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

Принятие оптимальных решений в экономике и управлении

Покупка
Артикул: 876152.01.99
Доступ онлайн
500 ₽
В корзину
Рассмотрены прикладные аспекты математической теории принятия решений в экономике и управлении, содержит развернутую часть по методам и проблемам построения и решения нелинейных моделей оптимизации. Предназначено для студентов, изучающих дисциплины «Методы оптимальных решений», «Макро- и микроэкономическое моделирование». Подготовлено на кафедре бизнес-статистики и экономики.
Аксянова, А. В. Принятие оптимальных решений в экономике и управлении : учебно-методическое пособие / А. В. Аксянова, Г. А. Гадельшина ; Минобрнауки России, Казан. нац. исслед. технол. ун-т. - Казань : Изд-во КНИТУ, 2022. - 108 с. - ISBN 978-5-7882-3228-7. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2246685 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Министерство науки и высшего образования Российской Федерации 
Казанский национальный исследовательский 
технологический университет 
А. В. Аксянова, Г. А. Гадельшина 
ПРИНЯТИЕ ОПТИМАЛЬНЫХ
РЕШЕНИЙ В ЭКОНОМИКЕ 
И УПРАВЛЕНИИ 
Учебно-методическое пособие 
Казань 
Издательство КНИТУ 
2022 


УДК 519.816:33(075) 
ББК 22.18:65я7 
А42 
Печатается по решению редакционно-издательского совета  
Казанского национального исследовательского технологического университета 
Рецензенты: 
д-р техн. наук, проф. И. И. Исмагилов 
д-р пед. наук, проф. Ю. В. Торкунова 
Аксянова А. В. 
А42 Принятие оптимальных решений в экономике и управлении : учебно-методическое пособие / А. В. Аксянова, Г. А. Гадельшина; Минобрнауки 
России, Казан. нац. исслед. технол. ун-т. – Казань : Изд-во КНИТУ, 
2022. – 108 с. 
ISBN 978-5-7882-3228-7 
Рассмотрены прикладные аспекты математической теории принятия решений в экономике и управлении, содержит развернутую часть по методам и проблемам построения и решения нелинейных моделей оптимизации. 
Предназначено для студентов, изучающих дисциплины «Методы оптимальных решений», «Макро- и микроэкономическое моделирование».  
Подготовлено на кафедре бизнес-статистики и экономики. 
ISBN 978-5-7882-3228-7 
© Аксянова А. В., Гадельшина Г. А., 2022 
© Казанский национальный исследовательский 
технологический университет, 2022 
УДК 519.816:33(075) 
ББК 22.18:65я7 
2 


