WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     || 2 | 3 |
-- [ Страница 1 ] --

Серия КЛАССИЧЕСКИЙ УНИВЕРСИТЕТСКИЙ УЧЕБНИК основана в 2002 году по инициативе ректора МГУ им. М.В. Ломоносова академика РАН В.А. Садовничего и посвяшена 250-летию Московского университета

КЛАССИЧЕСКИЙ УНИВЕРСИТЕТСКИЙ УЧЕБНИК Редакционный совет серии:

Председатель совета ректор Московского университета В.А. Садовничий Члены совета:

Выхинский О.С., Голосенков А.К., Гусев М.В., Добренько В.И., Донцов А.И., Амурский Я.Н., Зинченко Ю.П. (ответственный секретарь), Камзолов А.И. (ответственный секретарь), Карпов СП., Касимов Н.С., Колесов В.П., Лободанов А.П., Лунин В.В., Лупанов О.Б., Мейер М.С., Миронов В.В. (заместитель председателя), Михалев А.В., Моисеев Е.И., Пушаровский Л.Ю., Раевская О.В., Ремнева М.Л., Розов Н.Х., Салеикий A.M. (заместитель председателя), Сурин А.В., Тер-Минасова С.Г., Ткачук В.А., Третьяков Ю.А., Трухин В.И., Трофимов ВТ. (заместитель председателя), Шоба С.А.

Московский государственный университет имени М.В. Ломоносова Е.В. Шикин, А.Г. Чхартишвили МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ В УПРАВЛЕНИИ РЕКОМЕНДОВАНО УЧЕНЫМ СОВЕТОМ ФАКУЛЬТЕТА ГОСУДАРСТВЕННОГО УПРАВЛЕНИЯ МГУ им. М.В. ЛОМОНОСОВА В КАЧЕСТВЕ УЧЕБНОГО ПОСОБИЯ ДЛЯ СТУДЕНТОВ УПРАВЛЕНЧЕСКИХ СПЕЦИАЛЬНОСТЕЙ ВУЗОВ Издательство «Делох УДК 65.012(075.8) ББК 65В6Я Ш- Рецензенты:

Самыловский А.И., доктор физико-математических наук, профессор Высшей школы экономики, заведующий кафедрой высшей математики;

Черемных Ю.Н., доктор экономических наук, профессор экономического факультета, заместитель заведующего кафедрой математических методов анализа экономики МГУ им. М.В. Ломоносова.

• Шикин Е. В., Чхартишвили А. Г.

Ш-57 Математические методы и модели в управлении: Учеб. пособие. — 3-е изд. — М.: Дело, 2004. — 440 с. — (Сер. "Классический универси тетский учебник").

ISBN 5-7749-0374- Книга содержит изложение основных математических методой и моделей, исполь зуемых при выработке управленческих решений.

Рассматриваются сетевая оптимизация, линейное программирование, управление запасами, модель Леонтьева, метод анализа иерархий, методы прогнозирования, веро ятностные и статистические методы, методы теории игр, основы теории управления организованными системами и некоторые другие.

Книга рассчитана на студентов и преподавателей вузоп, слушателей учебных про грамм по менеджменту и государственному управлению, руководителей разного уров ня, интересующихся современными подходами к проблеме принятия решений в упра влении.

УДК 65.012(075.8) ББК 65В6Я ISBN 5-7749-0374-5 © Издательство "Дело", О МГУ им. М.В. Ломоносова, художественное оформление, ОГЛАВЛЕНИЕ Предисловие От авторов Глава 1. Вступление Часть I ДЕТЕРМИНИРОВАННЫЕ МЕТОДЫ Глава 2. Графы и сети 2.1. Графы 2.2. Сети 2.2.1. Дерево решений 2.2.2. Задача о соединении городов 2.2.3. Максимальный поток 2.2.4. Кратчайший маршрут 2.2.5. Критический путь.., 2.3. Задания Глава 3. Линейные задачи 3.1. Координаты 3.1.1. Декартовы координаты 3.1.2. Прямые. Полуплоскости 3.1.3. Пересечения прямых и полуплоскостей 3.1.4. Экстремальное свойство плоских срезов 3.2. Линейное программирование 3.2.1. Задача о диете • 3.2.2. Задача о выпуске продукции 3.2.3. Общая задача линейного программирования 3.2.4. Транспортная задача 3.2.5. Целочисленное линейное программирование 3.3. Линейные системы 3.3.1. Что такое — матрица? ОГЛАВЛЕНИЕ 3.3.2. Линейные системы общего вида 3.3.3. Исследование линейных систем 3.4. Операции над матрицами 3.4.1. Сложение матриц 3.4.2. Умножение матрицы на число 3.4.3. Транспонирование матрицы 3.4.4. Умножение матрицы на столбец 3.4.5. Умножение строки на матрицу 3.4.6. Собственные столбцы и собственные значения матрицы.. 3.4.7. Неотрицательные и положительные матрицы 3.5. Задания и ответы Глава 4. Функции. Производная. Интеграл 4.1. Примеры числовых функций 4.2. Простейшие свойства числовых функций 4.3. Производная и экстремум 4.4. Интеграл 4.5. Задания и ответы Глава 5. Балансовое уравнение 5.1. Сложные проценты 5.2. Погашение кредита 5.3. Балансовое равенство 5.4. Балансовое уравнение 5.5. Задания и ответы Глава 6. Управление запасами 6.1. Вводные замечания 6.2. Основная модель 6.3. Модель производственных поставок 6.4. Модель поставок со скидкой 6.5. Задания и ответы Глава 7. Модель Леонтьева 7.1. Продуктивные матрицы 7.2. Ограничения на ресурсы 7.3. Прибыльные матрицы 7.4. Задания и ответы Глава 8. Многокритериальные задачи 8.1. Множество Парето 8.2. Постановка задачи 8.3. Метод идеальной точки. Конкретные примеры 8.4. Задания и ответы Глава 9. Иерархии и приоритеты 9.1. Приоритеты 9.1.1. Измерения и согласованность 9.1.2. Идеальные измерения ОГЛАВЛЕНИЕ 9.1.3. Обратно-симметричные и согласованные матрицы 9.1.4. Индекс согласованности 9.1.5. Вычисление собственных характеристик обратно-симме тричной матрицы 9.1.6. Шкалирование 9.2. Иерархии 9.3. Задание Глава 10. Методы прогнозирования 10.1. Анализ временных рядов 10.1.1. Метод подвижного (скользящего) среднего 10.1.2. Метод экспоненциального сглаживания 10.1.3. Метод проецирования тренда 10.2. Каузальные методы прогнозирования 10.3. Качественные методы прогнозирования Часть II СТОХАСТИЧЕСКИЕ МЕТОДЫ Глава 11. Случайные события и вероятности 11.1. О стохастическом моделировании 11.2. Различные подходы к понятию вероятности 11.3. Формулы алгебры событий. Несовместимые и независимые события 11.4. Примеры вычисления вероятностей 11.5. Формула полной вероятности и формула Байеса 11.6. Схема испытаний Бернулли 11.7. Задания и ответы Глава 12. Случайные величины 12.1. Понятие случайной величины. Закон распределения. Биномиаль ная случайная величина 12.2. Операции над случайной величиной 12.3. Числовые характеристики случайной величины 12.4. Случайные величины с бесконечным числом значений 12.5. Непрерывные случайные величины 12.6. Сумма случайных величин 12.7. Нормальное распределение 12.8. Формула Муавра-Лапласа 12.9. Задания и ответы Глава 13. О математической статистике 13.1. Вводные замечания о математической статистике 13.2. Первичная обработка данных Глава 14. Точечные и интервальные оценки 14.1. Точечные оценки 14.2. Интервальные оценки 14.3. Оценки математического ожидания нормального распределения. ОГЛАВЛЕНИЕ 14.4. Оценки вероятности события 14.5. Задания и ответы Глава 15. Корреляция и регрессия 15.1. Корреляция 15.2. Регрессия 15.3. Задания и ответы Глава 16. Проверка статистических гипотез 16.1. Основные понятия. Примеры 16.2. Проверка биномиальных гипотез 16.3. Критерий согласия х2 (хи-квадрат) 16.4. Задания и ответы Часть III ИГРОВЫЕ МЕТОДЫ Глава 17. Матричные игры 17.1. Равновесная ситуация 17.2. Смешанные стратегии 17.3. Методы решения матричных игр 17.3.1. 2 х п-игры 17.3.2. т х 2-игры 17.3.3. т х п-игры 17.3.4. Итерационный метод решения матричных игр 17.4. Некоторые задачи, сводимые к матричным играм 17.5. Задания и ответы Глава 18. Позиционные игры 18.1. Структура позиционной игры 18.2. Нормализация позиционной игры 18.3. Позиционные игры с полной информацией 18.4. Задания Глава 19. Биматричные игры 19.1. Примеры биматричных игр 19.1.1. Борьба за рынки 19.1.2. Дилемма узников 19.1.3. Семейный спор 19.1.4. Студент - преподаватель 19.2. Смешанные стратегии 19.3. 2 х 2-биматричные игры. Ситуация равновесия 19.4. Поиск равновесных ситуаций 19.4.1. Борьба за рынки 19.4.2. Дилемма узников 19.4.3. Семейный спор 19.4.4. Студент - преподаватель ОГЛАВЛЕНИЕ 19.5. Некоторые итоги 19.6. Задания и ответы Глава 20. Некоторые другие игры 20.1. Ситуации, оптимальные по Парето 20.2. Неантагонистические позиционные игры 20.3. Бесконечные игры 20.3.1. Борьба за рынки (игра на единичном квадрате) 20.3.2. Игра типа дуэли 20.3.3. Дифференциальная игра поиска 20.4. Несколько слов в заключение Глава 21. Управление организационными системами 21.1. Распределение ресурсов 21.1.1. Постановка задачи распределения ресурсов 21.1.2. Механизм прямых приоритетов 21.1.3. Механизм обратных приоритетов 21.1.4. Конкурсный механизм 21.1.5. Механизм открытого управления 21.2. Открытое управление и экспертный опрос 21.3. Задания и ответы Глава 22. Динамические модели 22.1. Коротко о типах моделей 22.1.1. Физические модели 22.1.2. Аналоговые модели 22.1.3. Математические модели 22.2. Модель народонаселения 22.3. Модель мобилизации 22.4. Модель гонки вооружений 22.5. Модель хищник - жертва 22.6. Заключение Глава 23. О том, что не вошло в эту книгу Приложение ПРЕДИСЛОВИЕ.

Уважаемый читатель!

Вы открыли одну из замечательных книг, изданных в серии "Класси ческий университетский учебник", посвященной 250-летию Москов ского университета. Серия включает свыше 150 учебников и учеб ных пособий, рекомендованных к изданию Учеными советами фа культетов, редакционным советом серии и издаваемых к юбилею по решению Ученого совета МГУ.

Московский университет всегда славился своими профессорами и преподавателями, воспитавшими не одно поколение студентов, впо следствии внесших заметный вклад в развитие нашей страны, соста вивших гордость отечественной и мировой науки, культуры и обра зования.

Высокий уровень образования, которое дает Московский универ ситет, в первую очередь обеспечивается высоким уровнем написан ных выдающимися учеными и педагогами учебников и учебных по собий, в которых сочетаются как глубина, так и доступность изла гаемого материала. В этих книгах аккумулируется бесценный опыт методики и методологии преподавания, который становится достоя нием не только Московского университета, но и других университе тов России и всего мира.

Издание серии "Классический университетский учебник" нагляд но демонстрирует тот вклад, который вносит Московский универси тет в классическое университетское образование в нашей стране и, несомненно, служит его развитию.

Решение этой благородной задачи было бы невозможно без актив ной помощи со стороны издательств, принявших участие в издании книг серии "Классический университетский учебник". Мы расцени ваем это как поддержку ими позиции, которую занимает Московский университет в вопросах науки и образования. Это служит также сви детельством того, что 250-летний юбилей Московского университе та — выдающееся событие в жизни всей нашей страны, мирового образовательного сообщества.

Ректор Московского университета академик РАН, профессор В.А. Садовничий ОТ АВТОРОВ Предлагаемая вниманию читателя книга написана на основе курса лекций, который на протяжении последних пяти лет читался студентам факультета государственного управления Московского государственного университета им. М. В. Ломоносова. В этих лек циях и на семинарских занятиях основные математические методы и модели, используемые при выработке управленческих решений, рассматривались с учетом в целом гуманитарной направленности обучения студентов на факультете. Это естественным образом ска залось и на отборе материала, и на характере его изложения.

Авторы стремились к доступному и по возможности наглядно му описанию основных идей и количественных подходов к поиску и принятию решений в задачах управления, стараясь на простейших примерах познакомить читателя с возможностями развиваемого ап парата.

Требования к читателю минимальны — предварительного зна комства с какими-либо математическими понятиями и фактами не предполагается. Опыт общения со студентами показывает, что пред ставленный материал вполне хорошо усваивается при относительно небольших усилиях (впрочем, вообще без усилий добиться сколько нибудь заметных успехов вряд ли возможно). Тем не менее авторы рассчитывают на любознательность читателя, равно как и на его готовность к известному напряжению.

Какие-либо отсылки в книге практически отсутствуют: все необ ходимые сведения изложены в соответствующих ее разделах.

Авторы неоднократно обсуждали представленные здесь материа лы с руководством ФГУ, сотрудниками его кафедр. Неизменно до брожелательное отношение с их стороны вызывает естественное чув ство признательности, которое, по нашему мнению, уместно выра зить на первых страницах этой книги.

Глава ВСТУПЛЕНИЕ С незапамятных времен человечество, используя метод проб и ошибок, интуицию и накапливаемый в каждой конкрет ной ситуации, создавало искусство выработки наилучших решений в самых разных областях своей деятельности.

Принятие решения в реальной задаче управления — проблема многосложная, отягощенная к тому же неохватным разнообразием объективно существующих альтернатив и ограниченными возмож ностями взявшегося за его поиск. Вовсе не случайно поэтому, что долгое время управление считалось своего рода искусством, а карди нальные решения составили пусть и небольшую, но заметную часть сокровищницы нашей цивилизации (гордиев узел, переход Рубикона, нить Ариадны, колумбово яйцо и др.).

Успехи использования математических методов и стиля мышле ния в естественных науках с необходимостью, но, разумеется, не сразу привели к мысли о том, чтобы включить в сферу математи ческого влияния и проблему принятия решений и попытаться тем самым превратить древнее искусство в современную науку.

Уровень развития науки и техники, достигнутый к настоящему времени, позволяет задумывать и осуществлять мероприятия, в ко торые оказываются вовлеченными значительные ресурсы — и ма териальные, и людские;

мероприятия, масштабы, стоимость и по следствия которых существенно превышают все, что проводилось когда-либо ранее. Это открывает невиданные ранее возможности, но и таит в себе огромные опасности. Положение усугубляется еще и тем, что на протяжении одной человеческой жизни техника и тех нологии, а вместе с ними среда, требования и навыки сменяются на столько быстро, что опытные люди, умеющие приводить эту технику в действие и разумно управлять ею, просто не успевают сформиро ваться — ведь для того, чтобы сложились традиции, нужно время.

ГЛАВА 1. ВСТУПЛЕНИЕ Испытанный метод проб и ошибок в наши дни часто теряет свою уни версальность: слишком катастрофическими могут оказаться ошибки и слишком мало времени отпущено для проб. Становится все более ясным, что сегодня меньше, чем когда-либо ранее, допустимы про извольные, чисто волевые решения.

На первый план выходит не задача создания все новых и но вых образцов техники, а проблема организации и управления, при чем управления не только (и не столько) машинами, но и людьми, сложными человеко-машинными системами. А это означает, что от ветственные решения должны приниматься на основе предваритель ных прикидок и расчетов ("семь раз отмерь — один раз отрежь").

