![](/user_photo/2706_HbeT2.jpg)
- •§ 1. Балансовые модели
- •1. Войти в excel
- •1. В первом столбце таблицы перечислены “чистые отрасли”, более или менее цельные, самостоятельные (энергетика, металлургия, машиностроение, оборонка, сельское хозяйство и т.Д.)
- •§ 3. Общая постановка задачи линейного программирования. Симплекс- метод
- •1. Множество решений системы (1) из § 2 является выпуклым многогранником (напомним, что выпуклое множество вместе с любыми двумя точками содержит все точки соединяющего их отрезка).
- •2. Вершины многогранника называются угловыми точками.
- •2. Приводим задачу к каноническому виду:
- •3. Составляем исходную симплекс-таблицу (заметим, что в разных учебных пособиях форма симплекс- таблицы различна!):
- •4. Проверяем опорное решение на оптимальность: если все элементы оценочной строки неотрицательны, то опорное решение оптимально. В нашем случае это не так.
- •1. Если в оценочной строке последней симплекс- таблицы все коэффициенты при балансовых переменных больше 0, то оптимальное решение единственно.
- •§ 4. Двойственные задачи (dual problem).
- •1. Построение математической модели:
- •§ 5. Транспортная задача (transportation
- •1. Вывести весь груз поставщиков (запасы)
- •2. Удовлетворить весь спрос потребителей
- •3. Минимизировать суммарные затраты.
- •1. Нахождение начального опорного плана (угловой точки).
- •2. Проверка опорного плана на оптимальность.
- •3. Переход к новому опорному плану, лучшему, чем предыдущему.
- •4. Проверка опорного плана на оптимальность.
- •1. Нахождение начального опорного плана (угловой точки).
- •2. Проверка опорного плана на оптимальность.
- •3. Переход к новому опорному плану, лучшему, чем предыдущему.
- •50 Изделий из Стокгольма в Лион
- •1. Нахождение начального опорного плана (угловой точки).
- •2. Проверка опорного плана на оптимальность.
- •§ 6 Задача о назначениях (assignment problem).
- •1. Образовать таблицу затрат с.
- •§ 7 Задачи нелинейного программирования
- •§ 8 Игры двух лиц с нулевой суммой (theory of games).
- •1. Наличие двух игроков а и в, с противоположными целями. Поэтому игру и называют антагонистической.
- •2. Наличие у каждого игрока конечного числа ходов, называемых также чистыми стратегиями. Каждый игрок знает чистые стратегии соперника, но не знает какую чистую стратегию тот применит.
- •3. Игроки независимо выбирают чистые стратегии (ходы), после чего игра (партия) заканчивается и каждому игроку выплачивается выигрыш, причем сумма выигрышей равна нулю.
- •4. Все возможные выигрыши аij игрока а сосредоточены в платежной матрице:
- •2. Пусть игрок а обладает 4 чистыми стратегиями. Будут ли следующие векторы смешанными стратегиями?
- •2. Пусть игрок а имеет две чистых стратегии.
- •§ 10 Сведение матричных игр с нулевой суммой к задачам линейного программирования
- •§ 11. Итерационный метод (Брауна – Робинсона).
- •§ 12. Игры с природой (статистические решения)
- •1. Критерий крайнего оптимизма.
- •2. Критерий Вальда
- •3. Критерий Гурвица
- •4. Критерий Сэвиджа
- •5. Критерий Лапласа
- •1. Критерий крайнего оптимизма.
- •§ 13. Модели принятия решений с помощью деревьев решений.
- •1. Изображаем дерево решений, указывая все этапы процесса принятия решений.
- •1. Изображаем дерево решений, указывая все этапы процесса принятия решений.
- •1. Оптимизация 4-го шага, т.Е. Решение задачи:
- •2. Оптимизация 3-го шага, т.Е. Решение задачи:
- •3. Оптимизация 2-го шага, т.Е. Решение задачи:
- •4. Оптимизация 1- го шага → табл.5
- •5. Обратный ход – окончательный оптимальный набор шаговых уравнений
- •80, Третьему- 40, четвертому - 40.
- •§ 15 Вероятностные модели
- •2. Формирование оптимального портфеля акций
- •1 3, 14, 23. Ясно, что точки 1 и 2 не доминируются другими. Они и образуютПарето - оптимальное множество. Среди них и нужно выбрать оптимальную.
- •1. Предоставить окончательный выбор лицу, принимающему решение (например, совету директоров).
