- •Экономико-математические методы и моделирование в городском кадастре
- •Экономико-математические методы и моделирование в городском кадастре
- •1. Моделирование как инструмент специалиста городского кадастра
- •2. Общие сведения о эмм
- •3. Применение распределительного метода для решения градостроительных задач
- •Алгоритм метода апроксимации (на min):
- •Задача № 1
- •Табличная форма записи исходных данных
- •Табличное представление исходных данных задачи
- •Не менее половины площадей зоопарков должны быть размещены на третьем участке
- •2) Площади парков на четвертом участке должны быть не более 300 га
- •Определение опорного решения методом аппроксимации
- •Формирование окончательного решения задачи
- •Окончательное решение задачи
- •Задача № 2
- •Озимые на зеленый корм необходимо выращивать на землях пятой категории
- •Табличное представление исходных данных задачи после учета дополнительных условий и требования сбалансированности
- •Определение опорного решения методом аппроксимации
- •Формирование окончательного решения задачи
- •Окончательное решение задачи
- •Задача.
- •Имеются следующие исходные данные.
- •7. Примеры градостроительных задач.
- •6. Система экономико-математических моделей, решаемых симплекс- методом
- •X1 , x2 , x3 ,... , xn - переменные величины;
- •Постановка задачи
- •Представление пространства решений стандартной задачи линейного программирования
- •Вычислительные процедуры симплекс-метода
- •Геометрическая интерпретация задачи лп
- •2.1.10. Решение задач линейного программирования средствами excel
- •Решение транспортной задачи
- •7. Анализ в задачах симплексного типа
- •8. Пример решения задачи линейного программирования симплекс-методом с помощью ms Excel
- •Задача 1
- •Задача 2
- •Задача 3
- •Задача 4
- •9. Понятие и стадии экономико-статистического моделирования. Производственные функции. Моделирование как метод научного познания
- •10. Применение производственных функций в городском кадастре.
- •11. Пример использования производственных функций для решения эконометрических задач с помощью ms Excel
- •Анализ исходных данных.
- •Построение модели.
- •Анализ качества модели.
- •Оценка на отсутствие автокорреляции (критерий Дарвина Уотсона).
- •Корреляционный анализ.
- •Проверка статистической значимости коэффициента корреляции с учётом t статистики.
- •Анализ коэффициентов регрессии.
- •Прогноз на основании модели.
- •12. Использование поисковых серверов интернет для нахождения информации по экономико-математическим методам и моделированию.
- •Список основных поисковых систем
- •13. Задание на межсессионный период
Алгоритм метода апроксимации (на min):
1. По каждой строке и столбцу находятся два минимальных значения Cij.
2. Определяется их разность ij .
3. Из всех разностей выбирается наибольшая K.
4. По строке или столбцу, где наибольшая разность, в клетку где размещается самое наименьшее значение Cij min записывают поставку груза (требуемую).
5. Далее повторяют с вычисление новых разностей до получения опорного плана.
6. Полученное решение проверяют по числу занятых клеток. Если в ходе применения приведенного алгоритма на каких-либо шагах окажется, что Ai=0 и Bj=0, то опорное решение будет вырожденным - некоторые занятые клетки будут заполнены нулями. Формальным источником вырожденности является равенство типа:
А1 =В1, А1 = В1 + В2, А1+А2 = В1 + В2
Как уже отмечалось, в случае, когда Ai=0 и Bj=0 можно вычеркнуть либо i-ю строку, либо j-й столбец. Для того, чтобы приблизить опорное решение к оптимальному, целесообразно выполнить следующее правило:
в i-й строке, исключая рассматриваемую клетку, определить наименьшее значение Сij(C’ij), в j-м столбце, исключая рассматриваемую клетку, также определить наименьшее значение Сij(C’ij), если Сij < C’ij, то вычеркиваем j-й столбец, в противном случае – i-ю строку.
Необходимо подчеркнуть, что при использовании рассмотренного алгоритма наличие вырожденных решений не усложняет как процесс получения опорного решения, так и процесс улучшения его до оптимального. С условно занятыми клетками (защитными нулями) необходимо работать как и с обычными занятыми.
