- •§ 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. Оптимизация 4-го шага, т.Е. Решение задачи:
max {g4 (x4) } = (обозначим)= Z 4 (S3) → табл. 2
Табл.2
x4 |
0 |
40 |
80 |
120 |
160 |
200 |
Z4 (S3) |
x4* |
S3 | ||||||||
0 |
0 |
- |
- |
- |
- |
- |
0 |
0 |
40 |
0 |
4 |
- |
- |
- |
- |
4 |
40 |
80 |
0 |
4 |
6 |
- |
- |
- |
6 |
80 |
120 |
0 |
4 |
6 |
8 |
- |
- |
8 |
120 |
160 |
0 |
4 |
6 |
8 |
13 |
- |
13 |
160 |
200 |
0 |
4 |
6 |
8 |
13 |
16 |
16 |
200 |
2. Оптимизация 3-го шага, т.Е. Решение задачи:
max {g3 (x3) + Z 4 (S2 - x3) } = Z 3 (S2) → табл. 3
Табл.3
x3 |
0 |
40 |
80 |
120 |
160 |
200 |
Z3 (S2) |
x3* |
S2 | ||||||||
0 |
0+0=0 |
- |
- |
- |
- |
- |
0 |
0 |
40 |
0+4=4 |
3+0=3 |
- |
- |
- |
- |
4 |
0 |
80 |
0+6=6 |
3+4=7 |
4+0=4 |
- |
- |
- |
7 |
40 |
120 |
0+8=8 |
3+6=9 |
4+4=8 |
7+0=7 |
- |
- |
9 |
40 |
160 |
0+13=13 |
3+8=11 |
4+6=10 |
7+4=11 |
11+0=11 |
- |
13 |
0 |
200 |
0+16=16 |
3+13=16 |
4+8=12 |
7+6=13 |
11+4=15 |
18+0=18 |
18 |
200 |
3. Оптимизация 2-го шага, т.Е. Решение задачи:
max {g2 (x2) + Z 3 (S1 - x2) } = Z 2 (S1) → табл. 4
Табл.4
x2 |
0 |
40 |
80 |
120 |
160 |
200 |
Z2 (S1) |
x2* |
S1 | ||||||||
0 |
0+0=0 |
- |
- |
- |
- |
- |
0 |
0 |
40 |
0+4=4 |
6+0=6 |
- |
- |
- |
- |
6 |
40 |
80 |
0+7=7 |
6+4=10 |
9+0=9 |
- |
- |
- |
10 |
40 |
120 |
0+9=9 |
6+7=13 |
9+4=13 |
11+0=11 |
- |
- |
13 |
40 |
160 |
0+13=13 |
6+9=15 |
9+7=16 |
11+4=15 |
13+0=13 |
- |
16 |
80 |
200 |
0+18=18 |
6+13=19 |
9+9=18 |
11+7=18 |
13+4=17 |
15+0=15 |
19 |
40 |
4. Оптимизация 1- го шага → табл.5
max {g 1 (x1) + Z 2 (S0 - x1) } = Z 1(S0) → табл. 5
Табл.5
x1 |
0 |
40 |
80 |
120 |
160 |
200 |
Z1 (S0) |
x1* |
S0 | ||||||||
200 |
0+19 =19 |
8+16=24 |
10+13=23 |
11+10=21 |
12+6=18 |
18+0=18 |
24 |
40 |
5. Обратный ход – окончательный оптимальный набор шаговых уравнений
40 80 40 40
S0 → S1 → S2 → S3 → S4
200 160 80 40 0
ВЫВОД: ПЕРВОМУ КЛИЕНТУ ВЫДЕЛЯЕМ 40, ВТОРОМУ-
80, Третьему- 40, четвертому - 40.
Максимальная наращеная мощность 24.
Пример: оптимизация на графе:
Траспортная сеть состоит 10 пунктов, некоторые из которых соединены магистралями. Стоимость проезда по каждой из магистралей отмечена на схеме. Найти оптимальный (самый дешевый) путь проезда от 1-го пункта в 10-й.
.
Решаем задачу методом динамического программирования.
Разобьем транспортную сеть на состояния : пункт принадлежит состоянию S1, если из него можно попасть в конечный пункт за 1 шаг.
Так пункты {7, 8, 9} S1.
По аналогии пункты {5, 6} S2, {2, 3, 4} S3, {1} S4.
Начинаем оптимизацию 1-го состояния (почему?).
В последний пункт можно попасть за один шаг из пунктов 7,8,9. Их стоимости (этих маршрутов) отмечены в прямоугольниках. Так для пункта 5: min {6+9, 6+3} = 9. При этом ненужный путь зачеркиваем.
Далее оптимизируем 2-е состояние ( с учетом принципа Беллмана).
В квадратных скобках пунктов 5, 6 отмечаем минимальную сумму попадания в конечный пункт с учетом оптимизации 1- го состояния (этого требует принцип Беллмана !). Продолжая оптимизацию, доходим до 4-го состояния.
Далее - обратный ход: отсекая бесперспективные ветви сети, прочитываем оптимальный путь:
1→ 4→ 6→ 8→ 10.
Рис. 14.2