
- •1.Основные определения и типы моделей
- •2. Понятие комп. Мод. Основные функции.
- •4. Системы имитац. Мод. Исторический путь развития инструментальных средств мод.
- •5. Структурный анализ. Формализованное описание. Построение модели. Проведение эксперимента
- •6. Понятие и сущность корреляционного анализа
- •7. Понятие и сущность регрессионного анализа
- •8. Определение параметров линейного однофакторного ур-я регрессии.
- •9. Оценка величины погрешности линейного однофакторного уравнения
- •10. Проблема автокорреляции остатков. Критерий Дарбина-Уотсона
- •11. Построение уравнения степенной регрессии
- •12. Двухфакторные и многофакторные уравнения регрессии
- •13. Оптимизация. Основные понятия.
- •14. Одномерный поиск оптимума.
- •15. Понятие оптимизац задач и оптимиз моделей
- •16. Оптимизационные задачи с линейной зависимостью между переменными
- •17. Геометрическая интерпретация оптимизационной задачи линейного программирования.
- •18. Симплексный метод решения оптимизационной задачи линейного программирования.
- •19. Пример решения оптимизационной задачи линейного программирования симплексным методом
- •20. Двойственная задача линейного програмирования
- •21. Решение двойственной задачи линейного программирования
- •22. Св-а объективно обусловленых оценок и их анализ
- •23. Понятие систем массового обслуживания.
- •24. Одноканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с отказами.
- •25. Одноканальная модель смо с пуассоновским входным потоком и экспоненциальным распределением длительности обслуживания с ожиданием и ограничением на длину очереди
- •26. Одноканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с ожиданием без ограничения длины очереди
- •27. Многоканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с отказами.
- •28. Многоканальная модель смо с пуассоновским входным потоком и экспоненц распределением длительности обслуживания с ожиданием.
- •29. Вероятностные характеристики функционирования в стационарном режиме системы массового обслуживания.
- •30. Параллельное и распределенное моделирование
- •32. Непрерывное моделирование
- •33. Комбинированное непрерывно-дискретное моделирование
- •34. Моделирование по методу Монте-Карло.
- •35. Моделирование систем массового обслуживания с использованием метода Монте-Карло.
- •39. Алгоритм метода потенциалов решения транспортных задач
- •40. Теория принятия решений. Основные понятия.
- •41. Принятие решений в условиях полной определенности. Метод аддитивной оптимизации.
- •42. Принятие решений в условиях риска
15. Понятие оптимизац задач и оптимиз моделей
Экономико-математические задачи, цель которых состоит в нахождении оптимального с точки зрения некоторого критерия или критериев варианта использования имеющихся ресурсов, называются оптимизационными. Они решаются с помощью оптимизационных моделей (ОМ) методами математического программирования. Структура оптимизационной модели состоит из целевой функции, области допустимых решений и системы ограничений, определяющих эту область. Целевая функция в самом общем виде, в свою очередь, также состоит из трех элементов: управляемых переменных; неуправляемых переменных; формы функции. Область допустимых решений это область, в пределах которой осуществляется выбор решений. В экономических задачах она ограничена наличными ресурсами, условиями, которые записываются в виде системы ограничений, состоящей из уравнений и неравенств. Если система ограничений несовместима, то область допустимых решений является пустой. Ограничения подразделяются: а) на линейные и нелинейные;
б) детерминированные и стохастические. Стохастические ограничения являются возможными, вероятностными, случайными. ОЗ решаются методами математического программирования, которые подразделяются: на линейное программирование; нелинейное программирование; динамическое программирование; целочисленное программирование; выпуклое программирование; исследование операций; геометрическое программирование и др. Главная задача математического программирования это нахождение экстремума функций при ограничениях в форме уравнений и неравенств.
16. Оптимизационные задачи с линейной зависимостью между переменными
Пусть: bi количество ресурса вида i (i =1,2, ...,m); ai , j норма расхода i -того ресурса на единицу j -того вида продукции; x j количество продукции вида j (j =1, 2,..., n); c j прибыль от единицы этой продукции. Тогда ОЗ линейного програмирования в общем виде может быть сформулирована и записана следующим образом: Найти переменные xj (j=1,2, ...,n), при которых целевая функция
была
бы максимальной (минимальной), не нарушая
следующих ограничений:
Все
три случая можно привести к так называемой
канонической форме, введя дополнительные
переменные
где
k количество дополнительных
переменных, и условие неотрицательности
искомых переменных: xj³0. В результате
решения задачи находится некий план
работы некоторого предприятия. Отсюда
и появилось слово программирование.
Слово линейное указывает на линейный
характер зависимости как в целевой
функции, так и в системе ограничений.
задача состоит в отыскании максимума
или минимума целевой функции.
17. Геометрическая интерпретация оптимизационной задачи линейного программирования.
Пусть необходимо найти оптимальный план производства двух видов продукции (x1 и x2 ), т.е. такой план, при котором целевая функция была бы максимальной, а имеющиеся ресурсы использовались бы наилучшим образом. Условия задачи.
Данные о запасе и нормах расхода ресурсов
(табл) Оптимизационная модельзадачи запишется следующим образом:
а) целевая функция:
б) ограничения:
по
ресурсу А,
по ресурсу B,
по
ресурсу C; в) условие неотрицательности
переменных:
Данную
и подобные оптимизационные модели можно
продемонстрировать графически (р).
Преобразуем нашу систему ограничений, найдя в каждом из уравнений x2 , и отложим их на графике. Любая точка на данном графике с координатами x1 и x2 представляет вариант искомого плана. Однако ограничение по ресурсу А сужает область допустимых решений. Ими могут быть все точки, ограниченные осями координат и прямой АА , так как не может быть израсходовано ресурса А больше, чем его на предприятии имеется. Если точки находятся на самой прямой, то ресурс используется полностью. Аналогичные рассуждения можно привести и для ресурсов В и С . В результате условиям задачи будет удовлетворять любая точка, лежащая в пределах заштрихованного многоугольника. Данный многоугольник называется областью допустимых решений. Однако нам необходимо найти такую точку, в которой достигался бы максимум целевой функции. Для этого построим произвольную прямую 4x1+5x2=20, как x2 =4 -4/5x1 (число 20 произвольное). Обозначим эту линию РР. В каждой точке этой линии прибыль одинакова. Перемещая эту линию параллельно ее исходному положению, найдем точку, которая удалена от начала координат в наибольшей мере, однако не выходит за пределы области допустимых решений. Это точка М, которая лежит на вершине многоугольника. Координаты этой точки (x'1=3,03 и x' 2=7,4) и будут искомым оптимальным планом.