Математические модели задач линейного программирования. Решение задач по МОР (методы оптимизации) Решение задач линейного программирования симплекс-методом

Общая постановка задачи линейного программирования (ЗЛП). Примеры ЗЛП

Линейное программирование - направление математики, изучающее методы решения экстремальных задач, которые характеризуются линейной зависимостью между переменными и линейным критерием оптимальности. Несколько слов о самом термине линейное программирование. Он требует правильного понимания. В данном случае программирование - это, конечно, не составление программ для ЭВМ. Программирование здесь должно интерпретироваться как планирование, формирование планов, разработка программы действий. К математическим задачам линейного программирования относят исследования конкретных производственно-хозяйственных ситуаций, которые в том или ином виде интерпретируются как задачи об оптимальном использовании ограниченных ресурсов. Круг задач, решаемых при помощи методов линейного программирования достаточно широк. Это, например:

• - задача об оптимальном использовании ресурсов при производственном планировании;
• - задача о смесях (планирование состава продукции);
• - задача о нахождении оптимальной комбинации различных видов продукции для хранения на складах (управление товарно-материальными запасами или "задача о рюкзаке");
• - транспортные задачи (анализ размещения предприятия, перемещение грузов). Линейное программирование - наиболее разработанный и широко применяемый раздел математического программирования (кроме того, сюда относят: целочисленное, динамическое, нелинейное, параметрическое программирование). Это объясняется следующим:
• - математические модели большого числа экономических задач линейны относительно искомых переменных;
• - данный тип задач в настоящее время наиболее изучен. Для него разработаны специальные методы, с помощью которых эти задачи решаются, и соответствующие программы для ЭВМ;
• - многие задачи линейного программирования, будучи решенными, нашли широкое применение;
• - некоторые задачи, которые в первоначальной формулировке не являются линейными, после ряда дополнительных ограничений и допущений могут стать линейными или могут быть приведены к такой форме, что их можно решать методами линейного программирования. Экономико-математическая модель любой задачи линейного программирования включает: целевую функцию, оптимальное значение которой (максимум или минимум) требуется отыскать; ограничения в виде системы линейных уравнений или неравенств; требование неотрицательности переменных. В общем виде модель записывается следующим образом:
• - целевая функция:

C1x1 + c2x2 + ... + cnxn > max(min);- ограничения:

a11x1 + a12x2 + ... + a1nxn {? = ?} b1,

a21x1 + a22x2 + ... + a2nxn {? = ?} b2

am1x1 + am2x2 + ... + amnxn {? = ?} bm;

Требование неотрицательности:

При этом aij, bi, cj () - заданные постоянные величины. Задача состоит в нахождении оптимального значения функции (2.1) при соблюдении ограничений (2.2) и (2.3). Систему ограничений (2.2) называют функциональными ограничениями задачи, а ограничения (2.3) - прямыми. Вектор, удовлетворяющий ограничениям (2.2) и (2.3), называется допустимым решением (планом) задачи линейного программирования. План, при котором функция (2.1) достигает своего максимального (минимального) значения, называется оптимальным.

Далее приведем примеры некоторых типовых задач, решаемых при помощи методов линейного программирования. Такие задачи имеют реальное экономическое содержание. Сейчас лишь сформулируем их в терминах ЗЛП, а методы решения подобных задач рассмотрим ниже.

1. Задача об оптимальном использовании ресурсов при производственном планировании. Общий смысл задач этого класса сводится к следующему. Предприятие выпускает n различных изделий. Для их производства требуется m различных видов ресурсов (сырья, материалов, рабочего времени и т.п.). Ресурсы ограничены, их запасы в планируемый период составляют, соответственно, b1, b2,..., bm условных единиц. Известны также технологические коэффициенты aij, которые показывают, сколько единиц i-го ресурса требуется для производства единицы изделия j-го вида (). Прибыль, получаемая предприятием при реализации изделия j-го вида, равна cj. В планируемом периоде значения величин aij, bi и cj остаются постоянными. Требуется составить такой план выпуска продукции, при реализации которого прибыль преприятия была бы наибольшей. Далее приведем простой пример задачи такого класса.

Компания специализируется на выпуске хоккейных клюшек и наборов шахмат. Каждая клюшка приносит компании прибыль в размере $2, а каждый шахматный набор - в размере $4. На изготовление одной клюшки требуется четыре часа работы на участке A и два часа работы на участке B. Шахматный набор изготавливается с затратами шести часов на участке A, шести часов на участке B и одного часа на участке C. Доступная производственная мощность участка A составляет 120 н-часов в день, участка В - 72 н-часа и участка С - 10 н-часов. Сколько клюшек и шахматных наборов должна выпускать компания ежедневно, чтобы получать максимальную прибыль?

Условия задач указанного класса часто представляют в табличной форме (см. таблицу 2.1).

По данному условию сформулируем задачу линейного программирования. Обозначим: x1 - количество выпускаемых ежедневно хоккейных клюшек, x2 - количество выпускаемых ежедневно шахматных наборов. Формулировка ЗЛП:

4x1 + 6x2 ? 120,

Подчеркнем, что каждое неравенство в системе функциональных ограничений соответствует в данном случае тому или иному производственному участку, а именно: первое - участку А, второе - участку В, третье - участку С.

Система переменных величин в задаче по оптимизации структуры посевных площадей с учётом севооборотов

Определение . Любое решение системы ограничений называется допустимым решением ЗЛП.
Определение . Допустимое решение, в котором целевая функция достигает максимального или минимального значения, называется оптимальным решением.

В силу этих определений задача ЛП может быть сформулирована следующим образом: среди всех точек выпуклой области, являющейся решением системы ограничений, выбрать такую, координаты которой минимизируют (максимизируют) линейную функцию F = с 1 x + с 2 y .
Заметим, что переменные x , y в ЗЛП принимают, как правило, неотрицательные значения (x ≥ 0, y ≥ 0), поэтому область расположена в I четверти координатной плоскости.

Рассмотрим линейную функцию F = с 1 x + с 2 y и зафиксируем какое-нибудь ее значение F . Пусть, к примеру, F = 0, т.е. с 1 x + с 2 y = 0. Графиком этого уравнения будет прямая, проходящая через начало координат (0;0) (рис.).
Рисунок
При изменении этого фиксированного значения F = d , прямая с 1 x + с 2 y = d будет смещаться параллельно и «зачертит» всю плоскость. Пусть D – многоугольник – область решения системы ограничений. При изменении d прямая с 1 x + с 2 y = d , при некотором значении d = d 1 достигнет многоугольника D , назовем эту точку А «точкой входа», и затем, пройдя многоугольник, при некотором значении d = d 2 будем иметь с ним последнюю общую точку В , назовем В «точкой выхода».
Очевидно, что своего наименьшего и наибольшего значения целевая функция F =с 1 x + с 2 y достигнет в точках «входа» А и «выхода» В .
Учитывая, что оптимальное значение на множестве допустимых решений целевая функция принимает в вершинах области D , можно предложить следующий план решения ЗЛП:

1. построить область решений системы ограничений;
2. построить прямую, соответствующую целевой функции, и параллельным переносом этой прямой найти точку «входа» или «выхода» (в зависимости от требования минимизировать или максимизировать целевую функцию);
3. определить координаты этой точки, вычислить в них значение целевой функции.

Заметим, что вектор (с 1 , с 2), перпендикулярный прямой, показывает направление роста целевой функции.

При графическом решении ЗЛП возможны два случая, которые требуют особого обсуждения.

Случай 1
Рисунок 6
При перемещении прямой с 1 x + с 2 y = d «вход» или «выход» (как на рисунке) произойдет по стороне многоугольника. Это случится, если в многоугольнике есть стороны, параллельные прямой с 1 х + с 2 у = d .
В этом случае точек «выхода» (« входа») бесчисленное множество, а именно – любая точка отрезка АВ . Это означает, что целевая функция принимает максимальное(минимальное) значение не в одной точке, а во всех точках, лежащих на соответствующей стороне многоугольника D .

Случай 2
Рассмотрим случай, когда область допустимых значений неограниченна.
В случае неограниченной области целевая функция может быть задана таким образом, что соответствующая ей прямая не имеет точки «выхода» (или «входа»). Тогда максимальное значение функции (минимальное) не достигается никогда – говорят, что функция не ограничена.
Рисунок
Необходимо найти максимальное значение целевой функции F = 4x + 6y → max , при системе ограничений
Построим область допустимых решений, т.е. решим графически систему неравенств. Для этого построим каждую прямую и определим полуплоскости, заданные неравенствами.
x + y = 18

x	12	9
y	6	9

0,5x + y = 12

x	12	18
y	6	3

x = 12 – параллельна оси OY ;
y = 9 – параллельна оси OX ;
x = 0 – ось OY ;
y = 0 – ось OX ;
x OY ;
y ≥ 0 – полуплоскость выше оси OX ;
y ≤ 9 – полуплоскость ниже y = 9;
x ≤ 12 – полуплоскость левее x = 12;
0,5x + y x + y = 12;
x + y x + y = 18.
Рисунок
Пересечением всех этих полуплоскостей является очевидно, пятиугольник ОАВСД , с вершинами в точках О (0; 0), А (0; 9), В (6; 9), С (12; 6), Д (12; 0). Этот пятиугольник и образует область допустимых решений задачи.

F = 4x + 6y → max.

x	3	0
y	–2	0

F = 0: 4x + 6y x + 6y С (12; 6). Именно в ней F = 4x + 6y
Значит, при x = 12, y = 6 функция F F = 4 ∙ 12 + 6 ∙ 6 = 84, равного 84. Точка с координатами (12; 6) удовлетворяет всем неравенствам системы ограничений, и в ней значение целевой функции оптимально F * = 84 (оптимальное значение будем обозначать «*»).
Задача решена. Итак, необходимо выпустить 12 изделий I вида и 6 изделий II вида, при этом прибыль составит 84 тыс. руб.