- •2. Воспользоваться объединяющей взвешивающей формулой:
- •§ 17. Математическая модель управления запасами
- •1. В момент полного исчерпания запасов склада мгновенно поступает ранее заказанная партия запасов в количестве q.
- •2. С другой стороны со скоростью V ед. Запасов/ ед. Времени запасы отпускаются потребителям:
- •§ 18. Моделирование социально- экономической структуры общества.
- •§ 16. Дисперсионный анализ
- •1. Пусть х- случайная величина, определяющая результативный признак , в данном случае- производительность. Фактор а- методика обучения.
- •3. Подсчитываем факторную дисперсию:
- •4. Подсчитываем остаточную дисперсию:
- •5. Вычисляем значение критерия Фишера:
- •7. Находим число степеней свободы числителя (v1 ) и
- •§ 19. Имитационное моделирование (model simulation)
- •4. Итоговая оценка суммарных издержек:
- •5. Итоговая оценка суммарных издержек:
- •§ 19. Моделирование социально- экономической структуры общества.
- •1. Афанасьев м.Ю., Суворов б.Р. Исследование операций в экономике.-м.: Инфра-м, 2003.
1. Критерий крайнего оптимизма.
Игрок А считает, что при любом факторе неопределенности ему повезет и он принимает решение по критерию
В нашем случае,
=
40, т.е. база закупает 4 тыс. ед. товара.
2. Критерий Вальда
Игрок А ищет не лучшее решение, а лучшее среди худших. Такая позиция отличается осторожностью и разумным пессимизмом. И то и другое не лишнее в экономике.
Критерий:
Критерий Вальда называют также максимином, или принципом максимального гарантированного результата.
В нашем случае,
=
18, т.е. база закупает 2 тыс. ед. товара.
3. Критерий Гурвица
Этот критерий учитывает как пессимистический, так и оптимистический подходы.
Критерий:
При λ = 1 критерий Гурвица переходит в критерий Вальда,
при λ = 0 - в критерий крайнего оптимизма.
Т.о. λ - коэффициент пессимизма.
Пусть, в нашем случае, λ = 0,7, тогда
=
max
(0,7*18+0,3*20, 0,7*16+0,3*30,
0,7*12+0,3*40) = max (18,6, 20,2, 20,4) = 20,4, т.е. база закупает 4 тыс. ед. товара.
4. Критерий Сэвиджа
Поставим вопрос - сколько бы мы потеряли, если бы точно знали фактор неопределенности. Например, если точно известно, что фактор неопределенности равен 2, то при первом решении потери (их называют также риском) равны 0, во втором решении потери равны 4, а при третьем решении потери равны 8. Практически для отыскания потерь нужно в каждом столбце найти максимальное значение и вычесть из него остальные элементы этого столбца. Содержательно риск интерпретируется как мера сожаления, возникающего от незнания истинного состояния среды.
Образуем матрицу потерь (рисков, rij):
решение |
2 |
3 |
4 |
2 |
0 |
11 |
22 |
3 |
4 |
0 |
11 |
4 |
8 |
4 |
0 |
Критерий:
В нашем случае,
=
8, т.е. база закупает 4 тыс. ед. товара.
5. Критерий Лапласа
Пусть игроку А известны вероятности факторов неопределенности. Тогда рассчитывают математическое ожидание выигрыша при каждой стратегии и из них выбирают наибольшее.
Пусть, в нашем случае вероятности
р1 = 0,25, р2 = 0,45, р3 = 0,30
max (11*0,45 + 22*0,30, 4*0,25 + 11*0,30, 8*0,25 + 4*0,45)=
max (12,1, 4,3, 3,8)=12,1 т.е. база закупает 2 тыс. ед. товара.
Как отмечается в [ 13], оптимальные решения, получаемые по указанным критериям, могут не совпадать, что неудивительно, так как критерии основаны на разных гипотезах.
Пример.
Акционерное общество планирует открыть автосервис для японских и корейских машин. Возможный спрос, по прогнозам, составит 2, 4, 6, 8 т. машин в год. Средняя прибыль от ремонта одного автомобиля составляет 90 $. Убытки, вызванные отказом в обслуживании из- за недостатка мощностей- 50 $ в расчете на одну машину (упущенная прибыль). Убытки от простоя оборудования и механиков -60 $.
Составить платежную матрицу (таблицу) и принять решение о мощности автосервиса по различным критериям.
решение |
2 т. авт. |
4 |
6 |
8 |
2 т. авт. |
180 |
80 |
-20 |
-120 |
4 |
60 |
360 |
260 |
160 |
6 |
-60 |
240 |
540 |
440 |
8 |
-180 |
120 |
420 |
720 |