Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Методы оптимальных решений

Покупка
Основная коллекция
Артикул: 439500.07.01
Доступ онлайн
от 496 ₽
В корзину
Частному лицу
Бумажная книга
2 891 ₽
Купить
Купить в составе основной коллекции от 1 490 ₽
В учебнике рассмотрены основные методы оптимальных решений: линейные, целочисленные, нелинейные. Описаны многокритериальные, многошаговые модели, а также модели массового обслуживания, модели управления запасами, имитационные модели. Рассмотрено применение методов нечеткой математики. Приведены примеры в области экономики и прикладной информатики. Инструментальная поддержка учебного процесса по изучению предлагаемого в пособии материала произведена на основе современных программных средств. Для студентов высших учебных заведений, обучающихся по направлению 38.03.01 (080100) «Экономика». Соответствует рабочей программе дисциплины «Методы оптимальных решений». Представляет интерес также для студентов и магистрантов, обучающихся по направлениям «Прикладная информатика», «Бизнес-информатика», «Информатика и вычислительная техника», а также для слушателей системы послевузовского образования, повышения квалификации и переподготовки кадров.

Методы оптимальных решений: Краткий обзор учебника

В данной статье представлен обзор учебника "Методы оптимальных решений" И.Н. Мастяевой, Г.И. Горемыкиной и О.Н. Семенихиной, предназначенного для студентов экономических направлений. Учебник охватывает широкий спектр методов оптимизации, применяемых в экономике и прикладной информатике.

Введение в оптимизацию и моделирование

Книга начинается с введения в теорию моделирования, подчеркивая важность математической формализации задач принятия решений. Авторы подчёркивают, что моделирование является искусством, требующим баланса между простотой и отражением существенных черт реального объекта. Учебник рассматривает различные виды моделей, включая математические, и описывает этапы построения модели, начиная от постановки задачи и заканчивая реализацией полученного решения.

Линейное программирование

Основной акцент в учебнике сделан на линейном программировании (ЛП). Рассматриваются различные постановки задач ЛП, включая общую, основную и каноническую формы. Подробно излагаются теоретические основы ЛП, включая понятия опорного плана, крайней точки и теоремы о существовании оптимального решения. Приводится графический метод решения задач ЛП с двумя переменными, а также метод скорейшего спуска (Коши). Отдельное внимание уделено симплекс-методу, его алгоритму и практическому применению в среде Microsoft Excel. Рассматривается двойственность в линейном программировании, включая экономическую интерпретацию двойственных переменных и теоремы двойственности.

Специальные задачи линейного программирования

Второй раздел учебника посвящён специальным задачам ЛП. Подробно рассматривается транспортная задача, её постановка, методы решения и примеры прикладных задач, таких как распределение оборудования и формирование оптимального штата. Отдельно рассматриваются задачи с запрещёнными перевозками и ограничениями на пропускную способность каналов. Также уделено внимание задаче целочисленного программирования, включая метод ветвей и границ, и задаче коммивояжера.

Нелинейное программирование и многокритериальная оптимизация

В учебнике рассматриваются основы нелинейного программирования, включая постановку задач и графический метод решения. Отдельное внимание уделено многокритериальной оптимизации, в частности, задачам линейной многокритериальной максимизации с двумя переменными и двумя целевыми функциями. Рассматриваются методы нахождения недоминируемых решений, связанные с множеством Парето, включая метод (последовательных) уступок и метод идеальной точки.

Дополнительные темы

Учебник также затрагивает вопросы управления запасами, рассматривая концепцию логистического подхода к управлению запасами, различные виды запасов и модели управления запасами. Кроме того, рассматриваются элементы имитационного моделирования, включая стохастическое имитационное моделирование риска-анализа инвестиционного проекта в среде Microsoft Excel. Завершается учебник рассмотрением моделирования в условиях неопределённости, описываемой с позиций нечёткой логики и теории нечётких множеств, включая построение функций принадлежности и арифметические операции над нечёткими числами.

Текст подготовлен языковой моделью и может содержать неточности.

