- •1 Теорема Кронекера-Капелли
- •2 Метод Крамера решения слу
- •4. Понятие градиента функции. Теорема о градиенте. Понятия матриц Гессе и Якоби.
- •3 Метод Гаусса решения слу
- •5 Т.О необх-х усл-х экстремума.
- •7. Понятие полож (отриц) опред-ти матрицы. Критерий Сильвестра
- •8. Классич метод поиска экстремума ф-и без ограничений
- •9 Метод множ-й Лагранжа
- •10 Условия Куна-Таккера
- •11 Формы представления злп
- •12 Графический метод решения злп
- •13 Двойств злп. Двойств лемма.
- •17 Классификация чм.
- •16. Понятие алгоритма в численных методах математического программирования. Понятия к-го приближения, итерации, сходимости, критерия останова
- •18 Метод наискорейшего спуска (подъема).
- •19. Метод сопряженных градиентов.
- •23. Базовые условия для задачи Дин.П.
- •20. Метод Ньютона.
- •21. Метод Ньютона-Рафсона.
- •22.Постановка задачи Динамического программирования (Дин.П.)
- •25. Метод прогонки.
- •28. Критерии пути
- •27.Осн понятия теории графов и сетей
- •81. Коалиционные игры - матем модели конфликтов с возм-тью создания коалиций.
- •82.Дележи и доминируемость по коалициям.
- •62. Защитные и уравнов.Смешан.Стратегии в ант.Играх. Цена игры в смеш.Стратегиях.
- •29. Задача о замене как задача поиска кратч пути
- •30. Задача поиска мин остовного дерева
- •32. Задача о потоке наименьшей ст-ти.
- •31. Задача о min потоке
- •33. Задача о кратчайшем и критическом путях.
- •34. Суть задачи и осн понятия календарнгое планирования.
- •35. Правила построения сетевой модели проекта.
- •36. Построение сетевого графика проекта
- •37. Временные параметры сетевых графиков. Критич путь.
- •38. Задачи оптимизации проектов. Методы их решения.
- •40. Однопродуктовая статическая модель без дефицита
- •45. Позиционная форма бескоалиционной игры
- •39. Постановка задачи упр-ия запасами и осн. Понятия теории упр-ия запасами.
- •41. Однопродуктовая статическая модель с дефицитом.
- •42. Однопродуктовая статическая модель без дефицита с учетом дисконта.
- •43. Основные понятия теории игр
- •44. Нормальная форма бескоалиционной игры
- •46. Понятие решения игры. Осн. Принципы, опред. Реш. Игры.
- •47. Доминирующие и доминируемые стратегии. Равновесие в доминирующих стратегиях.
- •48. Равновесие по Нэшу.
- •50. Сильное равновесие по Нэшу.
- •49. Теорема Нэша. Решение задачи о конкуренции с помощью теоремы Нэша (на примере)
- •51. Оптимальность по Парето
- •53. Равновесие в защитных (максиминных) стратегиях
- •52. Равновесие Штакельберга
- •54. Смешанные стратегии
- •56. Равновесие в защитных (максиминных) стратегиях.
- •63. Теорема Неймана:
- •57. Задача поиска равн-ия в защитн.См.Страт.Как злп.
- •58.Геометрическая интерпретация игры. Платежное мн-во.
- •59.Антагонистические игры.
- •60. Верхняя, нижняя и чистая цены игры.
- •61. Решение ант.Игры в чистых стратегиях
- •85. Вектор Шепли.
- •64. Решение ант.Игры в смеш. Стратегиях методом лин прогр-я
- •65. Графический метод решения ант.Игры размера mx2 (2xn)
- •67. Критерий Лапласа.
- •68. Критерий ожидаемого значения (Баейса).
- •66.Содержание и формы представления игры против природы
- •69. Критерии гарантированного рез-та: min max и max min
- •70. Критерий Сэвиджа.
- •71. Критерий Гурвица.
- •72. Критерий Неймана-Пирсона.
- •73. Рандомизированные решения.
- •75.Доминир-ть реш-й в играх против природы. Мн-во допустимых реш-й.
- •74. Геометрическая интерпретация игры против природы. Платежное мн-во.
- •76. Поиск оптим ранд.Решений по критерию ожидаемого значения (Байеса).
- •77.Поиск оптим рандомизир-х решений по критерию гарантированного рез-та (максимину, минимаксу)
- •78. Кооперативное поведение в конфликтных ситуациях.
