
- •Постановка задачи.
- •Вычисление нижней границы
- •1.5. Метод Гомори для целочисленной задачи. Построение отсечения. Схема метода.
- •Построение отсечения. Схема метода.
- •Выбор наилучшего исхода.
- •Постановка задачи.
- •Смешанные стратегии. Основная теорема матричных игр.
- •2 Игрок. Пусть 2 игрок выбирает некоторую смешанную стратегию .
- •Метод Брауна-Робинсона.
- •Упрощение матричных игр.
- •Задача о наборе высоты и скорости самолетов.
- •2.1.Марковские процессы. Постановка. Граф состояний для конечной цепи.
- •Потоки событий. Пуассоновский поток.
- •Предельные вероятности.
- •Характеристики систем массового обслуживания.
- •Принципы выбора (усреднение целевых функций. Минимизация расстояний до идеальной точки).
- •Принцип выбора (введение иерархий целевых функций, установление гарантированных уровней).
- •2.21. Составление расписания в задаче обслуживания на 1 приборе.
Задача о наборе высоты и скорости самолетов.
Постановка.
Самолет
находится на высоте
и имеет некоторую скорость
.
Требуется найти минимальные затраты
топлива, которые позволили бы ему
подняться на высоту
и приобрести скорость
.
Для ее решения также применим метод
динамического программирования. При
инвариантном погружении вводится
декартова система координат на плоскости.
При инвариантном погружении отрезки
[
,
]
и [
,
]
разбиваются на некоторое количество
равных частей и делается предположение,
что в результате отдельной операции
самолет может набирать скорость, т.е.
двигаться по оси
,
либо только набирать высоту.
Расходы на отдельную операцию считаются известными. Задача решается по той же схеме, что и нахождение более экономичного пути.
2.1.Марковские процессы. Постановка. Граф состояний для конечной цепи.
Постановка: Пусть имеется некоторая система состояния, которой известны и изменяются во времени под действием некоторых случайных процессов. Предположим, что известны вероятности перехода системы из данного состояния во все остальные. Требуется ответить на вопросы: в каком состоянии система пребывает наиболее часто; с какой вероятностью система может находиться в том или ином состоянии в некоторый момент времени.
Процесс изменения состояния объекта называется марковским, если его поведение в будущем зависит лишь в каком состоянии он находится в данный момент и не зависит от предыстории. Состояние объекта описывает набор некоторых параметров, которые называются фазовыми координатами, а процесс изменения состояния представляет из себя некоторую фазовую кривую из некоторого фазового пространства. Если количество состояний в марковском процессе счетно, то такой процесс называется марковской цепью. Вероятность перехода в практическое состояние в некоторый момент времени зависит лишь от того, в каком состоянии находится система в данный момент и как система пришла в это состояние.
Марковская цепь
называется стационарной,
если различные моменты времени
.
В этом случае марковская цепь характеризуется матрицей перехода
,
,
.
Марковская цепь может характеризоваться и графиком состояний, узлами которой служат возможные состояния системы, а дуги вместе с числовыми показателями характеризуют переход из одного состояния времени некоторую вероятность.
Матрица переходов имеет вид
Переход системы
из одного состояние в другое осуществляется
в некоторые дискретные моменты времени
2.2-2.3. Вычисление некоторых характеристик марковских цепей. Примеры. Потоки событий. Пуассоновский поток.
.
-
вероятность, с которой в m-ый
момент переключения цепь находится в
состоянии
.
Нам требуется выяснить эти вероятности,
при этом предполагается, что известны
-
вектор определяющий начальное состояние
цепи.
Очевидно, что выполняются условия:
…
2
. (1)
По предыдущей
формуле мы можем рассчитать вектор
для любого
через
и
.
Опр.
Марковская цепь наз. эргодической,
если ее любое состояние
,
может быть достигнута из состояния
за конечное число переключений с
ненулевой вероятностью.
Для эргодической
цепи существует
,
и числа
называются предельными вероятностями
нахождения цепи в состоянии
.Они
характеризуют среднюю долю время на
достаточно большом временном промежутке
нахождения системы в этом состоянии.
Например, если
и рассматриваемый временной промежуток
T={1
год}, то
это означает, что система находится в
сост.
4 месяца. С помощью предельных вероятностей
затем легко находятся производные
характеристики для марковских цепей.
Чтобы подсчитать
достаточно перейти к пределу в формуле
(2).
,
.
.
-
однородная система из n
уравнений, с n
неизвестными.
Из свойств вероятности детерминант
этой системы равен 0, т.е. она имеет
бесконечное множество решений, а чтобы
найти одно решение нужно
(3).
Из системы (3) можно вычислить предельные вероятности.