Вы находитесь на странице: 1из 51

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ

КАЗАХСТАН
Некоммерческое АО «Алматинский университет энергетики и связи»
Институт систем управления и информационных технологий
Кафедра « IT инжиниринг»

«Использовать в режиме апробации»


Зав. кафедрой «IT инжиниринг»
___________ А.А Досжанова
«___» _________ 2019 г.

ЛЕКЦИОННЫЙ КОМПЛЕКС
по дисциплине
«Теория принятия решений»

для студентов специальности


5В070300 – Информационные системы

Алматы, 2019

1
Лекция 1. ВВЕДЕНИЕ. ЦЕЛИ И ЗАДАЧИ ДИСИЦИПЛИНЫ
«ТЕОРИЯ ПРИНЯТИЯ РЕШЕНИЙ»

Содержание: Основные этапы принятия решений. Методы поддержки принятия


решений. Модели проектных решений в условиях определенности и в условиях
неопределенности. Инструменты проектного анализа (1 час).

Принятие решений в профессиональном отношении представляет собой


особый вид человеческой деятельности, который состоит в обоснованном
выборе наилучшего в некотором смысле варианта или нескольких
предпочтительных вариантов из имеющихся. По – английский этот термин
звучит как decision making, т.е. буквально означает «делание» или создание
решения, что более адекватно смыслу этого словосочетания.
Задачи принятия решений часто отождествляются с задачами выбора,
являющегося одними из самых распространенных задач, с которыми человек
сталкивается в своей деятельности. В повседневной жизни человеку
постоянно приходится делать выбор того или иного товара, покупаемого в
магазине, блюда, заказываемого в кафе или ресторане, маршрута поездки или
вида транспорта и т.п. В силу повторяемости, стереотипности ситуаций
выбора человек принимает решение, почти не задумываясь, част интуитивно
или по аналогии. Лучший вариант обычно находится без какого-либо особого
анализа.
В более сложных и соответственно более реальных, уникальных
ситуациях человек более тщательно подходит к своему выбору. Прежде чем
принять решение, он старается детально рассмотреть, оценить и сопоставить
различные варианты, учесть разные точки зрения.
Еще более сложные задачи выбора возникают в профессиональной
деятельности каждого руководителя, ученого, конструктор, врача,
экономиста, финансиста, бизнесмена, военачальника. Этот список можно
продолжить достаточно долго. Для сравнения различных вариантов лействий
приходится проводить всесторонний, иногда достаточно сложный анализ
проблемной ситуации, разрабатывать для этого специальные модели,
привлекать к выработке вариантов решения специалистов, экспертов,
консультантов, аналитиков; использовать средства вычислительной техники,
строить компьютерные системы поддержки принятия решений.
Подобного рода проблемы возникают у людей, занятых управлением
сложными техническими объектам (энергетическими системами и
установками, летательными аппаратами, кораблями и т.д.) Здесь ситуация
осложняется тем, что решение требуется принять оперативно, в реальном
масштабе времени, практически не имея возможности для детального
анализа всех альтернативных вариантов и возникающих последствий их
реализации.
Необходимость обоснования выбора присутствует во всех сферах
деятельности человека. Особенно это важно в управлении организационными
и техническими системами.
2
Часто в ситуациях принятия сложных решений всегда существует
недостаток информации. Часто нужной информации отсутствует, а
имеющаяся информация может быть противоречивой. Опытный
руководитель или специалист покрывает неполную информацию своими
знаниями, умением и интуицией. Принятие верных решений в сложных
ситуациях является своего рода искусством, которым владеют немногие.
Однако одного искусства в принятии решений в современных условиях
мало. Возросла динамичность жизни; сократился период времени, в течение
которого принятые ранее решения остаются верными; повысилась
сложность вариантов принимаемых решений, их взаимозависимость и
взаимосвязь; существенно увеличились возможные риски и
неопределенность последствий, масштабы и размеры потерь в случае
принятия недостаточно обоснованных решений. В следствие, существенно
возросла ответственность человека на принятие наилучшего, «самого
правильного» решения, увеличились трудности, связанные с его
нахождением, преодолеть которые невозможно без использования всего
арсенала средств, накопленных современной теорией принятия решений.
Изучением проблемы принятия решений и созданием методов выбора
занимаются различные научные дисциплины. Они развивались независимо
друг от друга. К ним относятся теория принятия решений, системный анализ,
исследование операций, теория статистических решений, теория игр, теория
оптимального управления, экономическая кибернетика, информатика и др.
Эти дисциплины с разных точек зрения анализируют механизмы, процессы и
правила выбора применительно к объектам различной природы и в
различных условиях их существования. Все вместе они образуют
многодисциплинарную науку, помогающую человеку сделать обыкновенный
выбор.
Теория принятия решений как самостоятельное научное направление
сложилась в середине 20-века.
Основное назначение теории принятия решений состоит в разработке
методов и средств, позволяющих одному человеку или сформулировать
множество возможных вариантов решения проблемы, сравнить их между
собой, найти среди них лучшие или допустимые варианты, которые
удовлетворяют тем или иным требованиям (ограничениям), и при
необходимости объяснить сделанный выбор.
Теория принятия решений может оказать существенную помощь в
анализе и решении проблем, но лишь тогда, когда ее методологические и
математические средства применяются «правильно», соответственно их
возможностям, не преувеличивая и не умаляя их роли в процессе
нахождения решения.
Существуют две противоположные точки зрения на роль формальных
методов при решении практических проблем выбора. Люди,
профессионально не владеющие математическими методами, нередко
считают, что любая проблема может быть формально переведена на язык
математики и потом решена ее средствами. Другие полностью отвергают
3
такие возможности. Действительность же гораздо сложнее этих крайних
утверждений.
Любые ситуации, требующие принятия решения, содержат, как правило,
большое число неопределенных факторов, которые оказывают влияние как
на формальную постановку задачи, так и средства ее решения. Эти
неопределенные факторы можно разбить на три группы:
- неопределенность природы;
- неопределенность человека;
- неопределенность целей.
Ясно, что полностью свести подобные задачи с неопределенностью к
корректно поставленным математическим задачам нельзя в принципе. Чтобы
сделать возможным их решения, надо как-то ограничить, уменьшить или, как
говорят, «снять» неопределенность. Для этого производится содержательный
анализ проблемной ситуации, делаются какие-либо предположения и
вводятся упрощения в постановку задачи. Очень часто такие средства
позволяют получить дополнительную информацию, нужную для для
формализации реальной проблемной ситуации и приведение ее к виду,
пригодному для использования математических методов и получаемого
приемлемого результата.
Участники процесса решения. Конечный результат любого решения
проблемы определяется многими участниками, имеющими различные
функции. Главное место принадлежит человеку или группе людей, которые
фактически осуществляет выбор предпочтительного решения. В теории
принятия решений такого человека или группу таких людей называют лицом,
принимающим решение (ЛПР), или действующим лицом (англ. decision
maker, DM, actor). Обычно в роли ЛПР выступает руководитель или группа
компетентных в своей области специалистов, обладающих
соответствующими знаниями и опытом деятельности, наделенных
необходимыми полномочиями для принятия решения и несущих
ответственность за реализацию принятого решения.
Иногда целесообразно выделить владельца проблемы (ВП) - человека
или группу лиц, имеющих основания и мотивы для постановки проблемы,
осознающих необходимость ее решения, инициирующих тем или иным
образом принятие и выполнение нужного решения. В ряде случаев ВП и ЛПР
могут быть одним и тем же человеком, но могут быть и разными людьми.
В сложных ситуациях выбора на разных этапах процесса подготовки и
принятия решения могут привлекаться эксперты (Э) и консультанты по
принятию решений (К). Эксперты (лат. expertus – опытный) –
компетентные специалисты, профессионально разбирающихся в решаемой
проблеме и отдельных ее аспектах, но не несущие ответственности за
принятое решение и его реализацию. Консультанты по принятию решений
оказывают помощь ЛПР и владельцу проблемы в организации процесса ее
решения, в правильной постановке задачи принятия решения, обеспечивают
сбор необходимой информации, разрабатывают модель проблемы процедуры
и методы принятия решения.
4
Контрольные вопросы:
1. Назовите основные цели дисциплины «Теория принятия решений».
2. Какие задачи являются основными в «Теории принятия решений»?
3. Кто может быть ЛПР?
4. Какие задачи решают эксперты?
5. Кто могут быть консультантами?

Лекция 2. ЗАДАЧИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ


ПРОЕКТОМ

Содержание: Основные процессы жизненного цикла проекта. Постановка задачи


принятия решения. Проектный анализ. Содержание проектного анализа. Экономический
анализ. Технический анализ. Организационный анализ. Социальный анализ.
Экологический анализ. Финансовый анализ. Анализ риска.(1 час)

Понятие проекта. Под проектом понимают любой вид человеческой


деятельности либо совокупность работ, направленных на извлечение
определенных выгод от использования ресурсов. Каждый способ
использования ограниченных ресурсов связан с реализацией определенных
проектов. К проектам можно отнести любую целесообразную деятельность,
например, по покупке ценных бумаг, размещение свободных денежных
средств в банк, строительство новых и реконструкция действующих объектов
и других.
Ресурсы, как правило, ограничены, и поэтому члены общества
заинтересованы в их максимально эффективном использовании. К понятию
проекта может быть отнесено любое мероприятие, которое ведет к
улучшению условий жизни общества и способствует ускоренному развитию
национальной экономики, т.е. мероприятие, способствующее максимизации
общественного благосостояния с учетом ряда социальных целей и
ограничений. В реальной жизни встречается огромное количество
разновидностей проектов. Их условно можно разделить на инвестиционные
и коммерческие.
Процесс принятия решения. Теория принятия решений применима к
объектам различной природы и в различных условиях их существования.
Формальные методы принятия решения могут оказаться полезными в
следующих случаях:
- существует некоторая проблема или проблемная ситуация, требующего
своего решения; нередко желаемый результат отождествляется с одной или
несколькими целями, которые должны быть достигнуты при разрешении
проблемной ситуации;
- имеется несколько вариантов решения проблемы, способы достижения
цели, действий, объектов, среди которых производится выбор. Эти варианты
в теории принятия решений называют альтернативами. Если существует одна
возможность и выбор отсутствует, то нет и задачи принятия решения;
- присутствуют факторы, накладывающие определенные ограничения на
возможные пути решения проблемы, достижения цели. Эти факторы
5
определяются контекстом решаемой проблемы и могут иметь различную
природу: физическую, техническую, экономическую, социальную,
персональную и иную;
- имеется человек или группа лиц, которые заинтересованы в
разрешении проблемы, имеют полномочия для выбора того ли иного
варианта решения и несут ответственность за выполнение принятого
решения.
Типовая схема принятия решения, т.е. жизненный цикл решения
проблемы:
- Этап 1, появление проблемной ситуации; дается содержательное
описание проблемы, определяется желательный результат ее разрешения,
оцениваются имеющиеся ограничения.
- Этап 2, постановка задачи принятия решения; определяют возможных
вариантов решения (альтернативы); сбор и анализ информации. Разработка
модели проблемной ситуации. Формулировка задачи принятия решения.
- Этап 3, поиск решения; выбор или разработка метода решения задачи;
оценка и анализ вариантов решения. Выбор наиболее предпочтительного
варианта. Изменение формулировки проблемы.
-Этап 4, исполнение решения; реализация и контроль принятого
решения. Оценка результата решения проблемы.
Постановка задачи принятия решения. Задача принятия решения
состоит в формировании множества возможных вариантов, обеспечивающих
разрешение проблемной ситуации при существующих ограничениях, и
выделении среди этих вариантов одного лучшего или нескольких
предпочтительных вариантов, удовлетворяющих предъявляемым к ним
требованиям. Формально задачу принятия решения 𝐷 можно записать в
следующем обобщенном виде:
𝐷 = (𝐹, 𝐴, 𝑋, 𝐺, 𝑃).
Здесь:
𝐹 − формулировка задачи принятия решения, которая включает в себя
содержательное описание стоящей проблемы и при необходимости ее
модельное представление, определение цели или целей, которые должны
быть достигнуты, а также требования к виду окончательного результата.
𝐴 − совокупность возможных вариантов (альтернатив), из которых
производится выбор.
𝑋 − совокупность признаков (атрибутов, параметров), описывающих
варианты и их отличительные особенности.
𝐺 − совокупность усилий, ограничивающих допустимых вариантов
решения задачи.
𝑃 − предпочтение одного или нескольких ЛПР, которые служат
основой для оценки и сравнения возможных вариантов решения проблемы,
отбора допустимых вариантов и поиска наилучшего или приемлемого
варианта.
Содержание проектного анализа. Анализ проекта заключается в
сопоставлении альтернативных путей использования ресурсов. Данный
6
метод наглядно представляет информацию, необходимую для принятия
решения и придает этому процессу обоснованность и четкость. В настоящее
время используются разные экономические концепции разнообразные
инструменты для финансового и экономического оценивания проектов. Для
обеспечения единства к методологии оценки проектов целесообразно
выделить следующие этапы проектного анализа:
- экономический анализ;
- технический анализ;
- организационный анализ:
- экологический анализ;
- финансовый анализ;
- анализ риска.
Среди них важным, требующим проведения расчетов, является
финансовый анализ проекта. В качестве источника финансирования проекта
могут быть использованы правительственные ресурсы, ресурсы самой фирмы
или долгосрочные ссуды. Здесь должна быть анализирована эффективность
использования этих ресурсов.

Контрольные вопросы:
1. Назовите этапы жизненного цикла проекта.
2. Для чего выполняется анализ проекта?
3. Что такое альтернативы в проектном анализе?
4. Кто принимает решение по проекту?
5. Что собой представляет финансовый анализ проекта?

Лекция 3. КРИТЕРИИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЕКТНОМ


АНАЛИЗЕ

Содержание: Основные этапы принятия решений. Методы поддержки принятия


решений. Инструменты проектного анализа. Понятие об инвестиции проекта. Процентные
ставки и критерии окупаемости проекта Инструменты проектного анализа. Методы
начисления процентов. Финансовые начисления на основе простых процентов.
Дисконтирование. Финансовые вычисления на основе сложных процентов. Номинальный,
реальный и эффективный ставки процентов. Дисконтирование по сложной ставке.(1 час)

При заключении любых коммерческих сделок или принятия решений


по какому-либо проекту стороны договариваются о процентной ставке. Под
процентами (процентными деньгами) в финансовых расчетах понимают
размер дохода, выплачиваемого или взаимаемого за использование денежных
средств. В связи с этим основными инструментами проектного анализа
являются финансовые расчеты, связанные с вычислениями процентов.
Ценность денег или других видов ресурсов меняется с течением
времени. Существуют два метода, позволяющих учитывать фактор времени в
финансовых расчетах, называемых методами начисления процентов и
дисконтирования. При этом различают простой и сложный методы
начисления процентов и дисконтирования.

