
- •1.Множества, подмножества. Операции над множествами и их свойства. Диаграммы Эйлера – Венна
- •2.Покрытия и разбиения множеств. Биномиальные коэффициенты и числа Стирлинга второго рода. Перечисление элементов множеств.
- •3.Представление множеств в эвм. Коды Грея. Мультимножества.
- •4.Отношения и их основные свойства. Композиция отношений.
- •5.Отношение эквивалентности и его свойства. Отношение порядка и его свойства. Матричное представление отношений.
- •6.Функции, их свойства. Представление функций в эвм. Инъекция, сюръекция и биекция, их свойства.
- •7.Подстановки, перестановки, группы подстановок. Представление подстановок циклами.
- •8.Операции на алгебраических структурах. Группы, подгруппы, нормальные группы, их свойства.
- •9.Кольца, их основные свойства. Кольца многочленов, их свойства. Подкольца, идеалы, их свойства. Поля, их основные свойства.
- •10.Графы и орграфы. Простейшие типы графов. Представление отношений графами.
- •11.Матрицы смежности и инцидентности, их основные свойства. Смежностные (реберные) графы.
- •12.Изоморфизм графов.
- •13. Подграфы. Остовные подграфы. Операции на графах.
- •14. Компоненты графа, связность.
- •15.Маршруты, цепи, циклы. Диаметр, радиус и обхват графа. Пути в орграфах.
- •17.Теоремы существования эйлеровых и гамильтоновых циклов.
- •18.Задачи о кратчайшем пути.
- •19. Вершинные и реберные раскраски графа. Хроматический многочлен, хроматическое число и хроматический индекс.
- •20. Планарность. Формула Эйлера. Теорема Потрягина-Куратовского. Теорема о четырех красках.
- •21.Деревья. Матричная теорема о деревьях, подсчет числа остовов.
- •22.Корневые деревья. Задачи о подсчете корневых деревьев. Высота дерева. Числа Фибоначчи, их свойства.
- •23. Кубические деревья. Числа Каталана, их свойства.
- •24.Основные понятия булевой алгебры: булев куб, булевы функции.
- •25.Элементарные булевы функции, их свойства. Существенные и фиктивные переменные. Основные функциональные элементы.
- •26.Формулы. Реализация булевых функций формулами. Принцип двойственности.
- •27.Разложение булевых функций по переменным. Совершенная днф и совершенная кнф.
- •28. Полиномы Жегалкина. Не полностью определенные (частичные) булевы функции.
- •29.Виды днф и кнф: сокращенные, минимальные, кратчайшие, тупико-вые.
- •30. Методы построения сокращенных днф. Минимизация днф. Геометрическая интерпретация. Метод Блейка.
- •31.Метод минимизирующих карт (карт Карно). Реализация булевых функций схемами из функциональных элементов.
- •32. Полнота и замкнутость
- •33.Важнейшие замкнутые классы. Теорема о полноте. Примеры функционально полных базисов.
- •34. Основные понятия о разрешимых и неразрешимых проблемах. Алгоритмы и разрешимость.
- •35. Схемы алгоритмов, схемы потоков данных и использовании теории графов и теории конечных автоматов для их описания.
- •36.Формула полной вероятности.
- •37.Формула Бейеса.
- •38.Формула Бернулли.
- •39.Функция распределения, плотность распределения и их свойства. Связь между ними.
- •40.Числовые характеристики случайных величин.
- •41.Нормальное распределение.
- •42. Метод золотого сечения
- •43.Метод касательных.
- •44.Метод наискорейшего спуска.
- •45.Метод покоординатного спуска.
- •46.Платежная матрица. Нижняя и верхняя цена игры. Принцип минимакса.
- •47.Решение игры в смешанных стратегиях.
- •48.Упрощение игр.
- •49.Игра 2 на 2.
- •50.Игры 2 на n и m на 2.
- •51.Марковский процесс с дискретными состояниями и дискретным временем
- •52.Марковский процесс с дискретными состояниями и непрерывным временем.
- •53.Система массового обслуживания с отказами.
- •54.Система массового обслуживания с ограничением по длине очереди.
- •55.Исчисление высказываний
- •57.Логика предикатов первого порядка
50.Игры 2 на n и m на 2.
