- •1.Экономико-математическая модель (эмм). Понятие, пример, общая классификация эмм.
- •2.Основные этапы применения математических методов в финансово-экономических расчетах (иллюстрация на конкретном примере).
- •3.Принцип оптимальности в планировании и управлении, его математическая запись.
- •4.Общая запись оптимизационной эмм (задача оптимального программирования). Основные элементы и понятия.
- •5.Общая классификация задач оптимального программирования.
- •7.Общая задача линейного программирования, основные элементы и понятия.
- •9.Графический метод решения задачи линейного программирования.
- •10. Особые случаи решения злп графически
- •11.Основные свойства задачи линейного программирования.
- •12.Канонический вид злп
- •14.Базисные и опорные решения системы линейных уравнений, переход от одного базисного решения к другому.
- •15.Симплекс-метод с естественным базисом, алгоритм метода.
- •16.Особые случаи решения злп симплексным методом.
- •17.Экономическая интерпретация злп, пример постановки задачи и эмм.
- •18.Правило построения двойственной задачи, математическая запись.
- •19.Теоремы двойственности и их использование для анализа оптимальных решений.
- •20.Двойственные оценки в злп, интервалы устойчивости двойственных оценок, определение средствами Excel.
- •21.Свойства двойственных оценок и их использование для анализа оптимальных решений.
- •22.Постановка и экономико-математическая модель закрытой транспортной задачи.
- •23.Постановка и экономико-математическая модель открытой транспортной задачи.
- •25.Задача о назначениях, постановка и эмм.
- •29.Задача дискретной оптимизации, пример (постановка задачи и ее эмм).
- •30.Экономико-математическая модель межотраслевого стоимостного баланса (модель Леонтьева).
- •31.Матрица прямых материальных затрат, ее продуктивность. Признаки продуктивности.
- •32.Матрица коэффициентов полных материальных затрат, способы ее определения.
- •33.Коэффициенты прямых и полных материальных затрат, связь между ними, методы расчета.
- •34.Определение объемов валовой и конечной продукции по модели Леонтьева.
- •36.Структура временных рядов экономических показателей.
- •37.Требования, предъявляемые к исходной информации при моделировании экономических процессов на основе временных рядов.
- •40.Процедура прогнозирования с использованием кривых роста, этапы и наиболее часто используемые кривые роста.
- •42.Методы механического сглаживания временных рядов.
- •43.Расчет параметров кривой роста методом наименьших квадратов
- •44.Оценка адекватности модели кривой роста.
- •45.Оценка точности модели кривой роста, выбор наилучшей кривой роста.
- •47.Временной ряд, тренд, трендовая модель. Получение трендовой модели средствами Excel.
- •60.Построение м-задачи .
- •61.Особые случаи решения злп графическим методом.
- •62.Методы выявления тенденций во временных рядах.
- •63.Симплекс-метод с искусственным базисом, алгоритм метода.
- •65.Особые случаи решения злп симплексным методом.
- •66.Алгоритм получения задачи, двойственной данной.
- •68.Понятие о временном ряде
- •69.Предварительный анализ вр.Р.
- •70.Методы определение наличия тренда
- •1.Экономико-математическая модель (эмм). Понятие, пример, общая классификация эмм.
10. Особые случаи решения злп графически
оптимальное решение задачи единственно
оптимальное решение существует и не одно
fmax=f(А)=f(B)=f(AB)
ф-я-цель не ограничена
Если у многоугольника решений нет, то система противоречива, следовательно ЗЛП противоречива
11.Основные свойства задачи линейного программирования.
В основе математического метода получения оптимального решения лежат основные свойства ЗЛП: 1.Не существует локального экстремума отличного от глобального. Если экстремум есть, то он единственный. 2.Множество всех планов ЗЛП является выпуклой многогранной областью (многогранником решения). 3.ЦФ в ЗЛП достигает своего max (min) значения в угловой точке многогранника решения (в вершине). Если ЦФ принимает max решение более чем в одной угловой точке, то она достигает того же значения в любой точке, являющейся выпуклой линейной комбинацией этих точек. 4.Каждой угловой точке отвечает опорный план ЗЛП (не отрицательное базисное решение соответствующей КЗЛП)
12.Канонический вид злп
ЗЛП назыв заданной в каноническом виде, если система ограничений ее явл системой ур-ний с неотриц правыми частыми. Любое нер-во можно привести к ур-нию путем введения в него любой дополнительной неотрицательной переменной.
xj>=0; j=1
14.Базисные и опорные решения системы линейных уравнений, переход от одного базисного решения к другому.
