Оптимизация и основы теории принятия решений. Учебник для вузов (Бурда Алексей Григорьевич, Косников Сергей Николаевич) ; Лань, 2024

Введение
1. Оптимизация и основы теории
принятия
решений как учебная дисциплина
1.1. Характеристика элементов внешней и
внутренней
среды и их влияние на деятельность организации
1.2. Организация как система управления
1.3. Классификация решений и условий их
принятия
Контрольные вопросы
2. Однокритериальная оптимизация,
теория математического программирования
2.1. Типы экстремумов
2.2. Задача выпуклого программирования,
элементы теории двойственности
2.3. Схемы численных методов оптимизации
Контрольные вопросы
3. Задача линейного
программирования
3.1. Графический метод решения простейших
задач
линейного программирования
3.2. Канонический вид задачи линейного
программирования, крайние (угловые) точки
допустимого множества
3.3. Симплекс-метод последовательного
улучшения
плана, основная схема алгоритма
Контрольные вопросы
4. Многокритериальная оптимизация
4.1. Многокритериальная предпочтительность
4.2 Эффективность (оптимальность) по Парето
и по Слейтеру
4.3. Процедуры решения многокритериальных
Задач
Контрольные вопросы
5. Элементы теории
дискретной оптимизации
5.1. Общая задача
целочисленного программирования
5.2. Экстремальные комбинаторные задачи
5.3 Основные процедуры алгоритмической схемы
"ветвей и границ"
Контрольные вопросы
6. Динамические задачи оптимизации
6.1. Элементы вариационного исчисления и
теории оптимального управления,
принцип максимума Понтрягина
6.2. Динамическое программирование
и принцип оптимальности Веллмана
Контрольные вопросы
7. Принятие решений в условиях
неопределенности: игровой подход
7.1. Гарантированный результат, принцип
максимина,
понятие гарантирующей стратегии
7.2. Определение антагонистической игры,
решение игры, оптимальные стратегии игроков
7.3. Матричные игры
Контрольные вопросы
8. Искусственный интеллект и
оптимизация в анализе
больших данных и принятии решений
8.1. Искусственный интеллект: основные понятия и
терминология
8.2. Применение машинного обучения в
анализе
больших данных
8.3. Основные классы практических задач в
области цифровой экономики, решаемых методами
машинного обучения
Контрольные вопросы
Заключение
Приложения
Приложение А
Приложение Б
Приложение В
Список литературы