
- •1.Загальна модель задачі лінійного програмування. Цільова функція задачі математичного програмування. Основні і неосновні обмеження. Оптимальні та допустимі розв’язки задачі лінійного програмування
- •3.Двоїста задача лінійного програмування, правила її побудови. Пошук розв’язку двоїстої задачі.
- •4.Транспортна задача лінійного програмування. Методи побудови опорних розв’язків транспортної задачі.
- •5.Основні теореми двоїстої та їх економічний зміст.
- •6.Базисний та опорний розв’язки задачі лінійного програмування. Штучний базис задачі лінійного програмування.
- •7.Задачі цілочисельного програмування та методи їх розв’язку.
- •8.Поняття задачі динамічного програмування. Принцип оптимальності Беллмана.
- •9. Метод найменших квадратів для побудови економетричних моделей.
- •12. Перевірка коефіцієнтів економетричної моделі на значущість, довірчі інтервали оцінок параметрів моделі.
- •13. Нелінійні економетричні моделі, лінеаризація нелінійних моделей.
- •14. Автокореляція залишків. Причини виникнення, наслідки, методи виявлення.
- •15. Методи виявлення та усунення автокореляції залишків.
- •16. Гетероскедатичність залишків, причини виникнення, наслідки, методи виявлення.
- •17. Методи виявлення та усунення гетероскедатичності.
- •18. Мультиколінеарність регресорів, причини виникнення, наслідки, методи виявлення та усунення.
- •19. Загальна схема побудови та дослідження економетричної моделі.
- •20. Економетричні моделі динаміки. Поняття стаціонарного часового ряду. Розклад часового ряду.
- •21. Тренд часового ряду та його виявлення
- •23. Визначення схильності до ризику. Детермінований еквівалент ризику. Індивідуальна функція корисності.
- •24. Ігрові методи прийняття рішень в умовах невизначеності.
- •25. Матриця ризику. Критерії Вольра, Байєса, Гурвіца.
- •28. Поняття моделі та моделювання. Основні принципи побудови економіко-математичної моделі.
- •29. Задачі нелінійного програмування, методи та особливості їх розв’язків.
- •30. Задачі лінійного програмування та методи їх розв’язку.
5.Основні теореми двоїстої та їх економічний зміст.
Зв’язок між оптимальними розв’язками прямої та двоїстої задач встановлюють леми та теореми двоїстості.
Основна
нерівність теорії двоїстості. Якщо
та
— допустимі розв’язки відповідно
прямої та двоїстої задач, то виконується
нерівність
або
.
Доведення. Помножимо кожне рівняння системи на відповідну змінну двоїстої задачі:
Маємо:
Підсумувавши
праві і ліві частини нерівностей,
отримаємо:.
Аналогічно перетворимо систему обмежень двоїстої задачі:
Підсумувавши
після множення тут також ліві та праві
частини, отримаємо нерівність:
.
Ліві
частини нерівностей та збігаються,
отже:
.
Нерівність доведено.
Достатня
умова оптимальності. Якщо
та
— допустимі розв’язки відповідно
прямої та двоїстої задач, для яких
виконується рівність
то
X*, Y* — оптимальні розв’язки відповідних
задач.
Доведення.
Нехай
— допустимий план прямої задачі. Тоді
на підставі нерівності маємо:
.
За умовою задачі
,
отже
Оскільки
за допущенням
— довільний допустимий план прямої
задачі, то нерівність виконується для
будь-якого з можливих розв’язків. Отже,
маємо, що при
цільова
функція набирає найбільшого значення,
тобто є оптимальним розв’язком початкової
задачі.
В
аналогічний спосіб доводиться, що
— оптимальний план двоїстої задачі.
6.Базисний та опорний розв’язки задачі лінійного програмування. Штучний базис задачі лінійного програмування.
Базисний розв'язок складається з базисних змінних і нулів, причому нулям відповідають небазисні змінні. Якщо в базисі є стільки змінних, скільки рівнянь, то такий базис називається не виродженим. Якщо ж базисних змінних менше, то такий базис називається виродженим.
Якщо базисний розв’язок задачі не містить від’ємних чисел, то він називається опорним.
Більшість задач не можна звести до потрібного вигляду. В такому разі застосовується метод штучного базису.
Розглянемо задачу лінійного програмування:
Задача подана в канонічному вигляді і система обмежень не містить одиничної матриці. Отримати одиничну матрицю можна, якщо до кожного рівняння в системі обмежень задачі додати одну змінну . Такі змінні називають штучними. (Не обов’язково кількість введених штучних змінних має дорівнювати m. Їх необхідно вводити лише в ті рівняння системи обмежень, які не розв’язані відносно базисних змінних.) Допустимо, що система рівнянь не містить жодного одиничного вектора, тоді штучну змінну вводять у кожне рівняння:
7.Задачі цілочисельного програмування та методи їх розв’язку.
У багатьох задачах оптимального планування значення невідомих вказує на кількість одиниць того чи іншого обладнання, автомашин і т.д., тобто є цілими числами. Задачі лінійного програмування, у яких допустимі множини включають також вимогу цілочисельності всіх змінних, називаються задачами цілочисельності лінійного програмування.
Прикладом математичної моделі такої задачі є:
max(min)Z=
Де N – деяка множина множини (1,2,…,m).
Якщо N=(1,2,3,…,n), то ця задача повністю цілочисельного лінійного програмування, у протилежному випадку – задача частково цілочисельного лінійного програмування.