Метод указания к лаб работам ИСО, страница 3
Описание файла
Документ из архива "Метод указания к лаб работам ИСО", который расположен в категории "". Всё это находится в предмете "исследование операций (мт-3)" из 5 семестр, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "книги и методические указания", в предмете "исследование операций" в общих файлах.
Онлайн просмотр документа "Метод указания к лаб работам ИСО"
Текст 3 страницы из документа "Метод указания к лаб работам ИСО"
Этот критерий не слишком хорош, ибо трудно предположить, что все состояния равновероятны.
Пример 1.
В отдел технической экспертизы поступило на рассмотрение два проекта выпуска одного и того же изделия. Проекты ориентированы на различный объем выпуска изделия. По предварительным прогнозам емкость рынка может составить a или b единиц данного изделия. Для каждого из этих возможных емкостей рынка, существует наилучший с точки зрения прибыли проект выпуска. Матрица выигрышей в условных денежных единицах приведена ниже:
A | = | 0,64 | 0,36 | ||
0,58 | 0,60 |
В данном случае n=m=2. Тогда имеем:
Таким образом,
и наилучшим проектом выпуска в данной ситуации в соответствии с критерием Лапласа будет второй проект.
Критерий минимакса (максимина)
Критерий минимакса в некотором смысле является наиболее пессимистичным критерием, поскольку его реализация предполагает выбор наилучшей из наихудших возможностей. Данных критерий часто называют критерием пессимиста. В отличие от критерия минимакса, критерий максимина значительно более оптимистичный критерий, поскольку его реализация предполагает выбор наихудшей из наилучших возможностей. Данных критерий часто называют критерием оптимиста.
Пусть - множество допустимых решений, а - множество возможных состояний изучаемой системы. Если - потери лица, принимающего решение, при выборе им некоторого решения из множества и реализации системой некоторого возможного состояния , то наибольшие потери независимо от возможных состояний будет равны следующим величинам:
В соответствии с критерием минимакса следует выбрать такое решение, которое бы обеспечивало минимальность потерь, какое бы из своих возможных состояний не реализовала бы система, то есть:
Рассуждая аналогично, в ситуации, когда - выигрыш лица, принимающего решение, при выборе им некоторого решения из множества и реализации системой некоторого возможного состояния , наименьшие выигрыши независимо от возможных состояний будут равны следующим величинам:
В соответствии с критерием максимина следует выбрать такое решение, которое бы обеспечивало максимальность выигрыша, какое бы из своих возможных состояний не реализовала бы система, то есть:
Пример 1. (Продолжение)
Вернемся к рассмотрению примера 1. В соответствии с критерием максимина:
Таким образом, наилучшим проектом выпуска в данной ситуации в соответствии с критерием максимина будет второй проект.
Критерий Сэвиджа
Критерии минимакса и максимина настолько категоричны в степени пессимизма, что зачастую могут приводить к нелогичным выводам. Для устранения данного недостатка был предложен так называемый критерий Сэвиджа, который можно сформулировать следующим образом.
Найдём в каждом столбце наибольшее значение платежа и перепишем платежную матрицу, записывая вместо значения , которые все будут отрицательными или же равными нулю. Величину Сэвидж назвал - «сожалением» между тем выбором, на котором мы остановились и наиболее благоприятным, который сделали бы, зная о том, какая будет ситуация. Полученную матрицу, элементами которой являются «сожаления» будем называть матрицей «сожалений». К матрице «сожалений» применяем критерий максимина, в соответствии с которым необходимо выбрать в каждой строке минимальное значение «сожаления» , а затем найти строку с максимальным из них, то есть:
Пример 1. (Продолжение)
Вернемся к рассмотрению примера 1. В соответствии с критерием Сэвижда, рассчитаем, прежде всего, матрицу сожалений:
B | = | 0 | -0,24 | ||
-0,06 | 0 |
Таким образом, наилучшим проектом выпуска в данной ситуации в соответствии с критерием Сэвиджа будет второй проект.