- •79. Доминируемость совместимых смешанных стратегий.
- •80. Задача о переговорах. Переговорное мн-во.
5 Т.О необх-х усл-х экстремума.
Теорема: Пусть функция f(x) имеет в точке z экстремум, тогда все ее частные производныеые первого порядка в этой точке равны 0, т.е. z является стационарной точкой: f(z)=0
6.Т-ма о дост-х усл-х экстремума.
Теорема: Пусть функция f(x) имеет непрерывные производные 2-го порядка в стационарной точке z, тогда точка z является точкой мах, если матрица Гессе Н(z) функции f(x) в т. z отрицательно определена, и точкой min,если матрица Н(z) положительно определена.
7. Понятие полож (отриц) опред-ти матрицы. Критерий Сильвестра
Квадратная матрица Н=(hij)nxn называется положительной(не отрицательно определенной), если выполняется соотношение:
xTHx>(≥)0 x0 (1)
Выражение xTHx наз квадратичной формой матрицы Н.
Матрица H наз отрицательно (не положительно) определённой, если знаки неравенств (1) противоположны.
Критерий Сильвестра: Справедливы утверждения:
1)квадратная матрица положительно определена <=> когда все ее главные (угловые) миноры положительны
2) квадратная матрица отрицательно определена <=> когда для любого ее главного (углового) минора к-ого порядка выполняется соотношение: (-1)К*Мк>0.
8. Классич метод поиска экстремума ф-и без ограничений
Метод применяется для решения задачи f(x)→max (min) х Rn и состоит в выполнении 2 шагов.
Шаг1. Решается уравнение f(z)=0,из которого определяются все стационарные точки целевой функции f(x) (подозрительные на экстремум).
Шаг2. В каждой из найденных стационарных точек вычисляются матрицы Гессе и устанавливаются типы определенности данной матрицы в данной точке. Для определения типа определенности используется Теорема об условиях определенности матриц (Критерий Сильвестра): Справедливы утверждения:
1)квадратная матрица положительно определена <=> когда все ее главные (угловые) миноры положительны
2) квадратная матрица отрицательно определена <=> когда для любого ее главного (углового) минора к-ого порядка выполняется соотношение (-1)К*Мк>0.
9 Метод множ-й Лагранжа
Обоснование: В основе метода лежит тот факт, что в точке условного экстремума х*Д,где Д-область ограничений, градиент целевой функции f(x*) д.б. ортогонален касательной гиперплоскости к области ограничений Д, определяемый системой уравнений-ограничений g1(x)=b1
g2(x)=b2
………
gm(x)=bm
Это означает, что должны существовать такие числа 1,2,…m для кот справедливо:
f(x*) = j=1mj * gj(x*)
Т.е. градиент f(x*) представим в виде линейной комбинации градиентов функции ограничений gi(x), кот в свою очередь ортогональны множествам уравнений
{х: gi(x) = bj} ф-ии ограничений gi(x)
10 Условия Куна-Таккера
Усл К-Т явл-ся необходимыми усл-ми сущ-вания решения задачи максимизацией
f(x)→max.
{g1(x)≤b1 …
{gm(x)≤bm.
Это следует из теоремы:
Теорема Куна-Таккера необходимыми условиями сущ-ия стационарной точки ф-ии Лагр. L=f(x)+ Σi=1m λi(bi-gi(x)) явл-ся след. Условия:
λi ≥0,
∂f(x) /∂xj - Σi=1m λi ∂gi(x)/ ∂xj=0 , i=1,m (1)
λi(bi-gi(x))=0, i=1,m gi(x)≤ bi, i=1,m
Метод основан на Т о единственности экстремума строго вып(вогн) ф-ии и достаточности условия К-Т для некот. постановок задач. Реализуется за 2 шага:
Шаг1: проверяются св-ва целевой ф-ии f(x): выпуклая или вогнутая и тип оптимизации задачи: максимизация(min-ция). Если рез-ты проверки соответствуют табл1 – метод К-Т применим, переход на шаг 2
Шаг2: решается система условий К-Т
λi ≥0,
∂f(x) /∂xj - Σi=1m λi ∂gi(x)/ ∂xj=0 , i=1,m (1)
λi(bi-gi(x))=0, i=1,m gi(x)≤ bi, i=1,m
Решение, если оно есть, будет единственным согласно теореме «о единственности экстремума строго выпуклой(вогнутой)ф-ии». Это решение и будет оптимальным планом(решением) исходной задачи.