- •1. Сутність поняття “модель”. Особливості математичної моделі.
- •3. Особливості і принципи математичного моделювання. Узагальнена схема математичного моделювання.
- •4. Поняття економіко-математичної моделі. Узагальнена схема процесу математичного моделювання економічних процесів. Особливості процесу математичного моделювання економічних систем.
- •5. Особливості економічних спостережень і вимірів.
- •6. Охарактеризуйте основні етапи економіко-математичного моделювання.
- •7. Сутність адекватності економіко-математичних моделей. Перевірка адекватності моделі.
- •8. Основні засади щодо класифікації економіко-математичних моделей. Наведіть приклади та дайте відповідні пояснення.
- •9. Сутність аналітичного та комп’ютерного моделювання.
- •10. Роль прикладних економіко-математичних досліджень.
- •11. «Павутиноподібна» модель. Гіпотези, що приймаються в моделі.
- •12. Стійка рівновага у «павутиноподібній» моделі. Умови існування стійкої рівноваги у «павутиноподібній» моделі.
- •13. Постановка задачі економіко-математичного моделювання. Сутність понять: «параметри», «змінні», «цільова функція», «система обмежень», «оптимальний план».
- •14. Предмет математичного програмування. Приклади економічних задач математичного програмування.
- •15. Багатокритеріальна оптимізація економічних систем.
- •16. Классифікація задач математичного програмування.
- •17. Загальна постановка задачі лінійного програмування. Приклади економічних задач лінійного програмування.
- •18. Форми запису задачі лінійного програмування, охарактеризувати їх. Навести відповідні формули.
- •19. Геометрична інтерпретація задач лінійного програмування. Властивості розв’язків задачі лінійного програмування.
- •Перехід від одного опорного плану до іншого
- •21. Алгоритм графічного методу розв’язування задач лінійного програмування.
- •23. 24. Умова оптимальності розв’язку задачі лінійного програмування симплекс-методом. Алгоритм симплексного методу. Навести відповідні формули.
- •25. Метод штучного базису. Ознака оптимальності плану із штучним базисом.
- •26. Двоїста задача. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі. Навести відповідні формули.
- •27. Економічний зміст двоїстої задачі й двоїстих оцінок.
- •28. Теореми двоїстості, їх економічна інтерпретація.
- •29. Застосування теорем двоїстості в розв’язуванні задач лінійного програмування. Навести відповідні формули.
- •30. Цілочислове програмування. Приклади застосування цілочислових задач в плануванні й управлінні виробництвом. Навести відповідні формули.
- •31. Геометрична інтерпретація задачі цілочислового програмування.
- •32. Загальна характеристика методів розв’язування задач цілочислового програмування.
- •33. Сутність цілочислового програмування. Графічний метод розв’язування задач цілочислового програмування.
- •34. Методи відтинання. Метод Гоморі. Навести відповідні формули.
- •35. Комбінаторні методи. Метод гілок і меж. Навести відповідні формули.
- •36. Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
- •38. Основні труднощі розв’язування задач нелінійного програмування.
- •39. Графічний метод розв’язування задач нелінійного програмування.
- •40.41. Метод множників Лагранжа пошуку умовного екстремуму функції. Визначення типу екстремуму. Навести відповідні формули.
- •42. Алгоритм розв’язування задачі на безумовний екстремум. Визначення типу екстремуму. Навести відповідні формули.
- •43. Поняття про опуклі функції
- •Опуклі й угнуті функції
- •44. Сідлова точка та необхідні умови її існування. Навести відповідні формули.
- •45. Градієнтні методи розв’язання задач нелінійного програмування. Метод Франка-Вульфа розв’язування задачі нелінійного програмування. Навести відповідні формули.
- •46. Постановка зад.Динам.Прогр. Та її геометрична інтерпретація
- •47.Принцип оптимальності та алгоритм динамічного програмування.
- •50.Основні поняття та завдання теорії ігор.
- •52.Геом.Інтерпретація гри 2х2
- •54. Зведення матричної гри до задачі лінійного програмування.
46. Постановка зад.Динам.Прогр. Та її геометрична інтерпретація
Геометрична інтерпретація задач динамічного програмування .
