- •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
Чистые и смешанные стратегии и их свойства.
Наличие седловой точки в игре — это далеко не правило, скорее — исключение. Большинство игр не имеет седловой точки.
Чистой стратегией называется возможный ход игрока, выбранный им с вероятностью, равной 1. Это так называемые «игры с полной информацией». Игрой с полной информацией называется такая игра, в которой каждый игрок при каждом личном ходе знает предысторию ее развития, то есть результаты всех предыдущих ходов, как личных, так и случайных. Примерами игр с полной информацией могут служить: шашки, шахматы, «крестики и нолики».
Если игра не имеет седловой точки, то для ее решения используются смешанные стратегии. Смешанной стратегией называется вектор, каждая из компонент которого показывает относительную частоту использования игроком соответствующей чистой стратегии. Обычно смешанную стратегию первого игрока обозначают как вектор U=(u1, u2, ...um), а второго — как вектор Z=(z1, z2,...zn), где ui0 (i=1...m), zj0 (j=1...n), =1, =1. Применение смешанных стратегий мыслится таким образом: игра повторяется много раз; перед каждой партией игры, когда игроку предоставляется личный ход, он «передоверяет» свой выбор случайности. Смешанные стратегии в теории игр представляют собой модель изменчивой, гибкой тактики, когда ни один из игроков не знает, как поведет себя противник в данной партии. Такая тактика часто применяется в карточных играх .
Существует так называемая основная теорема теории игр, состоящая в следующем: каждая конечная игра имеет, по крайней мере, одно решение, возможно, в области смешанных стратегий.
Применение игроком А оптимальной стратегии U* должно обеспечить ему при любых действиях игрока В выигрыш не меньше цены игры. Поэтому выполняются следующие соотношения:
, j=1,...n. (4.1)
Аналогично, для игрока В оптимальная стратегия Z* должна обеспечить при любых стратегиях игрока А проигрыш, не превышающий величину v, т. е. справедливо соотношение
, i=1,...m (4.2)
Всякая матричная игра с нулевой суммой имеет решение в смешанных стратегиях.
Если U* — оптимальная стратегия первого игрока, а Z* — оптимальная стратегия второго игрока, то число
v=
является ценой игры.
П р и м е р 1. Записать платежную матрицу. Найти нижнюю и верхнюю цены игры, установить наличие седловой точки матричной игры.
а).
-
4
3
-5
12
14
-4
5
8
3
5
8
9
5
12
4
5
Р е ш е н и е. Запишем платежную матрицу, найдем нижнюю и верхнюю границы цены игры:
|
|
B1 |
B2 |
B3 |
B4 |
|
|
|
|
|||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
A1 |
4 |
3 |
-5 |
12 |
-5 |
|
|
|
|||||
|
A2 |
14 |
-4 |
5 |
8 |
-4 |
|
|
|
|||||
|
A3 |
3 |
5 |
8 |
9 |
3 |
|
|
|
|||||
|
A4 |
5 |
12 |
4 |
5 |
4 |
|
|||||||
|
|
14 |
12 |
8 |
12 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
Видим, что =4 не равно =8, следовательно, седловой точки нет и, следовательно, данная игра имеет решение в смешанных стратегиях.
б).
-
10
7
4
8
9
-4
12
2
4
5
5
-6
1
3
4
4
5
-4
1
2
Р е ш е н и е. Из платежной матрицы видно, что когда первый игрок применяет стратегию А1, а второй — В3, игра имеет седловую точку, следовательно, решение игры записывается в чистых стратегиях (А1; В3) при цене игры V=4. Чистые стратегии определяются как вектора U(1, 0, 0, 0) и Z(0, 0, 1, 0).
-
B1
B2
B3
B4
B5
A1
10
7
4
8
9
4
A2
-4
12
2
4
5
-4
A3
5
-6
1
3
4
-6
A4
4
5
-4
1
2
-4
10
12
4
8
9
4