- •501. Загальна постановка задачі лінійного програмування. Приклади економічних задач лінійного програмування.
- •502. Модель задачі лінійного програмування в розгорнутому і скороченому вигляді, а також в матричній і векторній формах.
- •503. Властивості розв'язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •504. Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •505. Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •Такому плану відповідає розклад
- •506. Теорема про оптимальність розв'язку задачі лінійного програмування симплекс-методом.
- •Якщо розглядається задача на відшукання мінімального значення цільової функції, то формулюється така теорема.
- •507. Знаходження оптимального розв'язку задачі лінійного програмування. Алгоритм симплексного методу.
- •508. Симплексний метод із штучним базисом. Ознака оптимальності плану із штучним базисом.
- •Взаємозв’язок між розв’язками початкової та розширеної задач лінійного програмування не є очевидним і визначається такою теоремою.
- •509. Двоїста задача. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •510. Економічний зміст двоїстої задачі й двоїстих оцінок.
- •511. Теореми двоїстості, їх економічна інтерпретація.
- •512. Застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •513. Методи розв'язування двоїстої задачі лінійного програмування.
- •514. Аналіз розв'язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •515. Аналіз обмежень дефіцитних і недефіцитних ресурсів.
- •516. Аналіз коефіцієнтів цільової функції задач лінійного програмування.
- •517. Транспортна задача лінійного програмування. Економічна і математична постановка транспортної задачі.
- •518. Методи побудови опорних планів транспортної задачі. Випадок виродженості. Теорема про розв'язування транспортної задачі.
- •519. Двоїста задача до транспортної задачі. Метод потенціалів.
- •520. Розв'язування транспортної задачі методом потенціалів.
- •521. Відкриті транспортні задачі. Метод розв'язування.
- •522. Цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •523. Геометрична інтерпретація задачі цілочислового програмування.
- •524. Метод Гоморі повністю цілочислових задач. Знаходження цілої й дробової частини числа. Алгоритм розв'язування задачі.
- •525. Постановка задачі нелінійного програмування, математична модель. Геометрична інтерпретація.
- •526. Графічний метод розв'язування задач нелінійного програмування.
- •527. Метод множників Лагранжа. Теорема Лагранжа. Алгоритм розв'язування задачі на безумовний екстремум.
- •528. Поняття про опуклі функції. Геометрична інтерпретація задачі опуклого програмування на площині.
- •529. Сідлова точка та необхідні і достатні умови її існування. Теорема Куна-Таккера.
- •530. Квадратична функція та її властивості.
- •531. Математична модель задачі опуклого програмування з сепарабельною цільовою функцією.
- •532. Постановка задачі квадратичного програмування та її математична модель.
- •533. Градієнтні методи розв'язання задач нелінійного програмування та їх класифікація.
- •534. Метод Франка-Вульфа. Алгоритм розв'язування задачі нелінійного програмування.
- •535. Сепарабельна функція та її властивості. Розв'язування задач нелінійного програмування методом кусково-лінійної апроксимації.
- •536. Математична постановка задачі динамічного програмування, її економічний зміст. Принцип оптимальності Беллмана.
- •537. Основні рекурентні співвідношення розв'язування задач динамічного програмування.
- •538. Методи розв'язування задач динамічного програмування. Основні кроки алгоритму розв'язування задачі динамічного програмування.
- •539. Математична постановка задачі стохастичного програмування і область їх застосування в управлінні виробничими системами.
- •540. 3Ведення розв'язання одноетапної статичної задачі стохастичного програмування до детермінованої задачі лінійного програмування.
- •541. Основні поняття теорії ігор. Гра двох гравців з нульовою сумою, правила гри, ціна гри, пара оптимальних стратегій для двох осіб.
- •542. Платіжна матриця. Основна теорема теорії ігор. Принцип мінімаксу.
- •543. Гра в чистих стратегіях. Поняття сідлової точки і її знаходження.
- •544. Гра2x2 взмішаних стратегіях. Алгоритм розв'язування задачі.
- •545. Зведення гри двох осіб до задачі лінійного програмування.
- •547. Основні числові характеристики випадкового процесу та їх властивості.
- •548. Кореляційна функція випадкового процесу та її властивості. Нормована кореляційна функція.
- •549. Поняття про оператор перетворення випадкового процесу. Лінійні однорідні перетворення. Нелінійні перетворення.
- •550. Визначення стаціонарного випадкового процесу, щільність ймовірностей для одного, k періодів.
- •551. Кореляційна функція, нормована кореляційна функція та їх властивості.
- •552. Ергодичні властивості стаціонарного випадкового процесу та його математична трактовка.
- •554. Стаціонарний випадковий процес із лінійною кореляційною функцією.
- •555. Стаціонарний випадковий процес із експоненціальною кореляційною функцією.
- •556. Пуассонівський процес та його математична модель.
- •557. Імовірні твірні функції.
- •558. Визначення ланцюга Маркова. Матриця однокрокового переходу. Однорідні ланцюги Маркова та їх класифікація.
- •559. Поглинаючі однорідні ланцюги Маркова та їх числові характеристики. Фундаментальна матриця.
