- •Математические методы системного анализа и теория принятия решений Методическое пособие
- •1. Теория принятия решений 4
- •2. Линейное программирование 9
- •3. Нелинейное программирование 42
- •4. Игровые методы обоснования решений 51
- •5. Задачи распознавания образов 62
- •Предисловие
- •1. Теория принятия решений
- •1.1. Задачи, связанные с принятием решений Проблема оптимальности.
- •Основные понятия и принципы исследования операций.
- •Примеры задач исследования операций.
- •1.2. Математические модели операций Искусство моделирования.
- •1.3. Разновидности задач исследования операций и подходов к их решению Прямые и обратные задачи исследования операций.
- •Пример выбора решения при определенности: линейное программирование.
- •Проблема выбора решений в условиях неопределенности.
- •Выбор решения по многим критериям.
- •«Системный подход».
- •2. Линейное программирование
- •2.1. Краткое представление о математическом программировании Предмет математического программирования.
- •Краткая классификация методов математического программирования.
- •2.2. Примеры экономических задач линейного программирования Понятие линейного программирования.
- •Задача о наилучшем использовании ресурсов.
- •Задача о выборе оптимальных технологий.
- •Задача о смесях.
- •Задача о раскрое материалов.
- •Транспортная задача.
- •2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
- •Решение систем линейных уравнений методом Гаусса.
- •Реализация метода исключения неизвестных в среде Excel.
- •Различные схемы реализации метода Гаусса.
- •Опорные решения системы линейных уравнений.
- •2.4. Формы записи задачи линейного программирования Основные виды записи злп.
- •Каноническая форма представления задачи линейного программирования.
- •Переход к канонической форме.
- •2.5. Геометрическая интерпретация задачи линейного программирования Определение выпуклой области.
- •Геометрическая интерпретация.
- •2.6. Свойства решений задачи линейного программирования Свойства основной задачи линейного программирования.
- •Графический метод решения задачи линейного программирования.
- •2.7. Симплексный метод Идея симплекс-метода.
- •Теоретические обоснования симплекс-метода.
- •Переход к нехудшему опорному плану.
- •Зацикливание.
- •Алгоритм симплекс-метода.
- •2.8. Двойственность в линейном программировании Прямая и двойственная задача.
- •Связь между решениями прямой и двойственной задач.
- •Геометрическая интерпретация двойственных задач.
- •2.9. Метод искусственного базиса Идея и реализация метода искусственного базиса.
- •3. Нелинейное программирование
- •3.1. Общая задача нелинейного программирования Постановка задачи.
- •Примеры задач нелинейного программирования (экономические).
- •Геометрическая интерпретация задачи нелинейного программирования.
- •3.2. Выпуклое программирование Постановка задачи выпуклого программирования.
- •3.3. Классические методы оптимизации Метод прямого перебора.
- •Классический метод дифференциальных исчислений.
- •3.4. Метод множителей лагранжа
- •3.5. Градиентные методы решения задач нелинейного программирования Общая идея методов.
- •Метод Франка-Вулфа.
- •Метод штрафных функций.
- •4. Игровые методы обоснования решений
- •4.1. Предмет и задачи теории игр Основные понятия.
- •Классификация выборов решений.
- •Антагонистические матричные игры.
- •Чистые и смешанные стратегии и их свойства.
- •4.2. Методы решения конечных игр Упрощение матричной игры.
- •Решение матричной игры размерностью 22.
- •Графическое решение матричной игры.
- •Сведение задач теории игр к задачам линейного программирования.
- •4.3. Задачи теории статистических решений Игры с природой.
- •Критерии принятия решений.
- •5. Задачи распознавания образов
- •5.1. Общая постановка задачи распознавания образов и их классификация Проблема распознавания.
- •Обсуждение задачи опознавания.
- •Язык распознавания образов.
- •Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- •Общая постановка задачи.
- •Геометрическая интерпретация задачи распознавания.
- •Классификация задач распознавания.
- •5.2. Подготовка и анализ исходных данных Общая схема решения задачи.
- •Общая схема постановки и решения задачи Анализ данных с целью выбора постановки и метода решения
- •5.3. Методы опознавания образов Основные этапы процесса опознавания образов.
- •Методы создания системы признаков.
- •Признаковое пространство.
- •Сокращение размерности исходного описания.
- •Методы построения решающего правила.
- •5.4. Меры и метрики Понятие о сходстве.
- •Меры сходства и метрики.
- •Примеры функций мер сходства.
- •5.5. Детерминированно-статистический подход к познаванию образов Основные этапы детерминированно-статистического подхода.
- •Получение исходного описания.
- •Создание системы признаков.
- •Сокращение размерности исходного описания.
- •Нахождение решающего правила (метод эталонов).
- •Коррекция решающего правила.
- •5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
- •Минимизация числа эталонов.
- •Габаритные эталоны.
- •Применение метода эталонов к частично пересекающимся образам.
- •Дополнительная минимизация числа признаков.
- •Квадратичный дискриминантный анализ.
- •Распознавание с отказами.
- •5.8. Алгоритм голотип-1 Назначение
- •Постановка задачи
- •Метод решения задачи.
- •Условия применимости.
- •Условия применимости.
- •5.10. Алгоритм направление опробования Назначение
- •Постановка задачи.
- •Метод решения задачи.
- •Условия применимости.
- •Транспортная задача Математическая постановка.
- •Постановка задачи.
