- •6.030509 «Облік і аудит»
- •Тема 1. Предмет, методи і моделі завдання дисципліни. Класифікація задач.
- •Тема 2. Загальна задача лінійного програмування та деякі з методів її розв’язування.
- •Тема лекції: Математичне моделювання. Економічна та математична постановка матричних та оптимізаційних задач
- •Предмет математичного моделювання.
- •Класификація економіко – математичних моделей. Формальна класіфикація моделей.
- •Задачі математичного програмування.
- •4. Класифікація методів математичного програмування.
- •5. Задачі планування та організації виробництва.
- •5.1. Задача про максимальну рентабельність підприємства.
- •5.2. Задача про завантаження обладнання
- •6. Модель міжгалузевого балансу „Витрати - випуск”.
- •Коефіціети прямих та побічних витрат.
- •Питання для самоконтролю.
- •Тема 3.Загальна задача лінійного програмування та деякі зметодів її розв’язання
- •Тема лекції: Основні теореми та властивості задач лінійного програмування (лп).
- •1. Загальна форма задачі лінійного програмування (лп).
- •2. Основні теореми та властивості задачі лп.
- •3. Графічний метод розв’язання задач мп.
- •Алгоритм знаходження розв’язку задачі мп графічним методом.
- •Питання для самоконтролю.
- •Тема 3.Загальна задача лінійного програмування та деякі з методів її розв’язання
- •Тема лекції: Вирішення задач лп симплекс-методом.
- •1. Представлення задач лп в матричній та векторній формі.
- •2. Симплексний метод розв’язання задач лп. Теоретичні основи симплекс-метода.
- •3. Метод штучної бази.
- •Питання для самоконтролю.
- •Тема лекції: Транспортна задача
- •1 Економічна та математична моделі транспортної задачі.
- •2 Основні теореми транспортної задачі.
- •3. Метод північно-західного кута (діагональний.)
- •5. Метод потенціалів.
- •Питання для самоконтролю.
- •Тема 4. Теорія двоїстості та аналіз лінійних моделей оптимізаційних задач.
- •Тема лекції: Двоїста задача лінійного програмування
- •1 Математичні моделі двоїстих задач.
- •3 Взаємозв’язок розв’язків прямої та двоїстої задач.
- •Питання для самоконтролю.
- •Тема 5. Цілочислові задачі лінійного програмування
- •Тема 6. Елементи нелінійного програмування
- •Тема лекції: Задачі нелінійного програмування
- •1. Задачі дробово-лінійного програмування.
- •2. Задачі цілочислового програмування.
- •3. Класичні методи розв’язання задач нелінійного програмування.
- •4. Метод множників Лагранжа.
- •Задачі опуклого програмування.
- •Питання для самоконтролю.
- •Тема 7. Елементи теорії ігор
- •Тема лекції: Матричні ігри
- •1. Акулич и.Л. Математическое программирование в примерах и задачах. – м.: Высшая школа, 1993. – 336 с.
- •2. Іванюта і.Д. Практикум з математичного програмування: Навчальний посібник/ і.Д. Іванюта, в.І. Рибалка, і.А. Рудоміра – Дусятська. – к. : «Слово», 2008. – 296 с.
- •1. Постановка задач теорії ігор з нульовою сумою.
- •Задачі з сідловою точкою. Задачі в чистих стратегіях.
- •Ігри в мішаних стратегіях. Основна теорема теорії ігор.
- •Зведення задач теорії ігор до задач лп.
- •Питання для самоконтролю.
- •Тема 8. Аналіз та управління ризиком в економіці
- •Тема 8. Система показників кількісного оцінювання ступеня ризику
- •Тема лекції: Ризики. Оцінка ризиків.
- •1. Поняття ризику. Причини виникнення, класифікація.
- •Кількісні методи оцінки ризиків
- •Питання для самоконтролю.
3. Класичні методи розв’язання задач нелінійного програмування.
Загальна задача нелінійного програмування полягає у знаходженні максимального(мінімального) значення функції
Z=f(x1, x2,….. xn) →max/ min (8)
за умов
gi(x1, x2,….. xn) { ≤=≥}bi, i=1,2…..m (9)
де всі функції (або їх частина) нелінійні.
Функція f з (8) – цільова функція, а умови gi з (9) - умовами обмеження.
Сукупність змінних, що задовольняють обмеженням (9) задачі називається допустимим розв’язком або планом. Кожному допустимому розв’язку відповідає певне значення цільової функції.
Допустимий розв’язок (план), при якому цільова функція набуває найбільшого (найменшого) значення називається оптимальним планом. Найбільше (найменше) значення функції в допустимій області розв’язків називається глобальним максимумом (мінімумом). Задачі НП розв’язуються значно складніше, ніж задачі ЛП. Для відшукання їх розв’язків немає універсального методу.
Лише для небагатьох типів задач НП розроблені обчислювальні методи їх розв’язання.
Найбільш вивчені задачі з нелінійною цільовою функцією певного виду і лінійними обмеженнями. Для розв’язання таких задач використовується ідея зведення до лінійного вигляду, що допускає застосування симплексного методу. Ще однією особливістю задач НП є наявність точок оптимуму, які можуть бути як граничними, так і внутрішніми точками області допустимих розв’язків.
Як згадувалось вище, найбільш вивченими є задачі з нелінійною цільовою функцією і лінійними обмеженнями, які можна класифікувати таким чином:
Задачі дробово-лінійного програмування
Z=(∑cixi)/( ∑dixi) →max/ min
за умов
∑aijxj =bi, (i=1,2…..m)
xj ≥0 (j=1,2…..n)
Сеперабельна задача НП
f(x1, x2,….. xn) =∑fi(xi) →max/ min
за умов
∑aijxj{ ≤=≥}bi, (i=1,2…..m)
xj ≥0 (j=1,2…..n)
Квадратична задача НП
f(x1, x2,….. xn) =∑cjxj +∑∑djixixj →max/ min
за умов
∑aijxj{ ≤=≥}bi, (i=1,2…..m)
xj ≥0 (j=1,2…..n)
Задача опуклого програмування
Це задача, в якій цільова функція f і функції обмежень gi є опуклими (вгнутими) функціями. Суттєвим для цих задач є вимога гладкості, тобто функції f і gi повинні бути неперервними та диференційованими і мати неперервні частинні похідні хоча б до другого порядку включно.
Розглянемо задачу (8), якщо на змінні не накладаються умови обмежень.
Така задача вирішується класичними методами дифереціального числення.
Нехай Z=f(x1, x2,….. xn) неприривно – диференційована функція в своїй області визначення. Необхідною умовою екстремуму в точці Х0 функції Z=f(x1, x2,….. xn) є рівність нулю градієнта функції Z(X0)=0.Для функції Z=f(x1, x2,….. xn) запишемо матрицю Гессе:
Н=
яка складається з частинних похідних другого порядку.
Головні мінори матриці Гессе позначимо:
M1= , M2= , ………….,Mn=H,
де fij= – значення частинної похідної другого порядку функції Z в точці X0.
Якщо всі головні мінори M1, M2, M3, …… Mn>0, то Х0 – точка локального мінімуму. Якщо головні мінори почергово міняють знак, починаючи з мінуса, то точка Х0 – точка локального максимуму. Проаналізувавши всю область допустимих розв’язків, можна виділити серед локальних екстремумів найбільший і найменший, які і будуть глобальними.