Материал: Математические методы и модели в разработке и принятии управленческих решений. методические указания. Амелин С.В

оптимизационные нелинейные задачи. Это обусловлено тем, что в задачах нелинейного программирования область допустимых решений может быть невыпуклой, а целевая функция может достигать экстремума не только на границе, но и внутри области допустимых решений системы ограничений. Кроме того, нелинейная целевая функция может иметь несколько локальных экстремумов, среди которых необходимо найти глобальный. В общем случае, ни один из существующих методов не гарантирует определение глобального экстремума.

Среди задач нелинейного программирования наиболее глубоко изучены задачи выпуклого программирования. Это задачи, в результате решения которых определяется минимум выпуклой (или максимум вогнутой) функции, заданной на выпуклом замкнутом множестве.

Вместе с тем, некоторые типы задач нелинейного программирования хорошо изучены и для них существуют методы определения глобального экстремума. К таким задачам можно отнести классические задачи оптимизации без ограничений или с ограничениями-равенствами, у которых отсутствуют условия неотрицательности и дискретности переменных, целевая функция и функции в ограничениях непрерывны, имеют непрерывные частные производные по крайней мере второго порядка.

К таким задачам относятся, в частности, задачи квадратичного программирования, для которых характерно то, что целевая функция и/или ограничения являются функциями своих аргументов, в степени не выше второй. Наиболее важной характеристикой выпуклых (вогнутых) моделей нелинейного программирования является то, что для них локальный экстремум обязательно является и глобальным экстремумом.

ПРАКТИЧЕСКОЕ ЗАНЯТИЕ № 5 РЕШЕНИЕ МНОГОКРИТЕРИАЛЬНЫХ ЗАДАЧ

При моделировании производственно-экономических процессов, чем ниже уровень рассматриваемой производственной подсистемы (структурного полразделения, исследуемого процесса), тем более характерна для входных параметров относительная независимость определяющих их факторов. При анализе основных качественных показателей работы предприятия (производительности труда, себестоимости продукции, прибыли и других показателей) приходится иметь дело с моделированием процессов со взаимосвязанной системой входных параметров (факторов). При этом процесс статистического моделирования систем характеризуется сильной коррелированностью, а в отдельных случаях почти линейной зависимостью определяющих факторов (входных параметров процесса). Это случай мультиколлинеарности, т.е. существенной взаимозависимости (коррелированности) входных параметров, модель регрессии здесь не отражает адекватно реального исследуемого процесса. Если использовать добавление или отбрасывание ряда факторов, увеличение или

16

уменьшение объема исходной информации (количества наблюдений), то это существенно изменит модель исследуемого процесса. Применение такого подхода может резко изменить и величины коэффициентов регрессии, характеризующие влияние исследуемых факторов, и даже направление их влияния (знак при коэффициентах регрессии может измениться на противоположный при переходе от одной модели к другой).

Из опыта научных исследований известно, что большинство экономических процессов отличается высокой степенью взаимовлияния (интеркорреляции) параметров (изучаемых факторов). При расчетах регрессии моделируемых показателей по этим факторам возникают трудности в интерпретации значений коэффициентов в модели. Такая мультиколлинеарность параметров модели часто носит локальный характер, т. е. существенно связаны между собой не все исследуемые факторы, а отдельные группы входных параметров. Наиболее общий случай мультиколлинеарных систем характеризуется таким набором исследуемых факторов, часть из которых образует отдельные группы с сильно взаимосвязанной внутренней структурой и практически не связанных между собой, а часть представляет собой отдельные факторы, несформированные в блоки и несущественно связанные как между собой, так и с остальными факторами, входящими в группы с сильной интеркорреляцией.