7
Существуют различные методы начисления процентов. Если
проценты вычисляются к одной и той же исходной сумме на протяжении
всего срока, то для расчета используют формулу простых процентов. Если
вычисленные проценты прибавляются к исходной сумме, то база начисления
процентов изменяется. В этом случае для расчета ожидаемой суммы
используют формулу сложных процентов.
1. Простые проценты. Формула наращения денег вычисляют по
формуле:
𝛿
𝑆 = 𝑃(1 + 𝑖 ∙ 𝑛), 𝑛 = , (1)
𝐾
где 𝑆 − ожидаемая сумма на конец срока ссуды,
𝑃 − исходная сумма или база начисления процентов,
𝑖 − ставка процента,
𝑛 − продолжительность периода сделки,
𝐾 − продолжительность года в днях (временная база),
𝛿 − число дней ссуды,
𝑄 − проценты за весь срок (доход кредитора).
Доход кредитора зависит от размера первоначальной суммы, ставки
процентк и длительности срока ссуды и может быть определен по формуле:
𝑄 = 𝑃(1 + 𝑖 ∙ 𝑛) − 𝑃 = 𝑃 ∙ 𝑖 ∙ 𝑛. (2)
Формула (1) может быть использована в различных операциях, в
частности, для определения суммы погасительного долга, когда сссуда
предоставлена на срок меньше, чем на один год. В этом случае
целесообразно использовать формулу:
𝛿
𝑆 = 𝑃 (1 + ∙ 𝑖). (3)
𝐾
При использовании данной формулы (3) год делится на 12 месяцев по
30 дней каждый, т.е. продолжительность года считается 𝐾 = 360 дней.
Тогда формулу (3) можно записать в следующем виде:
𝛿
𝑆 = 𝑃(1 + ∙ 𝑖). (4)
360
Такие проценты называются обыкновенными.
Если год считается 𝐾 = 365 (366) дней, то расчетная формула будет
следующей:
𝛿
𝑆 = 𝑃 (1 + ∙ 𝑖). (5)
365(366)
Такие проценты называются точными.
Дисконтирование по простой ставке. В финансовой практике часто
возникает проблема – определить исходнeую сумму 𝑃, если известна
наращенная сумма 𝑆. Этот процесс называется дисконтированием. Из
формулы (1) можно получить следующую формулу:
𝑆
𝑃= . (6)
(1+𝑖∙𝑛)
Можно определить продолжительность срока ссуды в годах:
𝑆−𝑃
𝑛= . (7)
𝑃∙𝑖

8
2. Сложные проценты. В финансовых операциях широко используется и
другой механизм наращения денег, называемый методом сложных
процентов.Этот метод применяется тогда, когда проценты присоединяются к
исходной сумме и, следовательно, база начисления процентов не остается
постоянной.Така практика используется в среднесрочных и долгосрочных
финансовых операциях.
Для расчета в таких случаях используется формула следующего вида:
𝑆 = 𝑃(1 + 𝑖)𝑛 . (8)
Если в контрактах предусматривается использование изменяющихся
ставок процентов во времени, то используется следующая расчетная
формула:
𝑆 = 𝑃(1 + 𝑖1 )𝑛1 ∙ (1 + 𝑖2 )𝑛2 ∙ . . .∙ (1 + 𝑖𝑚 )𝑛𝑚 . (9)
В данном случае 𝑖𝑚 −ставка процента 𝑚 − периода, а 𝑛𝑚 - длительность 𝑚 −
периода.
В финансовых сделках используются различные виды процентных
ставок: номинальная, реальная и эффективная. По номинальной ставкой
понимают годовую ставку процента, включающую в себе уровень инфляции.
Реальная ставка корректируется на уровне инфляции, т.е. измеряет стоимости
денегбез учета инфляции. Существует следующая зависимость между этими
показателями:
𝑖 = 𝑟 + 𝜋, (10)
𝑖 − номинальная ставка процента,
𝑟 − реальная ставка процента,
𝜋 − уровень инфляции.
Годовая ставка 𝑖называется эффективной или действительной, если
финасовый результат по данной ставке не отличается от результата, при
𝑗
котором начисление процентов производится 𝑚 раз в году по ставке
𝑚
процентов. Эффективная годовая ставка вычисляется по формуле:
𝑗
𝑖 = (1 + )𝑚 − 1, (11)
𝑚
𝑖 − эффективная годовая ставка,
𝑗 − номинальная годовая ставка.
Дисконтирование по сложной ставке. Математическая формула
дисконтирования по сложной ставке имеет следующий вид:
𝑆
𝑃= 𝑛
= 𝑆 ∙ 𝑉𝑛, (12)
(1+𝑖)
1
где 𝑉 𝑛 = - - дисконтный множитель.
(1+𝑖)𝑛
Продолжительность срока ссуды:
𝑆
𝑙𝑜𝑔
𝑃
𝑛= . (13)
log(1+𝑖)

Контрольные вопросы:
1. Что такое процентная ставка?
2. Какая процентная ставка (простая или сложная) выгодна инвестору?
3. В каких случаях сложная процентная ставка выгодна получателю ссуды?
9
4. Для чего выполняется процесс дисконтирования?
5. Что такое уровень инфляции?

Лекция 4. ВЫБОР В УСЛОВИЯХ ОПРЕДЕЛЕННОСТИ

Содержание: Модели проектных решений в условиях определенности.


Математическое программирование. Задача линейного программирования. Постановка
основной задачи линейного программирования (ОЗЛП) (1 час)

В постановке многих из этих задач могут считаться известными все


условия, которые необходимы для поиска оптимального решения. Эти
задачи относятся к задачам управления в условиях определенности. Как
правило, эти задачи являются идеализированными, т.е. все параметры
детерминированные, подчиненные известным законам, для них заранее
определены функциональные зависимости.
Во всех случаях управленческое решение принимается с учетом
существующей информации. Здесь возможны два варианта: когда имеется
полная информация о самом объекте и внешних факторах, влияющих на этот
объект, и когда имеющаяся информация является недостаточной.
В первом случае ставится задача о принятии решения в условиях
определенности. Во многом эти задачи являются упрощенными; здесь
предполагается, что факторы, влияющие на решение задачи, определены, и
известны все закономерности изменения основных параметров и
зависимости между ними. Примерами могут быть задачи плановой
экономики, когда заранее известны стоимости материалов и продукций,
обеспеченность рынка сбыта, получаемая прибыль и т.д.
Очевидно, такие задачи в реальных условиях встречаются редко.
Однако, решение таких задач важны как для теоретических исследований,
также они могут иметь и практическую ценность.
Задача об оптимальном планировании производства. Известно, что
целью любой экономической деятельности является получение
максимальной прибыли. В управлении любого предприятия, производящего
определенную продукцию, главной задачей является оптимальное
планирование производства продукций. Данная задача не является простой,
если учитывать все факторы, влияющие на производства изделий и их
реализацию. В данном случае рассматривается упрощенная задача, когда
учитываются только некоторые данные, связанные с производством
запланированной продукции. В результате математического моделирования
будет получена задача об оптимальном планировании производства.
Предполагается, что производство продукции происходит в условиях
стабильности цен на сырье и готовой продукции. В постановке задачи не
учитываются многие важные для рыночной экономики факторы. Например,
влияние рынка сбыта на стоимость сырья и продукции, которые могут иметь
случайный (изменчивый) характер.

10
Постановка задачи. Пусть предприятие планирует выпуск n видов
изделий, для которых использует m видов сырья. Предполагается, что
известны следующие данные:
- количества (запасы) каждого вида сырья b1 , b2 , . . . , bm , имеющиеся у
предприятия;
- норма расхода сырья для выпуска единицы каждого вида изделия
aij , i  1, 2, . . . , n; j  1, 2, . . . , m; здесь a ij - расход j – вида сырья для выпуска
единицы i – вида продукции;
- прибыль c1 , c2 , . . . , cn , получаемая от единицы каждого вида
выпущенного изделия.
Исходные данные задачи приведены в следующей таблице.

Таблица 4.1 – Исходные данные задачи


Виды изделий Виды сырья Прибыль от Количество
. . . единицы изделия
B1 B2 B3 Bm
продукта (план)
A1 a11 a12 a13 . . . a1m c1 x1
A2 a21 a22 a 23 . . . a2 m c2 x2
A3 a 31 a 32 a 33 . . . a 3m c3 x3
. . . . . . . . . . . . . . . . . . . . . . . .

An a n1 an 2 an 3 . . . anm cn xn
Запасы сырья b1 b2 b3 . . . bm Общая прибыль
n
F ( X )   ci  xi
i 1

Требуется составить такой план производства, чтобы прибыль при его


реализации была наибольшей.
Математическая модель. Для решения поставленной задачи сначала
вводятся следующие переменные: xi - плановое количество выпускаемого
изделия i - вида, где i  1, 2, . . . , n. Тогда совокупность неизвестных
переменных X  {x1 , x2 , . . . , xn } определяет некоторый план производства.
Очевидно, что суммарная прибыль определяется формулой:
n
F ( X )   ci  xi (4.1)
i 1

Вместе с тем, существуют ограничения для наращивания производства:


расходуемое количество каждого вида сырья не должно превосходить
имеющийся у поставщика запас этого вида сырья; из этого условия следуют
следующие неравенства:
a11 x1  a12 x 2  . . .  a1n x n  b1 ;
a 21 x1  a 22 x 2  . . .  a 2 n x n  b2 ; (4.2)
. . . . . . . . . . . .
a m1 x1  a m 2 x 2  . . .  a mn x n  bm ;
а количество изделий не может быть отрицательной величиной:

11
xi  0, i  1, 2, . . . , n. (4.3)
Полученная совокупность формул (4.1), (4.2) и (4.3) определяет
математическую модель данной задачи о планировании производства. Все
формулы данной модели являются линейными относительно неизвестных
переменных величин xi  0, i  1, 2, . . . , n .
На основе данной математической модели можно сформулировать
следующую математическую задачу: найти такие неотрицательные
значения неизвестных xi  0, i  1, 2, . . . , n , удовлетворяющих неравенствам
(4.2), обращающих в максимум функцию F ( X ) .
Здесь F ( X ) называется функцией цели, а неравенства (4.2) называются
ограничениями. Критерием оптимальности является максимум целевой
функции (4.1). Полученная математическая задача (4.1)-(4.3) относится к
задачам оптимизации; вследствие линейности всех переменных, вошедших в
формулы, она также называется задачей линейного программирования.

Контрольные вопросы:
1. Какие задачи называются оптимизационными?
2. Что такое критерий оптимальности?
3. Для решения каких задач используются методы оптимизации?
4. Что такое математическая модель задачи?
5. Что такое объект управления?
6. Что мы называем управлением?
7. Какие задачи относятся математическому программированию?
8. Какие задачи называются одношаговыми задачами принятия решения?
9. Что такое динамическое программирование?
10. В чем смысл поиска оптимального решения задачи?

Лекция 5. СИМПЛЕКС-МЕТОД

Содержание: Идея симплекс-метода решения основной задачи линейного


программирования. Этапы решения задачи.

Содержание: Идея симплек-метода. Алгоритм метода. Этапы решения задачи.


Программное обеспечение.(2 часа)

Как было отмечено выше, основным методом решения задачи


линейного программирования является «симплекс-метод». Перед
использованием данного метода любая задача линейного программирования
должна быть приведена к ОЗЛП.
Из свойств ОЗЛП следует, что оптимальное ее решение ищется среди
опорных решений, поэтому алгоритм поиска заключается в следующем.
Вначале определяется какое-либо опорное решение, оно проверяется на
оптимальность. Если оно не удовлетворяет условию оптимальности, то
осуществляется переход к другому опорному решению. Каждый переход от
одного решения к другому и процесс проверки его на оптимальности
считается одной итерацией. Итерационный процесс может повторяться до
12
тех пор, пока не будет выполнено условие оптимальности, т.е. не найдено
оптимальное решение.
Теперь необходимо определить следующие правила, которые являются
основными этапами алгоритма решения ОЗЛП:
- определение первоначального опорного решения;
- проверка на оптимальность найденного опорного решения;
- переход от одного опорного решения к другому.
Определение первоначального опорного решения. Для определения
первоначального опорного решения ОЗЛП необходимо рассматривать
основную матрицу системы равенств:
 a11 a12 a13 . . . a1n 

 a 21 a 22 a 23 . . . a 2 n 
 
A   a31 a32 a33 . . . a3n . (5.1)
. . . . . . 
 
 a m1 a m 2 a m 3 . . . a mn 

Если из этой матрицы удается выделить единичную матрицу ранга m, то
первоначальное опорное решение задачи определяется очень просто. В этом
случае переменные, коэффициенты которых образуют единичную матрицу,
считаются базисными, а остальные – свободными.
Предполагается, что свободные переменные могут принимать любые
значения; для простоты вычислений обычно им присваиваются нулевые
значения. Тогда базисные переменные будут равными свободным членам
системы равенств.
Для определенности можно допустить, что переменные x1 , x2 , x3 , . . . , xm
являются базисными переменными, а остальные – свободными. Тогда
первоначальное опорное решение определяется в следующем виде:
X  {b1 , b2 , b3 , . . . , bm , 0, 0, . . . ,0} (5.2)
или
xi  bi , i  1,2,3, . . ., m; xi  0, i  m  1, m  2, . . . , n.
Замечание. Если не удается выделить единичную матрицу из основной
матрицы равенств (5.1), то используются другие методы, которые будут
рассмотрены позже, в следующих лекциях.
Проверка на оптимальность. Для наглядности процесса решения
задачи линейного программирования «симплекс-методом» используются так
называемые «симплекс-таблицы». Количество таких таблиц может быть
достаточно много; оно зависит от характера задачи. Каждая «симплекс-
таблица» определяет одно из опорных решений. Количество строк и
столбцов зависит от количества ограничений и количества переменных.
Первая «симплекс-таблица» будет иметь следующий вид.
Таблица 5.1 – Первая «симплекс-таблица»
i Базис Сбазис bi c1 c2 . . . cn 
x1 x2 . . . xn
1 x1 c1 b1 a11 a12 . . . a1n 1
13
2 x2 c2 b2 a11 a12 . . . a2n 2
. ... ... ... ... ... . . . ... ...
m xm cm bm a m1 am2 . . . amn m
m 1 F 1 2 . . . m
Данная таблица состоит из 9 столбцов: на первом столбце указываются
номера строк, на втором – базисные переменные, на третьем –
коэффициенты базисных переменных в целевой функции, на столбцах с 5-го
по 8-столбцах указаны элементы основной матрицы системы равенств.
Последняя ( m  1  ая) строка называется индексной, где записываются
значения  j , которые вычисляются по формуле:
m
 j   ci aij  c j . (5.3)
i 1

Из этой симплекс-таблицы следует, что базисные переменные


соответственно равны числам xi  bi , а остальные переменные считаются
свободными и равными нулю. Значение елевой функции вычисляется как
сумма произведений элементов третьего и четвертого столбцов:
m
F   ci bi . (5.4)
i 1

Проверка на оптимальность осуществляется по индексной строке: если


там отсутствуют отрицательные элементы, то полученное опорное решение
считается оптимальным. В противном случае – решение неоптимальное.
Следовательно, условием оптимальности опорного решения является
следующее условие:
 j  0, j  1,2, . . . n (5.5)
Очевидно, что если данное условие оптимальности не выполняется, то
необходим переход к новому опорному решению.
О последнем 9-ом столбце таблицы будет идти речь на следующем
этапе решения задачи; элементы этого столбца используются для перехода от
имеющегося опорного решения к следующему решению.
Переход от одного опорного решения к другому. Пусть полученное
опорное решение ОЗЛП оказалось неоптимальным; это означает, что на
индексной ( m  1  ой) строке имеются отрицательные элементы. Если такой
элемент только один, то выбирается тот столбец таблицы, которому
соответствует этот элемент. Если таких элементов несколько, то выбирается
тот столбец, которому соответствует отрицательный элемент с наибольшей
абсолютной величиной. Пусть этот элемент находится на k  ом столбце;
выбранный таким способом столбец таблицы считается разрешающим
столбцом.
Переменная, которая соответствует данному разрешающему столбцу x k
, должна считаться базисной; она должна заменить в будущем опорном
решении переменную, которая будет выведена из базиса. Для определения
такой переменной поступают следующим образом:

