- •Лабораторная работа № 1
- •Варианты заданий
- •Лабораторная работа № 2
- •Лабораторная работа № 3
- •Лабораторная работа № 6 Интерполирование функций
- •Лабораторная работа № 7 Интерполирование функций двух переменных
- •Лабораторная работа № 8 Метод золотого сечения
- •Лабораторная работа № 9 Метод Куммера
- •Варианты заданий
- •Лабораторная работа № 10 Решение систем нелинейных уравнений методом Ньютона Пусть задана система двух нелинейных уравнений с двумя неизвестными
- •Лабораторная работа № 11 Решение систем нелинейных уравнений методом итерации
- •Лабораторная работа № 12 Решение систем линейных уравнений методом Гаусса
- •Лабораторная работа № 13 Метод прогонки
- •Варианты заданий
- •Варианты заданий
- •Лабораторная работа № 20 Метод Милна
- •Лабораторная работа № 21 Метод Адамса
- •Лабораторная работа № 23 Решение систем дифференциальных уравнений методом Рунге—Кутта
- •Лабораторная работа № 24 Задача линейного программирования
- •Лабораторная работа № 25 Транспортная задача
- •Лабораторная работа № 26 Метод наискорейшего спуска
- •Лабораторная работа № 27 Метод дробления шага
- •Лабораторная работа № 28 Метод покоординатного спуска
- •Лабораторная работа № 29 Метод случайного поиска
- •Лабораторная работа № 30 Эмпирические формулы. Линейная зависимость
- •Лабораторная работа № 31 Решение краевой задачи методом сеток
- •Лабораторная работа № 35 Динамическое программирование
- •Корни нелинейных уравнений
- •Интерполирование функций
- •Двумерная интерполяция
- •Метод золотого сечения (лабораторная работа № 8)
- •Решение систем нелинейных уравнений (лабораторные работы №10— 11)
- •Решение систем линейных уравнений
- •Решение систем линейных уравнений методом прогонки
- •Приближенные значения интегралов
- •Приближенные решения системы дифференциальных уравнений
- •Задача линейного программирования
- •Максимальная прибыль
- •Транспортная задача
- •Значения функции в точке минимума
- •Динамическое программирование
- •Список литературы
Лабораторная работа № 24 Задача линейного программирования
Пусть задана следующая задача линейного программирования.
Предположим, что для производства двух видов продукции А и В можно использовать только материал трех сортов. При этом на изготовление единицы изделия вида А расходуется (19 – — 0, 02k) кг материала первого сорта, (20 + 0,03k) кг материала второго сорта и (20 + 0,02k) кг материала третьего сорта. На изготовление единицы изделия вида В расходуется (24 + 0,1k) кг материала первого сорта, (42 – 0, 05k) кг материала второго сорта, (20 – 0,02k) кг материала третьего сорта. На складе фабрики имеется всего материала первого сорта (5100 + k) кг, материала второго сорта (7200 + 2k) кг, материала третьего сорта (5000 + 3k) кг. От реализации готовой продукции вида А фабрика имеет прибыль (5 + 0,1k) руб., а от продукции вида В прибыль (6 + 0,2k) руб. Здесь k – номер фамилии студента в журнале преподавателя. Определить максимальную прибыль от реализации всей продукции видов А и В.
Задание. Составить математическую модель задачи. Решить задачу геометрически, а также симплекс – методом.
Лабораторная работа № 25 Транспортная задача
Дана следующая транспортная задача. На трех базах Б1, Б2 и Б3 находится однородный груз в количестве соответственно: а1, а2 и а3 условных единиц. Этот груз необходимо перевести на пять предприятий П1, П2, П3, П4 и П5, потребности которых составляют соответственно b1, b2, b3, b4 и b5 условных единиц. Стоимость перевозки одной условной единицы груза с базы Бi на предприятие Пi составляет cij руб. Эти стоимости указаны в табл. 4.
Необходимо спланировать перевозки так, чтобы их общая стоимость была наименьшей. В задаче количество груза на складах равно суммарной потребности в грузах на предприятиях.
Таблица 4
Базы |
Предприятия |
Запасы на базах |
||||
П1 |
П2 |
П3 |
П4 |
П5 |
||
Б1 Б2 Б3 |
c11 c21 c31 |
c12 c22 c32 |
c13 c23 c33 |
c14 c24 c34 |
c15 c25 c35 |
а1 а2 а3 |
Потребность предприятий |
b1 |
b2 |
b3 |
b4 |
b5 |
|
Задание. Составить математическую модель сформулированной задачи. Решить задачу при следующих данных:
a1 = 920 + 2k; a2 = 780 + 3k; a3 = 840 + 4k;
b1 = 510 + 3k; b2 = 480 + 2k; b3 = 470 + k;
b4 = 530 + 2k; b5 = 550 +k.
Матрица стоимости перевозок имеет вид:
где k – номер фамилии студента в журнале преподавателя, m = k (mod 3), т. е. m равно остатку от деления k на три.
Лабораторная работа № 26 Метод наискорейшего спуска
Метод применяется для нахождения минимума некоторой функции = f(x1, x2, ..., xn), заданной в евклидовом пространстве, где = (x1, x2, ..., xn) — вектор. Численные методы отыскания экстремума функции состоят в построении последовательности векторов {}, удовлетворяющих условию: f() > > f((1)) > ... > f((n)). Методы построения таких последовательностей называются методами спуска. В этих методах элементы последовательности {} вычисляются по формуле
(k = 0,1,2,...…),
где вектор (k) определяет направление спуска; — длина шага в данном направлении.
Градиент функции в точке направлен в сторону наискорейшего локального возрастания функции. Следовательно направление спуска должно быть противоположным градиенту. Вектор, противоположный градиенту, называется антиградиентом. Выбирая антиградиент в качестве направления спуска, приходят к итерационному процессу вида
(k = 0,1,2,...),
где в точке .
Все методы спуска, в которых вектор совпадает с антиградиентом, называются градиентными методами. Они отличаются друг от друга только выбором шага. Наибольшее применение нашли метод наискорейшего спуска и метод дробления шага. В методе наискорейшего спуска величина определяется из условия
,
т. е. на каждом шаге решается одномерная задача минимизации. Для решения этой задачи можно применить метод золотого сечения. Отметим, что на двух последовательных шагах решения направления спуска ортогональны. Для окончания процесса счета можно использовать различные критерии. Например, счет можно прекратить, если выполняется условие
grad f((k+1)) < , где grad f = . В этом случае полагаем .
Задание. Методом наискорейшего спуска найти минимум функции где — номер фамилии студента в журнале преподавателя. Значения и , в которых функция достигает минимума, найти с точностью = 0,0001. Начальное приближение найти методом случайного поиска.