
- •2. Случайные величины. Свойства функции распределения.
- •3. Распределение случайных дискретных величин
- •4. Формулы полной вероятности. Формула Байеса
- •5. Симплекс-метод
- •Симплекс-алгоритм
- •7. Необходимое условие условного минимума. Теорема Куна-Таккера.
- •Построение общего решения однородного уравнения
- •Нахождение частного решения неоднородного уравнения методом неопределенных коэффициентов
- •1) Нерезонансный случай.
- •2) Резонансный случай.
- •10. Краевые задачи. (Альтернатива Фредгольма. Функция Грина и её свойства. Теорема о свойствах собственных значений и собственных функций).
- •Функция Грина и её свойства.
- •11. Условный экстремум. Метод множителей Лагранжа
- •12. Формула Тейлора
- •13. Теорема Абеля о сходимости степенного ряда.
- •14. Принцип сжимающих отображений.
- •15. Ряды Фурье в гильбертовом пространстве. Равенство Парсеваля.
- •16. Сочетания и размещения
- •17. Минимизация днф.
- •18. Отношения эквивалентности и порядка.
- •19. Пути и циклы в графах
- •20. Задача Коши для одномерного волнового уравнения. Формула д’Аламбера
- •21. Гармонические функции. Постановка краевых задач для уравнения Лапласа и Пуассона.
- •22. Квадратичные формы. Закон инерции квадратичных форм. Критерий Сильвестра.
- •23. Собственные векторы и собственные значения линейного оператора.
- •24. Евклидово пространство. Ортогональность. Процесс ортогонализации.
- •25. Жорданова форма линейного оператора
- •26. Численные методы решения систем линейных алгебраических уравнений.
- •Метод Гаусса
Симплекс-алгоритм
1). Нестандартный шаг.
Пусть каким-то
образом найден исходный опорный план,
например
с базисом
.
Находим координаты
всех векторов
в базисе. Для базисных векторов координаты
уже известны, т.к.
.
2).Критерий оптимальности.
Вычисляем по
формуле оценки для небазисных векторов
(для базисных они равны нулю). Если все
оценки
,
то рассматриваемый опорный план является
оптимальным. При этом оптимальное
значение целевой функции, соответствующей
этому плану:
и задача решена. В противном случае
переходим к шагу 3.
3).Критерий неограниченности целевой функции задачи.
Пусть среди
отрицательных оценок нашлась такая
,
что все числа
.
Тогда целевая функция неограниченна
сверху в допустимой области. В противном
случае переходим к шагу 4.
4).Критерий улучшаемости опорного решения.
Среди отрицательных
оценок выбираем любую, например
наименьшую. Обозначим ее
.
Тогда вектор
вводим
в базис наr-тую
позицию, где r
вычисляется по формуле:
.
Тем самым вектор
удаляется
из базиса. Новому базису соответствует
опорный план с большим значением целевой
функции, чем на предыдущем опорном
плане.
5).Вычисление координат векторов в новом базисе.
-
координаты вектора
в новом базисе. У получившихся векторов
координаты вычисляются по формуле (9).
При этом для базисных векторов координаты
известны.
Переходим к шагу 2).
(Каждый переход к шагу 2) называется итерацией симплекс-алгоритма.
Известно, что в невырожденном случае, т.е. когда все опорные планы невырождены, любая задача решается за конечное число шагов. Если задача невырождена, то номер r определяется однозначно. Выбор наименьшей отрицательной оценки на шаге 4) обеспечивает переход к той соседней вершине, которая дает большее приращение функции. В среднем это правило работает эффективно.
6. Матричные игры
Общее описание матричной игры:
У 1-го игрока имеется набор из m стратегий, у 2-го игрока имеется n стратегий. Если игрок 1 выбрал стратегию i, а игрок 2 – стратегию j, то выигрыш 1-го игрока равен числу aij. Матрица А={ aij }m×n – матрица игры, упорядоченная пара стратегий (i, j) – ситуация. Ситуация (i*, j*) – называется приемлемой для игрока 1, если ai*j* >= aij*. Аналогично ситуация (i*, j*) – называется приемлемой для игрока 2, если ai*j* <= ai*j. Ситуация, приемлемая для обоих игроков называется равновесной.
Игра с 0-й суммой и в которой уч. 2 игрока, называется антоганистической. Антоганистическая игра, в которой каждый из игроков имеет конечное число сратегий, наз матричной. Равновесная ситуация в игре – седловая точка. Поиск седловой точки:
,
,…,
;
,…,
;
;
-
условный гарантированный выигрыш 1-го
игрока,
-гарантированный
условный проигрыш 2-го игрока.
В общем случае
,
-нижнее
значение игры,
-верхнее
значение игры.
Седловая точка
существует, когда
.
Матричная игра
всегда имеет решение в смешанных
стратегиях:
-
значение игры.
Решение стратегий
1-го игрока: разделим
все условия на неизвестную положительную
величину V:
V>0
;
;
;
- задача линейного программирования,
решается симплекс методом, получаем
вектор
.
Цена игры
,
,
i=1,..,m.
Решение стратегий 2-го игрока:
,
,
,
;
Оптимальное
решение
;
оптимальные смешанные стратегии.
-цена игры.
1-й игрок max оценка выигрыша, а 2-й min оценка проигрыша.