При решении задач на максимум приведенный алгоритм меняется только в двух пунктах: в п.1 вместо минимальных находят два максимальных значения Сij, а в п.4 заполняет клетку не с наименьшим, а с наибольшим значением Cij.
При решении могут возникнуть следующие случаи:
1. Если имеется несколько наибольших разностей, то предпочтение отдается той, для которой есть Cij min.
2. Если Cij min имеется по нескольким K, то для решения берут ту клетку, в которую можно занести большую поставку груза.
3. Если и в этом случае наблюдается полное равенство, то выбирают любую клетку.
3. Методы улучшения опорного плана.
При использовании метода потенциалов производят вычисление условных оценок (потенциалов) i , j.
Условный потенциал - это специальная оценка грузов, расположенных в пунктах назначения и отправления.
Потенциалы могут вычисляться по формуле:
i + Сij = j
Такое условие записи для каждой занятой клетки, где Xij > 0
Где одному потенциалу присваивается любое значение.
Для удобства расчетов и исключения отрицательных потенциалов одному из них, чаще всего присваивается значение превышающее или равное наибольшему из Сij.
При решении задач на минимум.
План оптимален в том случае, если для свободных клеток выполняется условие:
i + Сij > j
В случае неоптимальности плана его улучшают, при этом для клетки, где не выполняется условие отрицательности, строится многоугольник (прямоугольник).
Правила построения многоугольника:
1. Стороны многоугольника должны пересекаться под прямым углом и располагаться по столбцам таблицы.
2. Вершины многоугольника должны располагаться в занятых клетках, кроме одной начальной, лежащей в испытуемой свободной клетке.
3. В начале вершины, лежащей в испытуемой клетке, присваивается знак плюс, далее знаки чередуются.
4. Среди всех грузов находящихся в клетках с отрицательными вершинами, выбирается min значение Хmin . Далее с соответствующими знаками клеток производится алгебраическое сложение производных.
Улучшение обычно начинают с той клетки, характеристика которой по модулю наибольшая.
Характеристика свободных клеток вычисляется по формуле:
ij = ( i + Сij ) j
это способствует наименьшему количеству итераций.
После каждого улучшения производят вычисление целевой функции с контролем по формулам:
m n
Z = cij x i j ------> min
i=1 j=1
m n
Z = j b j i a i
j=1 i=1
5. Решение задач с дополнительными ограничениями.
Для расширения класса экономических задач, решаемых распределительным методом, часто требуется ввести дополнительные ограничения с помощью которых учитываются конкретные дополнительные условия, выходящие за рамки поставленной задачи.
Их может быть несколько:
1. Требуется ввести конкретное условие в заданную клетку
xi j = di j
Если в определенной клетке установлено определенное количество ресурса, то в этом случае до начала решения в исходной матрице делают следующие преобразования:
- из соответствующего столбца потребностей и строки ресурсов вычитают оговоренное число (dij); и для того, чтобы данная клетка не вошла в дальнейшее решение, блокируют оценку данной клетки, т.е. делают оценку этой клетки очень маленькой величиной при решении задач на max; или очень большой при решении на min.
2. xi j > di j
Если в определенную клетку следует ввести не менее определенного количества ресурса, то из объема ресурсов и потребностей соответствующих строки и столбца вычитают это оговоренное число. Далее обычным способом.
3. xi j < di j
Если в определенную клетку следует записать не более определенного количества ресурса, то в клетке делается пометка и задача решается как предусмотрено алгоритмом. Корректировка ответа производится по окончании решения.
4. d*i j < xi j < d**i j
Если в определенную клетку должно поступить ресурса не более и не менее оговоренного числа, то в клетку вносится пометка. Задача решается принятым методом и корректировка проводится по окончании решения.