Графический метод применяется для решения задач, которые имели в системе ограничений только две переменные. Этот метод может применяться и для систем неравенств, имеющих три переменных. Геометрически ситуация будет иная, роль прямых будут играть плоскости в трехмерном пространстве, а решением неравенства от трех переменных будет являться полупространство, находящееся по одну сторону от плоскости. Роль областей будут играть многогранники, являющиеся пересечением полупространств.

Пример №2 . Шахта разрабатывает два пласта. Выход штыба по первому пласту составляет а1 %; по второму - а2 %. Максимальная производительность очистного забоя по первому пласту составляет В1 тыс.тонн в год, по второму пласту - В2 тыс.тонн в год. По технологии работ добыча со второго пласта не может превышать добычу с первого пласта. Выход штыба по шахте не должен превышать С1 тыс.тонн в год. Общая нагрузка по двум пластам за год должна быть не меньше С2 тыс.тонн в год. Составить математическую модель и построить множество допустимых значений нагрузки по первому и второму пластам за год.

Пример №3 . Магазин продает 2 вида безалкогольных напитков: Колу и лимонад. Доход от одной банки колы составляет 5 центов, тогда как доход от одной банки лимонада 7 центов. В среднем магазин за день продает не более 500 банок обоих напитков. Несмотря на то, что колу выпускает известная торговая марка, покупатели предпочитают лимонад, поскольку он значительно дешевле. Подсчитано, что объем продаж колы и лимонада должны соотноситься не менее 2:1 кроме того, известно что магазин продает не менее 100 банок колы в день. Сколько банок каждого напитка должен иметь магазин в начале рабочего дня для максимизации дохода?

Пример №4 . Решить задачу линейного программирования приближенно графическим способом с последующим вычислением точного значения и мах(min) значения целевой функции.

Пример №5 . Туристской фирме требуется не более а трехтонных автобусов и не более в пятитонных автобусов. Отпускная цена автобусов первой марки 20000 у.е., второй марки 40000 у.е. Туристская фирма может выделить для приобретения автобусов не более с у.е. Сколько следует приобрести автобусов каждой марки в отдельности, чтобы их общая (суммарная) грузоподъёмность была максимальной. Решить задачу графическим методом.

Пример №6 . Используя графический метод, найдите оптимальный производственный план в задаче, заданной таблицей.

Пример №7 . Решить графическим методом задачу линейного программирования, подвергнув систему ограничений задачи преобразованиям Жордано-Гаусса. Система ограничений задачи имеет вид:
a 11 x 1 + a 12 x 2 + a 13 x 3 + a 14 x 4 + a 15 x 5 = b 1
a 21 x 1 + a 22 x 2 + a 23 x 3 + a 24 x 4 + a 25 x 5 = b 2
a 31 x 1 + a 32 x 2 + a 33 x 3 + a 34 x 4 + a 35 x 5 = b 3
Методические рекомендации . Преобразования Жордано-Гаусса можно выполнить с помощью этого сервиса или через исследование СЛАУ .

Пример №8 . Предприятие выпускает два вида продукции А и В, для производства которых используется сырье трех видов. На изготовление единицы изделия А требуется затратить сырья каждого вида а1, а2, а3 кг соответственно, а для единицы изделия В - в1, в2, в3 кг. Производство обеспечено сырьем каждого вида в количестве Р1, Р2, Р3 кг, соответственно. Стоимость единицы изделия А составляет С1 руб., а единицы изделия В - С2 руб. Требуется составить план производства изделий А и В, обеспечивающий максимальную стоимость готовой продукции.

Пример №2 . Необходимо найти максимальное значение целевой функции F = 4x + 6y → max, при системе ограничений:

Построим область допустимых решений, т.е. решим графически систему неравенств. Для этого выбираем количество ограничений равное 4 (рисунок 1).
Рисунок 1

Затем заполняем коэффициенты при переменных и сами ограничения (рисунок 2).
Рисунок 2

Рисунок 3
x = 12 – параллельна оси OY ;
y = 9 – параллельна оси OX ;
x > = 0 – ось OY
y = 0 – ось OX ;
x ≥ 0 – полуплоскость правее оси OY ;
y ≥0 – полуплоскость выше оси OX ;
y ≤ 9 – полуплоскость ниже y = 9;
x ≤ 12 – полуплоскость левее x = 12;
0,5x + y ≤ 12 – полуплоскость ниже прямой 0,5x + y = 12;
x + y ≤ 18 – полуплоскость ниже прямой x + y = 18.

Пересечением всех этих полуплоскостей является пятиугольник ABCDE , с вершинами в точках A (0; 0), B (0;9), C (6; 9), D (12;6), E (12;0). Этот пятиугольник и образует область допустимых решений задачи.

Рассмотрим целевую функцию задачи F = 4x + 6y → max.

x	3	0
y	–2	0

Построим прямую, отвечающую значению функции F = 0: 4x + 6y = 0. Будем двигать эту прямую параллельным образом. Из всего семейства прямых 4x + 6y = const последней вершиной, через которую пройдет прямая при выходе за границу многоугольника, будет вершина С (12; 6). Именно в ней F = 4x + 6y достигнет своего максимального значения.

Значит, при x = 12, y = 6 функция F достигает своего максимального значения F = 4 ∙ 12 + 6 ∙ 6 = 84, равного 84. Точка с координатами (12;6) удовлетворяет всем неравенствам системы ограничений, и в ней значение целевой функции оптимально F * = 84.

Тест по дисциплине «Исследование операций»

(верные ответы - первые)

1. Термин "исследование операций” появился …

в годы второй мировой войны

в 50-ые годы XX века

в 60-ые годы XX века

в 70-ые годы XX века

в 90-ые годы XX века

в начале XXI века

2. Под исследованием операций понимают (выберите наиболее подходящий вариант) …

комплекс научных методов для решения задач эффективного управления организационными системами

комплекс мер, предпринимаемых для реализации определенных операций

комплекс методов реализации задуманного плана

научные методы распределения ресурсов при организации производства

3. Упорядочьте этапы, через которые, как правило, проходит любое операционное исследование:

постановка задачи

построение содержательной (вербальной) модели рассматриваемого объекта (процесса)

построение математической модели

решение задач, сформулированных на базе построенной математической модели

проверка полученных результатов на адекватность природе изучаемой системы

реализация полученного решения на практике

4. В исследовании операций под операцией понимают…

всякое мероприятие (систему действий), объединенное единым замыслом и направленное на достижение какой-либо цели

всякое неуправляемое мероприятие

комплекс технических мероприятий, обеспечивающих производство продуктов потребления

5. Решение называют оптимальным, …

если оно по тем или иным признакам предпочтительнее других

если оно рационально

если оно согласовано с начальством

если оно утверждено общим собранием

6. Математическое программирование …

занимается изучением экстремальных задач и разработкой методов их решения

представляет собой процесс создания программ для компьютера под руководством математиков

занимается решением математических задач на компьютере

7. Задача линейного программирования состоит в …

отыскании наибольшего (наименьшего) значения линейной функции при наличии линейных ограничений

создании линейной программы на избранном языке программирования, предназначенной для решения поставленной задачи

описании линейного алгоритма решения заданной задачи

8. В задаче квадратичного программирования…

целевая функция является квадратичной

область допустимых решения является квадратом

ограничения содержат квадратичные функции

9. В задачах целочисленного программирования…

неизвестные могут принимать только целочисленные значения

целевая функция должна обязательно принять целое значение, а неизвестные могут быть любыми

целевой функцией является числовая константа

10. В задачах параметрического программирования…

целевая функция и/или система ограничений содержит параметр(ы)

область допустимых решения является параллелограммом или параллелепипедом

количество переменных может быть только четным

11. В задачах динамического программирования…

процесс нахождения решения является многоэтапным

необходимо рационализировать производство динамита

требуется оптимизировать использование динамиков

12. Поставлена следующая задача линейного программирования:

F (х 1, х 2) = 5х 1 + 6х 2→ mах

0.2х 1 + 0.3х 2 ≤ 1.8,

0.2х 1 + 0.1х 2 ≤ 1.2,

0.3х 1 + 0.3х 2 ≤ 2.4,

х 1 ≥ 0, х 2 ≥ 0.

Выберите задачу, которая эквивалентна этой задаче.

F (х 1, х 2)= 5х 1 + 6х 2 → mах ,

2х 1 + 3х 2 ≤ 18,

2х 1 + х 2 ≤ 12,

х 1 + х 2 ≤ 8,

х 1 ≥ 0,

х 2 ≥ 0.

F (х 1, х 2)= 6х 1 + 5х 2 → min,

2х 1 + 3х 2 ≤ 18,

2х 1 + х 2 ≤ 12,

х 1 + х 2 ≤ 8,

х 1 ≥ 0,

х 2 ≥ 0.

F (х 1, х 2)= 50х 1 + 60х 2 → mах ,

2х 1 + 3х 2 ≤ 18,

2х 1 + х 2 ≤ 12,

х 1 + х 2 ≤ 8,

х 1 ≥ 0,

х 2 ≥ 0.

F (х 1, х 2)= 5х 12 + 6х 22 → mах ,

2х 1 + 3х 2 ≤ 18,

2х 1 + х 2 ≤ 12,

3х 1 + х 2 ≤ 2.4,

х 1 ≥ 0,

х 2 ≥ 0.

13. Целевой функцией задачи линейного программирования может являться функция:

F =12x1 +20x2–3 0x3 →min

F = →min

F =→max

F =→max.

14. Системой ограничений задачи линейного программирования может являться система:

15. Симплекс-метод - это:

аналитический метод решения основной задачи линейного программирования

метод отыскания области допустимых решений задачи линейного программирования;

графический метод решения основной задачи линейного программирования;

метод приведения общей задачи линейного программирования к каноническому виду.

