- •1. Линейное программирование
- •2. Нелинейное программирование
- •3. Транспортные задачи
- •5. Дискретное программирование
- •6. Теория игр
- •9. Нейронные сети.
- •10. Скоринговые модели
- •2. Методы анализа экономических задач с целью применения мат. Методов для их решения
- •1. Концептуальное моделирование.
- •3. Методы и средства организации применения мат. Методов в экономике
- •1. Ппу (перечень прецедентов участия в деятельности)
- •2. Заключает страховой договор
- •2. Заключает страховой договор
- •4. Транспортная задача Постановка задачи
- •Методы решения
- •1. Метод северо-западного угла
- •5. Метод потенциалов
- •Вычислительная схема метода потенциалов
- •6. Линейное программирование
- •7. Графический метод решения задачи злп
- •8. Аналитический метод решения злп
- •9. Решение злп с помощью эвм
- •Постановка задачи лп в канонической форме:
- •Основные шаги симплекс алгоритма.
- •14. Скоринговые модели
- •15. Реализация скоринговой модели на эвм
- •16. Искусственные нейронные сети
- •17. Обучение нс с учителем Обучение искусственных нейронных сетей
- •Цель обучения
- •Обучение с учителем
- •18. Обучение нс без учителя Обучение без учителя
- •19. Области применения нс
- •20. Реализация нс на эвм
- •1.Идентификация.
- •2.Прогнозирование.
Постановка задачи лп в канонической форме:
Найти max{(c,x)} (1)
при ограничениях
Ax = b, (2) x >=0, (3)
где x = (x1, . . . ,xn) - вектор неизвестных; b = (b1, . . . bm) - вектор ограничений ; c = (c1, . . . , cn) - вектор коэффициентов функции цели; A = {aij}, i = 1,m; j = 1,n - матрица коэффициентов системы линейных уравнений (2).
Основные шаги симплекс алгоритма.
Для решения задачи модифицированным симплекс методом исходную задачу (1) - (3) преобразуют к следующему виду
максимизировать f(x) = cTB B-1b -(cB TB-1N - cT N)xN (4) при ограничениях xB = B-1b - B-1NxN (xN >=0). (5)
В выражениях (4),(5) xB = (xBj), j=1,m - вектор базисных переменных, xN = (xNj), - вектор небазисных переменных; cB = (cBj), j = 1,m - коэффициенты функции цели соответствующие базисным переменным; cN = (cNj), j = m+1,n - коэффициенты функции цели соответствующие небазисным переменным; В - матрица составленная из столбцов матрицы А соответствующих базисным переменным и образующих линейно независимую систему. N - матрица составленная из столбцов матрицы А соответствующих небазисным переменным.
Преобразование исходной задачи к виду (4), (5) называется приведением ее к каноническому виду и если при этом вектор β = B-1b>= 0 , то форма (4), (5) называется канонически допустимой. Допустимое базисное решение получается если положить xN = 0. Если вектор β > 0 то решение называется невырожденным, в противном случае вырожденным.
Шаг 1.Выбор ведущего столбца. Определяется переменная которая должна быть введена в базис. Вычисляется вектор строка относительных оценок небазисных переменных dT = (cB TB-1N - cT N). Если все dj >=0 , то решение оптимально, иначе выбирается ведущий столбец и соответствующая ему базисная переменная для ввода в базис dq = min{dj}, (dj < 0).
Шаг 2. Выбор ведущей строки. На этом шаге определяется переменная которая должна быть выведена из базиса. Если все элементы ведущего столбца aiq <= 0 , то решение прекращается так как целевая функция не ограничена на множестве допустимых решений. Иначе определяется βp/apq = min{βι/aiq} (aiq > 0). Переменная xp выводится из базиса.
Шаг 3. Формируется новая матрица В. Столбец соответствующий переменной xq вводится в матрицу В , а столбец соответсвующий переменной xp выводится из нее. Решение повторяется с шага 1.
Правило приведения задачи линейного программирования к каноническому виду состоит в следующем:
-
если в исходной задаче требуется определить максимум линейной функции, то следует изменить знак и искать минимум этой функции;
-
если в ограничениях правая часть отрицательна, то следует умножить это ограничение на -1;
-
если среди ограничений имеются неравенства, то путем введения дополнительных неотрицательных переменных они преобразуются в равенства;
-
если некоторая переменная xj не имеет ограничений по знаку, то она заменяется (в целевой функции и во всех ограничениях) разностью между двумя новыми неотрицательными переменными: x3 = x3+ - x3-, где x3+, x3- ≥ 0.
