) p1 s f p1 = p 2 a p 2 Liczę wartości własne macierzy: s λ det a f λ = s λ) λ) fa = Wobec powyższego otrzymuję: λ 1 = s s 2 + 4fa 2 < λ 2 = s + s 2 + 4fa 2 16 > 3.4)

19 Zastosowane nierówności wynikają z dodatniości a, f, s. Wektory własne dla obliczonych wartości to: V 1 = s s 2 +4fa 2a 1 V 2 = s+ s 2 +4fa 2a Czyli v 1 e λ1t, v 2 e λ2t tworzą bazę rozwiązań i wyznaczają macierz fundamentalną e At. Rozwiązanie układu jednorodnego jest postaci: X = c 1 e λ 1t s+ s 2 +4fa 2a + c 2 e λ 2t s s 2 +4fa 2a c 1 e λ 1t + c 2 e λ 2t 1 oraz z warunkiem: X T T ) = 1 ) Zgodnie z 3.3) wyznaczam stałe c 1 oraz c 2 : c 1 = ae λ 1T c 2 = ae λ 2T Otrzymuję następujące postacie funkcji p 1 oraz p 2 : p 1 t) = e λ 1t T ) s 2 4fa + s + 1 ) + e λ 2t T ) s fa + s + 1 ) 2 2 ) ) p 2 t) = e λ 1t T ) a + e λ 2t T ) a 3.5) 3.6) Analizując pochodne obu funkcji zauważam, że funkcja p 2 t) jest malejąca: p 1 t = λ 1e λ 1t T ) s 2 4fa + s + 1 ) 2 2 Ponieważ: λ 1 <, λ 2 >, oraz: ) p 2 t = λ 1e λ 1t T ) a a >, a < 4fa+s 2 4fa+s 2 + λ 2 e λ 2t T ) s 2 4fa + s + 1 ) 2 2 ) + λ 2 e λ 2t T ) a Na podstawie ogólnych założeń nie można stwierdzić, czy p 1 t) jest również funkcją malejącą, gdyż: s fa+s 2 2 >, oraz s fa+s 2 2 > 17

20 Zgodnie z 3.2) sterowanie optymalne zależy od wartości funkcji p 1 t) oraz p 2 t). Rozwiązanie poniższego równania odpowiada sytuacji, w której sterowanie optymalne przyjmuje wartość I M. a p 1 t) g p 2 t) > Podstawiając równania na p 1 t) oraz p 2 t) otrzymuję zależność: a e λ 1t T ) s 2 4fa + s + 1 ) + e λ 2t T ) s fa + s + 1 ) 2 2 ) ) g e λ 1t T ) a + e λ 2t T ) a > W celu rozwiązania nierówności warto posłużyć się faktem, że funkcja p 2 t) jest malejąca. Zatem również g p 2 t), bo g >. Postać rozwiązania i istnienie punku przełączenia jest uzależniona od wielkości obu funkcji w. Można to zilustrować na wykresie: Rysunek 3.1: Wykresy funkcji p 1 t) oraz p 2 t) Z rysunku można łatwo odczytać, że w przypadku pierwszej sytuacji sterowanie optymalne jest postaci u I M. Ponieważ a p 1 t) > b p 2 t) na [, T ] Warunek będzie spełniony, gdy a p 1 ) > g p 2 ). Warunkiem istnienia punktu przełączenia jest a p 1 ) < g p 2 ). Wtedy istnieje τ, takie że a p 1 τ) = g p 2 τ). Analogiczne wykresy można otrzymać rozważając rosną postać funkcji p 1 t). Również w tym przypadku, punkt przełączenia istnieje, gdy a p 1 ) < g p 2 ). Podsumowując, sterowanie optymalne jest postaci: I dla t [, τ) u = I M dla t τ, T ] 3.7)? dla t = τ Wartości funkcji w są następujące: p 1 ) = e λ 1 T ) s 2 4fa + s + 1 ) + e λ 2 T ) s fa + s + 1 )