16. Задача линейного программирования состоит в:

отыскании наибольшего или наименьшего значения линейной функции при наличии линейных ограничений

разработке линейного алгоритма и реализации его на компьютере

составлении и решении системы линейных уравнений

поиске линейной траектории развития процесса, описываемого заданной системой ограничений.

17. Область допустимых решений задачи линейного программирования не может выглядеть так:

18. Целевой функцией задачи линейного программирования может являться функция:

F =12x1 +20x2–3 0x3 →min

F = →min

F =→max

F =→max.

19.Системой ограничений задачи линейного программирования может являться система:

20. Область допустимых решений задачи линейного программирования имеет вид:

F (х 1, х 2)= 3х 1 + 5х 2 равно…

21. Область допустимых решений задачи линейного программирования имеет вид:

Тогда максимальное значение функции F (х 1, х 2)= 5х 1 + 3х 2 равно…

22. Область допустимых решений задачи линейного программирования имеет вид:

Тогда максимальное значение функции F (х 1, х 2)= 2х 1 - 2х 2 равно…

23. Область допустимых решений задачи линейного программирования имеет вид:

F (х 1, х 2)= 2х 1 - 2х 2 равно…

24. Область допустимых решений задачи нелинейного программирования имеет вид:

Тогда максимальное значение функции F (х 1, х 2)= х 2 – х 12 равно…

25. Максимальное значение целевой функции F (х 1, х 2)= 5х 1 + 2х 2 при ограничениях
х 1 + х 2 ≤ 6,

х 1 ≤ 4,

х 1 ≥ 0, х 2 ≥ 0, равно …

26. Малое предприятие производит изделия двух видов. На изготовление одного изделия вида А расходуется 2 кг сырья, на изготовление одного изделия вида В – 1 кг. Всего имеется 60 кг сырья. Требуется составить план производства, обеспечивающий получение наибольшей выручки, если отпускная стоимость одного изделия вида А 3 д. е., вида В - 1 у. е., причем изделий вида А требуется изготовить не более 25, а вида В – не более 30.

Данная задача является …

задачей линейного программирования

задачей, решаемой методом динамического программирования

задачей сетевого планирования.

27. Малое предприятие производит изделия двух видов. На изготовление одного изделия вида А расходуется 2 кг сырья, на изготовление одного изделия вида В – 1 кг. Всего имеется 60 кг сырья. Требуется составить план производства, обеспечивающий получение наибольшей выручки, если отпускная стоимость одного изделия вида А 3 д. е., вида В - 1 у. е., причем изделий вида А требуется изготовить не более 25, а вида В – не более 30.

Целевой функцией данной задачи является функция …

F (x1,x2 )=3x1 +x2 →max

F (x1,x2 )=25x1 +30x2 →max

F (x1,x2 )=2x1 +x2 →max

F (x1,x2 )=60 -2x1 - x2 →min

28. Малое предприятие производит изделия двух видов. На изготовление одного изделия вида А расходуется 2 кг сырья, на изготовление одного изделия вида В – 1 кг. Всего имеется 60 кг сырья. Требуется составить план производства, обеспечивающий получение наибольшей выручки, если отпускная стоимость одного изделия вида А 3 д. е., вида В - 1 у. е., причем изделий вида А требуется изготовить не более 25, а вида В – не более 30

Допустимым планом данной задачи является план:

X= (20, 20)

X= (25, 15)

X= (20, 25)

X= (30, 10)

29. В двух пунктах А1 и А2 имеется соответственно 60 и 160 единиц товара. Весь товар нужно перевезти в пункты В1, В2, В3 в количестве 80, 70 и 70 единиц соответственно. Матрица тарифов такова: . Спланируйте перевозки так, чтобы их стоимость была минимальной.

Данная задача является …

транспортной задачей

задачей нелинейного программирования

задачей коммивояжера

задачей о назначениях

30. В двух пунктах А1 и А2 имеется соответственно 60 и 160 единиц товара. Весь товар нужно перевезти в пункты В1, В2, В3 в количестве 80, 70 и 70 единиц соответственно. Матрица тарифов такова: . Спланируйте перевозки так, чтобы их стоимость была минимальной

Опорным планом данной задачи является план:

;

31. В двух пунктах А1 и А2 имеется соответственно 60 и 160 единиц товара. Весь товар нужно перевезти в пункты В1, В2, В3 в количестве 80, 70 и 70 единиц соответственно. Матрица тарифов такова: . Спланируйте перевозки так, чтобы их стоимость была минимальной.

Целевой функцией данной задачи является функция:

F =4x11 +6x12+ 8x13 +5x21 +8x22 +7x23 →min

F = →min

F =60x1 +160x2+ 80x3 +70x4 +705 →max

F =60x1 +160x2– 80x3– 70x4– 705 →min

32. В двух пунктах А1 и А2 имеется соответственно 60 и 160 единиц товара. Весь товар нужно перевезти в пункты В1, В2, В3 в количестве 80, 70 и 70 единиц соответственно. Матрица тарифов такова: . Спланируйте перевозки так, чтобы их стоимость была минимальной.

Оптимальным планом данной задачи является план:

;

.

;

;

33. Транспортная задача

будет закрытой, если…

34. Транспортная задача

является…

открытой

закрытой

неразрешимой

35. Транспортная задача

является…

закрытой

открытой

неразрешимой

36. Для решения следующей транспортной задачи

необходимо ввести…

фиктивного потребителя

фиктивного поставщика;

эффективный тариф

37. Для решения следующей транспортной задачи

необходимо ввести…

фиктивного поставщика;

фиктивного потребителя

эффективный тариф

эффективную процентную ставку.

38. Среди данных транспортных задач

закрытыми являются…

39. Исходный опорный план транспортной задачи можно составить…

всеми перечисленными методами

методом северо-западного угла

методом минимального тарифа

методом двойного предпочтения

методом аппроксимации Фогеля

40. Если целевая функция задачи линейного программирования задана на максимум, то… целевая функция двойственной задачи задается на минимум

целевая функция в двойственной задаче отсутствует

двойственная задача не имеет решений

двойственная задача имеет бесконечно много решений

41. Дана задача линейного программирования:

F (х 1, х 2)= 2х 1 + 7х 2 → mах ,

2х 1 + 3х 2 ≤ 14,

х 1 + х 2 ≤ 8,

х 1 ≥ 0, х 2 ≥ 0.

Двойственной для этой задачи будет следующая…

F* (y1, y2)= 14y1 + 8y2 → min ,

3y 1 + y2 ³ 7,

y 1 ≥ 0, y2 ≥ 0.

F* (y1, y2)= 2y1 + 7y2 → min ,

2y1 + 3y2 ³ 14,

y 1 + y2 ³ 8,

y 1 £ 0, y2 £ 0.

F* (y1, y2)= 2y1 + 7y2 → min ,

3 y 1 + y2 ³ 7,

y 1 £ 0, y2 £ 0.

F* (y1, y2)= 14y1 + 8y2 → min ,

y 1 + y2 ³ 7,

y 1 ≥ 0, y2 ≥ 0.

42. Если одна из пары двойственных задач имеет оптимальный план, то…

и другая имеет оптимальный план

другая не имеет оптимального плана

другая не имеет допустимых решений

43. Если одна из пары двойственных задач имеет оптимальный план, то…

и другая имеет оптимальный план и значения целевых функций при их оптимальных планах равны между собой

и другая имеет оптимальный план, но значения целевых функций при их оптимальных планах не равны между собой

другая задача может не иметь оптимального плана, но иметь допустимые решения

44. Если целевая функция одной из пары двойственных задач не ограничена (для задачи на максимум – сверху, для задачи на минимум - снизу), то

другая задача не имеет допустимых планов

другая задача имеет допустимые планы, но не имеет оптимального плана

целевая функция другой задачи также не ограничена

45. При решении некоторых задач нелинейного программирования применяется …

метод множителей Лагранжа

метод Гаусса

метод аппроксимации Фогеля

метод Гомори

46. Задана задача нелинейного программирования

F (х 1, х 2)= х 12 + х 22 → mах ,

х 1 + х 2 =6,

х 1 ≥ 0, х 2 ≥ 0.

F (х 1, х 2) …

не достижимо (+ ¥)

47. Задана задача нелинейного программирования

F (х 1, х 2)= х 12 + х 22 → m in ,

х 1 + х 2 =6,

х 1 ≥ 0, х 2 ≥ 0.

F (х 1, х 2) …

48. Задана задача нелинейного программирования

F (х 1, х 2)= х 12 + х 22 → mах ,

х 1 + х 2 =6,

х 1, х 2 - любые.

Наибольшее значение целевой функции F (х 1, х 2) …

не достижимо (+ ¥)

49. Задана задача нелинейного программирования

F (х 1, х 2)= х 12 + х 22 → m in ,

х 1 + х 2 =6,

х 1, х 2 - любые.

Наименьшее значение целевой функции F (х 1, х 2) …

не достижимо (- ¥)

50. Область допустимых решений задачи нелинейного программирования имеет вид:

Тогда максимальное значение функции F (х 1, х 2)= х 12 +х 22 равно…

51. Область допустимых решений задачи нелинейного программирования имеет вид:

Тогда минимальное значение функции F (х 1, х 2)= х 12 +х 22 равно…

52. Для решения транспортной задачи может применяться…

метод потенциалов

метод множителей Лагранжа

метод Гаусса

метод дезориентации

53. В системе ограничений общей задачи линейного программирования …

54. В системе ограничений стандартной (симметричной) задачи линейного программирования …

могут присутствовать только неравенства

могут присутствовать и уравнения, и неравенства

могут присутствовать только уравнения

55. В системе ограничений канонической (основной) задачи линейного программирования …

могут присутствовать только уравнения (при условии неотрицательности переменных)

могут присутствовать только неравенства (при условии неотрицательности переменных)

могут присутствовать и уравнения, и неравенства (при условии неотрицательности переменных)

56. Задача линейного программирования

F (х 1, х 2)= 2х 1 + 7х 2 → mах ,

2х 1 + 3х 2 ≤ 14,

х 1 + х 2 ≤ 8,

х 1 ≥ 0, х 2 ≥ 0.

