- •1. Теория графов
- •1.1 Остовные деревья минимального веса.
- •Алгоритм Прим
- •Алгоритм Краскал
- •1.2 Нахождение кратчайших путей между двумя заданными вершинами. Алгоритм Дийкстры
- •Алгоритм Дийкстры
- •Модифицированный алгоритм Дийкстры
- •1.3 Нахождение кратчайших цепей между всеми парами узлов в сети
- •Алгоритм Флойда (Floyd r. W.)
- •Модификация алгоритма Флойда
- •1.4 Построение потоков максимальной мощности. Алгоритм Форда-Фалкерсона
- •Алгоритм Форда-Фалкерсона
- •1.5 Обобщенные задачи о потоке
- •1.5.1 Построение потока в сети с двойным ограничением потока по дугам
- •1.5.2 Построение потока в сети с пропускными способностями узлов
- •1.5.3 Построение потока в сети с несколькими источниками-стоками
- •1.5.4 Построение потока в сети с неориентированными ребрами
- •1.6 Определение потока заданной величины минимальной стоимости. Алгоритмы Басакера-Гоуэна, Клейна
- •Алгоритм Басакера-Гоуэна (Basaker r.G., Gowen p.J)
- •Алгоритм Клейна (Klein m.)
- •2 Сетевое планирование
- •2.1 Построение сетевых моделей
- •2.2 Расчет и анализ сетевых моделей
- •Задача №1
- •Задача №2
- •I. Поиск критических путей
- •II. Поиск резервов работ
- •Правило №2.1
- •3 Линейное программирование
- •3.1 Примеры задач лп
- •3.2 Свойства решений задач линейного программирования
- •3.3 Двумерные задачи линейного программирования. Графический метод решения. Исследование на разрешимость
- •3.3.1 Построение области допустимых решений целевой функции f.
- •3.3.2 Построение прямой уровня
- •3.3.3 Максимизация целевой функции f
- •3.4 Симплекс-метод.
- •3.4.1 Построение начального опорного плана.
- •3.4.2 Симплексные таблицы
- •3.4.3 Примеры решения задач симплекс-методом
- •4. Теория двойственности в линейном программировании
- •4.1 Понятие двойственности. Построение пары взаимно двойственных задач
- •4.2 Теоремы двойственности и их экономическое содержание
- •4.3 Анализ решения задач линейного программирования
- •5. Транспортная задача
- •5.1 Постановка транспортной задачи в матричной форме. Построение исходного опорного плана
- •5.2 Метод потенциалов
- •5.3 Дополнительные условия в транспортных задачах.
- •6. Дискретное программирование.
- •6.1 Метод Гомори для решения задачи целочисленного линейного программирования
- •7. Динамическое программирование
- •7.1 Многошаговые процессы в динамических задачах
- •7.2 Принцип оптимальности и рекуррентные соотношения
- •7.3 Вычислительная схема динамического программирования
- •7.4 Оптимальное распределение средств на расширение производства
- •8. Матричные игры
- •8.1 Парные матричные игры с нулевой суммой
- •8.2 Платежная матрица
- •Нижняя и верхняя цена игры
- •8.3 Смешанные стратегии
- •8.3 Решение матричной игры сведением к задаче линейного программирования
- •8.4 Решение матричной игры графическим методом
- •8.5 Приближенный метод решения матричных игр
- •Практические работы Практическая работа №1 Построение остовного дерева графа. Нахождение найкратчайшего расстояния между заданными вершинами графа
- •Практическая работа №2 Нахождение наикратчайших расстояний между всеми парами вершин графа. Алгоритм Флойда.
- •Практическая работа №3
- •Практическая работа №4 Нахождение потока заданной величины минимальной стоимости. Алгоритм Басакера-Гоуэна
- •Практическая работа №7 Оптимизация проекта по времени.
- •Практическая работа №8
- •Практическая работа №9 Оптимизация целевой функции с помощью двухфазного симплекс метода.
