
- •2. История развития методов оптимизации в экономике.
- •3. Основные понятия и обозначения в линейном программировании.
- •4. Классификация задач математического программирования.
- •5. Переход от исходной задачи линейного программирования к канонической. Экономический смысл дополнительных переменных.
- •6. Графическое решение задачи линейного программирования с двумя переменными.
- •7 . Возможные варианты графического решения b
- •8. Определения n-мерного пространства.
- •9. Фундаментальная теорема линейного программирования для ограниченной области допустимых решений.
- •10. Алгоритм симпликсного методы в полных таблицах.
- •12. Метод искусственного базиса. М-задача и ее решение.
- •13. Теоремы м-метода. Определение решения основной задачи по решению м-задачи.
- •14. Постановка и правила записи двойственной задачи.
- •15. Экономический смысл двойственной задачи и двойственных оценок.
- •16. Свойства двойственных задач (теоремы двойственности). Графический метод решения двойственной задачи.
- •17. Запись оптимального решения прямой и двойственной задач.
- •18. Анализ оптимального решения с помощью коэффициентов последней симпликсной таблицы и двойственных оценок ограничений.
- •19. Решение задач линейного программирования в приложении ms Excel «Поиск решения».
- •20. Постановка и математическая запись транспортной задачи.
- •21. Методы получения исходного опорного решения в транспортной задаче.
- •22. Метод потенциалов при решении транспортной задачи.
- •23. Открытая транспортная задача и возможность ее решения.
- •24. Блокировки перевозок и ограничения пропускной способности в транспортных задачах. Совместный учет производственных и транспортных затрат.
- •25. Решение транспортной задачи на max целевой функции.
- •26. Задача о «назначениях». Венгерский метод решения задач на минимум.
- •27. Задача о «назначениях». Венгерский метод решения задач на максимум.
- •28. Задача целочисленного программирования и ее решения.
- •29. Алгоритм метода Гомори для решения задач целочисленного программирования.
- •30. Понятие о методе ветвей и границ для решения задачи целочисленного программирования.
- •31. Постановка задачи параметрического программирования.
- •32. Последовательность решения задачи с параметром в целевой функции.
- •33. Описание динамического процесса управления. Примеры экономических задач, представленных в терминах динамического программирования.
- •34. Особенности многошаговых задач, решаемых методом динамического программирования. Принцип оптимальности р. Беллмана.
- •35. Схема решения задачи о распределении средств методом динамического программирования.
- •36. Классификация задач нелинейного программирования. Задачи на безусловный экстремум.
- •38. Общая задача выпуклого программирования. Методы решения задач выпуклого программирования.
- •39. Задача дробно-линейного программирования. Решение задач симплексным методом.
- •Алгоритм решения
- •40. Особенности решения задачи дробно-линейного программирования графическим методом. Возможные варианты графического решения. Асимптотическое решение.
1. Применение методов оптимизации в экономике. Постановка общей задачи линейного программирования. Математическая запись задачи.
Метод (от греч. – путь исследования) – способ или совокупность приемов, операций, достижение к.-либо цели, решение конкрет. задачи.
Оптим. решение – наилучшее решение из всех допустимых решений с т.зр. выбранного критерия.
Процесс выбора наилучшего решения называется оптимизация.
Предмет дисциплины – совокупность приемов или сп. Нахождения оптимального решения.
Операция – любое управляемое мероприятие, направленное на достижение цели.
Методы являются инструментом в решении математической модели.
Модель – в широк.смысле, образ к.-либо процесса, явления или системы, используемый в качестве заменителя.
Математическая модель – система математических соотношений в абстрактной форме описывающих наиболее существенные свойства и взаимосвязи изучаемого процесса или системы.
Опр-е по В.С. Немчинову:
Экономико-математическая модель – концентрированное выражение наиболее существенных связей и закономерностей экономической системы математической модели.
Этапы построения экономико-математической модели:
1. Изучение проблемы, важнейших черт и свойств моделируемого процесса и постановка задач.
2. Построение математической модели – формализация экономической проблемы в виде конкретных математических зависимостей.
