- •1.Основные понятия ит. Кит
- •2. Программные и аппаратные средства кит. Перспективы и направления развития кит.
- •4.Основы прогнозирования. Аппроксимация. Среднеквадратическое отклонение.
- •3. Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •12.Ска Maple. Отыскание оптимума. Симплекс-метод.
- •5.Стандартные функции прогнозирования в excel. Линейная аппроксимация.
- •6. Стандартные функции прогнозирования в Excel. Экспоненциальная аппроксимация
- •7.Анализ и решение задач межотраслевого баланса в Excel.
- •11.Ска Maple. Исследование функций. Минимум и максимум.
- •15.Ска Maple. Линейная алгебра. Решение линейных уравнений.
- •19.Ска Maple. Статистика. Модули библиотеки.
- •20.Ска Maple. Статистика. Корреляция, аппроксимация.
- •21.Ска Maple. Статистика. Описательные характеристики.
- •13.Ска Maple. Библиотека Optimization.
- •17.Анализ и решение задач оптимизации плана производства в Maple.
- •14.Ска Maple. Линейная алгебра. Матричные операции.
- •24.Компьютерные сети. Топология сетей.
- •22.Ска Maple. Финансовые функции.
- •23.Компьютерные сети. Основные виды и их характеристики.
- •25.Компьютерные сети. Адресация в сетях.
- •26.Технологии доступа в Internet.
- •27.Internet/Intranet – технологии. Протоколы tcp/ip.
- •28.Internet/Intranet – технологии. Электронные сервисы.
- •52.Html. Тэги для ввода информации.
- •29.Internet/Intranet – технологии. Url. Доменные адреса верхнего уровня.
- •30.Internet/Intranet – технологии. Служба доменных имен.
- •31.Internet/Intranet – технологии. Характеристики и особенности современных web-браузеров.
- •32.Тенденции развития Internet.
- •55.Css. Формат записи.
- •36.Геоинформационные системы.
- •39.Реинжиниринг бизнес-процессов. Основные этапы реинжиниринга.
- •10.Ска Maple. Исследование функций. Экстремум.
- •46.Html. Нумерованные списки.
- •44.Html. Структура документа. Стилевое оформление документов.
- •47.Html. Ненумерованные списки.
- •60.Искусственный интеллект. Нейросети.
- •61.Поисковые машины в Internet. Принципы организации поисковых систем.
- •48.Html. Гипертекстовые ссылки.
- •57.Искусственный интеллект. Основные понятия.
- •58.Искусственный интеллект. Модели представления знаний.
- •50.Html. Таблицы. Основные тэги.
- •51.Html. Интерактивные формы. Основной тэг.
- •35.Понятие бизнес-моделей b2b, b2c.
- •62.Особенности русскоязычных поисковых систем.
- •63.Специализированные программы для статистического анализа.
- •59.Искусственный интеллект. Экспертные системы.
- •64.Специализированные программы для специальности.
- •9.Анализ и решение задач оптимизации плана транспортных перевозок в Excel.
- •43.Html. Назначение. Основные тэги.
- •49.Html. Рисунки. Карты.
- •45.Html. Тэги заголовка, параграфа, предварительного форматирования, разрыва строки.
- •41.Информационные технологии и реинжиниринг бизнес-процессов.
- •53.Css. Назначение и основные понятия.
- •54.Css. Правила описания различных вариантов использования таблиц каскадных стилей.
- •33.Стандарты интеграции систем (mrp, mrp II).
- •34.Стандарты интеграции систем (erp, crm, csrp).
13.Ска Maple. Библиотека Optimization.
Библиотеиа Optimization позволяет отыскивать оптимальные решения для задач следующего вида:
-линейного программирования LPSolve
-квадратического программирования QPSolve
-нелинейного программирования NLPSolve
-среднеквадратического отклонения LSSolve
Решим задачу линейного программирования, сформулированную нами для разбора примера отыскания оптимального решения в электронных таблицах Excel.
Фирма производит три вида продукции (A, B, C), для выпуска каждого требуется определенное время обработки на всех четырех устройствах.
Вид продукции |
Время обработки, ч. |
Прибыль, у.е. |
|||
I |
II |
III |
IV |
||
A |
1 |
3 |
1 |
2 |
3 |
B |
6 |
1 |
3 |
3 |
6 |
C |
3 |
3 |
2 |
4 |
4 |
Пусть время работы на устройствах I, II, III, IV составляет соответственно 84, 42, 21 и 42 часа.
Целевая функция:
Ограничения:
A, B, C – неотрицательные (> =0)
A, B, C – целочисленные.