Не случайно поэтому в наше время наблюдается бурный рост мате матических методов во всех областях практики: вместо того чтобы пробовать и ошибаться по отношению к реальным объектам, лю ди предпочитают делать это на моделях. Формируется исследова ние операций (в англоязычной литературе — OR/MS (operations research/management science)) — наука о предварительном обосно вании разумных решений во всех областях целенаправленной чело веческой деятельности, широко использующая математический ап парат, но не сводящаяся к нему, наука, занимающая промежуточное положение между науками точными, опытными и гуманитарными.

Отчего же математический аппарат, столь давно используемый в сфере точных и опытных наук, только сравнительно недавно (и то на правах подсобного) стал применяться в науках гуманитарных? Все дело в том, что явления, составляющие предмет гуманитарных наук, неизмеримо сложнее тех, которыми занимаются науки точные. Мно гие гуманитарные явления гораздо труднее поддаются формализа ции, если вообще поддаются. Для каждого из этих явлений гораздо шире спектр причин, от которых оно зависит, и в их числе — психо логия живых людей и коллективов, людские пристрастия и антаго низмы, и потому вербальный способ построения исследования, как это ни парадоксально, часто оказывается здесь точнее формально логического.

И все же помимо традиционных областей приложения — точных и опытных наук — математика начинает заниматься такими вопро сами, которые от века изучались только на гуманитарном уровне:

конфликтными ситуациями, иерархическими отношениями в кол лективах, согласием, авторитетом, общественным мнением. Строят ся и анализируются математические модели, применяются матема тические методы. Математика не только проникает в ранее чуждые для нее области, но и трансформируется при этом, становится менее ГЛАВА 1. ВСТУПЛЕНИЕ "формальной", меняет свои методологические черты, гибко прибли жаясь к наукам гуманитарным. Ее методы в области гуманитарных и смежных с ними наук могут служить мощным вспомогательным средством, позволяющим исследователю глубже проникнуть в су щество явления, проследить его закономерности, обнаружить скры тые связи, малодоступные наблюдению простым, невооруженным глазом.

Математика не отличается радикально от других форм описа ния действительности, но, вследствие того что математические объ екты более абстрактны, она позволяет отвлечься от большего числа случайных свойств. И потому универсальные закономерности, лишь смутно видимые в других областях, в математическом описании раз личимы более явно.

Каково же то место, которое, по нашему мнению, следует от вести в совокупном арсенале управленческих приемов математиче ской составляющей, особенно если учитывать в целом гуманитарную ориентированность предполагаемого читателя?

Прежде всего, математические методы можно рассматривать как достаточно эффективное средство структурированного, более ком пактного и обозримого представления имеющейся информации. Это особенно ясно в тех случаях, когда информация задается в виде чис ловых массивов, в графической форме и др. Анализ результатов математической обработки данных зачастую позволяет высказать некоторые рекомендации относительно тех или иных способов дей ствия. При принятии решений в больших задачах с их, как правило, огромными объемами информации это играет немаловажную роль.

Кроме того, существует целый ряд типичных управленческих ситуаций, допускающих известную формализацию, где именно ма тематические подходы и соображения обоснованно становятся ре шающими.

Уже ранние работы (XVIII-XIX вв.) явились важным этапом раз вития и становления исследования операций. Пионерские попытки разработки научного подхода к организации труда и производства, к учету человеческого фактора в промышленности, предпринятые А. Смитом (A. Smith), Ч. Бэббиджем (Ch. Babbage), Ф. Тейлором (F. Taylor), Г. Гэнтом (Н. Gantt) и др., позволили получить эффек тивные решения целого ряда конкретных задач. Например, введение в Великобритании в 1840 г. почтовой оплаты в 1 пении, существен но упростившей процедуру обработки корреспонденции, явилось ре зультатом анализа операций в почтовом ведомстве, предпринятого ГЛАВА 1. ВСТУПЛЕНИЕ Бэббиджем, который нашел, что большая часть стоимости письма приходится на его обработку при сортировке, а вовсе не на даль ность путешествия от отправителя к получателю, как это считалось ранее.

Начало XX в. отмечено первыми попытками смоделировать ма тематически антагонистический конфликт (модель Ф. Ланчестера (F. Lanchester) исхода артиллерийской дуэли), создать теорию уп равления инвестициями (Ф. Харрис (F. Harris)), теорию массового обслуживания (теория очередей (А. Эрланг (A. Erlang))) и др. Од нако, несмотря на заметные продвижения в разработке математи ческих подходов к решению количественных проблем управления, исследование операций как научное направление (научная дисци плина) было признано лишь в 40-50-е годы XX в. Существенный прорыв обозначился при попытках разрешения целого ряда проблем управления, возникших непосредственно перед и в ходе второй миро вой войны, где эффективность междисциплинарного подхода к ним проявилась явно. Наиболее известным примером могут служить ре зультаты работы британской группы экспертов, состоявшей из человек, оказавшие заметное влияние на исход битвы за Англию и сражений в Северной Атлантике. В эту группу, возглавлявшую ся П. М. С. Блэкеттом (P. M. S. Blackett) и ставшую потом известной под названием "Blackett's Circus", входили физиологи, математики, физики, геодезист, астрофизик и военный.

Специфика полученных результатов определенное время была сдерживающим фактором на пути их применения вне военной сфе ры. Однако заметные теоретические продвижения в теории игр и теории полезности (Дж. фон Нейман (J. von Newmann)) и в линей ном программировании (Дж. Данциг (G. Danzig), Л. В. Канторович), а также создание новых мощных средств вычислений обеспечили существенный прорыв в расширении области приложения операци онного анализа. Многие задачи управления удалось достаточно хо рошо формализовать, и сейчас они уже весьма широко и довольно успешно решаются стандартными методами исследования операций.

Впрочем, зависимость методологии исследования операций от возможностей вычислительных средств не следует преувеличивать.

Даже сегодня многие крупномасштабные задачи еще не удается ре шить при помощи существующих высокоскоростных компьютеров.

Итак, в первой половине XX в. начали разрабатывать (и довольно успешно) элементы научного подхода к поиску решений задач упра вления, а схемы, хорошо показавшие себя при проведении естест веннонаучных и инженерно-технических изысканий, стали пытаться ГЛАВА 1. ВСТУПЛЕНИЕ приспосабливать к решению управленческих задач. Сравнительно быстро пришло понимание того, что для поиска перехода от фак тически наблюдаемого состояния изучаемой системы к желаемому весьма существенно, насколько хорошо формализована решаемая задача, и что уже имеющихся схем явно недостаточно.

Степень формализации управленческой задачи во многом опреде ляет и методику поиска се решения. Различают хорошо структури рованные, слабоструктурированные и неструктурированные задачи.

Резкой грани между ними провести нельзя. К тому же нередко ока зывается, что (сначала) слабоструктурированная проблема стано вится (потом) хорошо структурированной и даже стандартной. Ины ми словами, для решения последних уже построены хорошо зареко мендовавшие себя схемы. Именно о них по большей части и пойдет речь в этой книге.

Отдельно нужно сказать об информации, перенасыщенный шума ми поток которой нарастает с неспадающей стремительностью. Гово рят даже об информационном буме. Но информация бывает разная:

нужная, полезная и ненужная, загромождающая, утяжеляющая про цесс управления. Важно научиться решительно отсекать ненужную, паразитную информацию и оперировать в каждом звене управления только той, которая безусловно необходима. В этом большую пользу могут принести модели, позволяющие сравнивать качество и опера тивность управления в более громоздкой системе, перенасыщенной информацией, с тем, что дает более простая система, оперирующая только полезной информацией.

Но не следует забывать, что и в наши дни управление не пере стало быть искусством и что некритическое использование для ре шения управленческих задач методик из иных областей знаний спо собно привести к неверным выводам. Для того чтобы разобраться в сложном явлении, его нужно рассматривать с различных сторон, под разными углами зрения, сравнивать результаты, обсуждать их, сопоставлять. Следует действовать весьма осторожно: применение математических методов не полезно, а вредно до тех пор, пока явле ние в достаточной степени не освоено на доматематическом, гумани тарном уровне. Часто бывает полезно вернуться к модели и внести в нее исправления после того, как первый тур расчетов уже прове ден. Более того, нередко оказывается плодотворным своеобразный спор моделей, когда одно и то же явление описывается не одной, а несколькими моделями.

ГЛАВА 1. ВСТУПЛЕНИЕ Приведем некоторые данные об использовании математических подходов, методов и моделей в задачах управления 125 крупнейши ми корпорациями США [из статьи: Guisseppi A. Forgionne. Corporate Management Science Activities: An Update, Interfaces, 13 (June 1983).

P. 20-23].

Частота использования, Метод, модель % корпораций Редко Умеренно Постоянно Статистический анализ 2 38 Имитационное моделирование 13 53 Сетевое планирование 26 53 Линейное программирование 26 60 Теория очередей 40 50 Нелинейное программирование 53 39 Динамическое программирование 61 34 Теория игр 69 27 Исследование операций представляет собой применение научного метода к сложным проблемам, возникающим в управлении больши ми системами людей, машин, материалов и денег в промышленности, деловой сфере, государственном управлении, обороне и др. Его ха рактерной особенностью является построение для соответствующей системы научной модели, включающей факторы вероятности и рис ка, при помощи которой можно рассчитать и сравнить результаты различных решений, стратегий и методов управления.

Основная задача исследования операций состоит в том, чтобы помочь менеджеру или иному лицу, принимающему решение, нау чно определить свою политику и действия среди возможных путей достижения поставленных целей. Коротко исследование операций можно назвать научным подходом к проблеме принятия решений.

Проблема — это разрыв между желаемым и фактически наблюда емым состояниями (прежде всего целями) той или иной системы.

Решение — это средство преодоления такого рода разрыва, выбор одного из многих объективно существующих курсов действий, кото рый позволил бы перейти от наблюдаемого состояния к желаемому.

В настоящее время под операцией понимается система действий, объединенных общим замыслом (управляемое целенаправленное ме роприятие), а под основной задачей исследования операций — раз работка и исследование путей реализации этого замысла. Ясно, что такое весьма широкое понимание операции охватывает значитель 2 ГЛАВА 1. ВСТУПЛЕНИЕ ную часть деятельности людей. Однако наука о принятии решений, о поиске путей достижения цели и особенно ее математическая со ставляющая еще весьма далеки до завершения даже но основным вопросам.

Совокупность людей, организующих операцию и участвующих в ее проведении, принято называть оперирующей стороной. Следует иметь в виду, что на ход операции могут оказывать влияние лица и природные силы, далеко не всегда содействующие достижению цели в данной операции.

Во всякой операции существует лицо (группа лиц), облеченное полнотой власти и наиболее информированное о целях и возможно стях оперирующей стороны и называемое руководителем операции или лицом, принимающим решение (ЛПР). ЛПР несет полную от ветственность за результаты проведения операции.

Особое место занимает лицо (группа лиц), владеющее математи ческими методами и использующее их для анализа операции. Это лицо [исследователь операции, исследователь-аналитик) само ре шений не принимает, а лишь помогает в этом оперирующей сто роне. Степень его информированности определяется ЛПР. Так как исследователь-аналитик, с одной стороны, не имеет об операции всей информации, которой обладает ЛПР, а с другой, как правило, более осведомлен в общих вопросах методологии принятия решений, то желательно, чтобы взаимоотношения между исследователем опера ции и оперирующей стороной имели характер творческого диалога.

Результатом этого диалога должен быть выбор (или построение) ма тематической модели операции, на основе которой формируется си стема объективных оценок конкурирующих способов действий, бо лее четко обозначается окончательная цель операции и появляет ся понимание оптимальности выбора образа действий. Право оцен ки альтернативных курсов действий, выбора конкретного варианта проведения операции (принятие решения) принадлежит ЛПР. Это обусловлено еще и тем, что абсолютных критериев рационального выбора не существует — во всяком акте принятия решения неизбеж но содержится элемент субъективизма. Единственный объективный критерий — время —- в конце концов покажет, насколько разумным было принятое решение.

Для того чтобы пояснить, какое место занимает математическая составляющая в исследовании операций, опишем коротко основные этапы разрешения проблемы принятия решения.

ГЛАВА 1. ВСТУПЛЕНИЕ 1-й шаг — сформулировать проблему (рис. 1).

Это весьма существенный и нетривиальный шаг даже в том случае, когда формулировка проблемы звучит совсем просто. Определение реальной проблемы, а не описание ее симптомов требует понимания и интуиции, некоторого воображения и времени.

2-й шаг — выбрать модель (рис. 2).

В случае если проблема сформулирована корректно, появляется возможность выбора готовой модели (из банка моделей, описываю щих стандартные ситуации), разработка которой поможет в разре шении рассматриваемой проблемы, либо, если готовой модели нет, возникает необходимость создания такой модели, которая в доста точной степени точно отражала бы существенные стороны данной проблемы.

Модели могут быть очень разными: есть физические (iconic) мо дели, есть аналоговые (analog). Мы будем говорить здесь в основном о математических моделях.

Существует много разнообразных математических моделей, ко торые достаточно хорошо описывают различные ситуации, требую щие принятия тех или иных управленческих решений. Выделим из них следующие три класса — детерминированные, стохастические и игровые модели.

При разработке детерминированных моделей исходят из той пред посылки, что основные факторы, характеризующие ситуацию, впол ГЛАВА 1. ВСТУПЛЕНИЕ не определенны и известны. Здесь обычно ставится задача оптими зации некоторой величины (например, минимизация затрат).

Стохастические модели применяются в тех случаях, когда неко торые факторы носят неопределенный, случайный характер.

Наконец, при учете наличия противников либо союзников с собст венными интересами необходимо применение теоретико-игровых моделей.

В ходе дальнейшего изложения мы будем опираться на приведен ную классификацию моделей, хотя возможны и другие, например, модели можно делить на статические и динамические, дискретные и непрерывные и т. д.

Как было сказано, в детерминированных моделях обычно имеется некий критерий эффективности, который требуется оптимизировать за счет выбора управленческого решения. (Впрочем, следует иметь в виду, что почти всякая сложная практическая задача является многокритериальной.) В стохастических и игровых моделях ситуация усложняется еще больше. Зачастую выбор самого критерия зависит здесь от конк ретной ситуации, и возможны различные критерии эффективности принимаемых решений.

При выборе и/или создании модели важно суметь найти верный баланс между точностью модели и ее простотой. Привлечение ус пешно действующих моделей приходит с опытом и практикой в со отнесении конкретных ситуаций с математическим описанием наи более существенных сторон рассматриваемого явления. Конечно, ни одна математическая модель не может охватить всех особенностей изучаемой проблемы. Поэтому хотя выбор и/или создание модели, дающей математическое описание цели, процесса и результатов про ведения операции, является неотъемлемой частью OR/MS, это все еще больше искусство, чем наука.

3-й шаг — найти решение (рис. 3).

Для поиска решения необходимы конкретные данные, сбор и под готовка которых требуют, как правило, значительных совокупных усилий. При этом стоит подчеркнуть, что даже в случае, если не обходимые данные уже имеются, их часто приходится преобразовы вать к виду, соответствующему выбранной модели.

4-й шаг — тестировать решение (рис. 4).

Полученное решение обязательно должно быть проверено на при емлемость при помощи соответствующих тестов. Неудовлетворите льность решения обычно означает, что модель не точно отражает ГЛАВА 1. ВСТУПЛЕНИЕ Предлагаемая Найти Предлагаемое модель решение решение Рис. истинную природу изучаемой проблемы. В этом случае она долж на быть либо как-то усовершенствована, либо заменена на другую, более подходящую модель.

5-й шаг — организовать контроль (рис. 5).

