- •Введение в математическую экономику
- •1. Предмет и задачи математической экономики
- •2. Математическое моделирование экономических систем
- •3. Примеры экономических задач оптимизации и управления
- •4. Общая схема принятия решений. Виды и параметры экономических задач оптимизации и управления
- •5. Оптимальное поведение и его формализация в экономико-математических моделях
- •Тема 1. Элементы финансовой математики
- •1.1. Сущность финансовой математики
- •1.2. Основные категории, используемые в финансово–экономических расчетах
- •1.3. Фактор времени в финансово–экономических расчетах
- •1.4. Наращение
- •1.5. Дисконтирование
- •1.6. Номинальная и эффективная ставка
- •1.7. Эквивалентность процентных ставок
- •1.8. Сущность инфляции
- •1.9. Учет инфляции при расчете наращивания
- •1.10. Кредитные расчеты. Равные процентные выплаты
- •1.11. Погашение долга равными суммами
- •1.12. Равные срочные выплаты
- •1.13. Потребительский кредит
- •Тема 2. Оценка инвестиционных процессов
- •2.1. Особенности инвестиционных процессов
- •2.2. Чистый приведенный доход
- •2.3. Срок окупаемости
- •2.4. Внутренняя норма доходности
- •2.5. Построение оптимального портфеля
- •2.6. Моделирование финансовых рисков
- •2.7. Принципы определения цены
- •2.8. Простейший и классический процессы риска
- •Тема 3. Основы актуарной математики
- •3.1. Предмет актуарной математики
- •3.2. Использование решающего правила Байеса
- •3.3. Задача о разорении. Вероятность разорения
- •3.4. Сложные пуассоновские процессы
- •3.5. Неравенство Лундберга
- •3.6. Определение вероятности окончательного разорения в экспоненциальном случае
- •3.7. Влияние перестрахования на вероятность разорения. Задача о разорении и перестрахование
- •Тема 4. Задачи оптимизации и управления в экономике
- •4.1. Основные понятия исследования операций
- •4.2. Классификация задач исследования операций
- •4.3. Построение экономико-математической модели
- •4.4. Линейное программирование
- •4.5. Геометрический метод решения задачи линейного программирования
- •4.6. Симплекс-метод решения задачи линейного программирования
- •4.7. Транспортная задача линейного программирования
- •4.8. Задача коммивояжера и метод ветвей и границ
- •2) Построение нижних и верхних оценок минимального значения целевой функции.
- •3) Отсеивание вариантов.
- •4.9. Нелинейное программирование. Метод множителей Лагранжа
- •4.10. Задача выпуклого программирования
- •4.11. Понятие о параметрическом и стохастическом программировании
- •4.12. Общая постановка задачи динамического программирования
- •4.13. Принцип оптимальности и уравнения Беллмана
- •4.14. Задача о распределении средств между предприятиями
- •4.15. Общая схема применения метода дп. Задача об оптимальном распределении ресурсов между отраслями на n лет
- •Тема 5. Математические модели экономических процессов
- •5.1. Линейные модели экономики
- •5.2. Модель Леонтьева «Затраты-выпуск»
- •5.3. Планирование производства в динамике (модель Неймана «расширяющейся» экономики)
- •5.4. Математическая теория потребления. Формализация предпочтения потребителя при выборе товаров
- •5.5. Функция полезности как критерий оценки товаров
- •5.6. Предельный анализ и понятие эластичности в теории потребления
- •5.7. Оптимизационная модель задачи потребительского выбора. Уравнение Слуцкого
- •5.8. Математическая теория конкурентного равновесия
- •5.9. Рыночный спрос и рыночное предложение. Условия совершенной конкуренции. Модель Вальраса
2) Построение нижних и верхних оценок минимального значения целевой функции.
Для исходной задачи, а также для любой ее подзадачи могут быть найдены числа LB и UB такие, что
LB ≤ F* ≤ UB,
где F* - минимальное значение целевой функции в задаче или подзадаче, LB и UB – его нижняя и верхняя оценки соответственно.
Нижняя оценка может быть получена в результате решения релаксированной или ослабленной задачи, например, задачи коммивояжера, в которой стоимости всех дуг, входящих в данную вершину, заменены на минимальную из них, и аналогично изменены (уменьшены) стоимости всех дуг, выходящих из данной вершины.
Верхняя оценка может быть получена в результате отыскания любого допустимого решения рассматриваемой задачи и вычисления соответствующего значения целевой функции. Для задачи коммивояжера достаточно подсчитать суммарную стоимость дуг для какого-нибудь допустимого маршрута (допустимой перестановки). Наилучшая, т.е. наименьшая из всех имеющихся в наличии верхних оценок, называется (текущим) рекордом.
Может оказаться, что задача отыскания нижней и/или верхней оценки сама является сложной. В этом случае соответствующая оценка не используется и можно положить LB =- , UB = .