14
- все элементы четвертого столбца делятся на соответствующие
положительные элементы разрешающего столбца, и полученные результаты
bi
являются элементами девятого столбца:  i  , где aik  0;
aik
- строка, которой соответствует наименьший элемент девятого столбца
 min , считается разрешающей строкой; пусть эта строка имеет номер r;
- переменная в базисе xr , которая соответствует разрешающей строке,
выводится из базиса, и она становится свободной переменной.
Элемент «симплекс-таблицы» a rk , который находится на пересечении
разрешающего столбца и разрешающей строки, называется главным
(генеральным) разрешающим элементом. После этих операций должны быть
выполнены действия, в результате которых должна быть получена новая
«симплекс-таблица», и, следовательно, новое опорное решение задачи.
При составлении новой «симплекс-таблицы» переменная x k становится
базисной переменной вместо переменной xr . На третьем столбце вместо
коэффициента ck записывается cr .
Элементы таблицы, находящиеся на остальных столбцах (с четвертого
по восьмое), должны быть преобразованы с помощью известных формул
Жордана-Гаусса из линейной алгебры:
br a rj
br  ; a rj  , j  1,2, . . . , m; (5.6)
a rk a rk
bi  bi  aik  bi ; aij  aij  aik  akj , j  1,2, . . . , m; i  r.
(5.7)
Вначале по формулам (5.6) вычисляются элементы r  ой строки или
коэффициенты r  ого равенства; а по формулам (5.7) – элементы других
строк. В результате перечисленных операций будет получена новая
симплекс-таблица или новое опорное решение. Опять будет выполнены
операции для проверки на оптимальность этого решения.
Каждое повторение проверки на оптимальность и операций для
перехода к новому опорному решению называется итерацией. Количество
итераций зависит от конкретного вида поставленной задачи и ее условий.

Контрольные вопросы;
1. Какие переменные называются базисными?
2. В каких точках области допустимых решений достигаются экстремальные
значения целевой функции ОЗЛП?
3. Какая область называется выпуклой?
4. В каких случаях можно использовать графический метод решения задачи
линейного программирования?
5. Что собой представляет итерационный процесс решения задачи?
6. Назовите основные этапы процесса решения ОЗЛП симплекс-методом.

15
Лекция 6. МЕТОД ИСКУССТВЕННОГО БАЗИСА РЕШЕНИЯ
ОСНОВНОЙ ЗАДАЧИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

Содержание: Необходимось ввода дополнительных (искусственных) переменных.


Исходная и расширенная задачи, связь между их решениями. Этапы решения задачи.
Алгоритм решения. Алгоритм решения (1 час).

Во многих случаях не удается выделить из матрицы системы


ограничений единичную матрицу, что означает невозможность определения
первоначального опорного решения ОЗЛП. В таких случаях используется
метод искусственного базиса, идея которого заключается в следующем.
Пусть дана основная задача линейного программирования:
F ( X )  c1  x1  c2  x2  . . .  cn  xn  max; (6.1)
 a11 x1  a12 x 2  . . .  a1n x n  b1
 a x  a x  ...  a x  b
 21 1 22 2 2n n 2
 ; (6.2)
 . . . . . . . . . . .

a m1 x1  a m 2 x 2  . . .  a mn x m  bm
x1  0, x2  0, . . . , xn  0. (6.3)
Предполагается, что из основной матрицы системы равенств (6.2)
невозможно выделить единичную матрицу ранга m. В этом случае вводятся
дополнительно неотрицательные переменные xn1 , xn2 , . . . , xnm и некоторое
достаточно большое положительное число M . Вновь введенные переменные
называются искусственными переменными. Конкретное значение числа M не
задается - оно играет вспомогательную роль.
Вместо исходной задачи (6.1) – (6.3) рассматривается следующая
ОЗЛП:
F ( X )  c1  x1  c2  x2  . . .  cn  xn  M  ( xn1  xn 2  . . .  xn m )  max; (6.4)
 a11 x1  a12 x 2  . . .  a1n x n  x n 1  b1
 a x  a x  ...  a x  x  b
 21 1 22 2 2n n n2 2
 ; (6.5)
 . . . . . . . . . . .

a m1 x1  a m 2 x 2  . . .  a mn x m  x n  m  bm
x1  0, x2  0, . . . , xn  0, xn1  0, xn2  0, . . . , xnm  0.
(6.6)
Полученная задача (6.4) – (6.6) называется расширенной задачей или
M  задачей. В математической теории линейного программирования имеется
теорема о связи между решениями расширенной и исходной задач.
Теорема. Если существует оптимальное решение расширенной задачи
(6.4) – (6.6) и в нем искусственные переменные равны нулю, то это решение
является опорным решением исходной задачи (6.1) – (6.3).
Поэтому необходимо решить вначале расширенную задачу;
первоначальное опорное решение расширенной задачи определяется без
труда, так как искусственные переменные являются базисными. Поэтому
метод называется методом искусственного базиса. После определения
оптимального решения расширенной задачи полученное решение
16
проверяется на оптимальность. Если оно удовлетворяет условиям
оптимальности исходной задачи, то задача считается решенной. Если нет, то
процесс решения исходной задачи продолжается до определения
оптимального решения исходной задачи или до тех пор, пока не будет
доказано отсутствие оптимального решения.
В случае, когда решается расширенная задача, формула для  j состоит
из двух частей: одна из них зависит от M , а другая – нет. Поэтому в
«симплекс-таблице» для решения расширенной задачи индексных строк
будут два. На первой из них ( m  1  ой строке) будут записаны слагаемые
выражения  j , не зависящие от M . На другой ( m  2  ой строке) – часть  j ,
зависящая от M , точнее коэффициент при M .
Проверка полученного решения на оптимальность` осуществляется по
элементам m  2  ой строки. После того, как будет найдено оптимальное
решение расширенной задачи, поверка на оптимальность решения исходной
задачи осуществляется по m  1  ой строке. Дальнейшее решение задачи
осуществляется по той же схеме, использованной в обычном «симплекс-
методе». В этом случае, в следующих симплекс-таблицах будет
отсутствовать m  2  строка.
Пример. Пусть рассматривается следующий пример:
F ( X )   x1  3x2  2 x3  max,
 2 x1  x 2  x3  50,

 3x1  2 x 2  x3  60,
5x  2 x  4 x  10,
 1 2 3

x1  0, x2  0, . . . , xn  0.
Вначале данная задача должна быть приведена к ОЗЛП. Для этого
вводятся две дополнительные переменные: x4  0, x5  0. Тогда будет
получена ОЗЛП в следующем виде:
 2 x1  x2  x3  x4  50,

 3x1  2 x2  x3  60,
5x  2 x  4 x  x  10,
 1 2 3 5

x j  0, j  1,2, . . . , 5.
Основная матрица, образованная коэффициентами при неизвестных
переменных в данной системе равенств, имеет вид:
2 1 1 1 0
( 3 2 1 0 0 )
5 2 4 0 −1
В данной матрице имеется единственный единичный вектор, который
находится на четвертом столбце. Для выделения единичной матрицы ранга 3,
необходимы еще два единичного вектора. Так как из основной матрицы
системы равенств нельзя выделить единичную матрицу, следует ввести
дополнительные переменные во второе и третье равенства: x6  0, x7  0. В
результате будет получена расширенная или М-задача:
F ( X )   x1  3x2  2 x3  0  x4  0  x5  M  x6  M  x7  max,
17
 2 x1  x2  x3  x4  50,

 3x1  2 x2  x3  x6  60,
5 x  2 x  4 x  x  x  10,
 1 2 3 5 7

x j  0, j  1,2, . . . , 7.
Полученная при этом задача имеет следующее опорное решение:
X  {0, 0, 0, 50, 0, 60, 10}; F ( X )  0.
Процесс дальнейшего решения задачи будет реализован в следующих
симплекс-таблицах:

Таблица 6.1 – Симплекс-таблицы для решения примера


i Basis Cbas bi 1 3 2 0 0 M M 
x1 x2 x3 x4 x5 x6 x7
1 x4 0 50 2 1 1 1 0 0 0 25
2 x6 M 60 3 2 1 0 0 1 0 20
3 x7 M 10 5 2 4 0 1 0 1 2
4 F*  0 1 3 2 0 0 0
5  70 8 4 5 0 1 0 0
1 x4 0 46 0 0,2 0,4 1 0,4 0 -0,4 230
2 x6 M 54 0 0,8  1,4 0 0,6 1 -0,6 67,5
3 x1 1 2 1 0,4 0,8 0  0,2 0 0,2 5
4 F*  -2 0 -3,4 1,2 0 0,2 0 -0,2
5  54 0  0,8 1,4 0 0,6 0 1,6
1 x4 1 45 0,5 0 0 1 0,5 0 -0,65 90
2 x6 M 50  1,2 0 3 0 1 1 -1 50
3 x2 3 5 2,5 1 2 0  0,5 0 0,5 -
4 F*  15 7,5 0 9 1 2 0 2,15
5 -50 1,2 0 3 0 -1 0 0
1 x4 0 20 1,1 0 1,5 1 0 -0,5 -0,15
2 x5 0 50 -1,2 0 -3 0 1 1 -1
3 x2 3 30 1,9 1 0,5 0 0 0,5 -1,5
4 F 
*
90 6,7 0 3,5 0 0 1,5 -4,5
5 0 0 0 0 0 0 1 1

В последней симплекс-таблице, последняя строка не содержит


отрицательных величин, т.е. выполняется условие оптимальности для
последнего решения расширенной задачи. В результате будет получено
оптимальное решение расширенной задачи:
X  {0, 30, 0, 20, 50, 0, 0}; F *  90.
Это решение является опорным решением исходной задачи, поэтому
оно должно проверяться на оптимальность. Для этого рассматривается
последняя симплекс-таблица без 5-ой строки и без двух столбцов, где
находятся искусственные переменные x 6 и x 7 . В дальнейших расчетах
будет отсутствовать число M .
18
Дальнейшее решение исходной задачи осуществляется обычным
симплекс-методом; процесс решения будет реализован с помощью
следующей симплекс-таблицы:

Продолжение таблицы 6.1


i Basis Cbas bi 1 3 2 0 0 
x1 x2 x3 x4 x5
1 x4 0 20 1,1 0 2 1 0
2 x5 0 50  1,2 0 0 0 1
3 x2 3 30 1,9 1 8 0 0
4 F*  90 6,7 0 3,5 0 0

На индексной строке данной симплекс-таблицы отсутствуют


отрицательные элементы, следовательно, полученное решение является
оптимальным решением для исходной задачи:
X  {0, 30, 0}; Fmax  90.
Контрольные вопросы:
1. В каких случаях используется метод искусственного базиса для решения ОЗЛП?
2. Для чего вводятся искусственные переменные для решения ОЗЛП?
3. Чем отличается расширенная задача от исходной задачи?
4. Возможно ли, что оптимальное решение расширенной задачи будет
оптимальным решением исходной задачи?

Лекция 7. МОДЕЛИ ТРАНСПОРТНОЙ ЗАДАЧИ

Содержание: Ограничения и критерий оптимальности. Идея метода потенциалов


транспортной задачи. Этапы решения задачи. (1 час)

Постановка транспортной задачи. Пусть у каждого n поставщиков


груза A1 , A2 , . . . , An имеются известные запасы однородного груза в объеме
a1 , a2 , . . . , an соответственно; и этот груз должен быть перевезен в m
потребителей, потребности которых известны и равны b1 , b2 , . . . , bm .
Считается, что затрата c ij на перевозку единицы груза из пункта
Ai (i  1, 2, . . . , n) в пункт назначения груза B j ( j  1, 2, . . . , m) известна.
Основными условиями являются: во-первых, потребности потребителей
должны быть удовлетворены и, во-вторых, груз, имеющийся у каждого
поставщика, должен быть вывезен.
Схема направлений грузопотока между поставщиками и
потребителями показана на следующем рисунке, а исходные данные
представлены в таблице 6.1.

𝐴1 𝐴2 𝐴3. . . 𝐴.𝑖 . . 𝐴𝑛
1

19
𝐵1 𝐵3 𝐵𝑗. 𝐵𝑚
𝐵2 . . . . .

Рисунок 7.1 –Схема перевозок груза

Таблица 7. 1 – Исходные данные транспортной задачи


Поставщики Потребители груза Запасы
груза 𝐵1 𝐵2 𝐵3 . . . 𝐵𝑚 груза
𝐴1 𝑐11 𝑐12 𝑐13 . . . 𝑐1𝑚 𝑎1
𝐴2 𝑐21 𝑐22 𝑐23 . . . 𝑐2𝑚 𝑎2
𝐴3 𝑐31 𝑐32 𝑐33 . . . 𝑐3𝑚 𝑎3
. . . . . . . . . . . . . . . . . . . . .
𝐴𝑛 𝑐𝑛1 𝑐𝑛2 𝑐𝑛3 . . . 𝑐𝑛𝑚 𝑎𝑚
Потребности 𝑏1 𝑏2 𝑏3 . . . 𝑏𝑚
потребителей
Требуется составить такой план перевозок, чтобы суммарная затрата на
эти перевозки грузов была наименьшей. Это означает, что критерием
оптимальности плана перевозок является его наименьшая стоимость.
Ограничения должны быть определены из условия ограниченности запасов
груза и потребности потребителей.
. Математические модели транспортной задачи. Перед составлением
математической модели задачи должно быть введено обозначение
переменных. Неизвестными параметрами в данном случае являются
количества перевозимых грузов от поставщиков до потребителей.
Пусть x ij – планируемое количество груза для перевозки от поставщика Ai
потребителю B j . Тогда для такого плана перевозок суммарная затрата будет
определена следующей формулой:
n m
F ( X )   cij xij . (7.1)
i 1 j 1

При составлении математической модели этой задачи необходимо


учитывать существование трех возможных вариантов. Они следующие:
10 Суммарное количество груза, имеющегося у поставщиков, равно
суммарной потребности всех потребителей
n m

 a  b .
i 1
i
j 1
j (7.2)
20 Суммарное количество груза, имеющегося у поставщиков, больше
чем суммарная потребность всех потребителей
n m

 a  b .
i 1
i
j 1
j (7.3)
30 Суммарное количество груза, имеющегося у поставщиков, меньше
чем суммарная потребность всех потребителей

