- •Основные понятия теории систем.
- •2.Классификация систем
- •3. Закономерности систем.
- •4.Описание системы в виде множества элементов
- •5. Структурная модель системы.
- •6.Структура как статистическая модель системы. Граф как математическая модель структуры.
- •7. Функциональное моделирование системы.
- •8.Входные и выходные процессы
- •9. Управление системой. Задачи управления. Системы управления.
- •10.Экономико-математические модели (понятия: «модель», «моделирование»)
- •11. Информационные аспекты моделирования.
- •12.Классификация моделей
- •13. Классификация видов математического моделирования.
- •14.Классификация экономических моделей
- •15. Этапы математического моделирования.
- •2) Формализация операций:
- •16.Математическое моделирование социально-экономических процессов.
- •17. Дифференциальные модели макроэкономических процессов.
- •1) Модель демографической динамики.
- •3) Модель соотношения з/п и числа работников на рынке труда.
- •18.Модель динамических рядов
- •19. Показатели временного ряда и методы их исчисления.
- •20.Понятие оптимизационной модели
- •21.Общая задача линейного программирования
- •22.Задача о планировании выпуска продукции
- •23. Задача о рационе.
- •24. Транспортная задача.
- •25. Геометрическая интерпретация задач линейного программирования.
- •26. Алгоритм решения задачи лп с двумя переменными графическим методом.
- •27. Особые случаи при решении задачи лп.
- •28. Понятие оценки опорного плана. Необходимые и достаточные условия оптимальности. Симплексный метод.
- •29. Симплексные таблицы. Алгоритм симплексного метода.
- •30. Симплекс-метод решения задачи с начальным базисом.
- •31. Симплекс-метод решения задачи с искусственным базисом (м-метод).
- •32. Содержательная постановка транспортной задачи линейного программирования.
- •33. Математическая постановка транспортной задачи.
- •34.Основная транспортная задача линейного программирования. Открытые и закрытые модели.
- •35. Основная теорема теории транспортных задач. Сведение распределительных задач к закрытым транспортным задачам.
- •36. Методы нахождения опорных планов транспортной задачи.
- •37. Построение таблицы планирования. Метод северо-западного угла. Метод минимального элемента. Метод двойного предпочтения Метод Фогеля.
- •38. Методы нахождения решений транспортных задач.
- •39. Экономико-математическая модель оптимизации рациона кормления дойных коров. Математическая формулировка задачи.
- •40. Понятие искусственного интеллекта (ии)
- •41. Экспертные системы как одно из направлений развития искусственного интеллекта.
- •42. Нейронные сети.
39. Экономико-математическая модель оптимизации рациона кормления дойных коров. Математическая формулировка задачи.
Целью решения задачи по оптимизации рациона животных является составление из имеющихся на предприятии кормов такого рациона кормления, который полностью отвечал бы зоотехническим требованиям по содержанию в нём питательных веществ, соотношению отдельных групп и видов кормов.
Экономическая цель задачи – получение полноценного рациона минимальной стоимости.
Мат. формулировка задачи:
Введём обозначения:
-количество
j-го
вида корма.
-денежная
оценка единицы j-го
вида корма.
-содержание
k-го
питательного вещества в единице j-го
вида корма.
-зоотехнически
обоснованная потребность животных в
k-ом
питательном веществе.
,
-
соответственно
максимально и минимально допустимое
содержание кормов и их групп в рационе.
Исходя из принятых обозначений мат-ая модель в структурной форме будет иметь вид:
Z=
*Xj min
40. Понятие искусственного интеллекта (ии)
Искусственный интеллект-это программная система, имитирующая на компьютере мышление человека.
Цель искусственного интеллекта-построение компьютеров, действующих таким образом, что результаты их работы невозможно было бы отличить от результатов работы человеческого разума.
Подходы для построения систем искусственного интеллекта:
1.Логический подход ( моделирование рассуждений)
2.Структурный подход ( моделирование работы мозга)
3.Эволюционный подход (моделирование эволюции)
4.Имитационный подход
5.Подход основанный на знаниях
41. Экспертные системы как одно из направлений развития искусственного интеллекта.
Экспертная система-это интеллектуально вычислительная система в которую включены опыты специалистов о некоторой предметной области и которая в пределах этой области способна принимать экспертные решения.
Преимущества экспертных систем перед человеком экспертом:
1.Не действует человеческий фактор
2.Не делают поспешных выводов
3.Знания введенные один раз сохраняются навсегда
4.Не поддаются влиянию внешних факторов
Основные элементы экспертной системы:
1.База знаний-предназначена для хранения экспертных знаний об определенной предметной области.
2.Решатель-программа моделирующая ход рассуждений эксперта на основании знаний имеющихся в базе знаний.
3.Компонент приобретения знаний
4.Объяснительный компонент
5.Диалоговый компонент
42. Нейронные сети.
Нейронные сети – это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека.
Нейронные сети - исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости.
Возможность обучения — одно из главных преимуществ нейронных сетей .
Самым главным отличием нейронных сетей от других методов, например таких, как экспертные системы, является то, что нейросети не нуждаются в заранее известной модели, а строят ее сами на основе предъявленной информации. Именно поэтому нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации, управления, иными словами, в области человеческой деятельности.