С О Д Е Р Ж А Н И Е
ВВЕДЕНИЕ .............................................................................................................. 5 
1. ЦЕЛОЧИСЛЕННОЕ ПРОГРАММИРОВАНИЕ ........................................................ 6 
1.1. ПОНЯТИЕ ЗАДАЧИ ЦЕЛОЧИСЛЕННОГО ПРОГРАММИРОВАНИЯ. ОБЛАСТЬ ПРИМЕНЕНИЯ ......... 6 
1.2. МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ ЦЕЛОЧИСЛЕННОГО ПРОГРАММИРОВАНИЯ ............................. 9 
ЛАБОРАТОРНАЯ РАБОТА 1. ЦЕЛОЧИСЛЕННОЕ ПРОГРАММИРОВАНИЕ ..................................... 19 
2. ЦЕЛЕВОЕ ПРОГРАММИРОВАНИЕ .................................................................... 21 
2.1. ПОНЯТИЕ ЦЕЛЕВОГО ПРОГРАММИРОВАНИЯ ................................................................ 21 
2.2. МЕТОД ВЕСОВЫХ КОЭФФИЦИЕНТОВ .......................................................................... 24 
2.3. МЕТОД ПРИОРИТЕТОВ ............................................................................................ 28 
ЛАБОРАТОРНАЯ РАБОТА 2. ЦЕЛЕВОЕ ПРОГРАММИРОВАНИЕ ................................................. 32 
3. ВВЕДЕНИЕ В ТЕОРИЮ НЕЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ ....................... 33 
3.1. ПОНЯТИЕ НЕЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ .......................................................... 33 
3.2. КЛАССИФИКАЦИЯ ЗАДАЧ НЕЛИНЕЙНОЙ ОПТИМИЗАЦИИ ............................................... 34 
3.3. ОСНОВНЫЕ ПОНЯТИЯ КЛАССИЧЕСКОЙ ТЕОРИИ ОПТИМИЗАЦИИ ...................................... 35 
ЛАБОРАТОРНАЯ РАБОТА 3. КЛАССИЧЕСКИЕ И ГРАФИЧЕСКИЕ МЕТОДЫ НАХОЖДЕНИЯ
ЭКСТРЕМУМОВ В ЗАДАЧАХ НЛП ...................................................................................... 39 
4. КЛАССИЧЕСКИЕ МЕТОДЫ НАХОЖДЕНИЯ ЭКСТРЕМУМОВ В ЗАДАЧАХ
НЛП С ОГРАНИЧНИЯМИ ...................................................................................... 41 
4.1. МЕТОД ЯКОБИ ...................................................................................................... 41 
4.2. МЕТОД МНОЖИТЕЛЕЙ ЛАГРАНЖА ............................................................................ 47 
4.3. АНАЛИЗ ЧУВСТВИТЕЛЬНОСТИ С ПОМОЩЬЮ МЕТОДОВ ЯКОБИ И ЛАГРАНЖА ..................... 49 
4.4. МЕТОД МНОЖИТЕЛЕЙ ЛАГРАНЖА ДЛЯ РЕШЕНИЯ ЗАДАЧ НЛП С ОГРАНИЧЕНИЯМИ
В ВИДЕ НЕРАВЕНСТВ. УСЛОВИЯ КУНА–ТАККЕРА ................................................................. 52 
ЛАБОРАТОРНАЯ РАБОТА 4. МЕТОД ЯКОБИ ДЛЯ РЕШЕНИЯ ЗАДАЧ НЛП .................................. 59 
ЛАБОРАТОРНАЯ РАБОТА 5. МЕТОД ЛАГРАНЖА ДЛЯ РЕШЕНИЯ ЗАДАЧ НЛП. АНАЛИЗ
ЧУВСТВИТЕЛЬНОСТИ ДЛЯ ЗАДАЧ НЛП .............................................................................. 62 
ЛАБОРАТОРНАЯ РАБОТА 6. МЕТОД МНОЖИТЕЛЕЙ ЛАГРАНЖА ДЛЯ РЕШЕНИЯ ЗАДАЧ НЛП
С ОГРАНИЧЕНИЯМИ В ВИДЕ НЕРАВЕНСТВ ........................................................................... 63 
5. АЛГОРИТМЫ РЕШЕНИЯ ЗАДАЧ НЕЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ
С ОГРАНИЧЕНИЯМИ ............................................................................................ 66 
5.1. ОБЩАЯ ХАРАКТЕРИСТИКА АЛГОРИТМОВ НЛП. КВАДРАТИЧНОЕ ПРОГРАММИРОВАНИЕ ...... 66 
5.2. СЕПАРАБЕЛЬНОЕ ПРОГРАММИРОВАНИЕ ..................................................................... 73 
5.3. МЕТОД ЛИНЕЙНЫХ КОМБИНАЦИЙ ............................................................................ 77 
ЛАБОРАТОРНАЯ РАБОТА 7. КВАДРАТИЧНОЕ ПРОГРАММИРОВАНИЕ ....................................... 81 


