- •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.
31. Поняття про опуклі функції. Геометрична інтерпретація задачі опуклого програмування на площині.
Нехай задано n-вимірний лінійний простір Rn. Функція , що задана на опуклій множині , називається опуклою, якщо для будь-яких двох точок та з множини X і будь-яких значень виконується співвідношення: .Якщо нерівність строга і виконується для , то функція називається строго опуклою. Опукле програмування розглядає методи розв’язування задач нелінійного програмування, математичні моделі яких містять опуклі або угнуті функції.Загальний вигляд задачі опуклого програмування такий: , , ; ,де , — угнуті функції.Аналогічний вигляд має задача для опуклих функцій.
Точка локального максимуму (мінімуму) задачі опуклого програмування є одночасно її глобальним максимумом (мінімумом).
Отже, якщо визначено точку локального екстремуму задачі опуклого програмування, то це означає, що знайдено точку глобального максимуму (мінімуму).
У разі обмежень-нерівностей задачу опуклого програмування розв’язують, застосовуючи метод множників Лагранжа.
Використовуючи теорему Куна — Таккера, маємо необхідні та достатні умови існування оптимального плану задачі опуклого програмування.
32. Сідлова точка та необхідні і достатні умови її існування. Теорема Куна-Таккера.
Для розроблення методів розв’язування окремих типів задач нелінійного програмування важливе значення має поняття сідлової точки, а також визначення необхідних і достатніх умов існування сідлових точок функції Лагранжа у (n + m)-вимірному просторі змінних
Точка називається сідловою точкою функції Лагранжа = , якщо для всіх виконується співвідношення: .
Для диференційовних функцій та знайдемо необхідні умови існування сідлової точки.
Маємо необхідні умови сідлової точки: для тих індексів j, де .
необхідна умова має вигляд: для тих індексів j, де .
то необхідною умовою є: , — довільного знака.
Узагальнення всіх випадків приводить до рівняння: .
встановлюємо необхідні умови для похідних по функції Лагранжа в сідловій точці: для тих індексів і, де , для тих індексів і, де , для тих індексів і, де має довільний знак.Отже, справджується рівняння:
Сукупність співвідношень даних становить необхідні умови, які має задовольняти сідлова точка функції Лагранжа для точок, що належать множині . При цьому повинна мати частинні похідні по всіх компонентах векторів .
Теорема Куна—Таккера дає змогу встановити типи задач, для яких на множині допустимих розв'язків існує лише один глобальний екстремум зумовленого типу. Вона тісно пов'язана з необхідними та достатніми умовами існування сідлової точки
Розглянемо задачу нелінійного програмування, яку, не зменшуючи загальності, подамо у вигляді:maxF=ƒ(X), (1),qi(X)≤bi (i=1,m), (2)xj ≥0 (j=1,n) (3)
Теорема Куна—Такера Вектор X* є оптимальним розв'язком задачі (1)—(3) тоді і тільки тоді, коли існує такий вектор ٨*, що при X* ≥ 0, ٨*≥ 0 для всіх Х≥0, ٨≥0 точка (Х*,٨*) є сідловою точкою функції Лагранжа L(X,٨)= ƒ(X)+ λi (bi - qi(X)),і функція мети f(X) для всіх Х≥0 угнута, а функції qi(X (i = 1,m) —опуклі.