- •Розділ 1. Методологічні основи дослідження операцій
- •1.1 Етапи дослідження операцій
- •1.2 Математичне моделювання. Загальна структура
- •1.3 Етапи математичного моделювання. Приклади
- •1.4 Розділи і класи задач дослідження операцій
- •1.5 Основні вимоги до математичних моделей і їх властивості
- •1.6 Формалізація принципів оптимального поводження в моделях прийняття рішення.
- •Розділ 2. Задачі лінійного програмування
- •2.1 Попередні відомості теорії лінійного програмування.
- •2.2 Графічна інтерпретація розв’язання задач лп
- •2.3 Змістовний опис симплекс-методу розв’язання задач лп
- •2.4 Знаходження початкового опорного плану
- •2.5 Знаходження оптимального плану
- •2.6 Застосування симплекс-таблиць
- •2.7 Метод штучної бази
- •2.8 Двоїсті (спряжені) задачі лінійного програмування
- •З другої групи умов доповняльної нежорсткості маємо
- •Розділ 3. Транспортні задачі (т-задачі)
- •3.1 Математична структура т-задач
- •3.2. Визначення початкового опорного плану т-задачі
- •3.3 Властивості опорних планів т-задач
- •3.4 Розв’язання т-задач методом потенціалів
- •3.6 Задача про оптимальні призначення
- •3.7 Задача про максимальний потік. Метод Форда-Фалкерсона
- •3.8 Задача про найкоротший шлях на мережi. Метод Мiнтi
- •Розділ 4. Дискретне програмування
- •4.1 Задача дискретного лп. Метод Гоморi-1)
- •4.2 Задача частково дискретного лп. Метод Гоморi-2
- •4.3 Задача дискретного лп. Метод Гоморi-3
- •4.4 Задача частково дискретного лп. Метод Дальтона-Ллевелiна
- •4.5 Задача дискретного лп. Метод гілок I границь
- •Розділ 5. Нелінійне програмування. Безумовна однопараметрична оптимізація
- •5.1 Загальні відомості
- •5.2 Методи виключення інтервалів
- •Зауваження
- •5.3 Поліноміальна апроксимація
- •5.4 Методи оптимізації з використанням похідних
- •Розділ 6. Нелінійне програмування. Методи умовної оптимізації
- •6.1 Класична задача математичного програмування
- •6.2 Задача опуклого квадратичного програмування.
- •6.3. Метод Франка – Вулфа розв’язання задач квадратичного програмування (зкп)
- •Розділ 7. Теорія прийняття рішень
- •7.1. Теорія корисності і прийняття рішень
- •7.1.1. Прийняття рішень в умовах ризику
- •7.1.2. Критерій “очікуване значення – дисперсія”
- •7.1.3. Критерій граничного рівня.
- •7.2. Прийняття рішень в умовах невизначеності
- •7.2.1. Класичні критерії прийняття рішень
- •7.2.2. Похідні критерії
- •Розділ 8. Прийняття рішень в ігрових ситуаціях
- •8.1 Класифікація ігор
- •8.2 Розв’язання матричних ігор у чистих стратегіях
- •8.3 Змішане розширення матричної гри
- •8.4 Властивості розв’язку матричних ігор
- •8.5. Алгебраїчний метод розв’язання матричних ігор
- •8.6 Графічний метод розв’язання ігор 2nіm 2.
- •8.7 Матричний метод розв’язання ігор
- •8.8. Ітеративні методи розв’язання ігор
- •8.9. Метод послідовного наближення до ціни гри
- •Розділ 9. Нескінченні антагоністичні ігри
- •9.1. Визначення нескінченної антагоністичної гри
- •9.2 Ігри з опуклими функціями виграшів
- •Розділ 10. Безкоаліційні ігри
- •Розділ 11. Кооперативні ігри
- •11.1 Характеристика кооперативних ігор
- •11.2. Характеристичні функції ігор з малим числом гравців
- •Розділ 12. Вправи для самостійної роботи та для практичних і лабораторних занять
- •12.1. Побудова математичних моделей задач
- •12.2. Розв’язання задач лінійного програмування
- •12.3 Розв’язання транспортних задач
- •12.4 Розв’язання задач цілочислового програмування
- •12.5 Розв’язання задач нелінійного програмування
- •12.6 Розв’язання матричних ігор
- •12.7 Лабораторний практикум
- •Розділ 13. Контрольна робота для студентів заочної форми навчання
- •13.1 Правила вибору задач контрольної роботи
- •13.2 Варіанти завдань контрольної роботи
- •Література
- •1.1 Етапи дослідження операцій 5
7.1.2. Критерій “очікуване значення – дисперсія”
Критерій очікуваного значення можна модифікувати таким чином, щоб його можна було застосувати і для рідко повторюваних ситуацій.