- •Практическая работа №10 Решение двойственных задач. Экономическая интерпретация задач линейного программирования.
- •Практическая работа №11 Решение транспортных задач.
- •Практическая работа №12 Дополнительные условия в транспортных задачах
- •Практическая работа №13 Метод Гомори для решения задачи целочисленного линейного программирования.
- •Практическая работа №14
- •Практическая работа №15 Решение матричных игр в чистых стратегиях
- •Практическая работа №16 Графический метод решения матричных игр.
- •Каркас минимального веса. Метод р. Прима.
- •Кратчайшие пути
- •Лабораторная работа №2 Кратчайшее расстояния от заданной вершины до всех остальных вершин графа.
- •Алгоритм Дийкстры.
- •Пути в бесконтурном графе.
- •Лабораторная работа №3 Кратчайшие пути между всеми парами вершин графа.
- •Алгоритм Флойда.
- •Лабораторная работа №4 Построение потока максимальной мощности.
- •Потоки в сетях.
- •Метод построения максимального потока в сети.
- •Лабораторная работа №5 Симплекс метод
- •Лабораторная работа №6 Транспортная задача
- •Список литературы
8.5 Приближенный метод решения матричных игр
Если точное решение матричной игры оказывается громоздким, можно ограничиться приближенным решением. В частности, когда нижняя чистая цена игры мало отличается от верхней чистой цены , иногда пользуются чистыми максиминной и минимаксной стратегиями, принимая их за оптимальные. В противном случае целесообразно использовать метод итераций. В основе этого метода лежит предположение, что игра состоит из большого количества партий и игроки выбирают свои чистые стратегии в очередной партии, руководствуясь накапливающимся опытом уже сыгранных партий, обоснованно полагая, что партнер и дальше будет действовать так, как он действовал до этого момента. Если каждый игрок имеет единственную оптимальную смешанную стратегию, то при неограниченном увеличении числа партий приближенные смешанные стратегии стремятся к оптимальным стратегиям игроков, а средние выигрыши – к цене игры v. Используя ЭВМ, вычислительную процедуру можно значительно ускорить и получить решение игры с любой точностью даже при матрицах больших размерностей.
Итеративный метод можно рекомендовать для получения приближенного плана больших по размеру задач линейного программирования, с тем чтобы этот план преобразовать затем в оптимальный с помощью более громоздкой симплексной процедуры.
Пример. В матричной игре получить приближения цены игры и оптимальных смешанных стратегий, выполнив 20 итераций.
Таблица 8.5
|
В1 |
В2 |
В3 |
А1 |
4 |
2 |
2 |
А2 |
2 |
5 |
0 |
А3 |
0 |
2 |
5 |
Решение Поскольку и , следовательно , то игра не имеет Седловой точки, а потому ищем решение игры в области смешанных стратегий.
