- •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
56. Седловая точка функции Лагранжа
Функцией Лагранжа задачи выпуклого программирования (3.3) — (3.5) называется функция
Точка называется седловой точкой функции Лагранжа, если для всех и
57. Теорема Куна-Таккера
Функцией Лагранжа задачи выпуклого программирования (3.3) — (3.5) называется функция
Точка называется седловой точкой функции Лагранжа, если для всех и
Центральное место в теории нелинейного программирования занимает теорема Куна — Таккера.
Для задачи выпуклого программирования (множество допустимых решений которой обладает свойством регулярности, X0 тогда и только тогда является оптимальным решением, когда существует такой вектор , что — седловая точка функции Лагранжа.
58.Основная идея градиентных методов решения знлп
Две группы: 1. барьерные 2. штрафные
В общем случае под градиентными методами понимают методы, в которых направления движения к точке оптимума функции совпадают с направлением градиента этой функции. Используя градиентные методы, можно найти решение любой ЗНЛП. Однако в общем случае применение этих методов позволяет найти точку локального экстремума. Поэтому более целесообразно использовать градиентные методы для нахождения решения задач выпуклого программирования, в которых всякий локальный экстремум является одновременно и глобальным. Процесс нахождения решения задачи с помощью градиентных методов состоит в том, что начиная с некоторой точки X(k) осуществляется последовательный переход к некоторым точкам до тех пор, пока не выявляется приемлемое решение исходной задачи.
59.Метод Франка –Вульфа
Итак, процесс нахождения решения задачи методом Франка-Вулфа включает следующие этапы:
1. Определяют исходные допустимые решения задачи.
2. Находят градиент функции в точке допустимого решения.
3. Строят функцию и находят ее максимальное значение при условиях
4. Определяют шаг вычислений.
5. По формулам находят компоненты нового допустимого решения.
6. Проверяют необходимость перехода к последующему допустимому решению. В случае необходимости переходят к этапу 2, в противном случае найдено приемлемое решение исходной задачи.
60. Метод штрафных функций
процесс нахождения решения задачи выпуклого программирования методом штрафных функций включает следующие этапы:
1. Определяют исходное допустимое решение.
2. Выбирают шаг вычислений.
3. Находят по всем переменным частные производные от целевой функции и функций, определяющих ОДР задачи.
4. По формуле находят координаты точки, определяющей возможное новое решение задачи.
5. Проверяют, удовлетворяют ли координаты найденной точки системе ограничений задачи. Если нет, то переходят к следующему этапу. Если координаты найденной точки определяют допустимое решение задачи, то исследуют необходимость перехода к последующему допустимому решению. В случае такой необходимости переходят к этапу 2, в противном случае найдено приемлемое решение исходной задачи.
6. Устанавливают значения весовых коэффициентов и переходят к этапу 4.
61. Метод наискорейшего спуска
1. выбирают любую точку X0, удовлетворяющую области решений (в дальнейшем эта точка Xk)
2. Находят частные производные, а затем градиент функции в точке.
3. определяют шаг лямбда
4.по формулам 1. Xk+1= Xk+”лямбда”*1 и 2. Xk+1= Xk+”лямбда”*”обратная дельта’Z(Xk) находят точку Xk+1
5. проверяют, находиться ли точка Xk+1 внутри области решений.
6. проверяют, точку Xk+1 на оптимальность. Если точка не является оптимальным решением повторяют пункты 2-6