- •Медведева н.С., Моисеева ю.А., Степанов а.Г., Усикова и.В. Системы поддержки принятия решения Оптимальные методы и теория принятия решений
- •Содержание
- •2.5. Однокритериальная статическая задача в условиях неопределенности 60
- •2.6. Многокритериальные задачи 79
- •2.7. Динамические задачи разработки управленческого решения 86
- •2.8. Рациональные решения 101
- •2.9. Экспертные методы 107
- •Введение
- •1.Оптимальные методы
- •1.1.Методы поиска экстремумов функций
- •1.2.Учет ограничений на значения переменных
- •1.3.Использование Excel для поиска экстремумов функций
- •Лабораторная работа №1. Методы поиска экстремумов с помощью надстройки Поиск решения пакета Excel Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •2.Теория принятия решений
- •2.1.Основные понятия теории принятия решений
- •2.2.Математическая классификация задач разработки управленческого решения
- •2.3.Однокритериальная статическая задача разработки управленческого решения в условиях определенности
- •Лабораторная работа №2. Решение однокритериальной статической задачи в условиях определенности Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •2.4.Однокритериальная статическая задача разработки управленческого решения в условиях риска
- •Метод сведения задачи в условиях риска к детерминированной
- •Лабораторная работа №3. Решение однокритериальной статической задачи в условиях риска методом сведения стохастической задачи к детерминированной Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •Методы оптимизации в среднем
- •Алгоритмический метод решения задачи в условиях риска
- •Лабораторная работа №4. Решение однокритериальной статической задачи в условиях риска алгоритмическим методом Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •Метод Монте-Карло при решении задачи в условиях риска
- •Лабораторная работа №5. Решение однокритериальной статической задачи в условиях риска методом Монте-Карло Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •Задачи в условиях риска с несколькими стохастическими параметрами
- •2.5.Однокритериальная статическая задача в условиях неопределенности
- •Игры с противником.
- •Лабораторная работа №6. Решение однокритериальной статической задачи в условиях неопределенности при играх с противником Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •Игры с природой.
- •Лабораторная работа №7. Решение однокритериальной статической задачи в условиях неопределенности при играх с природой Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •Игры с природой с экспериментами.
- •Лабораторная работа №8. Решение однокритериальной статической задачи в условиях неопределенности при играх с природой с экспериментами Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •2.6.Многокритериальные задачи
- •Лабораторная работа №9. Решение многокритериальной задачи Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •2.7.Динамические задачи разработки управленческого решения Общая постановка динамической задачи разработки управленческого решения
- •Метод сетевого планирования
- •Методы теории массового обслуживания
- •Метод динамического программирования
- •Задача управления запасами
- •Методы вариационного исчисления и теории оптимального управления
- •Метод сведения дискретной динамической задачи к статической
- •Лабораторная работа №10. Решение дискретной задачи разработки управленческого решения методом сведения динамической задачи к статической Задание
- •Порядок выполнения работы
- •Контрольные вопросы
- •Отчет о работе
- •2.8.Рациональные решения Общий алгоритм разработки управленческого решения
- •Нереализуемые оптимальные решения
- •Разработка альтернатив для принятия рациональных решений
- •2.9.Экспертные методы Определение круга экспертов
- •Задачи, решаемые при проведении экспертизы
- •Разработка анкеты
- •Разработка методов обработки результатов
- •Проведение анкетирования, обработка и выдача результатов и принятие решения
- •Литература
- •Приложение а. Пример титульного листа отчета о выполнении лабораторной работы3.
