- •Общая постановка задачи оптимизации.
- •Классическая задача на условный экстремум. Необходимые и достаточные условия условного экстремума.
- •Метод множителей Лагранжа для решения классической задачи на условный экстремум.
- •Линейные неравенства и область решений системы линейных неравенств.
- •5. Общая задача линейного программирования. Геометрическая интерпретация задачи.
- •Графический метод решения задачи линейного программирования для двух переменных.
- •Решение задачи линейного программирования симплекс–методом. Симплексные таблицы. Алгоритм симплекс–метода.
- •Решение задачи оптимизации выпуска продукции симплекс–методом.
- •Модель оптимизации плана перевозок (транспортная задача). Экономическая постановка задачи.
- •9.2 Основные свойство транспортной задачи
- •9.3 Двойственная задача
- •9.4 Теоремы двойственности
- •9.5 Построение опорного плана транспортной задачи
- •9.6 Метод севево-западного угла
- •Математическая модель транспортной задачи. Открытые и закрытые задачи. Допустимый, опорный и оптимальный планы перевозок.
- •11. Построение начального (опорного) плана перевозок по методу северо–западного угла и по методу наименьшей стоимости.
- •12. Теорема о потенциалах. Метод потенциалов. Транспортные таблицы. Понятие цикла. Сущность метода потенциалов.
- •13.Критерий оптимальности и неоптимальности опорного плана. Критерий единственности оптимального опорного плана.
- •14. Понятия испытания и случайного события. Частота и относительная частота появления события в серии испытаний. Вероятность случайного события.
- •15. Совместные и несовместные события. Полная группа событий. Событие, благоприятствующее данному. Равновозможные события. Совокупность элементарных исходов.
- •16.Классическое определение вероятности. Простейшие свойства вероятности.
- •17. Основные правила комбинаторики. Сочетания, перестановки, размещения.
- •18. Частота и относительная частота появления события в серии испытаний. Стохастическая устойчивость случайного события. Статистическое определение вероятности.
- •19. Вероятность противоположного события. Условная вероятность.
- •20. Сумма и произведение случайных событий. Теорема сложения вероятностей: для двух произвольных событий, для двух несовместных.
- •21. Теорема умножения вероятностей: для двух произвольных событий; для двух независимых событий; для нескольких событий, независимых в совокупности.
- •22. Формула полной вероятности.
- •23. Теорема Байеса.
- •24. Формула Бернулли
- •25. Локальная и интегральная теоремы Лапласа. Функции Гаусса и Лапласа.
- •26. Понятие случайной величины. Закон распределения случайной величины. Функция распределения и ее свойства.
- •1) Биномиальное распределение (дискретное)
- •2) Пуассоновское распределение (дискретное)
- •3) Показательное распределение (непрерывное)
- •4) Равномерное распределение (непрерывное)
- •5) Нормальное распределение или распределение Гаусса (непрерывное)
- •27. Дискретная случайная величина. Способы задания закона распределения дискретной случайной величины.
- •28. Числовые характеристики дискретной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение. Их основные свойства.
- •29. Биномиальный закон распределения.
- •30. Распределение Пуассона. Простейший поток событий.
- •Ц.П.Т. Ляпунова
- •Слабый закон больших чисел
- •Усиленный закон больших чисел
- •Значение теоремы Чебышева для практики.
- •51. Понятие критерия. Критическая область и область принятия гипотезы. Односторонняя и двусторонняя критическая область, критические точки. Мощность критерия.
- •56. Коэффициенты регрессии. Линии регрессии.
- •59. Эмпирическая и теоретическая линии регрессии.
5. Общая задача линейного программирования. Геометрическая интерпретация задачи.
Для понимания всего дальнейшего полезно знать и представлять себе геометрическую интерпретацию задач линейного программирования, которую можно дать для случаев n =2 и n =3.
Наиболее наглядна эта интерпретация для случая n =2, т.е. для случая двух переменных и . Пусть нам задана задача линейного программирования в стандартной форме
Возьмём на плоскости декартову систему координат и каждой паре чисел поставим в соответствие точку на этой плоскости.
Обратим прежде всего внимание на ограничения и . Они из всей плоскости вырезают лишь её первую четверть (см. рис. 1). Рассмотрим теперь, какие области соответствуют неравенствам вида . Сначала рассмотрим область, соответствующую равенству . Как Вы, конечно, знаете, это прямая линия. Строить её проще всего по двум точкам.Пусть . Если взять , то получится . Если взять , то получится . Таким образом, на прямой лежат две точки и . Дальше через эти две точки можно по линейке провести прямую линию
вычислить соответствующее ему значение . |
Если же b=0, то на прямой лежит точка (0,0). Чтобы найти другую точку, можно взять любое отличное от нуля значение и
Эта построенная прямая разбивает всю плоскость на две полуплоскости. В одной её части , а в другой наоборот . Узнать, в какой полуплоскости какой знак имеет место проще всего посмотрев, какому неравенству удовлетворяет какая-то точка плоскости, например, начало координат, т.е. точка (0,0).
Вернемся теперь к общему случаю, когда одновременно выполняются неравенства
|
Основной случай - получающаяся область имеет вид ограниченного выпуклого многоугольника ( см. рис. 6).
Неосновной случай получается неограниченный выпуклый многоугольник, имеющий вид, подобный изображенному на рис. 7. Подобная ситуация, например, получится, если в рассмотренном выше примере убрать ограничение . Оставшаяся часть будет неограниченным выпуклым многоугольником.
Наконец, возможен случай, когда неравенства (1.22) противоречат друг другу, и допустимая область вообще пуста.
Вернёмся теперь к исходной задаче линейного программирования. В ней, кроме системы неравенств, есть еще целевая функция .
Рассмотрим прямую. Будем увеличивать L. Что будет происходить с нашей прямой?
Легко догадаться, что прямая будет двигаться параллельно самой себе в том направлении, которое дается вектором , так как это вектор нормали к нашей прямой и одновременно вектор градиента функции .
Oграничения задачи вырезают на плоскости некоторый многоугольник. Пусть при некотором L прямая пересекает допустимую область. Это пересечение дает какие-то значения переменных , которые являются планами.
Увеличивая L мы начнем двигать нашу прямую и её пересечение с допустимой областью будет изменяться (см. рис. 9). В конце концов эта прямая выйдет награницу допустимой области как правило, это будет одна из вершин многоугольника. Дальнейшее увеличение L приведёт к тому, что пересечении
прямой с допустимой областью будет пустым. Поэтому то положение прямой , при котором она вышла на граничную точку допустимой области, и даст решение задачи, а соответствующее значение L и будет оптимальным значением целевой функции.