Критерий Гурвица
Данный критерий наиболее гибкий из всех ранее рассмотренных. Он охватывает несколько подходов к принятию решений в условиях неопределенности от наиболее пессимистичного до наиболее оптимистичного. Если - матрица выигрышей, то наиболее оптимистичному подходу соответствует критерий:
а наиболее пессимистичному подходу соответствует следующий критерий:
Критерий Гурвица устанавливает баланс между наиболее оптимистичным и наиболее пессимистичным подходами путем взвешивания обоих вариантов принятия решений в условиях неопределенности с весами и 1-, где 01. это значит, что если - матрица выигрышей, то в соответствии с критерием Гурвица следует выбрать решение, обеспечивающее:
Если же - матрица проигрышей, то в соответствии с критерием Гурвица следует выбрать решение, обеспечивающее:
Параметр называется показателем оптимизма. Его значение выбирается лицом, принимающим решение, в зависимости от полученного им ранее опыта принятия решений в условиях неопределенности и личных склонностей к оптимизму (1) или пессимизму (0). В случае отсутствия ярко выраженных склонностей целесообразно выбрать (=0,5).
Пример 1. (Продолжение)
Еще раз вернемся к рассмотрению примера 1. В соответствии с критерием Гурвица, при показателе оптимизма, равном 0.5:
Таким образом, наилучшим проектом выпуска в данной ситуации в соответствии с критерием Гурвица при показателе оптимизма, равном 0.5, будет второй проект.
Критерий благоприятного в среднем решения.
Если можно получить распределение вероятности появления всевозможных состояний в будущем, тогда наилучшей является стратегия с наибольшим ожидаемым доходом.
Лабораторная работа № 3 (4 часа)
Транспортная задача линейного программирования
В этой работе мы подробно рассмотрим задачи линейного программирования, относящиеся к классу задач транспортного типа. Ранее мы уже формулировали транспортную задачу в общем виде (см. Пример 3 в разделе «Разновидности задач исследования операций») и в общих чертах обсудили построение ее математической модели. Теперь мы более подробно рассмотрим особенности данной задачи как задачи линейного программирования и познакомимся с двумя методами ее решения – классическим методом решения транспортной задачи с помощью транспортной таблицы и методом потенциалов.
Любая задача транспортного типа, как задача линейного программирования, может быть решена симплекс-методом. Однако специфические особенности задач рассматриваемого класса позволили разработать более эффективные вычислительные методы. Поскольку в реальных задачах транспортного типа число ограничений и переменных, как правило, бывает весьма значительным, то использование эффективных вычислительных алгоритмов становится актуальным.
Для задач данного класса естественным и удобным является их геометрическое представление в виде графа специального вида. Это представление в ряде случаев позволяет преобразовывать к задачам транспортного типа даже такие задачи исследования операций, которые на первый взгляд не имеют с ними ничего общего, и использовать для их решения значительно более эффективные вычислительные алгоритмы.
Сетевые оптимизационные модели, обычно являющиеся частными случаями моделей линейного программирования, важны в двух отношениях. Часто они относятся к задачам распределения продукции. Следовательно, модели этого класса имеют экономический смысл для многих промышленных фирм, располагающих несколькими предприятиями и хранящих запасы продукции на складах, размещенных в различных пунктах. Кроме того, математическая структура сетей идентична структуре других операционных моделей, на первый взгляд не имеющих с ними ничего общего.
Транспортные задачи линейного программирования тесно связаны с детерминированными динамическими задачами исследования операций, в том числе и с многошаговыми задачами принятия решений в условиях определенности, имеющими большое прикладное значение.
Транспортная задача (или задача прикрепления поставщиков к потребителям) явилась одним из первых примеров оптимизации на линейных сетях. Уже в течение довольно длительного периода эта задача стала типовой для промышленных фирм, имеющих несколько предприятий, складов, рынков сбыта или оптовых баз. Модель применяется главным образом при решении плановых задач. В этом случае стратегические решения сводятся к выбору транспортных маршрутов, по которым продукция различных предприятий доставляется на несколько складов или в различные конечные пункты назначения.
Математическая постановка транспортной задачи, как мы уже говорили ранее, имеет следующий вид (в данной математической модели обозначим значение величины потока перевозкок из истока i в сток j):