PORÓWNANIE METOD ROCZNIKI UWZGLÊDNIANIA NAUK ROLNICZYCH, RYZYKA W SERIA BILANSACH G, T. 94, PASZOWYCH z. 1, 07 MODELU. 7 PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU PROGRAMOWANIA LINIOWEGO OPTYMA- LIZUJ CEGO PLANY PRODUKCJI GOSPODARSTWA ROLNEGO Stanis³aw Gêdek Katedra Ekonomiki i Organizacji Agrobiznesu, Akademia Rolnicza w Lublinie Kierownik Katedry: prof. dr hab. Dionizy Niezgoda S³owa kluczowe: optymalizacja planów produkcji gospodarstwa rolnego, programowanie liniowe, ryzyko Key words: farm production optimisation, linear programming, risk S y n o p s i s: Problem uwzglêdniania ryzyka w ograniczeniach paszowych modelu programowania liniowego stosowanego do optymalizacji planów produkcji w rolnictwie rozwi¹zywany jest przy pomocy kilku metod opartych ró nych podstawach teoretycznych. W opracowaniu dokono porównia skutków zastosowania metody Charnesa-Coopera i metody powielania ograniczeñ. WSTÊP Optymalizacja planów produkcji gospodarstw rolniczych by³a jednym z pierwszych zastosowañ programowania liniowego. Wkrótce po opracowaniu przez Dantziga algorytmu simplex s³u ¹cego rozwi¹zywaniu zagadnieñ programowania liniowego, pojawi³a siê publikacja, w której Hildreth i Reiter [19] przedstawili zastosowanie tej metodyki do optymalizacji decyzji produkcyjnych w gospodarstwach rolnych. Zastosowanie programowania liniowego do optymalizacji planów w gospodarstwie rolnym budzi³o wiele kontrowersji [Manteuffel 1962, Reisch 1962, Schmidt 1958]. Dotyczy³y one g³ównie mo liwoœci pogodzenia za³o eñ, których oparta jest metoda programowania liniowego z teori¹ gospodarstwa rolnego, braku mo liwoœci uzyskiwania rozwi¹zania w liczbach ca³kowitych w odniesieniu przyjmniej do niektórych zmiennych oraz niemo noœci uwzglêdnienia wahañ losowych poszczególnych parametrów (plonów roœlin, cen itp.) 1. Problemy zwi¹zane z ca³kowitoliczbowoœci¹ usuniêto stosunkowo jwczeœniej, wraz z pojawieniem siê algorytmu daj¹cego rozwi¹zania problemów programowania liniowego w liczbach ca³kowitych [Chou, Heady 1961, Colyer 1968]. W¹tpliwoœci teoretyczne równie zosta³y usuniête. Weinschenck [1967] wykaza³, i nie ma sprzecznoœci pomiêdzy tzw. organiczn¹ teoria gospodarstwa rolnego a programowaniem liniowym, zaœ sprzecznoœæ z teori¹ 1 W szczegó³ach kontrowersje wokó³ zastosowañ programowania liniowego do optymalizacji planów w gospodarstwie rolnym przedstawi³ Urban [1976].
8 S. GÊDEK margiln¹ ma w du ej mierze charakter pozorny. Odpowiedzi¹ deterministyczny charakter wszystkich parametrów w klasycznym programowaniu liniowym by³ rozwój tak zwanych metod uwzglêdniania ryzyka. Ich metodologia oparta by³a bardzo ró nych podstawach teoretycznych [Gêdek Malicki 1992, Wicks, Guise 1978]. CEL OPRACOWANIA I JEGO UZASADNIENIE Du ej aktywnoœci w tworzeniu metod uwzglêdniania ryzyka z rzadka towarzyszy³a refleksja d ich podstawami teoretycznymi [Gêdek, Jab³onowski 01, Podkaminer 19]. Brak jest tomiast, poza pewnymi wyj¹tkami, badañ d porówniem skutków ich zastosowania. Owe nieliczne wyj¹tki dotyczy³y wy³¹cznie kwestii uwzglêdniania ryzyka w parametrach funkcji celu i ograniczone by³y b¹dÿ do porównia skutków zastosowania ró - nych kryteriów wyboru stosowanych w teorii gier [McInerney 1967], b¹dÿ te tylko do porównia podejœcia wynikaj¹cego z teorii gier z metodologi¹ EV i to wy³¹cznie poziomie formalnym [Hazell 1970] 2. Uwzglêdnianie ryzyka w parametrach techniczno-ekonomicznych (t-e) modelu programowania liniowego optymalizuj¹cego plany produkcji gospodarstw rolnych w stosunku do zagadnieñ ryzyka w parametrach funkcji celu przedstawia daleko wiêkszy problem [Wicks, Guise 1978]. W zcznie te mniejszym stopniu problem ten by³ przedmiotem refleksji teoretycznej. Metod uwzglêdniania wahañ losowych parametrów techniczno-ekonomicznych powsta³o dosyæ du o. Brak jest jedk niemal zupe³nie jakichkolwiek porówñ skutków ich zastosowania 3. Celem opracowania jest próba zape³nienia tej luki porównie rozwi¹zañ uzyskanych przy zastosowaniu dwu jczêœciej stosowanych metod uwzglêdniania ryzyka w parametrach t-e, opartych ró nych za³o eniach, metody Charnesa-Coopera [1959] oraz metody powielania ograniczeñ 4. OPIS PORÓWNYWANYCH METOD Problem programowania liniowego w postaci deterministycznej zastosowany do optymalizacji planów rocznych gospodarstwa rolnego ma postaæ: max: c T x, (1) przy czym: Ax b, (2) x ³ (3) 2 Zcznie szerszego zakresu metod dotyczy³o porównie dokone przez Malickiego [1992]. Ograniczy³o siê ono jedk wy³¹cznie do ró nic w budowie modelu. 3 Porównywane by³y czasem rozwi¹zania modelu deterministycznego i z zastosowaniem wybranej metody uwzglêdniania wahañ losowych parametrów techniczno-ekonomicznych [Borkowski, Wrzosek 1993, Jab³onowski 1994]. 4 Metoda powielania ograniczeñ ma Ÿród³o w koncepcji Madansky ego [1962] zwanej przez niego fat solution. Nazwa powielanie ograniczeñ dla zastosowañ tej metody w modelach optymalizuj¹cych plany gospodarstw rolnych u yta zosta³a po raz pierwszy przez Jab³onowskiego [1994].
