- •Предисловие
- •Введение
- •Глава 1. Основные понятия теории управления
- •1.1. Объект управления
- •1.2. Управляющая система
- •1.3. Система управления
- •Глава 2. Разработка управляющих систем
- •2.1. Анализ характеристик объекта управления
- •2.2. Выбор управляющих параметров
- •2.3. Надежность управляющих систем
- •Глава 3. Автоматизация массообменных процессов
- •3.1. Ректификация
- •Хладо-носитель
- •Хладо-носитель
- •2 Дистил- лят а б
- •3.2. Абсорбция
- •3.3. Адсорбция
- •3.4. Сушка
- •Глава 4. Автоматизированные системы управления
- •4.1. Общая характеристика асутп
- •4.2. Назначение, цель, функции и состав асутп
- •4.3. Структура комплекса технических средств асутп
- •4.4. Общесистемная документация и оперативный персонал
- •4.5. Асутп нефтепереработки и нефтехимии
- •4.6. Техническое обеспечение распределенных асутп
- •4.7. Применение распределенных асутп
- •Глава 5. Идентификация технологических процессов
- •5.1. Понятие об идентификации
- •5.2. Общие сведения о математических моделях
- •5.3. Постановка задачи идентификации
- •5.4. Основные характеристики (функции) систем
- •5.5. Оценка адекватности математической модели
- •5.6. Математические модели многостадийных объектов
- •Глава 6. Оптимизация технологических процессов
- •6.1. Характеристика методов оптимизации
- •6.2. Особенности оптимизационных задач управления
- •6.3. Оптимизация технологических процессов
- •6.4. Оптимальное управление системами ректификации
- •6.5. Адаптивное управление технологическими процессами
- •Глава 7. Оптимизация производства этилена
- •7.1. Производство этилена как объект управления
- •7.2. Задачи управления установками
- •7.3. Структура подсистемы оптимизации отделения пиролиза
- •7.4. Выбор математической модели пиролизной печи
- •Ориентировочная ранжировка параметров
- •7.5. Корректировка коэффициентов адаптивной модели
- •Приложение а функциональные схемы автоматизации
- •Приложение б идентификация систем в среде matlab
- •1. Основные характеристики (функции) систем
- •2. Теоретические модели объектов
- •Приложение в задачи и методы оптимизации
- •Задачи оптимизации
- •Приложение г задачи линейного программирования
- •Библиографический список
Приложение г задачи линейного программирования
К задачам линейного программирования относится поиск оптимума целевой линейной функции при наличии ограничений в виде линейных уравнений и неравенств. Некоторые задачи после ряда допущений могут быть приведены к форме, допускающей их решение этими методами.
В общем виде формулировка задачи сводится к следующему. Найти оптимум (максимум или минимум) целевой функции
F = c1x1 + c2x2+…+ cnxn (Г.1)
при выполнении ограничений:
a11x1 + a12x2+…+ a1nxn = b1
a21x1 + a22x2+…+ a2nxn = b2
. . . . . . . . . . . . (Г.2)
am1x1 + am2x2+…+ amnxn = bm ,
где коэффициенты aij, bi, cj – заданные постоянные величины, а число уравнений m меньше числа переменных n. Значение X = (x1, х2, … , xn), при котором функция F имеет оптимум, называется оптимальным решением.
В большинстве задач ограничения задаются не в виде системы уравнений, а в виде системы линейных неравенств, например вида
a11x1 + a12x2+…+ a1nxn b1
a21x1 + a22x2+…+ a2nxn b2
. . . . . . . . . . . . (Г.3)
am1x1 + am2x2+…+ amnxn bm .
Однако любую систему ограничений можно привести к системе уравнений вида (Г.2). Для этого достаточно к левой части каждого неравенства добавить какое-то неотрицательное число xn+1, xn+2, xn+m - добавочную переменную, чтобы неравенства обратились в уравнения. В результате вместо системы неравенств (Г.3) получим эквивалентную систему уравнений вида
a11x1 + a12x2+…+ a1nxn+ xn+1 = b1
a21x1 + a22x2+…+ a2nxn + xn+2 = b2
. . . . . . . . . . . . (Г.4)
am1x1 + am2x2+…+ amnxn + xn+m = bm ,
т. е. систему ограничений, аналогичную системе (Г.2).
