- •Общая постановка задачи оптимизации.
- •Классическая задача на условный экстремум. Необходимые и достаточные условия условного экстремума.
- •Метод множителей Лагранжа для решения классической задачи на условный экстремум.
- •Линейные неравенства и область решений системы линейных неравенств.
- •5. Общая задача линейного программирования. Геометрическая интерпретация задачи.
- •Графический метод решения задачи линейного программирования для двух переменных.
- •Решение задачи линейного программирования симплекс–методом. Симплексные таблицы. Алгоритм симплекс–метода.
- •Решение задачи оптимизации выпуска продукции симплекс–методом.
- •Модель оптимизации плана перевозок (транспортная задача). Экономическая постановка задачи.
- •9.2 Основные свойство транспортной задачи
- •9.3 Двойственная задача
- •9.4 Теоремы двойственности
- •9.5 Построение опорного плана транспортной задачи
- •9.6 Метод севево-западного угла
- •Математическая модель транспортной задачи. Открытые и закрытые задачи. Допустимый, опорный и оптимальный планы перевозок.
- •11. Построение начального (опорного) плана перевозок по методу северо–западного угла и по методу наименьшей стоимости.
- •12. Теорема о потенциалах. Метод потенциалов. Транспортные таблицы. Понятие цикла. Сущность метода потенциалов.
- •13.Критерий оптимальности и неоптимальности опорного плана. Критерий единственности оптимального опорного плана.
- •14. Понятия испытания и случайного события. Частота и относительная частота появления события в серии испытаний. Вероятность случайного события.
- •15. Совместные и несовместные события. Полная группа событий. Событие, благоприятствующее данному. Равновозможные события. Совокупность элементарных исходов.
- •16.Классическое определение вероятности. Простейшие свойства вероятности.
- •17. Основные правила комбинаторики. Сочетания, перестановки, размещения.
- •18. Частота и относительная частота появления события в серии испытаний. Стохастическая устойчивость случайного события. Статистическое определение вероятности.
- •19. Вероятность противоположного события. Условная вероятность.
- •20. Сумма и произведение случайных событий. Теорема сложения вероятностей: для двух произвольных событий, для двух несовместных.
- •21. Теорема умножения вероятностей: для двух произвольных событий; для двух независимых событий; для нескольких событий, независимых в совокупности.
- •22. Формула полной вероятности.
- •23. Теорема Байеса.
- •24. Формула Бернулли
- •25. Локальная и интегральная теоремы Лапласа. Функции Гаусса и Лапласа.
- •26. Понятие случайной величины. Закон распределения случайной величины. Функция распределения и ее свойства.
- •1) Биномиальное распределение (дискретное)
- •2) Пуассоновское распределение (дискретное)
- •3) Показательное распределение (непрерывное)
- •4) Равномерное распределение (непрерывное)
- •5) Нормальное распределение или распределение Гаусса (непрерывное)
- •27. Дискретная случайная величина. Способы задания закона распределения дискретной случайной величины.
- •28. Числовые характеристики дискретной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение. Их основные свойства.
- •29. Биномиальный закон распределения.
- •30. Распределение Пуассона. Простейший поток событий.
- •Ц.П.Т. Ляпунова
- •Слабый закон больших чисел
- •Усиленный закон больших чисел
- •Значение теоремы Чебышева для практики.
- •51. Понятие критерия. Критическая область и область принятия гипотезы. Односторонняя и двусторонняя критическая область, критические точки. Мощность критерия.
- •56. Коэффициенты регрессии. Линии регрессии.
- •59. Эмпирическая и теоретическая линии регрессии.
Общая постановка задачи оптимизации.
Линейное программирование. Постановка задачи математического программирования начинается с определения цели(целевая функция)
F(x)=f(x)->opt(i) (max, min)
Для нахождения решения задачи необходимо определить переменные задачи x = (x1,x2,…,xn) ограничения накладываемые на них. Эти ограничения представляют систему:
g (x) <0
g(x)>0
g(x)=0
Эти три записи составляют математическую модель задачи математического программирования.
Классификация:
Если функция цели:
Линейная функция gi(x) также линейные функции, то модель называется моделью лин. программирования
Если функция цели и линейная в системе функций не линейные, то модель называется моделью не линейного программирования.
