
- •Тема 1. Классификация моделей.
- •Тема 1. Классификация моделей.
- •Основные признаки классификации моделей.
- •Область использования.
- •Учет в модели временного фактора.
- •Способ представления модели.
- •Тема 2. Классификация языков компьютерного моделирования.
- •Тема 3. Этапы и цели компьютерного математического моделирования.
- •Раздел 1. Задачи линейного программирования.
- •Тема 1. Математическое программирование. Общий вид задач линейного программирования.
- •Формулировка задачи.
- •Геометрическая интерпретация задачи линейного программирования.
- •Найти минимальное значение линейной функции
- •Тема 2. Графический метод решения задач линейного программирования.
- •Примеры задач, решаемых графическим методом.
- •Обобщение графического метода решения задач линейного программирования.
- •Тема 3. Симплекс - метод.
- •Каноническая задача лп на максимум.
- •Вспомогательная задача лп.
- •Алгоритм метода искусственного базиса
- •Вспомогательная задача лп.
- •Алгоритм метода искусственного базиса.
- •Тема 4. Транспортная задача.
- •4.2 Составление опорного плана.
- •4.3 Метод потенциалов.
- •Раздел 2. Теория графов.
- •Тема 1. Основные понятия теории графов.
- •Элементы множества V называются вершинами графа g (или узлами), элементы множества u-его ребрами. Вершины и ребра графа называют также его элементами и вместо VV и u u пишут Vg и ug.
- •1.2 Операции над графами.
- •1.3.Связность графов.
- •1.4 Эйлеровы графы.
- •1.5 Гамильтоновы графы.
- •Тема 2. Поиск пути в графе.
- •2.2 Путь минимальной суммарной длины во взвешенном графе с неотрицательными весами (алгоритм Дейкстры).
- •2.3 .Путь минимальной суммарной длины во взвешенном графе с произвольными весами для всех пар вершин (алгоритм Флойда).
- •2.4 Путь с минимальным количеством промежуточных вершин (волновой алгоритм).
- •2.5 Нахождение k путей минимальной суммарной длины во взвешенном графе с неотрицательными весами (алгоритм Йена).
- •Тема 3. Задачи о минимальном остове.
- •3.1 Деревья.
- •3.1 Построение минимального остовного дерева (алгоритм Краскала).
- •3.1 Деревья.
- •3.1 .Построение минимального остовного дерева (алгоритм Краскала).
- •Раздел 3. Динамическое программирование.
- •Тема 1. Метод динамического программирования.
- •1.2 Идеи метода динамического программирования
- •1.3 Выбор состава оборудования для технологической линии.
- •Исходные данные для примера
- •Тема 2. Задача инвестирования.
- •Тема 3. Замена оборудования.
- •Тема 4. Задача о загрузке.
- •4.2 Рекуррентные соотношения для процедур прямой и обратной прогонки.
- •4.3 Решение задачи о загрузке.
- •Раздел 4. Системы массового обслуживания (смо). (8 часов).
- •Тема 1. Основные понятия теории массового обслуживания.
- •Тема 2. Простейшие смо и нахождение их параметров.
- •Перечень характеристик систем массового обслуживания можно представить следующим образом:
- •2. Одноканальная смо с неограниченной очередью
- •3. Одноканальная смо с неограниченной очередью, простейшим потоком заявок и произвольным распределением времени обслуживания
- •4. Одноканальная смо с произвольным потоком заявок и произвольным распределением времени обслуживания
- •Раздел 5. Имитационное моделирование.
- •Тема 1. Простейшие задачи, решаемые методом имитационного моделирования.
- •Тема 2. Основные понятия теории Марковских процессов.
- •Тема 3. Метод Монте – Карло.
- •Раздел 6. Прогнозирование.
- •Тема 1. Основная идея прогнозирования. Методы прогнозирования
- •Тема 2.Теории экспертных оценок.
- •Раздел 7. Теория игр.
- •Тема 1. Основные понятия теории игр.
- •1. 1 Понятие об играх и стратегиях
- •Тема 2. Простейшие методы решения задач теории игр.
- •Раздел 8. Элементы теории принятия решений. (2 часа).
- •Основные понятия.
