- •Розділ 1. Методологічні основи дослідження операцій
- •1.1 Етапи дослідження операцій
- •1.2 Математичне моделювання. Загальна структура
- •1.3 Етапи математичного моделювання. Приклади
- •1.4 Розділи і класи задач дослідження операцій
- •1.5 Основні вимоги до математичних моделей і їх властивості
- •1.6 Формалізація принципів оптимального поводження в моделях прийняття рішення.
- •Розділ 2. Задачі лінійного програмування
- •2.1 Попередні відомості теорії лінійного програмування.
- •2.2 Графічна інтерпретація розв’язання задач лп
- •2.3 Змістовний опис симплекс-методу розв’язання задач лп
- •2.4 Знаходження початкового опорного плану
- •2.5 Знаходження оптимального плану
- •2.6 Застосування симплекс-таблиць
- •2.7 Метод штучної бази
- •2.8 Двоїсті (спряжені) задачі лінійного програмування
- •З другої групи умов доповняльної нежорсткості маємо
- •Розділ 3. Транспортні задачі (т-задачі)
- •3.1 Математична структура т-задач
- •3.2. Визначення початкового опорного плану т-задачі
- •3.3 Властивості опорних планів т-задач
- •3.4 Розв’язання т-задач методом потенціалів
- •3.6 Задача про оптимальні призначення
- •3.7 Задача про максимальний потік. Метод Форда-Фалкерсона
- •3.8 Задача про найкоротший шлях на мережi. Метод Мiнтi
- •Розділ 4. Дискретне програмування
- •4.1 Задача дискретного лп. Метод Гоморi-1)
- •4.2 Задача частково дискретного лп. Метод Гоморi-2
- •4.3 Задача дискретного лп. Метод Гоморi-3
- •4.4 Задача частково дискретного лп. Метод Дальтона-Ллевелiна
- •4.5 Задача дискретного лп. Метод гілок I границь
- •Розділ 5. Нелінійне програмування. Безумовна однопараметрична оптимізація
- •5.1 Загальні відомості
- •5.2 Методи виключення інтервалів
- •Зауваження
- •5.3 Поліноміальна апроксимація
- •5.4 Методи оптимізації з використанням похідних
- •Розділ 6. Нелінійне програмування. Методи умовної оптимізації
- •6.1 Класична задача математичного програмування
- •6.2 Задача опуклого квадратичного програмування.
- •6.3. Метод Франка – Вулфа розв’язання задач квадратичного програмування (зкп)
- •Розділ 7. Теорія прийняття рішень
- •7.1. Теорія корисності і прийняття рішень
- •7.1.1. Прийняття рішень в умовах ризику
- •7.1.2. Критерій “очікуване значення – дисперсія”
- •7.1.3. Критерій граничного рівня.
- •7.2. Прийняття рішень в умовах невизначеності
- •7.2.1. Класичні критерії прийняття рішень
- •7.2.2. Похідні критерії
- •Розділ 8. Прийняття рішень в ігрових ситуаціях
- •8.1 Класифікація ігор
- •8.2 Розв’язання матричних ігор у чистих стратегіях
- •8.3 Змішане розширення матричної гри
- •8.4 Властивості розв’язку матричних ігор
- •8.5. Алгебраїчний метод розв’язання матричних ігор
- •8.6 Графічний метод розв’язання ігор 2nіm 2.
- •8.7 Матричний метод розв’язання ігор
- •8.8. Ітеративні методи розв’язання ігор
- •8.9. Метод послідовного наближення до ціни гри
- •Розділ 9. Нескінченні антагоністичні ігри
- •9.1. Визначення нескінченної антагоністичної гри
- •9.2 Ігри з опуклими функціями виграшів
- •Розділ 10. Безкоаліційні ігри
- •Розділ 11. Кооперативні ігри
- •11.1 Характеристика кооперативних ігор
- •11.2. Характеристичні функції ігор з малим числом гравців
- •Розділ 12. Вправи для самостійної роботи та для практичних і лабораторних занять
- •12.1. Побудова математичних моделей задач
- •12.2. Розв’язання задач лінійного програмування
- •12.3 Розв’язання транспортних задач
- •12.4 Розв’язання задач цілочислового програмування
- •12.5 Розв’язання задач нелінійного програмування
- •12.6 Розв’язання матричних ігор
- •12.7 Лабораторний практикум
- •Розділ 13. Контрольна робота для студентів заочної форми навчання
- •13.1 Правила вибору задач контрольної роботи
- •13.2 Варіанти завдань контрольної роботи
- •Література
- •1.1 Етапи дослідження операцій 5
3.8 Задача про найкоротший шлях на мережi. Метод Мiнтi
Постановка задачі про найкоротший шлях на мережі.
