- •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
Заключение.
Для более наглядного представления всех способов решения транспортных задач приведем следующую сводную таблицу, в которой записаны результаты решения конкретной задачи разными способами.
-
Метод северо-западного угла.
1970
Метод минимального элемента.
1320
Метод аппроксимации Фогеля.
1340
Метод потенциалов.
1320
Метод дифференциальных рент.
1280
Симплексный метод.
1280
П р и л о ж е н и е 2
( Из курсового проекта студентки 216 группы Афанасьевой Н.)
Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
Среди практически важных задач отыскания условного экстремума линейной функции важное место занимают задачи с требованием целочисленности всех (части) переменных. Они получили название задач целочисленного (частично целочисленного) программирования.
Систематические исследования в области целочисленного программирования начинаютя в 1955 г., когда на Втором симпозиуме по линейному программированию была рассмотрена задача о бомбардировщике, известная также как задача о ранце.
Задача о ранце. Имеется m ограниченных ресурсов b=(b1, b2, …, bm), которые можно использовать для перевозки различных по своим характеристикам грузов. Каждый j-й груз (j=1, 2, …, n) характеризуется следующими свойствами:
-
неделимостью, т. е. для транспортировки может выбираться любой груз в количестве, кратном единице;
-
полезностью cj ;
-
расходом i-го ресурса для перевозки единицы j-го груза aij , (i=1, 2, … , m; j=1, 2, … , n).
Требуется выбрать такой набор груза для перевозки, при котором максимизируется общая полезность рейса. При этом полезность рейса будем определять как суммарную стоимость перевезенных за рейс грузов.
Обозначим через xj — количество выбранных для транспортировки предметов и запишем математическую модель этой задачи. Очевидно, требованию неделимости соответствует условие:
xj0, xj — целые, j=1, 2, …, n. (1)
Сопоставление расхода ресурсов каждого типа для транспортировки единицы груза и наличия ресурсов приводит к ограничению
(2)
Общую полезность рейса определяет значение функции
(3)
Частным случаем задачи (1—3) является задача о ранце, в которой любой из заданного набора предметов j=1, 2, … , n может быть выбран или нет, т.е. для каждого из xj допустимыми значениями является 0 (предмет не выбирается) или 1 (предмет выбирается). Это приводит к тому, что условие (1) задачи (1—3) заменяется требованием
, (1’)
и математическая модель принимает вид: в области, заданной условиями
определить такие составляющие вектора решения x=(x1, x2, … , xn), которые максимизируют функцию
Известно, что дискретная величина, принимающая лишь значения 0 или 1, называется булевой. Поэтому задачи, в которых на переменные накладывается условие вида (1’), получили название задач с булевыми переменными.
Задача о выборе типа судов. Речное пароходство, осуществляя обслуживание пассажиров по различным маршрутам, определило, что в среднем по любому из них за сезон переезжает постоянное количество человек. Эффективность использования транспорьных средств пароходства складывается из эффективности обслуживания каждого маршрута и определяется разностью между доходами от рейсов и расходами пароходства по обслуживанию рейсов. Доходы определяются количеством проданных билетов, расходы — содержанием обслуживающего персонала, расходом горючего.
Возникает задача о выборе для каждого маршрута судов таких типов и в таких количествах, которые позволили бы удовлетворить потребность в количестве мест для пассажиров и максимизировать прибыль пароходства.
Пусть по j-му маршруту за сезон переезжает bj(1) человек. Перевозку пассажиров по этому маршруту можно осуществлять m различными типами судов. Для каждого i-го типа судов (i=1, 2, … , m) известны следующие характеристики:
-
aid — грузоподъемность (число мест);
-
ai2 — количество человек обслуживающего персонала;
-
ai3 — расход горючего за сезон;
-
cij — прибыль за сезон от использования i-го транспортного средства по j-му маршруту.
Необходимо выбрать парк судов для каждого маршрута, при котором максимизируется прибыль пароходства при соблюдении ограничений: общий расход горючего за сезон не может превосходить b3 единиц, общая численность обслуживающего персонала не более b2 человек.
Запишем математическую модель сформулированной задачи. Обозначим через xij — искомое количество судов i-го типа (i=1, 2, … , m), которое целесообразно содержать для обслуживания j-го маршрута (j=1, 2, … , n). Область поиска решения определится условиями:
xij0, xij — целые (i=1, 2, …, m; j=1, 2, …, n). Требуется в этой области найти такие значения переменных x=(x11, x12, …, x1n, x21, x22, …, x2n,…, xm1, xm2,…, xmn), которые максимизируют функцию
В рассмотренных задачах требование целочисленности является необходимым свойством решения, оно естественно возникает в задачах размещения производства, о закупках парка машин для выполнения производственной программы, определения количества сезонных рабочих и т. д. Однако рассмотренные задачи позволяют осуществить постановку общей задачи целочисленного программирования и записать ее математическую модель.