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. 9 gdzie: x n-wymiarowy wektor, którego sk³adowymi s¹ zmienne decyzyjne okreœlaj¹ce rozmiary dzia³alnoœci produkcyjnych lub jakichkolwiek innych zmiennych pomocniczych, c n-wymiarowy wektor wspó³czynników funkcji celu poszczególnych zmiennych decyzyjnych i pomocniczych, A macierz o wymiarach m x n zawieraj¹ca wspó³czynniki techniczno-ekonomiczne, b m-wymiarowy wektor ograniczeñ. Zarówno macierz A, jak i wektory b i c mog¹ zawieraæ elementy, których wielkoœæ podlega wahaniom losowym. Ryzyko, z tego wynikaj¹ce, to fakt, e elementy macierzy A, jak i sk³adowe wektora b podlegaj¹ wahaniom losowym, polegaj¹cym g³ównie tym, e zastosowanie substytutów deterministycznych ( przyk³ad wartoœci œrednich) w tych ograniczeniach, w których takie wahania wystêpuj¹, mo e prowadziæ do tego, i ograniczenia te nie bêd¹ spe³nione, gdy plan bêdzie realizowany. Idea metody Charnesa-Coopera polega tym, e jeœli w którymœ z ograniczeñ wystêpuj¹ parametry podlegaj¹ce wahaniom losowym, to ograniczenie to nie mo e byæ spe³nione z prawdopodobieñstwem równym 1, wiêc le y d¹ yæ do tego, aby prawdopodobieñstwo spe³nienia tego ograniczenia by³o bliskie 1 ( przyk³ad 95 lub 99). Jeœli wiêc dane jest k- te ograniczenie o postaci: a k x b k (4) gdzie: a k k-ty wektor macierzy A, zawieraj¹cy sk³adowe bêd¹ce zmiennymi losowymi, x wektor zmiennych decyzyjnych, b k wielkoœæ k-tego ograniczenia, to dla spe³nienia postulatu wymienionego powy ej powinien on byæ zast¹piony przez wyra enie o postaci: 7 D [ X [ ' [ d E (5) N J N N gdzie: D N wektor wartoœci œrednich parametrów k-tego ograniczenia, D k macierz wariancji-kowariancji parametrów wektora a k, u g odpowiedni kwantyl rozk³adu normalnego standaryzowanego b¹dÿ rozk³adu t-studenta 5. Rozwi¹zywanie problemów, w których zastosowano metodê Charnesa-Coopera, wymaga stosowania algorytmów programowania nieliniowego, powoduj¹cych zwiêkszenie czasu obliczeñ w stosunku do zagadnieñ programowania liniowego o podobnej wielkoœci. Spowodowa³o to d¹ enie do linearyzacji tej metody, z których mo wymieniæ bazuj¹c¹ metodzie MOTAD 6 metodê RINOCO 7 [Wicks, Guise 1978] oraz metodê opracowan¹ przez Borkowskiego i Wrzoska [1993], w której odchylenie standardowe zast¹piono odchyleniem absolutnym 8. 5 W przypadku, gdy rozk³ad jest ró ny od normalnego b¹dÿ nie jest w ogóle zny, odpowiednik wielkoœci u g mo wyzczyæ z twierdzenia Czebyszewa, a jego wielkoœæ wynosi w przypadku, gdy g = 95, oko³o 4,47 [Francisco, Kennedy 19]. 6 Opracowa przez Hazella [1971] liniowa altertywa dla podejœcia EV uwzglêdniania ryzyka w parametrach funkcji celu modelu programowania liniowego. 7 Risky INput-Output COefficients. 8 Warto tu wspomnieæ o linearyzacji zaproponowanej przez Rahma i Bendera [1971] dla przypadku, gdy macierz wariancji-kowariancji jest diagol (kowariancje sk³adowych wektora a s¹ równe zero). W przypadku zastosowañ do optymalizacji planów gospodarstwa rolnego za³o enie o zerowej wartoœci kowariancji nie jest jedk spe³nione, st¹d metoda ta mo e byæ wykorzystywa jedynie w przypadku optymalizacji dawek paszowych.
S. GÊDEK Warunkiem stosowania metody powielania ograniczeñ (fat solution) jest prawdziwoœæ za³o enia, e ³¹czny rozk³ad parametrów macierzy A i wektora b jest rozk³adem dyskretnym. Mówi¹c iczej, zak³ada siê, e istnieje skoñczo liczba stanów tury i dla ka dego ze stanów tury zne s¹ realizacje poszczególnych parametrów macierzy A i wektora b. Mo liwe jest wiêc uzyskiwanie rozwi¹zañ zawsze zgodnych 9, przez powielenie ka dego ograniczenia, w którym wystêpuj¹ parametry losowe tyle razy, ile jest wyró nionych stanów tury. Jeœli wiêc k-te ograniczenie mia³oby w przypadku deterministycznego charakteru wszystkich parametrów postaæ: a k x b k (6) to w przypadku wystêpowania wahañ losowych sk³adowych wektora a lub parametru b i zastosowania metody fat solution (powielania ograniczeñ) le y ten warunek zapisaæ w postaci: a k(1) x b k(1) a k(h) x b k(h) (7) a k(r) x b k(r), gdzie: r liczba realizacji wektora a rów jest a k. Dosyæ oczywistym zarzutem, który mo postawiæ metodzie fat solution w przypadku jej zastosowania w modelach programowania liniowego s³u ¹cych optymalizacji planów gospodarstw rolniczych jest to, e nie jest mo liwe wyszczególnienie wszystkich stanów tury, a tym samym nie jest mo liwe uzyskanie rozwi¹zania maj¹cego charakter permanently feasible [Wicks, Guise 1978]. Jak siê jedk okazuje, mo liwe jest rozszerzenie tej metody przypadek, gdy liczba stanów tury jest niepoliczal, a tym samym rozk³ad parametrów macierzy A i wektora b jest rozk³adem ci¹g³ym. Zgodnie bowiem z twierdzeniem udowodnionym przez Jab³onowskiego [1995], jeœli warunek (6) zast¹pi siê relacj¹ (7) to prawdopodobieñstwo, i warunek ten nie bêdzie spe³niony jest nie wiêksze ni : r r (8) (r+1) r+1 przy czym nie trzeba wprowadzaæ adnych za³o eñ co do rozk³adu wielowymiarowej zmiennej losowej, której realizacjami s¹ sk³adowe wektora a k (r jak we wzorze (7), ozcza liczbê realizacji wektora a k ). Rozwi¹zania uzyskane w takim przypadku przy pomocy metody powielania warunków nie s¹ wiêc permanently feasible, ale mo identyfikowaæ prawdopodobieñstwo spe³nienia poszczególnych warunków oraz sterowaæ prawdopodobieñstwem ich spe³nienia przez okreœlanie liczby powieleñ. 9 Permanently feasible [Madansky 1962, s. 467]. Wartoœæ wyra enia (8) spada bardzo szybko wraz ze wzrostem liczby powieleñ, dla r = 2 wynosi 8, dla r = 4 oko³o 082, oko³o 049 dla r = 7 i oko³o 0 dla r =.