Если найденное решение оказалось приемлемым, естественно возни кает необходимость создания механизма контроля за правильным использованием модели. Основная задача такого контроля состоит в обеспечении соблюдения ограничений, предполагаемых моделью, качества входных данных и получаемого решения. Полезно также иметь в виду, что найденное решение может быть использовано (и ГЛАВА 1. ВСТУПЛЕНИЕ часто используется) не только для разрешения сиюминутной ситу ации, но и при рассмотрении сходных обстоятельств в будущем. За ранее планируемая гибкость выбранной модели дает возможность использовать ее в течение более продолжительного промежутка вре мени.

6-й шаг — создать режим благоприятствования (рис. 6).

Этот шаг часто оказывается самым трудным — внедрение новаций нередко наталкивается на незаинтересованность и даже на сопротив ление. Поэтому обучение персонала, реклама, качество подготавли ваемой документации и учет разнообразия поведенческих мотивов людей играют здесь решающую роль.

.

Техника Создать режим Используемые методики решений благоприятствования Рис. На схеме (рис. 7) пунктирной линией отмечена та часть процесса принятия решения, где заметную роль играют различные соображе ния математического характера.

Рис. ГЛАВА 1. ВСТУПЛЕНИЕ Отметим, что сам термин "управление" можно понимать по-раз ному. Это и организация, в том числе и технологическая, той или иной осмысленной деятельности для достижения каких-либо целей (в качестве математического обеспечения здесь используются пре имущественно детерминированные и стохастические модели), и изу чение моделей поведения взаимодействующих сторон (здесь приме няются игровые модели).

В настоящее время к решению сложных управленческих задач, представляющих практический интерес, привлекаются большие коллективы людей (и, добавим, значительные вычислительные сред ства) с разной профессиональной подготовкой и ориентацией, с раз ной степенью осведомленности о задаче в целом и, конечно, с разной степенью ответственности — от руководителя (ЛПР) до специалис та-разработчика (исследователя) и рядового исполнителя.

Для того чтобы такое сложное образование могло достаточно пло дотворно функционировать, важно подготовить тех, кто был бы спо собен к действенному связыванию разных его блоков, кто осущест влял бы нетривиальные коммуникационные функции, был посред ником как между ЛПР и специалистом-разработчиком, так и между разработчиком и исполнителем. Этому посреднику вовсе не обяза тельно знать в деталях всю техническую сторону вопроса (это зада ча для найденных при его посредстве специалистов), а достаточно ориентироваться в основных идеях. Иными словами, если касать ся только математической части, у него должны быть определен ные представления о возможностях математических методов, об их идейных основаниях и о банке готовых математических моделей и ключевых методов.

Одной из целей книги, которые ставили перед собой авторы, явля ется преодоление математической, методологической и языковой ра зобщенности исследователей сложной практической управленческой задачи. Только это дает возможность, с одной стороны, как можно точнее отразить в создаваемой (или выбираемой) модели реальные процессы, а с другой — создать (или выбрать) модель, простую на столько, чтобы можно было надеяться решить задачу до конца и получить обозримые и уже этим полезные результаты.

Большинство используемых здесь идей допускает простое и впол не доступное объяснение, разумеется требующее некоторой матема тической культуры. Это и определило набор математических поня тий, формул, подходов и фактов, равно как и методику их изложе ния.

ГЛАВА 1. ВСТУПЛЕНИЕ Не следует также забывать о том, что важно не только озна комиться с уже имеющимися управленческими технологиями, но и быть готовым к разработке новых. Аппарат, используемый при вы работке и принятии нестандартных решений, должен быть настоль ко прост и нагляден, насколько это возможно. И насколько это воз можно, он должен быть согласован с точностью и объемом доступной информации и с вопросами, ответы на которые хочется получить.

Области, где математические методы работают достаточно эф фективно, не совпадают с ареалом управленческих задач. Последние слабо формализуемы и часто традиционно консервативны. Отсюда подозрительное отношение к рекомендациям, основанным на точных расчетах, требующих обширных и глубоких математических знаний.

Нужно признать, что определенные основания для этого есть. Ме тоды математики способны решать только те задачи, которые изло жены на ее языке. А это предполагает непременные упрощения в ре альной сложной ситуации. За разделением определяющих факторов задачи на существенные и второстепенные часто стоят управленчес кий опыт и интуиция.

Впрочем, даже весьма грубая на вид идеализация может позво лить глубже вникнуть в суть проблемы.

Авторы стремятся обходиться минимальным количеством фор мул и фактов, а привычные в математических курсах теоремы и их доказательства, требующие даже в самых простых случаях сравни тельно высокой математической культуры, просто опускаются.

В конце каждой главы приводится небольшой набор задач и уп ражнений (как правило, с ответами), призванный помочь читателю в его самооценке степени усвоения соответствующей темы.

Все отзывы и замечания по поводу данной книги авторы с благо дарностью примут по адресу: alexch@spa.msu.ru.

Часть I ДЕТЕРМИНИРОВАННЫЕ МЕТОДЫ Глава ГРАФЫ И СЕТИ 2.1. Графы "Мне была предложена задача об острове, расположенном в горо де Кенигсберге и окруженном рекой, через которую перекинуто мостов. Спрашивается, может ли кто-нибудь непрерывно обойти их, проходя только однажды через каждый мост. И тут же мне было сообщено, что никто еще до сих пор не смог это проделать, но никто и не доказал, что это невозможно. Вопрос этот, хотя и банальный, показался мне достойным внимания тем, что для его решения не достаточны ни геометрия, ни алгебра, ни комбинаторное искусство.

После долгих размышлений я нашел легкое правило, основанное на вполне убедительном доказательстве, при помощи которого можно во всех задачах такого рода тотчас же определить, может ли быть совершен такой обход через какое угодно число и как угодно распо ложенных мостов или не может".

Из письма Л. Эйлера от 13 марта 1736 г.

Город Кенигсберг (ныне Калининград) располагался на обоих бере гах реки Прегель и на двух островах, которые соединялись семью мостами. План расположения мостов приведен на рис. 1. Задача, о которой говорится в письме, состоит в том, чтобы во время прогулки пройти каждый мост по одному разу и вернуться в исходную точку.

Так как нас интересуют только переходы по мостам, то план горо да можно заменить схемой, представленной на рис. 2. На этой схеме земельные участки, разделенные рукавами реки, как бы сжаты в точки Л, В, С, D (вершины), а мосты вытянуты в линии а, Ь, с, d, e, ГЛАВА 2. ГРАФЫ И СЕТИ Рис. 1 Рис. /, д (ребра). Нетрудно проверить (например, перебрав все возмож ные варианты), что изображенную фигуру нельзя обвести острием пера, не отрывая его от бумаги и проходя по каждой дуге ровно один раз.

Исследуя ситуацию с кенигсбергскими мостами, Эйлер решил значительно более общую задачу. Для того чтобы лучше понять по лученный им результат, введем некоторые определения.

Рис. Рис. Фигура, состоящая из точек (вершин) и соединяющих их линий (ребер), называется графом (рис. 3). Маршрутом, или путем, со единяющим вершины Аи В графа, называется такая последователь ность его ребер, в которой каждые два ребра имеют общую концевую точку, причем первое ребро выходит из вершины А, а последнее вхо 2.1. ГРАФЫ Рис. 5 Рис. дит в вершину В (рис. 4). В этом случае вершины А а В называются связанными. Граф называется связным, если любая пара его вершин связана (рис. 5). Граф, изображенный на рис. 6, несвязен.

Маршрут называется цепью, если каждое ребро графа встречает ся в нем не более одного раза (вершины в цепи могут повторяться и несколько раз) (рис. 7). Цепь, начальная и конечная вершины кото рой совпадают, называется циклом (рис. 8).

Рис. Рис. Вершина называется четной, если в ней сходится четное число ребер, и нечетной, если число всех сходящихся в ней ребер нечетно.

Вершина А на рис. 9 четна — в ней сходятся 6 ребер, а вершина В нечетна — в ней сходятся 5 ребер. Число ребер, сходящихся в вершине графа, называется степенью (порядком) этой вершины.

ГЛАВА 2. ГРАФЫ И СЕТИ Рис. Наконец, граф называется конечным, если множество его ребер конечно. Примером бесконечного графа может служить прямоуголь ная сетка, заданная на всей плоскости.

ТЕОРЕМА (Эйлер). В любом конечном связном графе, все вер шины которого четны, существует цикл, в котором каждое ребро графа участвует ровно один раз.

Такой цикл называют эйлеровым циклом, а граф, вес вершины которого четны (и, значит, существует эйлеров цикл), — эйлеровым графом.

Обратившись к графу в задаче о кенигсбергских мостах, замеча ем, что все четыре его вершины являются нечетными — в каждой из вершин А, С, D сходятся по три ребра, а в вершине В - - пять ребер. Значит, этот граф не эйлеров.

Найти эйлеров цикл (разумеется, после того, как вы убедились, что заданный граф эйлеров (все вершины четны)) совсем не труд но: существует универсальный и достаточно простой алгоритм, при помощи которого задача построения эйлерова цикла всегда разре шима.

Покажем эффективность этого алгоритма на конкретном примере (см. рис. 10).

Пример 1. Выйдя из вершины А и не пытаясь еще раз пройти по уже пройденному ребру, мы неизбежно вернемся в вершину А.

Это объясняется тем, что, входя в любую вершину графа (кроме, быть может, вершины А), мы всегда имеем возможность выйти из нее (напомним, что в каждой вершине графа сходится четное чи сло ребер). Следовательно, неутомимо продолжая перемещение, мы 2.1. ГРАФЫ Рис. неизбежно вернемся в вершину А, а вернувшись, окажемся перед двумя возможными ситуациями: 1) в построенный нами цикл вхо дят все ребра графа, 2) остались еще не пройденные ребра.

Первый случай не так интересен: если в построенный цикл входят все ребра, то поставленная задача решена. Что же касается второго случая, то здесь в полученном нами цикле (обозначим его через Л) обязательно есть вершина, из которой выходит еще не пройденное нами ребро. Пусть это вершина В. Об этой вершине можно сказать даже больше: число выходящих из нее ребер, не принадлежащих по строенному циклу Л, обязательно четно. И мы строим новую цепь из вершины В, привлекая только ранее не пройденные ребра. Ясно, что в результате мы вернемся в вершину В и получится новый цикл — В (рис. 11).

Рис. ГЛАВА 2. ГРАФЫ И СЕТИ Теперь легко получить цикл, начинающийся в вершине А и боль ший построенного ранее цикла А.

Для этого мы сначала перемещаемся по маршруту А от вершины А до вершины В, затем проходим по циклу В и, вернувшись в вер шину В, завершаем перемещение в вершину А по оставшейся части цикла А (рис. 12).

Рис. Если мы и на этот раз не прошли по всем ребрам графа, то, вы брав вершину цикла, построенного по циклам А и с. 12 которой исходят ребра, не входящие в этот цикл, расширяем его описанным выше способом.

Повторяя в случае необходимости подобные рассуждения доста точное число раз, мы всегда сможем построить эйлеров цикл за ко нечное число шагов.

Пример 2. Устроители больших художественных выставок часто вынуждены решать одну и ту же задачу: как организовать осмотр, чтобы дать возможность в отведенное время ознакомиться со всей экспозицией наибольшему числу желающих.

Ясно, что для этого нужно расставить указатели таким образом, чтобы, перемещаясь в соответствии с предложенными в них рекомен дациями, любой посетитель мог побывать у каждой картины ровно по одному разу.

Если вход и выход совпадают, то разместить экспонаты следует так, чтобы схема экспозиции была эйлеровым графом. Что же ка сается указателей, то они должны 1) быть снабжены порядковыми номерами и 2) описывать эйлеров цикл (рис. 13).

2.1. ГРАФЫ Рис.

Рис. Если же вход и выход разные, то схема размещения экспонатов должна быть графом, у которого лишь две вершины, соответствую щие входу и выходу, являются нечетными. На рис. 14 приведен один из возможных способов расстановки пронумерованных указателей, позволяющий посетителям ознакомиться с каждым экспонатом.

Эйлеровы циклы характеризуются тем свойством, что они прохо дят через каждое ребро графа в точности по одному разу.

Аналогичным образом, но только по отношению к вершинам оп ределяются для конечных связных графов так называемые гамилъ тоновы циклы:

цикл называется гамильтоновым, если он проходит через ка ждую вершину графа ровно по одному разу.

Рис. На рис. 15 приведены гамильтоновы циклы для нескольких про стых графов.

Между эйлеровым и гамильтоновым циклами легко просматри вается довольно прозрачная аналогия: первый проходит ровно один раз по каждому ребру, второй — ровно один раз через каждую вер шину. И на первый взгляд естественно ожидать того, что задача про верки, допускает ли данный граф гамильтонов цикл, должна быть 3 Зак. ГЛАВА 2. ГРАФЫ СЕТИ по сложности сравнима с аналогичной задачей для эйлерова цикла (где достаточно подсчитать четность каждой вершины). Однако на деле все обстоит значительно сложнее: несмотря на практическую важность этой проблемы, до сих пор не найдено ни общего критерия, позволяющего устанавливать, является ли заданный граф гамиль тоновым, ни универсального эффективного алгоритма построения гамильтонова цикла.

Проблема, восходящая своей постановкой к У. Р. Гамильтону, во обще оказалась очень трудоемкой. Поэтому не стоит удивляться то му, сколько усилий высококвалифицированных математиков и про граммистов потребовалось и на какие вычислительные затраты при шлось пойти для того, чтобы рассчитать до конца кратчайшую воз душную линию, соединяющую столицы всех североамериканских штатов.

Одной из практических задач, связанных с построением гамиль тонова цикла, является задача о коммивояжере, в которой нужно найти кратчайший путь, проходящий через заданные пункты (все расстояния известны) и возвращающийся в исходный пункт.

Так как число пунктов конечно, то в принципе задача может быть решена простым перебором.

Пример 3. Торговец, живущий в городе А, намерен посетить го рода В, С и D, расстояния между которыми ему известны:

АВ - 11, АС = 13, AD = 17, ВС = 6, BD = 9, CD = (рис. 16). Требуется указать кратчайший циклический маршрут из города проходящий через три других города.

Возможных циклических маршрутов шесть:

ABCDA, ACDBA, ADBCA, ACBDA, ABDCA, ADCBA.

2.2. СЕТИ Однако для решения задачи достаточно сравнить длины только пер вых трех:

ABCDA, ACDBA, ADBCA.

Эти длины равны соответственно 11 + 6 + 10 + 17 = 44, 13 + 10 + 9 + 11 = 43, 17 + 9 + 6 + 13 = 45.

Тем самым, кратчайшим является любой из маршрутов длиной 43 — ACDBA или ABDCA.

Важный класс графов составляют так называемые деревья. Де ревом называется связный граф, который не имеет циклов (рис. 17).

Рис. Число В вершин дерева и число Р его ребер различаются на еди ницу:

2.2. Сети В приложениях граф обычно интерпретируется как сеть, а его вер шины называют узлами.

Рассмотрим несколько характерных задач.

2.2.1. Дерево решений При принятии важных решений для выбора наилучшего направле ния действий из имеющихся вариантов используется так называемое дерево решений, представляющее собой схематическое описание про блемы принятия решений.

ГЛАВА 2. ГРАФЫ И СЕТИ Применение дерева решений подразумевает понимание (хотя бы интуитивное) таких понятий, как "вероятность" и "ожидаемое зна чение (математическое ожидание) случайной величины". Подробно эти понятия обсуждаются в последующих главах.

Пример 4- По настоянию родителей выпускник американской школы должен продолжить учебу. Свободный в своем выборе, он хочет оценить возможности получения диплома в области инжини ринга или в области бизнеса в одном из двух университетов — в университете родного города Йорка и в университете штата, пони мая, что вероятность успеха зависит от выбора как университета, так и будущей специальности.

