- •Введение
- •Тема 1 Математическое программирование и оптимизация
- •1.1 Эволюция развития математических методов и моделей в экономике
- •1.2 Классификация экономико-математических моделей
- •1.3 Математическое программирование
- •1.4 Оптимизация в математике и ее методы
- •1.5 Метод Монте-Карло
- •1.5.1 Алгоритм Бюффона для определения числа Пи
- •1.5.2 Связь стохастических процессов и дифференциальных уравнений
- •1.5.3 Рождение метода Монте-Карло в Лос-Аламосе
- •1.5.4 Дальнейшее развитие и современность
- •1.5.5 Интегрирование методом Монте-Карло
- •1.5.6 Обычный алгоритм Монте-Карло интегрирования
- •1.5.7 Геометрический алгоритм Монте-Карло интегрирования
- •Тема 2 Линейное программирование
- •2.1 Общая задача линейного программирования
- •2.2 Основная задача лп (озлп)
- •2.3 Симплекс-метод линейного программирования
- •2.4 Двойственные задачи линейного программирования
- •2.5 Целочисленное линейное программирование
- •2.6 Параметрическое линейное программирование
- •2.7 Дробно-линейное программирование
- •2.8 Блочное программирование
- •2.9 Теория графов
- •2.10 Транспортная задача
- •2.10.1 Общая характеристика транспортной задачи
- •2.10.2 Математическая модель транспортной задачи
- •Тема 3 Нелинейное программирование
- •3.1 Методы нелинейного программирования
- •3.2 Метод множителей Лагранжа
- •3.3 Сепарабельное программирование
- •3.4 Выпуклое программирование
- •3.5 Квадратичное программирование
- •3.6 Геометрическое программирование
- •3.7 Динамическое программирование
- •3.8 Стохастическое программирование
- •Тема 4 Межотраслевой баланс и сетевое моделирование
- •4.1 Задача межотраслевого баланса
- •4.2 Балансовая модель Леонтьева
- •4.3 Модели межотраслевого баланса в планировании инновационных программ
- •4.3.1 Однопродуктовая динамическая макроэкономическая модель
- •1) Открытая однопродуктовая динамическая модель Леонтьева
- •2) Замкнутая однопродуктовая модель Леонтьева
- •4.4 Сетевая модель данных
- •4.4.1 Историческая справка
- •4.4.2 Основные элементы сетевой модели данных
- •4.4.3 Особенности построения сетевой модели данных
- •4.4.4 Операции над данными сетевой модели
- •4.4.5 Использование сетевой модели
- •4.5 Сетевой график
- •4.6 Методика составления сетевого графика
- •5. Задачи оптимального проектирования
- •5.1. Постановка задачи оптимального проектирования
- •5.1.1. Основные понятия и определения
- •5.2. Пример задачи оптимального проектирования
- •5.3. Классификация задач оптимального проектирования
- •Первая постановка
- •5.4 Определение уравнений линейной регрессии
- •5.7. Методика получения исходных данных
- •5.3. Решение задач оптимального проектирования
- •5.3.1. Оптимизация параметров изделия
3.6 Геометрическое программирование
В свою очередь обобщением задачи квадратичного программирования является задача геометрического программирования, в которой критерий оптимальности и ограничения представлены с помощью положительных полиномов (позиномов):
gi(x) = ∑ cijx1αij1∙x2αij2…∙xnαijn (3.33)
где xi > 0, cij > 0, αijk, k = 1,2,…, n — произвольные действительные числа.
Математическая формулировка задачи геометрического программирования заключается в минимизации позинома g0 (х) при условии, что некоторые другие позиномы gi (х) не превосходят единицы:
min g0 (х) = min {∑c0j ∏ xkα0jk}
при условии, что
gi (х) = {∑cij ∏ xkαijk ≤ 1, i = 1,2,…, n.
В частном случае от задачи геометрического программирования (с невыпуклыми ограничениями и критерием оптимальности) вида: min {c0∏ xkα0k}(3.34)
при условии, что
ci ∏ xkαik ≤ 1, i = 1,2,…, m; xk > 0, k=1,2,…, n, путем преобразования переменных нетрудно перейти к задаче линейного программирования. Прологарифмируем функции критерия оптимальности и ограничений и введем новые переменные zk = ln xk, k = 1, 2, …, n. Тогда исходной задаче будет эквивалентна следующая задача линейного программирования:
min {ln c0 + ∑α0kzk} (3.35)
при условии, что
∑αikzk ≤ – ln ci, i = 1,2,…, m. (3.36)
Определение оптимального решения z* задачи линейного программирования (1.42) и переход к переменным исходной задачи с помощью преобразования хk* = ехр (zk*), k — 1, 2,…, n, позволяет найти глобальный-минимум задачи геометрического программирования (3.33).
Задача параметрической оптимизации с дополнительным требованием, чтобы управляемые параметры х принимали только дискретные значения, называется задачей дискретной оптимизации. Если все xi должны быть целыми числами, то задача называется задачей целочисленного программирования, в противном случае — задачей частично целочисленного программирования.
В задачах оптимального проектирования часто возникает необходимость получить наилучшие (минимальные или максимальные) значения для нескольких характеристик проектируемого устройства, т. е. требуется найти такое оптимальное решение х* ∈ D, которое обеспечивает минимум одновременно по всем введенным частным критериям оптимальности Qi (х), i = 1, 2, …, s. Обычно эти критерии противоречивы (уменьшение одних приводит к увеличению других). В связи с этим для совместного учета всей совокупности частных критериев необходимо рассматривать векторный критерий оптимальности Q(х)=(Q1(х),Q2(х),…,Qs(х)), (3.37) приводящий к модели принятия оптимального решения, которая называется задачей векторной (многокритериальной) оптимизации: minQ(x), (3.38) где D= {x|gi(x) ≥ 0, i = 1, 2, …, m}. (3.39)
Выражение (3.38) является сокращенной записью следующей модели принятия оптимального решения: Найти значения управляемых параметров х, которые обеспечивают одновременно минимальное значение по каждому из частных критериев оптимальности:
min Q1(x); min Q2(x);… min Qs(x) (3.40)
при выполнении условий работоспособности проектируемого устройства gi(x1,x2,…,xn)≥0, i=1,2,…,m; (3.41) xj- ≤ xj ≤ xj+, j= 1, 2, …, n. (3.42)
Оптимальное решение х* задачи векторной оптимизации (1.47)— (1.49) в общем случае, не являясь оптимальным ни для одного из частных критериев Q(х) (в смысле постановки задачи параметрической оптимизации (1.25)—(1.27), должно быть компромиссным (в определенном смысле) для векторного критерия Q(х) в целом.
Одним из подходов к поиску компромиссного решения задачи векторной оптимизации является сведение ее к задаче параметрической оптимизации.