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. METODYKA PORÓWNAÑ Celem porówñ jest okreœlenie, jak zmieniaæ siê bêdzie struktura rozwi¹zania optymalnego i wartoœæ funkcji celu, gdy zmieniaæ siê bêd¹ wielkoœci wariancji plonów roœlin paszowych oraz ich kowariancji. Takie sformu³owanie celu wynika st¹d, e Ÿród³em zagro eñ zwi¹zanych z mo liwoœci¹ niespe³nienia ograniczeñ, jest losowa zmiennoœæ parametrów. Konsekwencj¹ tak okreœlonego celu jest koniecznoœæ korzystania z danych hipotetycznych, gdy tylko wtedy mo kontrolowaæ w pe³ni zarówno wielkoœæ wariancji poszczególnych parametrów, jak i kowariancje pomiêdzy nimi. W oparciu o model gospodarstwa rolnego. Metodyka taka (model w miejsce rzeczywistego gospodarstwa) zosta³a przyjêta, gdy pozwala pewne uproszczenia, tak aby jego rozmiary nie zamazywa³y istoty problemu i pozwala pe³niejsz¹ prezentacjê ró nic spowodowanych zastosowaniem poszczególnych metod. Model, postawie którego bêd¹ prowadzone porównia zamieszczono w tabeli 1. Dla uproszczenia przyjêto, i jedynym kierunkiem produkcji zwierzêcej jest produkcja mleka, a wahania losowe dotycz¹ wy³¹cznie bilansów ywienia (ograniczenia - w tabeli 2). Przyjêto te za³o enie, e wahania losowe nie dotycz¹ parametrów funkcji celu. Tabela 1. Macierz modelu gospodarstwa Ograniczenia Zmienne Nr ogra- ni- cze- nia Powierzchnia uprawy [ha] bu- jêcz- jêcz- towa- rowy raki mieñ mieñ koni- czy- psze- rze- ziem- nica pak niaki Liczba krów Nr zmiennej 1 2 3 4 5 6 7 8 9 Rela- Ogra- cja nicze- nie Bilans GO 1 1 1 1 1 1 1 1 b 1 Ograniczenie 2 1 b 2 max. buraków 3 1 Bilanse zmia- now- ania Bilanse robo- cizny [rbh] Bilanse paszowe max. ziemniaków 4 1 max. koniczyny 5 1 bilanse stêpstwa roœlin 6 1-1 -1 1-1 7-1 1 1-1 - 1 8-1 1-1 - 1 9-1 -1-1 1-1 -1-1 -1-1 1 sianokosy 8 niwa wykopki 33 3 3 5, 4 energia [MJ] -a -a -a 22907 - a bia³ko [kg] -a -a -a 3 - a sucha masa [kg] a a a -58 a Funkcja celu 2705 8-97 - 28 4600 ród³o: opracowanie w³asne.
S. GÊDEK Bilanse stêpstwa roœlin modelu (tab. 1, ograniczenia 3-) skonstruowane zosta³y zgodnie z metodologia zaproponowan¹ przez Mazurkiewicza [16]. Bilanse paszowe przedstawiono w modelu zawartym w tabeli 1 w postaci podstawowej. Bêd¹ one modyfikowane w zale noœci od przyjêtej metody uwzglêdniania wahañ losowych ich parametrów. Bilanse robocizny dotycz¹ jedynie trzech okresów agrotechnicznych (sianokosy, niwa i wykopki), gdy poza tymi okresami nie wystêpuj¹ szczyty zapotrzebowania robociznê. Na zmienn¹ liczba krów ³o ony zosta³ warunek ca³kowitoliczbowiœci. Rozwi¹zania modelu uzyskano przy pomocy programu What sbest! 8.0.4.6. W tabeli 2 zamieszczono plony roœlin paszowych przyjête do porówñ. Zosta³o bowiem wykazane [Gêdek 1993], e je eli jakakolwiek zmien jest ogranicza powielanymi bilansami zarówno z do³u, jak i z góry, a tak jest w przypadku zmiennej liczba krów (por. tabela 1, zmien 8), to mo e dojœæ do wypaczenia struktury rozwi¹zania optymalnego, a wet do powstania modeli sprzecznych. Równie wahania plonów tych roœlin nie wykraczaj¹ poza realne granice, chocia mo uzæ, e w przypadku plonów z trwa³ych u ytków zielonych ró nice te s¹ dosyæ wysokie. W przypadku plonów z przyjêto dwa poziomy wariancji i dwa poziomy ich kowariancji z plomi innych roœlin paszowych. Przy okreœlaniu plonów z przyjêto, e poziom ich wariancji nie wp³ywa wielkoœæ œredniej ani wielkoœæ kowariancji z wysokoœci¹ plonów innych roœlin. Wspó³czynniki korelacji pomiêdzy plomi roœlin paszowych u ytych do porówñ zamieszczono w tabeli 3. Tabela 2. Przyjête do porówñ plony roœlin paszowych (w toch) oraz trwa³ych u ytków zielonych () przy ró nych za³o eniach dotycz¹cych wariancji i kowariancji plonów z plomi pozosta³ych roœlin paszowych Rok obserwacji Buraki Jêczmieñ Koniczy niska wariancja wysoka wariancja niska wysoka niska wysoka 1 3, 70 2 3, 3 47 3, 60 4 44 3, 5 43 3, 70 60 6 42 3, 70 60 7 41 3,00 60 8 3,00 70 9 38 2,90 70 2,90 70 Œrednia 42, 5 3,5 73 Wariancja, 9 036 1, 6 6, 7 6, 7 6, 7 6, 7 Wspó³czynnik zmiennoœci 2 061 5 2 2 7 7 ród³o: opracowanie w³asne Demonstracyjn¹ wersjê tego programu (maj¹c¹ jedk spore mo liwoœci) mo zleÿæ stronie www.lindo.com. To ostatnie za³o enie mog³o byæ spe³nione jedynie w przybli eniu (por. tabela 3).
