- •Основные понятия и определения теории вероятностей. Классическое определение вероятростей.
- •Статистическая вероятность
- •Сумма событий. Теорема сложения вероятностей.
- •Произведение событий. Теорема умножения вероятностей.
- •Локальная и интегральная теоремы Лапласа.
- •Дискретные случайные величины.
- •Дискретные случайные величины.
- •Числовые характеристики дискретных случайных величин.
- •Непрерывные случайные величины.
- •Числовые характеристики непрерывных случайных величин.
- •Биномиальный закон распределения.
- •Нормальный закон распределения
- •Двумерные случайные величины.Интегральная и дифференциальная функции распределения вероятностей.Одномерные законы распределения.
- •Дискретные случайные величины.
- •Интегральная функция распределения двумерной случайной величины.
- •Вероятность попадания случайной величины в квадрат бесконечных полусумм прямоугольников.
- •Зависимые и независимые случайные величины.
- •Основные понятия математичесКой статистиКи
- •Доверительные интервалы. Доверительная вероятность.
- •Доверительный интервал для оценки математического ожидания при известном .
- •Доверительный интервал для оценки математического ожидания при неизвестном .
- •Статистические гипотезы. Проверка гипотез. Критерий Пирсона.
- •Элементы корреляционного анализа.
- •Линейное програмирование Задачи линейного программирования лесной промышленности.
- •Нормальная кононическая форма задач линейного программирования
- •Геометрический метод решения задач линейного программирования.
- •Симплекс метод
- •Первый этап: построение первоначального базисного плана.
- •Второй этап: проверка (критерий) оптимальности.
- •Третий этап: указание процедуры целенаправленного перехода к следующей крайней точке.
- •Симплекс таблица
- •Метод искусственного базиса в м задачах
- •Транспортная задача.
- •Основные понятия теории массового обслуживания Потоки событий
- •Пуассоновский и простейший потоки. Потоки Пальма и Эрвина.
- •Предельная теорема теории потоков
- •Сложение, разряжение и независимость потоков
- •Марковские процессы
- •Уравнения Колмогорова для вероятностей состояния
- •Эргодические Марковские случайные процессы. Стационарный режим работы системы.
Третий этап: указание процедуры целенаправленного перехода к следующей крайней точке.
Пусть (первоначальный базисный план) не оптимален. Перейдем к новому базисному плану в направлении наибольшего возрастания целевой функции. С этой целью среди отрицательных оценок найдем минимальную оценку и вектор, соответствующий оценке , введем базис. Но из базиса нужно вывести один из векторов: вектор , который находится из условия .
После чего записываются координаты нового базисного плана:
Здесь k и l – номера векторов , входящего в новый базис, и , выходящего из старого базиса. После того как мы нашли координаты нового базисного плана, проверяем этот план на
оптимальность. В случае если план оптимален то задача решена, если план не оптимален то переходим к новому плану до тех пор пока не получим оптимальный план.
Симплекс итерация - описанный переход от одного базисного плана к другому. 25
Симплекс таблица
При ручной реализации симплекс метода очень удобно пользоваться симплекс таблицей, которая строиться следующим образом:
В первом столбце записана нумерация строк, во втором – векторы базиса , в третьем - стоимости соответствующие базисным столбцам, в четвертом b – координаты
крайних точек. На первом этапе это как раз и есть ограничение.
В самой верхней строке записаны стоимости соответствующие целевой функции. В столбцах от до у нас записана матрица условий на первом этапе (фактически там записано разложение векторов по базису), в последней строке записаны оценки векторов . Все эти оценки соответствующие базисным векторам равны 0, остальные оценки у нас будут отличны от 0. Оценки легко вычислить по следующему правилу:
Элементы столбца перемножаются на соответствующие элементы , результат суммируется и из полученной суммы вычитается . В последний столбец заносятся , которая определяется следующим образом:
Если план у нас неоптимальный, т.е. среди имеются отрицательные, то выбирается среди них наименьшее; если таких несколько, то выбираем одно любое.
Столбец соответствующий данному - разрешающий и выделяется двойными или цветными линиями, после чего делятся положительные элементы столбца b на положительные элементы разрешающего столбца и результаты деления заносятся в последний столбец. Среди полученных выбирается минимальное, если таких несколько, то мы выбираем любое. Строка соответствующая данному - разрешающая строка. Вектор нам нужно вывести из базиса, а в базис ввести вектор , после чего строим новую таблицу, где вместо вектора уже стоит вектор . Элементы разрешающей строки делятся на разрешающий элемент. В разрешающем столбце стоят все 0, за исключением разрешающего элемента. Все остальные элемент, начиная с вектора b, пересчитываются по правилу прямоугольника:
26
Метод искусственного базиса в м задачах
В случае если у нас задача линейного программирования записана в канонической форме и нет единичного базиса, то вводят искусственный базис, для чего в каждое уравнение добавляют переменные.
Пусть задача записана в виде:
(1)
(2)
Среди векторов условий перейдем к расширенной задаче. Вместо задачи (1) и (2) будем рассматривать следующую задачу:
(3)
(4)
В расширенной задаче уже имеется единичный базис, который соответствует искусственным переменным. Решая эту задачу симплекс методом, мы через конечное число шагов, либо получим решение, либо покажем неразрешимость данной задачи. Данная М задача связана с исходными следующими утверждениями:
если в оптимальном плане расширенной задачи все искусственные переменные равны 0, то план будет является оптимальным планом для данной задачи;
если в оптимальном плане М задачи не все искусственные переменные равны 0, то задача не имеет допустимых решений;
если М задаче неразрешима, то неразрешима и исходная задача.
Симплекс таблица для М задачи строится аналогично, за исключением последней строки, причем столбцы, соответствующие искусственным переменным, в таблицу не записываются. Оценки представляют собой выражение , поэтому определяющим коэффициентом здесь является коэффициент и если только М отсутствует, то тогда уже проверяют по величине .
Замечание: в некоторых случаях не обязательно вводить все искусственные переменные. Если имеется несколько единичных векторов, то нам достаточно ввести искусственные переменные, которые дополняют эти векторы до единичного базиса.
27.