
- •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
1.5 Основні вимоги до математичних моделей і їх властивості
Правильна побудова математичної моделі досліджуваної задачі – основна умова успішної розробки проекту. Невірно побудована модель може призвести до помилкових висновків і виявитися неекономічною під час експлуатації. Правильно розроблена модель може істотно поліпшити економічні результати діяльності фірми або ефективність функціонування організації. Розробка моделі для аналізу досліджуваного виду діяльності вимагає творчого підходу. Крім того, щоб правильно зрозуміти сутність досліджуваної проблеми, необхідно зібрати і ретельно проаналізувати великий обсяг даних. Практичне значення модель здобуває за умови, що її вивчення наявними засобами доступніше, чим вивчення самого об'єкта. З усього сказаного випливають такі вимоги до моделі:
- адекватність (відповідність моделі своєму оригіналу);
- простота (відсутність другорядних факторів);
- об'єктивність (відповідність наукових висновків реальним умовам);
- чутливість (здатність моделі реагувати на зміну параметрів);
- стійкість (малому збурюванню вихідних параметрів повинно відповідати мала зміна рішення задачі (моделі));
- універсальність (широта області застосування).
У теорії оптимізації на даний час розроблено велике число моделей і методів розв’язання різних класів задач (див. підрозділ 1.4). Тому під час побудови математичної моделі будь-якої задачі виникають проблеми ідентифікації: - чи можна використовувати відому модель для формалізації даної задачі?, а якщо ні, то у якій мірі потрібна переробка (пристосування) відповідної моделі ?
Процес ідентифікація математичної моделі і методу розв’язання задачі показаний на схемі, що наведена на рисунку нижче. Розглянемо такий процес на прикладі.
Ідентифікація
моделі
Чи
можливе пристосування?
Чи
підходить
задача до
відомих
моделей? Побудова
нової модели
Вибір
моделі
Ідентифікація
методу
розв’язання
Чи
можливе розв’язання задачі відомими
методами
Чи
можлива
модифікація?
Розробка
нового методу
Вибір
методу
Розв’язання
задачі
Приклад 1.10 (Задача розміщення підприємств). З метою розширення сфери діяльності фірма планує відкрити кілька нових філій. Пункт i є однією з можливих точок розміщення нової філії потужністю Si, а постійні витрати пов’язані з його експлуатацією, дорівнюють Fi ≥ 0 незалежно від фактичного обсягу випуску. Існує усього m можливих пунктів (i =1,2,…,m) розміщення, але відкривати філії у всіх цих пунктах нераціонально. Для кожного пункту i виготовлення і пункту j збуту відомі: cij ≥ 0 – сукупні виробничі і транспортні витрати; Fij ≥ 0 – деякі постійні витрати (Fij не залежить від обсягу перевезень xij > 0, однак для xij = 0 Fij = 0). Потрібно вибрати такі пункти розміщення нових підприємств, щоб сумарні витрати були мінімальні.
Для побудови математичної моделі цієї задачі, виходячи зі схожості умов, слід орієнтуватися на модель класичної транспортної задачі, сформульованої у підрозділі 1.4 і яка що має вигляд
(сумарні
транспортні витрати) (1.5)
за обмежень:
(пропозиція); (1.6)
(попит); (1.7)
xij ≥ 0 (обсяг перевезень) (1.8)
Для нашого прикладі введемо позначення:
Uij = min (аi,bj).
Тоді замість функції (1.5) отримаємо сумарні витрати у вигляді:
. (1.9)
Замість обмеження (1.6) на потужності постачальників вводимо обмеження на пропускні здатності маршрутів
, (1.10)
при цьому обмеження (1.7) по попиту споживачів залишається без змін:
(1.11)
Побудову моделі ще не закінчено. Слід забезпечити щоб умова xij > 0 виконувалося тільки у випадку, коли zij = 1. Це досягається за допомогою лінійних обмежень:
xij ≤ Uij zij для будь-яких i, j = 1,...,m (1.12)
Крім того,
хij ≥ 0, i, j = 1,...,m (1.13)
Тепер можна сказати, що математична модель (1.9)-(1.13) задачі прикладу 1.10 отримана у результаті модифікації моделі (1.5) - (1.8) класичної транспортної задачі.