第三章资源分派与最适化.doc

第五章 資源分派最適化的數理基礎 前一章討論有限的自然資源如何搭配眼前之勞動與成本，以滿足各方面的慾望，基本上這是一個選擇問題，而經濟學就是一門選擇的科學，可以幫助我們決定有限資源如何分配到各種競爭用途上。自然資源經濟學中，經常面對再生資源及非再生源的最適利用問題，這些都是動態的分派問題(Dynamic Allocation Problem)，亦即是安排不同時點的資源利用。因此如何應用拉氏乘數(Lagrangian Multiplier)或Hamiltonian函數於問題之求解，值得我們重視。本章擬提供一些相關的數學及經濟學基礎，以供讀者在分析問題時之參考。 第一節 靜態分析 經濟學中求最適化之問題通常就是求數學的極值，求極大或極小又可區分是否有限制條件之存在？在無限制條件下求極大(或極小)時，可應用一階條件(First Order Condition )即得結果。前一章第三節中，我們求(4-7)式的極大，就是應用此一技巧；其實(4-7)式是由(4-5)及(4-6)兩式合併而來，本來是求(4-5)式的極大，而受限於(4-6)式之條件，但以代入法已將有限制條件下求極值的問題，簡化成無限制條件求極值的問題了。 代入法固然可用以簡化問題均求解，但仍然有一些複雜的演算過程，下面以一般化的數學函數為例子說明之。假定面對下面的極大化問題： 極大化 V ( X, Y, Z ) (5-1) 受限於 G ( X, Y, Z ) = c (5-2) (5-1)式可稱之為目標或價值函數(Objective or Value Function)，而(5-2)式則為限制條件；此外，問題中的X,Y及Z是決策變數(Decision Variable)，而c為一已知的常數。 G ( X, Y, Z ) = c可以改寫成Z = h ( X, Y )，並代人目標函數中，使(5-1)與(5-2)之問題簡化成無限制條件求極值之狀態，亦即 極大化 V [ X, Y, h ( X, Y ) ] 其一階條件為 (5-3) 對（5-2）式之限制條件微分，還可得到 (5-4) 將(5-3)式與（5-4）式相除，可得（5-5）式並設其值為λ。 (5-5) 式中λ≠0，因此又可寫成一組聯立方程式，如下 (5-6) (5-6)式是以代入法輾轉求出，其實可直接由下列函數對三決策變數求一階條件而取得，亦即 L = V ( X, Y, Z ) -λ〔G ( X, Y, Z ) - c〕 (5-7) 其一階條件如下： (5-8) L稱之為拉氏函數( Lagrangian Function )，而λ為拉氏乘數( Lagrangian Multiplier )，在經濟分析中有其特別意義，讀者應特別注意。因為 而由（5-6）式，知 ，， 所以 因此，λ事實上即為常數的邊際變動所產生之價變動，亦即該常數項之邊際價值，通常也稱為影子價格(shadow price)。 第二節 動態分析 當問題中的決策變數成為時間(t)之函數時，決策過程就比較複雜，成為動態性質，通常決策者會依當時狀態而加以隨時控制，以滿足其調適過程中，有最大的效用。假定： １.考慮之期間定為ｔ＝０至ｔ＝Ｔ為止。 ２.以X(t)叫代表t時之狀態變數 ( State Variable )。 ３.以Y(t)代表t時之控制變數 (Control Variable)。 ４.兩時點狀態變數之差是狀態變數與控制變數之函數，亦即 X ( t + 1 ) - X ( t ) = f [ x ( t ), Y ( t ) ] ５.終極點之價值為F [ X ( T ) ]。