![](/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. Войти в excel
2. Записать в клетках EXCEL матрицу А
3. Записать в клетках матрицу Е-А
4. Выделить диапазон ячеек для размещения обратной матрицы.
5. Кликнуть fx
6. МОБР
7. Выделить матрицу Е-А
8. OK
9 F2
10. Кликнуть клавиши SHIFT + СTRL + ENTER .
11. Записать результат.
Чтобы умножить полученную обратную матрицу на вектор У нужно
1. Выделить диапазон ячеек для размещения результатов умножения.
2. На верхней панели кликнуть f x.
3. МУМНОЖ
4. Выделить заданные матрицы
5. ОК
6. F2
7. Кликнуть клавиши SHIFT + СTRL + ENTER .
8. Записать результат.
Пример.
Пусть теперь сразу задана технологическая матрица
А=
и
вектор конечного продуктаY=
.
Требуется найти соответствующий вектор
валового выпуска Х.
Следуя вышесказанному:
Е – А =
(Е – А)-1
=
|
|
|
|
|
|
|
|
|
Заметим, что в общем виде балансовую таблицу записывают так:
Потребляющие отрасли |
1 |
2 |
. |
. |
. |
n |
X |
Y |
Производящие отрасли | ||||||||
1 |
x11 |
x12 |
. |
. |
. |
x1 n |
x1 |
y1 |
2 |
x21 |
x22 |
. |
. |
. |
x2 n |
x2 |
y2 |
. |
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
n |
x n1 |
x n2 |
. |
. |
. |
x n |
x n |
y n |
1. В первом столбце таблицы перечислены “чистые отрасли”, более или менее цельные, самостоятельные (энергетика, металлургия, машиностроение, оборонка, сельское хозяйство и т.Д.)
2. В первой строке эти же отрасли представлены, как потребляющие
3. х i j – указывает объем продукции i-й отрасли, потребляемой j – й отраслью.
4. Столбец Х – совокупный (валовый) продукт каждой отрасли за год
5. Столбец У – объем продукции, предназначенной для реализации, т.е конечный продукт каждой отрасли за год,
§ 2. Модели линейного программирования (linear programming ).
Задача линейного программирования- это такая задача, в которой определеное выражение (критерий, целевая функция) должно быть оптимизировано при наличии ряда ограничений. При этом, как целевая функция, так и ограничения представляют собой линейные выражения.
Такие задачи часто возникают в практических ситуациях. Мы подробно рассмотрим как ставится задача линейного программирования и как применяются методы оптимизации.
Становление этого класса задач относится к 50-м годам ХХ века и связано с решением в ряде стран практических задач в экономике (наилучшая загрузка оборудования, раскрой материалов и т.д.). Рассмотрим постановки (и решения) некоторых задач.
Задача 1
Фирма планирует начать выпуск шкафов и столов для компьютеров. Исходные данные приведены в следующей таблице стандартного вида.
Ресурсы |
Запасы |
Расходные коэффициенты |
шкафы столы | ||
Дсп, м2 |
350 |
3,5 1 |
Стекло, м2 |
240 |
1 2 |
Труд, чел-часы |
150 |
1 1 |
Прибыль, у.е. |
|
200 10 0 |
Менеджеру фирмы требуется принять решение-составить оптимальный план выпуска изделий из условия максимальной прибыли.
Построим математическую модель.
Пусть х1 – количество шкафов, х2- количество столов
По условию,
3,5 х1 + х2 ≤ 350
х1 + 2х2 ≤ 240
х1 + х2 ≤ 150 → ограничения модели
х1, х2 ≥ 0
F= 200x1 + 100x2 → max (целевая функция)
Смысл модели: найти такой набор переменных х1, х2, который удовлетворяет ограничениям и при этом обращает целевую функцию в максимум.
Сразу же покажем графоаналитический способ решения это модели.
Систему ограничений перепишем так:
Рис. 2.1
Множество допустимых решений заштриховано на рис 2.1. Среди точек этого пятиугольника и нужно выбрать оптимальную.
Далее будет отмечено, что оптимальная точка (точка глобального максимума) совпадет хотя бы с одной угловой точкой многоугольника. Чтобы их все не перебирать поступим так:
изобразим линию уровня F=0 и отметим в начале координат вектор- градиент. Из курса высшей математики мы знаем, что он ортогонален линии уровня и указывает направление возрастания целевой функции F (даже наибольшего возрастания)- нам это и нужно – ведь речь идет о прибыли.
Перемещая линию уровня в указанном направлении найдем ту точку многоугольника, в которой линия уровня последний раз с ним соприкоснется. Это точка указана красной стрелкой.
Чтобы найти ее координаты заметим, что она лежит на прямых (1) и (3):
3,5 х1 + х2 = 350
х1 + х2 = 150
хопт = (80, 70) Fmax = 23000.