Дадим геометрическую интерпретацию этой задачи. Предположим, что состояние системы характеризуются некоторой точкой S на плоскости х1Ох2 (рис. 1) и эта точка благодаря осуществляемому управлению ее движением перемещается вдоль линии, начальных состояний изображенной на рис. 1, из области возможных S0 в область допустимых конечных состояний SR. Каждому управлению U движением точки, т. е. каждой траектории движения точки, поставим в соответствие значение некоторой функции W (U) (например, длину пути, пройденного точкой под воздействием данного управления). Тогда задача состоит в том, что бы из всех допустимых траекторий движения точки S найти U*, обеспечивающего экстремальное значение функции W (U*). К определению такой «траектории» сводится и задача динамического программирования в случае, когда допустимые состояния системыS определяются точками n-мерного пространства.
Поставимо задачу динамічного програмування в загальному вигляді.
Нехай аналізується деякий керований процес, подання якого допускає декомпозицію на послідовні етапи (кроки), кількість яких n задана. Ефективність всього процесу Z може бути подана як сума ефективностей окремих кроків, тобто:
,
що має назву адитивного критерію (або як добуток ефективностей окремих кроків у вигляді: , що має назву мультиплікативного критерію).
З кожним етапом (кроком) задачі пов’язане прийняття певного рішення, так званого крокового управління що визначає як ефективність даного етапу, так і всього процесу в цілому.
Розв’язування задачі динамічного програмування полягає в знаходженні такого управління процесом у цілому, яке максимізує загальну ефективність: (max ).
Оптимальним розв’язком цієї задачі є управління що складається з сукупності оптимальних покрокових управлінь:
і уможливлює досягнення максимальної ефективності:
47.Принцип оптимальності та алгоритм динамічного програмування.
опишемо алгоритм розв’язування задач динамічного програмування, який складається з послідовності таких операцій:
Визначають специфічні показники стану досліджуваної керованої системи і множину параметрів, що описують цей стан. Стан системи описується у такий спосіб, щоб можна було забезпечити зв’язок між послідовними етапами розв’язання задачі і мати змогу одержати допустиме рішення задачі в цілому як результат оптимізації на кожному кроці окремо, а крім того, приймати оптимальні рішення на наступних етапах без урахування впливу майбутніх рішень на ті, що були прийняті раніше.
Поділяють процес на етапи (кроки), які, як правило, відповідають певним періодам планування динамічних процесів, або окремим об’єктам (підприємствам, видам продукції, устаткуванню тощо) у разі підготовки рішень стосовно керування ними.
Формулюють перелік управлінь для кожного кроку і відповідні обмеження щодо них.
Визначають ефект, який забезпечує управління на j–му кроці, якщо перед тим система була у стані S, у вигляді функції ефективності:
.
Визначають, як змінюється стан S системи під впливом управління на j-му кроці, тобто як здійснюється перехід до нового стану:
.
Будують рекурентну залежність задачі динамічного програмування, що визначає умовний оптимальний ефект починаючи з j–го кроку і до останнього, через вже відому функцію
.
Цьому ефекту відповідає умовне оптимальне управління на j-му кроці Зауважимо, що у функції необхідно замість врахувати змінений стан системи, тобто
Використовують умовну оптимізацію останнього n-го кроку, визначаючи множину станів S, з яких можна за один крок дійти до кінцевого стану. Умовно-оптимальний ефект на n-му кроці обчислюють за формулою:
Потім знаходять умовно-оптимальне управління в результаті реалізації якого цей максимум буде досягнуто.
Проводять умовну оптимізацію -го, -го та інших кроків за рекурентними залежностями (див. п. 6) і визначають для кожного кроку умовно-оптимальне управління:
Проводять безумовну оптимізацію управління у «зворотному» напрямку від початкового стану до кінцевого. Для цього з урахуванням визначеного оптимального управління на першому кроці змінюють стан системи згідно з пунктом 5. Потім для цього нового стану знаходять оптимальне управління на другому кроці і аналогічно ці дії повторюють до останнього етапу (кроку).
В результаті знаходять оптимальне покрокове управління , що забезпечує максимальну ефективність Z*.