20
n m

 a  b .
i 1
i
j 1
j (7.4)
Закрытая модель. Пусть рассматривается первый вариант, когда
выполняется равенство (6.2). В этом случае математическая модель считается
закрытой моделью; каждый потребитель получает объем груза, который
удовлетворяет полностью его потребности в нем. Данное утверждение
записывается в виде следующей формулы:
x1 j  x 2 j  . . .  x nj  b j , j  1, 2, . . . , m. (7.5)
Другим условием является то, что от каждого поставщика запасы груза
полностью вывозятся. Объем груза, переданный каждому потребителю от
поставщика, в сумме равен имеющемуся у него запасу груза. Это условие
записывается в виде следующей формулы:
xi1  xi 2  . . .  xim  ai , i  1, 2, . . . , n. (7.6)
Предполагается, что груз обратно от потребителя к поставщику не
возвращается. Этот факт записывается в виде следующего условия:
xij  0. (7.7)
Итак, совокупность формул (7.1), (7.2), (7.5), (7.6), (7.7) определяет
одну из математических моделей транспортной задачи; она считается
закрытой моделью.
Первая открытая модель. Во втором варианте, когда у поставщиков
имеются излишки груза, т.е. суммарное количество груза, имеющегося на
всех складах поставщиков, больше, чем суммы потребностей потребителей.
В этом случае будет получена открытая модель транспортной задачи.
Из-за того, что у поставщиков имеются излишки груза, следовательно, из
некоторых складов груз полностью не вывозится, какая-то часть груза
остается у поставщика. Поэтому суммарный объем груза, вывезенного от
каждого поставщика, будет меньше или равно имеющегося в нем запаса
груза:
xi1  xi 2  . . .  x  ai , i  1,2, . . . , n, (7.8)
В этой формуле (6.7) знак равенство выполняется в том случае, когда
груз полностью вывозится. Если выполняется неравенство, то это означает,
что какая-то часть груза остается у поставщика. При этом потребности всех
потребителей будут удовлетворены. Поэтому выполняются уравнения (7.5),
и для этого случая формулы (7.1), (7.4), (7.7) также будут справедливы.
Итак, совокупность формул (7.1), (7.4), (7.5), (7.7), (7.8) составляет
открытую математическую модель транспортной задачи.
Вторая открытая модель. В третьем варианте, когда суммарное
количество груза, имеющегося на всех складах, меньше, чем суммы
потребностей, т.е. имеется дефицит груза. Из-за того, что имеется дефицит
груза, некоторые потребители могут не полностью удовлетворить свои
потребности. В этом случае также будет получена открытая модель задачи.
Тогда суммарный объем груза, получаемый потребителем, может оказаться
меньше или равно его потребностям. Это условие будет записано в виде
следующих неравенств:
21
x1 j  x2 j  . . .  xnj  b j , j  1, 2, . . . , m. (7.9)
Если в (7.9) выполняется равенство, то это означает, что потребитель
полностью удовлетворил свои потребности. Если выполняется неравенство,
то потребитель недополучил часть необходимого груза. Из-за общего
дефицита груза все запасы груза будут вывезены, т.е. выполняются
уравнения (7.6). Для этого случая выполняются также формулы (7.7) и (7.9).
Итак, формулы (7.1), (7.4), (7.6), (7.7), (7.9) образуют математическую
модель второй открытой модели транспортной задачи.

Контрольные вопросы:
1. Для чего создается математическая модель задачи?
2. Какие задачи относятся к задачам оптимизации?
3. Что такое оптимальное решение?
4. К каим типам задач относится транспортная задача?
5. Что такое целевая функция?

Лекция 8. МЕТОД ПОТЕНЦИАЛОВ

Содержание: Постановка закрытой транспортной задачи. Идея метода


потенциалов. Условие оптимальности перевозок груза. Алгоритм метода. Этапы решения
задачи.

Постановка закрытой транспортной задачи. Пусть у каждого n


поставщиков груза A1 , A2 , . . . , An имеются известные запасы однородного
груза в объеме a1 , a2 , . . . , an соответственно; и этот груз должен быть
перевезен в m потребителей, потребности которых известны и равны
b1 , b2 , . . . , bm . Считается, что затрата c ij на перевозку единицы груза из пункта
Ai (i  1, 2, . . . , n) в пункт назначения груза B j ( j  1, 2, . . . , m) известна.
Основными условиями являются: во-первых, потребности потребителей
должны быть удовлетворены и, во-вторых, груз, имеющийся у каждого
поставщика, должен быть вывезен.
Требуется составить такой план перевозок, чтобы суммарная затрата на
эти перевозки грузов была наименьшей. Это означает, что критерием
оптимальности плана перевозок является его наименьшая стоимость.
Ограничения должны быть определены из условия ограниченности запасов
груза и потребности потребителей.
Постановка закрытой транспортной задачи. На основе закрытой
математической модели транспортной задачи ставится следующая задача
оптимизации:
требуется определить такую совокупность неотрицательных значений
неизвестных переменных xij  0, i  1,2, . . . , n, j  1,2, . . . , m, обращающих в
минимум функцию:

22
n m
F ( X )   cij  xij  min, (1)
i 1 j 1

и удовлетворяющих следующим системам равенств:


m

x
j 1
ij  ai , i  1,2, . . . , n, (2)
n

x
i 1
ij  bj , j  1,2, . . . , m. (3)
В данном случае должны быть выполнены также следующие условия:
xij  0, i  1,2, . . . , n, j  1,2, . . . , m, (4)
n m

a  b .
i 1
i
j 1
j (5)
Следует отметить, что любая совокупность значений неизвестных
переменных xij , i  1,2, . . . , n, j  1,2, . . . , m , удовлетворяющих формулам (2) –
(5), является допустимым решением данной закрытой транспортной задачи.
Множество таких совокупностей значений переменных образует область
допустимых решений рассматриваемой здесь задачи. Проблема состоит в
том, что из этого множества необходимо определить решение, которое
удовлетворяет условию минимума функции (1).
Функция (1) является целевой функцией, условие ее минимума –
критерием оптимальности. Решение задачи, удовлетворяющее критерию
оптимальности, называется оптимальным решением или оптимальным
планом перевозок груза.
Идея метода потенциалов. Перед формулировкой идеи метода,
используемого для решения транспортной задачи, необходимо выяснить
вопрос о ее разрешимости. В математической теории существует
соответсвующее утверждение.
Поэтому в дальнейшем будет рассматриваться только закрытая модель
транспортной задачи. Открытые модели транспортной задачи должны быть
приведены к закрытой модели.
Идея метода потенциалов для решения транспортной задачи имеет
определенное сходство с симплекс-методом. Процесс определения
оптимального решения (плана) также состоит из следующих этапов:
- определение первоначального опорного плана перевозок;
- проверка полученного плана на оптимальность;
- в случае выполнения условия оптимальности процесс решения задачи
завершается;
- в противном случае – осуществляется переход к другому опорному
плану.
Каждая проверка на оптимальность полученного плана и переход к
новому плану считается одной итерацией; итерационный процесс может
продолжаться до тех пор, пока не будет найден оптимальный план или будет
установлено отсутствие решения задачи.
Для выполнения этих процедур, согласно требованиям метода
потенциалов, вводятся новые параметры - так называемые потенциалы
23
поставщиков и потенциалы потребителей груза. Они соответственно могут
быть обозначены в следующем виде:
- потенциалы поставщиков U1 , U 2 , . . . , U n ;
- потенциалы потребителей V1 ,V2 , . . . , Vm .
В теории математического программирования доказывается следующая
теорема, определяющая условия оптимальности опорного плана перевозок
для транспортной задачи.
Теорема. Если для некоторого опорного плана транспортной задачи
X  {xij }, i  1,2, . . . , n; j  1,2, . . . , m существуют такие числа U1 , U 2 , . . . , U n ;
0

V1 ,V2 , . . . , Vm , которые удовлетворяют следующим условиям:


V j  U i  Cij  0, если xij  0
и
V j  U i  Cij  0, если xij  0
для всех i  1,2, . . . , n; j  1,2, . . . , m , то этот опорный план является
оптимальным планом данной задачи. Здесь Cij – стоимость перевозки
единицы груза из пункта – поставщика Ai в пункт-потребителя B j .
В дальнейших вычислениях приведенные выше условия считаются
условиями оптимальности при решении транспортной задачи. Выводы этой
теоремы оказались основой для построения алгоритма решения
транспортной задачи методом потенциалов.
Процесс решения транспортной задачи целесообразно выполнять в
таблицах. Количество таблиц для решения одной задачи зависит от ее
данных. В данном случае таблицы для решения транспортной задачи
отличаются от симплекс-таблиц, используемых для решения основной задачи
линейного программирования. Образец таблицы для выполнения расчетов
приведен в следующем виде:
Таблица 2 – Образец таблицы для выполнения расчетов
Потенциалы Поставщики Потенциалы потребителей Запасы
поставщиков груза 𝑉1 𝑉2 𝑉3 . . . 𝑉𝑚 груза у
груза Потребители груза поставщика
𝐵1 𝐵2 𝐵3 . . . 𝐵𝑚
𝑈1 𝐴1 𝑐11 𝑐12 𝑐13 . . . 𝑐1𝑚 𝑎1
𝑥11 𝑥12 𝑥13 𝑥1𝑚
𝑈2 𝐴2 𝑐21 𝑐22 𝑐23 . . . 𝑐2𝑚 𝑎2
𝑥21 𝑥22 𝑥23 𝑥2𝑚
𝑈3 𝐴3 𝑐31 𝑐32 𝑐33 . . . 𝑐3𝑚 𝑎3
𝑥31 𝑥32 𝑥33 𝑥3𝑚
. . . . . . . . . . . . . . . . . . . . . . . .
𝑈𝑛 𝐴𝑛 𝑐𝑛1 𝑐𝑛2 𝑐𝑛3 . . . 𝑐𝑛𝑚 𝑎𝑚
𝑥𝑛1 𝑥𝑛2 𝑥𝑛3 𝑥𝑛𝑚
Потребности 𝑏1 𝑏2 𝑏3 . . . 𝑏𝑚
потребителей
В таблице приведены данные о запасах груза у поставщиков,
потребности потребителей и указаны потенциалы поставщиков и
потребителей. Кроме этого, в таблице показаны данные, которые
24
определяют очередной опорный план перевозок; в каждой клетке таблицы
указаны стоимость перевозки единицы груза 𝑐𝑖𝑗 и количество перевозимого
груза 𝑥𝑖𝑗 от каждого поставщика 𝐴𝑖 до потребителя 𝐵𝑗 груза. Количество
таких таблиц зависит от количества повторений, т.е. от количества итераций.
В таблице транспортной задачи имеются n m клеток, т.е. количество их
равно количеству неизвестных x ij . Количество уравнений относительно этих
неизвестных равно m  n . Так как выполняется условие оптимальности, то
количество линейно независимых уравнений будет n  m  1. Следовательно,
опорный план транспортной задачи может иметь n  m  1 неизвестных,
отличных от нуля xij  0 . Это означает, что заполнененых клеток каждой
таблицы должно равняться n  m  1.
Способы определения первоначального плана перевозок. Решение
транспортной задачи начинают с определения любого первоначального
решения (плана перевозок). В учебной литературе существуют
многочисленные способы, любой из которых могут быть использован для
определения первоначального решения задачи. При выборе способа следует
соблюдать определенные правила, согласно которых должны быть
выполнены все равенства в системах ограничений. Это означает, что суммы
элементов, находящихся на строках, должны равняться элементам,
находящимся на последнем столбце; а суммы элементов, находящихся на
столбцах, равняться элементам, находящимся на последней строке таблицы.
Полученное решение задачи называется опорным решением, если оно
удовлетворяет всем ограничениям. Вначале, с помощью одного из этих
способов определяется распределение груза, начиная с любого из клеток
таблицы, где осуществляется процесс решения задачи. При этом необходим
учет выполнения систем, которые являются ограничениями в данной задаче.
Из множества способов определения первоначального опорного плана
в данном случае можно ограничиваться рассмотрением следующих двух
способов:
- способ северо – западного (левого – верхнего) угла;
- способ наименьшего элемента (наименьшей стоимости).
Способ северо-западного угла. Согласно этого способа, распределение
чисел в таблице транспортной задачи начинается с ее верхнего левого угла. В
данном случае число является плановым количеством перевозимого груза.
(Термин «северо-западный угол» взят из географической карты.) Следует
обратить внимание, что это число не может быть отрицательным.
Как было отмечено, что главным правилом этого распределения
является выполнение следующих условий:
- равенство сумм чисел, расположенных на каждом из столбцов, на b j ,
j  1,2, . . . , m ;
- равенство сумм чисел, расположенных на каждой из строк, на a1 ,
i  1,2, . . . , n таблицы.

25
Способ наименьшего элемента. В отличие от предыдущего способа,
где не учитывается стоимость перевозок груза, в данном случае выбирается
вначале клетка, где имеется минимальное значение стоимости перевозки
груза. Поэтому распределение груза начинается с клетки в таблице, где
находится этот наименьший элемент.
Проверка на оптимальность полученного решения. После определения
первоначального опорного плана необходима проверка его на
оптимальность. Для этого выполняются следующие операции:
10. Вводятся так называемые потенциалы поставщиков U1 , U 2 , … U n и
потребителей V1 , V2 , … Vm .
20. Для каждой из заполненных клеток ( xij  0) таблицы 2 транспортной
задачи составляется система n  m  1 уравнений относительно неизвестных
U1 (1  1, n ) и Vj (j  1, m) по формуле:
Vj  U1  C1j  0 .
30. Решая полученную систему уравнений, определяют значения
неизвестных U i и V j .
40. Проверяют выполнение следующих условий для незаполненных
клеток таблицы, где 𝑥𝑖𝑗 = 0:
V j  U i  C ij  0 .
Если условие оптимальности выполняется для всех клеток таблицы, то
найденное решение считается оптимальным, в противном случае -
неоптимальным и продолжается процесс решения задачи.
Переход от одного опорного плана к другому. Если найденное решение
не удовлетворяет условиям оптимальности, то необходимо рассматривать
другое решение. Для этого осуществляется переход от одного опорного
плана к другому плану. По методу потенциалов, переход от одного
опорного плана к другому осуществляется по следующему алгоритму:
10 Вначале выбирается та клетка таблицы, где записано нулевое
значение 𝑥𝑖𝑗 =0, которой соответствует самое большое положительное
значение выражения Vj  U1  C1j , и в нее записывают возможное большое
число. Естественно это приводит к изменениям во всех других клетках
таблицы. Здесь необходимо следить за тем, чтобы выполнялись условия
неотрицательности значений переменных xij  0 во всех клетках таблицы.
20 С учетом заполнения выбранной клетки необходимо внести
изменения и в другие клетки, соблюдая выполнения заданных условий.
После этого получится новое решение данной транспортной задачи или
новый план перевозок грузов.
В качестве примера рассматривается процесс перехода от решения,
полученного способом северо-западного угла, к другому решению. Потому
что оно является неоптимальным.
Оказалось, что при проверке на оптимальность среди выражений
наибольшее положительное число расположено на пересечении второй
26
строки ( i =2) и первого столбца ( j =1). Это означает, что в проверяемом
плане не осуществлены перевозки по более дешевой стоимости; при этом
осуществлены перевозки по более дорогой стоимости перевозок. В эту
клетку записывается число, которое может иметь предельно большое
значение. Пусть оно равно θ, т.е. x 21  θ .
Для исправления такого положения требуется внести необходимые
изменения в план перевозок. Изменение, внесенное в одной клетке, может
привести к изменению и в других клетках таблицы. Поэтому вносятся
изменения и в другие клетки таблицы, используя те же правила сохранения
балансов по столбцам и строкам
Итак, рассматривались все этапы решения транспортной задачи
методом потенциалов. Здесь рассматривалась закрытая модель. Если будет
рассматриваться открытая модель, то она должна быть приведена к закрытой
моделью.