Если переменные задачи xi, являются переменные зависящими от времени, то модель называется моделью динамического программирования.
Классическая задача на условный экстремум. Необходимые и достаточные условия условного экстремума.
Пусть функция f определена в некоторой области G R и точкаP G. Значения функции в этой точке называется (локальным) минимумом, соответственно, локальным максимумом функции f в G тогда и только тогда, когда существует некоторая окрестность U(P) G
Точки P такая, что для всех точек P U(P) имеет место соответственно
f(P) >f(Pо). Максимум или минимум функции f называется также (локальным) экстремумом функции f в G. Значение локального экстремума функции f в точке Pо является наименьшим или наибольшим значением функции в некоторой окрестности точки Pо, однако оно не совпадает, вообще говоря, с наименьшим или наибольшим значением функции в области G.
Необходимые условия существования экстремума. Если f(Pо) есть экстремум функции f, дифференцируемой по каждой из координат в некоторой окрестности U(Pо) точки Pо, то имеет место f(Po)=0; (i=1,..,n)
Достаточное условие экстремума. Пусть в некоторой области, содержащей Pо(хо, уо), функция f(х,у) имеет непрерывные частные производные до третьего порядка включительно, пусть кроме того, точка Pо(хо, уо) является критической точкой функции f(х,у) т.е.
Тута ф – ла))
Метод множителей Лагранжа для решения классической задачи на условный экстремум.
Метод множителей Лагранжа, метод нахождения условного экстремума функции , где , относительно ограничений , где меняется от единицы до .
Составим функцию Лагранжа в виде линейной комбинации функции и функций , взятых с коэффициентами, называемыми множителями Лагранжа — :
где .
Составим систему из уравнений, приравняв к нулю частные производные функции Лагранжа по и .
Если полученная система имеет решение относительно параметров и , тогда точка может быть условным экстремумом, то есть решением исходной задачи. Заметим, что это условие носит необходимый, но не достаточный характер.
Двумерный случай
Линии уровня и кривая .
Пусть требуется найти экстремум некоторой функции двух переменных при условии, задаваемом уравнением . Мы будем считать, что все функции непрерывно дифференцируемы, и данное уравнение задает гладкую кривую на плоскости . Тогда задача сводится к нахождению экстремума функции на кривой . Будем также считать, что не проходит через точки, в которых градиент обращается в .
Нарисуем на плоскости линии уровня функции (то есть кривые ). Из геометрических соображений видно, что экстремумом функции на кривой могут быть только точки, в которых касательные к и соответствующей линии уровня совпадают. Действительно, если кривая пересекает линию уровня в точке трансверсально (то есть под некоторым ненулевым углом), то двигаясь по кривой из точки мы можем попасть как на линии уровня, соответствующие большему значению , так и меньшему. Следовательно, такая точка не может быть точкой экстремума.
Тем самым, необходимым условием экстремума в нашем случае будет совпадение касательных. Чтобы записать его в аналитической форме, заметим, что оно эквивалентно параллельности градиентов функций и в данной точке, поскольку вектор градиента перпендикулярен касательной к линии уровня. Это условие выражается в следующей форме:
где — некоторое число, отличное от нуля, и являющееся множителем Лагранжа.
Рассмотрим теперь функцию Лагранжа , зависящую от и :
Необходимым условием ее экстремума является равенство нулю градиента . В соответствии с правилами дифференцирования, оно записывается в виде
Мы получили систему, первые два уравнения которой эквивалентны необходимому условию локального экстремума (1), а третье — уравнению . Из нее можно найти . При этом , поскольку в противном случае градиент функции обращается в нуль в точке , что противоречит нашим предположениям. Следует заметить, что найденные таким образом точки могут и не являться искомыми точками условного экстремума — рассмотренное условие носит необходимый, но не достаточный характер. Нахождение условного экстремума с помощью вспомогательной функции и составляет основу метода множителей Лагранжа, примененного здесь для простейшего случая двух переменных. Оказывается, вышеприведенные рассуждения обобщаются на случай произвольного числа переменных и уравнений, задающих условия.
На основе метода множителей Лагранжа можно доказать и некоторые достаточные условия для условного экстремума, требующие анализа вторых производных функции Лагранжа.