![](/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.
4. Итоговая оценка суммарных издержек:
С = 4,7*5 + 0,06*80 + 0,27*10 = 31 у.е.
Замечание: далее на данной имитационной модели можно менять различные параметры (затраты на хранение, объем заказа и т.д.), проигрывать модель (заново) и находить наилучшие управленческие решения.
Пример. [1]
Череповецкий завод СЕВЕРСТАЛЬ получает грузы на баржах, прибывающих по реке Шексне. Баржи разгружаются в порту, имеющем разгрузочные краны.
Если баржа остается не разгруженной (в течение суток), то порт несет убыток 40 у.е. Если, наоборот, порт простаивает из за отсутствия барж или их недостаточного количества, порт также несет убыток 25 у.е. в день.
Руководство порта решило создать имитационную модель, с целью минимизации убытков (аналитические модели в данной ситуации либо невозможны, либо крайне трудны и дороги).
Статистические исследования дали возможность построить ряды распределения двух случайных величин.
Х- число барж ежедневно входящих в порт
Ряд распределения:
Х |
0 |
1 |
2 |
3 |
4 |
5 |
р |
0,13 |
0,17 |
0,15 |
0,25 |
0,20 |
0,10 |
Функция распределения F(x) = P(X < x):
Рис. 18.3
2. У – ежедневный темп разгрузки, барж.
Ряд распределения:
У |
1 |
2 |
3 |
4 |
5 |
р |
0,05 |
0,15 |
0,50 |
0,20 |
0,10 |
Функция распределения F(у):
Рис. 18.4
И М И Т А Ц И О Н Н А Я М О Д Е Л Ь
(условимся выбирать случайные числа из первой строки таблицы случайных чисел [1])
День |
Число простаи-вающих барж
|
СЧ |
Число прибывш-их барж (рис.3) |
Длина очереди на разгруз-ку |
СЧ |
Число разгружаемых барж (рис. 4) |
Простой порта (да, нет) |
1 |
- |
52 |
3 |
3 |
06 |
2 |
нет |
2 |
1 |
50 |
3 |
4 |
88 |
4 |
нет |
3 |
0 |
53 |
3 |
3 |
30 |
3 |
нет |
4 |
0 |
10 |
0 |
0 |
- |
- |
да |
5 |
0 |
47 |
3 |
3 |
99 |
3 |
нет |
6 |
0 |
37 |
2 |
2 |
66 |
2 |
нет |
7 |
0 |
91 |
5 |
5 |
35 |
3 |
нет |
8 |
2 |
32 |
2 |
4 |
00 |
1 |
нет |
9 |
3 |
84 |
4 |
7 |
57 |
3 |
нет |
10 |
4 |
07 |
0 |
4 |
37 |
3 |
нет |
11 |
1 |
63 |
3 |
4 |
28 |
3 |
нет |
12 |
1 |
02 |
0 |
1 |
74 |
4 |
да |
13 |
0 |
35 |
2 |
2 |
24 |
3 |
да |
14 |
0 |
03 |
1 |
1 |
29 |
1 |
нет |
15 |
0 |
60 |
3 |
3 |
74 |
4 |
да |
12 46 39 4
Расчет итоговых показателей моделирования
1. Математическое ожидание числа простаивающих барж: 12/15 =0,7
2. Математическое ожидание длины очереди: 46/15=3,06
3. Математическое ожидание темпа разгрузки: 39/15 =2,6
4. Математическое ожидание дней простоя: 4/15 =0,2
5. Итоговая оценка суммарных издержек:
С = 40*0,7 + 25*0,2 = 33 у.е.
Замечание: далее на данной имитационной модели можно менять различные параметры (убытки от простоя барж, убытки от простоя порта), проигрывать модель (заново) и находить наилучшие управленческие решения.