Пункт назнач. Пункт отправ. |
I |
II |
III |
IV |
Запасы |
Столбец разностей |
|||||
1
|
1025 100 |
20 Х |
13 900 |
15 Х |
900 |
27 = |
|||||
2
|
25
700 |
18 . 3000 |
16 . 2300 |
15 Х |
5800 |
12 |
|||||
3
|
22 200 |
16 Х |
14 Х |
13 Х |
1200 |
12 = |
|||||
4
|
26 Х |
. 14 Х |
. 12 300 |
10 1500 |
300 |
2 = |
|||||
Потребность
|
|
3000 |
2600 |
|
10000
10000 |
|
|||||
Строка разностей |
31 |
24 |
24 |
3 |
|
|
. .
- многоугольник
. .
m n
aij = b ij
j=1 i=1
MIN
X11 = 100 ( блокируем оценку клетки )
X21 > 200
X33 < 400
100 < X42 < 200
а) m+n-1
б) j+i = Сi j ( занятые клетки )
i + j Сij < 0 min
> 0 max
6. Вариантные решения задач с использованием матрицы оптимального плана.
А. Альтернативные решения с отклонением целевой функции от экстремума.
Не всегда возможно выполнить дополнительные условия, сохранив оптимальность решения. Приведём фрагмент оптимального решения транспортной задачи:
|
1 |
2 |
3 |
4 |
1 |
10 22 |
310 8 |
|
|
2 |
215 4 |
96 10 |
|
315 7 |
3 |
|
290 6 |
|
77 11 |
Пусть, например, задано дополнительное условие 116≤X22≤450. Клетка (2,2) уже занята. Проведём проверку дополнительных условий:
96≤450, условие выполнено; 96≤116, условие не выполнено. Исходя из этого, нам необходимо увеличить ресурс клетки (2,2). Что позволит нам выполнить дополнительное условие, но приведёт к получению не оптимального решения. Оценим возможности увеличения ресурса. Возможно построение двух циклов: (2,2), (2,1), (1,1), (1,2) и (2,2), (2,4), (3,4), (3,2). В первом случае, по оценкам испытуемых клеток, (10+22) – (4+8), ухудшение опорного плана произойдёт на 20, на единицу перемещаемого ресурса, во втором, соответственно на 8. Следовательно выбираем второй вариант. Максимально возможный перемещаемый ресурс в построенном цикле Xmin =290. Следует ли переместить именно 290? (Оба дополнительные условия выполняются!) Ни в коем случае. Чем больший ресурс мы переместим, тем сильнее нарушим оптимальность решения. Таким образом мы должны переместить только 20 (116-96). Окончательный вариант решения будет следующим:
|
1 |
2 |
3 |
4 |
1 |
10 22 |
310 8 |
|
|
2 |
215 4 |
116 10 |
|
295 7 |
3 |
|
270 6 |
|
97 11 |
В. Изменение уровней производства и потребления в отдельных пунктах при сохранении общего объёма производства.
Рассмотрим демонстрационный пример:
Один из районов города (второй) нуждается в дополнительном размещении пяти супермаркетов.
|
1 |
2 |
3 |
4 |
Супермаркет |
9 10 |
8 3 |
11 15 |
6 14 |
Школа |
|
|
|
|
….. |
|
|
|
|
Завод |
|
|
|
|
Где, Xi j - количество объектов, Сi j - стоимость строительства одного объекта.
Основной задачей рассматриваемого примера является снижение расходов на строительство, следовательно, надо перераспределять размещение школ находящихся в районе с С1 j max, в данном случае это – район 4.
При этом мы:
Выполним поставленное условие
Обеспечим минимальное значение целевой функции с учётом дополнительных условий
Единственным правилом, при выше описанных действиях будет неукоснительное соблюдение граничных условий.
С. Определение альтернативных оптимальных решений.
Поиск других оптимальных решений, зачастую представляет не малый практический интерес. Если в случае проверки опорного решения на оптимальность, оценка одной или нескольких свободных клеток оказалась равной нулю (σ ij =0), то при перемещении ресурсов, по описанным выше правилам, из занятой клетки в свободную значение целевой функции не изменится, следовательно мы имеем одно или несколько альтернативных решений. Причём необходимо отметить, что возможно, как всего ресурса, так и его части. В первом случае мы будем иметь дело с оптимальным базисным, а во втором не базисным решением.
7. Примеры решения градостроительных и землеустроительных задач.