- •1. Предмет «омм» и задачи курса. Методы и область применения дисциплины.
- •2. Примеры экономических задач
- •5) Задача о рациональном использовании имеющихся мощностей;
- •6) Задача о назначениях
- •3. Классификация моделей и задач в математическом программировании
- •4. Этапы решения экономических задач математическими методами
- •5. Принципы построения экономико-математичеких моделей
- •11. Построение опорных планов в симплексном методе решения здп.
- •15. Симплекс-метод с искусственным базисом.
- •16. Симметричные двойственные задачи и правила их построения.
- •17. Теоремы двойственности.
- •18. Теорема двойственности
- •21. Модели транспортной задачи
- •23.Метод потенциалов
- •26)Задача о назначениях.
- •27) Решение злп с использованием пк.
- •28)Определение дефицитных видов ресурсов и убыточных видов продукции.
- •29)Определение границ устойчивости двойственных оценок.
- •30) Экономические примеры, математическая постановка задачи целочисленного программирования.
- •Постановка задачи целочисленного программирования
- •Решить задачу
- •1 Квадратичное программирование
- •5.10. Геометрична інтерпретація задачі нелінійного програмування
- •3. Множники Лагранжа
- •41. Разница между глобальным и локальным оптимумом, точным и приближенным решением задачи.
- •Приближенные вычисления
- •Погрешности
- •Значащие цифры
- •Округление
- •Действия над приближенными числами
- •42. Игра как математическая модель конфликта.
- •43. Матричные игры двух лиц. Два игрока/две стратегии
- •Функция полезности
- •Игры с полной/неполной информацией
- •Формальное представление
- •44. Решение матричных игр: доминирование строк и столбцов.
- •45. Решение матричных игр: аффинные преобразования.
- •46. Решение матричных игр графическим способом.
- •47. Решение матричных игр аналитическим способом.
- •48. Сведение матричных игр к задаче линейного программирования.
- •49. Понятие о динамическом программировании.
- •50. Принцип Беллмана.
- •51. Понятие о стохастическом программировании. Классификация задач.
29)Определение границ устойчивости двойственных оценок.
1 Нахождение интервалов устойчивости двойственной оценки по отношению к изменениям ресурсов каждого типа
обратная матрицы В составленная из компонентов векторов ,, базиса, который определяет оптимальный план задачи взятых из столбцов векторов ,, образующий первоначальный единичный базис
=*=
если
Очевидно если это означает, что если количество ресурсов I типа будет увеличено в пределах 555,то несмотря на это оптимальным планом двойственной задачи остаётся план Y(0;5/2:1/2).
Далее если
если
если III тип ресурса принадлежит соответственно , а количество остальных ресурсов остается первоначальным, то двойственная задача имеет один и тот же план.
Если найдено решение задачи, то нетрудно провести анализ устойчивости двойственных оценок относительно изменений . Это, в свою очередь, позволяет:
1. проанализировать устойчивость оптимального плана задачи , относительно изменений свободных членов системы линейных уравнений
2. оценить степень влияния изменения , на максимальное значение целевой функции задачи , что дает возможность определить наиболее целесообразный вариант возможных изменений .
30) Экономические примеры, математическая постановка задачи целочисленного программирования.
Целочисленное программирование — разновидность математического программирования, подразумевающая, что искомые значения должны быть целыми числами.
Раздел математического программирования, в котором изучаются методы нахождения экстремумов функций в пространстве параметров, где все или некоторые переменные являются целыми числами.
Простейший метод решения задачи целочисленного программирования — сведение её к задаче линейного программирования с проверкой результата на целочисленность.
В математической модели задачи целочисленного программирования как целевая функция, так и функции в системе ограничений могут быть линейными, нелинейными и смешанными.
Постановка задачи целочисленного программирования
По смыслу значительной части экономических задач, относятся к задачам линейного программирования, компоненты решения должны выражаться в целых числах, т.е. быть целочисленными. К ним относятся, например, задачи, в которых переменные означают количество единиц неделимой продукции, число станков при загрузке оборудования, число судов при распределениях по линиям, число турбин в энергосистеме, число вычислительных машин в управляющем комплексе и многие другие.
Задача линейного целочисленного программирования формируется следующим образом: найти такое решение (план) X = (x1,x2,...,xn), при котором линейная функция
(1)
принимает максимальное или минимальное значение при ограничениях
=bi, i=1, 2…, m. (2)
хj ³ 0, j=1, 2,..., п. (3)
xj - целые числа (4)
К настоящему времени разработано значительное количество частных методов решения конкретных типов задач целочисленного программирования. Тем не менее, почти все эти методы и их модификации можно описать на основе единой принципиальной схемы, состоящей из трех элементов.
Элемент 1. Предусматривается процедура формирования и решения последовательности взаимосвязанных задач, которые называют задачами, порожденными исходной задачей, или задачами-истоками. При этом оптимальное решение по крайней мере одной из задач-истоков должно совпадать с оптимальным решением породившей их задачи.
Элемент 2. Каждой задаче, порожденной исходной задачей, ставится в соответствие так называемая ослабленная задача (задача с ослабленными ограничениями), оптимальное решение которой может быть найдено с гораздо меньшими затратами, чем оптимальное решение соответствующей ей задачи-истока. Специфика ослабленной задачи чаще всего заключается в том, что ее система ограничений является менее жесткой по сравнению с системой ограничений задачи-истока и определяет множество допустимых решений, содержащее все допустимые решения задачи-истока. Как правило, в целочисленном программировании ослабленная задача представляет собой задачу линейного программирования с ограничениями, более слабыми, чем в соответствующей целочисленной задаче-истоке. Очевидно, что если ослабленная задача не имеет допустимых решений, то их не имеет и задача-исток. В некоторых модификациях методов целочисленного программирования целевая функция ослабленной задачи также может отличаться от целевой функции задачи-истока. В этом случае оптимальное значение целевой функции ослабленной задачи (т.е. значение, соответствующее оптимальному решению) должно быть не меньше оптимального значения целевой функции задачи-истока, если речь идет о задаче максимизации. Кроме того, оптимальное значение целевой функции ослабленной задачи определяет (для задачи максимизации) верхнюю границу для оптимального значения целевой функции задачи-истока.
Элемент 3. В результате анализа решения ослабленной задачи в зависимости от специфики метода, как правило, принимается решение, относящееся к задаче-истоку:
а) исключить ее из рассмотрения;
б) заменить одной порожденной задачей, выбранной по специальному правилу из определенной совокупности;
в) заменить системой порожденных задач.
Следует отметить, что существуют и другие подходы к решению задач целочисленного программирования, которые в общем случае не гарантируют нахождения оптимального решения, но приводят к допустимому решению, близкому (в смысле значения целевой функции) к оптимальному, а иногда и совпадающему с ним. В основе одного из таких подходов лежит идея использования случайной выборки допустимых решений с последующим улучшением (в смысле значения целевой функции) каждого из них, когда возможность улучшения допустимого решения достаточно просто обнаружить.
Проиллюстрируем метод ветвей и границ на примере.