- •Учебно-методические материалы к изучению дисциплины «Методы оптимизации» (конспект лекций)
- •1. Классификация задач оптимизации
- •2. Классификация математических методов и моделей в экономике
- •3. Линейное программирование
- •3.1. Постановка задачи линейного программирования
- •3.2. Экономическая интерпретация задач линейного программирования
- •3.3. Требования совместности условий
- •3.4. Графический метод решения задач линейного программирования
- •3.5. Симплекс-метод
- •3.6. Модифицированный симплекс-метод
- •3.7. Построение опорных планов
- •3.8. Условия оптимальности
- •3.9. Метод искусственного базиса
- •3.10. Транспортная задача
- •3.11. Двойственные задачи линейного программирования
- •3.12. Устойчивость оптимизационного решения
- •4. Нелинейное программирование
- •4.1. Классификация и общая постановка задач нелинейного программирования
- •4.2. Метод множителей Лагранжа
- •4.3. Возможные обобщения метода множителей. Седловая точка функции Лагранжа
- •4.4. Оптимальные решения при ограничениях-неравенствах. Теорема Куна - Таккера
- •4.5. Выпуклое программирование. Задача выпуклого программирования
- •4.6. Квадратичное программирование
- •4.7. Градиентные методы
- •5. Оптимизация на графах
- •5.1. Основные понятия теории графов
- •5.2. Связность
- •5.3. Подграфы
- •5.4. Матрица графов
- •5.5. Потоки в сетях
- •5.6. Задача о максимальном потоке сети
- •5.7. Задача о кратчайшем пути
- •5.8. Задача коммивояжера
- •5.9. Оптимизация сетевого графика
- •5.10. Методы оптимизации производственной программы
- •6. Динамическое программирование
- •6.1. Общая постановка задачи динамического программирования
- •6.2. Принцип оптимальности. Уравнение Беллмана
- •6.3. Простейшие экономические задачи, решаемые методом динамического программирования
- •7. Математические модели потребительского поведения и спроса
- •7.1. Отношение предпочтения и функция полезности
- •7.2. Решение задачи об оптимальном выборе потребителя
- •7.3. Функции спроса. Коэффициент эластичности
3.3. Требования совместности условий
В общую постановку задачи оптимизации входят неравенства вида:
где п - число неизвестных; т - число неравенств. Если в каждое неравенство добавить переменную , то от системы неравенств можно перейти к системе уравнений
.
В этой системе общее число неизвестных N = п + m, где п - число основных неизвестных , т - число дополнительных неизвестных yi, которое равно числу уравнений.
Возможны три варианта соотношения величин N и т: N < т, N = m, N > т.
Пусть число неизвестных меньше, чем число уравнений. Например,
,
т.е. N = 1, т = 2. Очевидно, что эта система решения не имеет, т.е. нет таких значений х1, которые бы удовлетворяли обоим уравнениям. В этом случае говорят, что система условий несовместна.
Если число неизвестных N меньше числа уравнений т, то система решения не имеет и является несовместной.
Пусть число неизвестных равно числу уравнений. Например,
Решением этой системы будут значения x = у = 1.
Линейная система, в которой число неизвестных N разно числу уравнений т, имеет одно решение.
Наличие или отсутствие решений при различных соотношениях числа переменных и числа уравнений справедливо только для линейно независимых уравнений, которые не могут быть получены умножением, делением, сложением, вычитанием исходных уравнений. Например, пусть есть уравнение Зх = 6, из которого можно получить несколько: х = 2; 9х = 18; 6x = 12 и т. д. Все эти уравнения линейно зависимы и новых сведений о зависимостях для переменной не содержат. Поэтому в этом примере т = 1 (а не 4).
Аналогично в следующей системе есть только два линейно независимых уравнения: так, уравнение (в) есть результат суммирования (а) и (б), а уравнение (г) есть результат деления (в) на 5:
Пусть число неизвестных больше числа уравнений. Например, . Очевидно, что все значения х1 и х2, лежащие на прямой этого уравнения, являются его решением. Значит, это уравнение имеет бесчисленное множество решений.