На мережі, що задається графом (I,U), де I – множина вершин, U – множина дуг, з визначеною на ній функцією вартості cij ((i,j) –дуга з U), для фіксованих i1 та is знайти шлях
L = ((i1,i2),(i2,i3),...,(is-1,is))
із вершини i1 у вершину is, довжина якого
найменша.
Алгоритм методу Мiнтi.
Методом Мiнтi розв'язується задача побудови дерева найкоротших шляхів на мережі з коренем у фіксованій вершині i1.
Алгоритм складається із скiнченного числа кроків, на кожному з яких позначаються вершини мережі i виділяються деякі її дуги.
Нехай Pr – множина вершин, позначених на кроцi r, а Ir – множина вершин, позначених за r кроків.
Крок 0. Корiнь дерева (вершина i1) позначається сталою величиною h1=0; i1(h1)=i1(0). Пiсля нульового кроку P0={i1(0)}, I0={i1(0)}.
Нехай виконано r кроків, за які побудована множина
Ir={i1(0),...,ik(hk),...}
позначених вершин ik(hk), кожній з яких поставлене у відповідність число hk (чисельно рівне довжині найкоротшого шляху із вершини i1 у вершину ik).
Крок r+1. Будується розріз мережі, який породжується множиною позначених вершин Ir i визначається множина Jr={...,im,...} непозначених вершин im мережі, в які заходять дуги розрізу. Для кожної дуги (ik,im) розрізу обчислюють суму hk+i позначають ті з дуг, для яких ця сума мінімальна. Потім, виділяють позначені дуги так, щоб в кожну непозначену вершину множиниJr, в яку заходять позначені дуги розрізу, заходила б тільки одна виділена дуга. Пiсля виділення дуг позначають вершини – кінці виділених дуг. Величина позначки рівна мінімальній із сум hk+, обчислених для всіх дуг розрізу. Об'єднуючи множинуIr з множиною Pr+1 вершин, позначених на (r+1)-у кроцi, отримують множину Ir+1 вершин, позначених за (r+1) кроків. Переходять до наступного кроку, якщо існує розріз, що породжується множиною Ir+1.
Описаний процес продовжують до тих пір, поки можливе розширення множини позначених вершин.
Якщо деяка вершина in мережі залишилась непозначеною після закінчення процедури Мiнтi, то шляху, що починається у вершині i1 i закінчується у вершині in, не існує.
Розділ 4. Дискретне програмування
Під час розв’язання задач ЛП часто висувається вимога дискретності (цілочисельності) змінних, що входять у розв’язок. Множиною планів такої задачі буде система точок із цілочисловими координатами, що належать опуклому багатокутнику допустимих розв’язків відповідної недискретної задачі. Якби можна було визначити гіперплощини, що проходять через зовнішні точки такої системи точок цілочислової задачі, причому так, щоб зовнішні точки цієї системи потрапили до нового опуклого багатокутника, то задачу можна було б розв’язати за допомогою звичайного симплекс-методу. У цьому випадку всі крайні точки опуклого багатокутника були б цілочисловими і розв'язок можна було б знайти за скінчене число кроків. Ця ідея послідовного відсікання частин вихідного багатокутника планів, що не містять допустимих цілочислових планів, покладена в основу методів Гоморі, які реалізуються за рахунок побудови додаткових обмежень-нерівностей, які визначають гіперплощини, що відсікають. Ці обмеження мають задовольняти дві умови: відсікання, що полягає у тому, що вони не повинні задовольняти план недискретної задачі; правильності відсікання, що полягають у тому, що вони мають задовольняти всі цілочислові плани задачі.
Існує, також, широкий клас досить універсальних методів, основою яких є пошук оптимуму на дискретній множині планів задачі, на кожному кроці якого виключається з розгляду значна кількість неоптимальних планів. Такі методи мають назву гілок і границь. Їх суть полягає в тому, що множину планів задачі розбивають на ряд підмножин, для кожної з яких знаходять оцінку цільової функції. Процедуру повторюють до тих пір, поки не знаходять підмножину, що містить оптимальний план.