записана в …

стандартной (симметричной) форме

канонической (основной) форме

словесной форме

57. Для записи задачи

F (х 1, х 2)= 2х 1 + 7х 2 → mах ,

2х 1 + 3х 2 ≤ 14,

х 1 + х 2 ≤ 8,

х 1 ≥ 0, х 2 ≥ 0.

в канонической форме …

58. Для записи задачи

F (х 1, х 2)= 2х 1 + 7х 2 → mах ,

2х 1 + 3х 2 ≤ 14,

х 1 + х 2 ≤ 8,

х 1 + 4х 2 ≥ 10,

х 1 ≥ 0, х 2 ≥ 0.

в канонической форме …

необходимо ввести три дополнительных неотрицательных переменных

необходимо ввести две дополнительных неотрицательных переменных

необходимо ввести четыре дополнительных неотрицательных переменных

59. Для записи задачи

F (х 1, х 2)= 2х 1 + 7х 2 → mах ,

2х 1 + 3х 2 = 14,

х 1 + х 2 ≤ 8,

х 1 + 4х 2 ≥ 10,

х 1 ≥ 0, х 2 ≥ 0.

в канонической форме …

необходимо ввести две дополнительных неотрицательных переменных

необходимо ввести три дополнительных неотрицательных переменных

необходимо ввести четыре дополнительных неотрицательных переменных

необходимо ввести пять дополнительных неотрицательных переменных

60. При решении задач целочисленного программирования может применяться …

метод Гомори

метод множителей Лагранжа

метод Гаусса

метод аппроксимации Фогеля

61. В основе решения задач методом динамического программирования лежит…

принцип «бритва Оккама»

принцип «зуб - за зуб, око - за око»

принцип Гейзенберга

62 . Ситуация, в которой участвуют стороны, интересы которых полностью или частично противоположны, называется …

(конфликтной, конфликтная, конфликт, конфликтом)

63. Действительный или формальный конфликт, в котором имеется по крайней мере два участника (игрока), каждый из которых стремится к достижению собственных целей, называется …

(игра, игрой)

64. Допустимые действия каждого из игроков, направленные на достижение некоторой цели, называются …

(правила игры, правилами игры)

65. Количественная оценка результатов игры называется …

(платежом, платеж, платёж)

66. Если в игре участвует только две стороны (два лица), то игра называется…

(парной, парная, парной игрой, парная игра)

67. Если в парной игре сумма платежей равна нулю, то есть проигрыш одного игрока равен выигрышу другого, то игра называется игрой…

(с нулевой суммой)

68. Однозначное описание выбора игрока в каждой из возможных ситуаций, при которой он должен сделать личный ход, называется..

(стратегией игрока, стратегия игрока, стратегией, стратегия)

69. Если при многократном повторении игры стратегия обеспечивает игроку максимально возможный средний выигрыш (минимально возможный средний проигрыш), то такая стратегия называется…

(оптимальной, оптимальная, оптимальной стратегией, оптимальная стратегия)

70. Пусть a - нижняя цена, а b - верхняя цена парной игры с нулевой суммой. Тогда верно утверждение…

71. Пусть a - нижняя цена, а b - верхняя цена парной игры с нулевой суммой. Если a = b = v, то число v называется …

ценой игры

точкой равновесия

оптимальной стратегией

смешанной стратегией

72. Пусть a - нижняя цена, а b - верхняя цена парной игры с нулевой суммой. Если a = b, то игра называется…

игрой с седловой точкой

неразрешимым конфликтом

игрой без правил

73. Вектор, каждая из компонент которого показывает относительную частоту использования игроком соответствующей чистой стратегии, называется…

смешенной стратегией

направляющим вектором

вектором нормали

градиентом

74. Нижняя цена матричной игры, заданной платежной матрицей , равна…

Больше нижней цены

равна нижней цене

не существует

81. Матричная игра, заданная платежной матрицей , …

имеет седловую точку

не имеет седловой точки

не является парной

82. Цена игры, заданной платежной матрицей , равна…

83. Матричная игра, заданная платежной матрицей , …

является парной

имеет седловую точку

не является парной

84. Парная игра с нулевой суммой, заданная своей платежной матрицей, может быть сведена к …

задаче линейного программирования

задаче нелинейного программирования

целочисленной задаче линейного программирования

классической задаче оптимизации

85. Нижняя цена матричной игры, заданной платежной матрицей , равна…

Больше нижней цены

равна нижней цене

не существует

92. Матричная игра, заданная платежной матрицей , …

не имеет седловой точки

имеет седловую точку

не является парной

93. Цена игры, заданной платежной матрицей , заключена в пределах…

94. Если в потоке событий события следуют одно за другим через заранее заданные и строго определенные промежутки времени, то такой поток называется …

регулярным

организованным

95. Если вероятность попадания любого числа событий на промежуток времени зависит только от длины этого промежутка и не зависит от того, как далеко расположен этот промежуток от начала отсчета времени, то соответствующий поток событий называется:

стационарным

потоком без последствий

простейшим

пуассоновским

96. Если число событий, попадающих на один из произвольно выбранных промежутков времени, не зависит от числа событий, попавших на другой, также произвольно выбранный промежуток времени при условии, что эти промежутки не пересекаются, то соответствующий поток событий называется …

потоком без последствий

регулярным

показательным

нормальным

97. Если вероятность попадания на очень малый отрезок времени сразу двух или более событий пренебрежимо мала по сравнению с вероятностью попадания только одного события, то соответствующий поток событий называется…

ординарным

неординарным

нормальным

пуассоновским

98. Если поток событий одновременно обладает свойствами стационарности, ординарности и отсутствием последствия, то он называется:

простейшим (пуассоновским)

нормальным

99. Одноканальная СМО с отказами представляет собой пост ежедневного обслуживания для мойки автомобилей. Заявка - автомобиль, прибывший в момент, когда пост занят, - получает отказ в обслуживании. Интенсивность потока автомобилей λ=1,0 (автомобиль в час). Средняя продолжительность обслуживания - 1,8 часа. Поток автомобилей и поток обслуживания являются простейшими. Тогда в установившемся режиме относительная пропускная способность q равна…

100. Одноканальная СМО с отказами представляет собой пост ежедневного обслуживания для мойки автомобилей. Заявка - автомобиль, прибывший в момент, когда пост занят, - получает отказ в обслуживании. Интенсивность потока автомобилей λ=1,0 (автомобиль в час). Средняя продолжительность обслуживания - 1,8 часа. Поток автомобилей и поток обслуживания являются простейшими. Тогда в установившемся режиме процент автомобилей, получающих отказ в обслуживании, равен…

Трудно найти иголку в

стоге сена, но еще труднее

найти конкретную соломинку

в этом стоге.

Аж-Гриндер

Хорошие указания приносят

не меньшую пользу,

чем хорошие примеры.

Сенека

Решение - задачи принятия решений - управленческое решение - факторы процесса принятия решений - допустимое решение - оптимальное решение - структурированные проблемы - слабо структурированные проблемы - неструктурирован- ■ ные проблемы - «новая» парадигма - операционально замкнутая система - собственное поведение системы - регулярное управление - управление изменениями - самоорганизация - экологич-ность управления

Проблемы, связанные с отысканием способов достижения поставленных целей с учетом имеющихся возможностей, т.е. проблемы принятия решений, пронизывают всю человеческую практику (и общественную, и личную) и поэтому отличаются большим разнообразием. Исходя из этого, рассмотрим некоторые общие теоретические вопросы, которые могут быть взяты в качестве современной методологической основы не только для принятия государственных управленческих решений. Они также оказываются полезными при принятии управленческих решений в различных сферах бизнеса, в так называемом третьем секторе, представляющем собой все общественные организации, в каждой отдельно взятой организации как со сложной структурой (транснациональные корпорации, холдинги, финансово-промышленные группы и другие объединения), так и с традиционными структурами (функциональной, линейно-функциональной и т.п.).

В специальной литературе можно встретить различные трактовки термина «решение». Решение понимается и как результат выбора, и как процесс, и как акт выбора. Эти трактовки самого понятия «решение» не противоречат, а только дополняют друг друга, расставляя по-разному акценты в зависимости от контекста исследований и конкретной управленческой деятельности. Так, рассматривая решение как процесс, протекающий во времени, можно говорить о его этапах. Решение как результат выбора - это уже предписание к действию, а как акт выбора - творческая составляющая управленческой деятельности, которая рассматривает решение неотделимо от такого понятия, как «властная воля». Таким образом, под решением понимаются одновременно и процесс, и результат, и акт выбора цели и способ ее достижения.

В зависимости от основания классификации выделяют следующие задачи принятия решений:

Структурированные, слабо структурированные и неструктурированные;

Уникальные и повторяющиеся;

Статические и динамические;

В условиях определенности и в условиях неопределенности (в частности, при риске, при противодействии);

С фиксированным набором альтернатив (вариантов решений, стратегий) и с формируемым в процессе принятия решений;

С одним критерием (целевой функцией, показателем качества или эффективности) и со многими (несколькими) критериями;

а также рассматривают:

Задачи выбора одной наилучшей (оптимальной) альтернативы или же выделение нескольких лучших альтернатив, ранжирование (разбивку на упорядоченные классы) всех или только выделяемых лучших альтернатив;

Индивидуальные и коллективные решения;

Волевые, интеллектуальные и эмоциональные решения;

Технические, технологические и т.п.;

Оперативные, тактические и стратегические;

Рутинные и уникальные;

Интуитивные и рациональные;

Сложные и простые, и т.д.