Мастяева, И. Н. Методы оптимальных решений : учебник / И.Н. Мастяева, Г.И. Горемыкина, О.Н. Семенихина. — Москва : КУРС : ИНФРА-М, 2023. — 384 с. - ISBN 978-5-905554-24-7. - Текст : электронный. - URL: https://znanium.ru/catalog/product/1907609 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
МЕТОДЫ 
ОПТИМАЛЬНЫХ
РЕШЕНИЙ
И.Н. МАСТЯЕВА, Г.И. ГОРЕМЫКИНА
О.Н. СЕМЕНИХИНА
УЧЕБНИК
Москва
КУРС
ИНФРА-М


УДК 519.8+330.45(075.8)
ББК 22.18+65.050я73
 
М32
Мастяева И.Н., Горемыкина Г.И., Семенихина О.Н.
Методы оптимальных решений: учебник. — И.Н. Мастяева, 
ISBN 978-5-905554-24-7 
(КУРС) 
ISBN 978-5-16-011361-6 
(ИНФРА-М, print)
ISBN 978-5-16-103557-3 
(ИНФРА-М, online)
В учебнике рассмотрены основные  методы оптимальных решений: линейные, целочисленные, нелинейные. Описаны многокритериальные, многошаговые модели, а также модели массового обслуживания, модели управления запасами, имитационные модели. 
Рассмотрено применение методов нечеткой математики. Приведены 
примеры в области экономики и прикладной информатики. Инструментальная поддержка учебного процесса по изучению предлагаемого 
в пособии материала произведена на основе современных программных средств. 
Для студентов высших учебных заведений, обучающихся по направлению 38.03.01 (080100) «Экономика». Соответствует рабочей 
программе дисциплины «Методы оптимальных решений». Представляет интерес также для студентов и магистрантов, обучающихся по 
направлениям «Прикладная информатика», «Бизнес-информатика», 
«Информатика и вычислительная техника», а также для слушателей 
системы послевузовского образования, повышения квалификации и 
переподготовки кадров.
УДК 519.8+330.45(075.8)
ББК 22.18+65.050я73
М32
© Мастяева И.Н., Горемыкина Г.И., 
     Семенихина О.Н., 2016
© КУРС, 2016
ISBN 978-5-905554-24-7 (КУРС) 
ISBN 978-5-16-011361-6 (ИНФРА-М, print)
ISBN 978-5-16-103557-3 (ИНФРА-М, online)
Р е ц е н з е н т ы :
И.В. Орлова — канд. экон. наук, профессор, профессор кафедры системного анализа и моделирования экономических процессов, Финансовый университет при Правительстве Российской Федерации;
Е.Ю. Хрусталёв — д-р экон. наук, профессор, главный научный сотрудник, 
ФГБУН «Центральный экономико-математический институт Российской 
академии наук (ЦЭМИ РАН)».
ФЗ
№ 436-ф3
Издание не подлежит маркировке
в соответствии с п. 1 ч. 4 ст. 11


 
ПРЕДИСЛОВИЕ 
Учебник отражает содержание лекционного курса «Методы оп
тимальных решений», читавшегося авторами на протяжении ряда 
лет студентам и магистрантам Московского государственного уни
верситета экономики, статистики и информатики. 
В главе 1 изложено решение линейных задач графическим и сим
плексным методами; проведено исследование линейных моделей с по
мощью теории двойственности. В главе 2 рассмотрены специальные 
задачи линейного программирования: транспортная, целочисленная, 
задача коммивояжёра. В главе 3 приведены различные постановки и 
соответствующие им методы решения задач нелинейного программи
рования. В главе 4 рассматриваются многокритериальные модели при
нятия решений при условии линейности целевых функций и системы 
ограничений. В главе 5 изучаются модели принятия решений на мно
гошаговом управляемом процессе. В главе 6 анализируются модели 
принятия оптимальных решений в логистической системе управления 
запасами на основе оценки эффективности ее функционирования. В 
главе 7 рассматривается имитационное моделирование как один из 
наиболее эффективных методов исследования сложных систем при 
условии стохастической неопределённости исходных параметров мо
делирования. В главе 8 изучается моделирование в условиях риска и 
неопределённости, описываемых с позиций нечеткой логики и теории 
нечетких множеств. Материалы главы 8 основаны на современных ре
зультатах исследований, в том числе на собственных работах авторов.  
Теоретический материал иллюстрируется графической интерпре
тацией и большим количеством специально подобранных примеров. 
Для автоматизации вычислений авторами используются инструмен
тальные среды Excel и MatLab. 
Учебник предназначен для студентов и магистрантов, обучаю
щихся по направлениям «Экономика», «Прикладная информатика», 
«Бизнесинформатика», «Информатика и вычислительная техника». 
Оно будет полезно слушателям системы послевузовского образования, 
повышения квалификации и переподготовки кадров.  