Заметим, что из-за неточности рисунка, “подозрительными” могут оказаться несколько точек. В этом случае следует найти значение целевой функции в каждой из них выбрать наилучшее.
Следует прорешать ту же задачу в EXCEL.
Задача 2
Шведская компания Стенлюкс производит широкий ассортимент холодильников, при этом существует конкретная проблема, связанная с холодильниками марок А470 и А370. Исходные технологические данные приведены в таблице:
Ресурсы |
Запасы (ресурсов) |
Расходные коэффициенты, $ |
А470 А370 | ||
Сырье, стоимость |
- |
50 60 |
Труд, чел-часы |
3000 |
3 2 |
Прибыль, $ |
|
70 60 |
Потолок недельной сметы по сырью для этих двух моделей составляет 75000 $.
Компании надо определиться (принять решение) относительно того, сколько холодильников каждой модели надо производить, с тем чтобы максимизировать прибыль.
Построение математической модели:
х1, х2 – количество холодильников каждого типа
3х1 + 2х2 ≤ 3000
50х1 + 60х2 ≤ 75000 → ограничения
х1, х2 ≥ 0
F = 70x1 + 60x2 → max → целевая функция
Систему ограничений перепишем так:
Рис. 2.2
Оптимальное решение находим, решив систему:
3х1 + 2х2 = 3000
50х1 + 60х2 =75000
х1 = 375, х2 = 937,5
Fmax = 82500
Решить в EXCEL.
Задача 3
Финансовый консультант британской фирмы
« Вилли-Мэйкен » консультирует клиента по оптимальному инвестиционному портфелю. Инвестор, обладая капиталом 30000 ф. ст. хочет вложить средства в акции двух компаний « Хансон » и « Фар-Ист » (их цены 6 и 4, соответственно). Клиент уточнил, что
- общее число акций не превышает 6000
- число акций каждого вида не превышает 5000.
По оценкам « Вилли-Мэйкен » ожидаемая прибыль от инвестиции в эти две акции в следующем году составит 1,2 и 1 ф.ст. на каждую акцию, соответственно.
Задача консультанта состоит в том, чтобы выдать клиенту рекомендации по оптимизации прибыли от инвестиции (принять решение).
Построение математической модели:
х1, х2 – количество акций каждого вида.
х1 + х2 ≤ 6000 (1)
х1 ≤ 5000 (2)
х2 ≤ 5000 (3)
6х1 + 4х2 ≤ 30000 → ограничения (4)
х1, х2 ≥ 0
F = 1,2х1 + х2 →max → целевая функция
Воспользуемся графоаналитическим методом:
Рис. 2.3
Оптимальная точка лежит на пересечении прямых
(1) и (4)
х1 + х2 = 6000
6х1 + 4х2 = 30000
хопт = (3000, 3000), Fmax = 6600
Итак, в пакете должны присутствовать акции обеих типов поровну. Ожидаемая прибыль 6600.
Решить в EXCEL.
Заметим, что графоаналитический метод имеет практический смысл только при рассмотрении двух независимых переменных х1 и х2. Он непригоден при решении задач более чем с двумя неизвестными. Однако, графический метод дает полезное представление о том, как вести поиск оптимальных решений.
Задача 4 (транспортная задача).
Транспортные задачи обычно связаны с анализом доставки товаров от от разных источников по разным направлениям. Необходимо принять решение относительно оптимального способа передвижения этих товаров с тем, чтобы минимизировать затраты, время на перевозку и задействованные при этом ресурсы. Такого рода задача относится к отдельному типу задач линейного программирования.
Пусть на двух железнодорожных станциях сосредоточено топливо для трех электростанций. Исходные данные приведены в таблице:
Потребители |
1 |
2 |
3 |
Запасы, тонн |
Поставщики | ||||
1 |
7 |
9 |
8 |
300 |
2 |
3 |
4 |
6 |
500 |
Спрос, тонн |
500 |
200 |
100 |
|
В клетках таблицы указаны затраты на перевозку одной тонны от поставщиков к потребителям.
Требуется составить оптимальный план перевозок топлива от поставщиков к потребителям, чтобы
а) вывезти все топливо
б) удовлетворить весь спрос
в) минимизировать суммарные затраты
Построение математической модели:
Положим хi j – количество груза, перевозимого от i-го исходного пункта к j-му пункту назначения.
х11 + х12 + х13 =300
х21 + х22 + х23 =500
х11 + х21 =500→ ограничения
х12 + х22 =200
х13 + х23 =100
хij ≥ 0
F = 7х11 + 9х12 + 8х13 + 3х21 + 4х22 + 6х23 → min
Покажем решение этой задачи в EXCEL
Аналитическое решение транспортной задачи будет рассмотрено далее.