
- •Математические методы системного анализа и теория принятия решений Методическое пособие
- •1. Теория принятия решений 4
- •2. Линейное программирование 9
- •3. Нелинейное программирование 42
- •4. Игровые методы обоснования решений 51
- •5. Задачи распознавания образов 62
- •Предисловие
- •1. Теория принятия решений
- •1.1. Задачи, связанные с принятием решений Проблема оптимальности.
- •Основные понятия и принципы исследования операций.
- •Примеры задач исследования операций.
- •1.2. Математические модели операций Искусство моделирования.
- •1.3. Разновидности задач исследования операций и подходов к их решению Прямые и обратные задачи исследования операций.
- •Пример выбора решения при определенности: линейное программирование.
- •Проблема выбора решений в условиях неопределенности.
- •Выбор решения по многим критериям.
- •«Системный подход».
- •2. Линейное программирование
- •2.1. Краткое представление о математическом программировании Предмет математического программирования.
- •Краткая классификация методов математического программирования.
- •2.2. Примеры экономических задач линейного программирования Понятие линейного программирования.
- •Задача о наилучшем использовании ресурсов.
- •Задача о выборе оптимальных технологий.
- •Задача о смесях.
- •Задача о раскрое материалов.
- •Транспортная задача.
- •2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
- •Решение систем линейных уравнений методом Гаусса.
- •Реализация метода исключения неизвестных в среде Excel.
- •Различные схемы реализации метода Гаусса.
- •Опорные решения системы линейных уравнений.
- •2.4. Формы записи задачи линейного программирования Основные виды записи злп.
- •Каноническая форма представления задачи линейного программирования.
- •Переход к канонической форме.
- •2.5. Геометрическая интерпретация задачи линейного программирования Определение выпуклой области.
- •Геометрическая интерпретация.
- •2.6. Свойства решений задачи линейного программирования Свойства основной задачи линейного программирования.
- •Графический метод решения задачи линейного программирования.
- •2.7. Симплексный метод Идея симплекс-метода.
- •Теоретические обоснования симплекс-метода.
- •Переход к нехудшему опорному плану.
- •Зацикливание.
- •Алгоритм симплекс-метода.
- •2.8. Двойственность в линейном программировании Прямая и двойственная задача.
- •Связь между решениями прямой и двойственной задач.
- •Геометрическая интерпретация двойственных задач.
- •2.9. Метод искусственного базиса Идея и реализация метода искусственного базиса.
- •3. Нелинейное программирование
- •3.1. Общая задача нелинейного программирования Постановка задачи.
- •Примеры задач нелинейного программирования (экономические).
- •Геометрическая интерпретация задачи нелинейного программирования.
- •3.2. Выпуклое программирование Постановка задачи выпуклого программирования.
- •3.3. Классические методы оптимизации Метод прямого перебора.
- •Классический метод дифференциальных исчислений.
- •3.4. Метод множителей лагранжа
- •3.5. Градиентные методы решения задач нелинейного программирования Общая идея методов.
- •Метод Франка-Вулфа.
- •Метод штрафных функций.
- •4. Игровые методы обоснования решений
- •4.1. Предмет и задачи теории игр Основные понятия.
- •Классификация выборов решений.
- •Антагонистические матричные игры.
- •Чистые и смешанные стратегии и их свойства.
- •4.2. Методы решения конечных игр Упрощение матричной игры.
- •Решение матричной игры размерностью 22.
- •Графическое решение матричной игры.
- •Сведение задач теории игр к задачам линейного программирования.
- •4.3. Задачи теории статистических решений Игры с природой.
- •Критерии принятия решений.
- •5. Задачи распознавания образов
- •5.1. Общая постановка задачи распознавания образов и их классификация Проблема распознавания.
- •Обсуждение задачи опознавания.
- •Язык распознавания образов.
- •Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- •Общая постановка задачи.
- •Геометрическая интерпретация задачи распознавания.
- •Классификация задач распознавания.
- •5.2. Подготовка и анализ исходных данных Общая схема решения задачи.
- •Общая схема постановки и решения задачи Анализ данных с целью выбора постановки и метода решения
- •5.3. Методы опознавания образов Основные этапы процесса опознавания образов.
- •Методы создания системы признаков.
- •Признаковое пространство.
- •Сокращение размерности исходного описания.
- •Методы построения решающего правила.
- •5.4. Меры и метрики Понятие о сходстве.
- •Меры сходства и метрики.
- •Примеры функций мер сходства.
- •5.5. Детерминированно-статистический подход к познаванию образов Основные этапы детерминированно-статистического подхода.
- •Получение исходного описания.
- •Создание системы признаков.
- •Сокращение размерности исходного описания.
- •Нахождение решающего правила (метод эталонов).
- •Коррекция решающего правила.
- •5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
- •Минимизация числа эталонов.
- •Габаритные эталоны.
- •Применение метода эталонов к частично пересекающимся образам.
- •Дополнительная минимизация числа признаков.
- •Квадратичный дискриминантный анализ.
- •Распознавание с отказами.
- •5.8. Алгоритм голотип-1 Назначение
- •Постановка задачи
- •Метод решения задачи.
- •Условия применимости.
- •Условия применимости.
- •5.10. Алгоритм направление опробования Назначение
- •Постановка задачи.
- •Метод решения задачи.
- •Условия применимости.
- •Транспортная задача Математическая постановка.
- •Постановка задачи.
