- •Лекція 1 «Концептуальні аспекти математичного моделювання економіки»
- •1.1 Економіка як об’єкт моделювання
- •1.2 Узагальнена схема математичного моделювання
- •1.3 Основні принципи побудови математичної моделі
- •1.4 Класифікація економіко-математичних моделей
- •1.5 Роль прикладних економіко-математичних досліджень
- •Лекція 2 «Оптимізаційні економіко-математичні моделі»
- •2.1 Постановка задачі економіко-математичного моделювання
- •2.2 Класифікація задач математичного програмування
- •Лекція 3 «Загальна економіко-математична модель задачі лінійного програмування»
- •3.1 Загальна економіко-математична модель задачі лінійного програмування
- •3.2 Форми запису задач лінійного програмування
- •3.3 Геометрична інтерпретація задачі лінійного програмування
- •3.4 Основні властивості розв’язків задачі лінійного програмування
- •3.5 Графічний метод розв’язування задач лінійного програмування
- •Лекція 4 «Симплексний метод розв’язування задач лінійного програмування»
- •4.1 Загальні аспекти застосування симплекс-методу
- •4.2 Початковий опорний план
- •4.3 Перехід від одного опорного плану до іншого
- •4.4 Оптимальний розв’язок. Критерій оптимальності плану
- •4.5 Розв’язування задачі лінійного програмування симплексним методом
- •4.6 Метод штучного базису (самостійна робота)
- •Лекція 5 «Теорія двоїстості»
- •5.1. Економічна інтерпретація прямої та двоїстої задач лінійного програмування
- •5.2 Правила побудови двоїстих задач
- •5.3 Основні теореми двоїстості та їх економічний зміст
- •5.4 Приклади застосування теорії двоїстості для знаходження оптимальних планів прямої та двоїстої задач (самостійна робота)
- •Лекція 6 «Цілочислове програмування»
- •6.1 Економічна і математична постановка цілочислової задачі лінійного програмування
- •6.2 Геометрична інтерпретація розв’язків цілочислових задач лінійного програмування на площині
- •6.3 Загальна характеристика методів розв’язування цілочислових задач лінійного програмування
- •6.4 Методи відтинання. Метод Гоморі
- •6.5 Комбінаторні методи. Метод гілок та меж
- •Лекція 7 «Нелінійні оптимізаційні моделі економічних систем»
- •7.1 Економічна і математична постановка задачі нелінійного програмування
- •7.2 Геометрична інтерпретація задачі нелінійного програмування
- •7.3 Основні труднощі розв’язування задач нелінійного програмування
- •7.4. Класичний метод оптимізації. Метод множників Лагранжа
- •7.4.1 Умовний та безумовний екстремуми функції
- •7.4.2 Метод множників Лагранжа
- •7.5 Необхідні умови існування ої точки
- •7.6 Теорема Куна-Таккера
- •7.6.1 Опуклі й вогнуті функції
- •7.7 Опукле програмування
- •8.1 Загальна постановка задачі динамічного програмування
- •10.2 Складання математичної моделі динамічного програмування
- •10.3 Етапи рішення задачі динамічного програмування
- •10.4 Приклад задачі динамічного програмування : оптимальний розподіл інвестицій
- •Лекція 9 «Стохастичне програмування»
- •9.1 Загальна математична постановка задачі стохастичного програмування
- •9.2 Особливості математичної постановки задач стохастичного програмування
- •9.3 Приклади економічних задач стохастичного програмування
- •9.3 Приклади економічних задач стохастичного програмування
- •10.1 Основні поняття теорії ігор
- •10.2 Матричні ігри двох осіб
- •10.3 Зведення матричної гри до задачі лінійного програмування
7.6 Теорема Куна-Таккера
Розглянутий метод множників Лагранжа уможливлює знаходження лише локальних сідлових точок функції Лагранжа.
Теорема Куна-Таккера дає змогу встановити типи задач, для яких на множині допустимих розв’язків існує лише один глобальний екстремум зумовленого типу. Вона тісно пов’язана з необхідними та достатніми умовами існування сідлової точки.
Розглянемо задачу нелінійного програмування, яку, не зменшуючи загальності, подамо у вигляді:
, (7.22)
, (7.23)
. (7.24)
(Очевидно, що знак нерівності можна змінити на протилежний множенням лівої і правої частин обмеження на (– 1)).
Теорема
7.1.
(Теорема Куна-Таккера). Вектор Х*
є оптимальним розв’язком задачі
(7.22)-(7.24) тоді і тільки тоді, коли існує
такий вектор
,
що при
для всіх
точка
є сідловою точкою функції Лагранжа
,
і
функція мети
для всіх
угнута, а функції
–
опуклі.
Умови теореми Куна — Таккера виконуються лише для задач, що містять опуклі функції.
7.6.1 Опуклі й вогнуті функції
Наведемо
основні означення та теореми. Нехай
задано n-вимірний
лінійний простір Rn.
Функція
,
що задана на опуклій множині
,
називається опуклою,
якщо для будь-яких двох точок
та
з множини X
і будь-яких значень
виконується співвідношення:
. (7.25)
Якщо
нерівність строга і виконується для
,
то функція
називається строго опуклою.
Функція , яка задана на опуклій множині , називається вогнутою, якщо для будь-яких двох точок та з множини X і будь-якого справджується співвідношення:
. (7.26)
Якщо нерівність строга і виконується для , то функція називається строго угнутою.
Слід
зазначити, що опуклість та угнутість
функції визначаються лише відносно
опуклих множин у
,
оскільки за наведеними означеннями
разом з двома будь-якими точками
та
множині X
належать також точки їх лінійної
комбінації:
для всіх значень
,
що можливо лише у разі, коли множина X
є опуклою.
Теорема 7.2. Нехай – опукла функція, що задана на замкненій опуклій множині X, тоді будь-який локальний мінімум на цій множині є і глобальним.
Теорема
7.3.
Нехай
–
опукла функція, що визначена на опуклій
множині Х,
і крім того, вона неперервна разом з
частинними похідними першого порядку
в усіх внутрішніх точках Х.
Нехай
–
точка, в якій
.
Тоді в точці
досягається локальний мінімум, що
збігається з глобальним.
Як наслідок теореми можна показати, що коли Х замкнена, обмежена знизу, опукла множина, то глобального максимуму опукла функція f(X) досягає на ній у одній чи кількох точках (при цьому допускається, що в точці Х значення функції скінченне). Застосовуючи за розв’язування таких задач процедуру перебору крайніх точок, можна отримати точку локального максимуму, однак не можна встановити, чи є вона точкою глобального максимуму.
Для угнутих функцій отримані результати формулюють так. Нехай f(X) – угнута функція, що задана на замкненій опуклій множині . Тоді будь-який локальний максимум f(X) на множині Х є глобальним. Якщо глобальний максимум досягається в двох різних точках множини, то він досягається і на нескінченній множині точок, що лежать на відрізку, який сполучає ці точки. Для строго угнутої функції існує єдина точка, в якій вона досягає глобального максимуму.
Градієнт угнутої функції f(X) у точках максимуму дорівнює нулю, якщо f(X) – диференційовна функція. Глобальний мінімум угнутої функції, якщо він скінченний на замкненій обмеженій зверху множині, має досягатися в одній чи кількох її крайніх точках за умови скінченності функції f(X) у кожній точці цієї множини.
