- •1.Системные исследования
- •2.Системный подход
- •3.Системный анализ
- •4.Системные исследования в менеджменте качества
- •Лекция 2 Определение системы
- •1.Определение понятия «система»
- •2.Основные понятия, входящие в определение системы
- •3.Классификация системы
- •4.Понятие о системе качества
- •1.Понятие о структуре
- •2.Структурные схемы
- •3.Графы структуры
- •3.3Матричная форма записи графа
- •3.4.Списковая форма записи графа
- •Лекция 4 Анализ структуры системы
- •1.Анализ элементов
- •2.Анализ связи
- •3.Диаметр структуры
- •4.Связность
- •5.Степень централизации
- •6.Сложность
- •7.Структурный анализ систем менеджмента качества
- •1.Определение информационного анализа
- •2.Графическая схема (модель) процесса
- •3.Построение информационной модели процесса
- •1.Определение функций системы
- •2.Классификация функций системы
- •3.Описание функций
- •4.Функциональная модель системы
- •Лекция 7 Методология функционального анализа систем sadt (idef)
- •1.Истоки методологии sadt
- •2.Sadt-модель системы
- •3.Декомпозиция sadt-модели
- •4.Основные правила построения sadt-диаграммы
- •Тема 5
- •Лекция 8 Анализ иерархии системы
- •1.Понятие об иерархическом анализе
- •2.Метод анализа иерархии т. Саати
- •3.Построение иерархии
- •1.Понятие о матрицах парных сравнений
- •2.Шкала отношений
- •3.Правила заполнения матрицы парных сравнений
- •1.Понятие о векторе приоритетов
- •2.Методы вычисления собственного вектора матрицы парных сравнений
- •3.Оценка согласованности (однородности) суждений экспертов
- •4. Определение результирующего вектора приоритета.
- •Тема 6
- •Лекция 11 Основные направления математического анализа систем
- •1. Понятие о математическом анализе систем
- •2. Логический анализ систем
- •3. Физическая интерпретация формальных систем
- •4. Пример интерпретации формальной системы
- •Лекция 12 Математическое моделирование систем
- •1. Классификация моделей
- •2. Характеристики основных классов моделей систем
- •3. Оптимизация решений, принимаемых при проектировании и эксплуатации систем
- •Тема 7 Математические методы принятия оптимальных решений
- •1. Процесс принятия решений человеком
- •2. Общая схема принятия решений
- •3. Задача принятия решений
- •4. Формальная модель принятия решений
- •1. Классификация задач принятия решений
- •2. Принятие решений в условиях определенности
- •3. Виды неопределенности задачи принятия решений
- •1. Понятие о морфологическом анализе и синтезе систем
- •2. Морфологические таблицы
- •3. Обобщенный алгоритм комбинаторно-морфологического метода оптимизации решения
- •4. Математическая модель решения задачи оптимизации решений комбинаторно-морфологическим методом
- •Лекция 16 Задача линейного программирования
- •1. Постановка задачи линейного программирования
- •2. Геометрическая интерпретация задачи линейного программирования
- •4. Альтернативный оптимум
- •Лекция 18 Нелинейное программирование
- •1. Постановка задачи
- •2. Графическая иллюстрация задачи нелинейного программирования
- •3. Методы условной и безусловной оптимизации
- •4. Классический метод определения условного экстремума
- •5. Метод множителей Лагранжа
- •Лекция 19 Поисковые методы оптимизации
- •1. Непосредственные градиентные методы
- •2. Поиск по способу «оврагов»
- •3. Метод зигзагообразного поиска
- •4. Метод функций штрафа
- •5. Метод случайного поиска
4. Альтернативный оптимум
В задачах линейного программирования могут встретиться несколько опорных оптимальных решений (альтернативный оптимум). Графическая иллюстрация альтернативного оптимума показана на рис. 17.3.
Рис. 17.3. Графическая иллюстрация альтернативного оптимума
В трехмерном случае плоскость целевой функции Z в крайнем положении проходит через грань многогранника допустимых решений. Оптимальное решение задачи – это любая точка указанной грани.
Лекция 18 Нелинейное программирование
1. Постановка задачи
Задача нелинейного программирования в общем виде формулируется следующим образом:
«Найти
(18.1)
при условиях
, где
(18.2)
функции f, g1,…, gn нелинейны».
В отличии от задач линейного программирования для задач нелинейного программирования общего метода решения нет.
2. Графическая иллюстрация задачи нелинейного программирования
Пример 1
Пусть допустимая область определяется следующими ограничениями:
Графическая иллюстрация области допустимых решений приведена на рис. 18.1.
Рис. 18.1. Область допустимых решений
Пример 2
Допустимая область:
Рис. 18.2. Область допустимых решений
Пример 3
Найти максимум целевой функции
при ограничениях
Графическая иллюстрация этой задачи показана на рис. 18.3.
Рис. 18.3. Графическая иллюстрация задачи нелинейного программирования
Задаваясь значениями целевой функции , строится семейство эллипсов с общими осями (линии уровня целевой функции). Как видно из рис.18.3 точка О1 с координатами х1=4 и х2=6 является решением задачи, т.к. в ней достигается максимум целевой функции на границе области допустимых решений.
3. Методы условной и безусловной оптимизации
(см. курс высшей математики)
В курсе высшей математики изучались методы безусловной оптимизации, когда ограничения на переменную отсутствуют (исследование максимума и минимума функции, т.е. исследование функции на экстремум).
В данной лекции мы будем изучать методы условной оптимизации, т.е. метод определения экстремума целевой функции при наличии ограничений.
4. Классический метод определения условного экстремума
Процесс решения состоит:
-
В определении внутри допустимого множества всех стационарных точек целевой функции , удовлетворяющих условию ;
-
В проверке всех стационарных точек на максимум или минимум;
-
В сравнении этих значений с максимальными (минимальными) значениями, которых достигает целевая функция f на границе допустимого множества и выбор из них наиболее экстремальных.
Главный недостаток классического метода – отсутствие стандартизированной процедуры поиска оптимального решения, пригодной для любых видов ограничений.
5. Метод множителей Лагранжа
Используя этот метод можно отыскать максимум или минимум целевой функции при ограничении типа равенства. Основная идея метода заключается в переходе от задачи на условный экстремум (с ограничениями) к задаче отыскания экстремума специально построенной функции Лагранжа без ограничений. Рассмотрим следующую задачу:
Найти
(18.3)
при ограничениях:
,
(18.4)
причем функции f, g1,…,gm предполагают дифференцирование.
Вводится набор переменных (по числу ограничений), которые называются множителями Лагранжа, и составляется функция Лагранжа следующего вида
(18.5)
Необходимыми условиями того, что точка представляет собой решение задачи (18.3) при ограничениях (18.4), будет выполнение следующих правил
(18.6)
(18.7)
Итак, метод множителей Лагранжа для задачи вида (18.3) с ограничениями (18.4) состоит из следующих этапов:
-
Составление функции Лагранжа (18.5);
-
Нахождение частных производных функции по всем и и получение системы (18.6) из (n+m) уравнений с (n+m) переменными ;
-
Решение уравнений (18.6) и (18.7), нахождение точек , где имеются относительные экстремумы. Найденные точки исследуются на максимум и минимум.