
- •Двусторонние шпоры по файзу
- •Печатай прямо этот файл
- •Теория принятия решений [3, 4]
- •1. Классы задач принятия решений, системный анализ и характеристика его этапов.
- •2. Графы и показатели эффективности смо с простейшими потоками.
- •6. Замкнутые смо.
- •3. Принятие решений в условиях риска, неопределенности и конфликты.
- •4. Основы линейного программирования. Область применения. Постановка задачи
- •Каноническая форма задач лп
- •Стандартная форма задачи лп
- •Основные понятия лп. Свойства задач лп
- •Методы решения задач лп
- •Симплекс-метод. Характеристика метода
- •М одифицированный алгоритм симплекс-метода
- •Модели управления транспортными потоками.
- •Простейшая транспортная задача (т-задача)
- •Транспортная задача с ограниченными пропускными способностями (Td - задача)
- •Задачи с неоднородным грузом
- •Многоиндексные задачи
- •Транспортные задачи по критерию времени
- •6. Оптимизация транспортных потоков. Метод потенциалов
- •Построение начального плана перевозок
- •Правило северо-западного угла
- •Переход от одного плана перевозок к другому
- •Признак оптимальности
- •Алгоритм метода потенциалов
- •7. Методы управления проектом.
- •8. Двойственность задач оптимизации. Двойственность задач лп
- •Интерпретация двойственной задачи
- •Запись двойственной задачи в общем случае
- •Теоремы двойственности
- •Двойственный симплекс-метод
- •9. Декомпозиция задач планирования большой размерности.
- •Метод декомпозиции Данцига - Вулфа
- •10. Методы определения целочисленных решений.
- •Метод отсечений
- •Метод ветвей и границ
- •Аддитивный алгоритм
- •11. Основы динамического программирования. Достоинства и недостатки метода.
- •Работа метода дп
- •Функциональное уравнение дп
- •Многомерные задачи динамического программирования
- •Снижение размерности с помощью множителей Лагранжа
- •12. Оптимизация надежности технических систем, систем распределения ресурсов.
- •4.2.3. Сбалансированная транспортная задача
- •13. Классы задач нелинейного программирования и методы их решения. Х арактеристика задач
- •Условия оптимальности
- •Методы решения задач нп
- •14. Задачи нелинейного программирования, сводящиеся к линейным. Квадратичное программирование
- •Сепарабельное программирование (сп)
- •Задачи дробно-линейного программирования
- •15. Классификация и характеристика методов «спуска».
- •Методы одномерной минимизации. Метод деления шага пополам
- •Квадратичная аппроксимация
- •Метод деления интервала пополам
- •Метод золотого сечения
- •Метод Фибоначчи
- •Метод первого порядка
- •Методы второго порядка
- •Многомерный поиск безусловного минимума Метод Гаусса-Зейделя (покоординатного спуска)
- •Метод Хука-Дживса (метод конфигураций)
- •Симплексный метод
- •Градиентные методы
- •Метод Ньютона
- •М етоды сопряженных направлений
- •Методы условной оптимизации
- •Метод проектирования градиента
- •Метод штрафных функций
- •Метод барьерных функций
- •16. Методы случайного поиска и генетические алгоритмы.
- •8.8.7. Методы случайного поиска
- •Алгоритм с возвратом при неудачном шаге
- •Алгоритм с обратным шагом
- •Алгоритм наилучшей пробы
- •Алгоритм статистического градиента
- •8.8.8. Генетические алгоритмы
- •17. Особенности принятия решений при многих критериях.
- •18. Методы свертки и целевого программирования в принятии решений по многим критериям.