- •Приложение б. Содержание отчетов о выполнении лабораторных работ Пример содержания отчета по лабораторной работе №2 «Решение однокритериальной статической задачи в условиях определенности»
- •Пример содержания отчета по лабораторной работе №3 «Решение однокритериальной статической задачи в условиях риска методом сведения стохастической задачи к детерминированной»
- •Пример содержания отчета по лабораторной работе №4 «Решение однокритериальной статической задачи в условиях риска алгоритмическим методом»
- •Пример содержания отчета по лабораторной работе №5 «Решение однокритериальной статической задачи в условиях риска методом Монте-Карло»
- •Пример содержания отчета по лабораторной работе №6 «Решение однокритериальной статической задачи в условиях неопределенности при играх с противником»
- •Пример содержания отчета по лабораторной работе №7 «Решение однокритериальной статической задачи в условиях неопределенности при играх с природой»
- •Пример содержания отчета по лабораторной работе №8 «Решение однокритериальной статической задачи в условиях неопределенности при играх с природой с экспериментами»
- •Пример содержания отчета по лабораторной работе №9 «Решение многокритериальной задачи»
- •Пример содержания отчета по лабораторной работе №10 «Решение дискретной задачи разработки управленческого решения методом сведения динамической задачи к статической»
- •Предметный указатель
Пример содержания отчета по лабораторной работе №5 «Решение однокритериальной статической задачи в условиях риска методом Монте-Карло»
Исходные данные:
Предприятие выпускает восемь видов товаров. Для производства указанных товаров используется 15 видов ресурсов. Рассматривалась проблема недостаточности дохода предприятия. Требуется определить программу производства товаров различного вида, обеспечивающую максимум среднего дохода предприятия. Параметры задачи представлены теми же числовыми данными, которые использовались при выполнении работы №2, в том числе используется и ранее полученная выборка случайных значений цены товара 1. Предполагается, что закон распределения цены товара 1 нормальный.
Решение:
С помощью надстройки Анализ данных, получена описательная статистика рассматриваемой выборки (Таблица П8). Используя датчик случайных чисел с нормальным законом распределения при значениях среднего 21,672667, стандартного отклонения 6,6748606 и случайного рассеивания 11111 сгенерирована выборка объемом 10000 случайных чисел. На ее основе с помощью надстройки Анализ данных пункт Гистограмма, построена гистограмма распределения случайных чисел от датчика (рис. П2):
Рис. П2 Гистограмма распределения параметра цена1 полученная на основе обработки выборки из 10 тысяч отсчетов
Далее значения границы кармана распределения были подставлены на место параметра цена товара 1 и с помощью надстройки Поиск решения были найдены соответствующее каждому значению оптимальное решение и значение показателя эффективности. Результаты решения записаны в строки таблицы П17 в виде значения критериальной функции и решения. На их основе с помощью точечной диаграммы была построена функция распределения дохода рис. П.3. Результирующее решение было найдено исходя из соображений максимизации среднего значения целевой функции (М-постановка). Задавшись значением вероятности , имеем решение задачи в Р‑постановке.
Рис. П3. Функция распределения дохода полученная методом Монте-Карло
Таблица П17. Решение задачи методом Монте-Карло
Граница кармана |
Частота |
Интегральный % |
Среднее кармана |
ЦФ |
Товар 1 |
Товар 2 |
Товар 3 |
Товар 4 |
Товар 5 |
Товар 6 |
Товар 7 |
Товар 8 |
-2,43 |
1 |
0,01% |
-2,17329 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
-1,916 |
0 |
0,01% |
-1,65952 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
-1,403 |
0 |
0,01% |
-1,14575 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
-0,889 |
1 |
0,02% |
-0,63198 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
-0,375 |
0 |
0,02% |
-0,11821 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
0,1387 |
3 |
0,05% |
0,395565 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
0,6525 |
2 |
0,07% |
0,909336 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
1,1662 |
4 |
0,11% |
1,423108 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
1,68 |
0 |
0,11% |
1,936879 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
2,1938 |
6 |
0,17% |
2,45065 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
2,7075 |
8 |
