- •1. Основные понятия исследования операций
- •2. Математические модели
- •3. Предмет и история развития исследования операций
- •1. Постановка задачи.
- •5. Модели и моделирование.
- •6. Различные подходы к классификации моделей.
- •7. Математическая модель операции.
- •8. Этапы решения задач на компьютере методом математического моделирования.
- •9. Особенности решения задач с использованием компьютера.
- •10. Элементы математического программирования.
- •11. Основная задача линейного программирования.
- •12. Геометрическая интерпретация
- •2) Со многими переменными:
- •13. Симплекс-метод
- •14. Симплекс-таблицы
- •15. Графическое решение двумерных задач линейного программирования
- •16. Динамическое программирование
- •18. Идея метода Монте-Карло. Имитационное моделирование с помощью метода Монте-Карло.
- •19. Моделирование случайных процессов.
- •20. Системы массового обслуживания.
- •22. Элементы теории графов.
- •23. Сетевые модели.
- •24. Деревья. Остовные деревья
- •25. Задача о построении линейного оставного дерева.
- •26. Задача о нахождении кратчайшего пути в графе
- •27. Сетевое планирование
- •28. Пакеты символьной математики.
- •29. Использование программных средств общего и специального назначения при моделировании. Метод визуализации.
- •30. Математические модели и вычислительные методы
- •31. Математическое моделирование и вычислительный эксперимент как способ исследования
18. Идея метода Монте-Карло. Имитационное моделирование с помощью метода Монте-Карло.
Основная идея метода Монте-Карло заключается в многократном повторении случайных испытаний. Характерной особенностью метода Монте-Карло является использование случайных чисел (числовых значений некоторой случайной величины). Такие числа можно получать с помощью датчиков случайных чисел. Например, в языке программирования Turbo Pascal имеется стандартная функция random , значениями которой являются случайные чис¬ла, равномерно распределенные на отрезке [0; 1]. Сказанное означает, что если разбить указанный отрезок на некоторое число равных интервалов и вычислить значение функции random большое число раз, то в каждый интервал попадет приблизительно одинаковое количество случайных чисел. В языке программирования basin подобным датчиком является функция rnd. В табличном процессоре MS Excel функция СЛЧИС возвращает равномерно распределенное случайное число большее или равное 0 и меньшее 1
19. Моделирование случайных процессов.
Моделирование случайных процессов, в том числе и систем массового обслуживания, осуществляется с помощью моделирования случайных величин, подчиняющихся различным распределениям: равномерному, показательному и нормальному.
Для получения таких случайных величин используется случайная величина x, равномерно распределённой на отрезке [0;1], из которой различными преобразованиями получают случайную величину, которая подчиняется требуемому закону распределения.
Случайная величина х можно получить 3-мя способами:
1. используя таблицу случайных чисел;
2. с помощью генераторов случайных чисел;
3. программным путём с помощью ЭВМ.
20. Системы массового обслуживания.
Системой массового обслуживания (СМО) называется любая система, предназначенная для обслуживания какого-либо потока заявок.
Примерами систем массового обслуживания могут служить:
персональные компьютеры, обслуживающие поступающие заявки или требования на решение тех или иных задач;
станции технического обслуживания автомобилей;
аудиторские фирмы и т.д.
В CMО обслуживаемый объект называют требованием. В общем случае под требованием обычно понимают запрос на удовлетворение некоторой потребности, например, разговор с абонентом, посадка самолета, покупка билета, получение материалов на складе.
Средства, обслуживающие требования, называются обслуживающими устройствами или каналами обслуживания. Например, к ним относятся каналы телефонной связи, посадочные полосы, мастера-ремонтники, билетные кассиры, погрузочно-разгрузочные точки на базах и складах.
Предметом теории массового обслуживания является установление зависимости между факторами, определяющими функциональные возможности системы массового обслуживания, и эффективностью ее функционирования.
Основной задачей теории СМО является изучение режима функционирования обслуживающей системы и исследование явлений, возникающих в процессе обслуживания.
Так, одной из характеристик обслуживающей системы является время пребывания требования в очереди. Очевидно, что это время можно сократить за счет увеличения количества обслуживающих устройств. Однако каждое дополнительное устройство требует определенных материальных затрат, при этом увеличивается время бездействия обслуживающего устройства из-за отсутствия требований на обслуживание, что также является негативным явлением. Следовательно, в теории СМО возникают задачи оптимизации: каким образом достичь определенного уровня обслуживания (максимального сокращения очереди или потерь требований) при минимальных затратах, связанных с простоем обслуживающих устройств.
Классификация СМО:
По характеру случайного процесса, происходящего в СМО, различают системы Марковские и не Марковские.
Случайный процесс называется Марковским, если для любого момента времени t вероятностные характеристики процесса в будущем зависят только от его состояния в данный момент t и не зависят от того, когда и как система пришла в это состояние. Переходы системы из состояния в состояние происходят под действием каких-то потоков событий (поток заявок, поток отказов).
В случае не Марковских процессов задачи исследования СМО значительно усложняются и требуют применения статистического моделирования, численных методов с использованием ЭВМ.
По составу СМО бывают одноканальные (с одним обслуживающим устройством) и многоканальными (с большим числом обслуживающих устройств).