- •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
Язык распознавания образов.
Приведем определения основных понятий, которые встречаются в теории распознавания.
Объект — это точка в многомерном признаковом пространстве .
Шкала свойств — 1) арифметическая (то, что измеряется прибором);
2) логическая 1-го рода (шкала типа «да», «нет»);
3) логическая 2-го рода (свойства, измеренные в баллах).
Образ — совокупность объектов, объединенная некоторыми общими свойствами.
Косвенные свойства — свойства, которые можно определить простым и более дешевым способом, описывающие объекты.
Прямые свойства — свойства, определяющие принадлежность объекта к конкретному образу.
Объекты, на которых измерены прямые свойства называются материалом обучения (МО).
Объекты, на которых не измерены прямые свойства называются материалом экзамена (МЭ).
Решающее правило — правило, с помощью которого любой объект можно отнести к одному из заданных образов.
Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
Та информация, которая известна заранее и которую нужно преобразовать и обработать для получения результата называется исходные данные.
Информативность косвенных свойств — степень различия объектов разных образов по данному свойству.
Мера сходства — любая функция , удовлетворяющая условиям:
1. ;
2. — симметричность;
3. (тогда и только тогда, когда) .
Метрика — любая функция , удовлетворяющая условиям:
1. , причем ;
2. ;
3. , где — объекты.
Эталон — замкнутое выпуклое геометрическое тело в многомерном пространстве признаков достаточно простой формы.
Ошибка 1-го рода возникает, если объект в действительности относящийся к 1-му образу мы относим ко 2-му.
Ошибка 2-го рода возникает, если ситуация обратная, т.е. объект в относящийся ко 2-му образу мы относим к 1-му.
Общая постановка задачи.
Задачу распознавания образов можно сформулировать так: пусть мы имеем совокупность объектов в виде таблицы «объекты-свойства» (табл.1). Каждый объект описан набором свойств , .
— косвенные свойства;
— прямые свойства.
Известно, что объекты относятся к 1-му образу, объекты — ко 2-му образу и на объектах измерены только косвенные свойства.
Задача распознавания состоит в том, чтобы для каждого из объектов определить принадлежность к одному из заданных образов при минимуме ошибок 1-го и 2-го рода.
Таким образом, в общем случае мы имеет таблицу «объекты-свойства», где каждый объект представлен точкой в -мерном пространстве свойств. Часть объектов по прямым свойствам расклассифицирована в качестве эталонов для различных образов, а принадлежность остальных объектов к тому или иному образу неизвестна. Для классификации используются различные алгоритмы распознавания образов.
В зависимости от вида исходных данных мы имеем различные постановки задач.
1. В МО имеются представители двух и более образов: постановка задачи традиционная (см. выше).
2. Если в МО есть представители только одного класса, то в постановке задачи исключается возможность определения ошибок 1-го и 2-го рода.
3. В случае, когда в МО нет эталонных объектов, тогда вместо МО используются априорные предположения.
Существуют различные подходы решения данных постановок задач: статистический и эвристический.
Статистический подход к решению задачи заключается в выборе метода из класса теории принятия статистических решений. Статистическая теория принятия решений опирается на :
— законы распределения;
— параметры распределения;
— вероятностные оценки качества распределений.
Эвристические методы — это интуитивные методы принятия решений, учитывая опыт и знания специалистов. Эвристические методы делятся на два класса:
1. опирающиеся на расстояние и меру сходства;
2. опирающиеся на частотный состав.