- •1. Принципи моделювання соціально-економічних систем і процесів.
- •2. Сутність економіко-математичної моделі.
- •3. Необхідність використання математичного моделювання економічних процесів.
- •4. Етапи математичного моделювання
- •5. Сутність адекватності економіко-математичних моделей.
- •7. Способи перевірки адекватності економіко-математичних моделей.
- •8. Поняття адаптації та адаптивних систем.
- •9. Сутність оптимізаційних моделей. Приклади економічних задач математичного програмування.
- •10. Загальна постановка задачі лінійного програмування. Приклади економічних задач лінійного програмування.
- •11. Модель задачі лінійного програмування в розгорнутому і скороченому вигляді, а також в матричній і векторній формах.
- •12. Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •13. Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •14. Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •16. Знаходженння розв’язку задачі лінійного програмування. Алгоритм симплексного методу.
- •17. Симплексний метод із штучним базисом. Ознака оптимальності плану із штучним базисом.
- •18. Двоїста задача. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •19. Економічний зміст двоїстої задачі й двоїстих оцінок.
- •20. Теореми двоїстості, їх економічна інтерпретація.
- •21. Застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •22. Аналіз розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •23. Аналіз обмежень дефіцитних і недефіцитних ресурсів.
- •26. Геометрична інтерпретація задачі цілочислового програмування.
- •27. Метод Гоморі.
- •28. Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
- •29. Графічний метод розв’язування задач нелінійного програмування.
- •30. Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
- •31. Поняття про опуклі функції. Геометрична інтерпретація задачі опуклого програмування на площині.
- •32. Сідлова точка та необхідні і достатні умови її існування. Теорема Куна-Таккера.
- •33.Квадратична функція та її властивості.
- •34.Постановка задачі квадратичного програмування та її математична модель.
- •35.Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
- •36.Метод Франка-Вульфа. Алгоритм розв’язування задачі нелінійного програмування.
- •37. Математична постановка задачі динамічного програмування, її економічний зміст. Принцип оптимальності Беллмана.
- •38. Основні рекурентні співвідношення розв’язування задач динамічного програмування.
- •39. Методи розв’язування задач динамічного програмування. Основні кроки алгоритму розв’язування задачі динамічного програмування.
- •40. Основні поняття теорії ігор. Гра двох гравців з нульовою сумою, правила гри, ціна гри, пара оптимальних стратегій для двох осіб.
- •41. Платіжна матриця. Основна теорема теорії ігор. Принцип мінімаксу.
- •42. Гра в чистих стратегіях. Поняття сідлової точки і її знаходження.
- •43. Гра 2х2 в змішаних стратегіях. Алгоритм розв’язування задачі.
- •44. Зведення гри двох осіб до задачі лінійного програмування.
- •1. Принципи моделювання соціально-економічних систем і процесів.
- •2. Сутність економіко-математичної моделі.
28. Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
Будь-яка задача стає нелінійною, якщо в математичній моделі необхідно враховувати умови невизначеності та ризик. Як показник ризику часто використовують дисперсію, тому для врахування обмеженості ризику потрібно вводити нелінійну функцію в систему обмежень, а мінімізація ризику певного процесу досягається дослідженням математичної моделі з нелінійною цільовою функцією.
Загальна задача математичного програмування формулюється так: знайти такі значення змінних xj , щоб цільова функція набувала екстремального (максимального чи мінімального) значення:
за умов: ( ); .
Якщо всі функції та , є лінійними, то це задача лінійного програмування, інакше (якщо хоча б одна з функцій є нелінійною) маємо задачу нелінійного програмування.
Геометрично цільова функція визначає деяку поверхню, а обмеження— допустиму підмножину n-вимірного евклідового простору. Знаходження оптимального розв’язку задачі нелінійного програмування зводиться до відшукання точки з допустимої підмножини, в якій досягається поверхня найвищого (найнижчого) рівня.
Якщо цільова функція неперервна, а допустима множина розв’язків замкнена, непуста і обмежена, то глобальний максимум (мінімум) задачі існує.
Найпростішими для розв’язування є задачі нелінійного програмування, що містять систему лінійних обмежень та нелінійну цільову функцію. В цьому разі область допустимих розв’язків є опуклою, непустою, замкненою, тобто обмеженою.
29. Графічний метод розв’язування задач нелінійного програмування.
