- •15. Понятие алгоритма…
- •16. Классификация чм.
- •17. Метод наискорейшего спуска (подъема).
- •18. Метод сопряженных градиентов.
- •20. Метод Ньютона-Рафсона.
- •19. Метод Ньютона.
- •21. Динамическое программирование(Дин.П.)
- •22. Базовые условия для задачи Дин.П.
- •24. Метод прогонки.
- •25. Задача распределения ресурсов как ….
- •26.Осн понятия теории графов и сетей
- •27. Критерии пути
- •28. Задача о замене как задача поиска кратч пути
- •29. Задача поиска мин остовного дерева
- •30. Задача о min потоке
- •31. Задача о потоке наименьшей ст-ти.
- •32. Задача о кратчайшем и критическом путях.
- •33. Суть задачи и осн понятия календарнгое планирования.
- •34. Правила построения сетевой модели проекта.
- •35. Построение сетевого графика проекта
- •36. Временные параметры сетевых графиков. Критич путь.
- •37. Задачи оптимизации проектов. Методы их решения.
- •38. Постановка задачи упр-ия запасами и осн. Понятия теории упр-ия запасами.
- •39. Однопродуктовая статическая модель без дефицита
- •40. Однопродуктовая статическая модель с дефицитом.
- •41. Однопродуктовая статическая модель без дефицита с учетом дисконта.
- •42. Основные понятия теории игр
- •43. Нормальная форма бескоалиционной игры
- •44. Позиционная форма бескоалиционной игры
- •45. Понятие решения игры. Осн. Принципы, опред. Реш. Игры.
- •46. Доминирующие и доминируемые стратегии. Равновесие в доминирующих стратегиях.
- •47. Равновесие по Нэшу.
- •48. Сильное равновесие по Нэшу.
- •49. Оптимальность по Парето
- •50. Равновесие Штакельберга
- •51. Равновесие в защитных (максиминных) стратегиях
- •52. Смешанные стратегии
- •53. Домин-щие и домин-мые смеш.Страт.Равновесие в домин-щих смеш страт.
- •58. Равновесие в защитных (максиминных) стратегиях.
- •59. Задача поиска равн-ия в защитн.См.Страт.Как злп.
- •61.Геометрическая интерпретация игры. Платежное мн-во.
- •62.Антагонистические игры.
- •63. Верхняя, нижняя и чистая цены игры.
- •64. Решение ант.Игры в чистых стратегиях
- •65. Защитные и уравнов.Смешан.Стратегии в ант.Играх. Цена игры в смеш.Стратегиях.
- •66. Теорема Неймана:
- •67. Решение ант.Игры в смеш. Стратегиях методом лин прогр-я
- •68. Графический метод решения ант.Игры размера mx2 (2xn)
- •69.Содержание и формы представления игры против природы
- •70. Критерий Лапласа.
- •71. Критерий ожидаемого значения (Баейса).
- •72. Критерии гарантированного рез-та: min max и max min
- •73. Критерий Сэвиджа.
- •74. Критерий Гурвица.
- •75. Критерий Неймана-Пирсона.
- •76. Рандомизированные решения.
- •77. Геометрическая интерпретация игры против природы. Платежное мн-во.
- •78.Доминир-ть реш-й в играх против природы. Мн-во допустимых реш-й.
- •79. Поиск оптим рандомизир-х решений в игре п/в природы
- •80.Поиск оптим ранд.Решений по критерию ожидаемого значения (Байеса).
- •81.Поиск оптим рандомизир-х решений по критерию гарантированного рез-та (максимину, минимаксу)
- •82. Поиск оптим рандомизированных решений по критерию Неймана-Пирсона.
- •83. Кооперативное поведение в конфликтных ситуациях.
- •84. Доминируемость совместимых смешанных стратегий.
- •85. Задача о переговорах. Переговорное мн-во.
