- •Содержание
- •Введение
- •Тема 1. Экономико-математические методы и модели и их классификация
- •1.1. Социально-экономические системы, методы их исследования и моделирования
- •1.2.Этапы экономико-математического моделирования, классификация экономико-математических моделей и методов
- •Примеры описательных моделей
- •Тема 2. Балансовый метод в экономике
- •2.1. Общие понятия балансового метода, принципиальная схема межпродуктового баланса
- •2.2. Экономико-математическая модель межотраслевого баланса
- •2.3. Плановые расчеты на основе матричных моделей систем производства и распределения продукции
- •2.3.1. Методика расчета планового баланса по заданным валовым выпускам продукции Xiпл
- •2.3.2. Коэффициенты полных материальных затрат и методы их расчета
- •2.3.3. Методика расчета планового баланса по заданным плановым уровням конечной продукции Yiпл
- •2.4. Пример расчета планового баланса для трехотраслевой экономической системы
- •2.5. Использование балансового метода на предприятии
- •Тема 3. Математические методы сетевого планирования и управления
- •3.1. Основные понятия сетевой модели
- •Распределение (расслоение) вершин сетевого графика по рангам
- •3.2. Анализ сетевого графика и расчет его временных характеристик
- •3.2.1. Расчет временных характеристик событий
- •3.2.2. Расчет временных характеристик работ
- •3.3. Сетевое планирование в условиях неопределенности
- •Вероятностные оценки продолжительности работ
- •3.4. Оптимизация сетевой модели
- •Краткая характеристика метода оптимизации
- •Тема 4. Классификация задач математического программирования и область их эффективного применения в экономике
- •4.1. Математическая постановка и структура задачи оптимизации
- •4.2. Краткая классификация методов математического программирования
- •Тема 5. Линейное программирование
- •5.1. Предмет линейного программирования
- •5.2. Построение оптимизационных моделей для решения экономических задач
- •5.3. Общая задача линейного программирования. Основные определения
- •5.4. Графический метод решения задач линейного программирования
- •I этап. Графическая интерпретация области допустимых решений
- •II этап. Графическая интерпретация целевой функции
- •III этап. Нахождение оптимального решения
- •5.5. Примеры решения задач линейного программирования графическим методом
- •5.6. Понятие о симплекс-методе озлп
- •5.7. Каноническая форма задач линейного программирования
- •5.8. Базисные решения задачи линейного программирования
- •5.9. Алгоритм симплекс-метода озлп
- •5.10.Примеры решения задач линейного программирования симплекс-методом
- •Тема 6. Двойственность в линейном программировании
- •6.1.Понятие двойственности. Построение двойственных задач и их свойства
- •6.2. Основные теоремы двойственности и их экономическое содержание
- •Первая теорема двойственности
- •Вторая теорема двойственности (теорема о дополняющей нежесткости)
- •6.3.Экономическая интерпретация двойственной задачи Пример 1. Задача оптимального использования ресурсов.
- •6.4.Экономико-математический анализ полученных оптимальных решений
- •Свойство 1. Оценки как мера дефицитности ресурсов
- •Свойство 2. Оценки как мера влияния ограничений на функционал
- •Свойство 3. Оценки - инструмент определения эффективности отдельных вариантов (технологических способов) с позиций общего оптимума
- •Тема 7. Транспортная задача линейного программирования
- •7.1. Постановка транспортной задачи
- •Классическая постановка транспортной задачи
- •Модели транспортной задачи
- •7.2.Методы построения исходного плана
- •Метод северо-западного угла
- •Метод минимального элемента
- •7.3.Оптимизация исходного базисного плана перевозок. Метод потенциалов
- •Основные процедуры метода потенциалов
- •Алгоритм метода потенциалов
- •7.4. Пример решения транспортной задачи
- •7.5. Применение модели транспортной задачи при решении различных экономических задач
- •Тема 8. Модели и методы дискретного программирования
- •8.1. Постановка задачи дискретного программирования
- •Задача о назначении (проблема выбора, задача о женихах и невестах)
- •8.2.Краткая классификация математических моделей дискретного программирования
- •8.3.Методы решения задач дискретного программирования
- •8.3.1. Методы отсечения для решения полностью целочисленной задачи линейного программирования
- •8.3.2.Сущность метода ветвей и границ
- •Тема 9. Модели и методы динамического программирования
- •9.1. Моделирование процессов наилучшего распределения ресурсов методом динамического программирования