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. Tabela 3. Wspó³czynniki korelacji plonów poszczególnych roœlin pastewnych Poziom kowariancji plonów Niski Wysoki Roœli pastew Niska wariancja plonów koniczy Zwiêkszo wariancja plonów koniczy 969 1-836 969 1,000-836 koniczy -836-883 1-836 -883 1,000-0 -0 048-4 -7 3 969 1,000-836 969 1-836 koniczy -836-883 1,000-836 -883 1-938 -944 784-904 -9 744 ród³o: opracowanie w³asne. Wartoœci paszowe roœlin pastewnych przyjêto za Normami ywienia zwierz¹t. W modelu wykorzystuj¹cym powielanie ograniczeñ bilanse paszowe powtórzono razy, gdy tyle obserwacji licz¹ szeregi czasowe stanowi¹ce podstawê porówñ. Zgodnie z wzorem (8) prawdopodobieñstwo niespe³nienia bilansów paszowych jest wówczas rów co jwy ej 0. W modelu wykorzystuj¹cym metodê Charnesa-Coopera wartoœæ u g we wzorze (5) przyjêto w wysokoœci równej 95 percentylowi rozk³adu t-studenta o 9 stopniach swobody, co zapewnia, i prawdopodobieñstwo niespe³nienia danego warunku (przy za³o eniu normalnoœci rozk³adu plonów) nie przekracza 05. Model, którego konstrukcjê przedstawiono w tabeli 1, wymaga pewnej modyfikacji w przypadku zastosowania metody powielania ograniczeñ. Wykazano bowiem [Gêdek 1993], e je eli jakakolwiek zmien jest ogranicza powielanymi bilansami zarówno z do³u, jak i z góry, a tak jest w przypadku zmiennej liczba krów (tab. 1, zmien 8), to mo e dojœæ do wypaczenia struktury rozwi¹zania optymalnego, a wet do powstania modeli sprzecznych. Istota tej modyfikacji w odniesieniu do modelu zastosowanego w niniejszej pracy polega tym, e wyzcza jest dla ka dego roku dopuszczal wartoœæ zmiennej liczba krów stanowi¹ca podstawê do okreœlenia takiej wartoœci tej zmiennej, która spe³nia wszystkie bilanse ywieniowe dla ka dego roku [Gêdek 1993]. Fragment modelu wykorzystuj¹cego metodê powielania ograniczeñ i wykorzystuj¹cy opisan¹ modyfikacjê zamieszczono w tabeli 4. Wielkoœæ modelowego gospodarstwa przyjêtego do porówñ ustalono 0 hektarów u ytków rolnych. Udzia³ trwa³ych u ytków zielonych w strukturze u ytków rolnych by³ zmieniany od zera do %, co 5%. Da³o to wariantów modeli o ró nej strukturze u ytków rolnych. Wzrost udzia³u trwa³ych u ytków zielonych w strukturze UR skutkowa³ równie wzrostem wariancji plonów roœlin pastewnych, bowiem wariancja plonów jest jwiêksza (tab. 2). Nastêpnym elementem ró nicuj¹cym poszczególne modele by³a wielkoœæ zasobów robocizny. Przyjêto dwa warianty. W pierwszym zasoby robocizny s¹ ograniczone dosyæ restrykcyjnie 10 rbh dla sianokosów, 00 rbh dla niw i 1900 dla wykopków. W drugim wariancie przyjêto, i zasoby robocizny s¹ tyle du e, i nie stanowi¹ ograniczenia. Modele ró nicowane by³y równie przez przyjêty poziom wariancji plonów z oraz tym, jak by³y one skorelowane z plomi innych roœlin. Dokono porównia dla 88 modeli. Da³o to mo liwoœæ pe³nego porównia wyników otrzymanych przy zastosowaniu obydwu testowanych metod.
Tabela Nr zmiennej 4. Bilanse robocizny [rbh] Bilanse paszowe Bilanse okreœlaj¹ce liczbê krów Fragment macierzy modelu gospodarstwa, r gra icze ni Wykopki 3 Energia Bia³ko ucha mas 1 4, 1 2 4, 2 w którym zastosowano metodê powielania bilansów s³u ¹cy wyzczeniu liczby Powierzchnia uprawy [ha] Zmienne okreœlaj¹ce liczbê krów ela- j b uraki a k oniczy a n liczb krów 3 8, 4 krów 1 2 9 1-0 -2-2 -3 22907, 5 1-0 -248-5 -3 22907, 5 9 9-383 -590-264 -243 22907, 5-0 -590-264 -26000 22907, 5 1 5, 1 2 5, 2 1-7 -279, 5-7 -199, 5 3 1-8 -1-5 -199, 5 3 9, 9-646 -249, 4-648 -427, 5 3, -595-249, 4-648 -6 3 1 6, 1 2 6, 2 1 96 2843, 59 29-58 1 7 62, 5 42 29-58 9, 9 80 37, 5 60 63-58, 37, 5 60 60-58 Funkcje celu 2705-97 - 0 0 0 0 ród³o: opracowanie w³asne. gra niczeni 1 1 1 S. GÊDEK N o - n - a 1 3 4 8 19 R O - ca e Sianokosy b 1 niwa b 2 S a 1 b 3 1-1 1-1 1-1 26 1-1
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. WYNIKI PORÓWNAÑ Wyniki obliczeñ dla modelu przedstawianego w tabeli 1 zamieszczono w tabelach 5-8. W tabeli 5 przedstawiono zmiany jakim podlega wartoœæ funkcji celu, gdy zmieniany jest udzia³ dla poszczególnych przypadków. Dla lepszego uchwycenia obrazu zmiany przedstawiono w procentach w stosunku do sytuacji, w której udzia³ w strukturze u ytków rolnych jest równy zero. Porównie mo e byæ przeprowadzone w ten sposób, gdy dla sytuacji, w której udzia³ jest równy zero, wartoœæ funkcji celu jest dla obydwu metod bardzo bliska. Wynosi o 2 387 z³ dla metody Charnesa-Coopera i 2 276 z³ dla metody powielania ograniczeñ. Dane zawarte w tabeli 5 