- •1.Визначення моделі.
- •2.Причини, що зумовлюють необхідність моделювання.
- •4.Визначення лінійного програмування.
- •5.Визначення динамічного програмування.
- •7.Що таке адекватність функції?
- •Класифікація математичного моделювання за видом економічних задач та відповідно до окремих розділів математики.
- •9. Стандартна форма запису задач лп.
- •10. Канонічна форма запису задачі лп.
- •12. Геометрична інтерпретація задачі нелінійного програмування.
- •11.Геометрична інтерпретація задачі лп.
- •13. Математична постановка задачі лп.
- •14.Перетворення математичного запису задачі лп для застосування симплекс методу.
- •15. Формули, які складають основу реалізації симплексного методу.
- •16. Економічна інтерпретація розв’язку задачі лп отриманого симплексним методом.
- •17. Яким чином з математичної постановки задачі лп скласти двоїсту задачу?
- •18. Необхідні і достатні умови для оптимального розв’язку двоїстої задачі
- •19. Теореми двоїстості, які дозволяють знайти розв’язок прямої задачі лп
- •20. Формула приросту цільової функції двоїстої задачі та її складові.
- •21. Формули, які складають основу реалізації двоїстого симплексного методу .
- •23.Яким чином скласти додаткове обчислення до задачі лп, щоб отримати цілочисловий розв’язок.
- •24. Загальний математичний запис транспортної задачі.
- •25.Загальний математичний запис задачі про призначення.
- •26.Загальний математичний запис транспортної задачі з пунктом перевалу.
- •27.З якої умови починають розв’язок транспортної задачі?
- •28.Умова якою перевіряють на оптимальність базові плани транс. Задачі.
- •29. Умова за якою визначають потенціали для базисних планів транспортної задачі.
- •30. Метод диференціальних рент.
- •31. Суть методу потенціалів.
- •32.В чому полягає перевага методу диференціальних рент над методом потенціалів?
- •34. Яка умова взята за основу при математичному формуванні Транспортної задачі?
- •35. Приведення стандартних форм запису лп до канонічних.
- •36. Основні перетворення при застосуванні методу множників Лагранжа.
- •37. Умови Куна-Такера для задач нелінійного програмування.
- •38. Теорема Куна-Такера.
- •39. Чого досягається застосовуючи множники Лагранжа в системі нелінійних рівнянь.
- •40. Необхідна і достатня умова для перевірки на оптимальність розв’язку задачі нелінійного програмування.
- •41. Що таке градієнт функції в градієнтних методах розв’язку задач нелінійного програмування.
- •42. Основна термінологія задач динамічного програмування.
- •45.Суть задачі динамічного програмування.
- •48.Суть задачі розподілу ресурсів в динамічній постановці.
- •50. Суть стохастичної задачі для динамічної постановки.
- •51. Математичні перетворення задачі динамічного програмування у диференційованій та стохастичній постановці.
- •52.Метод визначення коефіцієнтів рівняння регресії. 53.Яка формула відображає суть методу найменших квадратів. Разом.
- •54.Умова для застосування поліноміальних рівнянь одно факторної регресії для вирівнювання ряду динаміки.
- •55.Як вибрати степінь поліменіарності.
- •56.Вбудовані функції в програмі MathCad для розрахунку коефіцієнтів однофакторної регресії.
- •57,58 Статичні критерії для перевірки достовірності однофакторної регресійної моделі.
- •59. Формула емпіричної оцінки коефіцієнта факторної кореляції.
- •60. Математичний запис багатофакторного множинного поняття регресії.
- •61. Статистичні критерії та їх формули за якими виконують перевірку рівняння множинної регресії.
- •62. Що таке мультиколеніарність та як її визначати?
- •Що таке стійкість розв’язку при визначенні коефіцієнтів рівняння множинної регресії.
- •Як оцінюють адекватність рівняння множинної регресії
- •Як розраховують істотність, суттєвість рівняння множинної регресії?