- •86. Коалиционные игры - матем модели конфликтов с возм-тью создания коалиций.
- •87.Дележи и доминируемость по коалициям.
- •90. Вектор Шепли.
15. Понятие алгоритма…
ЧМ наз. Методы решения задач прикладной мат-ки с пом ЭВМ.
Алгоритмом метода наз.произвольная процедура, порождающая послед-ть точек приближения к решению х→(0),х→(1),…,х→(к) в соотв.с приписанным набором правил.
Преобразования к-го приближения х→(к) в х→(к+1) предс собой к-ю итерацию алгоритма. Итерация на каждом шаге реализ-ся заранее заданным порядком действий.
Алгоритм наз.сходящимся на мн-ве S ,если при произвольном начальном приближении х→(0)€S предел ұ от послед-ти приближения х→(0),х→(1),..,х→(к), опред-мый алгоритмом, сходится к истинному реш-ю х→*,т.е.limк→∞ х*(к)=х→*.
Алгоритм завершает свою работу в соотв.с критерием остановок, кот.д.б.задан до начала реализации алгоритма.Критерии остановок различаются в зависимости от исходных задач. Самым главным фактором,определяющим критерием остановок явл.степень отклонения текущего приближения от истинного решения задачи.
16. Классификация чм.
ЧМ разбиваются на классы в соотв.с различ критериями, главными из них являются: (1)направленность метода на решение задач опред области прикладной мат-ки. (2)технические характеристики методов.
По отношению к тому какие производные д.б.использ при реализации метода они разделся на след классы: (1)методы нулевого уровня(не требуют производных функций участвующих задач); (2)методы первого уровня (требуют использования производных функций 1-го порядка); (3)методы 2-го уровня (требуют использования производных функций 2-го и более высоких уровней).
17. Метод наискорейшего спуска (подъема).
Метод предназначен для поиска экстремума функции. Это метод 1-го уровня. Он основан на том факте, что градиент целевой функции указывает направление наискорейшего роста. Описание м:
Итерация 0.выбир-ся точка начального приближения х(0), параметр шага λ, точность решения ε>0.
Итерация к.
(а) производится пересчет очередного приближения по ф-ле х→(к+1)=х→(к)+λ▼f(х→(к)),(1),где λ<0 при поиске min,λ>0 при поиске max.
(б) производится проверка критерия остановок: |х→(к+1)-х→(к)|<ε,(2), если (2) справ-во,то алгоритм заканчивает свою работу и в кач-ве решения берется последнее к+1 приближение, т.е.х→*=х→(к+1).
(в) делается проверка перескока через точку экстремума. Для этого проверяется нер-во: f(х→(к+1))<(λ/|λ|)f(х→(к)),(3), если (3) справ-во, то это означ что произошел перескок через точку экстремума и параметр шага уменьш-ся в несколько раз.
18. Метод сопряженных градиентов.
Предназначен для поиска экстремума функции. Он предст собой модификацию метода наиск.спуска (подъема) и автоматически на каждой итерации учитывает локальные особ-ти целевой ф-и, ускоряя сходимость. Описание метода:
Итерация 0.Выб-ся точка начального приближения, точность решения ε>0, выч-ся направление поиска S→(0)=▼f(х→(0).
Итерация к.
(а)находится min (max) ф-и f(х→) на прямой проведенной из точки х→(к-1) по напр-ю S→(к-1).Найденный min (max) опред-ет очередную точку к-го приближения х→(к). после чего опред-ся напр-е поиска S→(к) для послед- к+1 итерации. Это напр-е опр-ся по ф-ле: S→(к) = (▼f(х→(к)) + S→(к-1)) (|▼f(х→(к))|2/| ▼f(х→(к-1))|2),(1).
(б) делается проверка крит.остановок: |х→(к)-х→(к-1)|<ε,(2), если соотн-е справ-во, то алгоритм завершает работу, т.е.х→*=х→(к).