- •Теоретическое введение.
- •Методы нахождения опорного плана транспортной задачи.
- •Определение оптимального плана транспортной задачи.
- •Заключение.
- •Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
- •Постановка задачи.
- •Методы отсечения.
- •Алгоритм Гомори.
- •Первый алгоритм р. Гомори решения полностью целочисленных задач.
- •Приближенные методы.
- •Заключение.
- •Параметрическое программирование Введение.
- •Формулировка задачи.
- •Теоретическая часть.
- •Общая постановка задачи.
- •Решение задачи.
- •Геометрическая интерпретация задачи.
- •Общая постановка задачи.
- •Решение задачи.
- •Геометрическая интерпретация задачи
- •Постановка задачи.
- •Решение.
- •Геометрическое решение.
- •Решение задачи симплекс-методом.
- •Результат.
- •Некооперативные игры n лиц с ненулевой суммой Введение.
- •Теоретическая часть.
- •Постановка и решение задачи.
- •Заключение.
- •Cписок литературы
5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
Описываемый ниже детерминированный метод построения решающего правила с дополнительной минимизацией числа признаков позволяет реализовать решающую функцию любой сложности с помощью минимального числа аппаратурных единиц (заданного типа) при условии нулевой ошибки опознания на учебной выборке.
и
изображены три образа —
,
,
.
Каждый образ задается конечным числом реализаций учебной выборки. Точка, представляющая каждую реализацию, определяется совокупностью значений выбранных признаков. На рис. 5.7 границы образов обозначены пунктирной линией. Границы, установленные автоматом, могут существенно отличатся от интуитивных, что видно на рис. 5.8.
Идея метода эталонов основана на введении так называемых «функций принадлежности». Функция принадлежности к данной реализации образа определяет меру сходства (в определенной метрике) между произвольной точкой пространства и данной реализацией учебной выборки образа. На этой реализации, называемой эталонной, функция принадлежности принимает максимальное значение, равное единице. По мере удаления от реализации функция принадлежности монотонно убывает до нуля. На всех реализациях учебной выборки «чужих» образов функция принадлежности тождественно равняется нулю.
Введение функций принадлежности к каждой реализации учебной выборки образа позволяет безошибочно опознавать учебную выборку.
Совокупность этих функций определяет так называемую функцию принадлежности к образу.
С понятием функции принадлежности тесно связано понятие эталона. Эталон представляет собой замкнутое выпуклое геометрическое тело в многомерном пространстве признаков. Поверхность эталона образована геометрическим местом точек, в которых функция принадлежности обращается в ноль, а форма эталона зависит от принятой для конструирования функции принадлежности метрики.
На рис. 2 поверхности
эталонов образованы эллипсами различных
размеров и ориентацией. В многомерном
пространстве им соответствуют
гиперэллипсоиды (метрика
).
Отношение осей эталонов каждого образа
соответствует отношению максимальных
разбросов реализаций данного образа
по соответствующим осям. Другим примером
эталонов является гиперпараллелепипеды
(метрика
).
Эталон можно рассматривать как квантованную на два уровня функцию принадлежности, принимающую значение 1 на точках, попадающих внутрь эталона, на которых функция принадлежности больше нуля, и значение 0 на точках, находящихся вне эталона.
Использование эталонов вместо непрерывных функций принадлежности упрощает процесс принятия решения, но вместе с тем несколько ограничивает сложность конфигурации области образа.
Так, например, при
построении эталонов в метрике
область образа формируется только
гиперэллипсоидальными поверхностями.
В случае метрики
область образа формируется из «кусков»
гиперплоскостей, ориентированных по
координатным осям.
Различие состоит еще и в том, что границы между образами, задаваемые с помощью непрерывных функций принадлежности, образуются как геометрическое место точек, на которых значение функций принадлежности к различным образам одинаково. При этом полученные области образов не могут пересекатся. Квантование функции принадлежности на два уровня при переходе к эталонам может привести к тому, что в тех местах, где отсутствуют реализации учебной выборки, сформированные области образов могут пересекаться.
В область пересечения реализации учебной выборки не попадают, однако реализации экзаменационной выборки могут попадать в эти области. В этом случае автомат будет выдавать ответы, которые классифицируются как ошибки типа альтернативной.
Альтернативные ошибки, появляются за счет пересечения эталонных оболочек образов, могут быть легко исключены, если на границах между образами непрерывные функции принадлежности тождественно равны нулю. Этого можно достигнуть, потребовав, чтобы функция принадлежности принимала значение единица на эталонной реализации данного образа и монотонно убывала до нуля на точках, отстоящих от нее на половину расстояния до ближайшей реализации «чужого» образа. Решающее правило, образованное из функций принадлежности такого типа, полностью соответствует решающему правилу из эталонов.
Эталоны являются дискретным аналогом непрерывной функции принадлежности.
Возможны два способа построения решающего правила из эталонов, отличающихся наличием и отсутствием областей пересечения эталонных оболочек образов. В обоих случаях внутри эталонных оболочек образов содержатся только реализации учебной выборки «своего» образа. Отличие заключается в том, что в первом случае на экзамене по контрольной выборке возможны альтернативные ошибки, а во втором случае этих ошибок не будет. Другим отличием является то, что минимальное число эталонов (из данного набора), покрывающих учебную выборку «своего» образа и не включающих ни одной реализации других образов, в первом случае будет меньше, чем во втором.