 
Авторы выражают благодарность профессорам Е.Ю. Хрусталеву и 
И.В. Орловой за полезные замечания, высказанные ими при рецензи
ровании рукописи. 
ВВЕДЕНИЕ 
Дисциплина «Методы оптимальных решений» изучает математи
ческие модели задач принятия решений, а также методы нахождения 
оптимальных решений, в том числе, с использованием современных 
компьютерных средств и прикладного обеспечения. 
Реальные объекты слишком сложны, поэтому для их изучения со
здают модели — копии изучаемых реальных объектов. С одной сторо
ны, модели должны быть доступны для изучения, в силу чего они не 
должны быть слишком сложными, значит, они неминуемо будут лишь 
упрощенными копиями. Но, с другой стороны, выводы, полученные 
при их изучении, необходимо распространить на реальные объекты
прототипы, следовательно, модель должна отражать существенные 
черты изучаемого реального объекта. 
В силу такой двойственности создание моделей во многом являет
ся искусством. Чем удачнее будет построена модель, тем успешнее бу
дет ее исследование и полезнее вытекающие из этого исследования 
выводы и рекомендации. В научном исследовании используются са
мые различные модели: натуральные и абстрактные, физические и ма
тематические. 
В общем виде модель можно определить как условный образ (уп
рощенное изображение) реального объекта (процесса), который созда
ется для более глубокого изучения действительности. Метод исследо
вания, базирующийся на разработке и использовании моделей, назы
вается моделированием. Необходимость моделирования обусловлена 
сложностью, а порой и невозможностью прямого изучения реального 
объекта (процесса). Значительно доступнее создавать и изучать прооб
разы реальных объектов (процессов), т.е. модели. 
 


 
Математическое моделирование 
Составление математических моделей называется математическим 
моделированием. Математика имеет дело не с реальным объектом, а с 
его математической моделью. Математическая формализация пробле
мы — это 50% успеха на пути к ее решению. Трудность состоит в том, 
чтобы избежать ненужной детализации, сохранить значимые условия и 
сформулировать задачу в виде одной из типовых моделей. Чтобы по
ложиться на теорию оптимизации, необходима убежденность в полез
ности системного математического подхода к управлению. 
Именно через составление математических моделей применяется 
математика научных исследований, в частности в экономических нау
ках. 
Математическое моделирование экономических процессов есть 
наиболее эффективное средство решения различных проблем. 
Современный аппарат математических методов для решения эко
номических и управленческих задач превратился в самостоятельную 
научную и прикладную области. Кроме того, возможности вычисли
тельной техники и созданного программного обеспечения позволяют 
руководителю остановиться только на математической формализации 
проблемы, после чего решение превращается в использование имею
щихся компьютерных программ. Однако умение формализовать воз
никающую проблему требует особой методологии рассмотрения си
туации. 
Математическое моделирование — это теоретикоэксперимен
тальный метод познавательносозидательной деятельности, метод ис
следования и объяснения явлений, процессов и систем (объектов
оригиналов) на основе создания новых объектов — математических 
моделей.  
Под математической моделью принято понимать совокупность со
отношений — уравнений, неравенств, логических условий, операторов 
и т.п., — определяющих характеристики состояний объекта моделиро
вания, а через них и выходные значения параметров реакции, в зави
симости от значений параметров объектаоригинала, входных дейст
вий, начальных и граничных условий, а также времени. 