3) Отсеивание вариантов.
В случае, если для некоторой подзадачи ее нижняя оценка превосходит либо равна рекорду, такую подзадачу можно далее не ветвить, так как ее решение будет заведомо хуже либо не лучше решения, соответствующего рекорду.
3) Оптимальное решение. Процесс вычислений прекращается, когда нет ни одной подзадачи, которая может продолжать ветвиться. В этом случае оптимальное решение соответствует текущему рекорду.■
В приведенном методе остается неопределенным способ выбора подзадачи для ветвления.
Такие способы могут быть различными. Наиболее употребимым является способ, при котором ветвят ту подзадачу, которой соответствует наименьшее значение нижней оценки либо ту, которая быстрее приведет к тривиальной подзадаче.
Различают методы ветвления в глубину и в ширину.
При ветвлении в глубину всегда ветвят одну из подзадач наибольшего уровня. Такое ветвление быстрее приведет к построению полного допустимого решения.
При ветвлении в ширину ветвят подзадачи одного уровня до тех пор, пока все такие подзадачи не будут рассмотрены. Такое ветвление позволяет получать больше нижних и верхних оценок и может привести к большему количеству отсеянных вариантов. Однако требуется больше памяти для хранения промежуточных результатов по сравнению с ветвлением в глубину.
4.9. Нелинейное программирование. Метод множителей Лагранжа
Во многих экономических моделях исследования операций зависимости между постоянными и переменными факторами лишь в первом приближении можно считать линейными, более детальное рассмотрение позволяет обнаружить их нелинейность. Как правило, такие показатели, как прибыль, себестоимость, капитальные затраты на производство и др., в действительности зависят от объема производства, расхода ресурсов и т.п. нелинейно. В этом случае возникает задача нелинейного программирования, математическая модель которой формулируется следующим образом: найти переменные х1, х2, ..., хn, удовлетворяющие системе неравенств
и обращающие в максимум (или минимум) целевую функцию, т.е.
.
Можно выделить класс нелинейных задач, которые относятся к классическим методам оптимизации. Допустим, что среди ограничений нет неравенств, не обязательны условия неотрицательности, переменные не являются дискретными, т < п, а функции и непрерывны и имеют частные производные по крайней мере второго порядка. В этом случае задачу оптимизации можно сформулировать так: найти переменные х1, х2, ..., хn, удовлетворяющие системе уравнений
и обращающие в максимум (минимум) целевую функцию
.
Такие задачи в принципе можно решать классическими методами дифференциального исчисления. Однако на этом пути встречаются такие вычислительные трудности, которые делают необходимым поиск других методов решения. Поэтому классические методы часто используется не в качестве вычислительного средства, а как основа для теоретического анализа.
Другой способ определения условного экстремума начинается с построения вспомогательной функции Лагранжа, которая в области допустимых решений достигает максимума для тех же значений переменных х1, x2, ..., хn, что и целевая функция z.
Пусть решается задача определения условного экстремума функции z=f(X) при ограничениях, задаваемых так называемыми уравнениями связи
.
Составим функцию
которая называется функцией Лагранжа, — постоянные множители (множители Лагранжа). Отметим, что множителям Лагранжа можно придать экономический смысл. Если — доход, соответствующий плану , а функция — издержки i-го ресурса, соответствующие этому плану, то — цена (оценка) i-го ресурса, характеризующая изменение экстремального значения целевой функции в зависимости от изменения размера i-го ресурса (маргинальная оценка). L(X) — функция п+т переменных . Определение стационарных точек этой функции приводит к решению системы уравнений
Легко заметить, что , то есть в систему входят уравнения связи. Таким образом, задача нахождения условного экстремума функции z = f(X) сводится к нахождению локального экстремума функции L(X). Если стационарная точка найдена, то вопрос о существовании экстремума в простейших случаях решается на основании достаточных условий экстремума — исследования знака второго дифференциала d2L(X) в стационарной точке при условии, что переменные приращения хj связаны соотношениями
,
полученными путем дифференцирования уравнений связи.
Пример. Найти наибольшее и наименьшее значения функции
при условии, что х1, х2, х3 удовлетворяют уравнению .
Решение.
Уравнение связи определяет в пространстве сферу единичного радиуса с
Рис. 4.2 |
центром в начале координат (рис. 4.2). Так как сфера — замкнутое ограниченное множество, то согласно теореме Вейерштрасса функция достигает на ней своего наибольшего и наименьшего значений. Необходимо найти условный глобальный экстремум. Запишем уравнение связи в виде: . |
Составим функцию Лагранжа:
.
Найдем частные производные этой функции по .
,
,
,
.
Приравняв частные производные нулю, получим систему:
Решая систему, получим стационарные точки, в которых найдем значения функции z:
1. .
2. .
3. .
4. .
5. .
6. .
Выберем из всех значений z наибольшее и наименьшее: zmax = 1, а zmin=0.