wskazuj¹ generaln¹ tendencjê spadku wartoœci funkcji celu wraz ze wzrostem udzia³u w strukturze u ytków rolnych. Wynika to przede wszystkim st¹d, e, zgodnie z przyjêtymi za³o eniami, plony z s¹ jni sze spoœród uwzglêdnionych w modelu roœlin paszowych. Porównie wartoœci funkcji celu uzyskiwanej dla poszczególnych sytuacji wskazuje, i zastosowa metoda uwzglêdniania wahañ losowych w parametrach t-e bilansów Tabela 5. Zmiany wartoœci funkcji celu [%]) w stosunku do modelu, w którym udzia³ jest równy zero dla ró nych poziomów wariancji plonów i kowariancji tych plonów z plomi innych roœlin paszowych w przypadku zastosowania metody Charnesa-Coopera (CHC) i powielania ograniczeñ (PO) przy uwzglêdnianiu wahañ losowych w parametrach bilansów paszowych Zasoby robocizny Ograniczone Bezograniczeñ ród³o: opracowanie w³asne. % Niska wariancja niska CHC PO wysoka CHC PO niska CHC Wysoka wariancja PO wysoka CHC 0 0 0 0 0 0 0 0 0 5 99 0 0 0 99 0 0 0 97 99 97 95 96 96 97 94 95 95 96 92 94 94 94 91 93 92 94 90 92 91 92 88 90 90 92 87 89 89 90 88 87 89 87 87 86 88 82 84 87 82 84 79 83 81 84 83 81 83 76 78 82 76 78 71 77 73 79 0 0 0 0 0 0 0 0 0 5 99 99 97 99 99 0 96 95 95 96 99 93 95 97 92 91 93 96 97 90 93 95 90 88 91 93 94 87 91 92 87 84 88 90 91 84 88 90 86 88 86 87 82 76 82 82 77 83 83 72 79 78 81 74 79 77 68 76 73 78 71 77 76 64 73 69 PO
S. GÊDEK paszowych w niewielkim stopniu ró nicuje wartoœæ funkcji celu. W ka dej jedk sytuacji, niezale nie od poziomu wariancji plonów i ich kowariancji z plomi innych roœlin paszowych oraz wielkoœci zasobów si³y roboczej, wartoœæ funkcji celu w modelach, w których zastosowa by³a metoda powielania ograniczeñ, by³a wy sza, niekiedy dosyæ wyraÿnie. Wa n¹ charakterystyk¹ modelu jest zmien liczba krów, gdy jej bezpoœrednio dotycz¹ ograniczenia, w których wystêpuj¹ wahania losowe. Wartoœci tej zmiennej w poszczególnych sytuacjach uzyskane przy zastosowaniu ka dej z dwu porównywanych metod zamieszczono w tabeli 6. Tu ró nice pomiêdzy wynikami uzyskanymi przy zastosowaniu poszczególnych metod s¹ zcznie wiêksze i obraz jest mniej klarowny ni w przypadku wartoœci funkcji celu. Zasadnicza ró nica pomiêdzy wynikami uzyskanymi przy pomocy dwu testowanych metod polega tym, e w przypadku metody powielania ograniczeñ uzyskiwa wartoœci zmiennej liczba krów jest co jmniej nie mniejsza ni w przypadku zastosowania metody Charnesa- Coopera, w zasadzie w ka dej sytuacji, jakiej dotyczy dane rozwi¹zanie. Wyj¹tkiem od tej regu³y s¹ jedynie modele, w których zasoby si³y roboczej nie s¹ ograniczone, poziom wariancji plonów jest normalny, a poziom kowariancji plonów z z plomi innych roœlin pastewnych jest Tabela 6. Wartoœæ zmienne liczba krów" dla ró nych poziomów wariancji plonów i kowariancji tych plonów z plomi innych roœlin paszowych w przypadku zastosowania metody Charnesa-Coopera (CHC) i powielania ograniczeñ (PO) przy uwzglêdnianiu wahañ losowych w parametrach bilansów paszowych Zasoby robocizny Ograniczone Bezograniczeñ ród³o: opracowanie w³asne. % Niska wariancja niska CHC PO wysoka CHC PO niska CHC Wysoka wariancja PO wysoka CHC 0 5 49 47 48 48 44 49 47 49 41 43 47 46 47 38 48 41 46 44 43 46 41 46 44 43 48 46 47 39 47 46 0 5 60 72 88 69 83 86 83 48 83 77 47 73 81 70 79 73 44 67 76 71 42 64 74 68 46 60 72 PO
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. wysoki. Dla tych przypadków w modelach, w których zastosowano metodê Charnesa-Coopera, zmien liczba krów przyjmuje wartoœci wiêksze, w niektórych przypadkach zcznie ni w modelach, w których zastosowano metody powielania ograniczeñ. Dane zawarte w tabeli 6 pozwalaj¹ zaobserwowaæ równie reakcjê zmiennej liczba krów wzrost wariancji plonów roœlin paszowych. Wzrost wariancji plonów roœlin paszowych w modelach wynika, zgodnie z za³o eniami konstrukcji modeli, z dwu przyczyn: ze wzrostu udzia- ³u w UR oraz ze wzrostu wariancji plonów z. Poza wymienionym poprzednio wyj¹tkiem, wzrost wariancji plonów roœlin paszowych w wiêkszym stopniu ogranicza wartoœæ zmiennej liczba krów w przypadku zastosowania metody Charnesa-Coopera ni w przypadku zastosowania metody powielania ograniczeñ. Nieco iczej przebiega te ogó³ reakcja zmiennej liczba krów wzrost udzia³u w UR. Generalny trend, niezale nie od zastosowanej metody uwzglêdniania wahañ losowych w parametrach bilansów paszowych jest taki, e wzrost udzia³u w UR powoduje pocz¹tkowo wzrost wartoœci zmiennej liczba krów w rozwi¹zaniu optymalnym, po czym stêpuje spadek. Charakterystycz