- •1.Проблемные ситуации и их классификация
- •6. Задача о наилучшем использовании ресурсов
- •7.Задача о распределения персонала (о назначения)
- •8. Транспортная задача открытого и закрытого типа
- •9. Задача о движении автобусов
- •10. Математическая модель задачи линейного программирования
- •11.Формы записи задачи линейного программирования
- •12.Линейное векторное пространство. Линейная зависимость векторов. Ранг.
- •13.Понятие базиса системы. Базисное и опорное решение системы.
- •14.Отыскание исходного опорного базиса
- •15.Переход от одного опорного решения к другому
- •16.Каноническая форма задачи линейного программирования
- •17. Приведение задачи линейного программирования к канонической форме
- •18. Геометрический смысл задачи линейного программирования
- •19. Свойства решений задачи линейного программирования (без док)
- •24. Основная идея симплекс-метода решения злп и ее теоретическое обоснование
- •25. Теорема о возможности улучшения опорного решения задачи лп
- •26. Условие применимости симплекс-метода и теорема о неограниченности целевой функции на одз
- •27. Структура симплекс таблицы
- •28. Алгоритм симплексного метода решения злп
- •29. Контроль за правильностью решения злп симплекс-методом
- •30. Понятие о вырождении. Причины зацикливания в симплекс-методе
- •31. Понятие двойственности в линейном программировании. Правила построения двойственных задач
- •32.Леммы и теоремы двойственности (без док)
- •33. Применение двойственных задач
- •34. Связь между решениями прямой и двойственной задачи на примере пары симметричных задач
- •35.Экономическая интерпретация двойственных задач (на примере). Экономический смысл 1-ой теоремы двойственности
- •36. Оптимальные двойственные оценки и их смысл в задаче об использовании ресурсов.
- •37. Анализ моделей на устойчивость и чувствительность
- •38. Метод искусственного базиса
- •39. Основные понятия теории игр
- •40. Антагонистические игры, седловая точка
- •41. Чистые и смешанные стратегии матричных игр с нулевой суммой, платежная функция
- •42. Теорема о необходимом и достаточном условии существования решения антагонистической игры
- •43. Правила упрощения матричной игры
- •44. Решение матричной игры 2x2
- •45. Геометрическое решение матричной игры Mx2, 2xN
- •46. Приведение матричной игры к задаче линейного программирования
- •47. Статистические игры. Критерии для принятия решений
- •48.Общая постановка задачи нелинейного программирования
- •49. Геометрическая интерпретация задачи нелинейного программирования
- •50. Геометрический способ решения задачи нелинейного программирования
- •51.Глобальный (абсолютный) и локальный экстремум функции
- •52.Условный экстремум функции
- •53. Метод неопределенных множителей Лагранжа.
- •54. Определение выпуклой и вогнутой функции
- •55. Общая постановка задачи выпуклого программирования. Теорема о существовании решения задачи вп (формулировка)
- •56. Седловая точка функции Лагранжа
- •57. Теорема Куна-Таккера
- •58.Основная идея градиентных методов решения знлп
- •59.Метод Франка –Вульфа
- •60. Метод штрафных функций
- •61. Метод наискорейшего спуска
- •62. Определение сепарабельной функции
- •63. Кусочно-линейная аппроксимация
- •64. Задача целочисленного программирования, методы ее решения
- •65. Задача дробно-линейного программирования, геометрическая интерпретация и метод решения
- •66. Постановка задачи параметрического программирования и принципы ее решения
- •67. Постановка задачи динамического программирования
- •68. Задачи, приводящие к задаче динамического программирования
- •69. Принцип оптимальности Беллмана
- •70. Связь проблемы выбора с задачами лп, нлп, игр
51.Глобальный (абсолютный) и локальный экстремум функции
Т . Любой локальный максимум (минимум) задачи выпуклого программирования является глобальным максимумом (минимумом).
52.Условный экстремум функции
53. Метод неопределенных множителей Лагранжа.
Функцией Лагранжа задачи выпуклого программирования (3.3) — (3.5) называется функция
Метод множителей Лагранжа имеет ограниченное применение, т. к. система , как правило, имеет несколько решений. Нелинейное программирование как новая математическая дисциплина возникла главным образом в связи с указанной ограниченностью метода множителей Лагранжа.
Таким образом, определение экстремальных точек задачи методом множителей Лагранжа включает следующие этапы:
1. Составление функции Лагранжа.
2. Нахождение частных производных от функции Лагранжа по переменным xj и i и приравнивание их к нулю.
3. Решая систему уравнений находят точки, в которых целевая функция задачи может иметь экстремум.
4. Среди точек, подозрительных на экстремум, находят такие, в которых достигается экстремум, и вычисляют значение функции в этих точках.
54. Определение выпуклой и вогнутой функции
А=1А1+2А2, (2.44)
10,20, 1+2=1. (2.45)
Точка А, для которой выполняются условия (2.44) и (2.45), называется выпуклой линейной комбинацией точек А1 и А2. Множество называется выпуклым, если вместе с любыми двумя своими точками оно содержит и их произвольную выпуклую линейную комбинацию. Геометрический смысл этого определения состоит в том, что множеству вместе с его двумя произвольными точками полностью принадлежит и прямолинейный отрезок, их соединяющий.
55. Общая постановка задачи выпуклого программирования. Теорема о существовании решения задачи вп (формулировка)
Рассмотрим задачу нелинейного программирования:
f (x1, x2, ..., xn)max, (3.3)
gi (x1, x2, ..., xn)bi (i=1, ..., m), (3.4)
xi0 (j=1, ..., n), (3.5)
где f и gi — некоторые функции n переменных x1, x2, ..., xn.
Для решения сформулированной задачи в такой общей постановке не существует универсальных методов. Однако для отдельных классов задач, в которых сделаны дополнительные ограничения относительно свойств функций f и gi, разработаны эффективные методы их решения. В частности, ряд таких методов имеется для решения ЗНЛП (3.3) — (3.5) при условии, что f — вогнутая (выпуклая) функция и ОДР, определяемая ограничениями (3.4) — (3.5), — выпуклая.
Функция f(x1, x2, ..., xn), заданная на выпуклом множестве X, называется выпуклой, если для любых двух точек X1 и X2 из X и любого 01 выполняется соотношение
Функция f(x1, x2, ..., xn), заданная на выпуклом множестве X, называется вогнутой, если для любых двух точек X1, X2 из X и любого 01 выполняется соотношение
Если f (X) — выпуклая функция, то –f (X) — вогнутая функция, и наоборот.
Сумма выпуклых (вогнутых) функций есть выпуклая (вогнутая) функция. Задача (3.3) — (3.5) является задачей выпуклого программирования, если функция f(x1, x2, ..., xn) является вогнутой (выпуклой), а функции gi (X) (i=1, ..., m) — выпуклыми.
Т е о р е м а. Любой локальный максимум (минимум) задачи выпуклого программирования является глобальным максимумом (минимумом).
Говорят, что множество допустимых решений задачи (3.3) — (3.5) удовлетворяет условию регулярности, если существует по крайней мере одна точка Xi, принадлежащая ОДР такая, что gi (Xi)<bi (i=1,..., m).