- •Конспект лекцій
- •Приклад рішення лінійного програмування задачі симплекс – методом
- •Система обмежень має два одиничних вектори - а4 та а5 . Вони створюють базис.
- •2.1.3. Приклад рішення задачі симплекс – методом з штучним базисом
- •Система обмежень має два одиничних вектори - а3 та а4 . Для того, щоб отримати базис вводимо штучну змінну а5. Система прийме вигляд:
- •2.1.4.Приклад побудова двоїстої задачі та знаходження її рішення по рішенню вихідної задачі лінійного програмування симплекс – методом
- •Система обмежень має три одиничних вектори - а4, а5 та а4 . Вони створюють базис.
- •2.1.5.Приклад рішення транспортної задачі методом потенціалів
- •Вартість перевезень (цільова функція буде дорівнювати :
- •3.2.Метод перебору комбінацій простих ризиків
- •3.2.1.Приклади рішення.
- •3.3. Прийняття рішень в конфліктних ситуаціях
- •Перший варіант платіжної матриці
- •Другий варіант платіжної матриці
- •Тема1. «Математичне моделювання як метод наукового пізнання
- •Математичне моделювання в економіці.
- •2. Розвиток економетрії як науки
- •3. Економетричні моделі та етапи їх побудови
- •Тема1.2 «Парний регресійний аналіз». План
- •Сутність регресійного аналізу.
- •2.Оцінка параметрів парної лінійної регресії методом найменших квадратів (мнк). Властивості мнк- оцінок.
- •3.Коефіцієнти кореляції та детермінації.
- •4.Перевірка моделі на адекватність за критерієм Фішера.
- •Тема1.3: «Множинний регресійний аналіз». План
- •1.Приклади багатофакторний економетричних моделей.
- •2.Загальна лінійна модель множинної регресії.
- •3.Метод найменших квадратів, основні припущення. Мнк-оцінки параметрів лінійної регресії.
- •Література
2.1.3. Приклад рішення задачі симплекс – методом з штучним базисом
Умова:
Z = 8x1 + 5x2 (min)
1.5x1 + 2x2 35
50x1 + 30x2 900
6x1 + 5x2 = 100
xj 0
Приводимо систему обмежень до канонічного виду. Для цього в перше та друге обмеження вводяться доповнюючи змінні x3 , та x4. Задача прийме такий вигляд:
Z = 8x1 + 5x2 + 0x3 + 0x4 (min)
1.5x1 + 2x2 + x3 = 35
50x1 + 30x2 + x4 = 900
6x1 + 5x2 = 100
xj 0
Система обмежень має два одиничних вектори - а3 та а4 . Для того, щоб отримати базис вводимо штучну змінну а5. Система прийме вигляд:
Z = 8x1 + 5x2 + 0x3 + 0x4 + 0x5 (min)
1.5x1 + 2x2 + x3 = 35
50x1 + 30x2 + x4 = 900
6x1 + 5x2 + x4 = 100
xj 0
Змінні третя четверта та п’ята створюють базис. Можемо записати симплексну таблицю і знайти оптимальне рішення.
Базис |
Сi базис |
План А0 |
8 |
5 |
0 |
0 |
М |
|
А1 |
А2 |
А3 |
А4 |
А5 |
||||
А3 |
0 |
35 |
1.5 |
2 |
1 |
0 |
0 |
35/2 |
А4 |
0 |
900 |
50 |
30 |
0 |
1 |
0 |
900/30 |
А5 |
М |
100 |
5 |
5 |
0 |
0 |
1 |
100/5 |
Zj - Cj |
0 |
-8 |
-5 |
0 |
0 |
0 |
|
|
100 |
5M |
5M |
0 |
0 |
0 |
|
||
А2 |
5 |
17.5 |
0.75 |
1 |
0.5 |
0 |
0 |
17.5|0.75 |
А4 |
0 |
37.5 |
27.5 |
0 |
-15 |
1 |
0 |
37.5/27.5 |
А5 |
M |
12.5 |
1.25 |
0 |
-2.5 |
0 |
1 |
12.5/1.25 |
Zj - Cj |
87.5 |
-4.25 |
0 |
2.5 |
0 |
0 |
|
|
12.5 |
1.25M |
0 |
-2.5M |
0 |
0 |
|
||
А2 |
5 |
10 |
0 |
1 |
-1 |
0 |
|
|
А4 |
0 |
100 |
0 |
0 |
-70 |
1 |
- |
|
А1 |
8 |
10 |
1 |
0 |
2 |
0 |
- |
|
Zj - Cj |
130 |
0 |
0 |
-6 |
0 |
- |
|
|
- |
- |
- |
- |
- |
- |
|
Оскільки всі Zj - Cj 0 ми знайшли оптимальний план, який надає мінімального значення цільовій функції. Оптимальній план має вигляд:
Хопт( х1 = 10,.х2 = 10,.х3 = 0,.х4 = 0,.х5 = 0.), Zmin= 130