ró nica pomiêdzy rozwi¹zaniami modeli z wykorzystaniem metody Charnesa-Coopera polega tym, e odwrócenie tendencji wzrostowej stêpuje przy ni szym poziomie udzia³u w UR ni w przypadku rozwi¹zañ modeli, w których wykorzystano metodê powielania ograniczeñ. Potwierdza to wniosek o wiêkszej wra liwoœci metody Charnesa-Coopera wielkoœæ wariancji. W tabelach 7 i 8 zawarto wartoœci zmiennych okreœlaj¹cych strukturê zasiewów dla poszczególnych modeli, tworzonych przy ró nych za³o eniach, w których wykorzystano obydwie testowane metody. W tabeli 7 zawarto wartoœci zmiennych dla przypadku niskiej wariancji plonów, zaœ w tabeli 8 dla przypadku wysokiej wariancji plonów. Ró - nice pomiêdzy wynikami uzyskanymi przy u yciu testowanych metod dotycz¹ przede wszystkim roœlin paszowych. Wartoœci zmiennych okreœlaj¹cych powierzchniê zasiewów roœlin towarowych ró nicowane by³y przez u yt¹ metodê uwzglêdniania wahañ losowych w parametrach ograniczeñ paszowych w zcznie mniejszym stopniu. Ró nice, jeœli wystêpowa³y, by³y ogó³ niewielkie i dotyczy³y przede wszystkim zmiennej okreœlaj¹cej powierzchniê zasiewów rzepaku i, w mniejszym stopniu, pszenicy. Ró nice w wartoœciach zmiennych okreœlaj¹cych powierzchniê zasiewów roœlin paszowych spowodowane zastosowan¹ metod¹ uwzglêdniania wahañ losowych w parametrach, s¹ zcznie bardziej wyraÿne i dotycz¹ przede wszystkim jêczmienia paszowego i koniczyny (tab. 7 i 8). W niektórych przypadkach metoda Charnesa-Coopera daje ni sz¹ powierzchniê zasiewów koniczyny, a wiêksz¹ jêczmienia. Wyniki zawarte w tabelach 7 i 8 nie pozwalaj¹ sformu³owanie kategorycznych wniosków co do wp³ywu zastosowanej metody wartoœci zmiennych okreœlaj¹cych strukturê zasiewów. W wiêkszoœci s¹ one dosyæ podobne. W tych przypadkach, gdy ró nice s¹ wyraÿne, wynikaj¹ z ró nic w wartoœciach zmiennej liczba krów. Mo te zauwa yæ, e w niektórych sytuacjach metoda Charnesa-Coopera daje, wiêksze, w porówniu do metody powielania ograniczeñ, wartoœci zmiennych okreœlaj¹cych powierzchniê tych roœlin, których wariancja plonów jest mniejsza (), a ni sze wartoœci tych zmiennych, które okreœlaj¹ powierzchniê roœlin o wiêkszej wariancji plonów (koniczy). Wartoœæ zmiennej liczba krów jest mniejsza równie w modelu, w którym zastosowano metodê powielania ograniczeñ, dla przypadku maksymalnego udzia³u w UR, przy wysokim poziomie wariancji plonów i wysokiej kowariancji tych plonów z plomi innych roœlin pastewnych oraz gdy ograniczone s¹ zasoby si³y roboczej (tab. 6). Ró nica wynosi jedk tylko 1, co wobec faktu, e tê zmienn¹ ³o ony zosta³ warunek ca³kowitoliczbowoœci, nie podwa a ogólnej zasady.
S. GÊDEK Tabela 7. Wartoœci zmiennych okreœlaj¹cych strukturê zasiewów uzyskane w modelach wykorzystuj¹cych ró ne metody uwzglêdniania wahañ losowych w bilansach paszowych przy za³o eniu niskiej wariancji plonów z trwa³ych u ytków zielonych () Kowariancja Niska Wysoka ziemniaki ograniczenie bez ograniczeñ ograniczenie % ród³o: opracowanie w³asne. Metoda Charnesa-Coopera Zasoby si³y roboczej towarowy Metoda powielania ograniczeñ koniczy pszenica rzepak ziemniaki towarowy koniczy pszenica rzepak 0, 0, 0, 6 2, 4, 0, 0, 6 2, 4 5 19 19, 0 38, 0, 2 2, 8 19 1 19, 0 37, 9, 5 2, 4, 2 36, 0, 0 3, 9, 0 36, 0 9 3, 2, 0 34, 0, 0 4, 9, 6 34, 0, 2 4, 2, 0 32, 0, 0 6, 0, 3 32, 0, 4 5, 3 1, 0 8, 8 7, 1 9, 0 9, 0 6, 1, 2 28, 0 6, 6 8, 2, 6 28, 0 7, 3 7, 1, 2 28, 0 6, 6 8, 2, 3 26, 0 5, 5 8, 2 9, 5 24, 0 3, 4, 0, 0 24, 0 3, 1 9, 0 7, 8 22, 0 1, 8, 5, 9 22, 0 1, 0, 0 7, 2, 0 3, 5 8, 0, 0 1, 8 0, 1 37, 9, 0, 4 37, 6, 0 5 19 5, 6, 1 23, 8 19, 5, 8 23, 8 1, 8 33, 7 22, 5 3, 8 33, 5 22, 5 1 9 31, 7 21, 3 7 32, 1 21, 3 5 0 29, 5, 0 3 0 29, 7, 0, 0 28, 3, 8, 9 28, 4, 8 4, 3, 9, 5 3, 3 26, 0, 5, 3 24, 5, 3 3, 4 24, 1, 3 5, 5 22, 0, 0 3, 5 22, 2, 0 1 9, 6, 5, 8 3 9, 6, 4, 8 7 8, 8, 0, 5 3 8, 8, 5, 5 0, 0, 0, 6 2, 4, 0, 0, 6 2, 4 5 19, 2 38, 0, 1 2, 8 19, 5 38, 0, 1 2, 4, 1 36, 0, 1 3, 9, 4 36, 0, 5 3, 2 6 34, 0 4 4, 9 8 34, 0 6 4, 6, 5 32, 0, 5 6, 0, 4 32, 0, 9 5, 7, 2, 0, 3 7, 5, 1, 0, 1 6, 8 6 9, 1 27, 7 9, 7 8, 9 9, 9 28, 0 9, 9 8, 2 8, 5 26, 0 7, 6, 0 8, 8 26, 0 7, 9 9, 3 6, 5 24, 0 6, 1, 4 6, 7 24, 0 6, 6, 7 4, 6 22, 0 4, 6, 8 5, 6 22, 0 4, 6, 8 2, 9 6, 1, 6, 5 6, 7, 0 1, 2, 2