- •Принятие решений в условиях полной неопределенности
- •Принятие решений при проведении эксперимента.
- •2. Принятие решений в условиях полной неопределенности
- •2.1 Максиминный критерий Вальда.
- •Критерий равновозможных состояний.
- •3. Принятие решений при проведении эксперимента.
- •3.1. Принятие решений в условиях неопределенности.
- •3.2. Использование смешанной стратегии
- •3.3. Принятие решений в условиях риска
Тема 3. Этапы и цели компьютерного математического моделирования.
Рассмотрим процесс компьютерного математического моделирования, включающий численный эксперимент с моделью.
Первый этап - определение целей моделирования, основные из них таковы:
-
модель нужна для того, чтобы понять, как устроен конкретный объект, какова его структура, основные свойства, законы развития и взаимодействия с окружающим миром (понимание);
-
модель нужна для того, чтобы научиться управлять объектом (или процессом) и определить наилучшие способы управления при заданных целях и критериях (управление);
-
модель нужна для того, чтобы прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект (прогнозирование).
Второй этап – поиск математического описания. На этом этапе необходимо перейти от абстрактной формулировки модели к формулировке, имеющей конкретное математическое наполнение. В этот момент модель предстает перед нами в виде уравнения, системы уравнений, системы неравенств, дифференциального уравнения или системы таких уравнений.
Когда математическая модель сформирована, выбираем метод ее исследования. Как правило, для решения одной и той же задачи есть несколько конкретных методов, различающихся эффективностью, устойчивостью и т.д. от верного выбора метода часто зависит успех всего процесса.
Разработка алгоритма и составление программы для ЭВМ – это творческий и трудно формируемый процесс. В настоящее время при компьютерном математическом моделировании наиболее распространенными являются приемы процедурно-ориентированного (структурного) программирования.
После составления программы решаем с ее помощью простейшую тестовую задачу (желательно с заранее известным ответом) с целью устранения грубых ошибок. Это лишь начало процедуры тестирования, которую трудно описать формально исчерпывающим образом по существу, тестирование может продолжаться долго и закончиться тогда, когда пользователь по своим профессиональным признакам сочтет программу верной.
Затем следует соответственно численный эксперимент, и выясняется, соответствует ли модель реальному объекту (процессу). Модель адекватна реальному процессу, если некоторые характеристики процесса, полученные на ЭВМ, совпадают с экспериментальными с заданной степенью точности. В случае несоответствия модели реальному процессу возвращаемся к одному из предыдущих этапов.
Последовательность этапов моделирования:
-
Цель;
-
Объект;
-
Модель;
-
Метод;
-
Алгоритм;
-
Программа;
-
Эксперимент;
-
Анализ;
-
Уточнение.
Раздел 1. Задачи линейного программирования.
Тема 1. Математическое программирование. Общий вид задач линейного программирования.
-
Общая задача линейного программирования.
-
Формулировка задачи.
-
Геометрическая интерпретация задачи линейного программирования.
-
Общая задача линейного программирования.
Линейное программирование - это наука о методах исследования и отыскания наибольших и наименьших значений линейной функции, на неизвестные которой наложены линейные ограничения. Таким образом, задачи линейного программирования относятся к задачам на условный экстремум функции.
Пусть необходимо исследовать на экстремум линейную функцию Z = С1х1+С2х2+...+СNxN
при линейных ограничениях
a11x1 + a22x2 + ... + a1NХN = b1
a21x1 + a22x2 + ... + a2NХN = b2
aМ1x1 + aМ2x2 + ... + aМNХN = bМ
Так как Z - линейная функция, то = Сj (j = 1, 2, ..., n), коэффициенты линейной функции которые не могут быть равны нулю, следовательно, внутри области, образованной системой ограничений, экстремальные точки не существуют. Они могут быть на границе области, но исследовать точки границы невозможно, поскольку частные производные являются константами.
Для решения задач линейного программирования потребовалось создание специальных методов. Особенно широкое распространение линейное программирование получило в экономике, так как исследование зависимостей между величинами, встречающимися во многих экономических задачах, приводит к линейной функции с линейными ограничениями, наложенными на неизвестные.