Приведем решение в системе Maple:
>restart;
>with(Optimization);
ImportMPS, Interactive, LPSolve, LSSolve, Maximize, Minimize, NLPSolve, QPSolve]
>func:=3*A+6*B+4*C;
3A+6B+4C
>organ:={1*A+6*B+3*C<=84, 3*A+1*B+3*C<=42, 1*A+3*B+2*C<=21,
2*A+3*B+4*C<=42};
{1A+6B+3C<=84, 3A+1B+3C<=42, 1A+3B+2C<=21, 2A+3B+4C<=42};
>LPSolve(func, organ, assume={nonnegative, integer}, maximize);
[54., [A=12, B=3, C=0]]
Результаты полностью совпадают с результатами, полученными в Excel.
17.Анализ и решение задач оптимизации плана производства в Maple.
Вид продукции |
Время обработки, ч. |
Прибыль, у.е. |
|||
I |
II |
III |
IV |
|
|
A |
1 |
3 |
1 |
2 |
3 |
B |
6 |
1 |
3 |
3 |
6 |
C |
3 |
3 |
2 |
4 |
4 |
Пусть время работы на устройствах I, II, III, IV составляет соответственно 84, 42, 21 и 42 часа.
Целевая функция:
Ограничения:
A, B, C – неотрицательные (> =0)
A, B, C – целочисленные.
Приведем решение в системе Maple:
>restart;
>with(Optimization);
[ImportMPS, Interactive, LPSolve, LSSolve, Maximize, Minimize, NLPSolve, QPSolve]
>func:=3*A+6*B+4*C;
3A+6B+4C
>organ:={1*A+6*B+3*C<=84, 3*A+1*B+3*C<=42, 1*A+3*B+2*C<=21,
2*A+3*B+4*C<=42};
{1A+6B+3C<=84, 3A+1B+3C<=42, 1A+3B+2C<=21, 2A+3B+4C<=42};
>LPSolve(func, organ, assume={nonnegative, integer}, maximize);
[54., [A=12, B=3, C=0]]
14.Ска Maple. Линейная алгебра. Матричные операции.
Основная часть команд для решения задач линейной алгебры содержится в библиотеках linalg и LinearAlgebra. Поэтому перед решением задач с матрицами и векторами следует загрузить эту библиотеку командой with(linalg) и/или with(LinearAlgebra).
Для определения матрицы в Maple можно использовать команду matrix(n, m, [[a11,a12,…,a1n], [a21,a22,…,a2m],…, [an1,an2,…,anm]]), где n - число строк, m – число столбцов в матрице. Эти числа задавать необязательно, а достаточно перечислить элементы матрицы построчно в квадратных скобках через запятую. Например:
>A:=matrix([[1,2,3],[-3,-2,-1]]);
В Maple матрицы специального вида можно генерировать с помощью дополнительных команд. В частности диагональную матрицу можно получить командой diag. Например:
>J:=diag(1,2,3);
Единичную матрицу можно получить используя ключевое слово identity: >E:=Matrix(4,4,shape=identity);
или >E:=array(identity,1..4,1..4):
>E:=evalm(E);
Число строк в матрице А можно определить с помощью команды rowdim(A), а число столбцов – с помощью команды coldim(A).
>rowdim(A);
>coldim(3);
Сложение двух матриц одинаковой размерности осуществляется теми же командами, что и сложение векторов: evalm(A+B) или matadd(A,B).
>A:=matrix([[1,0],[0,-1]]);
>B:=matrix([[-5,1],[7,4]]); >evalm(A+B):
>matadd(A,B);
Произведение двух матриц может быть найдено с помощью двух команд: evalm(A&*B); multiply(A,B).
В качестве второго аргумента в командах, вычисляющих произведение, можно указывать вектор, например:
>A:=matrix([[1,0],[0,-1]]):
>B:=matrix([[-5,1],[7,4]]):
>v:=vector([2,4]);
>multiply(A,v):
>evalm(A&*v);
>multiply(A,B):
>evalm(A&*B);
Команда evalm позволяет также прибавлять к матрице число и умножать матрицу на число. Например:
>C:=matrix([[1,1],[2,3]]);
>evalm(2+3*C);
Создадим квадратную матрицу:
>A:=matrix([[4,0,5],[0,1,-6],[3,0,4]]);
Определитель матрицы А вычисляется командой det(A). >det(A);
Команда minor(A,i,j) возвращает матрицу, полученную из исходной матрицы А вычеркиванием i-ой строки и j-ого столбца.
>minor(A,3,2);
След матрицы А, равный сумме ее диагональных элементов, вычисляется командой trace(A).
>trace(A);
Обратную матрицу А-1 , такую что А-1А=АА-1=Е, где Е - единичная матрица, можно вычислить двумя способами: evalm(1/A) или inverse(A).
>evalm(1/A):
>inverse(A);
Проверка. Должна получиться единичная матрица.
>multiply(A,%);
Транспонирование матрицы А – это замена местами строк и столбцов. Полученная в результате этого матрица называется транспонированной и обозначается А'. Транспонированную матрицу А' можно вычислить командой transpose(A).
>transpose(A);