- •1.Определение и общая характеристика предмета.
- •2.1 Тпр: Связь с другими научными направлениями.
- •2.Основные понятия системного анализа и исо.
- •3.Организация, операция, оператор, решение.
- •1.Исходные понятия и определения.
- •1.1 Организация, управление, операция, оператор, решение.
- •4. Ошибки подмены цели и проблема критерия эффективности.
- •5. Цель, альтернатива, критерий. Рационализация и реорганизация.
- •1.2. Основные понятия: цель, альтернатива, критерии, процессы, связанные с принятием решений.
- •6. Решение. Процесс принятия решений и принятие решения. Выбор и исход. Роль человеческого фактора.
- •7. Системный подход и системный анализ. Примеры.
- •8. Метод Монте-Карло. Случайные и псевдослучайные числа.
- •9. Моделирование дискретных событий {Si} по их вероятностям {p(Si)}. Пример. Равновероятный закон распределения для Ксобытий.
- •10. Моделирование непрерывных событий во времени по заданному закону плотности распределения.
- •11. Системы массового обслуживания :два подхода к решению задач.
- •§ 18. Задачи теории массового обслуживания. Классификация систем массового обслуживания
- •12. Альтернативная схема процесса выбора решения.
- •13. Моделирование процесса выбора решений.
- •14. Разработка механизма случайного выбора для следующих событий: - числа заявок; времени поступления заявок; времени обслуживания заявок.
- •15. Граф состояний и переходов для смо. (клпр № 3)
- •16. Смо. Основные понятия и параметры системы.
- •Основные понятия смо
- •17. Вероятностный смысл параметров смо.
- •18. 0Бозначения по Кендалу.Смо типа м/м/n/m. Базовая модель смо и классификация по Кендалу
- •19. Граф гибели – размножения, марковская цепь событий.
- •20. Реальные системы (процессы) и их представление в смо (на примере объекта с ограниченным множеством состояний).
- •21. Дифференциальные уравнения Колмогорова для смо.
- •§ 17. Уравнения Колмогорова для вероятностей состояний. Финальные вероятности состояний
- •22. Потоки событий и их свойства (стационарность, отсутствие последействия, ординарность).
- •§ 16. Потоки событий
- •23. Экспоненциальное распределение, как частный случай распределения Пуассона.
- •24. Элемент вероятности события.
- •25. Потоки Пальма и Эрланга для многоканальной смо с отказами. Многоканальная смо с отказами
- •Потоки Пальма и Эрланга
- •26. Формулы Эрланга.
- •19.9. Установившийся режим обслуживания. Формулы Эрланга
- •27. Уравнение Эрланга для многоканальной смо с отказами.
- •34. Основные понятия теории статистических решений (природа, выбор стратегии, смешанная стратегия, средние потери, минимакс, априорные и апостериорные данные, эксперимент).
- •40. Розыгрыш решений и функция потерь в играх средствами имитационного моделирования. Тайна хода.
- •41. Априорные вероятности и принцип Байеса (на примере задачи о технологической линии). Принцип Байеса
- •42. Построение априорной прямой по принципу Байеса для s - игры.
- •43. Понятие о линейном программировании (л.П.) на примере задачи 2 завода 3 стройки (2x3) (задача о бетоне).
- •1. Основные свойства и модели линейного программирования
- •Граф-схема решения задачи линейного программирования
- •1.2. Алгебраическая модель решения
- •1.3. Геометрическая форма представления
- •46. Транспортная задача.
- •47. Матричная игра, как пример двойственности задач л.П.
- •48. Экономическое содержание двойственности.
- •3.4. Экономическое содержание двойственности
- •49. 03Лп. Геометрическая интерпретация (одр и основная прямая).
- •2.1. Иллюстрация процесса поиска решения
- •50. Выпуклость одр и анализ плоскостной задачи озлп. Вырожденный случай.
- •51 Переход от неравенств к озлп.
- •52. Идея симплекс метода. Стандартная таблица.
- •53. Транспортная таблица и метод Северо-Западного угла.
- •4.1. Составление опорного плана тз по методу северо-западного угла (сзу)
- •54. Вырожденный и невырожденный случаи транспортной — задачи, циклический перенос и цена цикла.
- •4.5. Улучшение плана по методу циклических перестановок
- •55. Метод потенциалов. Псевдостоимость. Условия оптимальности плана.
- •4.4. Проверка лучшего опорного плана на оптимальность
- •2. Трудности решения злп.
- •3. Классификация задач оптимизации.
46. Транспортная задача.
Транспортная задача (задача Монжа — Канторовича) — математическая задача линейного программирования специального вида о поиске оптимального распределения однородных объектов из аккумулятора к приемникам с минимизацией затрат на перемещение.[1][2] Для простоты понимания рассматривается как задача об оптимальном плане перевозок грузов из пунктов отправления в пункты потребления, с минимальными затратами на перевозки. Транспортная задача является по теории сложности вычислений NP-сложной и входит в класс сложности NP. Когда суммарный объём предложений (грузов, имеющихся в пунктах отправления) не равен общему объёму спроса на товары (грузы), запрашиваемые пунктами потребления, транспортная задача называется несбалансированной (открытой).
47. Матричная игра, как пример двойственности задач л.П.
1. Двойственные задачи линейного программирования
Каждой задаче линейного программирования можно поставить в соответствие задачу, называемую двойственной к исходной.