- •10.2.1.4. Линейная свертка
- •10.2.1.5. Максиминная свертка
- •10.2.1.7. Целевое программирование (цп)
- •19. Интерактивные методы принятия решений
4.2.3. Сбалансированная транспортная задача
Транспортная задача - это модель ситуации, в которой требуется найти оптимальный план перевозки некоторого груза из конечного числа пунктов поставки (отправления) с заданными объемами производства в конечное число пунктов потребления (назначения) с требуемыми объемами потребностей при известных затратах на перевозку единицы груза между каждой парой пунктов поставки и потребления. Предполагается, что удельные затраты не зависят от количества перевозимого груза. Здесь под оптимальным понимается план, минимизирующий суммарные затраты на перевозки.
В качестве примера рассмотрим задачу с двумя пунктами отправления и тремя пунктами назначения, схема которой показана на рис.4.1. Здесь а1 и а2 – количество груза, которым располагают пункты отправления, b1, b2, b3 – потребности в грузе пунктов назначения.
Задача является сбалансированной, если суммарная потребность равна суммарной возможности. В нашем примере это значит, что
Рис. 4.1.
Если ввести обозначения:
xij - количество груза, перевозимого из i-го пункта отправления в j-й пункт назначения;
Сij – затраты на перевозку единицы груза из i-го пункта отправления в j-й пункт назначения,
то исходные данные вместе с переменными можно представить в одной таблице (табл. 4.3):
Таблица 4.3
Пункты |
B1 |
B2 |
B3 |
Количество груза |
A1 |
С11 Х11 |
С12 Х12 |
С13 Х13 |
a1 |
A2 |
С21 Х21 |
С22 Х22 |
С23 Х23 |
a2 |
Потребность в грузе |
b1 |
b2 |
b3 |
|
Так как необходимо минимизировать суммарные затраты по перевозке, то целевая функция запишется в виде
L=C11x11 + C12x12 + C23x23→min.
Каждый пункт назначения должен получить требуемое количество груза. Отсюда следуют равенства, соответствующие этим пунктам
B1: x11+x21=b1;
B2: x12+x22=b2;
B3: x13+x23=b3.
Поскольку задача сбалансированная, весь груз из пунктов отправления должен быть вывезен. Это требование отражается в модели двумя равенствами:
А1: х11+х12+х13=а1;
А2: х21+х22+х23=а2.
Наконец, физический смысл переменных накладывает на них ограничение неотрицательности
xij0.
В результате мы получили модель транспортной задачи, содержащей только линейные функции. Очевидно, что характер модели не изменится при увеличении числа пунктов.
13. Классы задач нелинейного программирования и методы их решения. Х арактеристика задач
Методы НП применяются для решения задач с нелинейными функциями переменных.
(1)
Если хотя бы одна функция в модели (1) нелинейна, имеем задачу нелинейного программирования (НП). Cложность задачи определяется свойствами функций цели и ограничений.
Универсальных методов решения таких задач не существует.
Наиболее развиты методы решения задач выпуклого программирования.
Допустимое множество выпукло.
Свойство целевой функции: min – выпуклая, max – вогнутая.
Допустимое
множество выпуклое,
если
все функции
линейные и
выпуклы при неравенстве
или вогнуты при .
Главная особенность задач выпуклого программирования в том, что они унимодальны, то есть любой их локальный оптимум является глобальным. Для ряда задач выпуклого программирования с дифференцируемыми функциями разработаны точные методы.
- Задачи квадратичного программирования. В них целевая функция представляет собой сумму линейной и квадратичной форм, а все условия линейные.
- Задачи сепарабельного программирования. Все функции сепарабельны. Функция сепарабельна, если она представляется в виде суммы функций отдельных переменных.
-
Задачи геометрического
программирования.
Все функции являются позиномами.
Позиномом называется функция
,
в которой kj
– любые действительные числа. Задачи
геометрического программирования
ставятся только на минимум:
- Кусочно-линейное программирование. Путем преобразования сводятся к линейным и решаются соответствующими методами. В частности, такими являются функции
и
К линейным сводятся также задачи дробно-линейного программирования. Они отличаются от линейных только дробной целевой функцией, числитель и знаменатель которой – линейные функции.