- •№0 Лабораторная работа: Введение в Maple. Операции с матрицами, графики, комментарии.
- •Задание № 1
- •Задание № 2
- •Задание № 3
- •Задание № 4
- •Задание № 5
- •Задание № 6
- •Задание № 7
- •Задание № 8
- •Задания для самостоятельной работы
- •№ 1. Лабораторная работа: Принятие решений в условиях определенности
- •2.1. Свертывание векторного критерия в скалярный для равноценных частных критериев
- •§1.1. Постановка задачи
- •§1.2. Краткие теоретические сведения
- •§1.3. Алгоритм решения задачи
- •§1.4. Моделирование в Maple
- •§1.5. Анализ результатов моделирования
- •§1.6. Выводы
- •§1.7. Задания для самостоятельной работы
- •1.2. Свертывание векторного критерия в скалярный для неравноценных частных критериев
- •§1.1. Постановка задачи
- •§1.2. Краткие теоретические сведения
- •§1.3. Алгоритм решения задачи
- •§1.4. Моделирование в Maple
- •§1.5. Анализ результатов моделирования
- •§1.6. Выводы
- •§1.7. Задания для самостоятельной работы
- •1.3. Множество Парето, оптимально-компромиссные решения задач принятия решений в условиях определенности
- •§1.3.1. Постановка задачи
- •§1.3.2. Краткие теоретические сведения
- •§1.3.3. Алгоритм решения задачи
- •§1.3.4. Моделирование в Maple
- •§1.3.5. Анализ результатов моделирования
- •§1.3.6. Выводы
- •§1.3.7. Задания для самостоятельной работы
- •№ 2. Лабораторная работа: Принятие решений в условиях неопределенности и в условиях риска
- •2.1. Принятие решения в условиях неопределенности §2.1.1. Постановка задачи
- •§2.1.2. Краткие теоретические сведения
- •§2.1.3. Алгоритм решения задачи
- •§2.1.4. Моделирование в Maple
- •§2.1.5. Выводы
- •§2.1.6. Задания для самостоятельной работы
- •§2.2.1.3. Алгоритм решения задачи
- •§2.2.1.4. Моделирование в Maple.
- •§2.2.5. Выводы
- •§2.2.1.6. Задания для самостоятельной работы
- •2.2.2. Принятие решения в условиях риска: определение наилучшей лотереи. §2.2.2.1. Постановка задачи
- •§2.2.2.2. Краткие теоретические сведения
- •§2.2.2.3. Алгоритм решения задачи
- •§2.2.2.4. Моделирование в Maple
- •§2.2.2.5. Выводы
- •§1.6. Задания для самостоятельной работы
- •2.2.3. Принятие решения в условиях риска с помощью критерия Гермейера. §2.2.3.1. Постановка задачи
- •§2.2.3.2. Краткие теоретические сведения
- •§2.2.3.3. Алгоритм решения задачи
- •§2.2.3.4. Моделирование в Maple
- •§2.2.3.5. Выводы
- •§2.2.3.6. Задания для самостоятельной работы
- •№ 3. Лабораторная работа: Марковские модели принятия решений
- •3.1. Контроль партии изделий большими и малыми выборками
- •3.1.1.Постановка задачи
- •3.1.2. Теоретические сведения
- •Матрица, обладающая свойством
- •Называется стохастической.
- •3.1.3. Алгоритм решения задачи
- •3.1.4. Моделирование в Maple
- •3.1.5. Варианты для самостоятельной работы
- •3.2. Определение выгоды выпуска книги издательством и автором (вид обложки и необходимость рекламы)
- •3.2.1. Постановка задачи
- •3.2.2. Теоретические сведения
- •3.2.3. Алгоритм решения задачи.
- •3.2.4. Моделирование в Maple
- •3.2.5. Варианты для самостоятельной работы
- •3.3. Определение оптимальной стратегии работы специалиста, обеспечивающей максимальную эффективность использования программного обеспечения
- •3.3.1.Постановка задачи
- •3.3.2. Теоретические сведения
- •3.3.3. Алгоритм решения задачи
- •3.3.4. Моделирование в Maple
- •1. Задаем входные данные
- •3.3.3. Алгоритм решения задачи.
- •3.3.4. Моделирование в Maple
- •1. Задаем входные данные
- •Продолжаем повторно уточнение выбора оптимальной стратегии.