Алгоритм графічного методу розв’язування задачі нелінійного програмування складається з таких кроків:
1. Будуємо прямі, рівняння яких дістаємо заміною в обмеженнях задачі знаків нерівностей на знаки рівностей.
2. Визначаємо півплощини, що відповідають кожному обмеженню задачі.
3. Знаходимо багатокутник розв’язків задачі лінійного програмування.
4. Будуємо вектор , що задає напрям зростання значення цільової функції задачі.
5. Будуємо пряму с1х1 + с2х2 = const, перпендикулярну до вектора .
6. Рухаючи пряму с1х1 + с2х2 = const в напрямку вектора (для задачі максимізації) або в протилежному напрямі (для задачі мінімізації), знаходимо вершину багатокутника розв’язків, де цільова функція набирає екстремального значення.
7. Визначаємо координати точки, в якій цільова функція набирає максимального (мінімального) значення, і обчислюємо екстремальне значення цільової функції в цій точці.
30. Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв’язування задачі на безумовний екстремум.
Ідея методу множників Лагранжа полягає в заміні початкової задачі простішою. Для цього цільову функцію замінюють іншою, з більшою кількістю змінних, тобто такою, яка включає в себе умови, що подані як обмеження. Після такого перетворення дальше розв’язування задачі полягає в знаходженні екстремуму нової функції, на змінні якої не накладено ніяких обмежень. Тобто від початкової задачі пошуку умовного екстремуму переходимо до задачі відшукання безумовного екстремального значення іншої функції. Отже, завдяки такому перетворенню можливе застосування методів класичного знаходження екстремуму функції кількох змінних.
Розглянемо метод множників Лагранжа на прикладі такої задачі нелінійного програмування:
Z =f (х1, х2... хп) —> mах (min) за умов
q1(x1,x2,…xn)=bi,i=1, де функція f (х1, x2, ..., хп) i q1(x1, x2, …xn) диференційовані.
Ідея методу множників Лагранжа полягає в заміні даної задачі простішою: на знаходження екстремуму складнішої функції, але без обмежень. Ця функція називається функцією Лагранжа і подається у вигляді
де λi— не визначені поки що величини, так звані множники Лагранжа.
Знайшовши частинні похідні функції L за всіма змінними і прирівнявши їх до нуля:
запишемо систему
що є, як правило, нелінійною.
Розв'язавши цю систему, знайдемо X* =(х1, x2, ..., хп) i λ0= (λ1, λ 2, ..., λm) — стаціонарні точки. Оскільки їх визначено з необхідної умови екстремуму, то в них можливий максимум або мінімум. Іноді стаціонарна.
Теорема. Нехай маємо стаціонарну точку ( ) функція Лангранжа, тобто точку в якій виконуються необхідні умови існування тоді точка :
1. Точка є точкою максимуму, якщо, починаючи з головного мінору порядку (m + 1), наступні (n – m) головних мінорів матриці Н утворюють знакозмінний числовий ряд, знак першого члена якого визначається множником .
2. Точка є точкою мінімуму, якщо, починаючи з головного мінору порядку (m + 1), знак наступних (n – m) головних мінорів матриці Н визначається множником .
У теорії дослідження функцій задача на відшукання екстремальних значень не містить ніяких додаткових умов щодо змінних і такі задачі належать до задач відшукання безумовного екстремуму функції. Локальний та глобальний екстремуми тоді визначаються з необхідних та достатніх умов існування екстремуму функції.
Нагадаємо, що необхідна умова існування локального екстремуму функції двох змінних формулюється так: для того, щоб точка була точкою локального екстремуму, необхідно, щоб функція була неперервною і диференційовною в околі цієї точки і перші частинні похідні за змінними та у цій точці дорівнювали нулю: .Точка називається критичною.
Якщо задача полягає у відшуканні локального чи глобального екстремуму деякої функції за умови, що на змінні такої функції накладаються додаткові обмеження, то маємо задачу пошуку умовного екстремуму функції. Термін «умовний» означає, що змінні задачі мають задовольняти деякі умови.
Найпростіший спосіб розв’язання задачі такого виду полягає в тому, що спочатку з обмеження знаходять вираз однієї змінної через іншу. Приміром, визначають через . Отриманий вираз виду підставляють у функцію що після цього стає функцією однієї змінної , і далі знаходять її безумовний екстремум.
Якщо деяка точка є точкою екстремуму функції , то точка є точкою умовного екстремуму