Контрольные вопросы:
1. Приведите примеры задач практики, которые могут быть сведены к решению
транспортной задачи, кроме задачи о перевозках груза.
2. Какие задачи называются открытыми транспортными задачами?
3. Какому условию должно удовлетворять оптимальное решение транспортной
задачи?
4. В каких случаях вводится фиктивный получатель груза?
5. В каких случаях вводится фиктивный поставщик груза?
6. Множество значений каких переменных образует область допустимых решений
транспортной задачи?
7. Каким условиям удовлетворяют допустимые решения транспортной задачи?
8. Почему переменные должны принимать неотрицательные значения?
9. Можно ли решать транспортную задачу «симплекс-методом»?
10. Что означает равенство в ограничениях?
11. Из каких этапов состоит алгоритм метода потенциалов решения транспортной
задачи?
12. Для какой модели транспортной задачи примени метод потенциалов?
13. Назовите способы определения первоначального опорного плана перевозок.
14. Перечислите этапы перехода от опорного плана перевозок к другому.
15. Как осуществляется переход от открытой модели транспортной задачи к
закрытой модели?
16. Почему необходим переход от открытой модели транспортной задачи к
закрытой модели?
17. Можно ли использовать другой способ определения первоначального опорного
плана, кроме способов северо-западного угла и наименьшего элемента?
18. Что означают потенциалы поставщиков и потребителей груза?
19. Можно ли использовать способ юго-восточного угла для определения
первоначального плана перевозок?
20. Какое количество заполненных клеток должно быть в каждой таблице?

Лекция 9. ВЫБОР В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

27
Содержание: Методы оценки проектов в условиях неопределенности . Измерение
риска. Среднее ожидаемое значение. Изменчивость возможного результат. Отношение к
риску. Снижение риска. Диверсификация. Страхование. Ценность информации (1 час).

Во всех количественных методах анализа, рассмотренных до сих пор,


использовались точно определенные значения таких показателей как доход,
затраты, ставка процентов, цены и другие. Однако, когда рассматриваются
долгосрочные проекты, то часто приходится сталкиваться с
неопределенными обстоятельствами.
Например, когда приходится размещать свои деньги на сберегательный
депозит, то нельзя будет предсказать их покупательную способность на тот
момент, когда требуется воспользоваться ими. Потому что покупательная
способность денег зависит от темпа инфляции в будущем периоде. Доходы
могут возрасти или снизятся в зависимости от того, как соотносятся между
собой номинальная ставка процента и уровень инфляции. Люди,
покупающие акции крупных компаний, в будущем могут либо получить
хорошие дивиденды, либо потерять вложенные на покупку акций денег в
результате банкротства фирмы. Возникает вопрос: каким образом следует
учитывать эти неопределенности при принятии решений по инвестированию
проекта?
Для того, чтобы ответить на подобные вопросы, следует выбрать степень
риска, т.е. необходимо количественно измерить риск. Если выбор
осуществляется среди нескольких инвестиционных проектов, то
количественный показатель риска позволяет сравнить степень рискованности
различных проектов.
Выбор, в случае неопределенности, начинается с выяснения содеожания
следующих понятий:
1. Способы измерения риска.
2. Отношение людей к риску.
3. Методы снижения риска.
Измерение риска. Чтобы определить количественно риск, необходимо
знать все возможные последствия какого-нибудь действия и вероятность
самих последствий. Предположим, что мы решили купить акции компании
«Алтын», ведущий разработку месторождения золота. Если разработка будет
успешной, стоимость акций компании поднимется с 1000 тенге до 2000
тенге. В случае неудачи стоимость упадет до 500 тенге за акцию. Таким
образом, покупка акции компании «Алтын» может привести столкнуться с
двумя исходами в будущем: цена акции 200 тенге или 500 тенге.
Вероятность результата. Вероятность означает возможность
получения определенного результат. Предположим, что вероятность успеха
0,25, а неудачи - 0,75. Существуют различные измерения вероятности. При
этом принято различать объективные и субъективные методы оценки.
Объективный метод определения вероятности основан на вычисления
частоты, с которой происходит некоторые события. Предположим известно,
что при разведке 100 месторождений 25 из них были успешными, а 75 –
28
неудачными. Тогда вероятность успеха 0,25 считается объективной, потому
что она непосредственно основана на частоте соответствующих событий,
определенных на основе фактических данных.
Если нет подобного опыта в прошлом, то невозможно объективные
параметры риска. В этом случае используются объективные критерии, суть
которых заключается в использовании опыта отдельного человека.
Как объективная, так и субъективная вероятность используется при
определении двух важных критериев, которые помогают описать и сравнить
выбор степени риска. Один из критериев дает среднее значение, а другой -
изменчивость возможного результата.
Среднее (ожидаемое) значение. Ожидаемое значение, связанное с
неопределенной ситуацией, является средневзвешенным всех возможных
результатов, где вероятность каждого результат используется в качестве веса
соответствующего значения. Таким образом, ожидаемое значение измеряет
результат, который мы ожидаем в среднем.
Изменчивость возможного результата. Изменчивость оценивается при
помощи критерия, который называется отклонением от ожидаемого
значения. В целом, когда результаты имеют значения 𝑥1 и 𝑥2 с
вероятностями 𝑝1 и 𝑝2 ожидаемым значением результатов 𝑀(𝑋),
дисперсия равна:
𝛿 2 =𝑝1 (𝑥1 − 𝑀(𝑋))2 + 𝑝2 (𝑥2 − 𝑀(𝑋))2 .
Принятие решений. Перед человеком имеется возможность выбора из
двух мест работ. Известно, что средние доходы, получаемые от каждой из
двух работ, одинаковы. Однако, изменчивость (или рискованность)
возможного результата разная. Первое место работы рискованнее, чем
второе. Однако, во втором месте при удачном истечении обстоятельств есть
возможность хорошо зарабатывать. Следовательно, определение места
работы зависит от психологии человека и от его отношения к риску.
Отношение к риску. Как было сказано, люди относятся к риску по-
разному. Можно выделить три типа людей по отношению к риску:
- не любит рисковать;
- нейтрально относится к риску;
- любитель рисковать.
Во многих случаях люди стараются не рисковать и стараются снижать
уровень риска.
Снижение риска:
- диверсификация;
- страхование;
- получение дополнительной информации.
Оказалось, что во многих практических случаях условия решения
задачи являются заранее неопределенными или имели место фактор
случайности. Исследование операций в условиях неопределенности или в
условиях недостаточности информации оказалось важной проблемой в
экономических исследованиях, особенно в вопросах прогнозирования

29
экономического развития страны или предприятия. Такое положение
приводило к определенным трудностям и при управлении объектами.
Исследования в этом направлении стали особенно актуальными после
известного экономического кризиса в двадцатых и тридцатых годах ХХ -
века, охватившего все крупнейшие страны мира. В это время, совместно с
учеными – экономистами, этой проблемой стали заниматься и математики.
Этот период считается началом математизации экономической науки и
появления такой, новой для того времени, отрасли науки, как
математическая экономика (эконометрика).
Известно, что в рыночной экономике, в отличие от плановой
экономики, существуют многочисленные неопределенности, одной из
причин которых является конкуренция между как юридическими, так и
физическими лицами. Из-за того, что конфликтные ситуации являются
частью действительности, и часто возникающими процессами, и они имели
существенное влияние развитию экономики и общества. В связи с этим
проблема разрешения споров и выбор оптимального решения в
конфликтных ситуациях оказались важными задачами.
Конкуренцию между предприятиями или людьми ученые стали
рассматривать как конфликтная ситуация между двумя или многими
сторонами. Совместные усилия математиков и экономистов привели к
созданию нового направления математической разработки рекомендаций по
оптимальному действию в конфликтных ситуациях. Создана
математическая теория, в которой рассматриваются вопросы решения задач
оптимизации в условиях неопределенности. В настоящее время задачами о
принятии решений в условиях неопределенности занимается раздел
прикладной математики – теория игр и статистических решений.
Данная лекция посвящена некоторым практическим вопросам,
связанным с изучением и применением теории игр для обоснования
решений в условиях неопределенности, возникающих в конфликтных
ситуациях. Здесь дается некоторая краткая информация об основных
понятиях теории игр, необходимая для изложения возможности
использования ее для решения задач оптимизации.
Перед изложением идеи метода оптимизации, используемого для
решения задач теории игр, следует дать некоторые сведения, необходимые
для дальнейшего рассмотрения данного вопроса. Теория игр достаточно
хорошо освещена в математической литературе.
Конфликтные ситуации. При решении ряда задач практики
приходится анализировать ситуации, в которых сталкиваются две или более
противоборствующие стороны, преследующие различные
(противоположные) цели. Такие ситуации называются конфликтными.
Конфликтные ситуации всегда сопровождают рыночную экономику, они
играют важную роль в развитии конкурентной среды, являющейся одной из
главных факторов в стимулировании развития производства.
Например, конкуренция между предприятиями, ситуации в ходе
военных действий, в конкурсах, в шахматной игре и в других спортивных
30
играх и т.д. Каждое решение в таких ситуациях должно приниматься с
учетом сознательного противодействия разумного противника. В области
экономики в роли борющихся сторон выступают промышленные
предприятия, торговые фирмы, различные компании в сфере услуг и многие
другие. Можно рассматривать конфликтными ситуациями в спорте,
судопроизводстве и в других областях человеческой деятельности.
Необходимость анализировать подобные ситуации привела к
появлению специального направления в науке – теории игр. Теория игр
является математической теорией конфликтных ситуаций. Задачей этой
теории является выработка рекомендаций по рациональному образу
действий участников конфликта. Первой книгой по этой теории была издана
в 1944 году под названием «Теория игр и экономическое поведение»,
авторами которой явились американский математик Дж. Нейман и
немецкий экономист О. Моргенштерн [10].

Контрольные вопросы:
1.Как определяется вероятность результата?
2. Что собой представляет риск при принятия решений?
3. Как оценивается изменчивость?
4. Для чего производится диверсификация?
5. Почему возникает риск при неопределенностях?

Лекция 10. ИГРОВЫЕ МЕТОДЫ ОПТИМИЗАЦИИ

Содержание: Решение задач оптимизации в условиях неопределенности. Основная


идея метода теории игр. Игра как модель конфликтной ситуации. (1 час).

Оказалось, что во многих практических случаях условия решения


задачи являются заранее неопределенными или имели место фактор
случайности. Исследование операций в условиях неопределенности или в
условиях недостаточности информации оказалось важной проблемой в
экономических исследованиях, особенно в вопросах прогнозирования
экономического развития страны или предприятия. Такое положение
приводило к определенным трудностям и при управлении объектами.
Исследования в этом направлении стали особенно актуальными после
известного экономического кризиса в двадцатых и тридцатых годах ХХ -
века, охватившего все крупнейшие страны мира. В это время, совместно с
учеными – экономистами, этой проблемой стали заниматься и математики.
Этот период считается началом математизации экономической науки и
появления такой, новой для того времени, отрасли науки, как
математическая экономика (эконометрика).
Известно, что в рыночной экономике, в отличие от плановой
экономики, существуют многочисленные неопределенности, одной из
причин которых является конкуренция между как юридическими, так и
физическими лицами. Из-за того, что конфликтные ситуации являются
частью действительности, и часто возникающими процессами, и они имели
31
существенное влияние развитию экономики и общества. В связи с этим
проблема разрешения споров и выбор оптимального решения в
конфликтных ситуациях оказались важными задачами.
Конкуренцию между предприятиями или людьми ученые стали
рассматривать как конфликтная ситуация между двумя или многими
сторонами. Совместные усилия математиков и экономистов привели к
созданию нового направления математической разработки рекомендаций по
оптимальному действию в конфликтных ситуациях. Создана
математическая теория, в которой рассматриваются вопросы решения задач
оптимизации в условиях неопределенности. В настоящее время задачами о
принятии решений в условиях неопределенности занимается раздел
прикладной математики – теория игр и статистических решений.
Данная лекция посвящена некоторым практическим вопросам,
связанным с изучением и применением теории игр для обоснования
решений в условиях неопределенности, возникающих в конфликтных
ситуациях. Здесь дается некоторая краткая информация об основных
понятиях теории игр, необходимая для изложения возможности
использования ее для решения задач оптимизации.
Перед изложением идеи метода оптимизации, используемого для
решения задач теории игр, следует дать некоторые сведения, необходимые
для дальнейшего рассмотрения данного вопроса. Теория игр достаточно
хорошо освещена в математической литературе.
Конфликтные ситуации. При решении ряда задач практики
приходится анализировать ситуации, в которых сталкиваются две или более
противоборствующие стороны, преследующие различные
(противоположные) цели. Такие ситуации называются конфликтными.
Конфликтные ситуации всегда сопровождают рыночную экономику, они
играют важную роль в развитии конкурентной среды, являющейся одной из
главных факторов в стимулировании развития производства.
Например, конкуренция между предприятиями, ситуации в ходе
военных действий, в конкурсах, в шахматной игре и в других спортивных
играх и т.д. Каждое решение в таких ситуациях должно приниматься с
учетом сознательного противодействия разумного противника. В области
экономики в роли борющихся сторон выступают промышленные
предприятия, торговые фирмы, различные компании в сфере услуг и многие
другие. Можно рассматривать конфликтными ситуациями в спорте,
судопроизводстве и в других областях человеческой деятельности.
Необходимость анализировать подобные ситуации привела к
появлению специального направления в науке – теории игр. Теория игр
является математической теорией конфликтных ситуаций. Задачей этой
теории является выработка рекомендаций по рациональному образу
действий участников конфликта. Первой книгой по этой теории была издана
в 1944 году под названием «Теория игр и экономическое поведение»,
авторами которой явились американский математик Дж. Нейман и
немецкий экономист О. Моргенштерн [10].
32
Игра как модель конфликтной ситуации. Анализ конфликтной
ситуации, встречающейся на практике, достаточно сложный процесс из-за
многочисленности факторов, влияющих на результат разрешения спора. Для
того чтобы сделать возможным применение математического анализа
конфликтной ситуации, необходимо построить ее упрощенную,
схематизированную модель. Такой моделью может быть игра. Потому что
игра является, в какой-то мере, конфликтом между игроками.
Реальные конфликты могут происходить без всяких правил, а игра, в
отличие от них, ведется по определенным установленным правилам. Такими
формализованными моделями конфликтов, т.е. играми являются шахматы,
шашки, тогызкумалак, карточные игры и т.д. Все они носят
соревновательный характер, происходят по определенным правилам,
заканчиваются выигрышем одной из сторон. Такие формализованные игры
представляют собой удобный материал для иллюстрации теории игр,
принятия решений в условиях неопределенности.
Парная игра. В игре могут участвовать два или более двух игроков.
Если участников игры двое, то игра называется парной, а если их более
двух, то множественной. Но в большинстве случаях используется модель
парной игры.
Пусть имеется парная игра, в которой участвуют два игрока А и В.
Игроки имеют противоположные интересы. Игра состоит из мероприятия,
состоящего из определенных действий игроков. Каждое действие игрока
можно называть ходом.
Чтобы игра могла быть проанализирована математическими
методами, должны быть выполнены определенные условия. Эти условия
называются правилами игры. Правила игры представляет собой систему
условий, регламентирующую:
- возможные варианты действий игроков;
- объем информации каждой стороны о поведении другой;
- результат игры, к которому приводит каждая совокупность ходов
(действий).
Во многих случаях результат игры невозможно выразить
количественно. В шахматной игре выигрыш оценивается 1, проигрыш
оценивается 0, а ничья – 0,5; в футболе выигрыш оценивается в 3 балла,
проигрыш 0, ничья в 1 балл.
Игра с нулевой суммой. Для моделирования конфликтную ситуацию
удобно моделировать игрой с нулевой суммой.
Определение. Совокупность правил, в результате выполнения которых
сумма выигрышей противников (партнеров) равна нулю, называется
матричной игрой с нулевой суммой.
Это в том случае, когда один игрок выигрывает столько, сколько
проигрывает другой, т.е. сумма выигрышей сторон равна нулю. Здесь
интересы игроков прямо противоположны. Тогда, если известен выигрыш
одного игрока, то нет необходимости рассматривать проигрыш другого.
Конфликты в экономической среде в основном происходит между двумя
33
участниками одного и того же бизнеса. В связи с этим, в дальнейшем, будут
рассматриваться только игры с нулевой суммой.
Каждая игра состоит из ряда последовательных этапов, т.е. ходов.
Определение. Ходом в теории игр называется выбор одного действия,
предусмотренного правилами игры и его осуществление.
Ходы бывают двух видов: личные и случайные. Личным ходом
называется действие, осуществленное игроком сознательно, выбор им
одного из возможных действий и его осуществление. Примером личного
хода является сознательный ход в шахматной игре.
Случайный ход осуществляется не решением игрока, а другим методом.
Для осуществления выбора варианта игрок использует другой механизм
случайного выбора. Например, бросание монеты, игральной кости или
других механизмов. Отсюда следует, что для каждого случайного хода
правила игры определяют распределение вероятностей возможных исходов.
Большинство игр содержат как личные, так и случайные ходы. Встречаются
игры, которые содержат только личные ходы, например, шахматы.