Процессы принятия управленческих решений занимают в управленческой деятельности центральное место. Заметим, что не всякое решение является управленческим, а только такое, которое, во-первых, является результатом выбора между несколькими альтернативами, в большинстве случаев приблизительно равноценными с точки зрения принимающего решение, а во-вторых, когда результат выбора как социальное явление влияет на других людей и воспринимается ими в качестве обязательного к исполнению. Если не выполняется первое условие, то принимаемое решение или продиктовано другими людьми, или обстоятельствами, не зависящими от лица, принимающего решение. В этом случае имеем дело с так называемым ритуальным

управлением. В случае невыполнения второго условия имеет место управленческая утопия, а нереальное управление.

Процесс принятия решения как неотъемлемая составляющая каждой из функций управления предполагает наличие следующих факторов:

1. Лицо, принимающее решение (ЛПР) - человек или группа людей, наделенных необходимыми полномочиями для принятия решения и несущих за него ответственность.

2. Управляемые переменные, охватываемые проблемой ситуации, т.е. совокупность факторов и условий, вызывающих появление той или иной проблемы, которыми может управлять ЛПР.

3. Неуправляемые переменные - охватываемые проблемой ситуации, которыми не может управлять ЛПР, но которыми могут управлять другие лица. В совокупности с управляемыми переменными неуправляемые переменные могут влиять на результат выбора, образуя фон проблемы или ее окружающую среду.

4. Ограничения (внутренние и внешние) на значения управляемых и неуправляемых переменных, которые в совокупности определяют область допустимых решений.

5. Критерий (или критерии) для оценки альтернативных вариантов решения. Критерий может быть задан количественной моделью или качественно (в терминах индивидуальных предпочтений или в терминах нечеткой логики).

6. Решающее правило (или система решающих правил) - принципы и методы выбора решения, в результате применения которых получают рекомендации или рекомендуемое решение (хотя окончательный выбор остается за ЛПР).

7. Альтернативы (возможные исходы), зависящие как от значений качественных или количественных управляемых и неуправляемых переменных, так и от самого выбора.

8. Решение, предполагающее существование по крайней мере двух альтернатив поведения (исходов); в противном случае проблемы принятия решения не возникает ввиду отсутствия выбора.

9. Возможности реализации выбранного или принятого решения. Функцию принятия решений можно рассматривать как задачу, которую

(хотя и с разным содержанием) постоянно приходится решать в процессе управленческой деятельности и которая имеет следующую постановку: определить наилучший способ действий для достижения поставленных целей. Здесь под целью понимаются как видение желаемого состояния управляемой системы, так и результат правильной (в определенном смысле) управленческой деятельности. При этом имеется проблема, если желаемое состояние системы не соответствует фактическому. Проблема на своем фоне (совокупность проблемы и ситуации) представляет собой проблемную ситуацию. Для разрешения проблемной ситуации ЛПР стремится выбрать «самое хорошее», оптимальное в определенном смысле решение, надеясь, что оно сохранит это свойство и в перспективе. Если же решение принимается в условиях неопределенности (имеется избыток или недостаток информации, несколько критериев оценки альтернатив и т.п.), то имеет смысл говорить о решениях, оптимальных, по В. Парето (итальянский экономист), которые следует искать среди неулучшаемых альтернатив.

Решение задачи называют допустимым, если оно удовлетворяет огра-ничениям, связывающим как управляемые, так и неуправляемые переменные. Допустимое решение называют оптимальным, если оно обеспечивает желаемый экстремум критерия выбора.

Проблемы, для которых зависимости между переменными выявлены так, что могут быть представлены числами или формализованы таким образом, что также допускают в конце концов численные оценки, определяются как структурированные (или количественно сформулированные). Проблемы, содержащие лишь название важнейших характеристик, ресурсов и при-" знаков, количественные зависимости между которыми не определены, называют неструктурированными (качественно выраженными). Проблемы, которые содержат как качественные, так и количественные элементы, причем качественные и неопределенные аспекты проблемы имеют тенденцию усиливаться, называют слабо структурированными. Модель (описание) слабо-! структурированных проблем может быть построена только на основании дополнительной информации, получаемой от человека или группы лиц, участвующих в решении такой проблемы, для компонентов которой характерньи нечеткость, многовариантность и приближенный (хотя и с сохранением структуры) вид описания.

Если описание (или модель) проблемной ситуации содержит динамическую систему взаимозависимостей между большим количеством переменных: большой размерности с наличием нелинейных связей между ними, а также случайных факторов, то такая проблемная ситуация определяется как слож-, нал. Если же задача статическая, небольшой размерности, с отсутствием нелинейностей и случайных факторов, то такую задачу классифицируют как, простую задачу. Заметим, что термин «сложность» относится именно к описанию проблемной ситуации, а не к природе решаемой проблемы.

Хотя задачи принятия решений сопровождают человечество с момента его зарождения, систематическое их изучение началось лишь в XX в. В последние десятилетия было ясно осознано, что проблема принятия решений междисциплинарна и требует системного подхода. Поэтому в настоящее: время интенсивно разрабатываются тесно связанные между собой математическая, психологическая, организационная, информационная и другие теорий

принятия решений. Проблема принятия решений в управлении социальными процессами представляется настолько сложной, что наряду с использованием системного подхода требует для своего решения установления связей между идеями различных научных дисциплин, философских традиций, часто выходя за пределы науки в ее традиционном понимании и порождая элементы нового видения реальности. Следовательно, речь идет о проникновении «новой» парадигмы в управленческую теорию и практику.

Известно, что в первые десятилетия нашего века физические исследования, по словам физика, лауреата Нобелевской премии Ф. Капры, «привели в соприкосновение со странной и неожиданной реальностью, поколебавшей у физиков основания их мировоззрения и заставившей их мыслить совершенно по-новому. Мир, который они наблюдали, не представлялся более машиной, состоящей из множества отдельных объектов, он был неделимым целым: сетью отношений, которые необходимым образом включали наблюдателя. Стремясь постичь природу явлений, ученые не могли не обнаружить, что их основные понятия, язык, весь способ мышления не годятся для описания открывшейся реальности». В течение последних 30 лет стали говорить о парадигмах и об их смене даже вне науки. Например, так называемая новая (или «третья») парадигма считается, порожденной первой и второй парадигмами. Охарактеризуем очень кратко каждую из них.

В основе первой парадигмы мышления лежит проектирование внешнего мира человека на его внутренний мир которое иррационально, интуитивно, бессознательно. Особую роль играют умения, навыки, ритуалы. Это мифологический образ мышления. В основе второй парадигмы - рациональный подход с линейными причинно-следственными связями. Здесь появляются изобретательство, конструирование. Сформировано представление о Мире как о часовом механизме - механистическое представление мира. В процессах анализа и моделирования сложных систем появилось понятие обратной связи с акцентом на отрицательные обратные связи. В рамках второй парадигмы возникает техногенное производство («механическая жизнь»). Синтаксисом этой парадигмы является математический анализ. Моделирование процессов основывается на понятии «непрерывность», приводящем к так называемой дурной бесконечности и ряду логических парадоксов. Третья, или новая парадигма представляет собой коммуникацию первой и второй парадигм, где в основе лежит принцип равновесия между рациональным и иррациональным, сознательным и бессознательным, научным знанием и интуицией. В рамках третьей парадигмы осуществляется как бы возврат проекции внешнего мира на внутренний мир человека, а сама парадигма понимается как совокупность мыслей, восприятий и ценностей, которые создают определенное видение реальности, оказывающееся основой самоорганизации общества. В третьей парадигме используется синтаксис квантовой механики с собственными значениями и собственными функциями. Механистическая модель мира уступает место биологической с описанием сложных систем как живых. Таким образом, освоение новой («третьей») парадигмы является одной из возможностей формирования современной методологии деятельности, включающей принятие компетентных решений при интегрировании имеющегося опыта, интуиции с достижениями современной науки, накопленными за последние 40-50 лет.

При современном рациональном подходе рекомендации (или изменения типа «сверху - вниз»), казалось бы, оптимальные с рациональной точки зрения, если априори и не обречены на неудачу, то со временем превращаются в разбухшие, искаженные версии первоначальных планов, а отсутствие ясности преобразует бюрократические организации в механизмы для ухода от ответственности. Инструментами новой управленческой парадигмы могут служить «мягкие» аналитические методы, а также «мягкие» технологии принятия решений и «мягкие» управленческие технологии.

Системы управления организацией могут быть описаны по-разному. Описание системы как хорошо отлаженного механизма достаточно эффективно, но имеет ряд недостатков. При этом функционирование организации ориентировано на достижение конечной цели, а сам процесс достижения рассматривается как инструмент или как одна из возможных альтернатив. При отсутствии ясно сформулированной цели такой подход к ее достижению представляется весьма затруднительным и туманным.

Социальная система является сложной системой. Эта сложность усиливается еще и тем, что субъект управления такой системой сам включен в управляемую систему, привнося тем самым в нее еще большую непредсказуемость, неопределенность своими субъективными, эмоциональными реакциями, своими описаниями-и представлениями о самой этой системе, также являющимися атрибутами управляемой системы. Другими словами, принципиальным для таких систем является наличие включенного в систему наблю-" дателя. Встать в позицию внешнего наблюдателя по отношению к социальной системе представляется (даже из чисто теоретических рассуждений) проблематичным. На языке «управляющий - система» это означает, что управляющий включен в систему и, управляя системой, управляет самим собой. Более того, говорить, что управляющий управляет системой, также верно, как и то, что система управляет управляющим.