1. Если он останавливает свой выбор на университете штата и биз несе, то вероятность успеха (получение диплома) считается равной 0,60.

2. Если он останавливает свой выбор на университете штата и инжиниринге, то вероятность успеха считается равной 0,70.

3. Если он останавливает свой выбор на университете г. Йорка и бизнесе, то вероятность успеха считается равной 0,90.

4. Если он останавливает свой выбор на университете г. Йорка и инжиниринге, то вероятность успеха считается равной 0,95.

5. Средний доход за год в течение первых пяти лет у окончивше го бизнес-школу университета штата при условии полной занятости равен 35 тыс. долл.

6. Средний доход за год в течение первых пяти лет у. окончив шего школу инжиниринга университета штата при условии полной занятости равен 30 тыс. долл.

7. Средний доход за год в течение первых пяти лет у окончившего бизнес-школу университета г. Йорка при условии полной занятости равен 24 тыс. долл.

8. Средний доход за год в течение первых пяти лет у окончивше го школу инжиниринга университета г. Йорка при условии полной занятости равен 25 тыс. долл.

9. Если по каким-либо причинам выпускник не поступает ни в один из этих университетов, то его средний доход в течение этих пяти лет при условии полной занятости будет равен 18 тыс. долл.

Предположим, что единственным критерием при принятии вы пускником окончательного решения является величина ожидаемого 2.2. СЕТИ среднего дохода в первые пять лет его трудовой деятельности. Сде лав это предположение, попробуем решить проблему выпускника, используя дерево решений (рис. 18).

Рис. Поясним некоторые обозначения на рисунке:

— окончание бизнес-школы университета штата, — либо неудача при поступлении в бизнес-школу университета штата, либо невозможность завершения обучения, — окончание школы инжиниринга университета штата, либо неудача при поступлении в школу инжиниринга уни верситета штата, либо невозможность завершения обучения, — окончание бизнес-школы университета города Йорка, либо неудача при поступлении в бизнес-школу университета города Йорка, либо невозможность завершения обучения, окончание школы инжиниринга университета города Йорка, S$ — либо неудача при поступлении в школу инжиниринга уни верситета города Йорка, либо невозможность завершения обучения, — выбор университета штата, — выбор университета города Йорка, — предпочтение отдано бизнесу, — предпочтение отдано инжинирингу.

Узлы дерева, в которых делается выбор, обозначены квадрати ками;

узлы дерева, которые принимающий решение не контролиру ет, — кружками.

ГЛАВА 2. ГРАФЫ СЕТИ Эти два типа узлов рассчитываются по-разному.

При расчете узлов 4-7 определяются ожидаемые значения:

значение в узле N7 = (0,95)(25 000) + (0,05)(18 000) = 24 650 долл., значение в узле N6 = (0,90)(24 000) + (0,10)(18 000) = 23400 долл., значение в узле = (0,70)(30 000) + 000) = 26 400 долл., значение в узле = (0,60)(35 000) + = 28 200 долл.

Значение в узле 3 определяется так:

вследствие того что > полагаем = считаем, что выбор предпочтительнее выбора Тем самым, = 24 650 долл.

$ 28 $35 $18 $ $ $ $18 $25 $18 Значение в узле 2 определяется так:

вследствие того что > полагаем и считаем, что выбор предпочтительнее выбора Тем самым, 28 200 долл.

2.2. СЕТИ Значение в узле 1 определяется так:

вследствие того что > полагаем и считаем, что выбор предпочтительнее выбора Тем самым, = 28 200 долл.

Наносим результаты расчетов на рис. 18 и принимаем оконча тельное решение (рис. 19).

2.2.2. Задача о соединении городов С деревьями связана и одна из проблем минимального соединения, внешне напоминающая задачу о коммивояжере, но значительно про ще разрешаемая (для решения этой проблемы построены эффектив ные алгоритмы).

Имеется п городов —..., которые нужно связать ме жду собой сетью дорог. Стоимость сооружения дороги, соединяющей города и известна и равна Какой должна быть сеть дорог, связывающая все города, чтобы стоимость ее сооружения была минимальной?

Граф наиболее дешевой соединяющей сети непременно должен быть деревом. (В противном случае в графе найдется хотя бы один цикл. При удалении любого из звеньев этого цикла стоимость сети уменьшится, а города все еще останутся соединенными.) Тем самым, число ребер искомого графа должно быть равным п — Алгоритм (план реализации) На 1-м шаге связываем два города с наиболее дешевым соединя ющим звеном На каждом следующем шаге добавляем самое дешевое из звеньев (если имеется несколько звеньев с одинаковой стоимостью, выби раем любое из них), в результате присоединения которого к уже по строенным звеньям найденная сеть удлиняется еще на одно звено, но никакого цикла не образуется. При поиске добавляемого звена надо перебирать все ребра, имеющие общую вершину с уже построенной сетью.

Последний шаг алгоритма имеет номер п — 1.

Стоимость строительства полученной сети минимальна и равна + ГЛАВА 2. ГРАФЫ СЕТИ Пример 5. Пусть, например, нужно соединить города А, В, С и D. Стоимость строительства дорог, соединяющих любые два города, известна и в условных единицах представлена в таблице:

Сеть дорог минимальной стоимости состоит из 3 (4—1 = 3) звеньев и строится так: сначала выбирается самый дешевый участок доро ги — ВС (его цена равна 6), затем он удлиняется на самый дешевый из оставшихся — BD (его цена равна 9). И на последнем, третьем шаге вновь выбирается самый дешевый (но так, чтобы не образова лось никакого цикла) — АВ (его цена равна 11) (рис. 20). Таким образом, стоимость строительства равна 26 (6 + 9 + 11).

Рис. 2.2.3. Максимальный поток Задана сеть, каждое ребро которой имеет вполне определенную ог раниченную пропускную способность. Требуется определить макси мально возможный поток в этой сети из заданного узла в другой узел.

Чтобы пояснить основную идею метода решения этой задачи, предположим, что исходный и конечный пункты, пункт А и пункт находятся на разных берегах разделяющей их реки (рис. 21). Мно жество мостов через реку образуют так называемое разделяющее се чение (если все мосты по каким-либо причинам выйдут из строя, 2.2. СЕТИ попасть из пункта А в пункт В будет просто невозможно). Ясно, что пропускная способность разделяющего сечения складывается из пропускных способностей всех мостов.

Рис. Подобных сечений, разделяющих пункты А может быть не сколько (рис. 22), и каждое из них обладает своей пропускной спо собностью. Из того, что поток из пункта А в пункт В должен прохо дить через каждое разделяющее сечение, вытекает, что максимально возможный поток не может превосходить пропускной способности ни одного из этих сечений.

Таким образом, отыскание макси-потока (максимально возмож ного потока) сводится к отысканию мини-сечения (разделяющего се чения с наименьшей пропускной способностью).

Пример 6. Рассмотрим сеть, заданную на рис. 23. Требуется найти максимально возможный поток из узла 1 в узел 7.

Рис. Вычислим пропускную способность ключевых сечений. Имеем:

пропускная способность сечения {(1,2), (1,3)} равна 4, пропускная способность сечения {(2,4), (3,5)} равна 4, пропускная способность сечения {(1,3), (2,3), (6,7)} равна 5, пропускная способность сечения {(5,7), (6,7)} равна 2.

ГЛАВА 2. ГРАФЫ И СЕТИ Сравнивая пропускные способности сечений, получаем, что мак симальный поток от вершины 1 к вершине 7 равен 2.

2.2.4. Кратчайший маршрут Дана сеть, каждое ребро которой помечено числом, равным его дли не. Требуется найти кратчайший маршрут, ведущий от выделенного узла к каждому из узлов сети.

Алгоритм решения этой задачи состоит из двух частей.

Покажем, как он работает, на следующем примере.

Пример 7. Рассмотрим сеть, заданную на рис. 24, с выделенным узлом 1.

Рис.

Прямой ход алгоритма 1-й шаг. Все узлы, которые соединены с выделенным узлом одним ребром, метятся так, как это показано на рис. 25 — первое число в метке равно расстоянию от помеченного узла до узла 1.

Ребро, связывающее узлы 1 и 3, является кратчайшим маршру том от узла 1 к узлу 3 (любой другой маршрут от узла 1 к узлу длиннее), и поэтому узлу 3 приписывается постоянная метка (15,1).

Таким образом, по окончании 1-го шага узлы 1 и 3 имеют посто янные метки, узлы 2 и 4 — временные метки, а узлы 5, 6 и 7 никаких меток не имеют (рис. 26).

Замечание. При получении постоянной метки узел 3 выделяется так же, как и узел 1.

2-й шаг. Отбираются все узлы, которые соединены с узлом 3 од ним ребром и не имеют постоянных меток. Это узлы 2, 4 и б.

2.2. СЕТИ (20,1) Сравнивая длины маршрутов 1-2 и 1-3-2, замечаем, что длина первого (20) меньше длины второго (15 + 10 = 25). Поэтому метка (20,1) узла 2 остается неизменной.

Сравнивая длины маршрутов 1-4 и 1-3-4, замечаем, что длина первого (25) больше длины второго (15 + 8 = 23). Поэтому временная метка (25,1) узла 4 меняется на метку (23,3).

Узел 6 получает метку (45,3).

Замечание. Первое число в метке указывает длину маршрута от уз ла 1, а второе — номер предшествующего узла.

Ребро, связывающее узлы 1 и 2, является кратчайшим маршру том от узла 1 к узлу 2 (любой другой маршрут от узла 1 к узлу длиннее), и поэтому узлу 2 приписывается постоянная метка (20,1).

Таким образом, по окончании 2-го шага узлы 1, 2 и 3 имеют посто янные метки, узлы 4 и 6 — временные метки, а узлы 5 и 7 никаких меток не имеют (рис. 27).

3-й шаг. Отбираются все узлы, которые соединены с узлом 2 од ним ребром и не имеют постоянных меток. Это узлы 5 и 7.

Узел 5 получает метку (40,2).

Узел 7 получает метку (60,2).

Маршрут 1-3-4, связывающий узлы 1 и 4, является кратчайшим маршрутом от узла 1 к узлу 4 (любой другой маршрут от узла 1 к узлу 4 длиннее);

поэтому узлу 4 приписывается постоянная метка (23,3).

Таким образом, по окончании 3-го шага узлы 1, 2, 3 и 4 имеют постоянные метки, а узлы 5, 6 и 7 — временные метки (рис. 28).

ГЛАВА 2. ГРАФЫ И СЕТИ (20,1) (20,1) (60,2) (45,3) Рис. 4-й шаг. Отбираются все узлы, которые соединены с узлом 4 од ним ребром и не имеют постоянных меток. Это узел 6.

Сравнивая длины маршрутов 1-3-6 и 1—3-4—6, замечаем, что дли ны первого (45) и третьего (45) больше длины второго (43). Поэтому временная метка (45,3) узла 6 меняется на метку (43,4).

Маршрут 1-2-5, связывающий узлы 1 и 5, является кратчайшим маршрутом от узла 1 к узлу 5 (любой другой маршрут от узла 1 к узлу 5 длиннее), и поэтому узлу 5 приписывается постоянная метка (40,2).

Таким образом, по окончании 4-го шага узлы 1, 2, 3, 4 и 5 имеют постоянные метки, а узлы 6 и 7 — временные метки (рис. 29).

(49,5) (43,4) (43,4) (23,3) Рис. 29 Рис. Следующие два шага позволяют дать постоянные метки узлам и 7 — (43,4) и (49,5) соответственно (рис. 30).

3.2. ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ Получаем задачу линейного программирования, в которой основ ные ограничения вследствие того, что транспортная задача сбалан сирована, являются равенствами.

Замечание. Для лучшего понимания поставленной задачи часто по лезно воспользоваться сетью (рис. 30).

Рис. Перейдем теперь к общей постановке сбалансированной транс портной задачи.

Пусть..., — пункты отправления, а..., — пункты назначения. Известно, что число единиц товара в пункте равно в пункте — причем (задача сбалансирована), и — стоимость перевозки единицы то вара из пункта в пункт ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Обозначим через (искомое) число единиц товара, пересылае мого из пункта в пункт Тогда общее количество товара, которое можно отправить из пункта в пункты • •., равно а — общее количество товара, которое можно принять в пункте из пунктов..., Стоимость перевозки единиц товара из пункта в пункт равна а общая стоимость всех перевозок — В результате мы получаем следующую задачу линейного про граммирования:

все 0.

Покажем, как в некоторых простых случаях транспортную зада чу можно решать графическим методом.

Пример 10. Рассмотрим транспортную задачу, заданную таб лицей 3.2. ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ Решение. Пусть — искомое число единиц товара, пересылае мого из пункта в пункт Тогда данные таблицы можно пред ставить в следующем виде:

Рис. 31 Рис. 32 Рис. На плоскости Otz уравнение z — 66 — изображается прямой (рис. 32). Из того, что все неотрицательны, получаем, что пере менная t должна удовлетворять одновременно следующим четырем ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ 3.2. ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ которую можно решить графическим методом.

Выписанные неравенства определяют на плоскости (и, v) пяти угольник с вершинами (30,0), (70,0), (70,50), (0,120), (0,30).

Нетрудно убедиться в том, что z = = 1690 при = 0, v = 120.

Ответ: = 0, = 120, = 0, = 70, = 20, 90, = 1690.

3.2.5. Целочисленное линейное программирование Если переменные в задаче линейного программирования соответс твуют числу машин, станков, людей или каких-либо иных недели момых объектов, то имеют смысл только целочисленные (целые) значения этих переменных.

Рассмотрим следующий пример.

Пример 11. Найти решение задачи z = Их — у max, 40, х + у 20,5, х 0, у 0, ограничиваясь целочисленными значениями переменных х и у.

Решая задачу графическим методом, получаем х = 5,5, у = 15, = 45, (рис. 34). Однако это решение недопустимо, так как 5,5 — не целое число. Ближайшие целые значения переменной х — это 5 и 6. Поэто му кажется разумным рассмотреть для у) пары (5,15) и (6,15).

Первая пара приводит к значению z = 40, а вторая пара недопусти ма: не удовлетворяет первым двум неравенствам задачи.

Однако, исследуя ситуацию графически, нетрудно показать, что, ограничиваясь только целочисленными значениями переменных, можно получить для величины z значение, большее 40. В самом де ле, пара (5, 10) приводит к z = 45, и это действительно оптимальное решение задачи.

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Рис.

Покажем, как его можно получить. Для того чтобы найти воз можные целые значения переменных х и у, исходная задача разби вается на две подзадачи, выбирается переменная с нецелочисленным значением, в данном случае переменная х, вводятся два новых ог раничения: х 5 и х 6, где 5 и 6 — целые числа, ближайшие к 5,5, и рассматриваются две новые задачи:

(В) (А) Решая обе задачи графическим методом (рис. 35), получаем, что подзадача х — 5, у = 10, = 45;

подзадача решения не имеет (противоречивые условия).

Целочисленное решение подзадачи (А) и дает искомый ответ:

3.3. ЛИНЕЙНЫЕ СИСТЕМЫ Рис. Этот пример показывает, что к задачам целочисленного линей ного программирования следует подходить очень внимательно, а не пользоваться "очевидным" рецептом и округлять нецелое решение до ближайших целых значений.

Замечание. Зачастую описанную операцию разбиения исходной задачи целочисленного программирования приходится повторять несколько раз.

3.3. системы Наши рассмотрения мы начнем с несколько условного примера.

Пример 12. У завода есть четыре потребителя, которым ежене дельно отгружается готовая продукция. Груз доставляется каждому потребителю на автомашине упакованным в ящики, маркированные в зависимости от вида продукции.

Однажды, когда автомашины были уже отправлены, но еще на ходились в пути, обнаружилось, что один из четырех видов груза был отправлен по ошибке и его следует возвратить (причем в пол ной сохранности и без нарушения целостности остальных грузов).