- •Итоговая таблица условно-оптимальных решений
- •Графики предельной и средней эффективности
- •Тема 10. О других моделях и методах математического программирования
- •10.1.Нелинейное программирование
- •10.2.Стохастическое программирование
- •Тема 11. Модели конфликтных ситуаций в теории игр
- •11.1.Основные понятия теории игр
- •11.2.Решение игры в чистых стратегиях
- •11.3.Решение игры без седловой точки
- •Графический способ решения матричной игры
- •11.4. Пример решения экономической задачи методами теории игр
- •Тема 12. Модели управления запасами
- •12.1. Основные понятия
- •12.2. Статические модели управления запасами Уилсона
- •12.2.1. Статическая модель без дефицита
- •12.2.2. Статическая модель с дефицитом
- •12.3. Модели со случайным спросом
- •Тема 13. Модели массового обслуживания
- •Литература
8.3.2.Сущность метода ветвей и границ
Метод ветвей и границ относится к группе комбинаторных методов. Комбинаторные методы исходят из конечности числа допустимых планов задачи и заменяют полный перебор всех планов их частичным направленным перебором. Метод ветвей и границ является наиболее универсальным. Он используется для решения и нелинейных задач математического программирования. Для выявления сущности метода воспользуемся известной задачей “математической смекалки” об отыскании фальшивой монеты.
Пусть в мешке с монетами одинакового достоинства имеется одна фальшивая, отличающаяся большим весом, которую нужно отыскать посредством взвешивания на рычажных весах без гирь. Поступим так. Разделим содержимое мешка на две равные по количеству монет части. В случае, если число монет n нечетное, разделим n-1 монет на две равные части. Положим на чашки весов равные по количеству монет части. Если чашки весов уравновесятся, то отложенная монета фальшивая; в противном случае она находится в более тяжелой части, с которой поступим аналогичным образом, и т.д., пока не обнаружим фальшивую монету. Здесь деление мешка есть процесс ветвления множества на подмножества. Взвешивание каждой части соответствует оценке целевой функции на подмножествах.
Рассмотрим такой пример. Запишем задачу
(27) |
|
(28) |
|
(29) |
|
(30) |
Решим задачу методом ветвей и границ.
При использовании метода ветвей и границ решение, как и в методе отсечения Гомори, начинается с нахождения оптимального решения задачи без ограничений целочисленности. Затем, базируясь на модели исходной задачи и полученном оптимальном решении, строится несколько связанных, но различных задач линейного программирования. Таким образом, метод ветвей и границ основан на решении некоторого множества задач линейного программирования.
Задача (27)-(29) имеет следующий оптимальный план: Значение целевой функции fmin=-16. Базируясь на полученном оптимальном плане, найдем оптимальный целочисленный план задачи (27)-(30) с помощью метода ветвей и границ.
Обратимся к рис. 3
Рис. 3.
Как уже отмечалось, целевая функция f задачи (27)-(29) достигает своего минимального значения (нижней границы) в точке многоугольника АВСDE (fmin=-16). Ясно, что не существует такой точки с целочисленными координатами, где достигается полученное значение целевой функции.
Разобьем множество допустимых решений задачи на две части (рис. 3). Первая часть содержит те допустимые планы, у которых а вторая - допустимые планы с . При таком разбиении не теряется ни одного допустимого целочисленного плана.
Для того чтобы определить значения целевых функций для каждой части множества, необходимо решить две задачи линейного программирования.
Задача 1 |
Задача 2 |
Многоугольник AA’E представляет собой область определения задачи 1, а многоугольник B’CD - область определения задачи 2. Целевая функция задачи 1 достигает своего минимального значения (f1min=-15), т.е. нижней границы, в точке A’ (3, 6). Для задачи 2 минимальное значение целевой функции (f2min=-14), т.е. нижняя граница, достигается в точке B’ (4, 6). Поскольку f1min<f2max , задача (27)-(30) будет иметь следующий оптимальный план: x*1=3, x*2=6.
Вывод: суть метода ветвей и границ.
На каждом шаге алгоритма метода В и Г происходит деление ОДР задачи математического программирования на 2 подмножества и оценивается целевая функция на подмножествах.
Поиск оптимума продолжается на более перспективном подмножестве с использованием процедуры дальнейшего деления. Таким образом, полный перебор всех планов задачи заменяется их частичным направленным перебором.