- •1.Основные понятия и этапы са
- •2. Операция и ее составляющие. Этапы исо
- •Этапы операционного проекта
- •Виды математических моделей ио, примеры.
- •4. Состязательные задачи. Решение игры 2-х лиц
- •7. Примеры задач лп: игра 2-х лиц как задача лп, транспортная задача
- •В общем случае модель задачи лп имеет вид
- •Сбалансированная транспортная задача
- •8 Формы представления задач лп и способы приведения к ним
- •1. Каноническая форма задач лп
- •2. Стандартная форма задачи лп
- •9. Основные понятия лп. Свойства задач лп
- •10. Геометрия задач лп, базисные решения, вырожденность.
- •4.7. Выделение вершин допустимого множества
- •11. Понятие базиса. Переход от одного базисного решения к другому
- •12. Признак оптимальности. Определение начального базисного решения.
- •13. Алгоритм симплекс-метода
- •14. Двойственность задач лп
- •4.11.1. Запись двойственной задачи в симметричном случае
- •4.11.3. Запись двойственной задачи в общем случае
- •15.Экономическая интерпретация двойственной задачи
- •16. Теоремы двойственности
- •17. Двойственный и модифицированный симплекс-метод Модифицированный алгоритм
- •18. Параметрический анализ. Параметрирование вектора ограничениий
- •Параметрирование вектора ограничениий
- •19. Параметрирование коэффициентов линейной формы
- •20. Модели транспортных задач и их характеристика, условия разрешимости.
- •Простейшая транспортная задача (т-задача)
- •Транспортная задача с ограниченными пропускными способностями (Td - задача)
- •Транспортные задачи по критерию времени
- •21. Построение начального плана перевозок т-задачи
- •5.2.1. Построение начального плана перевозок
- •Правило северо-западного угла
- •Правило минимального элемента.
- •22.Обоснование метода потенциалов
- •5.2.3. Признак оптимальности
- •23. Алгоритм метода потенциалов.
- •24. Двойственная пара транспортных задач
- •25. Метод потенциалов для Td-задачи
- •5.5. Решение задачи по критерию времени
- •26. Приведение открытой транспортной задачи к закрытой
- •27. Транспортные задачи в сетевой постановке (транспортные сети)
- •28. Задача о максимальном потоке
- •29. Метод декомпозиции Данцига - Вулфа
- •30. Решение транспортной задачи методом Данцига-Вулфа (метод декомпозиции тз)
- •32. Целочисленное программирование
- •7.1. Проблема целочисленности
- •33. Метод отсечений
- •Пример 7.1. Выведем условие отсечения для задачи
- •34. Метод ветвей и границ
- •35. Аддитивный алгоритм
- •36. Нелинейное программирование
- •Теорема
- •37. Квадратичное программирование
- •38. Сепарабельное программирование (сп) и дробно-линейное программирование
- •8.5. Задачи дробно-линейного программирования
- •39. Метод покоординатного спуска и Хука-Дживса Метод первого порядка
- •8.8. Многомерный поиск безусловного минимума
- •8.8.1. Метод Гаусса-Зейделя (покоординатного спуска)
- •Метод Хука-Дживса (метод конфигураций) Метод первого порядка
- •Метод Хука-Дживса (метод конфигураций)
- •40. Симплексный метод поиска
- •41. Градиентные методы
- •Методы сопряженных направлений
- •43. Методы случайного поиска
- •Алгоритм с возвратом при неудачном шаге
- •Алгоритм с обратным шагом
- •Алгоритм наилучшей пробы
- •Алгоритм статистического градиента
- •44. Метод проектирования градиента
- •Метод проектирования градиента
- •45. Генетические алгоритмы
- •46. Метод штрафных функций и барьерных функций
- •Метод барьерных функций
- •47. Динамическое программирование
- •48. Распределение одного вида ресурса
- •49. Дп: задачи о кратчайшем пути и с мультипликативным критерием
- •Задача с мультипликативным критерием.
- •52. Многомерные задачи динамического программирования
- •53. Снижение размерности с помощью множителей Лагранжа
- •56. Многокритериальные задачи: постановка, проблемы, осн. Понятия, методы
- •Многокритериальная задача математического программирования
- •Где искать оптимальное решение
- •Определения
- •Условия оптимальности
- •57. Многокритериальные задачи: функция полезности, лексикографический анализ
- •Методы первой группы
- •Функция полезности
- •Решение на основе лексикографического упорядочения критериев
- •58. Методы главного критерия, свертки, идеальной точки, целевого прогр. Метод главного критерия
- •Линейная свертка
- •Максиминная свертка
- •Метод идеальной точки
- •Целевое программирование (цп)
- •59. Диалоговые методы решения задач по многим критериям
- •Метод уступок
- •Интерактивное компромиссное программирование
- •Построить таблицу
59. Диалоговые методы решения задач по многим критериям
Главный недостаток рассмотренных выше методов состоит в том, что в большинстве реальных ситуаций ЛПР не располагает до решения задачи информацией о ее свойствах, достаточной для надежного назначения требуемых от него величин. Поэтому, как правило, этими методами не удается за один раз получить приемлемое решение. А многократное применение с корректировкой назначаемых величин фактически переводит их в разряд интерактивных, но не приспособленных для дружественного общения с ЛПР, методов.
Интерактивный процесс решения многокритериальной задачи реализуется путем диалога ЛПР с компьютером. При этом происходит чередование этапов вычислений, выполняемых компьютером, и корректировки и принятия решений ЛПР. Такая процедура позволяет ЛПР более полно и глубоко оценить взаимосвязи критериев и возможности оптимизируемой системы. Более того, в интерактивном процессе может развиваться формирование предпочтений, компромиссов и даже системы ценностей. Все это облегчает ЛПР нахождение решения, наилучшего с его точки зрения, и повышает уверенность в правильности выбора. Поэтому такая технология оказывается более реалистичной, более гибкой и более приемлемой для руководителей.
Многочисленные интерактивные процедуры предлагают разные схемы решения многокритериальной задачи и предъявляют неодинаковые требования к ЛПР. При прочих равных условиях (сходимость, затраты ресурсов и др.) предпочтительнее те процедуры, которые генерируют только эффективные решения и вызывают у ЛПР меньше затруднений в выражении своих предпочтений.
Метод уступок
Предварительно ЛПР ранжирует критерии по важности. В результате критериям присваиваются номера в порядке убывания важности. После этого начинается основная часть диалога. Решается задача максимизации первого критерия при Х D. Если задача имеет множество оптимальных решений, то на нем ищется решение, наилучшее по второму критерию. Если и оно не единственно, то включается третий критерий, и так до достижения единственного решения. Иначе говоря, ищется лексикографически-оптимальное решение. ЛПР предъявляется полученное решение X1 со значениями всех критериев. ЛПР анализирует это решение и если оно его не устраивает, диалог продолжается. ЛПР просят указать, на какую величину он согласен снизить значение первого критерия с тем, чтобы улучшить значение второго. В результате формируется новая задача:
f2(X) max,
f1(X) , (10.22)
X D,
г де - уступка по первому критерию. Снова ищется лексикографическое решение, начиная с задачи (10.22.).
ЛПР оценивает предъявленное ему новое решение X2 и прежде всего улучшение второго критерия, которое определяется как разность в двух решениях: f2(Х2)-f2(X1). За такое увеличение f2 он платит цену, равную . Если значение f2(Х2) не удовлетворяет ЛПР, он может увеличить уступку и снова решить задачу (10.22.). Возможность улучшения значения одного критерия за счет другого показана на рис 10.14. Решение по первому критерию соответствует точке B. Введение уступки позволяет получить решение с лучшим значением f2 (точка A). Если решение X2 не обеспечивает приемлемого значения f3, ЛПР должен назначить уступку по второму критерию - . Тогда решается задача
f3(Х)=> max,
f1(X) ,
f2(X) , (10.23)
X D.
Аналогично формируются задачи по остальным критериям, если их значения не устраивают ЛПР. Очевидно, что в процессе поиска наилучшего решения ЛПР может возвращаться на любое число шагов назад, изменять свои уступки и получать новые решения. Тем самым он выявляет количественные взаимосвязи (замещения) критериев, что облегчает выбор окончательного решения.
Пример 10.6. Решим задачу из примера 10.1. Пусть ЛПР представил ранжирование критериев в виде: f1, f3, f2. Максимум f1 достигается в точке А (рис.10.9), где =12, f3=-30, f2=18. ЛПР не удовлетворен значением критерия f3 и готов пойти на снижение критерия f1 на величину =7. В соответствии с рассмотренной процедурой в условия задачи вводится новое ограничение
f1(X)
или в явном виде
- 3x1+2x2 5.
В результате допустимое множество сузится до треугольника AMN (рис.10.15). Найдем решение, максимизирующее f3 на этоммножестве. Оно лежит в вершине N, где f1=5, f3=-12,5 и f2=7,5.Таким образом, за счет снижения первого критерия на 7 единиц увеличилось значение третьего критерия (второго по важности) на 17,5. Однако ЛПР не устраивает значение критерия f2. Чтобы повысить его, ЛПР согласен уменьшить f3 до -18, то есть уступает =5,5. Тогда условия задачи дополняются еще одним ограничением
f3(X) -18 или -2x1+ 5х2 18,
и допустимое множество уменьшается до треугольника NPQ (рис.10.16).
Максимизируя f2, получим решение в точке Q со значениями критериев: f1=5, f3=-18, f2=16. Как видно, второй критерий увеличился на 8,5 за счет снижения третьего на 5,5. Анализируя полученное решение, ЛПР либо принимает его за окончательное, либо, изменив уступки, продолжает поиск.
Нетрудно убедиться в том, что решения формируемых задач, если они единственны, принадлежат паретовскому множеству исходной многокритериальной задачи.