Предположим, что в производстве используется m различных видов ресурсов, объем которых ограничен величинами b1, b2,.., bm. И производится n различных видов продукции, величина выпуска которых определяется переменными х1, х2,…, хn. Известны нормы затрат каждого ресурса на единицу каждого вида продукции, образующие матрицу
.
Известна также стоимостная оценка (цена) единицы продукции каждого вида с1, с2,…, сn.
Задача сводится к следующему: найти такие значения переменных х1, х2,…, хn, при которых расход ресурсов не превышает заданного их количества, а стоимость всей продукции достигает максимума.
В математической форме задача записывается следующим образом: максимизировать
L = c1x1+c2x2+…+cnxn (1.1)
при условиях (1.2)
³0 (j=1, 2,.., n).
На базе тех же исходных данных может быть поставлена еще одна задача, в которой переменными величинами являются оценки у1,у2,…,уm, приписываемые каждому виду ресурсов. Они должны быть такими, чтобы общая оценка всего имеющегося количества ресурсов была минимальной, но при условии, что суммарная оценка ресурсов, расходуемых на единицу любого вида продукции, будет не меньше, чем цена за эту единицу.
Математическая задача записывается следующим образом: минимизировать
`L = b1y1+b2y2+…+bmym (1.3)
при условиях (1.4)
Задачи (1.1) – (1.2) и (1.3) – (1.4) образуют пару взаимодвойственных задач, и любая из них может рассматриваться как исходная.
Сосредотачивая внимание на экономическом содержании и размерности постоянных переменных величин рассматриваемых задач, можно записать следующие соотношения:
для прямой (исходной) задачи
максимизируемая функция
ограничивающие условия
;
для двойственной задачи
минимизируемая функция
ограничивающие условия
.
Эти задачи обладают следующими свойствами:
1. В одной задаче ищется максимум целевой функции, в другой – минимум.
2. Коэффициенты при переменных в целевой функции одной задачи являются свободными членами системы ограничений другой задачи, и наоборот.
3. В каждой задаче система ограничений задается в виде неравенств, причем в задаче, в которой ищется максимум целевой функции, все неравенства вида «£», а в задаче, в которой находится минимум целевой функции, все неравенства вида «³».
4. Коэффициенты при переменных системах ограничений записываются матрицами
,
транспонированными относительно друг друга.
5. Число неравенств в системе ограничений одной задачи совпадает с числом переменных в другой задаче.
6. Условия неотрицательности переменных сохраняются в обоих задачах.
Пример. Исходная задача
L = 10x1+6x2-4x3®min
Приводим все неравенства системы ограничений исходной задачи к одному знаку:
L = 10x1+6x2-4x3®min
Двойственная задача
`L = 2y1+3y2®max
при условиях
Связь между решениями исходной и двойственной задач Теорема двойственности
Если одна из пары двойственных задач имеет оптимальный план, то и другая имеет оптимальный план и значение целевых функций задач равны между собой, то есть Lmax = `Lmin.
Если же целевая функция одной из пары двойственных задач неограниченна, то другая задача вообще не имеет решения.
Схема решения матричной игры с помощью симплексного метода
1. Составляют пару двойственных задач линейного программирования, эквивалентных данной матричной игре.
2. Определяют оптимальные планы пары двойственных задач, используя симплексный метод.
3. Используя соотношение между планами пары двойственных задач и оптимальными стратегиями и ценой игры, находят решение матричной игры.
Пример. Решить игру, заданную матрицей , сведя ее к задаче линейного программирования.
Решение. Прежде всего проверяют, не имеет ли данная матрица седловую точку. Находим
.
Поскольку , то решением игры будут смешанные оптимальные стратегии, а цена игры заключена в пределах .
Нахождение оптимальных смешанных стратегий и аналогично решению двойственной пары задач линейного программирования.
Задача первого игрока.
Найти max при условиях
.
Задача второго игрока.
Найти min при условиях
.
Поскольку элементы матрицы А положительны, цена игры >0. Заменой переменных приходим к следующим задачам.
Задача первого игрока.
при условиях
.
Задача второго игрока
при условиях
.
здесь , , .
Решая одну из пары двойственных задач, получим решение другой. Решим задачу второго игрока.
б. |
св. |
|
|
|
|
|
|
б. |
св. |
|
|
|
|
|
|
1 |
1 |
2 |
3 |
1 |
0 |
|
|
¾ |
0 |
7/4 |
5/2 |
1 |
-1/4 |
|
3 |
1 |
2 |
0 |
0 |
1 |
|
|
¼ |
1 |
¼ |
½ |
0 |
¼ |
F |
0 |
-1 |
-1 |
-1 |
0 |
0 |
|
F |
¼ |
0 |
-3/4 |
-1/3 |
0 |
1/4 |
б. |
св. |
|
|
|
|
|
|
3/7 |
0 |
1 |
10/7 |
4/7 |
-1/7 |
|
1/7 |
1 |
0 |
¼ |
-1/7 |
2/7 |
F |
4/7 |
0 |
0 |
4/7 |
3/7 |
1/7 |
В последней таблице получили оптимальное решение:
; ;
, отсюда .
Решение первой задачи находим в F-строке в столбцах, соответствующих дополнительным переменным:
; .
Чтобы перейти к компонентам оптимальных стратегий, умножим полученные значения переменных и на .
Ответ:
, , , , ,
; , .