- •Теоретическое введение.
- •Методы нахождения опорного плана транспортной задачи.
- •Определение оптимального плана транспортной задачи.
- •Заключение.
- •Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
- •Постановка задачи.
- •Методы отсечения.
- •Алгоритм Гомори.
- •Первый алгоритм р. Гомори решения полностью целочисленных задач.
- •Приближенные методы.
- •Заключение.
- •Параметрическое программирование Введение.
- •Формулировка задачи.
- •Теоретическая часть.
- •Общая постановка задачи.
- •Решение задачи.
- •Геометрическая интерпретация задачи.
- •Общая постановка задачи.
- •Решение задачи.
- •Геометрическая интерпретация задачи
- •Постановка задачи.
- •Решение.
- •Геометрическое решение.
- •Решение задачи симплекс-методом.
- •Результат.
- •Некооперативные игры n лиц с ненулевой суммой Введение.
- •Теоретическая часть.
- •Постановка и решение задачи.
- •Заключение.
- •Cписок литературы
Задача о раскрое материалов.
Рассмотрим простейшую модель раскроя по одному измерению. Более сложные постановки ведут к задачам целочисленного программирования.
Модель задачи раскроя по одному измерению длинномерных материалов (прутков, труб, профильного проката и др.) может быть сформулирована так. Пусть имеется N штук исходного материала, длина каждой равна l. Нужны заготовки m видов, длины которых равны li ( i = ); bi — потребность в заготовках каждого вида, aij — количество заготовок i-го вида, получаемых при раскрое единицы исходного материала по j-му ( j = ) варианту, cj — отходы при раскрое единицы исходного материала по j-му варианту. План задачи x = ( x1, …, xj, …, xn ), где xj — количество единиц исходного материала, планируемое к раскрою по j-му варианту.
Целевая функция — минимум отходов, получаемых при раскрое:
при ограничениях:
на число единиц исходного материала
на удовлетворение ассортиментного спроса потребителей
,
и условии неотрицательности:
.
Транспортная задача.
Рассмотрим простейший вариант модели транспортной задачи, когда речь идет о рациональной перевозке некоторого однородного продукта от производителей к потребителям. Причем потребителям безразлично, из каких пунктов производства будет поступать продукция, лишь бы их заявки были полностью удовлетворены. Однако от того, насколько рациональным будет прикрепление пунктов потребления к пунктам производства, существенно зависит объем транспортной работы, возникает задача о наиболее рациональном плане перевозок грузов, при котором потребности полностью удовлетворяются, вся продукция от поставщиков вывозится, а затраты на транспортировку минимальны.
Задача формулируется так. Имеется m пунктов производства, ai ( i = ) — объем выпускаемого продукта. Этот продукт нужно доставить n потребителям, где потребность составляет bj ( j = ) единиц. Причём .
Введем условные обозначения:
cij — затраты на перевозку единицы продукта из i-го пункта производства в j-ый пункт потребления, xij — количество продукта, перевозимое из i-го пункта производства в j-ый пункт потребления.
Математическая модель транспортной задачи: целевая функция, описывающая транспортные затраты,
min
при ограничениях:
на возможности поставщиков — весь продукт из пунктов производства должен быть вывезен:
,
на спрос потребителей, который должен быть удовлетворен:
при условии неотрицательности переменных:
.
2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
В экономике приходиться изучать объекты, для задания которых необходим некий набор упорядоченных данных. Пусть, например, некоторый промышленный район производит станки, хлопчатобумажные ткани, автомобили, телевизоры и т. д. Для характеристики производства района, очевидно, потребуется упорядоченная система из n действительных чисел. В данном случае целесообразно будет обратиться к курсу аналитической геометрии.
О п р е д е л е н и е 1. Совокупность всевозможных упорядоченных систем из n действительных чисел после введения в нее операций сложения и умножения на действительное число называется n-мерным векторным пространством.
При изучении систем векторов важную роль играет понятие линейной зависимости векторов.
О п р е д е л е н и е 2. Вектор В называется линейной комбинацией векторов A1, A2, ... , An , если существуют такие числа k1, k2, ... , kn, при которых выполняется соотношение B = k1 A1 + k2 A2 + ... + kn An .
О п р е д е л е н и е 3. Система векторов A1, A2, ... , Ar (r > 1) называется линейно зависимой, если хотя бы один из векторов системы является линейной комбинацией остальных, и линейно независимой — в противном случае.
Рассматривая линейно зависимую систему векторов A1, A2, ... , An , возьмем такую линейно независимую подсистему векторов A1, A2, ... , Ar (r n), к которой невозможно присоединить ни одного вектора системы, не нарушив линейной независимости. Такая подсистема называется максимальной линейно независимой подсистемой данной системы векторов. Число векторов, входящих в любую максимальную линейно независимую подсистему векторов, называется рангом системы, а сами вектора составляют базис системы.
О п р е д е л е н и е 4. Базисом n-мерного векторного пространства называется любая совокупность n линейно независимых векторов этого же пространства.
В двумерном пространстве в качестве базиса могут быть взяты два любых неколлинеарных вектора, в трехмерном пространстве — три некомпланарных вектора, в пространстве измерений n > 3 — система из n линейно независимых векторов.
В качестве базиса удобно выбрать систему единичных векторов n-мерного векторного пространства:
(2.1)
Тогда компоненты любого n-мерного вектора можно считать координатами этого вектора в единичном базисе.