- •1 Принципы, методы и средства исследования операций.
- •2.Понятие рациональности и эффективности, их соотношение.
- •3. Понятие системы, сложные системы. Системный анализ и исследование операций.
- •4. Понятие организации, анализ организации, информационные модели.
- •5. Операционный подход к задачам принятия решений, отличительные особенности.
- •6. Характеристики задач исследования операций.
- •7. Системный подход к задачам принятия решений.
- •8.Комплексный подход к задачам принятия решений.
- •9.Постановка задача исследования операций, элементы исследовательской задачи.
- •10.Качественные факторы в задачах принятия решений. Экспертное оценивание.
- •11 Экспертные оценки как бинарные соотношения. Свойства экспертных оценок.
- •13.Методы получения индивидуальных экспертных оценок.
- •15. Экспертное оценивание. Методы дискуссии, суда, метод Делфи.
- •17. Экспертное оценивание. Метод последовательных сопоставлений.
- •18.Многокритериальная оптимизация, основные проблемы. Паретто-оптимальные решения.
- •19.Многокритериальная оптимизация, проблемы. Метод свертки критерия.
- •20.Многокритериальная оптимизация, метод уступок.
- •21.Многокритериальная оптимизация, метод равенства.
- •22.Многокритериальная оптимизация maxmin подход.
- •23. Многокритериальная оптимизация, проблемы, классы задач
- •1. Воз (векторные оптимальные задачи) на множестве целей или качеств
- •6. Воз «вложенные» (многовекторные)
- •24.Многокритериальная оптимизация, метод главного критерия.
- •25.Многокритериальная оптимизация. Метод идеальной точки.
- •26.Многокритериальная оптимизация, оптимизация по последовательно применяемым критериям.
- •27 Целочисленное линейное программирование. Особенности задач, методы отсечения.
- •28. Метод отсечения, общая постановка задачи.
- •30. Метод отсечения, смешанный алгоритм.
- •31. Метод отсечения, циклический алгоритм.
- •32. Метод ветвей и границ, общая схема.
- •33 Метод ветвей и границ, решение линейных целочисленных задач.(Метод Ленд и Дойг)
- •35. Динамическое программирование, принцип Беллмана, схема метода.
- •36. Динамическое программирование. Задача распределения капиталовложений (ресурсов).
- •37. Динамическое программирование. Задача о замене оборудования (1-я постановка).
- •38. Динамическое программирование. Марковские процессы принятия решений (динамические модели стохастических процессов принятия решений).
- •39. Динамическое программирование. Задача управления запасами.
- •40. Динамическое программирование. Решение линейных распределительных задач методом динамического программирования.
- •41. Динамическое программирование. Задача о замене оборудования (2-я постановка).
- •42. Динамическое программирование. Вложенная задача распределения ресурсов.
- •43. Динамическое программирование. Задача о рекламе.
- •44. Динамическое программирование. Задача о рюкзаке (контейнере, задача о загрузке).
33 Метод ветвей и границ, решение линейных целочисленных задач.(Метод Ленд и Дойг)
Этот метод разработан для решения задач частично целочисленного программирования. Минимизировать
(3.11)
при условиях
(3.12)
(3.13)
(3.14)
Некоторые из dj могут быть равны +inf. При решении задачи предполагается, что область допустимых значений является ограниченным многогранным множеством.
Решение задачи осуществляется следующим образом.
Сначала решается обычная задача линейного программирования (3.11) - (3.13). Если полученный оптимальный план Х0 не удовлетворяет условиям целочисленности, то значение целевой функции f(x^0)=ϕ0 дает нижнюю границу для искомого экстремума, т.е. minf(x)≥ϕ0. Рассмотрим какую-то переменную xi0 (1≤i0≤n1), которая в данном плане не получила целочисленного значения. В оптимальном целочисленном плане значение xi0 должно быть либо уменьшено по крайней мере до [Хi0], либо увеличено по крайней мере до [Хi0]+1 (что ещё можно записать как ]Хi0[). Если границы изменения Хi0 не были заданы, то их можно вычислить, решив две ЗЛП (максимизации и минимизации Хi0, при условиях (3.12) - (3.13)). Затем для каждого фиксированного значения ki0 в найденном отрезке можно найти minf(x) путем решения задачи линейного программирования (3.11) - (3.13) с дополнительным ограничением Хi0=ki0.
Возможные разновидности таких ЗЛП можно представить в виде некоторого дерева задач, в котором вершина 0 соответствует исходному плану X0, а каждая из соединенных с ней ветвью вершин отвечает оптимальному плану задачи минимизации f(x) при ограничениях (3.12) - (3.13) и дополнительном ограничении Хi0=ki0.
Каждой из вершин приписывается граница ϕk=ϕ(i0,k), равная минимальному значению f(x) для соответствующей задачи. Понятно, что ϕ0 = ϕ(i0,k) для всех k. Процесс продолжается до тех пор, пока дальнейшее ветвление становится невозможным. При ветвлении каждой вершине в качестве её границы приписывается оценка, равная значению целевой функции в ЗЛП, соответствующей этой вершине. Итак, оптимальный план в конечном итоге дает вершина с минимальным f(x). Собственно, алгоритм метода Ленд и Дойг следующий:
1. Задание исходного множества. Множество G0=G задается условиями (3.12) - (3.14).
2. Задание остальных множеств. Множества G (kнадj), V=1,2,...,rk; k=1,2... определяется условиями (3.12) и (3.14) и дополнительным условием
(3.13а)
3. Вычисление оценок (границ). Для G(0надk) ϕ(G0)=f(x0), где х (0надk) - оптимальный план ЗЛП (3.11)-(3.13). Для G(kнадV) ϕ(G(kнадV))=f(x(kнадV)), где x(kнадV) - оптимальный план ЗЛП (3.11), (3.12), (3.13а). Если множество G(kнадV) оказывается пустым, т.е. соответствующая ЗЛП неразрешима, то ϕ(G(kнадV))=+inf.
4. Вычисление планов. Если Х0 удовлетворяет 3.14, то Х0 является оптимальным планом задачи (3.11) -(3.14). Если Х(kнадV) удовлетворяет условию (3.14), то Х(kнадV) является оптимальным планом задачи (3.11), (3.12), (3.13а), (3.14) и планом задачи (3.11) - (3.14).
5. Ветвление. Оно возникает всегда, когда план Х(kнадV) не удовлетворяет условию целочисленности (3.14). Пусть Xr (k над V(k)) - нецелочисленная компонента такого плана (1≤r≤n1), тогда множество G(kнадV(k)) разбивается на два подмножества:
где и
В случае, если все cj в целевой функции целые для j≤n1 и равны 0 для j>n1, оценку ϕ(G(kнадV)) можно заменить на более сильную оценку ϕ(G(kнадV))=]f(x(kнадV))[.
Конечность алгоритма следует из предположения об ограниченности множества (3.12) - (3.13).