- •1.Основные определения и типы моделей
- •2. Понятие комп. Мод. Основные функции.
- •3. Типовые задачи, решаемые средствами компьютерного моделирования.
- •4. Системы имитац. Мод. Исторический путь развития инструментальных средств мод.
- •5. Структурный анализ. Формализованное описание. Построение модели. Проведение эксперимента
- •6. Понятие и сущность корреляционного анализа
- •7. Понятие и сущность регрессионного анализа
- •8. Определение параметров линейного однофакторного ур-я регрессии.
- •9. Оценка величины погрешности линейного однофакторного уравнения
- •10. Проблема автокорреляции остатков. Критерий Дарбина-Уотсона
- •11. Построение уравнения степенной регрессии
- •12. Двухфакторные и многофакторные уравнения регрессии
- •13. Оптимизация. Основные понятия.
- •14. Одномерный поиск оптимума.
- •15. Понятие оптимизац задач и оптимиз моделей
- •16. Оптимизационные задачи с линейной зависимостью между переменными
- •17. Геометрическая интерпретация оптимизационной задачи линейного программирования.
- •18. Симплексный метод решения оптимизационной задачи линейного программирования.
- •19. Пример решения оптимизационной задачи линейного программирования симплексным методом
- •20. Двойственная задача линейного програмирования
- •21. Решение двойственной задачи линейного программирования
- •23. Понятие систем массового обслуживания.
- •24. Одноканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с отказами.
- •25. Одноканальная модель смо с пуассоновским входным потоком и экспоненциальным распределением длительности обслуживания с ожиданием и ограничением на длину очереди
- •26. Одноканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с ожиданием без ограничения длины очереди
- •27. Многоканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с отказами.
- •28. Многоканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с ожиданием.
- •29. Вероятностные характеристики функционирования в стационарном режиме системы массового обслуживания.
- •30. Параллельное и распределенное моделирование
- •32. Непрерывное моделирование
- •33. Комбинированное непрерывно-дискретное моделирование
- •34. Моделирование по методу Монте-Карло.
- •35. Моделирование систем массового обслуживания с использованием метода Монте-Карло.
- •39. Алгоритм метода потенциалов решения транспортных задач
- •40. Теория принятия решений. Основные понятия.
- •41. Принятие решений в условиях полной определенности. Метод аддитивной оптимизации.
- •42. Принятие решений в условиях риска
41. Принятие решений в условиях полной определенности. Метод аддитивной оптимизации.
Математические модели исследуемых явлений или процессов могут быть заданы в виде таблиц, элементами которых являются значения частных критериев эффективности функционирования системы, вычисленные для каждой из сравниваемых стратегий при строго заданных внешних условиях. Для рассматриваемых условий принятие решений может производиться: – по одному критерию; – по нескольким критериям. Один из подходов к решению многокритериальных задач управления связан с процедурой образования обобщенной функции Fi (аi1; аi2; аi3; ... ain), монотонно зависящей от критериев аi1; ai2; аi3 ... ain. Данная процедура называется методом свертывания критериев. Существует несколько методов свертывания, например: метод аддитивной оптимизации; метод многоцелевой оптимизации и др. Рассмотрим подробнее метод аддитивной оптимизации. Пусть это определяет аддитивный критерий оптимальности. Величины λi являются весовыми коэффициентами, которые определяют в количественной форме степень предпочтения j-го критерия по сравнению с другими критериями. Другими словами, коэффициенты λj определяют важность j-го критерия оптимальности. При этом более важному критерию приписывается больший вес, а общая важность всех критериев равна единице, т. е. функция (1) может быть использована для свертывания частных критериев птимальности, если: частные критерии количественно соизмеримы по важности;частные критерии являются однородными.В этом случае для решения задачи многокритериальной оптимизации оказывается справедливым применение аддитивного критерия оптимальности. Рассмотренный подход к решению многокритериальных задач зачастую применяется при решении экономических задач, связанных с оценкой качества промышленной продукции и оценкой уровня технического совершенства технических устройств и систем по нескольким показателям.
42. Принятие решений в условиях риска
Основными критериями оценки принимаемых решений в условиях риска являются: ожидаемое значение результата; ожидаемое значение результата в сочетании с минимизацией его дисперсии; известный предельный уровень результата;
наиболее вероятное событие в будущем. Критерий ожидаемого значения используется в случаях, когда требуется определить экстремальное значение результативного показателя. Критерий ожидаемого значения позволяет получить достоверные оценки в случае, когда одно и то же решение приходится принимать достаточно большое число раз, так как замена математического ожидания выборочными данными правомерна лишь при большом объеме выборки. Если необходимость в принятии решения встречается редко, то выборочное значение может значительно отличаться от математического ожидания, а применение критерия ожидаемых значений может приводить к ошибочным результатам. В таких случаях рекомендуется применять критерий ожидаемого значения в сочетании с минимизацией его дисперсии, что приближает выборочное значение к математическому ожиданию. Критерий принимает следующий вид:
г де X-случайная величина; D(X) - дисперсия этой величины; К — заданная постоянная. Постоянную К иногда интерпретируют как уровень несклонности к риску. Критерий предельного уровня дает возможность определить приемлемый способ действий. Одно из преимуществ критерия предельного уровня заключается в том, что для него нет необходимости задавать в явном виде плотность распределения случайных величин. Критерий наиболее вероятного события основан на преобразовании случайной ситуации в детерминированную путем замены случайной величины единственным значением, имеющим наибольшую вероятность реализации.