0,25% |
2,964421 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
3,2213 |
8 |
0,33% |
3,478192 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
3,7351 |
11 |
0,44% |
3,991963 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
4,2488 |
9 |
0,53% |
4,505734 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
4,7626 |
12 |
0,65% |
5,019505 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
5,2764 |
15 |
0,80% |
5,533276 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
5,7902 |
12 |
0,92% |
6,047048 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
6,3039 |
20 |
1,12% |
6,560819 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
6,8177 |
28 |
1,40% |
7,07459 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
7,3315 |
35 |
1,75% |
7,588361 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
7,8452 |
28 |
2,03% |
8,102132 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
8,359 |
39 |
2,42% |
8,615903 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
8,8728 |
58 |
3,00% |
9,129674 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
9,3866 |
44 |
3,44% |
9,643445 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
9,9003 |
56 |
4,00% |
10,15722 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
10,414 |
72 |
4,72% |
10,67099 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
10,928 |
75 |
5,47% |
11,18476 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
11,442 |
70 |
6,17% |
11,69853 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
11,955 |
97 |
7,14% |
12,2123 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
12,469 |
112 |
8,26% |
12,72607 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
12,983 |
132 |
9,58% |
13,23984 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
13,497 |
146 |
11,04% |
13,75361 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
14,01 |
171 |
12,75% |
14,26739 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
14,524 |
160 |
14,35% |
14,78116 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
15,038 |
175 |
16,10% |
15,29493 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
15,552 |
210 |
18,20% |
15,8087 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
16,066 |
207 |
20,27% |
16,32247 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
16,579 |
254 |
22,81% |
16,83624 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
17,093 |
248 |
25,29% |
17,35001 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
17,607 |
235 |
27,64% |
17,86378 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
18,121 |
253 |
30,17% |
18,37755 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
18,634 |
274 |
32,91% |
18,89133 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
19,148 |
267 |
35,58% |
19,4051 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
19,662 |
271 |
38,29% |
19,91887 |
983,393 |
0 |
1,247 |
0 |
0 |
0 |
5,952 |
32,038 |
3,635 |
20,176 |
278 |
41,07% |
20,43264 |
983,856 |
1,995 |
0,836 |
0 |
0 |
0 |
4,618 |
31,572 |
3,919 |
20,69 |
260 |
43,67% |
20,94641 |
987,224 |
10,383 |
4,276 |
0 |
3,067 |
0 |
1,016 |
20,216 |
4,972 |
21,203 |
292 |
46,59% |
21,46018 |
992,558 |
10,383 |
4,276 |
0 |
3,067 |
0 |
1,016 |
20,216 |
4,972 |
21,717 |
333 |
49,92% |
21,97395 |
997,892 |
10,383 |
4,276 |
0 |
3,067 |
0 |
1,016 |
20,216 |
4,972 |
22,231 |
325 |
53,18% |
22,48772 |
1003,23 |
10,383 |
4,276 |
0 |
3,067 |
0 |
1,016 |
20,216 |
4,972 |
22,745 |
296 |
56,14% |
23,00149 |
1008,79 |
11,58 |
4,676 |
0 |
3,068 |
0,552 |
0 |
18,806 |
5,305 |
23,258 |
297 |
59,11% |
23,51527 |
1014,74 |
11,58 |
4,676 |
0 |
3,068 |
0,552 |
0 |
18,806 |
5,305 |
23,772 |
279 |
61,90% |
24,02904 |
1021,29 |
13,931 |
3,201 |
0 |
5,387 |
0,6 |
0 |
20,15 |
0 |
24,286 |
254 |
64,44% |
24,54281 |
1028,44 |
13,931 |
3,201 |
0 |
5,387 |
0,6 |
0 |
20,15 |
0 |
24,8 |
275 |
67,19% |
25,05658 |
1035,6 |
13,931 |
3,201 |
0 |
5,387 |
0,6 |
0 |
20,15 |
0 |
25,313 |
278 |
69,97% |
25,57035 |
1042,76 |
13,931 |
3,201 |
0 |
5,387 |
0,6 |
0 |
20,15 |
0 |
25,827 |
284 |
72,81% |
26,08412 |
1060,51 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
26,341 |
263 |
75,44% |
26,59789 |
1078,42 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
26,855 |
246 |
77,90% |
27,11166 |
1096,32 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
27,369 |
227 |
80,17% |
27,62543 |
1114,22 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
27,882 |
181 |
81,98% |
28,13921 |