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. 19 c.d. tabeli 7. Kowariancja % ród³o: opracowanie w³asne. Metoda Charnesa-Coopera Zasoby si³y roboczej towarowy Metoda powielania ograniczeñ koniczy pszenica rzepak ziemniaki towarowy koniczy pszenica rzepak ziemniaki 0, 1 37, 9, 0, 4 37, 6, 0 5 19, 0 37, 3 23, 8 19, 3, 9 23, 8 3, 8, 6 34, 1 22, 5 4, 8 33, 4 22, 5, 4 7, 9 28, 4 21, 3 1 9 31, 8 21, 3, 1 5, 7, 3, 0, 8, 2, 0 33, 7 4, 8 2, 8, 8 5, 1 27, 6, 8 31, 3 7, 2, 5 2, 3 26, 0, 5 28, 9 6, 9, 3, 3 24, 4, 3 26, 9 6, 1, 0, 2 22, 8, 0, 0 5, 0 2, 8 4 9, 6, 2, 8 22, 2 5, 3, 5 1 8, 8, 7, 5 Tabela 8. Wartoœcizmiennychokreœlaj¹cychstrukturê zasiewówuzyskane wmodelachwykorzystuj¹cychró ne metody uwzglêdniania wahañlosowychwbilansachpaszowychprzyza³o eniuwysokiejwariancjiplonówztrwa³ychu ytków zielonych() Wysoka bez ograniczeñ Kowariancja Niska ziemniaki ograniczenie % Metoda Charnesa-Coopera Zasoby si³y roboczej towarowy Metoda powielania ograniczeñ koniczy pszenica rzepak ziemniaki towarowy koniczy pszenica rzepak 0, 0, 0, 6 2, 4, 0, 0, 6 2, 4 5 19, 5 38, 0, 4 3, 1 19, 8 38, 0, 8 2, 4, 0 36, 0 8 4, 2, 7 36, 0 8 3, 5 3 34, 0, 7 6, 0, 7 34, 0, 7 4, 6, 8 32, 0, 1 7, 1, 7 32, 0, 6 5, 7, 4, 0 9, 1 8, 5 7, 0 8, 5 6, 8, 0 28, 0 7, 7, 3, 7 28, 0 6, 4 7, 8 7, 7 26, 0 6, 3, 0, 7 26, 0 4, 4 8, 9 1 5, 2 23, 9 4, 9, 8, 8 24, 0 2, 9, 4 3, 9 5, 8, 0 6, 6 8, 8 22, 0 1, 4, 8 3, 0 5, 7, 5 3, 5 7, 9 19, 6, 5
S. GÊDEK c.d. tabeli 8. Kowariancja Niska Wysoka bez ograniczeñ ograniczenie bez ograniczeñ % ród³o: opracowanie w³asne. Metoda Charnesa-Coopera Zasoby si³y roboczej towarowy Metoda powielania ograniczeñ koniczy pszenica rzepak ziemniaki towarowy koniczy pszenica rzepak ziemniaki 0, 1 37, 9, 0, 4 37, 6, 0 5 19, 5, 8 23, 8 19 6, 6, 1 23, 8 3, 8 33, 5 22, 5, 5 34, 0 22, 5 2 9 31, 7 21, 3 8 32, 0 21, 3 3 0 29, 7, 0 1 0 29, 9, 0, 7 28, 6, 8 3, 1 27, 8, 8, 1 26, 4, 5 5, 3, 7, 5, 6, 2, 3, 1 24, 6, 3, 0 22, 9, 0, 4 22, 6, 0 8, 6 21, 7, 8 1 9, 6, 5, 8 4, 4 8, 8 3, 5 3 8, 8, 4, 5 0, 0, 0, 6 2, 4, 0, 0, 6 2, 4 5 19 9, 2 37, 6, 5 2, 8 19, 8 38, 0, 8 2, 4, 6 36, 0, 6 3, 9, 7 36, 0 8 3, 5 6 34, 0 1 5, 3 5 1 33, 7 6 5, 0 7, 1 31, 6, 8 6, 7, 0 32, 0, 0 6, 0 1, 4 9, 9 29, 3, 3 8, 2, 0, 0, 9 7, 1 3 8, 8 27, 8 9, 1 9, 9 9, 9 28, 0 9, 5 8, 5 4 7, 0, 8 7, 4, 4 8, 0 26, 0 8, 0, 0 1, 6 4, 4 23, 2 6, 0, 8 7, 1 24, 0 5, 8, 0 5 5, 7 21, 8 2, 3, 8 5, 2 22, 0 4, 3, 5, 9 5, 0, 5 7, 5, 0, 5 0, 1 37, 9, 0, 4 37, 6, 0 5 19 7 2 37, 4 23, 8 19, 4, 8 23, 8 8, 1 9, 6 31, 7 22, 5 3, 5, 9 34, 1 22, 5 23, 7 8, 0, 1 21, 3 34, 7, 7 3 21, 3 36, 0 5, 9 2, 1, 0 36, 0 8, 0 0, 0 33, 4 7, 9, 8 33, 8 6, 8 7, 8 31, 5 1 6, 9, 5 31, 5 6, 5 5, 5 29, 3 6, 4 0, 3 29, 3 6, 3 2, 3 27, 1 5, 8 1, 0 27, 0 5, 1 9, 0, 0 4, 9 3, 8 24, 8 4, 8 7, 8 22, 1 5, 4, 5 22, 5 4, 6 4, 5
PORÓWNANIE METOD UWZGLÊDNIANIA RYZYKA W BILANSACH PASZOWYCH MODELU. 21 PODSUMOWANIE Wyniki przeprowadzonych testów porównuj¹cych poszczególne metody wskazuj¹ stwierdzenie, e rozwi¹zania modeli uzyskane przy zastosowaniu ka dej z metod s¹ dosyæ podobne, poza nielicznymi wyj¹tkami odnosz¹cymi siê raczej do sytuacji skrajnych. Dotyczy to zarówno wartoœci funkcji celu, jak i wartoœci poszczególnych zmiennych. Daje siê jedk zauwa yæ pew tendencja. W zdecydowanej wiêkszoœci przypadków metoda powielania ograniczeñ nieco mniej ogranicza wartoœci funkcji celu ni metoda Charnesa-Coopera. Ró nice ogó³ s¹ niewielkie, jedk wyraÿne. Jest to o tyle istotne, e prawdopodobieñstwo, i ograniczenia, w których wystêpuj¹ wahania losowe nie zostan¹ spe³nione, jest w przypadku zastosowania metody powielania ograniczeñ nieco mniejsze, ni za³o one (równe 05) w przypadku zastosowania metody Charnesa-Coopera. To zwiêkszenie prawdopodobieñstwa spe³nienia ograniczeñ nie odbywa siê kosztem zmniejszenia wartoœci funkcji celu ani wartoœci zmiennej liczba krów, któr¹ bezpoœrednio wp³ywaj¹ ograniczenia z wahaniami losowymi parametrów techniczno-ekonomicznych. Metoda powielania ograniczeñ nie wymaga czynienia adnych za³o eñ co do typu rozk³adu parametrów podlegaj¹cych wahaniom losowym. Stosowanie metody Charnesa-Coopera wymaga zaœ przyjêcia za³o enia o normalnoœci rozk³adu tych parametrów. Jest to mocne za³o- enie. Metoda powielania ograniczeñ, w przeciwieñstwie do metody Charnesa-Coopera, nie wymaga stosowania programowania nieliniowego. Przedstawione powy ej wyniki testów nie wskazuj¹ pogorszenie wyników osi¹ganych przy pomocy metody powielania ograniczeñ. Tak wiêc przy mniej restrykcyjnych za³o eniach i bez koniecznoœci stosowania bardziej skomplikowanej metody obliczeniowej uzyskiwane s¹ wyniki przyjmniej nie gorsze. A zatem pozwla to stwierdziæ, e metoda powielania ograniczeñ jest skuteczn¹ metod¹ uwzglêdniania wahañ losowych w parametrach ograniczeñ modelu