- •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.
19. Граф гибели – размножения, марковская цепь событий.
1. Схема гибели и размножения.
Из первого уравнения (19.2) выразим р1 через р0
(19.4)
Из второго, с учетом (19.4), получим:
(19.5)
из третьего, с учетом (19.5),
(19.6)
вообще, для любого к (от 1 до n):
(19.7)
МАРКОВСКИЕ СЛУЧАЙНЫЕ ПРОЦЕССЫ
Случайный процесс, протекающий в системе, называется марковским, если для любого момента времени t0 вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент to и не зависят от того, когда и как система пришла в это состояние.
Проблема (на примере) из книги Вентцель:
S0 — оба узла исправны,
S1— первый узел ремонтируется, второй исправен,
S2 — второй узел ремонтируется, первый исправен,
S3 — оба узла ремонтируются.
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
Пример размеченных графов «состояний и переходов»
Пример применения уравнений Колмогорова
УПРАЖНЕНИЕ
Общее правило составления уравнений Колмогорова.
В левой части каждого из уравнений стоит производная вероятности рассматриваемого какого-то (i-го) состояния. В правой части — сумма произведений вероятностей всех состояний? из которых идут стрелки в данное состояние, на интенсивности соответствующих потоков событий, минус суммарная интенсивность всех потоков, выводящих систему из данного состояния, умноженная на вероятность данного (i-гo) состояния.
Упражнение 1.. Составить систему диф. уравнений Колмогорова по графу рис.17.2
Задача 1
Задана система диффуров Колмогорова
Поставим теперь вопрос: что будет происходить с вероятностями состояний при ? Будут ли р1(t), p2(t),... стремиться к каким-то пределам? Если эти пределы существуют и не зависят от начального состояния системы, то они называются финальными вероятностями состояний
Для финальных состояний имеем систему линейных алгебраических уравнений и нормировочное условие для вероятностной меры
p0 + p1 + р2 + р3 = 1
Пусть плотности потоков равны:
Независимых уравнений три при известном нормировочном уравнении. Поэтому одно из уравнений можно заменить нормировочным, например нижнее (4-е по счёту). Получили систему ур-й:
В итоге имеем:
Комментарий к итогу решения проблемы:
В предельном, стационарном режиме система S в среднем 40% времени будет проводить в состоянии S0 (оба узла исправны), 20%
— в состоянии S1 (первый узел ремонтируется, второй работает), 27%
—в состоянии S2 (второй узел ремонтируется, первый работает)
и 13%—в состоянии S3 полной негодности (оба узла ремонтируются).
Если известна эффективность (прибыль) от работы в каждом состоянии системы, например, кортеж (8, 3, 5, 0), то доход в среднем равен: