- •Министерство науки и образования российской федерации
- •Раздел 1. Применение математического анализа и алгебры
- •Тема 1.1. Математические методы в маркетинге 13
- •Тема 1.2. Балансовые модели 49
- •Раздел 2. Экономико-математические методы
- •Тема 2.1. Моделирование задач принятия решений 64
- •Тема 2.2. Линейное программирование 77
- •Тема 2.3. Задачи транспортного типа 105
- •Тема 2.4. Математические основы управления проектами 131
- •Тема 2.5. Математические методы логистики 163
- •Тема 2.6. Задачи массового обслуживания 177
- •Тема 2.7. Состязательные задачи 196
- •Тема 2.8. Динамическое программирование 236
- •Тема 2.9. Многокритериальная оптимизация 268
- •Введение
- •Раздел 1. Применение математического анализа и алгебры
- •Тема 1.1. Математические методы в маркетинге
- •1.1.1. Основы моделирования спроса и потребления.
- •1.1.2. Коэффициенты эластичности спроса по цене: практическое значение, оценивание, свойства.
- •1.1.3. Функции спроса, уравнение Слуцкого
- •1.1.4. Производственные функции.
- •1.1.5. Функции выпуска продукции; функции затрат ресурсов.
- •1.1.6. Экономические примеры производственной деятельности фирм.
- •Пример 5. Предположим, что необходимо оценить работу некоторой отрасли, если известен объем производства отрасли y, затраты трудовых ресурсов l и объем используемого капитала к:
- •Исходя из теоретических знаний можем предположить, что зависимость объема производства от труда и капитала описывается пф Кобба-Дугласа .
- •Задания и задачи
- •1.1.8. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 1.2. Балансовые модели
- •1.2.1. Модель Леонтьева многоотраслевой экономики
- •1.2.2. Модель равновесных цен
- •1.2.3. Модель международной торговли.
- •1.2.4. Практический блок Пример
- •Контрольные вопросы
- •Задания и задачи
- •1.2.5. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Раздел 2. Экономико-математические методы
- •Тема 2.1. Моделирование задач принятия решений
- •2.1.1. Этапы математического моделирования.
- •2.1.2. Основные понятия математического моделирования.
- •2.1.3. Основные типы экономических моделей
- •2.1.4. Практический блок Пример 1
- •Контрольные вопросы
- •Что представляют собой ограничения экстремальной задачи?
- •Что представляет собой целевая функция экстремальной задачи.
- •Приведите примеры экономико-математических моделей.
- •2.1.5. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.2. Линейное программирование
- •2.2.1. Моделирование задачи оптимизации производства методами линейного программирования.
- •2.2.2. Геометрическая интерпретация задачи линейного программирования.
- •2.2.3. Общая задача линейного программирования.
- •2.2.4. Устойчивость оптимального решения.
- •2.2.5. Обьективно-обусловленные оценки.
- •2.2.6. Двойственная задача линейного программирования.
- •2.2.7. Применение основной задачи линейного программирования к решению некоторых экономических задач
- •1. Задача использования ресурсов.
- •2. Задача оптимального использования удобрений.
- •3. Задача составления диеты.
- •4. Задача об использовании мощностей (задача о загрузке оборудования)
- •5. Задача о раскрое материалов.
- •2.2.8. Практический блок Пример
- •2. Графическое решение системы и определение оптимальных объемов производства.
- •5. Объективно обусловленные оценки ресурсов
- •6. Устойчивость решения при изменении удельной прибыли.
- •8. Объективно-обусловленные оценки ресурсов показывают:
- •Контрольные вопросы
- •Задания и задачи
- •2.2.9. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.3. Задачи транспортного типа
- •2.3.1. Экономико-математическая модель транспортной задачи.
- •2.3.2. Исходный опорный план.
- •2.3.3. Распределительный метод решения транспортной задачи.
- •2.3.5. Вырожденные случаи. Открытая транспортная задача.
- •2.3.6. Практический блок Пример
- •1. Математическая модель.
- •2. Получение начального (опорного) плана методом северо-западного угла
- •3. Итерации по улучшению плана до получения оптимального решения.
- •Контрольные вопросы
- •Задания и задачи
- •2.3.7. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.4. Математические основы сетевого моделирования
- •2.4.1. Построение сетевых графиков.
- •2.4.2. Временные параметры сетевого графика
- •2.4.3. Методы оптимизации сетевого графика
- •2.4.4. Организационные аспекты применения сетевых моделей
- •2.4.5. Практический блок Примеры
- •1. Построение сетевых графиков, согласно заданному порядку предшествования работ.
- •8. Критическое время это:
- •Контрольные вопросы
- •Задания и задачи
- •2.4.6. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.5. Математические методы логистики
- •2.5.1. Экономическое содержание задач управления запасами.
- •2.5.2. Детерминированная статическая модель без дефицита.
- •2.5.3. Детерминированная статическая модель с дефицитом.
- •2.5.4. Простая вероятностная модель.
- •2.5.5. Практический блок Примеры
- •1. Детерминированная статическая модель без дефицита.
- •2. Детерминированная статическая модель с дефицитом.
- •3. Вероятностная модель
- •Контрольные вопросы
- •Задания и задачи
- •2.5.6. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.6. Задачи массового обслуживания
- •2.6.1. Общие понятия теории очередей.
- •2.6.2. Одноканальные системы массового обслуживания.
- •2.6.3. Многоканальные системы массового обслуживания.
- •2.6.4. Прикладные аспекты теории массового обслуживания.
- •2.6.5. Практический блок Примеры
- •1. Одноканальная система обслуживания с неограниченной очередью
- •2. Одноканальная система обслуживания с ограниченной очередью.
- •3. Многоканальная система обслуживания с неограниченной очередью.
- •Контрольные воросы
- •Задания и задачи
- •2.6.6. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.7. Состязательные задачи
- •2.7.1. Основные понятия теории игр.
- •2.7.3. Игры с природой
- •2.7.4. Биматричные игры
- •2.7.5. Понятие коалиционных игр.
- •2.7.6. Практический блок Примеры
- •Пример 2
- •Контрольные вопросы
- •Задания и задачи
- •2.7.7. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •Тема 2.8. Динамическое программирование
- •2.8.1. Область применения моделей динамического программирования.
- •2.8.2. Основные идеи динамического программирования.
- •2.8.3. Распределение q средств между n предприятиями.
- •2.8.4. Динамическая задача управления запасами.
- •2.8.5. Стохастическое динамическое программирование.
- •2.8.6. Задачи износа и замены оборудования
- •2.8.7. Практический блок Пример 1
- •Контрольные вопросы
- •Задания и задачи
- •2.8.8. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •2.9. Многокритериальная оптимизация.
- •2.9.1. Понятие многокритериальности.
- •2.9.2. Оптимальность по Парето.
- •2.9.3. Метод идеальной точки.
- •Заданы две целевые функции
- •2.9.4. Принятие решений на основе метода анализа иерархий
- •2.9.5. Общая классификация эвристических методов решения многокритериальных задач
- •2.9.6. Практический блок Пример 1
- •Пример 2
- •Контрольные вопросы
- •Задания и задачи
- •2.9.7. Самостоятельная работа студентов Рекомендуемые темы рефератов
- •Литература для самостоятельной работы
- •1. Математические методы в маркетинге
- •2. Исследование производственных функций
- •Вопросы для подготовки к зачету
- •Итоговые тесты
- •Список рекомендуемой литературы
- •Предметный указатель
2.8.5. Стохастическое динамическое программирование.
В рассмотренных примерах управляемые переменные, а также переменные состояния и шага принимали только целочисленные значения. (Задачи такого рода называют задачами дискретного программирования). Кроме того, на результаты и переходы из одного состояния в другое не оказывали влияния случайные факторы. Учет случайного характера параметров модели есть предмет анализа стохастического динамического программирования.
Рассмотрим небольшой пример, иллюстрирующий основные идеи и методы стохастического динамического программирования.
Пример 2.8.4. Задача садовника.
Предположим, что каждый год почва может находиться в одном из трех состояний: хорошем (1), удовлетворительном (2) или плохом (3). Пусть k=1 и 2 – две возможные стратегии поведения садовника: не удобрять или удобрять. Оптимальное поведение садовника определяется такой стратегией, при которой он получает наибольший ожидаемый доход через N лет. Обозначим рij(k) – вероятность перехода почвы из состояния i в состояние j при применении садовником стратегии k.
Пусть 0.2 0.5 0.3 0.3 0.6 0.1
{рij(1)}= 0 0.5 0.5 , {рij(2)}= 0.1 0.6 0.3
0 0 1 0.05 0.4 0.55
Поясним суть приведенных данных:
Если садовник не применяет удобрения (k=1), то при хорошем состоянии почвы (строка 1) вероятность ее перехода в хорошее состояние – 0.2, в удовлетворительное – 0.5 и в плохое – 0.3. При плохом состоянии (строка 3) с вероятностью 1 почва остается плохой.
Если садовник применяет удобрения (k=2), то при хорошем состоянии почвы (строка 1) вероятность ее перехода в хорошее состояние – 0.3, в удовлетворительное – 0.6 и в плохое – 0.1. При плохом состоянии (строка 3) с вероятностью 0.05 почва станет хорошей, с вероятностью 0.4 удовлетворительной и с вероятностью 0.55 останется плохой.
Обозначим rij(k) – доход (или убыток), который получит садовник за одногодичный период, если почва перейдет из состояния i в состояние j при применении садовником стратегии k.
Пусть 7 6 3 6 5 – 1
{rij(1)}= 0 5 1 , {rij(2)}= 7 4 0 .
0 0 –1 6 3 –2
Поясним суть приведенных данных:
Если садовник не применяет удобрения (k=1), то при переходе из хорошего состояния почвы (строка 1) в хорошее доход составит 7 единиц, в удовлетворительное – 6 и в плохое – 3. При переходе из плохого состояния (строка 3, вспомним, что в этом случае с вероятностью 1 почва остается плохой) доход составит –1 (убыток).
Если садовник применяет удобрения (k=2), то при переходе из хорошего состояния почвы (строка 1) в хорошее доход составит 6, в удовлетворительное – 5 и в плохое – убыток в размере 1 (не в коня корм). При переходе из плохого состояния (строка 3) в хорошее доход составит 6, в удовлетворительное – 3 и в плохое – убыток 2.
Обозначим vi(k) – ожидаемый доход, обусловленный одним переходом из состояния i при стратегии k, тогда
vi(k)=∑jpij(k)rij(k).
Если удобрения не применяются (k=1), тогда
v1(1)=0.27+0.56+0.33=5.3,
v2(1)=00+0.55+0.51=3,
v3(1)=00+00+1 (–1)= –1.
При использовании удобрений (k=2) имеем
v1(2)=0.36+0.65+0.1 (–1)=4.7,
v2(2)=0.17+0.64+0.30=3.1,
v3(2)=0.056+0.43+0.55 (–2)=0.4.
Как и прежде будем анализировать плановый период с конца, обозначим fn(i) – оптимальный ожидаемый доход за n лет до конца периода, тогда рекуррентные соотношения примут вид:
f1(i)=maxk{vi(k)},
fn(i)=maxk{vi(k)+∑jpij(k)fn-1(j)}, n=2,3,…,N. (2.8.4)
Проведем вычисления при N=4. Результаты поместим в таблицы 2.8.4 – 2.8.7.
n=1 Таблица. 2.8.4
i |
vi(k) |
Оптимальное решение | ||
k=1 |
k=2 |
f1(i) |
k* | |
1 |
5.3 |
4.7 |
5.3 |
1 |
2 |
3 |
3.1 |
3.1 |
2 |
3 |
–1 |
0.4 |
0.4 |
2 |
n=2 Таблица. 2.8.5
i |
vi(k)+pi1(k)f1(1)+pi2(k)f1(2)+pi3(k)f1(3) |
Оптимальное решение | ||
k=1 |
k=2 |
f2(i) |
k* | |
1 |
5.3+.25.3+.53.1+.3.4= =8.03 |
4.7+.35.3+.63.1+.1.4= =8.19 |
8.19 |
2 |
2 |
3+05.3+.53.1+.5.4= =4.75 |
3.1+.15.3+.63.1+.3.4= =5.61 |
5.61 |
2 |
3 |
–1+05.3+03.1+10.4= = –0.6 |
.4+.055.3+.43.1+.55.4= =2.13 |
2.13 |
2 |
n=3 Таблица. 2.8.6
i |
vi(k)+pi1(k)f2(1)+pi2(k)f2(2)+pi3(k)f2(3) |
Оптимальное решение | ||
k=1 |
k=2 |
f3(i) |
k* | |
1 |
5.3+.28.19+.55.6+.32.13= =10.38 |
4.7+.38.19+.65.61+.12.13= =10.74 |
10.74 |
2 |
2 |
3+08.19+.55.61+.52.13= =6.87 |
3.1+.18.19+.65.61+.32.13= =7.92 |
7.92 |
2 |
3 |
–1+08.19+05.61+12.13= = 1.13 |
.4+.058.19+.45.6+.552.13= =4.23 |
4.23 |
2 |
n=4 Таблица. 2.8.7
i |
vi(k)+pi1(k)f3(1)+pi2(k)f3(2)+pi3(k)f3(3) |
Оптим. решение | ||
k=1 |
k=2 |
f4(i) |
k* | |
1 |
5.3+.210.74+.57.92+.34.23= =12.68 |
4.7+.310.74+.67.92+.14.23= =13.097 |
13.10 |
2 |
2 |
3+010.74+.57.92+.54.23= =9.075 |
3.1+.110.74+.67.92+.34.23= =10.195 |
10.19 |
2 |
3 |
–1+010.74+07.92+14.23= = 3.23 |
.4+.0510.74+.47.92+.554.23 =6.4315 |
6.43 |
2 |
Из оптимального решения следует, что в 1-й,2-й и 3-й годы садовник должен применять удобрения (k*=2) при любом состоянии почвы, а в 4-й год (n=1) садовнику следует применять удобрения только при условии, что состояние почвы удовлетворительное или плохое. Суммарный ожидаемый доход за четыре года составит f4(1)=13.10 при хорошем состоянии почвы в первый год, f4(2)= 10.19 при удовлетворительном состоянии и f4(3)=6.43 при плохом состоянии.
Приведенный выше метод решения задачи называют еще методом итераций по стратегиям.
Задачу садовника можно обобщить в двух отношениях. Во-первых, переходные вероятности и значения дохода не обязательно одни и те же в любой год; в этом случае они являются функциями n-го этапа: pij(k,n) и rij(k,n). Во-вторых, можно использовать коэффициент дисконтирования ожидаемых доходов, вследствие чего значения fN(i) будут представлять собой приведенные величины ожидаемых доходов по всем этапам. Если α – годовой коэффициент дисконтирования, вычисляемый по формуле α=1/(1+t), где t – годовая норма процента, то рекуррентное соотношение (4.9.4) преобразуется к виду:
fn(i)=maxk{ vi(k)+α∑jpij(k)fn-1(j)}, n=2,3,…,N. (2.8.5)
Упражнение. Решите задачу садовника при коэффициенте дисконтирования α=0.6. (ответ приводится в таблице 2.8.8).
Таблица. 2.8.8
i |
n=1 |
n=2 |
n=3 |
n=4 | ||||
f1(i) |
k* |
f2(i) |
k* |
f3(i) |
k* |
f4(i) |
k* | |
1 |
5.3 |
1 |
6.94 |
1 |
7.77 |
1 |
8.26 |
1 |
2 |
3.1 |
2 |
4.61 |
2 |
5.43 |
2 |
5.92 |
2 |
3 |
0.4 |
2 |
1.44 |
2 |
2.19 |
2 |
2.66 |
2 |
Заметим, что использование коэффициента дисконтирования приводит к другим оптимальным стратегиям. В данном случае при хорошем состоянии почвы удобрения не требуются в течение всех четырех лет.
Для определения оптимальной долгосрочной стратегии применяют два метода. Первый метод основан на переборе всех возможных стационарных стратегий управления и может быть использован при их малом числе. Второй метод (итераций по стратегиям) более эффективен в том смысле, что определяет оптимальную стратегию за малое число итераций. Идея метода заключается в использовании соотношения (2.8.4) при n → ∞.
Итак, задача стохастического динамического программирования включает в себя матрицу переходных вероятностей системы из состояния i в момент времени tn-1 в состояние j в момент tn. Матрица переходных вероятностей совместно с исходными вероятностями состояний полностью определяет марковскую цепь. Можно задачу стохастического динамического программирования (Марковскую задачу принятия решений) сформулировать как задачу линейного программирования (см. тему 2.2), однако в вычислительном отношении метод итераций по стратегиям более эффективен. Для задач с К альтернативами решений на каждом шаге и N состояниями соответствующая модель линейного программирования включает (N+1) ограничений и NК переменных.