Одним из наиболее важных результатов такого описания является понимание того, что управление неотделимо от системы и никакая группа-управляющих не составляет изолированного блока. Каждый управляющий находится внутри системы, связан с ней сложной сетью взаимодействий и,; можно сказать, что он управляет собой в структуре системы. Эта замкнутая ситуация лежит в основе многих парадоксов, включая один из древнейших

парадоксов Эпименида о брадобрее, которому было приказано брить тех, кто не бреет себя сам. Проблемы не существует до тех пор, пока не возникает вопрос о том, что делать самому брадобрею. Тогда имеем неразрешимую проблему: если брадобрей будет брить себя сам, то он не должен себя брить, если же он не будет себя брить, то должен себя брить, т.е. из любой из этих посылок следует ее отрицание и, следовательно, утверждение совпадает со своим отрицанием. Аналогичен этому парадокс лжеца: житель острова говорит, что каждый, живущий на острове, - лжец. В математике известен парадокс Рассела: множество всех множеств, не содержащих себя в качестве своего элемента. Математика объясняет возникновение парадоксов непредикативностью определений, когда то, что определяется, принимает участие в собственном определений. Если наблюдатель является частью наблюдаемой им системы, а управляющий управляет собой в составе организации, то можно увидеть непредикативность и парадоксальность такой ситуации. В этом случае говорят, что имеется семантическая петля, а систему называют операционально замкнутой (или живой). Из этого тупика намечается выход: появляются новые подходы к структурированию ситуаций такого рода на основе современных математических подходов, использующих многозначные логики, нечеткие множества, фрактальные структуры, современные (формальные и неформальные) методы анализа данных и т.п. Операционально замкнутые системы занимают как бы промежуточное положение между открытыми и замкнутыми системами. С одной стороны, они могут реагировать на входной сигнал, что делает их похожими на открытые системы, с другой стороны, они - «непослушные» системы, системы с «характером», с «настроением» или, как говорят, обладают внутренним состоянием. Уместно вспомнить известный из психологии пример, когда, глядя на один и тот же рисунок, одни люди видят профили двух человеческих лиц, расположенных друг против друга, а другие -контур вазы для цветов. Простейшими формальными моделями таких систем являются нетривиальная машина У. Эшби и биологические автоматы известного советского математика М. Цетлина.

Живые системы реагируют на входящий сигнал в зависимости от своего внутреннего состояния. При этом воздействие среды на систему может порождать континуум реакций (т.е. столько реакций, сколько существует точек на прямой), так что с позиций теоретического внешнего наблюдателя такая ситуация может рассматриваться как отсутствие реакции на входящий сигнал (свойство автономии). Считается, что окружающая среда влияет на систему только как источник модуляций, вызывающих спонтанные изменения структуры внутренних связей в ограничениях, налагаемых организацией системы. Поэтому реакции системы на одинаковые, с точки зрения внешнего наблюдателя, воздействия среды могут быть совершенно различными и, вообще говоря, не являться реакциями. Это происходит не только потому, что поведение системы определяется в основном текущим состоянием структуры, невидимой внешнему наблюдателю, но и от того, что некоторый входящий сигнал, зафиксированный наблюдателем, может не восприниматься системой как входящий, и наоборот.

Операционально замкнутая система функционирует согласно двум принципам самоорганизации:

Операционально замкнутая система обладает собственным поведением;

Операционально замкнутая система изменяется путем естественного дрейфа.

Собственное поведение системы - это такое особое состояние системы, которое в процессе функционирования становится результатом стабилизации последовательности ее состояний. Так, если в качестве примера рассматривать процесс обсуждения государственными служащими некоторой проблемы, то собственное поведение системы можно интерпретировать как ситуацию «договоренности» или «разрешения» этой проблемы. Если рассматривать совокупность состояний системы в процессе ее функционирования как бесконечную последовательность, то можно показать, что в качестве своего предела она имеет собственное поведение системы, которое, оказывается, в соответствии с полученным математическим соотношением совпадает с самим процессом, т.е. в смысле математического равенства результат и процесс неразличимы.

Следовательно, возможен двоякий подход к процессам управления и принятия решений: акцент можно делать на формулировании и достижении конечной цели, а можно акцентировать внимание на разумной, правильной в определенном смысле организации самого процесса управления или процесса принятия решения. Первый подход, ориентированный на конечное целе-полагание, находится в концепции регулярного управления, задающего основные стандарты, процедуры и правила управления. Этот подход является достаточно традиционным в теории и практике управления. Второй подход, ориентированный на правильную организацию самого процесса принятия решения и управления, больше соответствует контексту управления изменениями, или управлению в режиме реального времени. Один подход не исключает другой, они только дополняют друг друга, подобно тому, как в физике рассматривается свет и как волна, и как частица.

Эффективность использования на практике того или иного подхода зависит от содержания конкретной проблемы, которую необходимо разрешить. В различных технологиях принятия решений на разных этапах указанные подходы могут применяться как автономно друг от друга, так и переплетаться в разных комбинациях. При этом эволюция процесса представляется как дрейф от одного собственного состояния к другому собственному состоянию

системы. Под естественным дрейфом понимают неустойчивое движение системы в окрестностях ее собственного поведения. Следовательно, эволюционное развитие системы можно рассматривать как движение системы по ее собственным поведениям (значениям). При этом известно, что операционально замкнутая система имеет конечное или счетное число собственных поведений. Таким образом, множество собственных поведений операционально замкнутой системы дискретно, и функционирование системы с позиции теоретического внешнего наблюдателя представляет собой последовательный дискретный переход системы из одного собственного состояния в другое собственное состояние. Такой процесс называют квантованием социальных систем.

Описание функционирования операционально замкнутой системы по своему синтаксису напоминает описание движения электрона в модели атома Н. Бора, где нахождение электрона на орбите соответствует собственному поведению системы, «скачки» с одной орбиты на другую - переходу системы из одного собственного состояния в другое собственное состояние.

Если представить среду как живую систему с самоорганизующимся поведением, становится понятным, что сама система может фактически наделять внешнее окружение собственными значениями. Это также следует из существования прогностического свойства живой системы, связанного с тем, что любое описание, если его рассматривать как реальное, имеет последствия. Или, как утверждает Дж. Сорос, «описание формирует будущее». В связи с этим на основе формирования эффективных прагматических карт участников процесса принятия решений возникает необходимость в генерации «карты будущего», в процессе которой важно не только понять настоящую и желаемую ситуацию, но и пережить некоторый опыт. Это связано с формированием ситуации и созданием условий для возможной самоорганизации системы. Суть самоорганизации заключается в том, что имеются самопорождающиеся структуры, которые порождают карты будущего так, что осуществляют взаимодействие с картой будущего

В качестве иллюстрации того, что такое самоорганизация, можно привести следующий пример. Имеется аудитория с несколькими тысячами человек, каждый из которых держит в руках палку, одна половина которой зеленого, а другая - красного цвета. На зеленом экране изображен круг, а на нем - зеленая «пятерка» - цифра пять зеленого цвета. Лидеры предлагают сидящим в зале посмотреть на экран, а затем, подняв палку зеленым или красным концом вверх, восстановить изображение на экране (после того, как оно было с него убрано). Зал сканируют. Сначала на экране появляются красные и зеленые пятна случайных и неопределенных конфигураций, но менее чем через четыре минуты картина становится устойчивой: изображение на экране восстановлено. На этом примере видно, что хотя никто не мог

даже предположить, каким образом прийти к результату и что задача в принципе решаема, но, представив будущее визуально и задав совершенно конкретно, синтаксически правильно ситуацию, люди в аудитории просто ДАЛИ правильно ответ на вызов лидеров. Они это сделали без всяких инструкций, только за счет ВИДЕНИЯ желаемого результата. Это пример того, как живая система с правильно заданным синтаксисом и «сформированным» желаемым результатом может породить этот результат. Порождают эти системы сначала собственные описания, которые затем становятся собственными значениями (собственными поведениями). Таким образом, результат может быть получен в ответ на вызов с видением результата, с верой и желанием его достичь, с обращением на него внимания других: нужна ясная структура, чтобы выйти на прагматические собственные значения.

Суть «новой парадигмы» состоит в определенном отходе от управленческого рационализма, от изначального убеждения, что успех организации определяется прежде всего рационализацией процессов в ней. Организации необходимо заботиться об адаптивности своих внутренних систем, извлекать максимум выгоды из имеющихся возможностей. В этом случае организационные механизмы приспосабливаются к выявлению новых проблем и выработке новых решений больше, чем к контролю уже принятых ранее. Маневр в распределении ресурсов ценится выше, чем пунктуальность в их расходовании. Организация, агрессивно действующая в своей среде, новаторская в научно-техническом отношении, ориентированная на качество, а не на количество, адаптивная по внутреннему строению своих систем, все в большей степени зависит от человеческого фактора, который неотделим от компетенции, эффекта команды, развертывания систем стратегического управления.

Как отмечено выше, автономная система реагирует на управляющие толчки непредсказуемым образом. Известно также, что результат человеческого действия лишь частично соответствует намерениям и расчету. Типичными примерами ограниченной управляемости социальных систем служат переговоры, обсуждение проблемы, поиск решений группой экспертов. Здесь никто не контролирует ситуацию целиком, скорее сам процесс управляет участниками.

Как говорил всемирно известный английский ученый Cm Бир: «Управление системой есть способность общаться с ней, понимать ее внутренний язык и уметь пользоваться им, будучи компетентным собеседником». Другими словами, надо стремиться, чтобы синтаксис анализа, описания системы и управления ею соответствовали синтаксису функционирования самой системы. Именно это имеют в виду, говоря об экологичности управления. В связи с последним замечанием в рамках современных аналитических технологий, технологий принятия решений и управления социальными системами,

связанными со сменой парадигмы, появляется так называемый экологичный подход к проблеме: от экологии мышления к экологии управления с требованием экологичности каждого описания.