ЛАБОРАТОРНАЯ РАБОТА 8. СЕПАРАБЕЛЬНОЕ ПРОГРАММИРОВАНИЕ И МЕТОД ЛИНЕЙНЫХ
КОМБИНАЦИЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ НЛП ........................................................................ 82 
6. ЭКОНОМИЧЕСКИЕ ПРИЛОЖЕНИЯ ЗАДАЧ НЕЛИНЕЙНОГО
ПРОГРАММИРОВАНИЯ ........................................................................................ 84 
6.1. ЗАДАЧА ПОТРЕБИТЕЛЬСКОГО ВЫБОРА ........................................................................ 84 
6.2. ВЫБОР ПОРТФЕЛЯ ИНВЕСТИЦИЙ ............................................................................... 88 
6.3. УПРАВЛЕНИЕ ЗАПАСАМИ ......................................................................................... 90 
6.3.1. Однопродуктовая статическая модель управления запасами .......... 92 
6.3.2. Многопродуктовая статическая модель с ограничениями 
на емкость складских помещений .................................................................... 95 
7. ДИНАМИЧЕСКОЕ ПРОГРАММИРОВАНИЕ ........................................................ 98 
7.1. ПОСТАНОВКА ЗАДАЧИ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ ..................................... 98 
7.2. РЕШЕНИЕ РАСПРЕДЕЛИТЕЛЬНЫХ ЗАДАЧ МЕТОДОМ ДИНАМИЧЕСКОГО
ПРОГРАММИРОВАНИЯ ................................................................................................. 101 
ЛАБОРАТОРНАЯ РАБОТА 9. ДИНАМИЧЕСКОЕ ПРОГРАММИРОВАНИЕ .................................... 105 
ЛИТЕРАТУРА ...................................................................................................... 107 
4 


В В Е Д Е Н И Е
При принятии решений нередко возникает необходимость оптимального выбора, будь то стратегия потребительских предпочтений 
или экономические интересы, направленные на получение максимальной выгоды производителями. Ситуации могут включать не только выбор между уникальными альтернативами, но и принятие эффективных 
либо удовлетворительных решений. 
Классическими примерами приложений теории оптимизации служат задачи оптимального планирования производства, распределения 
инвестиций, управления запасами и пр. Однако модели оптимального 
управления могут оказаться полезными и при решении задач, связанных с многоэтапными процессами или ситуациями бинарного выбора. 
Нелинейная оптимизация рассматривается в таких дисциплинах, 
как «Методы оптимальных решений», «Исследование операций», «Теория риска», «Экономико-математическое моделирование» и некоторых 
других. 
В настоящем пособии используются элементы классической теории оптимизации для решения экономических задач. Оно содержит типовые задачи оптимизации, методы построения моделей в рамках исследуемых проблем и алгоритмы поиска оптимальных и/или эффективных решений. 


.  Ц Е Л О Ч И С Л Е Н Н О Е  П Р О Г Р А М М И Р О В А Н И Е
1.1. Понятие задачи целочисленного 
программирования. Область применения
На практике при решении задач оптимизации оптимальное решение задачи линейного программирования (ЗЛП) может содержать как 
целые, так и дробные значения. С математической точки зрения такие 
результаты допустимы, если они соответствуют оптимальному решению. Однако любая математическая постановка задачи должна учитывать ее практическое содержание, где дробные значения управляющих 
переменных могут быть недопустимыми. Например, невозможно распределить 1,5 самолета по авиалиниям или приобрести 2,35 акции. 
Простым примером задачи целочисленного линейного программирования (ЦЛП) служит следующая ситуация. Садовнику необходимо 
купить 107 фунтов удобрений для своего сада. Он может выбрать 
между двумя видами упаковок: мешки по 35 фунтов стоимостью 
14 долларов каждый или мешки по 24 фунта стоимостью 12 долларов. 
Задача садовника заключается в том, чтобы приобрести не менее 
107 фунтов удобрений, потратив при этом минимум средств. Если обозначить количество купленных мешков весом 35 и 24 фунта как x1 и x2 
соответственно, то можно сформулировать следующую задачу: 
𝑓(𝑥) = 14𝑥! + 12𝑥" →𝑚𝑖𝑛, 
35𝑥! + 24𝑥" ≥107, 
𝑥# >= 0; 𝑗= 1,2 и хj – целые. 
Очевидно, что условие целочисленности в данной задаче означает, 
что садовник не может купить ни треть мешка, ни половину, а только 
целый мешок либо не покупать его вообще. 
Если решить данную задачу без условия целочисленности, то садовник должен будет приобрести 3
"
$% мешка весом по 35 фунтов, затратив при этом 42,8 доллара. Однако при соблюдении условия целочисленности лучшим решением для него будет покупка только одного 