Одновременно выяснилось также, что по недосмотру служащего не осталось никаких сведений о том, как именно маркирована та пар тия ящиков, в которых находился этот подлежащий возврату груз.

А что же известно?

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Известно количество маркированных ящиков каждого вида, об щий вес груза в каждой автомашине (см. таблицу), а также и то, что ящики с возвращаемым грузом должны быть тя желее остальных.

Возникает вопрос: а нельзя ли дать рекомендации по изъятию этого груза без распаковки и дополнительного взвешивания?

Оказывается, можно.

Приведем расчеты, при помощи которых совсем нетрудно выйти из сложившейся чрезвычайной ситуации.

Обозначим через вес ящика с видом груза. Тогда общий вес груза на автомашине 1 можно подсчитать так:

что равно 51.

Проведем аналогичные подсчеты для трех других автомашин и запишем результаты:

Таким образом, мы получили набор (систему) линейных уравне ний, в которые входят четыре неизвестные пока величины и подлежащие определению. Покажем, как их можно найти методом исключения неизвестной.

1-й шаг. Заметим, что если ко второму уравнению прибавить пер вое, умноженное на —2, то в результате получится соотношение в котором неизвестной явно нет.

3.3. ЛИНЕЙНЫЕ СИСТЕМЫ Поступая аналогичным образом с третьим (первое уравнение нужно умножить на —2 и сложить с ним) и с четвертым (первое уравнение нужно умножить на —3 и сложить с ним) уравнениями и сохраняя неизменным первое, приходим к следующей системе соот ношений:

В дальнейших преобразованиях первое уравнение, активно работав шее на 1-м шаге, участия не принимает.

2-й шаг. На этом шаге рабочим является преобразованное второе уравнение:

Умножим его на 2 и сложим с третьим уравнением. Полученное соотношение не содержит ни неизвестной ни неизвестной После сложения четвертого уравнения со вторым, предваритель но умноженным на 7, мы приходим к похожему В итоге получаем систему уравнений следующего вида:

3-й шаг. На этом шаге рабочим является преобразованное третье уравнение:

Прибавляя его к четвертому (предварительно умножив на —3), окончательно получаем:

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Завершающий этап. В результате проделанных преобразований нам удалось найти значение одной из неизвестных, а именно 3.

Значения остальных неизвестных находятся совсем просто.

Сначала из третьего уравнения системы (8) находим значение не известной предварительно подставив туда уже найденное значе ние неизвестной Отсюда Подставляя затем найденные значения неизвестных — 2 и = во второе уравнение системы (8), получаем:

и, далее, 2.

Наконец, из первого уравнения находим значение неизвестной Запишем полученный ответ: из того, что вытекает, что нужно вернуть на завод ящики с 4-м видом груза, т. е.

8 + 3 + 6 + 8 = 25 ящиков.

3.3.1. Что такое — матрица?

Читатель, видимо, уже успел заметить, что довольно часто либо при начальном описании задачи, либо при более жестком ее формули ровании конкретный набор числовых данных удобно записывается в виде прямоугольной таблицы. Подобные прямоугольные таблицы естественно возникают при рассмотрении графов и сетей, при описа нии задач линейного программирования, при рассмотрении систем линейных уравнений и еще во многих других случаях, где они ока зываются весьма кстати. Эти обстоятельства были замечены в сере дине XIX в., и появились матрицы. Сейчас вполне можно сказать, что матрица является одним из основных математических понятий, обладающим массой интересных и полезных свойств. Мы познако мимся лишь с некоторыми из них. Но сначала немного определений.

3.3. ЛИНЕЙНЫЕ СИСТЕМЫ Матрицей А размера т х п называется набор т • п чисел..., к —..., п) — элементов матрицы, записанных в виде прямоугольной таблицы:

Набор называется строкой матрицы А, а набор — к-м столбцом этой матрицы.

В случае когда т = п, матрица А называется квадратной, а число п — ее порядком.

Пользуясь понятием матрицы, опишем для примера все три шага преобразований, которые были проведены в примере 12.

Начнем с исходной системы уравнений и аккуратно выпишем все коэффициенты. Имеем Здесь строки матрицы соответствуют уравнениям системы, а столб цы — неизвестным. Последний столбец отделен от остальных вер тикальной чертой — этим подчеркивается его особое место в матри це (члены, расположенные в уравнениях по правую часть от знака равенства, не содержат неизвестных величин (свободны от неизвест ных)).

Посмотрим теперь, как будут выглядеть матрицы, соответствую щие системам, получавшимся в конце каждого шага:

после 1-го шага:

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Замечание. Обратите внимание на то, как расположены нули в вы писанных матрицах.

3.3.2. Линейные системы общего вида Довольно ясно, что и число линейных уравнений, и число связанных ими неизвестных могут быть любыми.

Основные определения. Совокупность соотношений + +... + = (9) где — заданные числа, числа рассматриваются как вели чины, подлежащие определению (неизвестные), называется систе мой т линейных уравнений с п неизвестными (линейной системой).

Заметим, что линейная система (9) полностью описывается мат рицей Решением линейной системы (9) называется любой упорядочен ный набор чисел • • • который при подстановке в каждое уравнение системы (9) вместо набора неизвестных х\,..., обращает это уравнение в верное равенство.

3.3. ЛИНЕЙНЫЕ СИСТЕМЫ Замечание. Интересно отметить, что и в общем случае (как и для системы двух уравнений с двумя неизвестными) при исследовании системы могут встретиться только три варианта:

система имеет единственное решение, система имеет бесчисленное множество решений, система не имеет решений (такая система называется несовмест ной).

3.3.3. Исследование линейных систем Метод последовательного исключения неизвестной, примененный в ходе решения примера 12, универсален. Пользуясь этим методом, можно исследовать любую систему уравнений и, если она имеет ре шение, найти его.

Пример 13. Дана система линейных уравнений Требуется найти значения параметра с, при которых система:

1) несовместна, 2) совместна.

В случае, когда система совместна, отыскать ее решение.

1-й шаг. При помощи первого уравнения исключаем неизвестную из второго и третьего уравнений (умножая первое уравнение на —2 и —7 и соответственно складывая со вторым и третьим). В ре зультате получаем 2-й шаг. Сохраняя первое уравнение неизменным, при помощи второго уравнения исключаем неизвестную из третьего уравне ния (умножая второе уравнение на 2 и складывая с третьим). В результате получаем ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Заданная система 1) несовместна, если с + 1 О, 2) совместна, если с + 1 = 0.

При с = 1 получаем В итоге на три неизвестные величины и имеем только два условия.

Полагая = t, из второго уравнения находим, что Отсюда Подставим теперь полученные выражения в первое уравнение.

Имеем Отсюда Ответ:

1) при с 1 система несовместна, 2) при с = 1 система совместна и — ее решение (здесь t — любое число).

Замечание. С похожей ситуацией мы уже встречались в примере 10.

Соответствующая линейная система полностью описывается матри цей 3.4. ОПЕРАЦИИ НАД МАТРИЦАМИ 3.4. Операции над матрицами Матрицы предоставляют весьма удобный способ записи количест венной информации и потому часто используются в самых разных ситуациях.

Приведем лишь два примера.

Пример (расписание). В колледже студенческих групп:

преподавателей: Известно, что в г-й группе к-й преподаватель должен провести часов занятий. Таблица (матрица) занятости студентов и преподавателей может быть запи сана в следующем виде:

(10) (в г-й строке указано количество часов занятий, которые г-я группа проведет с каждым из преподавателей..., а в к-м столбце — количество часов, которые преподаватель проведет с ка ждой из групп..., Пример 15. Мороженщица, торгующая в кинотеатре, перед утренним сеансом продала 36 порций пломбира: 8 порций в стакан чиках, 10 порций в брикетах, 7 порций в трубочках и 11 порций в рожках;

перед дневным сеансом — 62 порции: соответственно 16, 15, 13 и 18. Наибольший спрос пришелся на вечер — 101 порция: 25, 21, 31 и 24 соответственно. Это можно записать компактно в виде таблицы 7 ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Нередко матрицы выступают не только в роли хранителей ин формации. Интересно, что с ними можно проводить различные опе рации, подобные тем, которые мы привычно совершаем с числами:

матрицы можно складывать, вычитать, умножать и пр. Однако дей ствовать здесь приходится осторожно, с оглядкой — не всякие ма трицы можно сложить, а с перемножением дело обстоит еще слож нее.

• 3.4.1. Сложение матриц Пусть А и В — матрицы одинаковых размеров (т. е. состоящие из одинакового числа строк и одинакового числа столбцов), называется суммой матриц А и В, если ее элементы вычисляются по правилу Иными словами, складываются элементы матриц А и В, стоящие в одинаковых позициях (в строке и в столбце), и полученная сумма записывается в новой матрице С в ту же позицию (г, к).

Это можно записать и так:

Обозначение: А + В.

Вычитание матриц определяется аналогично.

Замечание. Операция сложения определена лишь для матриц, име ющих одинаковые размеры. Если матрицы имеют разное число строк или разное число столбцов, то складывать их нельзя.

8.4. ОПЕРАЦИИ НАД МАТРИЦАМИ Продолжение примера По заданной матрице занятости (10) требуется составить расписание занятий таким образом, чтобы общая продолжительность h всех проведенных занятий была мини мальной, считая, что проблем с аудиторным фондом нет.

Попробуем сначала оценить общую продолжительность занятий снизу.

Преподаватель к = 1,..., п, должен провести всего часов занятий, так что число h не может быть меньше, чем Общее число часов занятий в группе вследствие чего число h не может быть меньше, чем т. е.

Тем самым, общая продолжительность занятий h не меньше наи большего из чисел Иными словами, должно выполняться условие На самом деле для выполнения учебного плана требуется ровно s часов.

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Покажем, как можно составить такое расписание занятий в слу чае, когда т — 5, п = 3, а матрица загруженности имеет вид Складывая элементы матрицы по строкам и по столбцам, легко убедиться в том, что = 7 и д = 6, причем в наибольшей сте пени загружен преподаватель а и — наиболее загруженные группы.

В данном случае h = s 7. Тем самым, минимальная продол жительность занятий равна семи, причем 2-й преподаватель должен быть загружен каждый час.

Покажем, как именно можно составить соответствующее опти мальное расписание.

Матрица (запись) означает, что 1-й час занятий преподаватель проводит с группой (и, следовательно, не может провести этот час ни с какой другой группой, да и группа не может провести этот час ни с каким дру гим преподавателем), преподаватель проводит этот час с группой преподаватель — с группой 3.4. ОПЕРАЦИИ НАД МАТРИЦАМИ По истечении 1-го часа занятий получаем новую матрицу загру женности на оставшиеся шесть часов:

Выбирая матрицу нагрузки на 2-й час занятий в виде по истечении 2-го часа получим Повторяя подобные действия, т. е. строя каждый раз матрицу, со стоящую из нулей и единиц так, что ни в одной ее строке и ни в одном столбце не может быть больше одной единицы, в итоге при дем к следующему разложению:

Полученное соотношение означает, что все занятия можно про вести за 7 часов, а каждую группу и каждого преподавателя снаб ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ дить фактическим расписанием. Так, на 5-м часу преподаватель проводит занятия с группой преподаватель — с группой и преподаватель группой то время как студенты групп и могут позаниматься в библиотеке или отдохнуть.

3.4.2. Умножение матрицы на число Матрица D называется произведением матрицы А на число если ее элементы вычисляются по правилу Иными словами, умножив элемент матрицы А из строки и столбца на число нужно записать полученный результат в строку и столбец новой матрицы.

Сказанное можно записать и так:

Обозначение:

В частности, при умножении матрицы А на число = 0 получа ется матрица, все элементы которой равны нулю (нулевая матрица того же размера, что и матрица А):

Пример 16. Матрица выплат в результате деноминации с 1 января 1998 г. выглядит так:

ОПЕРАЦИИ НАД МАТРИЦАМИ 3.4.3. Транспонирование матрицы Результат торговли мороженым можно записать двояко: либо так, как это сделано в примере 15:

либо так:

8 10 16 15 13 21 Ясно, что обе матрицы содержат одну и ту же информацию. Разница лишь в том, что записанное в одной матрице в столбцы в другой помещено в строки, причем в том же порядке, и наоборот.

Пусть...

...

— заданная матрица. Построим матрицу В по следующему правилу:

взяв в матрице А произвольный элемент i — к 1,...,п, запишем его в новой матрице в к-ю строку и столбец, т. е. поло жим В результате получим матрицу про которую говорят, что она получена из матрицы А путем транс понирования, а сама операция матрицей А, которая, не изменяя самих ее элементов, определяет для них новый порядок расположе ния, называется транспонированием матрицы А.

Обозначение:

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ 3.4.4. Умножение матрицы на столбец Пусть — матрица размера т х п и столбец высоты п.

Произведение матрицы А на столбец х определяется так:

Заметим, что матрицу можно умножать не на любой столбец, а лишь на такой, число элементов которого равно числу столбцов ма трицы. Символически это можно описать так:

Обозначение: Ах.

Замечание. Результирующий столбец Ах содержит ровно т элемен тов. При т — п оба столбца (и х, и Ах) имеют одинаковую высоту.

3.1 ОПЕРАЦИИ НАД МАТРИЦАМИ Пример 17 (подсчет выручки). Вновь вернемся к морожен щице и подсчитаем ее выручку, зная цену каждого сорта проданного ею мороженого. При цене 3,0 руб. за одну порцию пломбира в ста канчиках, 1,5 руб. за одну порцию пломбира в брикетах, 2,0 руб.

за одну порцию пломбира в трубочках и 2,5 руб. за одну порцию пломбира в рожках утренняя выручка оказывается равной:

дневная:

и вечерняя:

Те же самые результаты мы получим, умножив матрицу продаж на ценовой столбец:

— столбец выручки.

3.4.5. Умножение строки на матрицу Пусть — строка из т элементов и матрица размера т х п.

Произведение строки р на матрицу А определяется формулой ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ или символически Обозначение:

Пример 18. Цены на билеты в кинотеатр зависят от того, ко гда начинается сеанс — утром, днем или вечером. Цена билета на утренний сеанс равна 10 руб., на дневной — 15 руб., а на вечерний — 20 руб.

Пусть матрица описывает число посетителей кинотеатра в первые четыре дня (столбцы) показа нового кинофильма;

строки отражают посещения утром, днем и вечером соответственно. Тогда выручку по дням мож но рассчитать так:

3.4.6. Собственные столбцы и собственные значения матрицы Начнем с примера.

Пример 19. Умножим матрицу на столбец и на столбец ОПЕРАЦИИ НАД МАТРИЦАМИ Соответственно получим Сравнивая результирующие столбцы с исходными, замечаем, что во 2-м случае (в отличие от 1-го) полученный столбец пропорциона лен заданному (коэффициент пропорциональности равен 3).

Пусть А — квадратная матрица порядка п. При умножении ее на столбец х высоты п получаем столбец у той же высоты:

Поставим следующий вопрос: для всякой ли квадратной матрицы можно указать столбец, после умножения ее на который мы получим столбец, пропорциональный исходному, т. е. для всякой ли квадрат ной матрицы А существует столбец х и число Л такие, что Тривиальный случай х = О отбросим сразу (в этом случае ра венство (12) выполняется для любого Л).

Если такие столбец число Л существуют, то они называ ются собственным столбцом и собственным значением матрицы А.

Покажем, как практически можно ответить на поставленный вы ше вопрос, для простоты ограничившись подробным рассмотрением случая п = 2.