Если в системе число неизвестных N больше числа уравнений т, то такая система имеет бесчисленное множество решений.
В случае, когда система имеет более одного возможного решения, может быть поставлена задача оптимизации. При этом суть такой задачи, как мы уже знаем, заключается в том, чтобы из всех допустимых решений, удовлетворяющих ограничениям и граничным условиям, выбрать такое, которое придает целевой функции оптимальное, т. е. максимальное или минимальное значение.
Если все ограничения и целевая функция линейны, задача оптимизации, как нам известно, является задачей линейного программирования.
3.4. Графический метод решения задач линейного программирования
Вспомним построение линейных зависимостей. Начнем с уравнений. Линейное уравнение с двумя переменными может быть записано . Чтобы построить это уравнение, найдем точки пересечения с осями координат.
При x1=0 получим , откуда . При х2=0 будем иметь и (рис. 2).
Разделим теперь левую и правую части уравнения на b и перепишем уравнение, которое называют уравнением прямой в отрезках:
Рис. 2
Такое представление уравнения удобно для построения прямой, так как величины α1 и α2 - это отрезки, отсекаемые прямой на тех осях, которые указаны в числителе. Например, или в форме уравнения в отрезках:
т.е. α1 = 1, α2 = 2.
Теперь о неравенствах. Если линейное уравнение с двумя переменными может быть представлено прямой на плоскости, то неравенство изображается как полуплоскость.
Так, неравенство представляет собой заштрихованную полуплоскость, координаты всех точек которой, т. е. х1 и х2, удовлетворяют заданному равенству. Значит, эти значения составляют область допустимых решений (рис. 3).
Рис. 3
Рассмотрим построение системы линейных неравенств:
или в форме, аналогичной уравнениям в отрезках:
Построим каждое неравенство в системе координат х1, х2 в виде соответствующих полуплоскостей. Решение этой системы неравенств - координаты всех точек, принадлежащих области допустимых решений, т.е. АВСDО.
Так как в области допустимых решений бесчисленное множество точек, значит, рассматриваемая задача имеет бесчисленное множество допустимых решений (рис. 4).
Рис. 4 Рис. 5
Не любая система линейных неравенств имеет область допустимых решений, т.е. допустимые решения.
Например, построим систему:
Из рис. 5 видно, что нет таких точек, которые бы удовлетворяли всем неравенствам системы.
Итак, мы рассмотрели линейные уравнения и неравенства с двумя переменными. Если перейти к линейным зависимостям с тремя переменными, то тогда они будут описывать плоскость в трехмерном пространстве; линейное неравенство характеризует полупространство, а система линейных неравенств - многогранник как область допустимых решений в трехмерном пространстве.
С увеличением числа переменных выше трех геометрическая интерпретация невозможна, так как система неравенств - область допустимых решений в k-мерном пространстве.
При этом мерность пространства определяют так: если ограничения заданы неравенствами, то k = n и, где п - число переменных; если ограничения в виде уравнений, то k = n - т, где т - число уравнений.
Если необходимо найти оптимальное решение, то следует принять целевую функцию. Допустим, мы хотим, чтобы решение было оптимальным в смысле максимизации выпуска в целом. Тогда целевая функция:
Положим L, равной какому-либо числу (любому), например 2, и построим уравнение целевой функции:
Так как нам требуется найти оптимальное решение, при котором достигается mах L, будем перемещать линию целевой функции в направлении увеличения L. Очевидно, что оптимальным решением будут координаты точки С, равные . При этом L = L*.
Отсюда можно сделать исключительно важный вывод: оптимальное решение - координаты вершины области допустимых решений.
Из этого вывода следует метод решения задач линейного программирования, который заключается в поиске вершин области допустимых решений как точки пересечения ограничений; последовательном определении значения целевой функции в вершинах.
Вершина, в которой целевая функция приобретает оптимальное (максимальное или минимальное) значение, является оптимальной вершиной.
Координаты оптимальной вершины есть оптимальные значения искомых переменных.