1132,13 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
28,396 |
221 |
84,19% |
28,65298 |
1150,03 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
28,91 |
188 |
86,07% |
29,16675 |
1167,94 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
29,424 |
172 |
87,79% |
29,68052 |
1185,84 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
29,937 |
157 |
89,36% |
30,19429 |
1203,74 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
30,451 |
130 |
90,66% |
30,70806 |
1221,65 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
30,965 |
119 |
91,85% |
31,22183 |
1239,55 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
31,479 |
115 |
93,00% |
31,7356 |
1257,45 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
31,992 |
94 |
93,94% |
32,24937 |
1275,36 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
32,506 |
78 |
94,72% |
32,76315 |
1293,26 |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
33,02 |
82 |
95,54% |
33,27692 |
1312,13 |
35,601 |
2,721 |
0 |
2,948 |
0 |
0 |
0 |
0 |
33,534 |
63 |
96,17% |
33,79069 |
1330,42 |
35,601 |
2,721 |
0 |
2,948 |
0 |
0 |
0 |
0 |
34,048 |
72 |
96,89% |
34,30446 |
1348,71 |
35,601 |
2,721 |
0 |
2,948 |
0 |
0 |
0 |
0 |
34,561 |
63 |
97,52% |
34,81823 |
1367 |
35,601 |
2,721 |
0 |
2,948 |
0 |
0 |
0 |
0 |
35,075 |
35 |
97,87% |
35,332 |
1385,29 |
35,601 |
2,721 |
0 |
2,948 |
0 |
0 |
0 |
0 |
35,589 |
34 |
98,21% |
35,84577 |
1403,58 |
35,601 |
2,721 |
0 |
2,948 |
0 |
0 |
0 |
0 |
36,103 |
43 |
98,64% |
36,35954 |
1422,55 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
36,616 |
25 |
98,89% |
36,87331 |
1442,28 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
37,13 |
20 |
99,09% |
37,38709 |
1462,01 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
37,644 |
16 |
99,25% |
37,90086 |
1481,74 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
38,158 |
12 |
99,37% |
38,41463 |
1501,47 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
38,672 |
13 |
99,50% |
38,9284 |
1521,2 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
39,185 |
9 |
99,59% |
39,44217 |
1540,94 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
39,699 |
8 |
99,67% |
39,95594 |
1560,67 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
40,213 |
5 |
99,72% |
40,46971 |
1580,4 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
40,727 |
5 |
99,77% |
40,98348 |
1600,13 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
41,24 |
3 |
99,80% |
41,49725 |
1619,86 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
41,754 |
4 |
99,84% |
42,01103 |
1639,59 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
42,268 |
3 |
99,87% |
42,5248 |
1659,32 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
42,782 |
3 |
99,90% |
43,03857 |
1679,05 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
43,295 |
1 |
99,91% |
43,55234 |
1698,78 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
43,809 |
1 |
99,92% |
44,06611 |
1718,51 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
44,323 |
1 |
99,93% |
44,57988 |
1738,24 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
44,837 |
1 |
99,94% |
45,09365 |
1757,97 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
45,351 |
2 |
99,96% |
45,60742 |
1777,7 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
45,864 |
2 |
99,98% |
46,12119 |
1797,43 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
46,378 |
0 |
99,98% |
46,63497 |
1817,16 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
46,892 |
1 |
99,99% |
47,14874 |
1836,89 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
47,406 |
0 |
99,99% |
47,66251 |
1856,62 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
47,919 |
0 |
99,99% |
48,17628 |
1876,35 |
38,403 |
1,141 |
0 |
0 |
0 |
0 |
0 |
0 |
Выводы:
Решение задачи представлено в таблице П18. Отметим, что сами решения, полученные алгоритмическим методом и методом Монте-Карло, совпали. Отклонение расчетной величины ожидаемого дохода, полученное при расчете разными методами, связано с погрешностями задания параметров, поскольку при использовании метода Монте-Карло в качестве значения бралось ближайшее значение середины кармана гистограммы.
Таблица П18. Результат решения задачи методом Монте-Карло
Вид решения |
Товар 1 |
Товар 2 |
Товар 3 |
Товар 4 |
Товар 5 |
Товар 6 |
Товар 7 |
Товар 8 |
Доход |
М-постановка |
10,383 |
4,276 |
0 |
3,067 |
0 |
1,016 |
20,216 |
4,972 |
997,892 |
Р-постановка |
34,847 |
1,817 |
0 |
1,968 |
3,692 |
0 |
0 |
0 |
1114,22 |