Запишем соотношение (12) для матрицы и столбца Имеем Перемножая, получим ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ откуда и, далее, Эта система двух уравнений с двумя неизвестными Х\ и имеет нулевое решение = О, = 0 при любом Л. Но этот тривиальный случай нас не интересует. А вот нельзя ли выбрать параметр Л (ко торый пока тоже неизвестен) так, чтобы эта система имела и другие решения?

Замечание. Уравнение вида описывает прямую, проходящую через точку 0). Для того чтобы уравнение описывало ту же прямую, должно выполняться условие (в ином случае прямые будут пересекаться (рис. 36)).

Рис. 3.4. ОПЕРАЦИИ НАД МАТРИЦАМИ Последнее соотношение в применении к рассматриваемому слу чаю будет выглядеть так:

Вытекающее из него квадратное уравнение имеет не более двух корней.

Пример 20. Рассмотрим три конкретные матрицы:

и попытаемся найти их собственные значения.

1) Переходя от матричного равенства к системе уравнений, получим Отсюда и, далее, Это уравнение имеет два корня:

которые и являются собственными значениями матрицы 2) Для матрицы ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ соответствующая система имеет вид откуда и Л = 1 — единственное собственное значение матрицы 3) Система уравнений приводит к равенству которое легко пребразуется к квадратному уравнению, не имеющему корней.

Тем самым квадратная матрица второго порядка может иметь не более двух собственных значений.

Замечание. У квадратной матрицы n-го порядка не больше п соб ственных значений.

Итак, мы описали способ отыскания собственных значений ма трицы. А как найти соответствующий собственный столбец в случае, если собственное значение уже найдено?

рассмотрение примера 20. Ясно, что рас сматривать нужно только первые два случая.

1) Подставив первое из найденных собственных значений в систе му уравнений получим:

ОПЕРАЦИИ НАД МАТРИЦАМИ Из первого уравнения (второе уравнение никакой новой информации не содержит) видно, что Положим Тогда — — 1 и искомый собственный столбец имеет вид Замечание. В качестве можно взять любое отличное от нуля чи сло. Найдя по нему значение получим собственный столбец мат рицы, пропорциональный предъявленному (отличающийся от предъявленного множителем).

Второе собственное значение А = 3 приводит к системе уравнений откуда — собственный столбец матрицы, отвечающий собственному значе нию Л = 3.

2) После подстановки Л = 1 в систему уравнений получим Это означает, что = 0, а может быть любым не равным нулю числом. Тем самым, собственный столбец матрицы имеет вид ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ Замечание. Описанный выше способ отыскания собственных значе ний матрицы и отвечающих им собственных столбцов состоит из двух основных этапов: сначала ищется собственное значение, а затем по нему строится собственный столбец. Однако в некоторых задачах возникает необходимость проверить, является ли заданный столбец собственным столбцом матрицы и если это так, то найти собственное значение.

Конечно, это более простая задача, и она решается следующим образом.

Умножим матрицу А на столбец х:

и поделим элементы полученного столбца у на соответствующие эле менты столбца х Если все эти отношения равны между собой, то Л — искомое собственное значение. Если же хотя бы одно отно шение отлично от других, то х собственным столбцом матрицы А не явля ется.

3.4. ОПЕРАЦИИ НАД МАТРИЦАМИ 3.4.7. Неотрицательные и положительные матрицы Матрица называется неотрицательной, если и положительной, если Пример 21. Матрица занятости в примере о составлении рас писания неотрицательна, а матрица реализации порций мороженого положительна.

Обозначения:

Пусть А и В — матрицы одинаковых размеров.

Будем писать если и если Пусть А — неотрицательная квадратная матрица. То гда у нее обязательно есть собственные значения, наибольшее из ко торых неотрицательно, и соответствующий ему собственный столбец также неотрицателен.

В случае когда А — положительная квадратная матрица, ее наи большее собственное значение положительно и положителен со ответствующий ему собственный столбец.

8 ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ 3.5. Задания и ответы 1. Небольшая фирма производит два вида продукции: столы и сту лья. Для изготовления одного стула требуется 3 фута древесины, а для изготовления одного стола — 7 футов. На изготовление одного стула уходит 2 часа рабочего времени, а на изготовление стола — часов. Каждый стул приносит 1 долл. прибыли, а каждый стол — 3 долл. Сколько стульев и сколько столов должна изготовить эта фирма, если она располагает 420 футами древесины и 400 часами рабочего времени и хочет получить максимальную прибыль?

2. Некоторая фирма выпускает два набора удобрений для газо нов: обычный и улучшенный. В обычный набор входит 3 фунта азот ных, 4 фунта фосфорных и 1 фунт калийных удобрений, а в улуч шенный — 2 фунта азотных, 6 фунтов фосфорных и 3 фунта калий ных удобрений. Известно, что для некоторого газона требуется по меньшей мере 10 фунтов азотных, 20 фунтов фосфорных и 7 фун тов калийных удобрений. Обычный набор стоит 3 долл., а улучшен ный — 4 долл. Какие и сколько наборов удобрений нужно купить, чтобы обеспечить эффективное питание почвы и минимизировать 3. На имеющихся у фермера 400 акрах земли он планирует посе ять кукурузу и сою. Сев и уборка кукурузы требует на каждый акр 200 долл. а сои 100 долл. На покрытие расходов, связанных с севом и уборкой, фермер получил ссуду в 60 тыс. долл. Каждый акр, засеянный кукурузой, приносит 30 бушелей, а каждый акр, за сеянный соей, - 60 бушелей. Фермер заключил договор на продажу, по которому каждый бушель кукурузы принесет ему 3 долл., а ка ждый бушель сои — 6 долл. Однако, согласно этому договору, фер мер обязан хранить убранное зерно в течение нескольких месяцев на складе, максимальная вместимость которого равна 21 тыс. бушелей.

Фермеру хотелось бы знать, сколько акров нужно засеять каждой из этих культур, с тем чтобы получить максимальную прибыль.

3.5. ЗАДАНИЯ И ОТВЕТЫ 4. Решите задачу линейного программирования:

Ответ:

5. Решите задачу линейного программирования:

6. Решите задачу линейного программирования:

Ответ: Решения не имеет (противоречивые условия).

7. Решите транспортную задачу, заданную таблицей Ответ:

8. Решите транспортную задачу, заданную таблицей Ответ:

ГЛАВА 3. ЛИНЕЙНЫЕ ЗАДАЧИ 9. Найдите решение задачи ограничиваясь целочисленными значениями переменных Глава ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ Материал, изложенный в этой главе, обладает двумя особенностями:

во-первых, он существенно пересекается с элементами математиче ского анализа, изучаемыми в средней школе, во-вторых, носит в до статочной степени вспомогательный характер: излагаемые понятия и методы применяются в последующих главах.

В силу этого читатель, знакомый с перечисленными в названии главы понятиями хотя бы в объеме средней школы, вполне может ограничиться беглым просмотром.

4.1. Примеры числовых Понятие функциональной зависимости между величинами — одно из важнейших в математике вообще и в математическом моделиро вании в частности. Как правило, под функцией понимают отобра жение, которое каждому вещественному числу (точке) из области определения ставит в соответствие некоторое число, называемое зна чением функции в точке. В общем случае функциональную зависи мость между величинами записывают в виде соотношения:

У = где х называют а — значением функции.

Наряду с формульным заданием часто применяется представле ние функциональной зависимости в виде таблицы либо графика.

При табличном способе задания в явном виде выписывают значе ния аргумента и соответствующие им значения функции. При гра фическом способе на координатной плоскости (х, у) отмечают точки с координатами образующие график функции (рис. 1).

ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ У каждого из трех перечисленных способов есть свои достоинства и недостатки.

Функция может зависеть и от многих переменных. В главе о ли нейных моделях приведено линейное выражение, зависящее от пере менных • • • Рассмотрим ряд элементарных числовых функций.

Линейная функция — это функция вида где — некоторые числа. Графиком линейной функции является прямая (рис. 2).

Замечание. Линейная функция, как простейший вид связи между величинами, наиболее широко применяется в моделировании. Неко торые примеры будут приведены в последующих главах.

Квадратичная функция это функция вида где a, b и с — некоторые числа, причем а 0 (если = 0, то функ ция не квадратичная, а линейная). Графиком квадратичной функ ции является парабола, ветви которой направлены вверх (при а > 0) или вниз (при а < 0) (рис. 3).

Замечание. Квадратичная функция — простейший вид зависимости между величинами, позволяющей моделировать процессы следую щего типа: с ростом объема производства доход (у) сначала уве личивается, затем уменьшается.

4.1. ПРИМЕРЫ ЧИСЛОВЫХ ФУНКЦИЙ Кубическая функция — это функция вида где а, с и d — некоторые числа, причем а 0. Графиком кубиче ской функции является кубическая парабола (рис. 4).

Замечание. Пользователи графических редакторов (например, ре дактора Paint) для изображения различных кривых линий отмеча ют точки на экране, после чего компьютер сам проводит гладкую кривую. Обычно эта кривая подбирается программой как раз среди кубических парабол.

К простейшим элементарным функциям относится и функция где к 0. Графиком этой функции является гипербола (рис. 5).

ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ Замечание. Функции такого вида (с к > 0) — простейший способ моделирования, например, зависимости спроса (у) от цены (х).

Функция может задаваться различным образом на отдельных участках области определения. Простейшим примером может слу жить функция у — (читается "сигнум т. е. знак числа х), определяемая следующим образом (рис. 6):

Еще один пример — функция у = \х\ ("модуль (рис. 7):

Показательная функция задается уравнением (см. рис. 8, 9).

Среди показательных функций выделяют экспоненту — функ цию где е 2,718.

Замечание. Быстро возрастающая показательная функция модели рует процессы типа роста народонаселения (у) с течением време ни (х).

4.1. ПРИМЕРЫ ЧИСЛОВЫХ ФУНКЦИЙ Используемые в практических задачах функции зачастую имеют и более сложный вид, однако их основные свойства можно проана лизировать и на простых примерах. В некоторых случаях простая функциональная зависимость бывает весьма выразительной.

Приведем несколько примеров.

Функции спроса на товары в зависимости от доходов потребителя (Tornquist)) и их графики.

А. Спрос на товары первой необходимости:

Рис. 10 Рис. ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ Б. Спрос на товары относительной роскоши:

(рис. 11).

В. Спрос на предметы роскоши:

(рис. 12).

Рис. 12 Рис. Г. Функция распределения доходов в обществе Лоренца (Lorentz)):

/ (примерный график изображен на рис. 13). Здесь х — доля населе ния с наименьшим доходом, / — доля дохода. Чем больше отклоня ется график функции Лоренца от прямой = х, тем неравномернее 4.2. числовых функций Важнейшим свойством функции является ее непрерывность. Гра фик непрерывной на отрезке функции можно начертить, не отрывая ручки от листа бумаги. Линейная и квадратичная функции непре рывны на любом отрезке. Функции у = и sgn x непрерывными на отрезке, содержащем точку х — 0, не являются — в этой точке обе функции разрывны.

ПРОСТЕЙШИЕ СВОЙСТВА ЧИСЛОВЫХ ФУНКЦИЙ Для рассмотрения дальнейших свойств обратимся к рис. 14, на котором изображен график непрерывной на отрезке [а;

функции у = f(x). отрезке эта функция возрастает: чем больше значение аргумента х, тем больше и значение функции f(x) (при х, лежащем на отрезке Можно сказать и так: функция f(x) возрастает в каждой точ ке интервала Это означает, что какую бы точку х из этого интервала мы ни взяли, сдвинувшись от нее чуть-чуть вправо по числовой оси, мы получим значения функции большие, чем f(x), a сдвинувшись чуть-чуть влево, — меньшие, чем f(x).

На отрезке функция f(x) также возрастает.

На отрезке функция f(x) убывает — чем больше значение аргумента, тем меньше значение функции. Говоря более строго: для любых двух чисел и v, и > v, принадлежащих отрезку имеет место неравенство Точки и являются точками (локального) максимума фун кции f(x). Точка — точка (локального) минимума функции f(x).

Точки локального максимума и локального минимума имеют общее название — точки локального экстремума.

В точке функция f(x) принимает свое наибольшее значение, в точках а и b — наименьшее значение. Отметим следующий интуи тивно ясный факт:

непрерывная на отрезке функция может принимать максималь ное (минимальное) значение либо в точке локального максимума (минимума), либо на границе отрезка.

Замечание. Понятие экстремального значения функции является очень важным. Ведь при принятии того или иного решения мы за ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ интересованы в том, чтобы оно было наилучшим. Переводя сказан ное на математический язык, мы стремимся найти точку, в которой некоторая функция принимает экстремальное значение. Разумеет ся, в реальной (а не модельной) ситуации свести задачу принятия решения к нахождению экстремума функции нелегко. Однако в не которых случаях это удается сделать. Поэтому очень важно уметь находить экстремальные значения функций. С одним из основных способов нахождения экстремума мы познакомимся ниже.

4.3. Производная и экстремум Наряду с возрастанием (убыванием) функции можно учитывать ско рость этого возрастания (убывания). В одной точке эта скорость больше, в другой — меньше. Скорость возрастания функции в точке характеризуется числом, называемым производной функции в точ ке. Производная функции = f(x) в точке обозначается или Операция нахождения производной называется диффе ренцированием.

Коротко говоря, производная — это скорость возрастания функ ции. Перечислим некоторые свойства производной в предположении, что она существует.

Итак:

если то функция f(x) возрастает в точке если то функция f(x) убывает в точке если функция f(x) имеет экстремум в точке то Из последнего обстоятельства вытекает, что для нахождения экс тремума важно знать точки, где производная равна нулю.

Для вычисления производной полезны следующие правила.

1. Производная постоянной равна нулю:

где с — произвольное фиксированное число.

4.3. ПРОИЗВОДНАЯ И ЭКСТРЕМУМ Производная в точке существует не всегда. Опишем три случая, когда она не существует.

Первый случай — когда функция не определена в данной точке.

Например, функция у — не имеет производной в точке — 0.

Второй случай — когда функция определена, но разрывна в точ ке. Например, функция у = не имеет производной в точке = 0.

Наконец, третий случай — когда график имеет в точке излом.

Например, функция у = \х\ не имеет производной в точке = 0.

Опишем способ нахождения максимального и минимального зна чений непрерывной на отрезке функции. Эти значения могут до стигаться либо в точке, где производной не существует, либо в точке, где производная равна нулю, либо на границе отрезка. При исследовании функции f(x) на отрезке [а;

надо решить уравнение а также найти точки, где производной не существует. Значения функции во всех этих точках и на границах отрезка включают в себя и максимальное, и минимальное значения.

ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ Пример 1. Найти максимальное и минимальное значения фун кции у = — х на отрезке 2].

Решение. Эта функция дифференцируема (т. е. имеет производную) во всех точках. Найдем производную. Имеем:

Решая уравнение получаем два корня:

Таким образом, экстремальные значения могут достигаться в одной из четырех точек: х = 0,58, х = —0,58, х = х — 2. Вычисляя значения функции в этих точках, получаем Таким образом, максимальное значение равно 6 (в точке х = 2), минимальное равно —0,38 (в точке х — 0,58) (рис. 15).

Рис. Пример 2. Зависимость дохода и издержек С от объема про изводства х задается функциями следующего вида:

4.3. ПРОИЗВОДНАЯ И ЭКСТРЕМУМ Производственные мощности позволяют производить до 25 единиц продукции. При каком объеме производства прибыль максимальна?

Решение. Прибыль, равная разности дохода и издержек, задается следующей функцией объема производства Производственные мощности диктуют следующее ограничение на объем производства:

Таким образом, задача свелась к нахождению максимального зна чения функции /(ж) = -х3 + на отрезке [0;

25].

Найдем производную и приравняем ее к нулю. Имеем откуда получаем уравнение Корнями этого квадратного уравнения являются числа Оба этих значения принадлежат отрезку [0;

25]. Поэтому для нахо ждения максимального значения функции надо посчитать ее значения в четырех точках. Нетрудно убедиться, что Таким образом, прибыль максимальна (и равна 2800) при объеме производства 20 единиц.

ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ Пример 3. Найти максимальное и минимальное значения функ ции на отрезке [1;

3].

Найдем производную функции f(x) (ее график см. на рис. 16).

В точке х — 2 производной не существует (функция разрывна). На интервале (1;

2) имеем:

Решая уравнение получаем два корня: х — ±1,41. Интервалу (1;

2) принадле жит лишь корень = 1,41.

На интервале (2;

3) имеем Решая уравнение 4.3. ПРОИЗВОДНАЯ И ЭКСТРЕМУМ получаем х — ±1. Интервалу (2;

3) не принадлежит ни один из най денных корней. Это означает, что на интервале (2;

3) у функции нет локального экстремума.

Таким образом, максимальное и минимальное значения надо ис кать среди значений в точках х = 1, х = 3 (концы отрезка), х = (точка, где не существует производной), х = 1,41 (точка нуля про изводной). Получаем Максимальное значение равно 3,33 и достигается в точке х = 3, минимальное значение равно 2,5 и достигается в точке х = 2.

Замечание. У разрывной функции максимального либо минималь ного значения может и не существовать.

Пример функции 17) нет минимального значения на отрезке 1].

9 ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ 4.4. Интеграл Выше мы рассмотрели операцию дифференцирования, т. е. нахож дения производной:

и Обратная ей операция называется интегрированием или нахожде нием первообразной. Первообразная функции f(x) — это функция производная которой равна Если функция F(x) является первообразной функции f(x), то функция F(x) + С (С — произвольное число) также является пер вообразной, поскольку Рассмотрим функцию /(ж), принимающую неотрицательные зна чения на отрезке [а;

(рис. 18).

Интеграл от функции f(x) на отрезке [а;

обозначается так:

Этот интеграл равен площади фигуры, ограниченной сверху графи ком функции у = f(x), снизу -- прямой у 0, слева и справа — прямыми х = и х — Ь соответственно (на рис. 18 эта фигура за штрихована).

ИНТЕГРАЛ Справедлива следующая формула Ньютона-Лейбница:

где F(x) — любая первообразная функции f(x).

Отметим два свойства интегралов:

Второе свойство позволяет вычислять интегралы от функций, за даваемых на разных отрезках различными формулами. Отметим, что эти функции не обязательно должны быть непрерывными.

В дальнейшем мы будем пользоваться следующим удобным обо значением:

Замечание. Для функций, принимающих отрицательные значения, геометрическая интерпретация интеграла несколько сложнее. Одна ко формула Ньютона-Лейбница верна и в этом случае.

Пример 5. Вычислить интеграл Решение. Поскольку то функция ГЛАВА ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ является первообразной функции у = По формуле Ньютона Лейбница получаем:

Выше в качестве функциональной зависимости упоми налась функция Лоренца характеризующая неравномерность распределения доходов в обществе. Степень этой неравномерности выражает индекс Джини (Gini) (рис. 19):

Пример 7. Пусть функция имеет вид Найти индекс Джини.

Решение. Имеем 4.5. ЗАДАНИЯ И ОТВЕТЫ Puc. 19 Puc. Часто возникает необходимость вычисления так называемого не собственного интеграла, равного площади неограниченной области.

Рассмотрим, например, функцию на полупрямой [0;

(рис. 20). Напомним, что е — это специаль ная постоянная, равная примерно 2,718.

Площадь неограниченной фигуры, образованной осями координат и графиком функции у = (на рис. 20 эта фигура заштрихована), можно вычислить, воспользовавшись несобственным интегралом В дальнейшем мы познакомимся и с другими несобственными ин тегралами.

4.5. Задания и ответы 1. Найдите максимальное и минимальное значения функции f(x) на отрезке [а, где ФУНКЦИИ. ПРОИЗВОДНАЯ. ИНТЕГРАЛ е) 2 и -7.

2. Как изменится оптимальный объем производства в примере 2, если максимальная загрузка производственных мощностей позволя ет производить 18 единиц продукции?

Ответ: оптимальный объем производства составит 18 единиц продукции.

3. Вычислите следующие интегралы:

4. Может ли индекс Джини принимать значение 0,6?

Ответ: нет.

Глава БАЛАНСОВОЕ УРАВНЕНИЕ В этой главе мы расскажем о том, как можно оценить экономиче скую эффективность планируемых капитальных вложений.

5.1. Сложные проценты на капитал можно рассматривать как награду, которую получает кредитор от заемщика за пользование капиталом, при надлежащим кредитору.

Предположим, что заемщик кладет в банк, выплачивающий р% годовых (процентную ставку), некоторую сумму денег, которую мы для определенности обозначим через Это означает, что ровно через год у заемщика на счету будет сум ма, равная а еще через год — Терпеливый заемщик через к лет станет обладателем суммы, рав ной Пример 1. При рождении внука дедушка положил в банк на 18 лет под 3% годовых некоторую сумму. К моменту совершенноле на счете оказалось 100 тыс. руб. Каким был первоначальный вклад?

ГЛАВА 5. БАЛАНСОВОЕ УРАВНЕНИЕ По условию имеем:

где Отсюда получаем, что Тем самым, первоначальный вклад равен 58 тыс. 739 руб.

Из формулы зная любые три из входящих в нее величин: к, легко найти четвертую величину. В частности, При этом говорят, что величина получена дисконтированием (от английского discount — скидка, вычет), и называют ее дискон тированным значением В примере 1 мы узнали размеры первоначального вклада дискон тированием = 100 тыс. руб.

5.2. Погашение кредита Пример 2. Предположим, что две стороны, кредитор и заем щик, договариваются о плане погашения кредитов:

кредит в 10 млн. руб. берется на лет при годовой ставке 9% с условием, что через 3 года в счет погашения кредита будет внесено 4 млн. руб., через год — 2 млн. руб. и еще через год — 3 млн. руб.

Какая сумма должна быть внесена через лет для полного пога шения кредита?

Плату за кредит принято называть процентом.

На рис. 1 приведена схема выплаты процентов.

5.2. ПОГАШЕНИЕ КРЕДИТА Для того чтобы ответить на поставленный вопрос, нужно пере считать все суммы, о которых идет речь, на какой-то определенный момент. Обычно это момент получения кредита.

Пересчитать суммы означает дисконтировать их. В результате получим Величина находится из условия погашения кредита:

откуда после несложных вычислений получаем, что Тем самым, при договоренном порядке погашения процент по кре диту равен 4 млн. 944 тыс. 684 руб., т. е. почти половине взятой сум мы.

ГЛАВА 5. БАЛАНСОВОЕ УРАВНЕНИЕ А вот другая схема погашения (рис. 2).

Здесь В этом случае При таком порядке погашения процент по кредиту еще больше — 6 млн. 771 тыс. руб.

Весьма распространена практика выплаты в счет погашения кре дита каждый год одной и той же суммы (рис. 3).

Рис. Здесь Как ее вычислить при той же взятой сумме и той же процентной ставке?

Имеем:

откуда 5.3. БАЛАНСОВОЕ РАВЕНСТВО 5.3. Балансовое равенство Рассмотрим задачу посложнее.

Пример 3. Предположим, что заемщик берет кредит по частям у одного и того же кредитора под 9% годовых:

сразу — 10 млн. руб. = —10), через год — еще 8 млн. руб. = 8) и еще через два года — 5 млн. руб. = —5), а схема погашения кредита выглядит так:

Рис.

Дисконтируя все суммы на момент выдачи первой части креди та и приравнивая суммы, соответствующие кредитам и погашениям, получаем:

Перепишем последнее соотношение формально более подробно, имея в виду, что ГЛАВА 5. БАЛАНСОВОЕ УРАВНЕНИЕ + + + + + + = 0.

После необходимых вычислений находим — 6,7 млн. руб.

Подведем некоторые итоги.

Пусть — величина взноса в конце к 0 (отрицатель ное значение трактуется как кредит).

Все кредиты погашены за п лет, если имеет место балансовое ра венство + + + = 0, (1) где q = l + т. е. сумма всех дисконтированных кредитов и взносов равна нулю.

При этом р% называют нормой или ставкой дисконта, или нормой дисконта.

5.4. Балансовое уравнение Метод дисконта можно использовать для оценки экономической эф фективности вариантов капитальных вложений.

Пусть — известные нам доходы предприятия за год (от рицательное значение трактуется как капитальное вложение) в проекте, рассчитанном на п лет.

Используем равенство (1) считая на этот раз, что величины • •, известны, а величина q (а значит, и р) подлежит определению.

Соотношение (2) при этих условиях называется балансовым урав нением.

Индексом прибыльности, или внутренней нормой процента по капвложениям, называется ставка дисконта, при которой сумма всех БАЛАНСОВОЕ УРАВНЕНИЕ дисконтированных капитальных затрат и дисконтированных дохо дов равна нулю.

Обозначение: P.I. (сокращение от profitability index).

Тем самым, находя значение q = q*, удовлетворяющее уравнению (2), мы определяем индекс прибыльности.

Обычная рыночная процентная ставка составляет примерно 8%.

Вложение считается выгодным, если Итак, пусть — обсуждаемый вариант капитальных затрат и ожидаемых доходов.

Для того чтобы найти P.I., составляем балансовое уравнение Пусть q = q* — его решение. Тогда Пример Обсуждаемый вариант капитальных затрат и ожи даемых доходов показан на рис. 5, т. е.

Из последнего соотношения получаем, что Тем самым, ГЛАВА 5. БАЛАНСОВОЕ УРАВНЕНИЕ = = = = = 4, = - = - 5.5. Задания и ответы 1. В банк под а% годовых была положена некоторая сумма. Через п лет на счете оказалось b млн. руб. Каков размер положенной суммы?

Ответ:

2. Условие задачи изображено на рис. 6:

Ответ:

3. Условие задачи изображено на рис. 7:

Ответ:

5.5. ЗАДАНИЯ И ОТВЕТЫ Рис. Рис. 4. Условие задачи изображено на рис. 8:

Рис. Ответ: P.I. = 41%.

Глава УПРАВЛЕНИЕ ЗАПАСАМИ 6.1. Вводные замечания Фирмы часто делают различные запасы. Хранятся сырье, заготовки, готовая продукция, предназначенная для продажи.

Запасов не должно быть ни слишком много, ни слишком мало.

В первом случае возникает необходимость неоправданных затрат на хранение, на амортизацию товара. Во втором случае может оказать ся так, что на складе не будет нужного товара. Кроме того, малое количество запасов подразумевает их частое пополнение, что также требует затрат.

Задача управления запасами состоит в том, чтобы избежать обеих крайностей и сделать общие затраты по возможности меньше. Отме тим, что в целом эта область науки управления развита довольно хорошо, разработаны многочисленные модели с применением раз личных математических методов. Мы рассмотрим несколько прос тейших детерминированных моделей управления запасами.

6.2. Основная модель Важнейшую роль в наших рассмотрениях будет играть функция из менения запаса. Это связь между количеством единиц товара на складе (обозначим его через Q) и временем t. Будем считать, что имеется один вид товара.

Если на товар имеется спрос, то функция изменения запаса Q — Q(t) убывает. Если товар, наоборот, завозят на склад, то эта 6.2. ОСНОВНАЯ МОДЕЛЬ функция возрастает. Мы будем считать возможным мгновенное по полнение запаса.

Затраты, связанные с запасами, можно разделить на три части.

Стоимость товара.

Б. Организационные издержки. Это расходы, связанные с офор млением товара, его доставкой, разгрузкой и т. д.

Издержки на хранение товара. Это затраты на аренду склада, амортизацию в процессе хранения и т. д.

Рассмотрим основные величины и предположения относительно них, принятые в рамках основной модели. Мы будем в основном ис пользовать в качестве единицы измерения денежных средств услов ные единицы (УЕ), это могут быть рубли, доллары и т. п.;

в качестве единицы измерения времени — год, хотя можно было бы взять ме сяц, квартал и т. п.

1. Цена единицы товара — с УЕ. Цена постоянна, рассматрива ется один вид товара.

2. Интенсивность d единиц товара в год. Будем считать, что спрос постоянный и непрерывный.

3. Организационные издержки — s УЕ за одну партию товара. Бу дем считать, что организационные издержки не зависят от размера поставки, т. е. от количества единиц товара в одной партии.

4. Издержки на хранение запаса — h УЕ на единицу товара в год.

Будем считать эти издержки постоянными.

5. Размер одной партии товара постоянен — q единиц. Партия поступает мгновенно в тот момент, когда возникает дефицит, т. е.

когда запас на складе становится равным нулю.

При сделанных предположениях график функции изменения за паса будет таким, как показано на рис. 1: он состоит из повторя ющихся циклов пополнения запаса между двумя соседними дефи цитами. Вертикальные отрезки отвечают мгновенному пополнению запаса.

Параметры с, d, s, h считаются заданными. Задача управления запасами состоит в выборе параметра q таким образом, чтобы мини мизировать годовые затраты.

Для решения сформулированной задачи надо прежде всего выра зить эти затраты через параметры с, d, s, h, q.

А. Поскольку годовая интенсивность спроса равна d, а цена еди ницы товара — с, то общая стоимость товара в год равна cd.

ГЛАВА 6. УПРАВЛЕНИЕ ЗАПАСАМИ Б. Поскольку в одной партии q единиц товара, а годовой спрос равен d, то число поставок равно d/q. В течение года организацион ные издержки равны В. Средний уровень запаса равен отношению площади под гра фиком за цикл к продолжительности цикла. Этот средний уровень равен q/2 (на рис. 1 обозначен пунктиром). Поскольку годовые из держки на хранение единицы товара равны то общие издержки на хранение составляют Рис. 1 Рис. Таким образом, общие издержки С вычисляются по формуле Еще раз напомним, что в рамках модели параметры d, s, h счи таются заданными и требуется найти такое число чтобы функция С = C(q) принимала наименьшее значение на множестве q > 0 имен но в точке q*.

График функции С = C(q) показан на рис. 2.

Для нахождения точки q* минимума функции С — C(q) найдем ее производную (с, d, s, h — фиксированные числа):

6.2. ОСНОВНАЯ МОДЕЛЬ Приравнивая C'(q) к нулю, получаем Отсюда можно найти q*. Имеем:

Полученная формула называется формулой оптимального запаса или формулой (Harris).

Пример 1. Пусть интенсивность равномерного спроса состав ляет 1000 единиц товара в год. Организационные издержки равны 10 УЕ, издержки на хранение — 4 УЕ на единицу товара в год, цена товара — 5 УЕ.

Определить оптимальный размер партии в предположении, что система подчиняется основной модели.

Решение. Имеем:

Общие затраты равны:

Тогда а оптимальный размер поставки q* является решением уравнения Замечание. Найдя оптимальный размер заказа, можно определить оптимальное число поставок за год п* и соответствующую продол жительность цикла изменения запаса ГЛАВА 6. УПРАВЛЕНИЕ ЗАПАСАМИ 6.3. Модель производственных поставок В основной модели предполагалось, что поступление товаров на склад происходит мгновенно. Это предположение достаточно хоро шо отражает ситуацию, когда товар поставляется в течение одного дня (или ночи). Если товары поставляются с работающей производ ственной линии, необходимо модифицировать основную модель. В этом случае к параметрам с, s и h добавляется еще один — про изводительность производственной линии р (единиц товара в год).

Будем считать ее заданной и постоянной.

Эта новая модель называется моделью производственных поста вок. Величина q по-прежнему обозначает размер партии. В начале каждого цикла происходит "подключение" к производственной ли нии, которое продолжается до накопления q единиц товара. После этого пополнения запасов не происходит до тех пор, пока не возник дефицит.

График функции изменения запаса имеет вид, изображенный на рис. 3.