Контрольные вопросы:
1. Какая ситуация называется конфликтной?
2. Почему считают, что игра является моделью конфликтной ситуации?
3. Что является задачей теории игр?
4. Что такое стратегия игрока?
5. Какую рекомендацию дает теория игр?
6. Что является целью теории игр?

Лекция 11. ПРИВЕДЕНИЕ ЗАДАЧИ ПАРНОЙ ИГРЫ К ОЗЛП

Содержание: Постановка задачи парной игры. Этапы решения задачи.


Формулировка ОЗЛП. (1 час)

Поиск методов решения задач теории игр показал, что этот процесс
оказался достаточно серьезной проблемой. Это связано с трудностью
разработки математической модели из-за неопределенности условий
проведения и наличия случайных факторов. В данном параграфе
рассматривается частный случай задачи теории игр, когда решение которой
может быть приведено к решению основной задачи линейного
программирования (ОЗЛП). Симплекс - метод решения ОЗЛП и его алгоритм
достаточно подробно рассмотрены в предыдущих разделах.
Пусть теперь рассматривается одна из простых моделей теории игр.
Рассматривается конечная игра, в которой игрок А имеет m стратегий, а
игрок В (противник) имеет n стратегий. Такую игру называют игра mxn.
Пусть вводятся обозначения:
- стратегии игрока A: A1,A2, . . . , Am;
- стратегии игрока B: B1,B2, . . . , Bn.
Если игрок А выбрал стратегию Ai, а игрок В стратегию Bj, то выигрыш
игрока А равен aij. Если игра содержит, кроме личных ходов, случайные
34
ходы, то выигрыш в паре стратегий Ai,Bj будет случайной величиной. В
этом случае оценкой ожидаемого выигрыша будет математическое
ожидание случайного выигрыша.
Из теории вероятностей известно, что математическое ожидание
случайной величины является важной характеристикой и характеризует ее
некоторое среднее по вероятности значение.
Предполагается, что известны значения a ij при каждой паре стратегий.
Эти значения могут быть записаны в виде матрицы (таблицы). Такая таблица
(матрица) называется платежной матрицей или матрицей игры.
Определение. Матрица 𝐴 = ‖𝑎𝑖𝑗 ‖ (𝑖 = 1,2,. . . . , 𝑚; 𝑗 = 1,2, . . . , 𝑛),
элемент 𝑎𝑖𝑗 которой равен величине выигрыша первого игрока (или
проигрыша второго игрока) при условии он выбрал чистую стратегию с
номером 𝑖, а его противник (партнер) – чистую стратегию с номером 𝑗,
называется матрицей выигрышей или платежной матрицей.
Эту матрицу можно записать в виде следующей прямоугольной
таблицы.

Таблица 1 – Платежная матрица в общем виде


Стратегии Стратегии второго игрока
первого
игрока B1 B2 . . . Bn

A1 a11 a12 . . . a1n


A2 a21 a22 . . . a1n
. . . . . . . . . . . . . . .
Am am1 am2 . . . amn

Строки матрицы соответствуют стратегиям первого игрока, а столбцы


– стратегиям второго. Эти стратегии называются чистыми. Если чистые
стратегии чередуются случайным образом с какими-то вероятностями, то
такие стратегии называются смешанными.
Если имеет место игра, то требуется решить задачу, которая состоит в
выборе такой линии поведения некоторого игрока, отклонение от которой
может привести к уменьшению его выигрыша.
Постановка задачи парной игры. Пусть имеется два игрока. Один из
них может выбрать i  ю стратегию из своих m возможных стратегий. Другой
игрок не знает выбор первого игрока; он выбирает j  ю стратегию из своих
n возможных стратегий. При этом будет составлена следующая платежная
матрица данной игры:
 a11 a12 a13 . . . a1n 
 
A   a 21 a 22 a 23 . . . a 2 n .
a a a ... a 
 31 32 33 mn 

35
В данной матрице aij  величина, которую выигрывает первый игрок, а
второй проигрывает эту величину. Строки данной матрицы соответствуют
стратегии первого игрока, а столбцы – стратегии второго игрока. Требуется
найти решение игры, заданной матрицей A.
В данном случае рассматривается конечная игра, т.к. 𝑚 и 𝑛 имеют
конечные значения. Необходимо привести некоторые определения.
Определение. Максимальное число 𝛼 среди минимальных элементов
𝑎𝑖𝑗 столбцов платежной матрицы 𝐴 называется нижней ценой игры или
максмином; а соответствующая ему стратегия игрока (строка) -
максиминной:
𝛼 = 𝑚𝑎𝑥𝑖 (𝑚𝑖𝑛𝑗 𝑎𝑖𝑗 ).
Определение. Минимальное число 𝛽 среди максимальных элементов 𝑎𝑖𝑗
строк платежной матрицы 𝐴 называется верхней ценой игры или
минимаксом; а соответствующая ему стратегия игрока (столбец) -
минимаксной:
𝛽 = 𝑚𝑖𝑛𝑗 (𝑚𝑎𝑥𝑖 𝑎𝑖𝑗 ).
Определение. Если 𝛼 = 𝛽, то такая игра называется игрой с седловой
точкой.
Понятие о седловой точке было дано в разделе, где рассматривались
задачи нелинейного программирования. Если рассматриваемая задача имеет
седловую точку, то определение решения задачи состоит в выборе
максиминной и минимаксной стратегий, которые являются оптимальными.
Если отсутствует седловая точка, то используется смешанные стратегии.
Решение задачи. Прежде всего, данная игра является парной, так как в
ней участвуют только две стороны. Игра является с нулевой суммой, потому
что выигрыш одного из них равен проигрышу второго. Следовательно, такая
игра с нулевой суммой имеет решение в смешанных стратегиях.
Пусть вводятся следующие обозначения:
U  (u1 , u2 , . . . , um )  стратегии первого игрока;
V  (v1 , v2 , . . . , vm )  стратегии второго игрока;
U 0  оптимальная стратегия первого игрока;
V 0  оптимальная стратегия второго игрока;
z  цена игры.
Каждая из компонент векторов U и V показывает относительную
частоту использования игроком соответствующей чистой стратегии. Поэтому
выполняются следующие условия:
m n

 ui  1, ui  0,
i 1
v
j 1
j  1, v j  0.

Тогда, для того чтобы число z было ценой игры, а U 0 ( u10 , u20 , . . . , um0 )и V 0
( v10 , v20 , . . . , vn0 ) - оптимальными стратегиями игроков, необходимо и достаточно
выполнение следующих неравенств:
m n

 aijui0  z,
i 1
j  1,2, . . . , n; a v
j 1
ij
0
j  z, i  1,2, . . . , m. (1)
36
Теперь необходимо проверить наличие седловой точки в данной
платежной матрице. Для этого необходимо найти минимальные элементы в
каждой из строк и максимальные элементы в каждом из столбцов. Затем
определяются нижняя  и верхняя  цены игры:
  max(min{ aij });   min(max{ aij }).
Обычно предполагается, что 𝑧 > 0. Если это условие не выполняется,
то всегда можно добиться выполнения данного условия. В этом случае ко
всем элементам матрицы A добавляют одно и то же постоянное число P ; это
не влияет на результат решения задачи, только увеличивается цена игры на
это число P .
Пусть теперь обе части первого неравенства (1) разделить на z ; в
результате будет получено следующее неравенство:
1 m
  aij u i0  1, j  1,2, . . . , n. (2)
z i 1
Вводя обозначение xi0  ui0 / z, из этого неравенства (2) можно получить
следующую формулу:
m

a
i 1
0
ij i x  1, j  1,2, . . . , n; xi0  0, i  1,2, . . . , m. (3)
Ранее было показано, что
m

u
i 1
i  1, ui  0,

поэтому можно записать следующее неравенство:


m
1
x
i 1
0
i  .
z
(4)
Желанием первого игрока является получение максимального
1
выигрыша, поэтому он должен обеспечить минимум величины . Отсюда
𝑧
следует, что определение оптимальной стратегии первого игрока сводится к
нахождению минимального значения функции
F ( X )  x1  x2  . . .  xm  min (5)
для ограничений
m

a
i 1
ij i x  1, j  1,2, . . . , n; xi  0, i  1,2, . . . , m. (6)
Получена задача линейного программирования (5)-(6). Аналогично
можно получить подобную задачу для второго игрока; эта задача будет
двойственной задачей относительно задачи (5)-(6):
n
G(Y )   y j  max; (7)
j 1
n

a
j 1
ij yi  1, i  1,2, . . . , n; y j  v j / z; y j  0, j  1,2, . . . , n. (8)
Итак, вместо задачи теории игр получена двойственная пара задач
линейного программирования.

37
Контрольные вопросы:
1. Что такое платежная матрица?
2. Какая стратегия игрока является оптимальной?
3. Что такое конечная и бесконечная игра?
4. Какая игра называется парной игрой с нулевой суммой?
5. Чему равен выигрыш в игре с нулевой суммой?

Лекция 12. СТАТИСТИЧЕСКОЕ РЕШЕНИЕ ЗАДАЧИ ПРИНЯТИЯ


РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

Содержание: Матрица стратегий игроков. Матрица рисков. Критерии принятия


решений в условиях неопределенности. Алгоритм решения задачи. (1 час)

В теории игр рассматривается конфликтная ситуация, в которой


участвуют два противника, действующие разумно и каждый из них
предпринимает действия, которые выгодно только для себя. Существуют
другие ситуации, когда противником является не разумный игрок, а так
называемая «природа». Это означает, что операция (мероприятие)
проводится в условиях неопределенности, т.е. во время недостаточной
осведомленностью о ситуации. Иначе говоря, когда информация о
происходящем процессе недостаточная. Например, падение спроса на
определенный тип товара в некотором регионе, резкое изменение
экономической ситуации в стране, природные или техногенные
происшествия и т.д.
В таких ситуациях условия выполнения операции зависят не от
разумного противника, а от объективной действительности. Таких
«противников» называют «природой». В данном случае поведение такого
противника неизвестно; поэтому приходится принимать решение в условиях
неопределенности. Принятие наилучшего решения в таких условиях является
достаточно сложным. Здесь приходится ставить вопрос о выборе выгодной
стратегии в сравнении с другими возможными вариантами. Для объяснения
сущности данной проблемы необходимо рассматривать конкретный пример.
Пусть рассматривается следующая ситуация. Сторона 𝐴 имеет 𝑚
возможных стратегий 𝐴1 , 𝐴2 , 𝐴3 , . . . , 𝐴𝑚 . Предполагается, что существуют
стратегии «природы», т.е. о них имеются 𝑛 предположений 𝐺1 , 𝐺2 , 𝐺3 ,
. . . , 𝐺𝑛 . Выигрыш А при каждой паре стратегий (𝐴𝑖 , 𝐺𝑗 ) определен
следующей матрицей:

Таблица 1– Матрица стратегий игрока и «природы»


Страт Стратегии «природы»
егии игрока 𝐺1 𝐺2 𝐺3 . . . 𝐺𝑛
𝐴1 𝑎11 𝑎12 𝑎13 . . . 𝑎1𝑛
𝐴2 𝑎21 𝑎22 𝑎23 . . . 𝑎2𝑛
𝐴3 𝑎31 𝑎32 𝑎33 . . . 𝑎3𝑛
. . . . . . . . . . . . . . . . . .
𝐴𝑚 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 . . . 𝑎𝑚𝑛

38
Ставится следующая задача: выбрать такую стратегию игрока А,
которая является более выгодной по сравнению с другими.
Основным отличием данной задачи от предыдущей задачи, когда
противник является разумным, является отсутствие противодействия
«природы». Но в данном случае труднее принимать обоснованное решение
из-за неопределенностей.
Возможны такие случаи, когда какая-то стратегия игрока А является
доминирующей над другими, т.е. когда выигрыш при определенной
стратегии 𝐴𝑘 при любом состоянии «природы» не меньше, чем выигрыш при
любой другой стратегии. Тогда решение задачи будет определено без
проблем, стратегия 𝐴𝑘 будет наилучшим.
Другой подход к решению определения наилучшей стратегии игрока А
может быть выполнен путем отбрасывания заведомо невыгодных стратегий.
Однако этот подход в данном случае не может быть использован, потому что
для неразумного противника не существует невыгодная стратегия; «природа»
не выбирает свою стратегию как разумный противник по уровню нанесения
вреда игроку А.
Возникает вопрос: как же выбрать стратегию для принятия решения в
условиях неопределенности. Очевидно, для принятия решения необходимо
исходить из матрицы выигрышей. Из анализа стратегий игрока А и
«природы» может быть определена наилучшая стратегия, которая позволяет
иметь наибольший выигрыш. В этом случае выбор наилучшего решения
может быть осуществлен по состоянию «природы». Например, для
проводимой операции более благоприятно некоторое состояние природы,
чем другие. Поэтому должны быть какие-то показатели, которые описывают
выгодность применения данной стратегии в определенной ситуации. Таким
показателем в теории принятия решений считается «риск».
В литературе имеется следующее определение понятия «риска» [ ]:
Риском игрока А при использовании стратегии 𝐴𝑖 в условиях 𝐺𝑗
называется разность между выигрышем, который он получил бы, если бы
знал 𝐺𝑗 , и выигрышем, который он получит в тех же условиях, применяя
стратегию𝐴𝑖 .
Пусть риск игрока при применении стратегии 𝐴𝑖 в условиях 𝐺𝑗
обозначен 𝑅𝑖𝑗 . Если игрок знает состояние природы, т.е. условия 𝐺𝑗 , то он
выбирает стратегию, которой соответствует максимальный выигрыш. В
данном случае из соответствующего столбца таблицы 6.3 выбирают
максимальный элемент 𝛽𝑗 . Тогда риск определяется как следующая
разность:
𝑅𝑖𝑗 = 𝛽𝑗 − 𝑎𝑖𝑗 ,
где 𝛽𝑗 − наибольший элемент столбца таблицы 6.3 с номером 𝑗, т.е.
𝛽𝑗 = max{𝑎𝑖1 , 𝑎𝑖2 ,. . . , 𝑎𝑖𝑛 }.
Отсюда следует, что риск не может быть отрицательной величиной; он
определяет благоприятность состояния природы для игрока А. Поэтому
39
величины риска определяют более наглядную картину состояния природы,
чем элементы матрицы 6.3. Поэтому целесообразно использовать матрицу
рисков вместо таблицы стратегий, представленную в следующей таблице:

Таблица 2– Матрица рисков игрока


Страт Стратегии «природы»
егии игрока 𝐺1 𝐺2 𝐺3 . . . 𝐺𝑛
𝐴1 𝛽1 − 𝑎11 𝛽2 − 𝑎12 𝛽3 − 𝑎13 . . . 𝛽𝑛 − 𝑎1𝑛
𝐴2 𝛽1 − 𝑎21 𝛽2 − 𝑎22 𝛽3 − 𝑎23 . . . 𝛽𝑛 − 𝑎2𝑛
𝐴3 𝛽1 − 𝑎31 𝛽2 − 𝑎32 𝛽3 − 𝑎33 . . . 𝛽𝑛 − 𝑎3𝑛
. . . . . . . . . . . . . . . . . .
𝐴𝑚 𝛽1− 𝑎𝑚1 𝛽2 − 𝑎𝑚2 𝛽𝑚 − 𝑎𝑚3 . . . 𝛽𝑛 − 𝑎𝑚𝑛

В этой таблице 1 введены следующие обозначения наибольших


элементов столбцов: 𝛽𝑗 , 𝑗 = 1,2,3, . . . , 𝑛.
Пусть теперь рассматривается пример.
Пример 2. Предполагается, что проводится некоторое мероприятие в
неопределенных условиях. Пусть существуют различные предположения
относительно этих условий; они обозначены: 𝐺1 , 𝐺2 , 𝐺3 , 𝐺4 . Игрок А имеет
следующие стратегии: 𝐴1 , 𝐴2 , 𝐴3 . Матрица стратегий задана в виде
следующей таблицы:
Таблица 3 – Матрица стратегий игрока и «природы» в примере 2
Страт Стратегии «природы»
егии игрока 𝐺1 𝐺2 𝐺3 𝐺4
𝐴1 2 4 7 8
𝐴2 3 8 5 4
𝐴3 5 6 8 2

Требуется построить матрицу рисков; для этого определяются


наибольшие элементы каждого столбца 𝛽𝑗 , и вычисляются разности 𝑅𝑖𝑗 =
𝛽𝑗 − 𝑎𝑖𝑗 . Результаты будут записаны в виде следующей таблицы:

Таблица 4 – Матрица рисков в примере 2


Страт Стратегии «природы»
егии игрока 𝐺1 𝐺2 𝐺3 𝐺4
𝐴1 3 4 1 0
𝐴2 2 0 3 4
𝐴3 0 2 0 6

Матрица рисков, наравне с матрицей стратегий, может быть


использована для дальнейшего анализа с целью выбора оптимальной
стратегии игрока, и тем самым для решения задачи.
Рассмотренные в предыдущем параграфе способы группировки
исходных данных являются подготовительным периодом для проведения
анализа ситуаций Для выбора стратегии игрока А должен быть задан
определенный критерий для принятия решения.
40
Существуют различные критерии для выбора оптимального решения в
условиях неопределенности; популярными из них являются следующие:
- критерии, основанные на известных вероятностях условий;
- критерий Вальда;
- критерий Гурвица;
- критерий Сэвиджа.
10. Пусть вначале рассматривается критерий, основанный на известных
вероятностях условий. Здесь считается, что вероятности каждого состояния
«природы» известны:
𝑝1 = 𝑃(𝐺1 ), 𝑝2 = 𝑃(𝐺2 ), 𝑝3 = 𝑃(𝐺3 ),. . . , 𝑃𝑛 = 𝑃(𝐺𝑛 ).
Так как стратегии «природы» составляют полную группу событий,
поэтому сумма вероятностей их появления равна единице, т.е.
∑𝑛𝑖=1 𝑝𝑖 = 1.
В этом случае в качестве показателя эффективности принятого
решения принимается математическое ожидание выигрыша. Оно
определяется с помощью следующей суммы:
𝑀(𝑎𝑖 ) = 𝑝1 𝑎𝑖1 + 𝑝2 𝑎𝑖2 + 𝑝3 𝑎𝑖3 +. . . +𝑝𝑛 𝑎𝑖𝑛.
Известно, что математическое ожидание 𝑀(𝑎𝑖 ) является взвешенным
средним выигрышей для 𝑖 −ой строки таблицы. Теперь выбирают
максимальное значение из этих математических ожиданий выигрышей для
всех строк. Таким образом, задача с неопределенными условиями
превратилась в задачу с определенными условиями. Только необходимо
учесть, что принятое решение является оптимальным в среднем.
Пусть рассматривается тот же пример 2, в котором заданы вероятности
появления стратегий «природы». Все сведения представлены в следующей
таблице:
Таблица 5 – Матрица стратегий игрока и «природы» в примере 2
Страте Стратегии «природы» 𝑀(𝑎𝑖 )
гии игрока 𝐺1 𝐺2 𝐺3 𝐺4
𝐴1 2 4 7 8 6,2
𝐴2 3 8 5 4 5,1
𝐴3 5 6 8 2 5,5
𝑝𝑖 0,1 0,2 0,4 0,3

В последней строке таблицы 6.7 даны вероятности появления стратегий


«природы», а на последнем столбце приведены средние выигрыши
𝑀(𝑎𝑖 ). Отсюда следует, что наибольшее значение математического
ожидания находится на первой строке. Это означает, что оптимальной
стратегией в данном случае является первая стратегия 𝐴1 .
Примечание. Для принятия решения и выбора оптимальной стратегии
игрока можно выбрать по минимуму риска:
𝑀(𝑅𝑖 ) = 𝑝1 𝑅𝑖1 + 𝑝2 𝑅𝑖2 + 𝑝3 𝑅𝑖3 +. . . +𝑝𝑛 𝑅𝑖𝑛. → 𝑚𝑖𝑛.
Можно показать, что стратегия, которая дает максимальный средний
выигрыш, совпадает со стратегией, дающей минимальный средний риск.

41
Пусть теперь рассматриваются сущности других критериев для
определения оптимальной стратегии игрока в условиях неопределенности.
20. Критерий Вальда предполагает, что необходимо выбрать в качестве
оптимальной стратегии игрока А, при которой минимальный выигрыш
максимален, т.е. стратегия, гарантирующая при любых условиях выигрыш,
не меньший, чем максимин:
𝑄 = 𝑚𝑎𝑥𝑚𝑖𝑛{𝑎𝑖𝑗 } для всех 𝑖 = 1,2,3,. . . , 𝑛; 𝑗 = 1,2,3,. . . . , 𝑚.
Если использовать этот критерий для обоснования принимаемого
решения, то нужно выбирать ту стратегию, для которой в самых худших
условиях выигрыш максимальный.
30. Критерий Сэвиджа предполагает, что в качестве оптимальной
стратегии игрока А выбирают стратегию, при которой риск принимает
наименьшее значение при самой неблагоприятной ситуации, т.е. когда риск
максимальный:
𝑄 = 𝑚𝑖𝑛𝑚𝑎𝑥{𝑅𝑖𝑗 } для всех 𝑖 = 1,2,3,. . . , 𝑛; 𝑗 = 1,2,3,. . . . , 𝑚.
В этом случае требуется, чтобы любыми способами избежать больших
рисков.
40. Критерий Гурвица имеет вид:
𝑄 = 𝑚𝑎𝑥{𝜆 ∙ 𝑚𝑖𝑛(𝑎𝑖𝑗 ) + (1 − 𝜆) ∙ max( 𝑎𝑖𝑗 )}
для всех 𝑖 = 1,2,3,. . . , 𝑛; 𝑗 = 1,2,3,. . . . , 𝑚.
Здесь 𝜆 – коэффициент, значение которого заключено в промежутке
[0;1]; если 𝜆 = 1, то критерий превращается в критерий Вальда, а если 𝜆 = 0,
то в критерий т.н. «крайнего оптимизма».
Пример 3. Пусть рассматривается тот же пример 2, матрица выигрышей
задана в виде таблицы 6.5. Найти оптимальное решение (наилучшую
стратегию). Для этого использовать критерии Вальда, Сэвиджа и Гурвица.
Решение примера 3. Согласно критерия Вальда, в каждой строке
матрицы берут наименьший выигрыш:
Таблица 6 – Определение наименьших элементов строк
Страте Стратегии «природы» ∝𝑖
гии игрока 𝐺1 𝐺2 𝐺3 𝐺4
𝐴1 2 4 7 8 2
𝐴2 3 8 5 4 3
𝐴3 5 6 8 2 2
Наибольший элемент из ∝1 , ∝2 , ∝3 находится на третьей строке (3). Это
означает, что по критерию Вальда оптимальной является стратегия 𝐴2 .
По критерию Сэвиджа: вначале рассматривается матрица рисков. В эту
таблицу добавляется столбец, куда записываются максимальные значения
риска для каждой строки.

Таблица 7 – Определение максимальных значений риска


Страте Стратегии «природы» 𝛾𝑖
гии игрока 𝐺1 𝐺2 𝐺3 𝐺4
𝐴1 3 4 1 0 4
𝐴2 2 0 3 4 4
42
𝐴3 0 2 0 6 6

В данном случае на двух строках 𝛾𝑖 имеет одинаковые значения,


равные 4. Оно является минимальным значением, поэтому по критерию
Сэвиджа оптимальными стратегиями являются 𝐴1 и 𝐴2 .
Критерий Гурвица: Пусть считается, что 𝜆 − 0,7. К таблице 6.6
добавляют три столбца. На первом столбце записываются наименьшие
значения ∝𝑖 , а на втором столбце – наибольшие значения
𝛿𝑖 элементов строк. Элементы третьего столбца вычисляются по формуле:
𝜃𝑖 = 0,7 𝛼𝑖 + 0,3 𝛿𝑖 .

Таблица 8 – Определение среднее взвешенное оценок


Страт Стратегии «природы» ∝𝑖 𝛿𝑖 𝜃𝑖
егии игрока 𝐺1 𝐺2 𝐺3 𝐺4
𝐴1 2 4 7 8 2 8 3,
8
𝐴2 3 8 5 4 3 8 4,
5
𝐴3 5 6 8 2 2 8 4,
5

Максимальное значение 𝜃𝑖 =4,5 встречается в двух случаях; поэтому по


критерию Гурвица оптимальными стратегиями являются 𝐴2 и 𝐴3 .

Контрольные вопросы:
1. Что такое платежная матрица?
2. Какая стратегия игрока является оптимальной?
3. Что такое конечная и бесконечная игра?
4. Какая игра называется парной игрой с нулевой суммой?
5. Чему равен выигрыш в игре с нулевой суммой?
6. Какая стратегия называется смешанной?
7. Какая стратегия называется чистой?
8. Каким образом будут получены задачи линейного программирования из задачи
теории игр?

Лекция 13. ТЕОРИЯ ГРАФОВ В ЗАДАЧАХ ОПТИМИЗАЦИИ


Содержание: Определения графов. Элементы графов. Подграфы. Маршруты, цепи,
циклы. Виды графов и операции над ними. Матрица смежности. Матрица инциденций.
Списки смежности. Массив дуг. Обходы графов.

Определение. Графом 𝐺(𝑉, 𝐸) совокупность двух множеств – непустого


множества 𝑉 (множества вершин) и множества 𝐸 неупорядоченных пар
различных элементов множества 𝑉 (𝐸 − множество ребер).
𝐺(𝑉, 𝐸) = (𝑉, 𝐸), 𝑉 ≠ ∅, 𝐸 ∈ 𝑉 𝑥 𝑉, 𝐸 = 𝐸 −1 /
Число вершин графа 𝐺 обозначено 𝑝, а число ребер - 𝑞.
𝑝 ≔ 𝑝(𝐺) ≔ |𝑉|, 𝑞 ≔ 𝑞(𝐺) ≔ |𝐸|.