Допустимым решением (планом) задачи линейного программирования называется любой n-мерный вектор X=(X1, X2,...,Xn), удовлетворяющий системе ограничений и условиям неотрицательности.
Множество допустимых решений (планов) задачи образует область допустимых решений (ОДР).
Оптимальным решением (планом) задачи линейного программирования называется такое допустимое решение (план) задачи, при котором целевая функция достигает экстремума.
В том случае, когда все ограничения являются уравнениями и все переменные удовлетворяют условию неотрицательности, задачу линейного программирования называют канонической.
Приведем математическую модель задачи к каноническому виду.Для этого избавимся от знаков неравенств посредством ввода дополнительных переменных и замены знака неравенства на знак равенства. Дополнительная переменная добавляется для каждого неравенства эксклюзивно, причем эта переменная указывается в целевой функции с нулевым коэффициентом. Правило ввода дополнительных переменых: при ">=" - переменная вводится в неравенство с коэффициентом +1; при "<=" - с коэффициентом (-1).
Причем иногда, когда в уравнении нет базисной переменной, чтобы сделать отрицательную дополнительную переменную базисной можно умножить все уравнение на (-1).
Также можно переориентировать целевую функцию с минимума на максимум или наоборот умножив все коэффициенты при переменных в этой функции на (-1).
13. Двойственные задачи ЛП
Понятие двойственной задачи ЛП.
Пусть задана каноническая задача ЛП
(5.1)
Если целевая функция f(x) = cx достигает максимального значения на множестве D, то обоснованным представляется вопрос о том, каким образом можно построить верхнюю оценку для нее. Очевидно, что если через и обозначить некоторый m-мерный вектор, то
cx = cx+u(-Ax+b) = (c-uA)x+bu
Предположим, что и можно выбрать таким образом, чтобы иА ≥ с. Тогда при любых х≥0 справедливо неравенство
сх≤bи (5.2)
Стремясь получить наилучшую оценку (5.2), мы приходим к формулировке некоторой новой экстремальной задачи, которая в некотором смысле логически сопряжена с задачей (5.1) и называется двойственной.
Общая схема построения двойственной задачи.
Если задана общая задача ЛП
(5.5)50
где D определяется системой уравнений и неравенств
то двойственной по отношению к ней называется общая задача ЛП
(5.6)
где D* определяется системой уравнений и неравенств
Как следует из приведенной схемы при переходе от прямой задачи ЛП к двойственной:
1. Тип оптимума меняется на противоположный, т. е. максимум на минимум, и наоборот.
2. Вектор коэффициентов целевой функции c и столбец ограничений b меняются местами.
3. Матрица ограничений задачи А транспонируется.
4. Множество индексов переменных, на которые наложено условие неотрицательности в прямой задаче (например, хj≥0 или ui≥0), определяют номера ограничений, имеющих форму неравенств в двойственной задаче (аjи≥сj или aix≤bi).
5. Множество номеров ограничений, имеющих форму неравенств в прямой задаче (например, aix≤bi или аjи≥сj), определяют множество индексов переменных, на которые накладывается условие неотрицательности, в двойственной задаче (ui≥0 или хj≥0).
Из приведенного определения вытекает важное свойство — симметричность отношения двойственности, т. е. задача, двойственная по отношению к двойственной, совпадает с прямой (исходной) задачей:
((D*)*, (f*)*)≡(D, f),
Тем самым имеет смысл говорить о паре взаимно двойственных задач.
Пример построения двойственной задачи
Рассмотрим процесс построения двойственной задачи на конкретном примере. Пусть задана ОЗЛП
fmax(x)= 5x1 -2x2 +7x3 +4x4 -3x5
D={xcR5
|
4x1 +x2 -x3 +x4 ≤2,
5x2 +x3 -6x4 +2x5 =4,
2x1 +3x2 +6x3 +x4 -3x5≤5,
x2, x5≥0 }
тогда двойственной к ней будет задача
f*min(u)= 2u1 +4u2 +5u3
D={ucR3
|
4u1 +2u3=5,
u1 +5u2 +3u3≥ -2,
-u1 + u2 +6u3=7,
u1 -6u2 + u3=4,
2u2 -3u3≥ -3,
u1, u3≥0 }