- •560. Регулярні однорідні ланцюги Маркова та їх числові характеристики. Фундаментальна матриця для цих ланцюгів.
556. Пуассонівський процес та його математична модель.
Пуассо́нівський проце́с — це поняття теорії випадкових процесів, що моделює кількість випадкових подій, що стались, якщо тільки вони відбуваються зі сталим середнім значенням інтервалів між їхніми настаннями.
У випадку вибраних одиниць вимірювання, це середнє значення дорівнює кількостей подій за одиницю часу, де λ — параметр процесу. Цей параметр часто називають інтенсивністю пуассонівського процесу.
Якщо розглянути послідовність часових інтервалів між подіями пуассонівського процесу, то ця послідовність буде послідовністю незалежних випадкових величин, яка має назву пуассонівського потоку.
Випадковий процес з неперервним і невід'ємним часом та дискретним станами називається пуасонівським, якщо:
1) він є процесом з незалежними приростами;
2) для нього виконується однорідність по часу;
3) його часовий переріз при t=0 являє собою випадкову величину, тотожньо рівну нулю (ще кажуть: випадковий процес починається в нулі);
4) при h прямує до 0 вірними будуть твердження:
а) ймовірність того, що у момент часу h випадковий процес набуде значення 0, дорівнює 1-λh+o(h);
б) ймовірність того, що у момент часу h випадковий процес набуде значення 1, дорівнює λh+o(h);
в) ймовірність того, що у момент часу h випадковий процес набуде значення 2, дорівнює o(h);
де o(h) — величина, порядок малості якої вищий, ніж h; λ — параметр, що визначає процес.
Для пуассонівського потоку ймовірність появи випадкової події k раз протягом проміжку часу t обчислюється за формулою:
де — інтенсивність потоку.
Тоді зі випливає: ймовірність того, що за час t жодна з подій не настане, подається у вигляді
а ймовірність настання однієї події за час t — у вигляді
Тоді ймовірність настання за час t більш як однієї події буде така:
Для малих значень t і значення нескінченно малі, а тому формули набирають такого вигляду:
557. Імовірні твірні функції.
Метод імовірнісних твірних функцій дає змогу звести систему лінійних алгебраїчних рівнянь високого порядку до системи функціональних рівнянь відносно ймовірнісних твірних функцій значно нижчого порядку. Розв’язуючи цю спрощену систему, знаходимо аналітичний вираз зазначених функцій, за допомогою якого визначаються основні числові характеристики.
збіжний степеневий ряд виду
називають імовірнісною твірною функцією, де , — імовірність того, що система містить k вимог.
Основні властивості :
1. Оскільки
То
.
2. Оскільки , то
і за х = 1 дістаємо, що . З того, що , випливає:
.
3. Оскільки ,
то
Тоді .
Якщо в систему надходять два пуассонівські потоки, то ймовірнісна твірна функція в цьому разі має такий вигляд:
де , є ймовірність того, що система містить і вимог першого пуассонівського потоку і j вимог другого пуассонівського потоку.
558. Визначення ланцюга Маркова. Матриця однокрокового переходу. Однорідні ланцюги Маркова та їх класифікація.
Ланцюг Маркова - це випадковий процес, що задовольняє властивість Маркова і який приймає скінченну чи зліченну кількість значень(станів). Існують ланцюги Маркова як з дискретним так і з неперервним часом.
Нехай I -деяка скінченна чи зліченна множина елементи якої називаються станами. Нехай деякий процес в момент часу n (де n=0,1,2,3...) може перебувати в одному із цих станів, а в час n+1 перейти в деякий інший стан(чи залишитися в тому ж). Кожен такий перехід називається кроком. Кожен крок не є точно визначеним. З певними ймовірностями процес може перейти в один з кількох чи навіть усіх станів.
Послідовність дискретних випадкових величин називається ланцюгом Маркова (з дискретним часом), якщо
Тобто майбутні значення послідовності залежать лише від теперішнього стану і не залежать від минулих.
Матриця P(n), де
називається ма́трицею ймовірностей переходу на n-му кроці, а вектор , де
— початковим розподілом ланцюга Маркова.
Очевидно, матриця ймовірностей переходу є стохастичною, тобто
.
Ланцюг Маркова називається однорідним якщо:
,
або еквівалентно:
для всіх n.
Перехід системи зі стану до стану , який може відбуватися з певною ймовірністю в момент часу t, позначається як і називається умовною ймовірністю переходу.
Повна ймовірнісна картина всіх можливих переходів системи, яка має N станів, подається у вигляді квадратної матриці:
яку називають імовірнісною матрицею переходів. При цьому
,
оскільки ці випадкові події (перехід системи з фіксованого стану до будь-якого можливого стану утворюють повну групу. Враховуючи те, що моменти часу переходу системи названо кроками, умовні ймовірності переходу на k-му кроці позначають і називають перехідними ймовірностями марковського ланцюга.
Маркова називають однорідним, якщо тобто перехідні ймовірності не залежать від кроку k.
Матриця перехідних імовірностей для однорідних ланцюгів Маркова подається у вигляді
.
Матрицю називають матрицею однокрокового переходу системи.