Общие издержки C(q), как и в основной модели, состоят из трех частей.

Общая стоимость товара в год равна Годовые организационные издержки равны 6.3. МОДЕЛЬ ПРОИЗВОДСТВЕННЫХ ПОСТАВОК В. на хранение вычисляются следующим образом.

Пусть — время поставки (рис. 3). В течение этого времени проис ходит как пополнение (с интенсивностью р), так и расходование (с интенсивностью d) запаса. Увеличение запаса происходит со скоро стью p—d. Поэтому достигнутый к концу периода пополнения запаса максимальный его уровень М вычисляется по формуле (заметим, что М < q). Однако, (за время при интенсивности производства р произведено q единиц товара). Из последних двух равенств следует, что Средний уровень запаса, как и в основной модели, равен полови не максимального, т. е. М/2. Таким образом, издержки на хранение запаса равны Общие издержки вычисляются по формуле Оптимальный размер поставок q* получаем из уравнения Имеем:

Пример 2. Интенсивность равномерного спроса составляет 1 тыс. единиц товара в год. Товар поставляется с конвейера, произ водительность которого составляет 5 тыс. единиц в год. Организаци онные издержки равны 10 УЕ, издержки на хранение — 2 УЕ, цена единицы товара — ГЛАВА 6. УПРАВЛЕНИЕ ЗАПАСАМИ Чему равен оптимальный размер партии?

Решение. Имеем:

Далее, В итоге получаем Замечание. Найдя оптимальный размер заказа, можно определить оптимальное число поставок за п* и соответствующие продол жительность поставки т* и продолжительность цикла пополнения запаса 6.4. Модель поставок со Рассмотрим ситуацию, описываемую в целом основной моделью, но с одной особенностью, которая состоит в том, что товар можно поста влять по льготной цене (со скидкой), если размер партии достаточно велик. Иными словами, если размер партии q не менее заданного чи сла товар поставляется по цене где < с.

Функция общих издержек C(q) задается в таком случае следую щим образом:

Нетрудно видеть, что функция C(q) в точке q = разрывна.

Обе функции и имеют минимум в точке, где т. е. в точке Для выяснения вопроса о том, какой размер партии оптимален, следует сравнить значения функции C(q) в точках q и и та точка, где функция C(q) принимает меньшее значение, будет оптимальным размером партии q* в модели поставок со скидкой (см. рис. 4, 5).

Замечание. Может случиться так, что C(q) = Тогда в каче стве q* можно взять любое из чисел q и Пример 3. Предположим, что интенсивность равномерного спроса составляет 1000 единиц товара в год. Организационные из держки равны 10 УЕ, издержки на хранение — 4 УЕ. Цена единицы 9.3. ЗАДАНИЕ 9.3. Задание Попробуйте рассчитать веса распределения времени между учебой, досугом и подработкой в соответствии с их общим вкладом в ваше личное благополучие через 7-10 лет, на которое влияют интересная работа, материальная обеспеченность и здоровье (семья).

Здесь 1-й уровень иерархии — благополучие, 2-й уровень — инте ресная работа, материальная обеспеченность, здоровье (семья), 3-й уровень — учеба, подработка, досуг.

Глава МЕТОДЫ ПРОГНОЗИРОВАНИЯ Прогнозирование (от греч, ттр&уишак;

— предсказание, предвидение) по своему характеру неразрывно связано со временем — посредством прогноза мы как бы пытаемся разглядеть будущее в настоящем. Спо собы такого "заглядывания в будущее" весьма разнообразны — от внутреннего голоса ("печенкой чувствую") и исторических анало гий до экспертных оценок и сложных эконометрических моделей.

Поэтому необходимость прогноза развития той или иной ситуации, будущих изменений тех или иных обстоятельств ставит нас перед непростой проблемой выбора вполне конкретного метода прогнози рования.

Этот выбор зависит от множества факторов. Отметим некоторые из них: наличие данных (количественное выражение накопленного в прошлом опыта), планируемый момент исполнения и желаемая точность прогноза, а также временные и стоимостные затраты на его составление.

По тому, на какой момент или период времени он составляется, прогноз может быть краткосрочным (до года, но обычно на квартал), среднесрочным (от года до трех лет) и долгосрочным (на три года и больше).

Интуитивно ясно, что чем меньше промежуток времени, отделяю щий настоящий момент от прогнозируемого, тем большим будет объ ем хорошо предсказываемых событий — для того, что может про изойти завтра, прогноз значительно проще и достовернее, нежели для того, что произойдет через год или через пять лет (рис. 1). Хо тя, конечно, реальное развитие событий может оказаться и весьма далеким от прогнозируемого.

ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ Рис. Многие методы прогнозирования требуют наличия значительного количества начальных данных и при их отсутствии просто не рабо тают. Другие, напротив, разрабатываются при условии отсутствия достоверной количественной информации. Тем самым существую щие методы составления прогнозов можно условно разбить на две группы — количественные и качественные (рис. 2).

Рис. Качественные, или экспертные, методы прогнозирования (quali tative methods) строятся на использовании мнений специалистов в соответствующих областях (экспертов).

Количественные методы прогнозирования (quantitative methods) основываются на обработке числовых массивов данных (как значи тельных по объему, так и сравнительно небольших) и в свою оче ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ редь разделяются на каузальные, или причинно-следственные, ме тоды (causal и методы анализа временных рядов (time series methods).

Основанный на допущении, в соответствии с которым происшед шее в прошлом дает приближение в оценке будущего, ана лиз временных рядов является способом выявления тенденций про шлого и продления их в будущее.

Каузальные методы применяются в тех случаях, когда состояние зависит не только от времени, но и от нескольких, и даже многих переменных. Отыскание математических связей (уравнений и/или неравенств) между всеми этими переменными и составляет суть каузального метода прогнозирования.

да нет Рис. На рис. 3 приведена логическая схема, пользуясь которой можно выбрать тот тип прогнозирования, который в наибольшей степени отвечает поставленной задаче и ее начальным условиям.

Далее мы остановимся на описании особенностей каждого из трех перечисленных выше типов прогнозирования более подробно, а так же расскажем о некоторых конкретных методах составления про гнозов.

10.1. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ Одним из существенных критериев, которым часто руководству ются при выборе того или иного метода прогнозирования, является полная стоимость слагающаяся из затрат на его составле ние и цены ошибки прогноза. Поэтому стремление заказчика сделать эту стоимость как можно меньшей нужно воспринимать совершенно естественно.

10.1. Анализ временных рядов Временным или хронологическим) рядом называет ся последовательность значений некоторого показателя во времени (например, объемов продаж).

Различают два вида временных рядов — моментные, когда зна чения рассматриваемого показателя отнесены к определенным моментам времени (например, дням) при этом обычно считается, что и интервальные, когда указаны соответствующие промежутки вре мени, интервалы:

Временные ряды чаще всего задаются при помощи таблицы:

моментный ряд ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ В задачах прогнозирования временные ряды используются при наличии значительного количества реальных значений рассматри ваемого показателя из прошлого и при условии, что наметившаяся в прошлом тенденция ясна и относительно стабильна. При этом не явно предполагается, что прошлое является хорошим проводником в будущее. Анализ рядов позволяет предопределить, что должно произойти при отсутствии вмешательства извне, и, значит, не может предсказать изменения Тем самым, подобным анализом предпочтительнее пользоваться при составлении кратко срочных прогнозов.

Время Время Начало жизненного цикла Конец жизненного цикла Рис. 10.1. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ Развитие процессов, реально наблюдаемых в жизни, складывает ся из некоторой устойчивой тенденции (тренда) и некоторой случай ной составляющей, выражающейся в колебании значений показате ля вокруг тренда. На рис. 5 показано, как могут зависеть объемы продаж одного и того же товара на двух стадиях его жизненного цикла (в начале и в конце продаж).

Кривые тренда сглаживают динамический ряд значений показа теля, выделяя общую тенденцию. Именно выбор кривой тренда, сам по себе являющийся довольно трудной задачей, во многом опреде ляет результаты прогнозирования.

В большинстве случаев динамический ряд, кроме тренда и слу чайных отклонений от него, характеризуется еще сезонными и ци клическими составляющими. Циклические составляющие отличают ся от сезонных большей продолжительностью и непостоянством ам плитуды. Обычная продолжительность сезонной компоненты изме ряется днями, неделями или месяцами, а циклической — годами или десятками лет.

В дальнейшем мы не будем учитывать циклической составляю щей и, считая для простоты, что тренд является линейным, обсудим три метода анализа временных рядов (рис. 6).

При рассмотрении того, как работают эти методы, мы будем поль зоваться одним и тем же моментным временным рядом.

ГЛАВА 10. ПРОГНОЗИРОВАНИЯ Пример. Предположим, что объемы продаж товара в течение не дели описываются временным рядом или несколько по-иному:

10.1.1. Метод подвижного (скользящего) среднего Метод простого скользящего среднего (simple moving average) состо ит в том, что расчет показателя на прогнозируемый момент времени строится путем усреднения значений этого показателя за несколько предшествующих моментов времени.

Обратимся к заданному временному ряду.

Для вычисления прогнозируемого объема продаж на четверг по ступим следующим образом. Возьмем фактические данные за три предыдущих дня - - понедельник, вторник и среду — и найдем их среднее арифметическое:

Прогнозируемый объем продаж на пятницу вычисляется анало гичным образом по реальным показателям за три предшествующих дня — вторник, среду и четверг:

10.1. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ Подобным же способом рассчитываются прогнозы на субботу, вос кресенье и очередной понедельник:

И мы получаем следующую таблицу:

Сравнительные результаты приведены на рис. 7: темными круж ками отмечены реальные значения, а светлыми — прогнозируемые.

Рис. Для общего случая расчетная формула выглядит так:

ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ (1) где — реальное значение показателя в момент времени N — число предшествующих моментов времени, используемых при расчете;

— прогноз на момент времени Замечание. В рассматриваемом примере = 3.

Метод взвешенного подвижного (скользящего) среднего (weighted moving average). При составлении прогноза методом усреднения ча сто приходится наблюдать, что влияние используемых при расчете реальных показателей оказывается неодинаковым, при этом обычно более свежие данные имеют больший вес.

Математически метод взвешенного подвижного среднего можно записать так:

где — реальное значение показателя в времени N — число предшествующих моментов времени, используемых при расчете;

— прогноз на момент времени — вес, с которым используется показатель при расчете.

Замечание. Вес — это всегда положительное число. В случае, когда все веса одинаковы, мы получаем формулу (1).

Для расчетов обратимся к исходному временному ряду, считая, что при составлении прогноза на завтрашний день объем сегодняш них продаж мы возьмем с весом 60, вчерашних — с весом 30, а по завчерашних с весом 10.

10.1. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ Имеем:

и на рис. 8: темными кружками отмечены реальные значения, а све тлыми — прогнозируемые.

ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ 10.1.2. Метод экспоненциального сглаживания При расчете прогноза методом экспоненциального сглаживания (exponential smoothing) учитывается отклонение предыдущего про гноза от реального показателя, а сам расчет проводится по следую щей формуле:

Ik = + где — реальное значение показателя в момент времени fk — прогноз на момент времени — постоянная сглаживания.

Замечание. Значение постоянной подчиненной условию определяет степень сглаживания и обычно выбирается универсаль ным методом проб и ошибок.

Для расчетов вновь обратимся к исходному временному ряду, по ложив = 0,2 и считая, что прогноз на понедельник равен 8.

Тогда Результаты расчетов приведены в таблице:

и на рис. 9: темными кружками отмечены реальные значения, а све тлыми — прогнозируемые.

Замечание. Следует иметь в виду, что при решении реальной задачи прогнозирования временной ряд складывается постепенно и реаль ное значение показателя на рассчитываемый момент времени нам заранее неизвестно. Тем не менее, прежде чем заглянуть в будущее 10.1. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ посредством одного из указанных выше методов, обычно проводят ся расчеты с полным временным рядом, описывающим некоторый промежуток времени в прошлом. Это делается для того, чтобы подобрать подходящее значение N и сравнить результаты прогно за с реальными данными (метод простого скользящего среднего), подобрать подходящие значения N и весов и сравнить результа ты прогноза с реальными данными (метод взвешенного скользящего среднего), подобрать подходящие значения постоянной сглаживания и сравнить результаты прогноза с реальными данными (метод экспо ненциального сглаживания).

10.1.3. Метод проецирования тренда Основной идеей метода проецирования (линейного) тренда (trend projection) является построение прямой, которая "в среднем" наи менее уклоняется от массива точек г = 1,2,...,п, заданного временным рядом (рис. 10).

Эта прямая ищется в следующем виде:

х = at + b, (2) где а и b — постоянные, подлежащие определению.

14 ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ Чтобы найти коэффициенты а и поступают так:

для каждого значения переменной t, пользуясь формулой (2) вычисляют соответствующее значение переменной находят разность,..[... О которую затем возводят в квадрат (чтобы не думать о знаке):

— и, складывая, в итоге получают:

Функция b) принимает минимальное значение в том случае, когда величины а и 6 удовлетворяют следующей линейной системе:

Эта система всегда имеет единственное решение.

Рассмотрим конкретный пример, вновь обратившись к заданному временному ряду.

10.1. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ Составим вспомогательную таблицу:

В этом случае система уравнений для отыскания а и Ь записыва ется в следующем виде:

28а + = 56, 140а + 286 = 223.

Решая систему, получаем:

Тем самым уравнение искомого тренда.

Расчет показателя на следующий день проводится так:

(рис. 11).

Замечание. Точность прогноза можно оценить при помощи коэффи циента корреляции.

Приведенные методы далеко не исчерпывают многообразия мето дов анализа временных рядов, большинство которых опирается не на простой подсчет при помощи калькулятора, но на основательную аналитическую и компьютерную базу. Однако наша цель состоит в том, чтобы дать определенное рабочее представление об этом типе прогнозирования.

ГЛАВА 10. МЕТОДЫ ПРОГНОЗИРОВАНИЯ Для составления среднесрочных и долгосрочных прогнозов при меняются каузальные и качественные методы прогнозирования, ко торые значительно сложнее приведенных выше методов анализа вре менных рядов.

10.2. Каузальные методы прогнозирования В случае значительных требований к точности прогноза и при нали чии большого (даже огромного) массива данных используются кау зальные, или причинно-следственные, модели прогнозов, в которых прогнозируемая величина является функцией большого числа пере менных. Объемы продаж товара могут зависеть от цены продукта, затрат на рекламу, действий конкурентов, уровня доходов и других независимых переменных. Если связи между этими переменными удается описать математически корректно, то точность каузального прогноза может оказаться довольно высокой. Но как правило, это требует больших объемов данных и существенно больших интеллек туальных, временных и финансовых затрат, чем анализ временных рядов. К тому же расчет каузальных моделей связан с большими объемами вычислений, что возможно лишь при наличии мощной вы числительной техники. Мы ограничимся краткой характеристикой трех каузальных методов прогнозирования (рис. 12).

Многомерные регрессионные методы (модели) (multiple regression models), посредством которых регрессионная зависимость между ве личинами устанавливается по статистическим данным, являются наиболее распространенными количественными методами прогнози А УЗА ЛЬНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ Рис. рования. Простейшее представление о регрессионных моделях дает описанный выше метод проецирования тренда, в котором регресси онная зависимость устанавливается между прогнозируемым пока зателем и одной переменной — временем. Многомерные модели ли нейной регрессии можно рассматривать как естественное обобщение этого метода.

Эконометрические методы (модели) (econometric models) дают количественное описание закономерностей и взаимосвязей между экономическими объектами и процессами и разрабатываются для прогнозирования динамики экономики. Типичная эконометрическая модель представляет собой систему из тысяч уравнений, решение ко торой требует мощных вычислительных средств.

Pages:     || 2 | 3 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.