- •Якщо в рівнянні множинної регресії присутні 3 і більше факторів, який метод вибору з цих факторів для включення в дане рівняння застосовують?
- •(Визначення моделей з ризику. 68. Поняття якими оперують в моделях ризику та не визначеності.). Разом.
38. Теорема Куна-Такера.
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:
, (8.22)
, (8.23)
. (8.24)
(Очевидно, що знак нерівності можна змінити на протилежний множенням лівої і правої частин обмеження на (– 1)).
Теорема
8.1.
(Теорема Куна—Таккера). Вектор Х*
є оптимальним розв’язком задачі
(8.22)—(8.24) 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.
Доведення. Необхідність. Нехай Х* — оптимальний план задачі (8.22)—(8.24), тобто є точкою глобального максимуму задачі. Отже, для всіх інших планів задачі Х з множини допустимих розв’язків виконуватиметься співвідношення:
.
Розглянемо
тепер вектор
,
що відповідає точці глобального максимуму
,
і значення функції Лагранжа в точках
,
,
,
де
— довільний план задачі з множини
допустимих розв’язків,
— вектор множників Лагранжа, що відповідає
Х.
З умови
(8.21) маємо:
,
тоді
. (8.25)
Для
точки з координатами
деякі доданки виду
можуть бути відмінними від нуля. Оскільки
за умовою задачі
,
то лише за умови, що
,
матимемо нерівність:
.
Функція
— лінійна відносно
,
тобто остання нерівність виконується
для будь-якого
.
Отже, точка
— точка глобального мінімуму по
функції Лагранжа.
Для
встановлення нерівності, що відповідає
лівій частині умови (8.13), а саме:
,
скористаємося також рівнянням (8.21),
підсумувавши його по і:
.
За умовою теореми
— угнуті функції і
,
тому виконується таке рівняння:
Отже, у точці Х* функція Лагранжа має глобальний максимум по Х, що повністю доводить необхідність теореми.
Достатність.
Для доведення достатності умов теореми
потрібно виходити з того, що
,
— сідлова точка функції
(тобто для
виконується нерівність (8.13)), і необхідно
довести, що тоді Х*
є оптимальним планом задачі опуклого
програмування.
Підставимо у нерівність (8.13) вираз функції Лагранжа (8.12) для задачі (8.22)—(8.23):
(8.26)
при всіх
значеннях
.
Розглянемо праву частину подвійної нерівності (8.26).
.
Остання
нерівність має виконуватися для всіх
.
Крім того,
,
тобто нерівність справджується лише у
разі, коли
.
Тоді з лівої частини нерівності (8.26) маємо:
.
Через
те що
,
приходимо до нерівності
,
яка справджується для всіх значень
.
Отже, точка Х* задовольняє обмеження і надає максимального значення цільовій функції задачі, тому що для всіх інших функція набуває менших значень, ніж у точці Х*, тобто вона є оптимальним планом задачі нелінійного програмування. Достатність умов тереми доведено.
39. Чого досягається застосовуючи множники Лагранжа в системі нелінійних рівнянь.
*Задача нелінійного програмування ставиться як задача знаходження оптимуму певної цільової функції F(x1,….. xn)при виконанні умов: gj(x1,….. xn)>0,
де xi,i=1,…..,n - параметри, gj,j=1,…,s - обмеження, n - число параметрів, s - число обмежень.
На відміну від задачі лінійного програмування в задачі нелінійного програмування оптимум не обов'язково лежить на границі області, визначеної обмеженнями.
** Практичне значення методу Лагранжа полягає в тому, що він дає змогу від задачі умовної оптимізації перейти до задачі безумовної оптимізації, поєднавши в одній функції й цільову функцію початкової задачі, і її обмеження. Однак розв’язання системи рівнянь у разі великої кількості змінних і обмежень на них – також досить складна задача. Тому подібний підхід застосований до неширокого кола задач, для яких система рівнянь лінійна чи може бути зведена до лінійної. Цей метод застосовують тоді, коли потрібно знайти аналітичний розв’язок оптимізаційної задачі.
