Приведение матричной игры к задаче линейного программирования
чтобы найти решение данной игры, определяемой матрицей А, нужно составить пару двойственных задач и найти их решение.
процесс нахождения решения игры с использованием методов линейного программирования включает следующие этапы:
1. Составляют пару двойственных задач линейного программирования, эквивалентных матричной игре.
2. Определяют оптимальные планы пары двойственных задач.
3. Используя соотношение между планами пары двойственных задач и оптимальными стратегиями и ценой игры, находят решение игры.
Статистические игры. Критерии для принятия решений
зависят не от сознательных действий другого игрока, а от объективной действительности, которую принято называть «природой». Такие игры называются играми с природой.
В некоторых задачах для состояний природы может быть задано распределение вероятностей, в других — оно неизвестно. Условия игры задаются матрицей
А=(aij)= .
Элемент aij равен выигрышу игрока А, если он использует стратегию Аi, а состояние природы — Pj. В ряде случаев рассматривают матрицу риска R. Элементы матрицы риска rij представляют собой разность между выигрышем, который получил бы игрок А, если бы знал состояние Pj, и выигрышем, который он получит в тех же условиях, применяя стратегию Аi, т. е.
rij=bj- aij, где bj= .
Критерий Байеса. Если вероятности состояния природы Pj равны qj (j=1...n), =1, то выбор i-стратегии обеспечивает математическое ожидание выигрыша, равное . Принимается решение об использовании стратегии, для которой имеет место
|
|
.
Максиминный критерий Вальда. Этот критерий совпадает с критерием выбора стратегии, позволяющим получить нижнюю цену игры для двух лиц с нулевой суммой. Согласно этому критерию выбирается стратегия, гарантирующая при любых условиях выигрыши, не меньше, чем
.
Критерий минимального риска Сэвиджа. Этот критерий рекомендует выбирать в качестве оптимальной ту стратегию, при которой величина риска минимизируется в наихудших условиях, т. е. обеспечивается
.
Критерии Вальда и Сэвиджа основаны на самой пессимистической оценке обстановки.
Критерий Гурвица является критерием пессимизма-оптимизма. За оптимальную принимается та стратегия, для которой выполняется соотношение
, где .
При l=0 имеем критерий крайнего оптимизма, а при l=1 — критерий пессимизма Вальда. При желании подстраховаться в данной ситуации l принимают близким к единице.
Общая постановка задачи нелинейного программирования
Если в задаче математического программирования целевая функция z ( x ) и (или) хотя бы одна из функций системы ограничений ji ( x ) нелинейна, то такой раздел называется нелинейным программированием (НЛП).
|
|
В общем виде задача нелинейного программирования (ЗНЛП) состоит в определении максимального (минимального) значения функции
z=f (x1, x2, ... xn) (3.1)
при условии, что ее переменные удовлетворяют соотношениям
gi (x1, x2, ..., xn)=bi, i=1, 2, ..., k, (3.2)
gi (x1, x2, ..., xn)<=bi, i=k+1, k+2, ..., m.
Если f и g — линейные функции, то задача (3.1), (3.2) является задачей линейного программирования.
Соотношения (3.2) образуют систему ограничений и включают в себя условия не отрицательности переменных, если такие условия имеются. Условия не отрицательности могут быть заданы и непосредственно.
Дата добавления: 2018-05-12; просмотров: 539; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!