21 ) ) p 2 ) = e λ 1 T ) a + e λ 2 T ) a Przechodzę do sprawdzenia, czy istnieje punkt przełączenia: a [ e λ 1 T ) < g a p 1 ) < g p 2 ) s 2 4fa + s + 1 ) + e λ 2 T ) s fa + s + 1 )] < 2 2 [ ) )] e λ 1 T ) a + e λ 2 T ) a e λ 1 T ) ) ) 2ag + sa a 2 < e λ 2 T ) 2ag + sa + a 2 Zlogarytmowanie nierówności będzie możliwe, gdy obie strony będą dodatnie. 2ag+sa+a 4fa+s 2 >, ponieważ stałe a, f, g, s są większe od zera. 2 4fa+s 2 Żeby nierówność 2ag+sa a 4fa+s 2 > zachodziła należy założyć wartość przynajmniej 2 4fa+s 2 jednego parametru. Np., dla ustalonego g = Po zlogarytmowaniu otrzymuję: ) ) 2ag + sa a 2ag + sa a λ 1 T ) + ln 2 < λ 2 T ) + ln 2 Ostatecznie można zapisać: ) 2ag+sa+a ln 4fa+s 2 2ag+sa a 4fa+s 2 T < = γ 3.8) λ 2 λ 1 ) 2ag+sa+a ln 4fa+s 2 2ag+sa a 4fa+s 2 γ = 3.9) Zauważam, że γ > ponieważ > oraz 2ag+sa+a 4fa+s 2 logarytmu jest dodatnia. Zatem punkt przełączenia istnieje, jeżeli: 2ag+sa a 4fa+s 2 > 1, czyli wartość Punkt przełączenia wyznaczam z warunku: T < γ 3.1) a p 1 τ) = g p 2 τ) 19

22 a [ e λ 1 T +τ) = g [ s 2 4fa + s + 1 ) + e λ 2 T ) s fa + s + 1 )] = 2 2 ) )] a + e λ 2 T ) a e λ 1 T +τ) Dla ustalonego g w tym przykładzie mogę zlogarytmować równanie: ) ) e λ 1 T +τ) 2ag + sa a 2 = e λ 2 T +τ) 2ag + sa + a 2 ) ) 2ag + sa a 2ag + sa a λ 1 T + τ) + ln 2 = λ 2 T + τ) + ln 2 Co pozwala uzyskać: τ = ) 2ag+sa+a 4fa+s ln 2 + λ 1 T λ 2 T 2ag+sa a 4fa+s ) λ 2 λ 1 Ostatecznie: dla T < γ sterowanie optymalne jest postaci: I dla t [, τ) u = I M dla t τ, T ] [I, I M ] dla t = τ Natomiast dla T > γ sterowanie optymalne przybiera postać: ut) = I M dla t [, T ] 2

23 Rozdział 4 Rozwiązanie problemu 2 W tym rozdziale rozważam zagadnienie maksymalizacji dochodu stacji telewizyjnej max Y t) Kt) U Zgodnie z następującym układem równań różniczkowych: Ẏ t) = a Nt) + a It) r Y t) Kt), Ṅt) = d Kt) g It). W tym problemie przyjmuję, że wielkość inwestycji jest stała, zoptymalizowana. Mogę więc dokonać przeskalowania zmiennych oznaczających ilość kapitału i oglądających: t Y t) Y t) a Is) ds t Nt) Nt) g Is) ds Zgodnie z oznaczeniami z poprzedniego rozdziału układ równań można zapisać jako: x 1 t) = a x 2 t) r x 1 t) Kt), x 2 t) = b Kt). Dodatkowo zakładam, że dodatkowe koszty spełniają ograniczenie: T Kt)dt = A co zrealizuję przez wprowadzenie dodatkowej zmiennej: x 3 t) = u x 3 ) = x 3 T ) = A 21

24 Zatem końcowy układ wygląda następująco: x 1 t) = a x 2 t) r x 1 t) u, x 2 t) = b u, x 3 t) = u. Z warunkami początkowymi: oraz warunkiem końcowym: x 1 ) = x 1 x 2 ) = x 2 x 3 ) = x 3 T ) = A W tym problemie chcę uzyskać: z zadanymi więzami: max u U φ xt, u)) φ i xt, u)) = w tym zadaniu: φ xt, u)) = x 1, φ 1 = x 3 A 4.1. Istnienie sterowania optymalnego Układ równań różniczkowych spełnia założenia Twierdzenia o istnieniu sterowania optymalnego, ponieważ: 1. Zbiór wartości sterowań jest domknięty i ograniczony, zatem jest zwarty, 2. Funkcje f 1 t, x 1, x 2, x 3, u), f 2 t, x 1, x 2, x 3, u), f 3 t, x 1, x 2, x 3, u) są ciągłe względem wszystkich zmiennych oraz mają ciągłe pochodne cząstkowe zatem są różniczkowalne w sposób ciągły, 3. Funkcje spełniają również ograniczenia postaci ftx, u) C1 + x ), ponieważ obie funkcje są liniowe, 4. Liniowość f 1 oraz f 2 tak samo jak w poprzednim przykładzie zapewnia również wypukłość zbioru prędkości, 5. Funkcja φ = x 1 zatem jest ciągła, 6. Istnienie trajektorii: Załóżmy, że u = K. Wtedy: T u dt = T K dt = K o T 22

