Учебная работа № /7569. «Контрольная Геометрический метод решения задач линейного программирования, РГР

Учебная работа № /7569. «Контрольная Геометрический метод решения задач линейного программирования, РГР

Количество страниц учебной работы: 7
Содержание:
РГР №1 ГЕОМЕТРИЧЕСКИЙ МЕТОД РЕШЕНИЯ ЗЛП

Для основной задачи линейного программирования проанализировать
систему ограничений на наличие решения, составить каноническую модель и
найти наибольшее и наименьшее значения целевой функции геометрическим
методом. Изменить базис, заново найти оптимальные значения целевой
функции геометрическим методом. Показать, что найденное решение ЗЛП не
зависит от выбранного базиса.

Стоимость данной учебной работы: 585 руб.Учебная работа № /7569.  "Контрольная Геометрический метод решения задач линейного программирования, РГР

    Укажите Ваш e-mail (обязательно)! ПРОВЕРЯЙТЕ пожалуйста правильность написания своего адреса!

    Укажите № работы и вариант


    Соглашение * (обязательно) Федеральный закон ФЗ-152 от 07.02.2017 N 13-ФЗ
    Я ознакомился с Пользовательским соглашением и даю согласие на обработку своих персональных данных.


    Выдержка из похожей работы

    На практике результат одного решения заставляет нас принимать следующее решение и т,д, Когда нужно принять несколько решений в условиях неопределенности, когда каждое решение зависит от исхода предыдущего решения или исходов испытаний, то применяют схему, называемую деревом решений,
    Деревья решений — один из методов автоматического анализа данных, основные идеи которого восходят к работам П, Ховленда (Р, Hoveland) и Е, Ханта (Е, Hunt) конца 50-х годов XX в, Их итогом явилась основополагающая монография, давшая импульс развитию этого направления,
    Построение деревьев классификации — один из наиболее важных приемов, используемых при проведении «добычи данных и разведывательного анализа» (Data Mining), реализуемый как совокупность методов аналитической обработки больших массивов информации с целью выявить в них значимые закономерности и/или систематические связи между предикторными переменными, которые затем можно применить к новым совокупностям измерений,
    Дерево решений представляет из себя некий графический инструмент, который помогает производить действия, такие, как: описание возможных стратегий игрока, описание неопределенных исходов (неизвестные стратегии второй стороны) и их вероятностей, вычисление EMV по стратегиям первого игрока, выбор стратегии с максимальным значением EMV, Как правило, применение этого графического средства предполагает использование следующих соглашений:
    1) деревья решений состоят из вершин (круги, квадраты и треугольники) и ветвей (линии);
    2) вершины соответствуют определенным моментам времени, Вершины-решения (квадраты) соответствуют моментам времени, когда ЛПР (лицо принимающее решение) принимает решение, Вершины-вероятности (круги) соответствуют моментам времени, когда разрешается одна из неопределенностей, Оконечные вершины (треугольники) соответствуют окончанию задачи, когда все решения приняты, все неопределенности разрешились и все платежи произошли;
    3) развитие ситуации во времени происходит согласно данной графической схеме слева направо;
    4) ветви, идущие из вершин-решений, соответствуют различным возможным решениям, Ветви, идущие из вершин-вероятностей, соответствуют различным возможным вариантам разрешения неопределенности и не являются объектом чьего-либо управления;
    5) вероятности соответствуют ветвям, исходящим из вершин вероятностей, Эти вероятности являются условными вероятностями при условии свершения события, соответствующего вершине, из которой они исходят, Поэтому сумма вероятностей по всем ветвям, исходящим из одной вершины, равна 1;
    6) каждой оконечной вершине соответствуют два числовых значения,
    Первое — это вероятность прихода в данную оконечную вершину и второе — значение платежа, соответствующее данному сценарию развития событий,
    Преимущества использования деревьев решений
    Рассмотрев основные проблемы, возникающие при построении деревьев, было бы несправедливо не упомянуть об их достоинствах:
    · быстрый процесс обучения;
    · генерация правил в областях, где эксперту трудно формализовать свои знания;
    · извлечение правил на естественном языке;
    · интуитивно понятная классификационная модель;
    · высокая точность прогноза, сопоставимая с другими методами (статистика, нейронные сети);
    · построение непараметрических моделей,
    В силу этих и многих других причин, методология деревьев решений является важным инструментом в работе каждого специалиста, занимающегося анализом данных, вне зависимости от того практик он или теоретик,
    Области применения деревьев решений
    Деревья решений являются прекрасным инструментом в системах поддержки принятия решений, интеллектуального анализа данных (data mining),
    В состав многих пакетов, предназначенных для интеллектуального анализа данных, уже включены методы построения деревьев решений, В областях, где высока цена ошибки, они послужат отличным подспорьем аналитика или руководителя
    · Деревья решений успешно применяются для решения практических задач в следующих областях:
    · Банковское дело, Оценка кредитоспособности клиентов банка при выдаче кредитов,
    · Промышленность, Контроль за качеством продукции (выявление дефектов), испытания без разрушений (например проверка качества сварки) и т,д,
    · Медицина, Диагностика различных заболеваний,
    · Молекулярная биология»