 
Математическая модель, как правило, учитывает лишь те свойства 
(атрибуты) объектаоригинала, которые отражают, определяют и пред
ставляют интерес с точки зрения целей и задач конкретного исследова
ния. В зависимости от целей моделирования при рассмотрении одного и 
того же объектаоригинала могут иметь место различные математиче
ские описания и, как следствие, различные математические модели. 
Математическая модель — это формальная система, представляю
щая собой конечное собрание символов и правил оперирования ими в 
совокупности с интерпретацией свойств определенного объекта неко
торыми отношениями, символами или константами. 
Последовательность моделирования представляет собой итераци
онную процедуру, которая предусматривает и позволяет провести кор
рекцию после каждого этапа и вернуться к любому из предшествую
щих, а затем продолжить анализ.  
Основные этапы построения модели 
1. Постановка задачи (ПЗ).  
2. Построение математической модели (ПММ). 
2.1. Идентификация переменных (определение управляемых и 
неуправляемых переменных задачи) операции. 
2.2. Формализация цели операции (построение целевой функ
ции). 
2.3. Формализация ограничений задачи (операции). 
3. Анализ модели (решение модели с помощью выбранного метода). 
3.1. Выбор метода решения. 
3.2. Преобразование модели. 
3.3. Получение решения задачи. 
4. Анализ решения (анализ решения на чувствительность). 
5. Проверка модели на адекватность. 
6. Реализация полученного решения. 
Краткое описание каждого этапа 
1–2. Постановка задачи является одним из наиболее важных эта
пов. Здесь необходимо определить цель, преследуемую субъектом 
управления, и установить, значение каких характеристик исследуемой 


 
системы (процесса) можно варьировать (управляемые переменные), а 
изменение значений каких переменных не зависит от решений ЛПР 
(неуправляемые). Кроме того, на данном этапе необходимо определить 
требования, условия и ограничения на исследуемую операцию. На этом 
же этапе должны быть решены проблемы информационного обеспече
ния модели. Здесь же необходимо выбрать модель, наиболее подходя
щую для адекватного описания исследуемой системы (процесса). На
пример, простейшая математическая модель оптимизации состоит в 
следующем. Имеется множество X стратегий x, на котором определена 
скалярная числовая функция (x) — целевая функция. Принцип опти
мальности соответствует максимизации (минимизации) (x). Это озна
чает, что оптимальной является такая стратегия x*X, для которой  
(
)
( *)
max
( *)
( *)
max
( *)
x X
x X
F x
F x
F x
F x
∈
∈
=
=
 
3. Анализ модели обычно производится с помощью методов мате
матического программирования. 
4. На этом этапе рассматривается важнейшая с точки зрения прак
тики проблема анализа оптимального решения с целью принятия аде
кватного управленческого решения. Хотя и сам по себе оптимальный 
план чрезвычайно полезен, часто бывает интересно знать, как можно 
изменить те или иные параметры системы, чтобы улучшить решение, 
получить еще большую прибыль, уменьшить издержки или усовершен
ствовать стратегию управления организацией. Анализ решения, или 
анализ на чувствительность — это процесс, реализуемый после того, 
как оптимальное решение задачи получено. В рамках такого анализа 
выявляется чувствительность оптимального решения к определенным 
изменениям исходной модели, т.е. фактически рассматривается сово
купность моделей, что придает исследуемой операции определенную 
динамичность.  
Таким образом, многие параметры модели могут и должны изме
няться с целью поиска путей улучшения работы системы. Поскольку 
изменение параметров модели часто связано с привлечением дополни
тельных ресурсов, необходимо ответить на ряд вопросов: 


 
 какой ресурс сильнее всего влияет на изменение прибыли (из
держек); 
 как изменятся решение и целевая функция при изменении ко
личества того или иного ресурса; 
 если какойнибудь продукт не входит в оптимальный план, а по 
каким не формализуемым причинам желательно, чтоб он в него входил, 
то какой параметр и в каком направлении следует изменить? И т.д. 
5. Проверка модели на адекватность (ПМА). 
Если ЛПР при анализе решения видит, что полученное решение 
правильно, и адекватно реагирует на изменение входных данных, то 
это уже является подтверждением адекватности модели и полученного 
решения. 
ПМА может происходить поразному. ЛПР может иметь какойто 
свой опыт в принятии решений данной проблемы, может сопоставлять 
полученное решение со своим пониманием решения поставленной 
задачи. Если полученное решение устраивает, то можно переходить к 
последнему шагу. 
Решение, полученное при помощи анализа модели, не может, од
нако, непосредственно быть рекомендовано для практической реализа
ции. Математическая модель, как и любая другая, лишь частично ото
бражает действительность, акцентирует отдельные ее аспекты. Адекват
ность модели и, следовательно, качество полученного результата можно 
проверить, сопоставляя результаты, установленные без использования 
модели, с результатами, вытекающими из анализа модели.  
Если модель проверку на адекватность не прошла, то можно пе
рейти к тому шагу алгоритма, который и дал этот сбой (т.е. неадекват
ность). 
6. Реализация полученного решения. 
 