Заметим, что описание системы как открытой или операционально замкнутой порождено наблюдателем. Эти описания не противоречат и не исключают друг друга: каждое из них имеет свою область эффективности. Однако ясно, что такие системы, как экологическая, социальная, геополитическая и другие, могут быть в соответствии с их организацией представлены как операционально замкнутые.

Инструментами анализа и принятия решений в рамках новой парадигмы могут служить методология «мягких» систем, мета-модель, модели «точности», системной технологии вмешательства, организационного развития и другие, а также новые технологии анализа информации, работающие в «мягком» контексте. Это означает, что наряду с применением современного формального (математического) аппарата в управленческих и аналитических исследованиях, а также в самом процессе принятия управленческих решений целесообразно использовать как ресурс профессиональный опыт и интуицию субъектов управления.

Способность получать качественную информацию, представлять ее в полезном виде и эффективно действовать на этой основе - один из самых ценных навыков в управлении социальными процессами. Это особенно важно в условиях динамичного хаотического формирования общественных отношений, когда проведение анализа социальных систем только с помощью формального аппарата не представляется целесообразным и даже возможным. В этих условиях имеет место отход от рациональных методов анализа и механистического описания системы и переход к описанию организации как живой, с «мягкими» и неформальными подходами к ее анализу, принятию решений и управлению такой системой.

Литература

Вир Ст. Мозг фирмы. - М., 1993.

Диев B.C. Управленческие решения: неопределенность, модели, интуиция. -Новосибирск, 1998.

Зотов В. Б. Территориальное управление (методология, теория, практика). -М., 1998.

Капра Ф. Уроки мудрости. - М., 1996.

Купряшин Г.Л., Соловьев A.M. Государственное управление: Учебное пособие. -М., 1996.

Сорос Дж. Алхимия финансов. - М., 1997.

Управление организацией: Учебник / Под ред. А.Г. Поршнева, З.П. Румянцевой, Н.А. Соломатина. - М, 1998.

Фатхутдинов Р.А. Разработка управленческого решения: Учебное пособие. -М., 1997.

Хайек Ф.А. Пагубная самонадеянность. - М., 1992. Юкаева B.C. Управленческие решения: Учебное пособие. - М., 1999.

Исследование операций – это комплексная математическая дисциплина, занимающаяся построением, анализом и применением математических моделей принятия оптимальных решений при проведении операций.

Предмет исследования операций - системы организационного управления или организации, которые состоят из большого числа взаимодействующих между собой подразделений не всегда согласующихся между собой и могут быть противоположны.

Цель исследования операций - количественное обоснование принимаемых решений по управлению организациями

Операция – система управляемых действий, объединенная единым замыслом и направленная на достижение определенной цели.

Набор управляющих параметров (переменных) при проведении операции называется решением . Решение называется допустимым , если оно удовлетворяет набору определенных условий. Решение называется оптимальным , если оно допустимо и, по определенным признакам, предпочтительнее других, или, по крайней мере, не хуже.

Признак предпочтения называется критерием оптимальности.

Критерий оптимальности включает в себя целевую функцию направление оптимизации или набор целевых функций и соответствующих направлений оптимизации.

Целевая функция – это количественный показатель предпочтительности или эффективности решений.

Направление оптимизации - это максимум (минимум), если наиболее предпочтительным является наибольшее (наименьшее) значение целевой функции. Например, критерием может быть максимизация прибыли либо минимизация затрат.

Математическая модель задачи ИО включает в себя:

1) описание переменных, которые необходимо найти;

2) описание критериев оптимальности;

3) описание допустимых решений (ограничений, накладываемых на переменные)

Цель ИО – количественно и качественно обосновать принимаемое решение. Окончательное решение принимает ответственное лицо либо группа лиц, называемое ЛПР – лицо, принимающее решение.

Вектор, удовлетворяющий системе ограничений, называется допустимым решением или планом ЗЛП . Множество всех планов называется допустимой областью или областью допустимых решений . План, который доставляет максимум (минимум), целевой функции называется оптимальным планом или оптимальным решением ЗЛП . Таким образом, решить ЗЛП – значит найти ее оптимальный план.

Привести общую ЗЛП к основной очень просто, используя следующие очевидные правила.

Минимизация целевой функции f равносильна максимизации функции g = – f .

Ограничение в виде неравенства равносильно уравнению при условии, что дополнительная переменная.

Если на некоторую переменную x j не накладывается условие неотрицательности, то делают замену переменной,.

Линия уровня функции f , т. е. линию, вдоль которой эта функция принимает одно и то же фиксированное значение с , т. е. f (x 1 , x 2)= c

Множество точек называется выпуклым , если оно вместе с любыми двумя своими точками содержит весь отрезок, соединяющий эти точки.

В случае двух переменных множество решений линейного неравенства (уравнения) представляет собой полуплоскость (прямую).

Пересечение этих полуплоскостей (и прямых, если в системе ограничений есть уравнения) представляет собой допустимую область. Если она не пуста, то является выпуклым множеством и называется многоугольником решений .

В случае трех переменных допустимая область ЗЛП есть пересечение полупространств и, возможно, плоскостей, и называется многогранником решений

Система линейных уравнений называется системой с базисом , если в каждом уравнении содержится неизвестное с коэффициентом, равным 1, отсутствующее в остальных уравнениях системы. Эти неизвестные называются базисными , остальные – свободными .

Систему линейных уравнений будем называть канонической , если она является системой с базисом и все b i ≥ 0. Базисное решение в этом случае оказывается планом, т. к. его компоненты неотрицательны. Назовем его базисным (или опорным ) планом канонической системы.

ОЗЛП будем называть канонической (КЗЛП), если система линейных уравнений этой задачи – каноническая, а целевая функция выражена только через свободные неизвестные.

Т. Если в симплекс-таблице среди коэффициентов при каком-либо свободном неизвестном имеется хотя бы один положительный элемент, то возможен переход к новой канонической задаче, равносильной исходной, в которой указанное свободное неизвестное оказывается базисным (при этом одно из базисных неизвестных переходит в число свободных).

Теорема 2 . (об улучшении базисного плана) j , а в столбце х j имеется хотя бы один положительный элемент, причем ключевое отношение >0, то возможен переход к равносильной канонической задаче с не хужим базисным планом.

Теорема 3 . (достаточное условие оптимальности) . Если все элементы индексной строки симплекс-таблицы задачи максимизации неотрицательны, то базисный план этой задачи является оптимальным, а с 0 есть максимум целевой функции на множестве планов задачи.

Теорема 4 . (случай неограниченности целевой функции) . Если в индексной строке симплекс-таблицы задачи максимизации содержится отрицательный элемент с j , а в столбце неизвестного х j все элементы неположительны, то на множестве планов задачи целевая функция не ограничена сверху.

Симплекс-метод:

Записываем данную КЗЛП в исходную симплекс-таблицу.

Если все элементы индексной строки симплекс-таблицы неотрицательны, то базисный план задачи является оптимальным (теорема 3).

Если в индексной строке содержится отрицательный элемент, над которым в таблице нет ни одного положительного, то целевая функция не ограничена сверху на множестве планов и задача не имеет решений (теорема 4).

Если над каждым отрицательным элементом индексной строки имеется в таблице хотя бы один положительный, то следует перейти к новой симплекс-таблице, для которой базисный план не хуже предыдущего (теорема 2). С этой целью (см. доказательство теоремы 1)

выбираем в таблице ключевой столбец, в основании которого находится какой-либо отрицательный элемент индексной строки;

выделяем ключевое отношение (минимальное из отношений b i к положительным элементам ключевого столбца), знаменатель которого будет ключевым элементом;

составляем новую симплекс-таблицу; для этого делим ключевую строку (строку, в которой находится ключевой элемент) на ключевой элемент, а затем из всех остальных строк (включая индексную) вычитаем полученную строку, умноженную на соответствующий элемент ключевого столбца (чтобы все элементы этого столбца, кроме ключевого, стали равны 0).

При рассмотрении полученной симплекс-таблицы непременно представится один из трех случаев, описанных в пп. 2, 3, 4. Если при этом возникнут ситуации пп. 2 или 3, то процесс решения задачи завершается, если же возникнет ситуация п. 4, то процесс продолжается.

Если учесть, что число различных базисных планов конечно, то возможны два случая:

через конечное число шагов задача будет решена (возникнут ситуации пп. 2 или 3);

начиная с некоторого шага возникает зацикливание (периодическое повторение симплексных таблиц и базисных планов).

Эти задачи называются симметричными двойственными задачами . Отметим следующие особенности, связывающие эти задачи:

Одна из задач является задачей максимизации, а другая – минимизации.

В задаче максимизации все неравенства – ≤, а в задаче минимизации – ≥.

Число неизвестных одной задачи равно числу неравенств другой.

Матрицы коэффициентов при неизвестных в неравенствах обеих задач являются взаимно транспонированными.

Свободные члены неравенств одной из задач равны коэффициентам при соответствующих неизвестных в выражении целевой функции другой задачи.

Алгоритм построения двойственной задачи.

1. Привести все неравенства системы ограничений исходной задачи к одном смыслу – к каноническому виду.

2. Составить расширенную матрицу системы А, в которую включить столбец b i и коэффициенты целевой функции F.

3. Найти транспонированную матрицу А Т.

4. Записать двойственную задачу.

Теорема 5. Значение целевой функции задачи максимизации для любого ее плана не превосходит значения целевой функции двойственной к ней задачи минимизации для любого ее плана, т. е. имеет место неравенство:

f (x ) ≤ g (y ),

называемое основным неравенством двойственности .

Теорема 6. (достаточное условие оптимальности ). Если для некоторых планов двойственных задач значения целевых функций равны, то эти планы являются оптимальными.