43
Пусть 𝑣1 , 𝑣2− вершины, 𝑒 = (𝑣1, 𝑣2 ) − соединяющее их ребро. Тогда
вершина 𝑣1 и ребро 𝑒 инцидентны, вершина 𝑣2 и ребро 𝑒 также
инцидентны. Два ребра, инцидентные одной вершине, называются
смежными; две вершины, инцидентные одному ребру, также называются
смежными.
Множество вершин, смежных с вершиной 𝑣, называется множеством
смежности вершины 𝑣 и обозначается Г+ (𝑣):
Г+ (𝑣) = {𝑢 ∈ 𝑊 | (𝑢, 𝑣) ∈ 𝐸}, Г(𝑣): = Г+ (𝑣) = Г+ (𝑣) ∪ {𝑣},
𝑢 ∈ Г(𝑣) ↔ 𝑣 ∈ Г(𝑢).
Обычно граф изображают диаграммой: вершины – точками (или
кружками), ребра - линиями.
Маршрутом в графе называется чередующаяся последовательность
вершин и ребер
𝑣0 , 𝑒1 , 𝑣1 , 𝑒2 , . . . , 𝑒𝑘 , 𝑣𝑘 ,
в которой любые два соседние элементы инциндентны.
Длиной маршрута называется количество ребер в нем (с
повторениями). Если маршрут 𝑀 = 𝑣0 , 𝑒1 , 𝑣1 , 𝑒2 , . . . , 𝑒𝑘 , 𝑣𝑘 , то длина 𝑀
равна 𝑘 (обозначается |𝑀} = 𝑘).
Расстояние между вершинами 𝑢 и 𝑣 (обозначается 𝑑(𝑢, 𝑣))
называется длина кратчайшей цепи (𝑢, 𝑣), а сама кратчайшая цепь называется
геодезической. Диаметром графа 𝐺(обозначается 𝐷(𝐺)) называется длина
длиннейшей геодезической цепи. Множество вершин, находящихся на
одинаковом расстоянии 𝑛 от вершины 𝑣 (обозначается 𝐷(𝑣, 𝑛))
называется ярусом:
𝐷(𝑣, 𝑛) = {𝑢 ∈ 𝑉|𝑑(𝑣, 𝑛) = 𝑛}.
Две вершины в графе связаны, если существует соединяющая их простая
цепь. Граф, в котором все вершины связаны, называется связным. Число
компонент связности графа 𝐺 обозначается 𝑘(𝐺). Граф 𝐺 является связным
тогда и только тогда, когда 𝑘(𝐺) = 1. Если 𝑘(𝐺) > 1, то 𝐺 - несвязный
граф. Граф, состоящий только из изолированных вершин (в котором
k(G)=𝑝(𝐺) и r(G)=0), вполне несвязным.
Графы бывают: тривиальные, полные, двухдольные и направленные.
Граф, состоящий из одной вершины, называется тривиальной. Граф, в
котором каждая пара вершин смежна, называется полным.
Двухдольный граф 𝐺(𝑉, 𝐸) - это такой, что множество 𝑉 разбито на
два непересекающихся множества 𝑉1 и 𝑉2 (𝑉1 ∪ 𝑉2 = 𝑉1 & 𝑉2 ∩ 𝑉2 = ∅),
причем всякое ребро из 𝐸 инциндентно вершине из 𝑉1 и вершине из 𝑉2 (т.е.
соединяет вершину из 𝑉1 с вершиной 𝑉2 ). Множества 𝑉1 и 𝑉2 называются
долями двухдольного графа.
Операции над графами:
1. Дополнение графа.
2. Объединение граф
3. Соединение графов.
4. Удаление вершины из графа.
44
5. Удаление ребра.
6. Добавление вершины.
7. Добавление ребра.
8. Стягивание подграфа.
9. Размножение вершин графа.
Следует заметить, что конструирование структур данных для
представления в программе объектов математической модели – это
искусство практического программирования. Рассматриваются четыре
различных базовых представления графов. Выбор наилучшего представления
определяется требованиями конкретной задачи. При решении конкретных
задач используются некоторые комбинации или модификации указанных
представлений, общее число которых бесконечно. Однако все они основаны
на перечисленных базовых идеях.
Известны различные способы представления графов в памяти
компьютеров, которые различаются объемом занимаемой памяти и
скоростью выполнения операций над графами. Представление выбирается
исходя из потребностей конкретной задачи. Далее приведены четыре
наиболее часто используемых представления с указанием характеристики:
объем памяти для каждого представления. Здесь указываются числа ребер и
вершин.
Матрица смежности. Представление графа с помощью квадратной
булевской матрицы, отражающей смежность вершин, называется матрицей
смежности.
Матрица инциденций. Представление графа с помощью матрицы,
отражающей инцидентность вершин и ребер, называется матрицей
инциденций.
Представление графа с помощью списочной структуры, отражающей
смежность вершин и состоящей из массива указателей на списки смежных
вершин, называется списком смежности.
Представление графа с помощью массива структур, отражающего
список пар смежных вершин, называется массивом ребер или массивом дуг.
Обходы графов – это некоторое систематическое перечисление его
вершин (или ребер). Наибольший интерес представляют обходы,
использующие локальную информацию (списки смежности). Среди всех
обходов наиболее известны поиск в ширину и в глубину лежат в основе
многих конкретных алгоритмов на графах.
Алгоритм в ширину и глубину:
Вход: граф 𝐺(𝑉, 𝐸), представленный спискам смежности Г.
Выход: последовательность вершин обхода
For 𝑣 ∈ 𝑉 do
𝑥(𝑣): = 0 {вначале все вершины не отмечены}
end for
select 𝑣 ∈ 𝑉 {начало обхода – произвольная вершина}
𝑣 → 𝑇 {помещаем 𝑣 в структуру 𝑇 . . . }
𝑥[𝑣] ≔ 1 {. . . отмечаем вершину 𝑣 }
45
repeat
𝑢 ← 𝑇 {извлекаем вершину из структуры данных 𝑇 . . . }
yield 𝑢 {. . . и возвращаем в качестве очередной пройденной
вершины}
for 𝑢 ∈ Г(𝑢) do
if 𝑥[𝑤] = 0 then
𝑤 → 𝑇 {помещаем 𝑤 в структуру данных 𝑇 . . . }
𝑥[𝑤] ≔ 1 {. . . отмечаем вершину 𝑤 }
end if
end for
until 𝑻 = ∅

Контрольные вопросы:
1. Для чего используются графы?
2. Что такое задача о Кенигсбергских мостах?
3. Сформулируйте задачу о трех домах и трех колодцах.
4. Что такое изоморфизм графов?
5. Что такое подграфы?
6. Что является основой искусства практического программирования?
7. Из каких соображений выбирается представление графов?
8. Что собой представляет матрица смежности?

Лекция 14. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ПРИНЯТИЯ


РЕШЕНИЙ

Содержание: Задачи компьютерных систем поддержки принятия решений.


Аппаратно-программные средства систем поддержки принятия решений. Эффективное
создание программного обеспечения. Групповая обработка данных.(1 час)

Принятие разнообразных решений – ежедневная деятельность


менеджеров различных организаций, от правильности выбора которых
нередко зависит эффективная деятельность предприятия в целом. Обработка
многочисленных и противоречивых альтернатив и выбор «лучшей» является
сложным и ответственным процессом, которому в последнее время уделяется
значительное внимание. Именно поэтому появляются новые средства
решения организационно-управленческих задач – системы поддержки
принятия управленческих решений (Decision Support Systems).
Системы поддержки принятия решений (СППР) основаны на
формализации методов получения исходных и промежуточных оценок,
даваемых ЛПР (лицо, принимающее решение), и алгоритмизации самого
процесса выработки решения. Человеко-машинная процедура принятия
решений с помощью СППР представляет собой циклический процесс
взаимодействия человека и компьютера [1].
Системы поддержки принятия управленческих решений на основе
информационных технологий начали свое развитие с конца 70-х - начала 80-х
гг., благодаря широкому распространению персональных компьютеров,
46
программных продуктов, а также успехи в области развития искусственного
интеллекта.
Одной из важнейших особенностей информационных технологий
поддержки принятия управленческих решений является качественно новый
подход к взаимодействию компьютера и человека. Принятие решения
является итерационным процессом, в котором принимают участие:
- сама система поддержки принятия управленческих решений как
вычислительное звено и объект управления;
- лицо, оценивающее полученный результат, и на его основании
принимающее решение.
Информационные технологии поддержки принятия решений
отличаются рядом особенностей:
- ориентация на решение плохо структурированных
(формализованных) задач;
- сочетание традиционных методов доступа и обработки компьютерных
данных с возможностями математических моделей и методами решения
задач на их основе;
- направленность на непрофессионального пользователя компьютера;
-высокая адаптивность, обеспечивающая возможность
приспосабливаться к особенностям имеющегося технического и
программного обеспечения, а также требованиям пользователя.
Основные компоненты
На рисунке 1 приведена структура, функции технологических блоков и
основные операции системы поддержки принятия решений.

Рисунок 1. Основные компоненты информационной технологии


поддержки принятия решений
Основными компонентами информационной технологии поддержки
принятия решений являются база данных, программная подсистема и база
моделей. Система управления базой данных (СУБД), система управления
базой моделей (СУБМ) и система управления интерфейсом входят в состав
программной подсистемы.
Информация для базы данных может поступать от различных
источников:
- данные от информационной системы операционного уровня для
эффективного использования должны быть предварительно обработаны;
- для принятия управленческих решений необходимы данные о внутреннем
состоянии системы, например, движение персонала, работа различных
47
отделов и т.п., которые также необходимо обрабатывать и вводить в систему;
- данные от внешних источников имеют важное значение при принятии
решений на управленческих уровнях. Обычно данные такого рода
приобретаются у организаций, специализирующихся на их сборе;
- к прочим внутренним источникам данных относят документы – приказы,
записи, выписки и т.п. Если такие данные записать в систему и привязать к
таким важным элементам как поставщики, потребители, виды услуг, то
система получит мощный источник информации.
Модели создаются с целью описания и оптимизации конкретного
объекта или процесса. Их использование дает возможность анализировать
системы поддержки принятия решений. Математическая интерпретация
проблемы, на которой базируются модели, позволяет находить информацию,
полезную для принятия правильных решений.
Например, использование модели линейного программирования
способствует определению наиболее выгодной производственной
программы выпуска нескольких видов товаров при заданных ограниченных
ресурсах.
Экспертные системы. Экспертные системы – это программные
продукты с использованием элементов искусственного интеллекта. Такие
программы содержат знания специалистов определенной предметной
области и вырабатывают рекомендации при запросе необходимой
информации, дают возможность специалисту или менеджеру
проконсультироваться у экспертов по любым проблемам, на основе которых
этими системами накоплены знания. Экспертные системы сегодня работают
на одном уровне со специалистами, а в некоторых случаях лучше, т.к. в них
вложен коллективный опыт создателей.
Причиной создания экспертных систем является необходимость, в
любой момент времени, получения экспертной рекомендации по той или
иной проблеме. На практике экспертные системы применяются всякий раз,
когда у специалиста или менеджера появляются сомнения в выборе
правильного решения, так как эти системы базируются на более глубоких и
полных знаниях, чем знания пользователя.
Самая простая экспертная система состоит из решателя
(интерпретатора), БД (базы данных), БЗ (базы знаний), компонентов
приобретения знаний, объяснительного и диалогового компонентов.
БД предназначена для хранения исходных и промежуточных
данных, используемых для решения задач, фактографических данных.
Решатель, используя исходные данные из БД и знания из Б3,
обеспечивает решение задач для конкретных ситуаций.
Компонент приобретения знаний автоматизирует процесс наполнения
Б3.
Объяснительный компонент объясняет, как система получила
решение задачи (или почему не получила) и какие знания она при этом
использовала. Диалоговый компонент обеспечивает диалог

48
между экспертной системой и пользователем в процессе решения задачи и
приобретения знаний [3].
Таким образом, применение информационных технологий поддержки
принятия управленческих решений приводит к выбору более эффективных и
актуальных решений, а так же может использоваться на любом уровне
управления. Так как принимаемые на разных уровнях решения должны
координироваться, важной функцией таких систем является и координация
лиц, принимающих эти решения.
В условиях современной неопределенности применение экспертных
систем позволяет существенно сократить риск от последствий принятия
управленческих решений, и дают неоценимую помощь молодым менеджерам
и специалистам.

Контрольные вопросы:
1. Что собой представляет СППР?
2. Что такое экспертная система?
3. Назовите компонентов самой простой экспертной системы.

Лекция 15. ЗАКЛЮЧЕНИЕ. МЕТОДЫ ОЦЕНКИ ВАЖНОСТИ


КРИТЕРИЕВ ПРИ ОПРЕДЕЛЕНИИ КАЧЕСТВА РЕШЕНИЯ

Содержание: Методы оценки важности критериев при определении качества


проектного решения. Методы назначения весов критериев на основе метода
аналитических иерархий. Методы назначения весов критериев на основе метода
предпочтений. Методы назначения весов критериев на основе метода ранга. (1 час)

Известно, что проблемные ситуации, требующие своего решения,


содержат различного рода неопределенности, которые можно условно свести
к неопределенностям природы, человека и целей разрешения проблемы.
Чтобы преодолеть неопределенность, прибегают к упрощенному
представлению стоящей задачи и остроению моделей, что всегда является
неформальной и нерегламентированной процедурой. Одним наиболее
распространенных подходов к упрощению задачи выбора соостоит в
получении дополнительной информации за счет оисания рассматриваемых
вариантов (альтернатив, лбъектов) на языке критериев.
Критерий (от греч. мерило, средство суждения) предсталяет собой
некоторую выделенную особенность, с помощью которой можно
охарактеризовать предмет или явление. Приоценке вариантов по какому-
либо критерию 𝐾 этой особенности приписвается определенная шкала 𝑋, а
каждому варианту 𝐴𝑖 из имеющейся совокупности 𝐴 = {𝐴1 , . . . , 𝐴𝑚}
вариантов ставится в соответствие одно из значений 𝑥𝑖 ∈ 𝑋по шкале этого
критерия :𝐴𝑖 ↔ 𝑥𝑖 . Значение 𝑥𝑖 = 𝐾(𝐴𝑖 ) называется оценкой варианта 𝐴𝑖 по
критерию 𝐾. Иными словами, критерий задает отображение 𝐾: 𝐴 → 𝑋
совокупности 𝐴 вариантов выбора на множество значений особенности 𝑋.
При целостной оценке вариантов в условиях определенности каждому
варианту 𝐴𝑖 ставится в соответствие его точечная оценка 𝑥𝑖 = 𝐾(𝐴𝑖 ), которая
49
представляет собой некоторое число или символ из множества значений 𝑋
шкалы критерия 𝐾. В условиях полной неопределенности измеряемой
характеристике варианта 𝐴𝑖 соответствует не одно точечное значение
оценки 𝑥𝑖 , а некоторый интервал возможных значений [𝑥𝑖1 , 𝑥𝑖2 ].В условиях
вероятностной неопределенности варианту 𝐴𝑖 сопоставляется некоторое
распределение вероятностей на заданном числовом интервале.
В простых случаях можно легко найти итоговое решение задачи выбора,
например, упорядочение (нестрогий порядок) всех вариантов.
Иерархический подход к выбору вариантов. Важным методологическим
приемом решения сложных проблем рационального выбора является
декомпозиция задачи на ряд более простых и меньших по размерности
составляющих. С подобным приемом уже встречались ранее в многоэтапном
выборе, где задача оптимального управления или планирования разлагалсь
на несколько повторяющихся однотипных и менее сложных подзадач.
Разложение комплексной проблемы на отдельные компоненты позволяет
полнее отразить разнообразные факторы, характеризующие проблемную
ситуацию, помогает всесторонне проанализировать проблему с учетом
взаимного влияния выделенных факторов, облегчает поиск лучших путей
решения проблемы. Такой подход соответствует естественной способности
человека в системному логическому исследованию и решению сложных
задач.
Один из примеров иерархического подхода к структуризации проблемы
– метод деревьев решений. Другим примером служит метод аналитической
иерархии (AHP- Analytic Hierarchy Process). Этот метод предназначен для
упорядочения реально имеющихся вариантов, оцененных по многим
количественным и качественным критериям, исходя из значений общей
ценности этих вариантов, которые представляют собой численно
выраженные предпочтения ЛПР. Вариант, имеющий наибольшую общую
ценность, выбирается в качестве оптимального решения. Для вычисления
общей ценности вариантов используется специальная процедура
нахождения и агрегирования частных ценностей вариантов. Таким образом,
метод аналитической иерархии принадлежит основной группе методов
рационального выбора.
Принципиальные моменты многоэтапной процедуры, составляющей
содержание метода аналитической иерархии, сводятся к следующему:
иерархическая декомпозиция проблемы; сравнительная многоаспектная
оценка элементов каждого уровня иерархии, основанная на предпочтениях
ЛПР; синтез ценности (приоритетов) вариантов решения; оценка
согласованности предпочтений ЛПР. Обоснование метода аналитической
иерархии базируется на теории графов, матричной алгебре.
В заключение следует отметить следующее. В современных условиях
резко повысилась цена, которую приходится платить обществу за
недостаточно обоснованные экономические или социальные решения.
Одновременно увеличилась и мера ответственности руководителей,

50
принимающих решение. Усилилась взаимная зависимость лиц, участвующих
в подготовке и принятии решение. Каждый руководитель, решая конкретные
вопросы на своем уровне управления, должен увязывать интересы разных
сторон, учитывать сложившиеся связи и последствия их нарушения.
Возрастающие требования к качеству управления в разных сферах
человеческой деятельности, диктуют необходимость выполнения
специальной аналитической работы при формировании и принятия решения.

Контрольные вопросы:
1. Что собой представляет критерий в выборе решения?
2. Что такое метод аналитической иерархии?
3. Как определяется ценность решения?

51