25 Korzystam z założenia modelu: zatem T u dt = A K T = A Istnienie rozwiązania zależy od spełnienia warunku: K T J Zastosowanie Zasady Maksimum Pontragina Tworzę Hamiltonian opisanego w tym rozdziale układu: Hp 1, p 2, p 3, t, x 1, x 2 ) = p 1 a x 2 r x 1 u) + p 2 b u + p 3 u Chcę znaleźć sterowanie optymalne u U dla ustalonego punktu końcowego. Zgodnie z zasadą maksimum Pontragina sterowanie optymalne maksymalizuje wartość Hamiltonianu: p 1 ax 2 rx 1 u) + p 2 bu + p 3 u) = max ω U {p 1ax 2 rx 1 ω) + p 2 bu + p 3 ω)} = = p 1 ax 2 p 1 rx 1 + max ω U {w p 1 + bp 2 + p 3 )} Sterowanie należy do przedziału [, K ] zatem maksymalizacja Hamiltonianu polega na: K gdy p 1 + bp 2 + p 3 > u = gdy p 1 + bp 2 + p 3 < 4.1)? gdy p 1 + bp 2 + p 3 = Wyznaczę funkcje p 1, p 2, p 3. Korzystam z zależności: ṗ = H x x, p, u, t) p 1 t) = H x 1 = p 1 r, p 2 t) = H x 2 = p 1 a, 4.2) p 3 t) = H x 3 =. Zauważam, że funkcja p 3 jest stała, ponieważ ma zerową pochodną. Do wyznaczenia funkcji p 1, p 2, p 3 skorzystam z następującej własności: Istnieją stałe λ,.., λ k, gdzie λ, że: k φi p 1,..., p n )T ) = λ i,.., φ ) i x 1 x n Otrzymuję: i= 23

26 p 1 p 2 p 3 [T ] = λ 1 + λ 1 1 p 1 T ) = λ p 2 T ) = p 3 T ) = λ 1 Wobec powyższego p 3 λ 1. Rozwiązuję teraz p 1. Jest to równianie różniczkowe jednorodne: p 1 t) = rp 1 Całuję obustronnie i dostaję: dp 1 p 1 = r ln p 1 = rt + C, gdzie C R p 1 = e rt + C 1, gdzie C 1 R Stałą C 1 wyznaczam z: Zatem: p 1 T ) = λ C 1 e rt = λ C 1 = λ e rt p 1 t) = λ e rt T ) Teraz mogę wyznaczyć p 2 : Całkuję obustronnie i otrzymuję: p 2 t) = p 1 a = λ e rt T ) a p 2 t) = λ a r ert T ) + C 2, gdzie C 2 R C 2 wyznaczam z warunku: p 2 T ) = Otrzymuję: λ a r est T ) + C 2 = C 2 = λ a r p 2 t) = λ a r [ert T ) 1] Zatem funkcje p 1, p 2, p 3 są postaci: p 1 t) = λ e rt T ) 24

27 p 2 t) = λ a s [ert T ) 1] p 3 t) = λ 1 Zależy mi na znalezieniu wartości wyrażenia p 1 + bp 2 + p 3 = λ 1 + λ ab r u = λ e rt T ) [1 + ab r ] Jest to funkcja malejąca, zatem może istnieć tylko jeden punkt przełączenia. Sterowanie optymalne jest więc postaci: K gdy λ 1 + λ ab r λ e rt T ) [1 + ab r ] > gdy λ 1 + λ ab r? gdy λ 1 + λ ab r Punkt przełączenia wyznaczam z warunku: p 1 + bp 2 + p 3 = λ e rt T ) [1 + ab r ] < λ e rt T ) [1 + ab r ] = 4.3) λ 1 + λ ab r λ e rt T ) [1 + ab r ] = Otrzymuję: t = lnσ) + T gdzie σ = λ 1 λ r + ab r + ab Gdy t [, T ] wtedy istnieje punkt przełączenia. Wartość t zależy od wartości lnσ), który zależy od niewiadomej λ 1 λ. Wartość σ można wyznaczyć z: T u dt = A T u dt = t T u dt + dt t A = K t = K [lnσ) + T ] σ = e A K T K Żeby zachodziło rozwiązanie musi zachodzić K T A. Ostra nierówność gwarantuje,że lnσ) 25

