- •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
-
Алгоритм метода искусственного базиса.
Шаг 1. Приводим
задачу ЛП к каноническому виду с
неотрицательными правыми частями
,
i=1,..., m.

Шаг 2. Строим вспомогательную задачу ЛП

и приводим ее к специальному виду. Для этого целевую функцию выражаем через небазисные переменные.

Шаг 3. Решаем ВЗЛП симплекс-методом.
Шаг 4. Если
,
то допустимого решения в исходной задаче
не существует. Задача не разрешима и
процесс решения исходной задачи
завершается.
Шаг 5. Если
,
то строим СЗЛП для исходной задачи на
основе оптимальной симплек-таблицы
ВЗЛП. Подготовительный этап симплекс-метода
исходной задачи на этом завершается.
Тема 4. Транспортная задача.
4.1 Постановка задачи.
4.2 Составление опорного плана.
4.3 Метод потенциалов.
4.1 Постановка задачи.
Транспортная задача ставится следующим образом: имеется m пунктов отправления, в которых сосредоточены запасы каких-то грузов. Имеется n пунктов назначения подавшие заявки соответственно на груза. Известны стоимости р i j перевозки единицы груза от каждого пункта отправления до каждого пункта назначения. Все числа р i j, образующие прямоугольную таблицу заданы. Требуется составить такой план перевозок (откуда, куда и сколько единиц поставить), чтобы все заявки были выполнены, а общая стоимость всех перевозок была минимальна. Далее, предполагается, что
(1)
где bi есть количество продукции, находящееся на складе i, и aj – потребность потребителя j.
Замечание.
Если
то
количество продукции, равное
остается
на складах. В этом случае мы введем
"фиктивного" потребителя n
+1 с потребностью
и положим транспортные расходы pi,n+1
равными 0 для всех i.
Если
то
потребность не может быть покрыта. В
этом случае начальные условия должны
быть изменены таким образом, чтобы
потребность в продукции могла быть
обеспечена.
Обозначим через xij количество продукции, поставляемое со склада i потребителю j. В предложении (1) нам нужно решить следующую задачу (математическая модель транспортной задачи):
(2)
![]()
![]()
Транспортную задачу мы можем характеризовать транспортной таблицей и таблицей издержек:
-
а1
…
аn
b1
bm
.
.
.
.
.
.
p11
…
p1n
.
.
.
.
.
.
pm1
…
pmn
Допустимый план перевозок будем представлять в виде транспортной таблицы:
-
а1
…
аn
b
.
.
.
bm


…

.
.
.
.
.
.

…

Cумма
элементов строки i должна
быть равна bi,
а сумма элементов столбца j
должна быть равна aj,
и все
![]()
должны
быть неотрицательными.
+х25+х35=5;
хij
0 для i
Пример 1.
-
20
5
10
10
5
15
15
20
-
5
6
3
5
9
6
4
7
3
5
2
5
3
1
8
Мы получаем следующую задачу:
х11+х12+х13+х14+х15=15,
х21+х22+х23+х24+х55=15,
х31+х32+х33+х34+х35 =20,
х11 +х21+х31=20,
х12+х22+х32=5,
х13+х23+х33=10,
х14 +х24+х34
х15 = 1,2,3; j = 1,2,3,4,5;
Кmin=5х11+6х12+3х13+5х14+9х15+6х21+4х22+7х23+3х24+5х25+2х31+5х32+3х33+х34+8х35;
Такие задачи целесообразно решать при помощи особого варианта симплекс-метода – так называемого метода потенциалов.
Все транспортные задачи имеют оптимальное решение. Если все значение aj и bi в условиях транспортной задачи целочисленные, то переменные xij во всех базисных решениях (а так же и в любом оптимальном базисном решении) имеют целочисленные значения.