- •3.3.5. Варианты для самостоятельной работы
- •№ 4. Лабораторная работа: Игровые модели задач теории игр в смешанных стратегиях
- •§4.1. Общая постановка задач
- •§4.2. Краткие теоретические сведения
- •4.1. Решение игры вида «2х2», заданной матрицей
- •4.1.1. Постановка задачи и краткие теоретические сведения
- •4.1.2. Краткие теоретические сведения
- •4.1.3. Алгоритм решения задачи и моделирование в Maple.
- •4.2. Решение матричной игры вида «2хn»
- •4.2.1. Постановка задачи и краткие теоретические сведения
- •4.2.3. Алгоритм решения задачи и моделирование в Maple
- •4.3. Решение матричной игры вида «mх2»
- •4.3.1. Постановка задачи
- •4.3.2. Краткие теоретические сведения
- •4.3.3. Алгоритм решения задачи.
- •4.3.4. Моделирование в Maple.
- •6. Проведите анализ результатов моделирования
- •7. Задания для самостоятельной работы
- •5. Оглавление
Задание № 5
Используйте для работы с матрицами встроенные функции augment, rows, cols, max, min.
Выполните слияние векторов A1, В1 и матрицы В, А. Для этого введите:
Q: = augment(A1, B2, B,A).
В скобках через запятую запишите последовательность сливаемых векторов и матриц.
Чтобы увидеть результат, нажмите Enter.
Результат на экране:
Для определения количества строк и столбцов матрицы используются, соответственно, встроенные функции rowdim(.) и coldim(.). В скобки вводятся идентификаторы векторов или матриц. Определите размерность матрицы Q.
Результат на экране:
Задание № 6
Постройте график элементов строки (столбца) матрицы.
Постройте графики значений элементов строк матрицы Q.
Для того чтобы построить график, необходимо во второй строчке окна программы Maple выбрать меню Insert, затем Рlot и 2D. У Вас появится шаблон для построения графика в двухмерной системе координат.
Щелкните мышкой по графику, и у Вас появится меню Plot, где цифры показывают положение курсора в данный момент на графике.
Рис. 1.7. Меню графики
Здесь Вы можете выбрать вид графика, расположение осей координат, масштаб, менять свойства осей (координатной сетки).
Определите значения графика функции на оси х. Оно изменяется от 0 до значения количества элементов в строке матрицы Q, которое определяется при помощи функции coldim( ), т. е. 8.
Определите значения графика функции на оси y. Оно изменяется от 0 до максимального значения элемента матрицы Q, которое определяется при помощи функции max(.), т. е. 16.
В скобках вбейте координаты точек графика
Нажмите Enter — график будет построен.
Результат па экране:
Рис. 1.8. График элементов строки
Построение этого графика может быть записано более кратко, посредством использования функции (команды) seq, порождающей последовательность выражений, вид которых задаётся первым аргументом, для диапазона значений заданного вторым аргументом.
В наших лабораторных работах далее будем использовать оба способа построения графиков.
Команда seq используется, чтобы построить числовую последовательность. Самая типичная последовательность запроса — seq (f (i), i = 1.. n), который создает последовательность f (1), f (2), ..., f (n). Более подробно, seq (f (i), i = m.. n) производит последовательность f (m), f (m + 1), ..., f (n).
Запрос seq (f (i), i = x) образует последовательность, где f обращается к каждому операнду или параметру x. Здесь x — обычно набор переменных, но это может быть любая другая структура данных, к которой операция может быть применена, такая как сумма.
seq (m.. n) и seq (m.. n, step) — запросы на создание числовой последовательности, начинающейся с m, протекающей m + шаг. Последнее значение не превышает n. Когда шаг опущен, шаг по умолчанию равен 1.
Команда seq связана с конструкцией программно. Точная семантика первых двух версий запроса seq может лучше всего быть понята. В этом описании любое выражение f типично является функцией от i.
Описание параметров:
f — любое выражение;
i — имя выражения;
m, n — числовые значения;
x — выражение;
step — шаг.
Результат на экране:
Очевидно, здесь будет являться последовательность квадратов натуральных чисел от одного до десяти.
Постройте график, породив последовательность точек при помощи функции.
Результат на экране:
