- •1.Проблемные ситуации и их классификация
- •6. Задача о наилучшем использовании ресурсов
- •7.Задача о распределения персонала (о назначения)
- •8. Транспортная задача открытого и закрытого типа
- •9. Задача о движении автобусов
- •10. Математическая модель задачи линейного программирования
- •11.Формы записи задачи линейного программирования
- •12.Линейное векторное пространство. Линейная зависимость векторов. Ранг.
- •13.Понятие базиса системы. Базисное и опорное решение системы.
- •14.Отыскание исходного опорного базиса
- •15.Переход от одного опорного решения к другому
- •16.Каноническая форма задачи линейного программирования
- •17. Приведение задачи линейного программирования к канонической форме
- •18. Геометрический смысл задачи линейного программирования
- •19. Свойства решений задачи линейного программирования (без док)
- •24. Основная идея симплекс-метода решения злп и ее теоретическое обоснование
- •25. Теорема о возможности улучшения опорного решения задачи лп
- •26. Условие применимости симплекс-метода и теорема о неограниченности целевой функции на одз
- •27. Структура симплекс таблицы
- •28. Алгоритм симплексного метода решения злп
- •29. Контроль за правильностью решения злп симплекс-методом
- •30. Понятие о вырождении. Причины зацикливания в симплекс-методе
- •31. Понятие двойственности в линейном программировании. Правила построения двойственных задач
- •32.Леммы и теоремы двойственности (без док)
- •33. Применение двойственных задач
- •34. Связь между решениями прямой и двойственной задачи на примере пары симметричных задач
- •35.Экономическая интерпретация двойственных задач (на примере). Экономический смысл 1-ой теоремы двойственности
- •36. Оптимальные двойственные оценки и их смысл в задаче об использовании ресурсов.
- •37. Анализ моделей на устойчивость и чувствительность
- •38. Метод искусственного базиса
- •39. Основные понятия теории игр
- •40. Антагонистические игры, седловая точка
- •41. Чистые и смешанные стратегии матричных игр с нулевой суммой, платежная функция
- •42. Теорема о необходимом и достаточном условии существования решения антагонистической игры
- •43. Правила упрощения матричной игры
- •44. Решение матричной игры 2x2
- •45. Геометрическое решение матричной игры Mx2, 2xN
- •46. Приведение матричной игры к задаче линейного программирования
- •47. Статистические игры. Критерии для принятия решений
- •48.Общая постановка задачи нелинейного программирования
- •49. Геометрическая интерпретация задачи нелинейного программирования
- •50. Геометрический способ решения задачи нелинейного программирования
- •51.Глобальный (абсолютный) и локальный экстремум функции
- •52.Условный экстремум функции
- •53. Метод неопределенных множителей Лагранжа.
- •54. Определение выпуклой и вогнутой функции
- •55. Общая постановка задачи выпуклого программирования. Теорема о существовании решения задачи вп (формулировка)
- •56. Седловая точка функции Лагранжа
- •57. Теорема Куна-Таккера
- •58.Основная идея градиентных методов решения знлп
- •59.Метод Франка –Вульфа
- •60. Метод штрафных функций
- •61. Метод наискорейшего спуска
- •62. Определение сепарабельной функции
- •63. Кусочно-линейная аппроксимация
- •64. Задача целочисленного программирования, методы ее решения
- •65. Задача дробно-линейного программирования, геометрическая интерпретация и метод решения
- •66. Постановка задачи параметрического программирования и принципы ее решения
- •67. Постановка задачи динамического программирования
- •68. Задачи, приводящие к задаче динамического программирования
- •69. Принцип оптимальности Беллмана
- •70. Связь проблемы выбора с задачами лп, нлп, игр
47. Статистические игры. Критерии для принятия решений
зависят не от сознательных действий другого игрока, а от объективной действительности, которую принято называть «природой». Такие игры называются играми с природой.
В некоторых задачах для состояний природы может быть задано распределение вероятностей, в других — оно неизвестно. Условия игры задаются матрицей
А=(aij)= .
Элемент aij равен выигрышу игрока А, если он использует стратегию Аi, а состояние природы — Pj. В ряде случаев рассматривают матрицу риска R. Элементы матрицы риска rij представляют собой разность между выигрышем, который получил бы игрок А, если бы знал состояние Pj, и выигрышем, который он получит в тех же условиях, применяя стратегию Аi, т. е.
rij=j- aij, где j= .
Критерий Байеса. Если вероятности состояния природы Pj равны qj (j=1...n), =1, то выбор i-стратегии обеспечивает математическое ожидание выигрыша, равное . Принимается решение об использовании стратегии, для которой имеет место
.
Максиминный критерий Вальда. Этот критерий совпадает с критерием выбора стратегии, позволяющим получить нижнюю цену игры для двух лиц с нулевой суммой. Согласно этому критерию выбирается стратегия, гарантирующая при любых условиях выигрыши, не меньше, чем
.
Критерий минимального риска Сэвиджа. Этот критерий рекомендует выбирать в качестве оптимальной ту стратегию, при которой величина риска минимизируется в наихудших условиях, т. е. обеспечивается
.
Критерии Вальда и Сэвиджа основаны на самой пессимистической оценке обстановки.
Критерий Гурвица является критерием пессимизма-оптимизма. За оптимальную принимается та стратегия, для которой выполняется соотношение
, где .
При =0 имеем критерий крайнего оптимизма, а при =1 — критерий пессимизма Вальда. При желании подстраховаться в данной ситуации принимают близким к единице.
48.Общая постановка задачи нелинейного программирования
Если в задаче математического программирования целевая функция z ( x ) и (или) хотя бы одна из функций системы ограничений i ( x ) нелинейна, то такой раздел называется нелинейным программированием (НЛП).
В общем виде задача нелинейного программирования (ЗНЛП) состоит в определении максимального (минимального) значения функции
z=f (x1, x2, ... xn) (3.1)
при условии, что ее переменные удовлетворяют соотношениям
gi (x1, x2, ..., xn)=bi, i=1, 2, ..., k, (3.2)
gi (x1, x2, ..., xn)<=bi, i=k+1, k+2, ..., m.
Если f и g — линейные функции, то задача (3.1), (3.2) является задачей линейного программирования.
Соотношения (3.2) образуют систему ограничений и включают в себя условия не отрицательности переменных, если такие условия имеются. Условия не отрицательности могут быть заданы и непосредственно.
49. Геометрическая интерпретация задачи нелинейного программирования
50. Геометрический способ решения задачи нелинейного программирования
В евклидовом пространстве Еn система ограничений gi (x1, x2, ..., xn)=bi, i=1, 2, ..., k, определяет область допустимых решений задачи (ОДР). В отличие от ЗЛП она не всегда является выпуклой.
Если определена ОДР, то нахождение решения задачи сводится к определению такой точки этой области, через которую проходит гиперповерхность наивысшего (наинизшего) уровня: f (x1, x2, ..., xn)=h. Указанная точка может находиться как на границе ОДР, так и внутри нее.
Если в ЗЛП точки экстремума являются вершинами многогранников решений, то в задачах с нелинейной целевой функцией они могут лежать внутри области, на ребре (грани) или в вершине многогранника. Таким образом, с помощью методов линейного программирования, позволяющих осуществить переход из одной вершины многогранника в другую, можно получить оптимальное решение нелинейных задач при условии, что целевая функция удовлетворяет добавочным ограничениям.
Рассмотрение ЗНЛП начинают с классической задачи оптимизации. Задачи такого рода имеют место, если система (3.2) содержит только уравнения, отсутствуют условия не отрицательности и цело численности переменных, а функции gi (x1, x2, ..., xn) и f (x1, x2, ..., xn) непрерывны и имеют частные производные не ниже второго порядка. Классические методы оптимизации при этом являются теоретическим аппаратом, позволяющим в ряде случаев обосновать разработку соответствующего вычислительного метода.