- •§ 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.
§ 3. Общая постановка задачи линейного программирования. Симплекс- метод
Задача линейного программирования в стандартной форме
а11х1 + а12х2+……а1nхn ≤ в1
а21х1 + а22х2+……а2nхn ≤ в2 (1)
……………………………
аm1х1 + аm2х2+…аmnхn ≤ вm
xi ≥ 0, i = 1,n
F = c1х1 + c2х2+……cnхn → max
Матричная запись:
Ах = в,
F = c x → max
Здесь А – матрица коэффициентов, х – столбец переменных, в- столбец правых частей, с - строка коэффициентов целевой функции.
Как мы уже отмечали, графический метод, описанный в предыдущих примерах, приемлем в отношении задач с не более, чем двумя переменными. В большинстве же практических ситуаций число неизвестных может быть гораздо больше. Симплекс- метод- один из наиболее известных алгебраических подходов к решению задач линейного программирования с более, чем с двумя переменными. Отметим прежде всего
Основной принцип линейного программирования
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.
3. Оптимальное решение (глобальный максимум) достигается хотя бы в одной угловой точке выпуклого многогранника, число которых конечно. Отсюда, принципиальный путь поиска оптимального решения: перебрать все угловые точки (их конечное число!) и среди них выбрать ту в которой целевая функция достигает максимума. Однако, как отмечается в [13] , технические сложности подобной процедуры настолько существенны, что за исключением простейших случаев, этот метод практически бесполезен.
Поэтому, необходимо научиться отбрасывать заведомо “плохие” угловые точки и работать только с перспективными, не прибегая к грaфикам.
Именно это и реализовал Данциг в разработанном им симплекс-методе. Суть метода – “направленный перебор”, когда вначале находят, какую нибудь угловую точку, а затем переходят к таким соседним угловым точкам, в которых значения целевой функции увеличиваются. Такой направленный перебор позволяет резко сократить число шагов (итераций).
Ясно, что для реализации симплекс- метода необходимо математически:
- выбрать начальное опорное решение (угловую точку)
- проверить его на оптимальность
- при необходимости перейти к лучшему
- уметь распознавать ситуации отсутствия оптимального решения.
Рассмотрим этапы “ручного” cимплекс - метода, когда необходимые преобразования осуществляются в таблицах стандартного вида.
Пример:
Фирма намеревается приступить к изготовлению трех видов изделий, используя три вида ресурсов. Исходные данные приведены в таблице стандартного вида.
Табл.1
|
Ресурсы |
Запасы (ресурсов) |
Расходные коэффициенты |
|
1 2 3 | ||
|
труд |
120 |
6 5 4 |
|
сырье |
96 |
3 2 4 |
|
оборудование |
180 |
5 3 3 |
|
Прибыль, у.е. |
|
9 10 16 |
Менеджеру фирмы требуется составить оптимальный план выпуска изделий (принять решение) из условия максимальной прибыли.
Начинаем, как всегда, с построения математической модели :
1.
х1, х2, х3 – количество изделий каждого вида.
6х1 + 5х2 + 4х3 ≤ 120
3х1 + 2х2 + 4х3 ≤ 96
5х1 + 3х2 + 3х3 ≤ 180 → ограничения модели
х1, х2, х3 ≥ 0
F= 9х1 + 10х2 + 16х3 → max