Таким образом, как бы ни были первоначально заданы ограничения задачи линейного программирования, их всегда можно привести к системе линейных уравнений, используя для этой цели добавочные переменные. Число добавочных переменных меньше m и равно m-t, где t – число ограничений в виде уравнений. Отсюда следует, что формулировка задачи (Г.1) - (Г.2) является формулировкой общей задачи линейного программирования. Ниже приведены примеры двух типовых задач линейного программирования.
Задача об оптимальном использовании ресурсов. Предприятие выпускает n различных изделий, и для их производства требуется m различных видов ресурсов (сырья, вспомогательных материалов, рабочего времени и т. д.). Эти ресурсы ограничены и составляют в планируемый период соответственно b1, b2, ..., bm условных единиц. Известны также технологические коэффициенты аij, которые указывают, сколько единиц i-го ресурса требуется для производства единицы изделия j-гo вида (i = 1, 2,..., m; j = 1, 2, …, n). Пусть прибыль, получаемая предприятием при реализации единицы изделия j-гo вида, равна cj. Требуется составить такой план выпуска продукции x1, х2, … , xn, чтобы на ее производство хватило имеющихся в распоряжении ресурсов и при реализации которого прибыль F = c1x1 + c2x2+…+ cnxn была бы наибольшей. Математически эта задача сводится к поиску максимума функции F при ограничениях (Г.3).
Задача о смесях. Свойства смеси обеспечиваются наличием m различных компонентов в количествах не ниже заданных b1, b2, ..., bm, а сами компоненты являются составными частями n исходных материалов. Коэффициенты аij показывают удельный вес i-гo компонента (i =1,…, m) в единице j-гo материала (j =1,…, n). Необходимо отыскать наиболее дешевый набор x1, х2, … , xn из n исходных материалов c ценой единицы j-гo материала сj, обеспечивающий получение смеси. Задача сводится к отысканию минимума функции F = c1x1 + c2x2+…+ cnxn при ограничениях, аналогичных (Г.3), но со знаком «».
Методы решения задач линейного программирования основываются на ряде положений (теорем), суть которых может быть сведена к следующему: оптимальное решение задачи линейного программирования совпадает с одной из угловых точек выпуклого множества решений для системы ограничений задачи. Общепризнанным универсальным методом решения задач линейного программирования в настоящее время является симплексный метод Данцига, алгоритм которого имеется в программном пакете MATLAB [24].
Если система ограничений задачи линейного программирования задана в виде системы линейных неравенств с двумя переменными или в виде системы линейных уравнений, в которой число переменных на два превышает число уравнений, то такие задачи могут быть решены геометрически. Геометрический метод представляет определенный интерес для выработки наглядных представлений о задачах линейного программирования.
Сущность
этого метода заключается в построении
области ограничений задачи на плоскости
и поиске оптимального решения среди
угловых точек этой области.
Например,
требуется найти
максимум F
= 4x1+
3x2
при
ограничениях x1
+ 2x2
16
2x1
+ 3x2
28
3x1
+ 3x2
30
x1
x2
x1
0; x2
0
На рисунке изображена область решений системы ограничений в виде многоугольника ОАВС. Он образован прямыми линиями, соответствующими неравенствам системы ограничений, каждое из которых определяет отмеченную штриховкой полуплоскость допустимых значений переменных x1 и x2. Отметим, что второе неравенство системы оказалось лишним, и соответствующая прямая 2х1 + 3х2 = 28 не участвовала в образовании четырехугольника ОАВС. Исходная линия уровня F = 4x1 + 3x2 = 0 показана прямой, проходящей через начало координат и точку (-3; 4).
Двигая исходную линию уровня в направлении стрелки, можно достигнуть максимума F, расположенного в точке С. Решив совместно уравнения для 3-й и 4-й прямых системы, получим координаты точки их пересечения С (x1 = 5; x2 = 5). Это оптимальное решение дает Fmax = 35.