Verslo sprendimų rengimas ir agentinės technologijos

Kartojimo klausimų sąrašas

1. Įvadas

1. Apibrėžimai: sprendimas, sprendimų analizė, sprendimų priėmimas?

2. Sprendimų priėmimo procesas, žinoti pagrindinius etapus
3. Kas yra modelis, modelių tipai
4. Kas yra modeliavimas, modeliavimo etapai
5. Sprendinio jautrumo analizė, iliustruoti jautrumo analizę pasirinktai funkcijai, pvz. f(x) = x2+2x
6. Kas yra sprendimo paramos sistema, jos pagrindinės savybės
7. Kas yra sprendimo paramos sistemų kategorijos, pagrindinės jų savybės

2. Tiesinis programavimas

1. Optimizavimo (matematinio programavimo) uždavinio apibrėžimas, jo sudedamosios dalys.

Reikia mokėti užrašyti optimizavimo uždavinį, kai duota sąlyga
2. Teisinio programavimo uždaviniai: kanoninis, standartinis
3. Apibrėžimai: bazinis sprendinys, leistinų vektorių aibė, atraminis vektorius (planas),
simpleksinis santykis.
4. Simplekso metodo algoritmas, mokėti išspręsti paprastą kanoninį maksimizavimo uždavinį
Simplekso metodu.
5. Kaip nustatoma ar rastas sprendinys yra optimalus?
6. Gamybos planavimo uždavinio formulavimas, jo savybės
7. Transporto uždavinio formulavimas, jo savybės
8. Kuo skiriasi subalansuotas ir nesubalansuotas transporto uždaviniai ir jų sprendimo būdai
9. Kokie papildomi ribojimai gali būti įvedami transporto uždavinyje
10. Kaip apskaičiuojama vežimo plano kaina?
11. Atsargų valdymo uždavinio formulavimas, jo savybės
12. Mokėti rasti atsargų valdymo uždavinio pradinį atraminį planą taikant Šiaurės vakarų kampo
metodą ir Mažiausio elemento metodą
13. Kuprinės uždavinio formulavimas, jo savybės
14. Komivojažerio uždavinio formulavimas, jo savybės

3. Netiesinis programavimas

1. Netiesinio programavimo uždavinio formulavimas

2. Būtinos ir pakankamos ekstremumo sąlygos
3. Kas yra Hesės matrica ir kam ji naudojama?
4. Lagranžo daugiklių metodas ir jo taikymas sąlyginio optimizavimo uždavinio sprendimui
5. Baudos funkcijų metodas ir jo taikymas sąlyginio optimizavimo uždavinio sprendimui
4. Lošimų teorija

1. Lošimų teorijos sąvokos: lošėjas, išlošis, atsitiktinis ėjimas, determinuotas ėjimas, baigtinis ir
begalinis lošimas, optimali strategija, lošimų matrica. Mokėti apibūdinti konfliktinę situaciją
lošimų teorijos sampratomis.
2. Lošimų uždavinio sprendimas minimakso prinicipu.
3. Kokia strategija vadinama maksiminine?
4. Kas yra apatinė, viršutinė ir grynoji lošimo vertės, lošimas su balno tašku?
5. Iteracinio metodo algoritmas
6. Suformuluokite lošimo m x n sprendimo būdą, taikydami tiesinio programavimo metodą
7. Statistiniai lošimai, paaiškinti Valdo ir Sevidžo minimaksinės rizikos kriterijus.

5. Masinio aptarnavimo sistemos

1. Masinio aptarnavimo sistemos pagrindinės sampratos

2. Ką apibūdina Puasono srautas? Kodėl jis naudojamas masinio aptarnavimo sistemose?
3. Koks procesas vadinamas diskrečiųjų būsenų Markovo procesu?
4. Kaip klasifikuojamos masinio aptarnavimo sistemos?
5. Apibūdinkite santykinę ir absoliučiąją sistemos aptarnavimo gebą, kokia šių rodiklių
prasmė?
6. Kas yra paraiškų srauto intensyvumas, kuo jis matuojamas? Kodėl kai paraiškų srauto ir
paraiškų aptarnavimo intensyvumai lygūs, paraiškos atmetimo tikimybė nelygi nuliui?
7. Apibūdinkite masinio aptarnavimo sistemą be (su) eilės. Nuo ko priklauso paraiškos
vidutinis laukimo eilėje laikas?
8. Kokie rodikliai yra taikomi vertinant masinio aptarnavimo sistemą be eilės, su eile?
9. Pateikite masinio aptarnavimo sistemų pavyzdžių, kuriose laukimo eilėje laikas ribotas.

6. Tinklinis planavimas

1. Planavimo etapai
2. Galimos planų formos
3. Ganto grafiko esmė
4. Kritinio kelio metodas
5. Tinklinio grafiko sudarymo principai
6. Kas nustatoma analizuojant tinklinį grafiką?
7. Apibūdinti ankstyvąją ir vėlyvąją įvykių pabaigas

7. Dirbtinių neuronų tinklai

1. Kas sudaro dirbtinį neuroną?

2. Kam reikalinga aktyvavimo funkcija ir kokio tipo jos būna?
3. Kam reikalingas slenkstis? Kaip slenksčio įvedimas įtakoja dirbtinio neurono veikimą?
4. Kokie yra dirbtinių neuronų tinklo sluoksniai?
5. Koks dirbtinių neuronų tinklo mokymo tikslas?
 6. Kuo skiriasi tinklo mokymas su mokytoju ir be mokytojo?
7. Perceptronų tinklo skiriamieji bruožai
8. Kokio tipo aktyvavimo funkcija naudojama perceptronų tinkle?
9. Ar gali perceptronas veikti kaip klasifikatorius?
10. Perceptronų tinklo mokymo su mokytojų algoritmas
11. Kaip mokant perceptronų tinklą koreguojami svorių koeficientai?
12. Kam naudojamas mokymo greičio koeficientas?
13. Madalinos tinklo savybės
14. Madalinos tinklo mokymas mažiausios vidutinės kvadratinės klaidos metodu.
15. Kaip trumpai galima apibūdinti adalinos/madalinos mokymą?

7. Agentinės technologijos

1. Agentas, jų savybės, tipai

2. Agentų taikymas, pavyzdžiai