
- •1. Компьютерные информационные технологии (кит). Корпоративные информационные системы (кис).
- •2. Программные и аппаратные средства кис. Перспективы и направления развития кис.
- •3. Математические модели решения экономических задач. Целевые функции, ограничения. Методы оптимизации.
- •4. Основы прогнозирования. Аппроксимация. Среднеквадратическое отклонение.
- •5. Стандартные функции прогнозирования в Excel. Линейная аппроксимация.
- •6. Стандартные функции прогнозирования в Excel. Экспоненциальная аппроксимация.
- •7. Анализ и решение задач межотраслевого баланса в Excel.
- •8. Анализ и решение задач оптимизации плана производства в Excel.
- •9. Анализ и решение задач оптимизации плана производства в Excel.
- •10. Ска Maple. Исследование функций. Экстремум.
- •11. Ска Maple. Исследование функций. Минимум и максимум.
- •12. Ска Maple. Отыскание оптимума. Симплекс-метод.
- •13. Ска Maple. Библиотека Optimization.
- •14. Ска Maple. Линейная алгебра. Матричные операции.
- •15. Ска Maple. Линейная алгебра. Решение линейных уравнений.
- •16. Анализ и решение задач межотраслевого баланса в Maple.
- •17. Анализ и решение задач оптимизации плана производства в Maple.
- •18. Анализ и решение задач оптимизации плана транспортных перевозок в Maple.
- •19. Ска Maple. Статистика. Модули библиотеки.
- •20. Ска Maple. Статистика. Корреляция, аппроксимация.
- •21. Ска Maple. Статистика. Описательные характеристики.
- •22. Ска Maple. Финансовые функции.
- •23. Компьютерные сети. Основные виды и их характеристики. Топология сетей.
- •24. Компьютерные сети. Адресация в сетях.
- •25. Технологии доступа в Internet.
- •26. Internet/Intranet – технологии. Протоколы tcp/ip.
- •27. Internet/Intranet – технологии. Электронные сервисы.
- •28. Internet/Intranet – технологии. Url. Служба доменных имен.
- •29. Поисковые системы в Internet. Принципы организации поисковых систем.
- •30. Тенденции развития Internet.
- •31. Стандарты интеграции систем (mrp, mrp II).
- •32. Стандарты интеграции систем (erp, crm, csrp).
- •33. Понятие бизнес-моделей b2b, b2c.
- •34. Геоинформационные системы.
- •35. Методологии информационного и функционального моделирования.
- •36. Программное обеспечение для моделирования корпоративных информационных систем.
- •37. Реинжиниринг бизнес-процессов. Основные этапы реинжиниринга.
- •38. Моделирование бизнес-процессов. Два вида моделей (as is, to be).
- •39. Информационные технологии и реинжиниринг бизнес-процессов.
- •40. Технологии автоматизированного проектирования корпоративных информационных систем (case, rad).
- •41. Html. Назначение. Структура документа. Стилевое оформление документов.
- •42. Html. Нумерованные списки. Ненумерованные списки.
- •43. Html. Гипертекстовые ссылки.
- •44. Html. Рисунки. Карты.
- •45. Html. Таблицы. Основные тэги.
- •46. Понятие проекта и его свойства.
- •47. Жизненный цикл проекта. Результат проекта.
- •48. Управляемые параметры проекта. Задачи управления проектом.
- •49. Методология сетевого планирования и управления. Структурное планирование.
- •50. Методология сетевого планирования и управления. Календарное планирование.
- •51. Методология сетевого планирования и управления. Оперативное управление.
- •52. Программные продукты для управления проектами.
- •53. Искусственный интеллект. Основные понятия.
- •54. Искусственный интеллект. Модели представления знаний.
- •55. Искусственный интеллект. Экспертные системы.
- •56. Искусственный интеллект. Нейросети.
- •57. Пакеты прикладных программ для статистического анализа.
- •58. Специализированные программы для специальности.
- •59. Справочно-информационные системы. Основные возможности.
- •60. Обеспечение информационной безопасности кис.
9. Анализ и решение задач оптимизации плана производства в Excel.
Закрытая транспортная задача: V производства = V потребления.
Открытая транспортная задача: V производства ≠ V потребления, т.е.
а)излишки производства V производства > V потребления,
б)неудовлетворение спроса V производства < V потребления.
Экономико-математическая модель закрытой транспортной задачи
Целевая функция – минимизация затрат на перевозки где – стоимость единицы продукции.
Основные ограничения : для производителей – полный сбыт продукции (V вывоза = V производства)
для потребителей – полное удовлетворение потребностей (V ввоза = V потребления)
Прямые ограничения: Количество перевозимого товара неотрицательно Количество перевозимого товара целочисленно (необязательное условие
Для решения используется «поиск решения». Порядок работы:
1.Установить целевую ячейку (ячейка, значение которой нужно максимизировать или минимизировать). Ячейка должна содержать формулу для вычисления целевой функции.
2.Указать, какие ячейки изменяются. Указываются те ячейки, значения которых изменяются в процессе поиска решения. В этих ячейках должны содержаться переменные оптимизационной модели.
3.Указать ограничения.
4.Нажать «выполнить» для запуска поиска решения.
10. Ска Maple. Исследование функций. Экстремум.
Наибольшее и наименьшее значение функции. В Maple для исследования функции на экстремум имеется команда extrema(f,{cond},x,'s') , где f - функция, экстремумы которой ищутся, в фигурных скобках {cond} указываются ограничения для переменной, х – имя переменной, по которой ищется экстремум, в апострофах 's' – указывается имя переменной, которой будет присвоена координата точки экстремума. Если оставить пустыми фигурные скобки {}, то поиск экстремумов будет производиться на всей числовой оси.
Подключаем библиотеку
>readlib(extrema);
Определяем экстремум функции
>extrema(arctan(x)-ln(1+x^2)/2,{},x,’x0’);
Команда extrema не может дать ответ на вопрос, какая из точек экстремума есть максимум, а какая – минимум.
11. Ска Maple. Исследование функций. Минимум и максимум.
Для нахождения максимума функции f(x) по переменной х на интервале используется команда maximize(f,x,x=x1..x2), а для нахождения минимума функции f(x) по переменной х на интервале используется команда minimize(f, x, x=x1..x2).
>maximize(arctan(x)-ln(1+x^2)/2, x);
>minimize(arctan(x)-ln(1+x^2)/2, x);-∞
Недостаток этих команд в том, что они выдают только значения функции в точках максимума и минимума, соответственно. Поэтому для того, чтобы полностью решить задачу об исследовании функции y=f(x) на экстремумы с указанием их характера (max или min) и координат (x, y) следует сначала выполнить команду:
>extrema(f, {}, x, ‘s’);
>s;
Затем выполнить команды maximize(f,x); minimize(f,x). После этого будут полностью найдены координаты всех экстремумов и определены их характеры (max или min). Координаты точек максимума или минимума можно получить, если в параметрах этих команд после переменной записать через запятую новую опцию location. В результате в строке вывода после самого максимума (минимума) функции будут в фигурных скобках указаны координаты точек максимума (минимума).
Команды extrema, maximize и minimize обязательно должны быть загружены из стандартной библиотеки командой readlib(name).