28 jest ujemny. Punk przełączenia jest postaci: t = A K T K + T = A K 26

29 Rozdział 5 Wnioski Z rozważań przedstawionych w poprzednich rozdziałach można wyciągnąć następujące wnioski dotyczące optymalnego zarządzania stacją telewizyjną. W pierwszym problemie strategia optymalnego lokowania ilości reklam zależy od ustalonego czasu końcowego i wielkości zastosowanych parametrów. Na wynik końcowy mają wpływ takie parametry jak: część kapitału finansująca bieżące wydatki firmy współczynnik s), siła oddziaływania reklam na popyt odbiorców współczynnik a), siły przyciągania danej stacji współczynnik d) oraz niechęci odbiorców do danej stacji na podstawie ilości reklam współczynnik g). Jeżeli zachodzi: T < γ dla γ jak w 3.9) sterowanie optymalne polega na umieszczaniu minimalnej ilości reklam do pewnej chwili τ jak w 3.11) oraz maksymalizacji tego współczynnika w kolejnym przedziale czasowym. T > γ optymalne jest umieszczanie maksymalnej ilości reklam w stacji telewizyjnej. Uzyskany wynik jest zgodny z postępowaniem wielu stacji telewizyjnych. Dane dotyczące przychodów z reklam i ich ilości można porównać empirycznie na podstawie cotygodniowych raportów Nilsen Audience Measurement. Zgodnie z raportem z dnia dochody TVN były drugie co do wielkości innych stacji telewizyjnych, a audycje reklamowe i telesprzedaż stanowiły ponad 25% czasu antenowego. Największy dochód w tym okresie uzyskał Polsat. Programy o charakterze promocyjnym stanowiły ok. 18% czasu antenowego. W przypadku tej firmy zachowanie można porównać do sytuacji, w której istnieje punkt przełączenia, wtedy średnia ilość reklam w danym okresie będzie stosunkowo mniejsza. Różnice w końcowym dochodzie obu firm mogą wynikać z odmiennego ustalonego czasu końcowego, który określa maksymalizację ilości kapitału. W przypadku TVN polityka zarządzania stacją może polegać na maksymalizacji dochodu w pewnym czasie T α > γ a Polsatu dla T β < γ. Z raportu można również uzyskać wnioski na temat istotności współczynników użytych w modelu w kształtowaniu się dochodów firmy. Stacja TVP 1 z największą oglądalnością uzyskała czwarty co do wielkości przychód. Zatem siła oddziaływania reklam na popyt odbiorców współczynnik a) jest jednym z kluczowych parametrów w prezentowanym w pracy modelu. Równie ważna jest atrakcyjność danej stacji. Przykładem może być stacja Tele5, której dochód jest niewielki a reklamy stanowią prawie 5% czasu antenowego i oferta programowa jest uboga w porównaniu z innymi firmami. 27

30 Zgodnie z danymi istotną rolę w kształtowaniu się dochodu firmy stanowi jej atrakcyjność. Drugi problem dotyczył sytuacji optymalnego sposobu inwestowania gwarantującego dużą oglądalność z ograniczonym pułapem inwestycyjnym. Założenie o określonej ilości wydatków inwestycyjnych jest często przyjmowane w prawidłowym zarządzaniu firmą, nie tylko w przypadku stacji telewizyjnych. W drugim przypadku rozwiązanie optymalne jest postaci: Jeżeli jest spełniony warunek K T > A to optymalnym rozwiązaniem jest inwestowanie do momentu τ = A K oraz w następnym przedziale czasowym nie czynić już żadnych wydatków inwestycyjnych. Zaś gdy K T = A to należy inwestować z największą intensywnością K przez cały badany okres, czyli [, T ]. Wyniki są również zgodne z danymi. Odwołując się po raz kolejny do raportów Nilsen Audience Measurement to właśnie stacje o największej różnorodności mają największe dochody. Stacje tematyczne cieszą się zdecydowanie mniejszą popularnością jak i przychodami z reklam. Podsumowując, przytoczone strategie pozwalają na maksymalizację ilości kapitału posiadanego przez stację telewizyjną w chwili końcowej rozważając ilość reklam lub wydatki zwiększające atrakcyjność firmy. Otrzymane rezultaty potwierdzają cotygodniowe raporty. Należy jednak pamiętać, że przytoczony model jest modelem teoretycznym i uproszczonym. Żeby móc zastosować wyniki w praktyce można rozważyć więcej szczegółów w postaci okresu w jakim chcemy uzyskać maksymalizację dochodu. Preferencje odbiorców różnią się w zależności od okresu wakacyjnego lub zimowego. Również można pokusić się o lepszą precyzję dochodów firmy, gdyż przychody z reklam stanowią jedynie o większości zysków.dobrym przykładem mogą być stacje państwowe mając inne źródła finansowania, sposób i politykę zarządzania firmą. 28

31 Bibliografia [BP] Bressan A., Piccoli B., Introduction to the Mathematical Theory of Control, American Insitute of Mathematical Sciences, MO, 27 [C] Chiang A.C., Elementy dynamicznej optymalizacji,przeł. Hałaburda H. et al.,wyższa Szkoła Handlu i Finansów Międzynarodowych,Warszawa, 22 [N] Nielsen Company Measurement, Raport tygodniowy: ,Warszawa,