В играх порядка 2 x m первый игрок имеет две стратегии, а второй – m стратегий. Платежная матрица имеет вид:
| a11 a12 … a1m |
A= | a21 a22 … a2m |
Причем у нее нет седловых точек.
Необходимо найти такие смешанные стратегии x=S1=(p1*p2) и S2=q1, … ,qm и цену игры gamma, которые удовлетворяют соотношениям
Что означают неравенства (1) и (2). Пусть игрок 1 применяет свою оптимальную стратегию S1* а его противник применяет чистую стратегию yj . Т.к. это цена игры gamma, то она определяет нижний придел выигрыша при любых стратегиях второго игрока, в том числе смешанных. Аналогично можно объяснить неравенство (2) – верхний предел проигрыша 2-го игрока. Не доказывая, отметим, что любая конечная игра m x n имеет решение, в котором число активных стратегий каждого игрока не превосходит min(m,n) .Следовательно, у игры 2 x m или n x 2 всегда имеется решение, содержащее не более двух активных стратегий у каждого из игроков. Если найти эти активные стратегии игроков, то игра 2 x m или n x 2 превращается в игру 2x2 .
Введем обозначение для левой части неравенств (1)
Mj(p1) = a1j*p1 + a2j *p2 = a1j*p1 + a2j(1-p1)=(a1j-a2j)*p1+a2j j=1,m , где Mj(p1) – средний выигрыш первого игрока при условии, что он применяет свою смешанную стратегию, а второй – свою j чистую стратегию. Каждому значению j=1,m соответствует прямая линия прямоугольной системы координат.
Цель второго игрока минимизировать выигрыш первого за счет своих альтернатив. Поэтому 2 игрок должен определить такие j, которые обеспечивают min Mj(p1) = M(p1), где M(p1) – нижняя граница множества ограничений (показана жирной линий).
Цель первого игрока максимизировать свой выигрыш за счет выбора p1 , т.е. вычислить max M(p1)=gamma.
В результате определяется оптимальная стратегия первого игрока S1*=(p1*,1-p1*) и пара альтернативных стратегий 2 игрока, которые при пересечение образуют точку M0 . В нашем случае это y1 и y5 . В результате мы свели задачу размерности 2 x m , к задаче 2 x 2 с платежной матрицей
| a11 a15 |
A= | a21 a25 |
Решая полученную игру найдем S1*=(p1*,p2*) и S1*=(q1*,q2*)
51.Марковский процесс с дискретными состояниями и дискретным временем
Случайный процесс называется процессом с дискретным временем, если переходы системы S из состояния в состояние возможны только в строго определенные моменты времени t1, t2,…. В промежутки времени между этими моментами система сохраняет свое состояние.
Процесс,
происходящий в системе, можно представить
как последовательность событий, например:
Такая
случайная последовательность событий
называется марковской цепью.
Мы
будем описывать марковскую цепь с
помощью так называемых вероятностей
состояний. Пусть после k-ого
шага система S
может быть в одном из состояний S1,
S2,
…,Sn,
т.е. осуществится одно из полной группы
несовместных событий:
.
Обозначим вероятности этих событий:
(короче: вероятность того, что после k-го шага система перейдёт в m-е состояние равна вероятности m-го события на k-м шаге)
Будем
называть вероятности
вероятностями
состояний. Найдем эти вероятности для
любого k.
Марковская цепь называется однородной, если переходные вероятности не зависят от номера шага. В противном случае марковская цепь называется неоднородной.
Обозначим pij вероятность перехода системы S за один шаг из состояния Si в состояние Sj. Эти вероятности можно записать как условные вероятности pij.
Из вероятностей pij можно составить матрицу
,
которая называется матрицей перехода за один шаг. Сумма элементов каждой строки равна единице.
Обозначим pij(k) вероятность перехода системы S из состояния Si в состояние Sj за k шагов. Обозначим через k матрицу перехода через k шагов
Согласно
между матрицами перехода с различными
индексами существует соотношение k
=l
k-l
(0<l<k).
В частности, при k=2
находим, что
при k=3
и вообще при
любом k
Теорема
Маркова. Если
при некотором S>0
все элементы матрицы
положительны, то существуют такие
постоянные числа pj
(j=1,2,3,…,n)
что независимо от индекса i
имеют место равенства
Величины pj называются финальными вероятностями системы S.