programowania liniowego s³u ¹cego do optymalizacji planu produkcji gospodarstwa rolnego. LITERATURA Borkowski B., Wrzosek P. 1993: Modyfikacja i zastosowanie metody Charnesa-Coopera do planowania struktury produkcji gospodarstw rolniczych. Roczniki Nauk Rolniczych, Seria G, tom 86, z..86-. Charnes A., Cooper W. 1959: Chance-Constrained Programming. Mgmt. Sci. 6, 73-79. Chou T.H., Heady E.O. 1961: Applications in Integer Programming. Can. J. Agric. Econ., 9, -67. Colyer D. 1968: A Capital Budgeting, Mixed Integer Programming Model. Can. J. Agric. Econ.,, 1-3. Francisco, E.M., Kennedy, J.O.S. 19: A Note on the Use of Tshebysheff s Inequality in Linear Programming, J. Agric. Econ. 26, 2-267. Gêdek S. : The Methods of Considering Risk in Programming Models Used in Agriculture. Anles UMCS, sectio H, vol. XVIII, 363-379. Gêdek S. 1993: Uwzglêdnianie ryzyka w bilansach paszowych modelu programowania liniowego. Roczniki Nauk Rol. Seria G, tom 86, z.. 99-1. Gêdek S. Jab³onowski S. 01: Ograniczanie ryzyka w plach rocznych gospodarstwa rolnego. Metody iloœciowe w badaniach ekonomicznych II. Wydawnictwo SGGW, Warszawa, 1-8. Hazell P.B.R. 1970: Game Theory An Extension of its Application to Farm Planning under Uncertainty. J. Agric. Econ. 21, 239-2. Hazell P.B.R. 1971: A Linear Altertive to Quadratic and Semivariance Programming for Farm Planning under Uncertainty. Am. J. Agric. Econ.,, -62. Hildreth C. Reiter S. 19: On the Choice of Crop Rotation Plan. [W:] Koopmans T. (red.): Activity Alysis of Production and Allocation. John Wiley and Sons, New York, 7-8. Jab³onowski S. 1994: Pewne modele programowania stochastycznego i kryteria ich wyboru w zastosowaniu do planowania produkcji w gospodarstwie rolnym. Zag. Ekon. Rol. nr 6, -34.
22 S. GÊDEK Jab³onowski S.1995: Oszacowanie prawdopodobieñstwa spe³nienia postulatów dla wybranych modeli programowania stochastycznego stosowanych w rolnictwie. Przegl¹d Statystyczny, XLII, 4-448. Madansky A. 1962: Methods of Solution of Linear Program under Uncertainty. Op. Res.,, 463-471. Malicki M. 1992: Ryzyko w planowaniu gospodarki paszowej. Wydawnictwo Akademii Rolniczej w Szczecinie, Rozprawy, nr 8, Szczecin. Manteuffel R. 1962: Metody i stan badañ d racjolizacj¹ gospodarstw rolniczych (za granic¹ i w Polsce). Zag. Ekon. Rol., nr 1, 5-23. Mazurkiewicz A. 16: Automatyczne zestawianie bilansów zmianowania w liniowych modelach gospodarstw rolniczych i ogrodniczych. Zag. Ekon. Rol., nr 6, 59-77. McInerney J.P. 1967: Maximin Programming an Approach to Farm Planning under Uncertainty. J. Agric. Econ.,, 279-289. Podkaminer L.19: Planowanie optymalizacyjne w rolnictwie w warunkach niepewnoœci. Podejœcie bernoulliañskie. IBS PAN, Ossolineum, Wroc³aw. Rahman S.A., Bender F.E. 1971: Linear Programming Approximation of Least-Cost Mixes with Probability Restrictions. Am. J. Agric. Econ.,, 6-6. Reisch E. 1962: Die lineare Programmierung in der landwirtschaftlichen Betriebs-wirtschaft. BLV Verlagsgesellschaft, München, Basel, Wien. Schmidt S. 1958: W sprawie programowania liniowego w rolnictwie. Zag. Ekon. Rol., nr 1, 26-34. Urban M. 1976: Przydatnoœæ metody programowania liniowego w rolnictwie. Zag. Ekon. Rol., nr 1, -71. Weinschenck G. 1967: Optymal organizacja gospodarstwa rolniczego. PWRiL, Warszawa. Wicks J.A. Guise J.W.B. 1978: An Altertive Solution to Linear Programming Problems with Stochastic Input-Output Coefficients. Austr. J. Agric. Econ., 22, 22-. Stanis³aw Gêdek COMPARISON OF A RISK CONSIDERING METHODS IN THE FEED CONSTRAINTS OF A FARM OPTIMISATION LINEAR PROGRAMMING MODEL Summary The aim of the paper was to test two methods of considering risk in the input-output coefficients of a linear programming model used to optimise farm production plans. There were alysed the Charnes- Cooper method and the constrains multiplication method. The alysis based on the 88 farm models. The models used for the comparison differ by the size of resources (the proportions of arable land and meadows, labour) and the level of the input-output coefficient variance-covariance matrix. Both methods gives quite similar results in the most cases. The test provided that the constrains multiplication method is slightly less restrictive to the objective function and the value of the risk affected variables. Adres do korespondencji: dr Stanis³aw Gêdek Akademia Rolnicza w Lublinie Katedra Ekonomiki i Organizacji Agrobiznesu ul Akademicka -9 Lublin tel. (0 81) 461 05 61 e-mail: gedek@op.pl