Примеры моделирования 
Пример 1. 
Шаг 1. Постановка задачи. 
Предлагается купить товар весом 100 кг. Первоначально было оп
ределено процентное содержание в товаре жидкости, которое состав


 
ляло 99%. На момент оформления покупки, за счет усушки, доля жид
кости уменьшилась до 96%. Необходимо рассчитать, сколько весит 
предлагаемый товар на данный момент.  
Шаг 2. 
2.1. Обозначим через х (кг) вес товара на данный момент — управ
ляемая переменная. 
Исходная информация: 100 кг, 99%, 96% — неуправляемые пере
менные. 
2.2. В данной задаче отсутствует формализуемая цель. 
2.3. Первоначальное соотношение воды и сухого вещества в ис
ходных 100 кг задается соотношением: 
100 кг = 99 кг (воды) + 1 кг (сухого вещества).                (1) 
На момент оформления покупки данное соотношение приняло 
вид: 
x = 0,96х кг (воды) + 0,04х кг (сухого вещества),             (2) 
где попрежнему (изза неизменности веса сухого вещества) 
0,04х кг (сухого вещества теперь) = 
1 кг (сухого вещества до усушки)                           (3) 
Соотношения (1)–(3) являются ограничениями задачи. 
Шаг 3. 
3.3. Из соотношения (3) находим, что х = 1/0,04 = 25 кг — вес то
вара на данный момент. 
Шаги 4, 5, 6. Сделаем проверку: 
0,96 25 
24
⋅
=
 кг (воды); 0,04 25
1
⋅
=
 кг (сухого вещества), что и 
доказывает адекватность полученного решения.  
В рассмотренном примере, как и во многих других практических 
экономических задачах, нет необходимости производить оптимиза
цию. Требуется произвести лишь правильный расчет необходимого 
показателя — получить единственно возможное решение. 
Следующая задача потребует выполнить оптимизацию.  
 
 


 
Пример 2. 
Шаг 1. Постановка задачи. 
Вы стали обладателем 27 одинаковых по размеру и внешнему виду 
бриллиантов. В сертификате указано, что один из них весит на незна
чительную величину меньше, чем остальные. Вес камней неизвестен. 
Желая отбраковать неполноценный камень, вы попросили ювелира 
произвести взвешивание бриллиантов. Каждое определение веса на 
высокоточных весах стоит 100 рублей. Требуется минимизировать за
траты на данную процедуру. 
Приступим к процедуре расчёта.     
Экономический смысл задачи — найти фальшивый бриллиант с 
минимальными расходами на взвешивание. Отсюда цель операции — 
определение минимального числа взвешиваний, достаточного для вы
явления подделки. 
Число взвешиваний связано как с количеством исследуемых 
бриллиантов, так и с порядком разделения их на части для поочеред
ного взвешивания. Поскольку мы имеем дело с чашечными весами, 
взвешивание должно производиться путем раскладки различных коли
честв по чашкам весов. Если при равных количествах камней на обеих 
чашах весы уравновешиваются, значит, подделка находится среди тех 
камней, которые исключены из взвешивания. Если же груз на одной из 
чашек оказался легче, чем на другой, значит, там и находится фальши
вый камень. Самый простой способ поиска — уложить на одну чашу 
какойнибудь из камней, а на другую поочередно класть остальные 26 
бриллиантов. Это потребует максимального числа взвешиваний — 26. 
Однако интересен не максимум, а минимум. Поэтому такой пере
бор (его называют сплошным или «слепым») нас явно не устраивает. 
Следует искать способ более рационального выбора, ведущего к 
уменьшению количества взвешиваний. Таким образом, достижение 
поставленной цели зависит от выбора такого разделения камней при 
взвешивании, при котором количество взвешиваний окажется мини
мальным. Основным показателем, от которого зависит достижение 
поставленной цели, является минимум количества взвешиваний, при


Доступ онлайн
от 496 ₽
В корзину
Частному лицу
Бумажная книга
2 891 ₽
Купить
Купить в составе основной коллекции от 1 490 ₽