olemasolevate ja tulevaste trbijavajaduste prognoosile, turu strateegilisele optimaalset lahendust, 6.määrata tuleb uuritava probleemi lahendi tingimused ja piirangud samaliigiliste veoste territoriaalset ümberpaigutamist. On olemas m lähtepunkti (tarnijat) Ai ja segmenteerimisele. Funktsionaalne lähenemisviis juhtimisele vaadeldakse vajadust kui 2.5.Monte carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda n sihtpunkti BJ. On teada veose mahud lähtepunktides ai ja tarbimismahud sihtpunktides bj On funktsioonide kogumit. Valitakse majanduslikult otstarbekam toode. Toote arendusskeem kasutatakse keerukate protsesside simuleerimiseks. MC meetodil on mitmeid alaliike. teada ka veotariifide maatriks, mille elemendid cij tähistavad veose ühiku veotariifi i-ndast on järgmine: vajadus, funktsioonid, uue toote näitajad, süsteemi struktuuri muutmine
x modelleerimine ei paku optimaalset lahendust, nagu seda teeb lineaarplaneerimine; katse kordamisel võib modelleerimine anda erinevaid tulemusi x määrata tuleb uuritava probleemi lahendi tingimused ja piirangud x iga modelleerimismudel on unikaalne. Monte Carlo meetod Meetod võimaldab paljudel juhtudel statistiliste andmete puudumisel luua kunstlik statistika, mis on vajalik stohhastilise ülesande lahendamiseks. Monte Carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda kasutatakse keerukate protsesside simuleerimiseks. Monte Carlo meetodi puhul simuleeritakse protsessi palju kordi, saadava väljundi väljavõtu põhjal uuritakse protsessi toimumist, tehakse järeldusi väljundit kirjeldava tõenäosusfunktsiooni kuju ja selle karakteristikute kohta. Monte Carlo meetodi eelised: x meetod arvestab sisendite võimalik väärtuste tõenäosuslikkust ega asenda neid keskmistega
x modelleerimine ei paku optimaalset lahendust, nagu seda teeb lineaarplaneerimine; katse kordamisel võib modelleerimine anda erinevaid tulemusi x määrata tuleb uuritava probleemi lahendi tingimused ja piirangud x iga modelleerimismudel on unikaalne. Monte Carlo meetod Meetod võimaldab paljudel juhtudel statistiliste andmete puudumisel luua kunstlik statistika, mis on vajalik stohhastilise ülesande lahendamiseks. Monte Carlo meetod tugineb juhuslike arvude genereerimismeetodile ning seda kasutatakse keerukate protsesside simuleerimiseks. Monte Carlo meetodi puhul simuleeritakse protsessi palju kordi, saadava väljundi väljavõtu põhjal uuritakse protsessi toimumist, tehakse järeldusi väljundit kirjeldava tõenäosusfunktsiooni kuju ja selle karakteristikute kohta. Monte Carlo meetodi eelised: x meetod arvestab sisendite võimalik väärtuste tõenäosuslikkust ega asenda neid keskmistega
annaabi.ee 