мешка весом 35 фунтов и трех мешков весом по 24 фунта, общая стоимость при этом составит 50 долларов. 
Таким образом, условие целочисленности может существенно 
оказывать влияние на оптимальное решение. При этом округление 
нецелых значений до ближайших целых чисел не всегда приводит к решению, удовлетворяющему условиям исходной задачи. 
Математическая формулировка задачи ЦЛП фактически аналогична общей форме записи ЗЛП и включает в себя как обязательный 
элемент условие целочисленности: 
– целевая функция:
𝑓(𝑥) = 𝑐!𝑥! + 𝑐"𝑥"+. . . . +𝑐&𝑥& →𝑚𝑎𝑥 (𝑚𝑖𝑛); 
(1.1) 
– при ограничениях:
𝑎!!𝑥! + 𝑎!"𝑥"+. . . . +𝑎!&𝑥&{<, =, >}𝑏! 
𝑎"!𝑥! + 𝑎""𝑥"+. . . . +𝑎"&𝑥&{<, =, >}𝑏" 
(1.2) 
⋮ 
𝑎'!𝑥! + 𝑎'"𝑥"+. . . . +𝑎'&𝑥&{<, =, >}𝑏'; 
– при дополнительных ограничениях:
𝑥# >= 0, хj – целые для всех 𝑗= 1, 𝑛. 
(1.3) 
При этом если условие целочисленности является обязательным 
только для к переменных (к < n), то задачу называют задачей частичноцелочисленного программирования. 
Область применения задач ЦЛП достаточно обширна. Прежде 
всего эти задачи всегда будут актуальны при решении проблем, связанных с производством и распределением неделимой продукции. В этом 
случае математическая модель задачи соответствует форме записи 
(1.1)–(1.3). 
Однако обширный спектр задач ЦЛП можно получить, применяя 
в качестве условия целочисленности требование двоичности управляемых переменных. (Задачи типа go/no go, задачи 0–1: задачи о назначениях, коммивояжера и т. д.) К ним же относится и так называемая комбинаторная задача о паросочетании (гармоничном составе экспедиции). Суть задачи в том, что необходимо подобрать такой состав 


участников экспедиции, чтобы количество участников было максимальным и конфликтующие пары участников были бы «разведены». 
(Один из участников конфликтующей пары должен остаться дома.) 
Можно сформулировать следующую задачу ЦЛП: 
𝑚𝑎х 𝑓(𝑥) = A 𝑥#
&
#(!
, 
х) + 𝑥* <= 1 для всех несовместимых пар лиц h и k; 
х# = 1 – если j-й участник отправляется в экспедицию; 
х# = 0 – если j-й участник не отправляется в экспедицию. 
Другой класс задач не относится непосредственно к классу задач 
ЦЛП, но отличается тем, что управляемые переменные принимают 
лишь два возможных значения: 1 или 0. Такие задачи получили название задач с постоянными элементами затрат. 
По сути такие задачи являются типичными задачами о планировании производства, в которых рассматривается n видов промышленной 
продукции. Затраты на производство продукции вида j складываются 
из постоянных затрат в объеме Kj, не зависящем от количества произведенной продукции, и текущих издержек сj на производство единицы 
продукции. Если xj – объемы произведенной продукции, то критерием 
оптимальности будет минимизация функции суммарных затрат: 
z = ∑
𝑐#(
&
+,!
𝑥#) →𝑚𝑖𝑛, 
где 𝑐#(𝑥#) = D
𝐾# + 𝑐#𝑥#,  𝑥# > 0;
0,  𝑥# = 0.
Полученный критерий не является линейным, так как имеется разрыв в начале координат. В этом случае привести поставленную задачу 
к ЗЛП можно с помощью целочисленных (в данном случае 1–0) переменных yj, а именно: 
z = A(𝑐#
&
+,!
𝑥# + 𝐾#𝑦#) →𝑚𝑖𝑛, 
𝑥# ≤𝑀𝑦#;𝑥# >= 0; 𝑗= 1, 𝑛, 


