- •Основные цели обработки экспериментальных данных. Активные и пассивные эксперименты.
- •Классификация задач обработки экспериментальных данных
- •Выбор и разработка методов преобразования экспериментальных данных
- •Определение генеральной и выборочной совокупности. Репрезентативная выборка
- •Статистическое распределение выборки
- •Эмпирическая функция распределения.
- •Интервальный или статистический ряд. Гистограмма
- •Полигон. Эмпирическая функция распределения
- •Точечные и интервальные оценки параметров распределения
- •Интервальные оценки параметров распределения
- •Доверительный интервал для оценки математического ожидания нормального распределения при известном среднем квадратическом отклонении.
- •Оценки моментов и квантилей распределения
- •Определение статистических гипотез. Классификация статистических гипотез.
- •Критерии проверки гипотез
- •Алгоритм проверки гипотезы о распределении генеральной совокупности по закону Пуассона.
- •Типовые распределения
- •Постановка задачи аппроксимации закона распределения экспериментальных данных. Аппроксимация на основе типовых распределений
- •Аппроксимация на основе типовых распределений
- •Аппроксимация на основе специальных рядов. Аппроксимация на основе универсальных семейств распределений
- •Аппроксимация на основе универсальных семейств распределений
- •Объединение выборок. Объединение однородных выборок.
- •Объединение выборок. Объединение неоднородных выборок
- •Задачи дисперсионного анализа
- •Проверка однородности совокупности дисперсий
- •Методы линейного и нелинейного программирования
- •Примеры задач Максимальное паросочетание
- •Максимальный поток
- •Транспортная задача
- •Игра с нулевой суммой
- •Градиентные методы.
- •Генетические методы
Методы линейного и нелинейного программирования
Общей (стандартной) задачей линейного программирования называется задача нахождения минимума линейной целевой функции (линейной формы) вида:
Задача, в которой фигурируют ограничения в форме неравенств, называется — основной задачей линейного программирования (ОЗЛП)
,
.
Задача линейного программирования будет иметь канонический вид, если в общей задаче вместо первой системы неравенств имеет место система уравнений с ограничениями в форме равенства:
,
Основную задачу можно свести к канонической путём введения дополнительных переменных.
Задачи линейного программирования наиболее общего вида (задачи со смешанными ограничениями: равенствами и неравенствами, наличием переменных, свободных от ограничений) могут быть приведены к эквивалентным (имеющим то же множество решений) заменами переменных и заменой равенств на пару неравенств.
Легко
заметить, что задачу нахождения максимума
можно заменить задачей нахождения
минимума, взяв коэффициенты
с
обратным знаком.
Примеры задач Максимальное паросочетание
Рассмотрим задачу о максимальном паросочетании в двудольном графе: есть несколько юношей и девушек, причём для каждых юноши и девушки известно, симпатичны ли они друг другу. Нужно поженить максимальное число пар со взаимной симпатией.
Введём
переменные
,
которые соответствуют паре из
-того
юноши и
-той
девушки и удовлетворяют ограничениям:
с
целевой функцией
.
Можно показать, что среди оптимальных
решений этой задачи найдётся целочисленное.
Переменные, равные 1, будут соответствовать
парам, которые следует поженить.
Максимальный поток
Пусть имеется граф (с ориентированными рёбрами), в котором для каждого ребра указана его пропускная способность. И заданы две вершины: сток и исток. Нужно указать для каждого ребра, сколько через него будет протекать жидкости (не больше его пропускной способности) так, чтобы максимизировать суммарный поток из истока в сток (жидкость не может появляться или исчезать во всех вершинах, кроме стока и истока).
Возьмём
в качестве переменных
—
количество жидкости, протекающих через
-тое
ребро. Тогда
,
где
—
пропускная способность
-того
ребра. Эти неравенства надо дополнить
равенством количества втекающей и
вытекающей жидкости для каждой вершины,
кроме стока и истока. В качестве функции
естественно
взять разность между количеством
вытекающей и втекающей жидкости в
истоке.
Обобщение
предыдущей задачи — максимальный
поток минимальной стоимости. В этой
задаче даны стоимости для каждого ребра
и нужно среди максимальных потоков
выбрать поток с минимальной стоимостью.
Эта задача сводится к двум задачам
линейного программирования: сначала
нужно решить задачу о максимальном
потоке, а потом добавить к этой задаче
ограничение
,
где
—
величина максимального потока, и решить
задачу с новой функцией
—
стоимостью потока.
Эти задачи могут быть решены быстрее, чем общими алгоритмами решения задач линейного программирования, за счёт особой структуры уравнений и неравенств.