Якщо х – випадкова величина з дисперсією DX, то середнє арифметичне має дисперсію, деn – число доданків в Отже, якщо DX зменшується, і ймовірність того, що близько доMX, збільшується. Таким чином, доцільно ввести критерій, у якому максимізація очікуваного значення прибутку поєднається з мінімізацією її дисперсії.
Приклад 7.2. Застосуємо критерій “очікуване значення – дисперсія” для приклада 1. Для цього необхідно знайти дисперсію витрат за один інтервал часу, тобто дисперсію
вТ = .
Оскільки nt, t = – випадкова величина, то вТ також є випадковою величиною. Випадкова величина nt має біноміальний розподіл з M(nt) = npt і D(nt) = npt(1–pt). Отже,
D(зТ) = D() = D() =
= = = n {– },
де В2n = const.
З наведеного прикладу випливає, що М(вТ) = М(в(Т)). Отже шуканим критерієм буде мінімум виразу
М(в(Т)) + к D(вТ).
Зауваження. Константу “к” можна розглядати як рівень не схильності до ризику, тому що “к” визначає “ступінь можливості” дисперсії Д(вТ) стосовно математичного чекання. Наприклад, якщо підприємець, особливо гостро реагує на великі негативні відхилення прибутку униз від М(в(Т)), те він може вибрати “к” багато більше 1. Це додає більшу вагу дисперсії і приводить до рішення, що зменшує імовірність великих втрат прибутку.
Для к =1 отримаємо задачу
.
За даними з прикладу 1.1 можна скласти таку таблицю
Т |
pt |
pt2 |
|
|
М(в(Т))+D(в(Т)) |
1 |
0.05 |
0.0025 |
0 |
0 |
500.00 |
2 |
0.07 |
0.0049 |
0.05 |
0.0025 |
6312.50 |
3 |
0.10 |
0.0100 |
0.12 |
0.0074 |
6622.22 |
4 |
0.13 |
0.0169 |
0.22 |
0.0174 |
6731.25 |
5 |
0.18 |
0.0324 |
0.35 |
0.0343 |
6764.00 |
З таблиці видно, що профілактичний ремонт необхідно робити протягом кожного інтервалу Т*=1.
7.1.3. Критерій граничного рівня.
Критерій граничного рівня не дає оптимального рішення, що максимізує, наприклад, прибуток або мінімізує витрати. Скоріше він відповідає визначенню прийнятного способу дій.
Приклад 7.3. Припустимо, що величина попиту x в одиницю часу (інтенсивність попиту) на деякий товар задається безперервною функцією з розподілом f(x). Якщо запаси в початковий момент невеликі, надалі можливий дефіцит товару. Інакше до кінця періоду, що розглядається запаси нереалізованого товару можуть виявитися надто великими. В обох випадках можливі втрати.
Таким чином визначити утрати від дефіциту дуже важко. Особа, що приймає рішення може встановити необхідний рівень запасів таким чином, щоб величина очікуваного дефіциту не перевищувала А1 одиниць, а величина очікуваних залишків не перевищувала А2 одиниць. Іншими словами, нехай I – шуканий рівень запасів. Тоді
очікуваний дефіцит = ,
очікувані залишки =.
Для довільного вибору А1 і А2 зазначені умови можуть виявитися суперечливими. У цьому випадку необхідно послабити одне з обмежень, щоб забезпечити допустимість. Нехай, наприклад,
Тоді
= = 20(ln +– 1)
= = 20(ln +– 1)
Застосування критерію граничного рівня приводить до нерівностей
ln I – ln 20 – – 1 = 1.996 –
ln I – ln 10 – – 1 = 1.302 –
Граничні значення А1 і А2 повинні бути обрані так, що б обоє нерівності виконувалися хоча б для одного значення I.
Наприклад, якщо А1 = 2 і А2 = 4, нерівності приймають вид
ln I – 1.896
ln I – 1.102
Значення I повинно знаходитися між 10 і 20, оскільки саме в цих межах змінюється попит. З таблиці видно, що обидві умови виконуються для I, з інтервалу (13, 17)
I |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
ln I – І/20 |
1.8 |
1.84 |
1.88 |
1.91 |
1.94 |
1.96 |
1.97 |
1.98 |
1.99 |
1.99 |
1.99 |
ln I – I/10 |
1.3 |
1.29 |
1.28 |
1.26 |
1.24 |
1.21 |
1.17 |
1.13 |
1.09 |
1.04 |
0.99 |
Кожне з цих значень задовольняє умовам задачі.