
- •65. Понятие и состав модели, постановка оптимиз-ой задачи.
- •66. Понятие и состав модели. Класс-ция задач оптимизации.
- •Совокупности неизвестных величин, воздействием на которые систему можно соверш-ть(план задачи, или вектор управления);
- •Системы ограничений на неизвестные величины.
- •67. Лин.Прогр-ие. Виды задач лин.Прогр-ия: опт-го исп-ия ресурсов и опт-ции годовой произв-ой программы предприятия.
- •68. Лин. Программирование. Виды задач лин. Программирования: оптимального использования ресурсов и размещения заказов или загрузки взаимозаменяемых групп оборудования.
- •69. Формы записи задач линейного программирования.
- •70. Каноническая форма задач линейного программирования.
- •71. Симплексный метод: построение начального опорного плана, предпочтительный вид.
- •72. Симплексный метод. Признак оптимальности опорного плана. Симплексные таблицы.
- •73. Симплексный метод. Переход к нехудшему опорному плану. Симплексные преобразования.
- •74. Понятие двойственности в задачах линейного программирования (злп). Правила построения двойственных задач (симметричных и несимметричных).
- •75. Теоремы двойственности и их экономическое содержание.
- •76. Математическая модель транспортной задачи: открытая и закрытая виды моделей.
- •77. Построение начального опорного плана транспортной задачи: методы северо-западного угла и минимального элемента.
- •78. Построение начального опорного плана транспортной задачи: методы Фогеля и минимального элемента.
- •79 Транспортная задача: условия оптимальности опорного плана, метод потенциалов.
- •80. Балансовый метод решения экономических задач. Схема межотраслевого баланса (моб).
- •81 Сущность имитационного моделирования, возможности и ограничения при использовании.
- •82 Условия существования экстремумов целевой функции
- •83 Постановка задачи оптимизации
- •84 Понятие оптимальности по Парето при решении многокритериальных задач
- •85 Многокритериальные задачи оптимизации в экономике. Формирование целевой функции, стратегии оптимизации.
- •86 Планирование вычислительного эксперимента. Полный факторный эксперимент.
- •87 Дробный факторный эксперимент (дфэ). Проверка пригодности спектра плана для проведения.
86 Планирование вычислительного эксперимента. Полный факторный эксперимент.
При построении экспериментальной факторной модели объект моделирования представляется «черным» ящиком, на вход подаются переменные X,Z, а на выходе регистрируются переменные Y. X- внутренние параметры, Z – внешние параметры, Y – выходные параметры. В вычислительных экспериментах объектом исследования является теоретическая или имитационная модель, на основе которой необходимо установить факторную модель. Эксперимент – система операций, воздействий и наблюдений, направленных на получение информации об объекте при исследовании.
Активным называется эксперимент, в котором значения факторов задаются и поддерживаются неизменными в течение опыта в соответствии с планом эксперимента.
Основные принципы планирования эксперимента:
1 цель планирования эксперимента – получение максимума информации о свойствах исследуемого объекта при минимуме опыта. Это обусловлено высокой стоимостью экспериментов и вместе с тем – построением адекватной модели
2 в вычислительном эксперименте, в отличие от физического, нет ограничений на выбор управляемых параметров и пределов их изменения.
При планировании активных экспериментов применяются принципы:
1 отказ от полного перебора всех возможных состояний объекта
2 постепенное усложнение структуры матмодели
3 сопоставление результатов эксперимента с величиной случайных помех
4 рандомизация опытов
5 оптимальное планирование эксперимента.
При проведении активного эксперимента задается определенный план варьирования факторов. План эксперимента – совокупность данных, определяющих число, условие и порядок реализации опытов. Планирование эксперимента – выбор плана эксперимента, удовлетворяющего заданным требованиям. Точка плана – совокупность численных значений факторов, соответствующих условиям проведения опыта, т.е. точка факторного пространства, в которой эксперимент, т.е. Xi={X1,X2,…,Xn}. Общая совокупность таких векторов образует план эксперимента. Совокупность различных векторов, число которых n, образуют спектр плана. Матрица плана представляет прямоугольную таблицу, содержащую информацию о количестве и условиях проведения опытов. Строки соответствуют опытам, столбцы – факторам. Матрица спектра плана – матрица, в которую входят только различающиеся между собой строки. План называют насыщенным, если общее число точек плана равно числу неизвестных параметров регрессионной модели. Такой план позволяет получить экспериментальную факторную модель при минимальных затратах. План полного факторного эксперимента.
Спектр плана содержит все возможные комбинации значений факторов на всех уровнях изменений. Число точек спектра плана N=Un, где U- число уровней, n – количество факторов. Для составления матрицы спектра плана используется правило: в 1-й строке все факторы = -1, и в 1-м столбце знаки единиц меняются поочередно, во 2-м чередуются через 2, в 3-м – через 4, в 4-м – через 8 и т.д. по степеням двойки.
-1 |
-1 |
-1 |
+1 |
-1 |
-1 |
-1 |
+1 |
-1 |
+1 |
+1 |
-1 |
-1 |
-1 |
+1 |
+1 |
-1 |
+1 |
-1 |
+1 |
+1 |
+1 |
+1 |
+1 |
|
f0 |
f1=x1 |
f2=x2 |
f3=x3 |
f4=x1x2 |
f5=x2x3 |
f6=x1x3 |
f7=x1x2x3 |
1 |
1 |
-1 |
-1 |
-1 |
+1 |
+1 |
+1 |
-1 |
2 |
1 |
+1 |
-1 |
-1 |
-1 |
+1 |
-1 |
+1 |
3 |
1 |
-1 |
+1 |
-1 |
-1 |
-1 |
+1 |
+1 |
4 |
1 |
+1 |
+1 |
-1 |
+1 |
-1 |
-1 |
-1 |
5 |
1 |
-1 |
-1 |
+1 |
+1 |
-1 |
-1 |
+1 |
6 |
1 |
+1 |
-1 |
+1 |
-1 |
-1 |
+1 |
-1 |
7 |
1 |
-1 |
+1 |
+1 |
-1 |
+1 |
-1 |
-1 |
8 |
1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
Т.к. при использовании всех возможных сочетании факторов в уравнении регрессии число определенных коэффициентов Nв = числу точек спектра плана, то такой план – насыщенный.