Теорема 7. (основная теорема двойственности ). Если ЗЛП имеет конечный оптимум, то двойственная к ней также имеет конечный оптимум, и оптимальные значения целевых функций совпадают. Если целевая функция одной из двойственных задач не ограничена, то условия другой задачи противоречивы.

Теорема 8. (о дополняющей нежесткости ). Для того чтобы допустимые решения и двойственных задач являлись оптимальными, необходимо и достаточно, чтобы выполнялись следующие соотношения:

Ценности ресурсов прямой ЗЛП представляет собой значения переменных в оптимальном решении двойственной задачи.

Компоненты оптимального решения двойственной ЗЛП равны соответствующим элементам индексной строки оптимальной симплекс-таблицы прямой задачи, отвечающим дополнительным переменным.

Теорема 11. (критерий оптимальности плана транспортной задачи). Для того чтобы план перевозок) был оптимальным, необходимо и достаточно, чтобы существовали числа () и (), удовлетворяющие следующим условиям:

а) для всех базисных клеток плана (>0);

б) для всех свободных клеток (=0).

Метод потенциалов

Шаг 1. Проверить является ли данная транспортная задача закрытой. Если да, то перейти ко второму шагу. Если нет, то свести ее к закрытой задаче путем введения либо фиктивного поставщика, либо фиктивного потребителя.

Шаг 2. Найти исходное опорное решение (исходный опорный план) закрытой транспортной задачи.

Шаг 3. Проверить полученное опорное решение на оптимальность:

вычислить для него потенциалы поставщиков u i и потребителей v j

для всех свободных клеток (i , j ) вычислить оценки;

если все оценки неположительны (), то решение задачи окончено: исходный опорный план оптимален. Если среди оценок есть хотя бы одна положительная, то переходим к четвертому шагу.

Шаг 4. Выбрать клетку (i * ,j * ) с наибольшей положительной оценкой и для нее построить замкнутый цикл перераспределения груза. Цикл начинается и заканчивается в выбранной клетке. Получим новое опорное решение, в котором клетка (i * , j * ) окажется занятой. Возвращаемся к третьему шагу.

Через конечное число шагов будет получено оптимальное решение, т. е. оптимальный план перевозок продукции от поставщиков к потребителям.

Точка называется точкой локального максимума , если существует окрестность этой точки такая, что

Необходимые условия оптимальности

Для того, чтобы функция одной переменной имела в точке x * локальный экстремум, необходимо, чтобы производная функции в этой точке была равна нулю,

Для того, чтобы функция имела в точке локальный экстремум, необходимо, чтобы все ее частные производные в этой точке обращались в ноль

Если в точке x * первая производная функции равна нулю, а вторая производная >0, то функция в точке x * имеет локальный минимум, если 2 произв,<0 то функция в точке x * имеет локальный максимум.

Теорема 4. Если функция одной переменной имеет в точке x * производные до (n - 1) порядка, равные нулю, и производная n порялка не равна 0, то тогда,

если n четно, то точка x * является точкой минимума, если,fn(x)>0

точкой максимума, если fn(x)<0.

Если n нечетно, то точка x * – точка перегиба.

Числовая матрица называется матрицей квадратичной формы .

Квадратичная форма (5) называется положительно определенной , если для Q(X) >0 и отрицательно определенной , если для.Q(X)<0

Симметричная матрица A называется положительно определенной , если построенная по ней квадратичная форма (5) положительно определена.

Симметричная матрица называется отрицательно определенной , если построенная по ней квадратичная форма (6) отрицательно определена.

Критерий Сильвестра: матрица является положительно определенной, если все ее угловые миноры больше нуля.

Матрица является отрицательно определенной, если знаки угловых миноров чередуются.

Для того чтобы матрица была положительно определенной, необходимо, чтобы все ее собственные числа были больше нуля.

Собственные числа – корни многочлена .

Достаточное условие оптимальности задается следующей теоремой.

Теорема 5. Если в стационарной точке матрица Гессе положительно определена, то эта точка – точка локального минимума, если матрица Гессе отрицательно определена, то эта точка – точка локального максимума.

Конфликт - это противоречие, вызванное противоположными интересами сторон.

Конфликтная ситуация – ситуация, в которой участвуют стороны, интересы которых полностью или частично противоположны.

Игра - это действительный или формальный конфликт, в котором имеется по крайней мере два участника, каждый из которых стремится к достижению собственных целей

Правилами игры называют допустимые действия каждого из игроков, направленные на достижение некоторой цели.

Платежом называется количественная оценка результатов игры.

Парная игра – игра, в которой участвуют только две стороны (два игрока).

Игра с нулевой суммой или антагонистическая - парная игра, при которой сумма платежа равна нулю, т. е. если проигрыш одного игрока равен выигрышу другого.

Выбор и осуществление одного из действий, предусмотренных правилами, называется ходом игрока . Ходы могут быть личными и случайными.

Личный ход – это сознательный выбор игроком одного из возможных действий (например, ход в шахматной игре).

Случайный ход – это случайно выбранное действие (например, выбор карты из перетасованной колоды).

Стратегия игрока - это однозначный выбор игрока в каждой из возможных ситуаций, когда этот игрок должен сделать личный ход.

Оптимальная стратегия - это такая стратегия игрока, которая при многократном повторении игры обеспечивает ему максимально возможный средний выигрыш или минимально возможный средний проигрыш.

Платежная матрица – полученная матрица A или, иначе, матрица игр ы.

Конечной игрой размерности (m  n) называется игра, определенная матрицей А размерности (m  n).

Максимином или нижней ценой игры назовем число alpa = max(i)(min aij)(j)

а соответствующая ему стратегия (строка) максиминной .

Минимаксом или верхней ценой игры назовем число Beta = min(j)(max aij)i

а соответствующая ему стратегия (столбец) минимаксной .

Нижняя цена игры всегда не превосходит верхнюю цену игры.

Игрой с седловой точкой называется игра для которой. Alp = beta

Ценой игры называется величина, v если.v = alp = beta

Смешанной стратегией игрока называется вектор, каждая из компонент которого показывает относительную частоту использования игроком соответствующей чистой стратегии.

Теорема 2 . Основная теорема теории матричных игр.

Всякая матричная игра с нулевой суммой имеет решение в смешанных стратегиях.

Т 3

Если один из игроков применяет оптимальную смешанную стратегию, то его выигрыш равен цене игры  в не зависимости от того, с какими частотами будет применять второй игрок свои стратегии (в том числе и чистые стратегии).

игрой с природой – игра, в которой мы не обладаем информацией о поведении партнера

Риском r ij игрока при выборе стратегии А i в условиях H j называется разность

r ij = b j - a i ,

где b j - максимальный элемент в j - м столбце.

Графом называется совокупность непустого множества, называемого

множеством вершин графа и множества пар вершин, которые называются

ребрами графа.

Если рассматриваемые пар вершин являются упорядоченными, то граф

называется ориентированным (орграф), в противном случае –

неориентированным. В

Маршрутом (путем) в графе, соединяющем вершины А и В, называется

последовательность ребер, первое из которых выходит из вершины А, начало

последующего совпадает с концом предыдущего, а последнее ребро входит в

вершину В.

Граф называется связным, если для любых двух его вершин существует путь,

их соединяющий. В противном случае граф называется несвязным.

Граф называется конечным, если число его вершин конечно.

Если вершина является началом или концом ребра, то вершина и ребро

называются инцидентными. Степенью (порядком) вершины называется число инцидентных ей ребер

Эйлеров путь (эйлерова цепь) в графе - это путь, проходящий по всем

рѐбрам графа и притом только по одному разу.

Эйлеров цикл - это эйлеров путь, являющийся циклом.

Эйлеров граф - граф, содержащий эйлеров цикл.

Полуэйлеров граф - граф, содержащий эйлеров путь (цепь).

Теорема Эйлера.

Эйлеров цикл существует тогда и только тогда, когда граф связный и в нѐм

отсутствуют вершины нечѐтной степени.

Теорема. Эйлеров путь в графе существует тогда и только тогда, когда граф

связный и число вершин нечѐтной степени равно нулю или двум.

Деревом называется связный граф без циклов, имеющий исходную вершину

(корень) и крайние вершины (степени 1); пути от исходной вершины к крайним вершинам называются ветвями.

Сетью (или сетевым графиком) называется ориентированный конечный

связный граф, имеющий начальную вершину (источник) и конечную вершину (сток).

Весом пути в графе будем называть сумму весов его ребер.

Кратчайшим путем из одной вершины в другую будем называть путь

минимального веса. Вес этого пути будем называть расстоянием между

вершинами.

Работа – это протяженный во времени процесс, требующий затрат ресурсов,

либо логическая зависимость между двумя или несколькими работами

Событие – результат выполнения одной или нескольких работ

Путь – это цепочка следующих друг за другом работ, соединяющих

начальную и конечную вершины.

Продолжительность пути определяется суммой продолжительностей

составляющих его работ.

Правила составления сетевых графиков.

1. В сетевом графике не должно быть тупиковых событий (кроме

завершающего), т. е. таких, за которыми не следует ни одной работы.

2. Не должно быть событий (кроме исходного), которым не предшествует хотя

бы одна работа.

3. В сетевом графике не должно быть циклов.

4. Любые два события связаны не более, чем одной работой.

5. Сетевой график должен быть упорядочен.

Любой путь, начало которого совпадает с исходным событием, а конец – с

завершающим, называется полным путем. Полный путь, имеющий максимальную

продолжительность работ, называется критическим путем

Иерархия есть определенный тип системы, основанный на предположении, что элементы системы могут группироваться в несвязанные множества

Описание метода анализа иерархий

Построение матриц парных сравнений

Находим лямбда макс и решаем систему относительно вектора весов

Синтез локальных приоритетов

Проверка согласованности матриц парных сравнений

Синтез глобальных приоритетов

Оценка согласованности всей иерархии