𝑦# = 1 – если j-й вид продукции производится; 
𝑦# = 0 – если j-й вид продукции не производится; 
М > 0 – некоторое заданное достаточно большое число, не ограничивающее значения хj. 
Таким образом, произведенные преобразования позволили получить частично целочисленную задачу с булевыми переменными. 
1.2. Методы решения задачи целочисленного 
программирования 
Основная идея методов решения задач целочисленного программирования состоит в том, что необходимо определить способ построения 
так называемого отсечения, благодаря которому можно было бы исключить из области допустимых решений нецелочисленные решения. 
Пусть необходимо получить решение задачи, представленной 
в форме (1.1)–(1.3). Правые части ограничений (1.2) могут принимать 
любые значения. Основная идея вычислительного алгоритма заключается в следующем: 
Шаг 1. Решается ослабленная ЗЛП. Ослабленной называют задачу, 
в которой отбрасывается условие целочисленности. Фактически решается обычная ЗЛП одним из алгоритмов симплекс-метода. Если найденное оптимальное решение получится целочисленным, то исходная задача решена, иначе осуществляется переход к шагу 2. 
Шаг 2. Выполняется особым способом процедура отсечения, 
т. е. добавляются специальные дополнительные ограничения, которые 
итерационным путем изменяют пространство допустимых решений 
ЗЛП так, чтобы в итоге получилось оптимальное решение, удовлетворяющее требованию целочисленности. 
Одним из алгоритмов, функционирующим по схеме с отсечениями, является метод Гомори. 
Алгоритм метода Гомори: 
Шаг 1. Решается ослабленная задача симплекс-методом. Если 
в оптимальном плане ослабленной задачи не все переменные являются 
целочисленными, то следует перейти к следующему шагу. 


Шаг 2. Среди компонентов оптимального плана выбирают элемент с наибольшей дробной частью и составляют дополнительное ограничение (правильное отсечение), которое должно обладать следующими свойствами: 
а) быть линейным; 
б) отсекать найденный оптимальный нецелочисленный план; 
в) не отсекать ни одного целочисленного плана. 
Правильное отсечение можно получить, сформировав следующее 
неравенство: 
𝑞+ −𝑞+!𝑥! −𝑞+"𝑥"−. . . . −𝑞+'𝑥& ≤0. 
В данном неравенстве  
𝑞+ = 𝑏+ −[𝑏+], 
𝑞+# = 𝑎+# −[𝑎+#], 
где [bi] и [aij] – целые части чисел bi и aij, т. е. наибольшие целые числа, 
не превышающие bi и aij. Например: 
 
a 
[a] 
a − [a] 
1 1
2 
1 
1
2 
−2 1
3 
−3 
2
3 
−1 
−1 
0 
−2
5 
−1 
3
5 
 
Шаг 3. Полученное неравенство преобразуется в равенство путем 
введения дополнительной неотрицательной переменной и включается 
в симплекс-таблицу. 
Шаг 4. Полученная расширенная задача решается двойственным 
симплекс-методом. Если новый оптимальный план будет целочисленным, то задача решена, иначе следует перейти к шагу 2. (Если в процессе решения в симплекс-таблице появится уравнение с нецелым 


Доступ онлайн
500 ₽
В корзину