ОГЛАВЛЕНИЕ
1. АНАЛИЗ ЭКОНОМИЧЕСКИХ ЗАВИСИМОСТЕЙ. 2
1.1. Аппроксимация экспериментальных данных. 2
1.2. Нахождение экстремального значения функции. 7
2. Модели линейной оптимизации в MS Excel 11
2.1 Исследование операций. 11
2.2. Задачи линейного программирования. 13
2.3 Решение задач линейного программирования в MS Excel 14
2.4 Задача о планировании производства. 19
2.5 Двойственная задача. 23
3. ОРГАНИЗАЦИЯ СНАБЖЕНИЯ И УПРАВЛЕНИЕ ТРУДОВЫМИ РЕСУРСАМИ 25
3.1. Транспортная задача. 26
3.2 Несбалансированные транспортные задачи. 29
3.3. Задача о назначениях. 37
4 Задачи нелинейной оптимизации. 43
АНАЛИЗ ЭКОНОМИЧЕСКИХ ЗАВИСИМОСТЕЙ
В практике экономических исследований не всегда удается воспользоваться аналитическими зависимостями для анализа данных. Как правило, экономические данные представляются в табличном виде. Поэтому одной из наиболее распространенных задач является задача аналитического описания экспериментальных зависимостей, при решении которой используются процедуры оптимизации.
Аппроксимация экспериментальных данных
Аппроксимацией называется подбор аналитической формулы y=f(x) для установленной из опыта функциональной зависимости y=φ(x)
Аппроксимируемая функция у может зависеть от одной или от нескольких переменных. Рассмотрим оба случая.
Одна независимая переменная. В простейшем случае задача аппроксимации для функции одной переменной выглядит следующим образом.
Пусть имеются данные, полученные в ходе эксперимента или наблюдений, которые можно представить в виде таблицы значений (х, у).
x | x1 | x2 | ... | xn |
y | y1 | y2 | ... | yn |
На основе этих данных требуется подобрать такую функцию у= f(x), которая с точки зрения некоторого критерия оптимальности наилучшим образом описывала бы экспериментальную зависимость.
Обычно задача аппроксимации распадается на две части. Сначала устанавливают вид зависимости у = f(x) и, соответственно, вид эмпирической формулы, то есть решают, является ли она линейной, квадратичной, логарифмической или какой-либо другой. После этого определяются численные значения неизвестных параметров выбранной эмпирической формулы, для которых приближение к заданной функции оказывается наилучшим.
Для сглаживания экспериментальных зависимостей yi=φ(xi), заданных таблично, в MS Excel используются различные функции у=f(x).
■ Линейная.
■ Полиномиальная.
■ Логарифмическая.
■ Степенная.
■ Экспоненциальная.
Параметры аппроксимирующей функции подбираются так, чтобы выполнялось условие минимума среднеквадратичных отклонений (критерий оптимальности):
(1.1)
где yi = φ(хi) - экспериментальные точки (i = 1... n).
Степень точности аппроксимации экспериментальных данных в MS Excel оценивается коэффициентом детерминации (R2). Чем ближе этот коэффициент к значению 1, тем точнее приближение. Рассмотрим процедуру аппроксимации на примере.
Пример 1.1.
Построить и исследовать динамику роста производства продукции, используя данные:
год | производство |
17,1 | |
18,9 | |
19,7 | |
19,8 | |
19,9 |
Решение.
1. На основе имеющейся таблицы строим Точечную диаграмму.
Наводим курсор на одну из точек полученного графика и из контекстного меню выбираем команду: Добавить линию тренда (рис. 1.1)
Рис. 1.1
2. На вкладке Тип указываем тип Логарифмическая (рис. 1.2)
Рис 1.2
3. На вкладке Параметры выставляем флажки для уравнения и достоверность аппроксимации (рис. 1.3).
Рис. 1.3
В итоге мы получим аппроксимацию экспериментальных данных в виде кривой, показанной на рис. 1.4.
Рис. 1.4
Как видно из рисунка, результат аппроксимации не является удовлетворительным. Для того, чтобы убедиться в правильности выбора типа аппроксимирующей функции, следует выбрать несколько разных функций для аппроксимации (трендов) и сравнить значения величин достоверности для каждого варианта тренда (наилучшей считается функция с коэффициентом детерминации R2, близким к 1).
Щелчок правой кнопки мыши на линии тренда дает возможность редактировать его, подбирая другие функции для аппроксимации. Наилучшей в данном примере является полиномиальная функция, которая дает показатель достоверности R2=0,9917, тогда как для логарифмической функции этот показатель равен 0,867 (рис. 1.5).
Рис. 1.5
Полученная аналитическая зависимость позволяет вычислять значения функции в дополнительных точках. Для этого в ячейку листа MS Excel можно занести полученную в результате аппроксимации формулу со ссылкой на ячейку с независимой переменной.
Упражнения
Упр. 1.1. Построить функцию, отражающую зависимость дефицита бюджета от времени в России и США.
Страна | |||||||||
Россия | 2,9 | 2,3 | 3,1 | 2,2 | 2,0 | 2,7 | 6,5 | 8,0 | 9,1 |
США | 2,8 | 2,6 | 4,1 | 6,3 | 5,0 | 5,4 | 5,3 | 3,4 | 3,2 |
Упр. 1.2. Вложенные в производства средства дают прибыль:
Средства | ||||||
Прибыль |
Определить зависимость прибыли от вложенных средств и вычислить прибыль для вложений, равных 10000 руб.