Для моделирования такого типа процессов требуется решение проблемы о способе замены совокупности существенно взаимосвязанных факторов на какойлибо другой набор некоррелированных параметров, обладающий одним важным свойством: новый набор независимых параметров должен нести в себе всю необходимую информацию о вариации или дисперсии первоначального набора факторов исследуемого процесса. Эффективным средством решения такой задачи является использование метода главных компонент. При использовании этого метода возникает задача экономической интерпретации комбинаций исходных факторов, вошедших в наборы главных компонент. Метод позволяет уменьшить число входных параметров модели, что упрощает использование получаемых в результате регрессионных уравнений.

Сущность вычисления главных компонент заключается в определении корреляционной (ковариационной) матрицы для исходных факторов Xj и нахождении характеристических чисел (собственных значений) матрицы и соответствующих векторов. Характеристические числа являются дисперсиями новых преобразованных переменных и для каждого характеристического числа соответствующий вектор дает вес, с которым старые переменные входят в новые. Главные компоненты – это линейные комбинации исходных статистических величин. Переход от исходных (наблюдаемых) факторов к векторам главных компонент осуществляется посредством поворота координатных осей.

Для регрессионного анализа используют, как правило, лишь несколько первых главных компонент, которые в сумме объясняют от 80 до 90 % всей исходной вариации факторов, остальные из них отбрасываются. В случае если все

17

где уij – нормированное и центрированное значение xj –й случайной величины для i-го измерения;

yik – значение для k-й случайной величины.

Значение rjk характеризует степень разброса точек по отношению к линии регрессии.

Искомая матрица главных компонент F определяется из следующего соотношения (здесь используется транспонированная ,- “повернутая на 900” – матрица величин yij):

или используя векторную форму:

где F – матрица главных компонент, включающая совокупность n полученных значений для m главных компонент; элементы матрицы А являются весовыми коэффициентами, определяющими долю каждой главной компоненты в исходных факторах.

Элементы матрицы А находятся из следующего выражения

где uj – собственный вектор матрицы коэффициентов корреляции R; λj – соответствующее собственное значение.

Число λ называется собственным значением (или характеристическим числом) квадратной матрицы R порядка m, если можно подобрать такой m- мерный ненулевой собственный вектор u, что Ru = λu.

19

Множество всех собственных значений матрицы R совпадает с множеством всех решений уравнения |R - λE| = 0. Если раскрыть определитель det |R - λE|, то получится характеристический многочлен матрицы R. Уравнение |R - λE| = 0 называется характеристическим уравнением матрицы R.

3. МЕТОДИЧЕСКИЕ УКАЗАНИЯ К ВЫПОЛНЕНИЮ САМОСТОЯТЕЛЬНОЙ РАБОТЫ

Рабочей программой дисциплины «Математические методы и модели в разработке и принятии управленческих решений» предусмотрена самостоятельная работа студентов. Виды самостоятельной работы:

1.подготовка к лекциям и самостоятельная проработка материала;

2.подготовка к практическим занятиям;

3.выполнение домашних заданий;

4. самоподготовка к итоговой проверке знаний.

Подготовка к лекциям и самостоятельная проработка материала яв-

ляется обязательным видом самостоятельной работы и предполагает предварительное ознакомление студента с вопросами предстоящей лекции с целью наиболее эффективного усвоения материала. Особое внимание следует уделить вопросам, выносимым на самостоятельное изучение.

Подготовка к практическим занятиям заключается в выполнении оп-

ределенных заданий к каждому практическому занятию. Выполнение заданий в качестве подготовки к практическим занятиям является обязательным и оценивается преподавателем как элемент общей успеваемости студента.

Выполнение домашних заданий является обязательным элементом процесса обучения.

Домашнее задание оформляются как индивидуальный отчет студента, на листах формата А4 в соответствии с требованиями нормокнтроля ВГТУ. Наличие титульного листа обязательно.

Самоподготовка к итоговой проверке знаний предполагает самостоя-

тельную проработку материала, опираясь на содержание лекций и практических занятий, вопросы, выносимые на самостоятельное изучение.

Студент допускается к итоговой аттестации (зачёту) на основании посещения лекций и практических занятий, а также выполнения индивидуальных

20