В процессе решения системы уравнений на некотором этапе получилась расширенная матрица вида:
( 10…0А'1r+1…А'1n | B'1)
А'= ( 01…0A'2r+1…A'2n | B'2 )
(………………………|……)
(00….1A'rr+1…A'r n | B'r )
Система совместна и имеет бесчисленное множество решений. Общее решение системы записывают:
Х1= В'1-А'1r+1*Xr+1 ------A'1n*Xn
X2=B'2- A'2r+1*Xr+1-------A'2n*Xn
----------------------------------------------
Xr= B'r - A'rr+1*Xr+1--------A'r n*Xn
Придавая каждой из стоящих в правых частях равенств переменных Xr+1, Xr+2,……, Xn; произвольные значения, получаем частные решения системы. Неизвестные Х1, Х2,…., Хr; называют базисными или основными, они соответствуют линейно-независимым векторам А1, …, Аr. Любые r – переменных называют базисными, если определитель матрицы коэффициентов при них отличен от нуля, а остальные (n-r) переменных называют свободными или не основными. Базисным решением системы уравнений называют частное решение, в котором не основные переменные имеют нулевые значения. Каждому разбиению на основные и не основные переменные соответствует одно базисное решение, а количество способов разбиения не превышает величины Сⁿⁿn=n! /m!*(n-m)!
Если все компоненты базисного решения не отрицательны, то такое решение называют опорным. Любое частное решение получается из общего путем придания конкретных значений свободным переменным.
15.Симплекс-метод с естественным базисом, алгоритм метода.
Для его применения КЗЛП должна содержать единичную подматрицуM*N. В этом случае очевиден начальный опорный план (неотрицательное базисное решение системы ограничений КЗЛП). Проверка на оптимальность опорного плана происходит с помощью признака оптимальности. Переход к другому опорному плану проводится с помощью преобразований Жордана-Гаусса. Полученный новый опорный план проверяется снова на оптимальность и т.д. Процесс заканчивается за конечное число шагов, причем на последнем шаге либо выявляется неразрешимость задачи, либо получается оптимальный опорный план и соответствующее ему оптимальное значение ЦФ. Признак оптимальности состоит из двух теорем: 1.Если для всех векторов А1,А2,…,Аn системы ограничений выполняется условие ∆j = Zj – Cj ≥ 0, где Zj = ∑ Ci Aij, то полученный опорный план является оптимальным. 2.Если для некоторого вектора, не входящего в базис, выполняется условие ∆j = Zj – Cj < 0, то можно получить новый опорный план, для которого значение ЦФ будет больше исходного, при этом могут быть два случая а)Если все компоненты вектора, подлежащего вводу в базис, не положительны , то ЗЛП не имеет решения. б)Если имеется хотя бы одна положительная компонента у вектора, подлежащего вводу в базис, то можно получить новый опорный план.
На основании признака оптимальности в базис вводится вектор Ak , давший минимальную отрицательную величину симплекс-разности: ∆k = min (Zj – Cj), j = 1,‾n.
Чтобы выполнялось условие не отрицательности значений опорного плана, выводится из базиса вектор Ar, который дает минимальное положительное оценочное отношение: Q = min Bi / Aik = Br/Ark, Aik >0, i = 1,m. Строка Arназывается направляющей, столбец Ak и элемент Ark направляющими.
Элементы направляющей строки в новой симплекс-таблице вычисляются по формулам: a’rj = arj / ark, j = 1,n.
Элементы i-той строки: a’ij = (aij ark – arj aik) / ark, i = 1,m, j = 1,n, i ≠ r.
Значения нового опорного плана: b’r = br / ark для i=r; b’i = (bi ark – br aik) / ark для i≠r.
Процесс решения продолжают либо до получения нового оптимального плана либо до установления неограниченности ЦФ. Если среди оценок оптимального плана нулевые только оценки, соответствующие базисным векторам, то это говорит об единственности оптимального плана. Если же нулевая оценка соответствует вектору, не входящему в базис, то это значит, что оптимальный план не единственный