3. Подготовка исходной информации (числовой).
4. Выбор метода и численное решение.
5. Анализ результатов и их применение.
Задача линейного программирования:
Имеются исходные данные – показатели по различным культурам, предприятиям и т.д.
Переменная: Xj, j = 1, 2, … , n.
Также условием задан критерий оптимальности - показатель, количественно отражающий цель решения.
Необходимо составить:
1. Систему ограничений – условия, которые накладываются на переменную или группу переменных, отражающие логику и взаимосвязь моделей.
Система ограничений должна быть совместна и неопределенна, в т.ч. условие неотрицательности переменных.
2. Целевую функцию (функционал) – математическое выражение, для которого требуется найти экстремум.
Задача линейного программирования основывается на задачах поиска экстремума функций при наличие ограничений типа неравенств.
2. История развития методов оптимизации в экономике.
Задача линейного программирования основывается на задачах поиска экстремума функций при наличие ограничений типа неравенств. В 1820 Фурье и затем в 1947 Данциг предложили использовать Симплексный метод для решения задач линейного программирования. Который по сейм день является основным. Присутствие в названии дисциплины термина «Программирование» связанно с тем. Что исследование линейных задач было в сфере экономики, на английском языке слово programming означает планирование, составление программ или планов. Термин Линейное программирование был предложен Данцигом в 1949 году для изучения теоретических и алгоритмических задач, связанных с оптимизацией линейных функций при линейных ограничениях. Поэтому наименование Математическое программирование связанно с выбором оптимальной программы действий. Одними из первых, исследовавших в общей форме задачи линейного программирования были Джон Фон Нейман и советский академик Канторович, который сформулировал ряд задач линейного программирования, и предложивший в 1939 году метод их решения (метод разрешающих множителей). В 1931 году Эгервари рассмотрел задачу линейного программирования имеющую название «проблема выбора» метод получил название «Венгерский метод». В 1949 Канторович и Гавурин разработали метод потенциалов, который применяется для решения транспортных задач.
3. Основные понятия и обозначения в линейном программировании.
1. Критерий оптимальности - показатель, количественно отражающий цель решения.
2. Ограничение – условие, которое накладывается на переменную или группу переменных, отражающее логику и взаимосвязь моделей.
Система ограничений должна быть совместна и неопределенна, в т.ч. условие неотрицательности переменных.
3. Целевая функция (функционал) – математическое выражение, для которого требуется найти экстремум.
4. Если условие экономической задачи представлено в виде математической записи, содержащей целевую функцию, систему ограничений в виде равенств и неравенств, условие неотрицательности переменных, причем некоторые переменные – произвольные по знаку, то такая запись называется исходной формой записи задачи линейного программирования.
5. Каноническая форма – характеризуется тем, что содержит целевую функцию, все ограничения равенства и все переменные неотрицательные.
6. Однородная форма записи – содержит целевую функцию, все ограничения имеют тип <= и все переменные неотрицательные.
7. Возможное решение – совокупность значений n-переменных, которые удовлетворяют только системе ограничений.
8. Допустимое решение – совокупность значений n-переменных, которые удовлетворяют системе ограничений, и при этом выполняется условие неотрицательности переменных.
9. Оптимальное решение – такое допустимое решение, при котором целевая функция принимает наибольшее/ наименьшее значение.
10. Базисные переменные – переменные, коэффициенты которой образуют единичный вектор-столбец.
11. Свободные переменные – все переменные, за исключением базисных.
12. Решение называется базисным, если система ограничений приведет к единичному базису, а все свободные переменные = 0.
Число базисных решений не превышает числа сочетаний из С (где n – число переменных, m – число линейно-независимых ограничений).
13. Опорное решение – базисное решение, в котором базисные переменные неотрицательные (допустимое базисное решение). Исходное опорное решение записывается в 1ую симпликсную таблицу.
Любое опорное решение системы условий задачи является вершиной в области допустимых решений, и наоборот.
Число опорных решений не превышает число базисных решений (т.к. частный случай).
14. Вырожденное решение – опорное решение, в котором хотя бы 1 из базисных переменных = 0.