Пусть в первой партии игрок А избрал стратегию А1. Выигрыши его при различных стратегиях игрока В будут равны соответственно 4, 2 или 2. Запишем их в первую строку таблицы. (см. таблицу8.6). Игроку В в первой партии выгоднее использовать либо вторую, либо третью стратегию, так как в обоих случаях его проигрыш будет наименьшим и равняться двум. Условимся в случае равенства выигрышей (проигрышей) при нескольких стратегиях брать стратегию с меньшим индексом. Итак, игрок В выберет стратегию В2, при которой он проиграет либо 2, либо 5, либо 2 в з0ависимости от выбора игроком А своей чистой стратегии (см. табл.8.5). Внесём эти значения в первую строку таблицы решения и заполним строку до конца:
Таблица 8.6
Номер партии |
Игрок А |
Игрок В |
Приближённые значения цены |
||||||||
Стратегия |
Накопленный выигрыш при различных стратегиях игрока В |
Стратегия |
Накопленный проигрыш при различных стратегиях игрока А |
||||||||
В1 |
В2 |
В3 |
А1 |
А2 |
А3 |
|
|
|
|||
1 |
А1 |
4 |
2 |
2 |
В2 |
2 |
5 |
2 |
2 |
5 |
7/2 |
2 |
А2 |
6 |
7 |
2 |
В3 |
4 |
5 |
7 |
1 |
7/2 |
9/4 |
3 |
А3 |
6 |
9 |
7 |
В1 |
8 |
7 |
7 |
2 |
8/3 |
7/3 |
4 |
А1 |
10 |
11 |
9 |
В3 |
10 |
7 |
12 |
9/4 |
3 |
21/8 |
5 |
А3 |
10 |
13 |
14 |
В1 |
14 |
9 |
12 |
2 |
14/5 |
12/5 |
6 |
А1 |
14 |
15 |
16 |
В1 |
18 |
11 |
12 |
7/3 |
9/3 |
8/3 |
7 |
А1 |
18 |
17 |
18 |
В2 |
20 |
16 |
14 |
17/7 |
20/7 |
37/14 |
8 |
А1 |
22 |
19 |
20 |
В2 |
22 |
21 |
16 |
19/8 |
11/4 |
41/16 |
9 |
А1 |
26 |
21 |
22 |
В2 |
24 |
26 |
18 |
7/3 |
26/9 |
47/18 |
10 |
А2 |
28 |
26 |
22 |
В3 |
26 |
26 |
23 |
11/5 |
13/5 |
12/5 |
11 |
А1 |
32 |
28 |
24 |
В3 |
28 |
26 |
28 |
24/11 |
28/11 |
26/11 |
12 |
А1 |
36 |
30 |
26 |
В3 |
30 |
26 |
33 |
13/6 |
33/12 |
59/24 |
13 |
А3 |
36 |
32 |
31 |
В3 |
32 |
26 |
28 |
31/13 |
38/13 |
69/26 |
14 |
А3 |
36 |
34 |
36 |
В2 |
34 |
31 |
40 |
17/7 |
20/7 |
37/14 |
15 |
А3 |
36 |
36 |
41 |
В1 |
38 |
33 |
40 |
12/5 |
40/15 |
38/15 |
16 |
А3 |
36 |
38 |
46 |
В1 |
42 |
35 |
40 |
9/4 |
21/8 |
39/16 |
17 |
А1 |
40 |
40 |
48 |
В1 |
46 |
37 |
40 |
40/17 |
46/17 |
43/17 |
18 |
А1 |
44 |
42 |
42 |
В2 |
48 |
42 |
42 |
7/3 |
8/3 |
5/2 |
19 |
А1 |
48 |
44 |
52 |
В2 |
50 |
47 |
44 |
44/19 |
50/19 |
47/19 |
20 |
А1 |
52 |
46 |
54 |
В2 |
52 |
52 |
46 |
23/10 |
13/5 |
49/20 |
Переходим ко второй партии. Предполагая, что игрок В и во второй партии может воспользоваться стратегией В2, игрок А выберет стратегию А2, при которой его выигрыш является наибольшим и равняется 5. При стратегии А2 игрок А может выиграть либо 2, либо 5, либо 0. Во вторую строку таблицы решения записываем выигрыши игрока А в двух партиях, т.е. 4+2=6, 2+5 = 7, 2+0=2. Игроку В в данной ситуации выгоднее всего применить стратегию В3, соответствующую наименьшему проигрышу, равному 2. Записываем во вторую строку его суммарные проигрыши в двух первых партиях: 2+2=4, 5+0=5, 2+5=7. В последние три столбца записываем:
В третьей партии игроку А выгоднее всего применить стратегию А3, а игроку В после этого лучше использовать стратегию В1 и т.д. После 20 итераций подсчитываем, сколько раз игроки использовали каждую из своих чистых стратегий. Получаем m(A1)=12, m(A2)= 2, m(A3)= 6, m(B1)=6, m(B2)=8, m(B3)=6. После этого определяем вероятности применения игроками своих чистых стратегий: , , , , .
Таким образом, приближёнными оптимальными смешанными стратегиями игроков будут: , , а приближённое значение цены игры