Экзаменационный билет № 1
Понятие модели. Классификация моделей.
Модель (лат. modulus — мера) — это объект-заместитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала.
Модель - создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа, описания знаковыми средствами либо материальной системы), отражающий свойства, характеристики и связи объекта – оригинала произвольной природы, существенные для задачи, решаемой субъектом.
Классификация модели
1.Материальные - воспроизводят геометрические и физические свойства оригинала и всегда имеют реальное воплощение (детские игрушки, наглядные учебные пособия, макеты, модели автомобилей и самолетов и прочее).
2.Информационные - совокупность информации, характеризующая свойства и состояния объекта, процесса, явления, а также их взаимосвязь с внешним миром).
3.Идеальные – материальная точка, абсолютно твердое тело, математический маятник, идеальный газ, бесконечность, геометрическая точка и прочее...
Задачи нелинейного программирования. Виды задач
Задача.
Задача — проблемная ситуация с явно заданной целью, которую необходимо достичь; в более узком смысле задачей также называют саму эту цель, данную в рамках проблемной ситуации, то есть то, что требуется сделать. В первом значении задачей можно назвать, например, ситуацию, когда нужно достать предмет, находящийся очень высоко; второе значение слышно в указании: «Ваша задача — достать этот предмет». Несколько более жёсткое понимание «задачи» предполагает явными и определёнными не только цель, но и условия задачи, которая в этом случае определяется как осознанная проблемная ситуация с выделенными условиями (данным) и требованием (целью).[1] Ещё более узкое определение называет задачей ситуацию с известным начальным состоянием системы и конечным состоянием системы, причём алгоритм достижения конечного состояния от начального известен (в отличие от проблемы, в случае которой алгоритм достижения конечного состояния системы не известен).
Экзаменационный билет № 2
Этапы построения математических моделей
1. Основные этапы построения моделей
Итак, предположим, что есть объект исследования и определена цель построения модели этого объекта. Что же дальше? С чего начать построение модели?
Вероятно, первое, что нужно сделать, это проанализировать объект с точки зрения цели моделирования. На этом этапе выделяются все известные субъекту моделирования свойства объекта. Это нужно для того, чтобы среди многих свойств и признаков объекта выделить существенные с точки зрения целей моделирования, которые затем должны быть отражены в модели.
Для одного и того же объекта при разных целях моделирования существенными будут считаться разные свойства.
Пример.
Вы решили сделать бумажный самолётик, чтобы можно было его запускать и наблюдать, как он летает. Наиболее важным для вас в этом случае то, чтобы самолётик летал подобно настоящему самолёту (пусть очень короткое время и на маленькой высоте). Для этого в модели вы должны отразить корпус с носовой и хвостовой частью и, главное, крылья. Именно эти элементы конструкции и их взаимное расположение будут существенными признаками, по которым бумажный самолётик подобен настоящему.
Итак, существенные признаки этой модели — крылья, корпус, их взаимное расположение, умение летать.
Задачи безусловной однопараметрической оптимизации
Метод установления границ начального отрезка локализации минимума
Представляет собой процедуру эвристического типа, предваряющую использование метода одномерного поиска, которому требуется начальный отрезок локализации минимума.
Поиск экстремума функции одной переменной имеет самостоятельный интерес, так как является составной частью многих методов многомерной оптимизации. От правильной организации одномерного поиска существенно зависит успех решения всей задачи. Кроме того, одномерная оптимизация, будучи простой по формулировке задачей, позволяет легко войти в общую проблематику оптимизационных задач.
Задача.
Экзаменационный билет № 3
Требования к модели
Моделирование всегда предполагает принятие допущений той или иной степени важности. При этом должны удовлетворяться следующие требования к моделям:
1адекватность, то есть соответствие модели исходной реальной системе и учет, прежде всего, наиболее важных качеств, связей и характеристик. Оценить адекватность выбранной модели, особенно, например, на начальной стадии проектирования, когда вид создаваемой системы ещё неизвестен, очень сложно. В такой ситуации часто полагаются на опыт предшествующих разработок или применяют определенные методы, например, метод последовательных приближений;
2точность, то есть степень совпадения полученных в процессе моделирования результатов с заранее установленными, желаемыми. Здесь важной задачей является оценка потребной точности результатов и имеющейся точности исходных данных, согласование их как между собой, так и с точностью используемой модели;
универсальность, то есть применимость модели к анализу ряда однотипных систем в одном или нескольких режимах функционирования. Это позволяет расширить область применимости модели для решения бо́льшего круга задач;
целесообразная экономичность, то есть точность получаемых результатов и общность решения задачи должны увязываться с затратами на моделирование. И удачный выбор модели, как показывает практика, — результат компромисса между отпущенными ресурсами и особенностями используемой модели;
и др.
3Выбор модели и обеспечение точности моделирования считается одной из самых важных задач моделирования.
Задачи нелинейного программирования. Виды задач
Задача.
Экзаменационный билет № 4
Математические модели и методы их расчета
Градиентные методы решения задач нелинейного программирования
Методы, в основе которых лежит свойство градиента функции в точке (вектора частных производных, вычисленного в точке) как указателя направления наибольшего роста функции в окрестности точки называются градиентными.
Используя градиентный метод, можно найти решение любой задачи нелинейного программирования. Применение этого метода в общем случае позволяет найти точку локального экстремума. Поэтому более целесообразно использовать его для нахождения решения задач выпуклого программирования. Процесс нахождения решения задачи с помощью градиентного метода состоит в том, что начиная с некоторой точки осуществляется последовательный переход к некоторым другим точкам до тех пор, пока не будет найдено приемлемое решение исходной задачи.
Градиентные методы могут быть подразделены на две группы.
- К первой группе относятся методы, при использовании которых исследуемые точки не выходят за пределы области допустимых решений задачи. В данном случае наиболее распространенным является метод Франка - Вульфа.
- Ко второй - методы, при использовании которых исследуемые точки могут как принадлежать, так и не принадлежать области допустимых решений. Однако в результате реализации итерационного процесса находится точка области допустимых решений, определяющая приемлемое решение. Наиболее часто используются метод штрафных функций и метод Эрроу - Гурвица.