- •Двусторонние шпоры по файзу
- •Печатай прямо этот файл
- •Теория принятия решений [3, 4]
- •1. Классы задач принятия решений, системный анализ и характеристика его этапов.
- •2. Графы и показатели эффективности смо с простейшими потоками.
- •6. Замкнутые смо.
- •3. Принятие решений в условиях риска, неопределенности и конфликты.
- •Стандартная форма задачи лп
- •Основные понятия лп. Свойства задач лп
- •4. Основы линейного программирования. Область применения. Постановка задачи
- •Каноническая форма задач лп
- •Методы решения задач лп
- •Симплекс-метод. Характеристика метода
- •М одифицированный алгоритм симплекс-метода
- •Модели управления транспортными потоками.
- •Простейшая транспортная задача (т-задача)
- •Транспортная задача с ограниченными пропускными способностями (Td - задача)
- •Задачи с неоднородным грузом
- •Многоиндексные задачи
- •Транспортные задачи по критерию времени
- •6. Оптимизация транспортных потоков. Метод потенциалов
- •Построение начального плана перевозок
- •Правило северо-западного угла
- •Переход от одного плана перевозок к другому
- •Признак оптимальности
- •Алгоритм метода потенциалов
- •7. Методы управления проектом.
- •8. Двойственность задач оптимизации. Двойственность задач лп
- •Интерпретация двойственной задачи
- •Запись двойственной задачи в общем случае
- •Теоремы двойственности
- •Двойственный симплекс-метод
- •9. Декомпозиция задач планирования большой размерности.
- •Метод декомпозиции Данцига - Вулфа
- •10. Методы определения целочисленных решений.
- •Метод отсечений
- •Метод ветвей и границ
- •Аддитивный алгоритм
- •11. Основы динамического программирования. Достоинства и недостатки метода.
- •Работа метода дп
- •Функциональное уравнение дп
- •Многомерные задачи динамического программирования
- •Снижение размерности с помощью множителей Лагранжа
- •12. Оптимизация надежности технических систем, систем распределения ресурсов.
- •4.2.3. Сбалансированная транспортная задача
- •13. Классы задач нелинейного программирования и методы их решения. Х арактеристика задач
- •Условия оптимальности
- •Методы решения задач нп
- •14. Задачи нелинейного программирования, сводящиеся к линейным. Квадратичное программирование
- •Сепарабельное программирование (сп)
- •Задачи дробно-линейного программирования
- •15. Классификация и характеристика методов «спуска».
- •Методы одномерной минимизации. Метод деления шага пополам
- •Квадратичная аппроксимация
- •Метод деления интервала пополам
- •Метод золотого сечения
- •Метод Фибоначчи
- •Метод первого порядка
- •Методы второго порядка
- •Многомерный поиск безусловного минимума Метод Гаусса-Зейделя (покоординатного спуска)
- •Метод Хука-Дживса (метод конфигураций)
- •Симплексный метод
- •Градиентные методы
- •Метод Ньютона
- •М етоды сопряженных направлений
- •Методы условной оптимизации
- •Метод проектирования градиента
- •Метод штрафных функций
- •Метод барьерных функций
- •16. Методы случайного поиска и генетические алгоритмы.
- •8.8.7. Методы случайного поиска
- •Алгоритм с возвратом при неудачном шаге
- •Алгоритм с обратным шагом
- •Алгоритм наилучшей пробы
- •Алгоритм статистического градиента
- •8.8.8. Генетические алгоритмы
- •17. Особенности принятия решений при многих критериях.
- •18. Методы свертки и целевого программирования в принятии решений по многим критериям.
- •10.2.1.4. Линейная свертка
- •10.2.1.5. Максиминная свертка
- •10.2.1.7. Целевое программирование (цп)
- •19. Интерактивные методы принятия решений
10.2.1.7. Целевое программирование (цп)
Целевое программирование применяется в основном для решения линейных многокритериальных задач, но может быть использовано и в нелинейных задачах.
Принципиальное
отличие ЦП от вышерассмотренных подходов
– в изменении концепции цели. Вместо
максимизации (минимизации) критериев
ставится задача оптимального приближения
к желаемым значениям критериев, которые
называют также уровнями притязаний
ЛПР. Таким образом, эти значения,
обозначаемые далее как
,
и представляют собой цель, к которой
следует стремиться. Если в методе
главного критерия ограничения на
критерии (10.16) могут приводить к
неразрешимости задачи, то в ЦП, как будет
показано дальше, желаемые значения
,
какими бы они ни были, не могут явиться
причиной неразрешимости.
Притязания ЛПР могут быть выражены по-разному в зависимости от смысла критерия:
1) не меньше ;
2) не больше ;
3) равно ;
4) принадлежать
диапазону [
]
.
Соответственно по-разному эти требования учитываются в математической модели задачи.
Как правило, множество решений, на котором достигаются одновременно все уровни притязаний, не пересекается с допустимым множеством. В таких случаях оно называется утопическим. Заметим, что утопическое множество решений не обязательно должно быть непустым. В то же время утопическое множество в критериальном пространстве пустым быть не может. Приведем поясняющие примеры. На рис.10.12 показаны утопические множества для случая, когда притязания ЛПР заданы в виде
D
Н
а
рис.10.13 представлен случай, когда ЛПР
ставит цель в виде:
,
i=1,2,3.
При этом утопическое множество решений
оказывается пустым, так как нет точек,
в которых одновременно все критерии
достигают уровней притязаний. Однако
совершенно очевидно, что в пространстве
критериев утопическое множество не
пусто: оно состоит из одной точки с
координатами (
).
При целевом программировании изменяется модель задачи:
- к исходным условиям задачи добавляются так называемые целевые ограничения, отражающие уровни притязаний;
- с целевыми ограничениями в модель вводятся новые переменные, имеющие смысл отклонений от желаемых значений исходных критериев;
- критерий в модели ЦП строится как функция новых переменных.
Пусть, например, исходная задача содержит 4 критерия и ЛПР выдвигает по ним разные варианты притязаний:
,
,
,
.
Тогда целевые ограничения будут иметь вид:
,
,
,
,
,
.
де
–
переменные-отклонения, характеризующие
недостижение
,
–
переменные-отклонения, означающие
превышение
.
Все эти отклонения нежелательны. Поэтому
в модели ЦП цель выражается минимизацией
переменных-отклонений. Так как число
этих переменных больше единицы, мы снова
имеем многокритериальную задачу, в
которой роль критериев играют переменные
.
Очевидно, что для ее решения могут быть
применены способы, описанные выше:
лексикографическое упорядочение ;
линейная свертка
минимаксная свертка
- квадратичная свертка (аналог (10.20))
Если исходная модель задачи линейная, то и модели ЦП во всех случаях, кроме последнего, также линейны.
Принципиальной особенностью целевых Ограничений является то, что они не сужают исходную областью, а наоборот, расширяют, переводя ее в пространство решений большей размерности ( за счет переменных di). Поэтому они не могут быть причиной неразрешимости задачи. Последнее свойство следует также из того, что на переменные-отклонения не накладывается требование равенства нулю, а значит, всегда найдутся такие неотрицательные di, которые обеспечат выполнение целевых ограничений.
