3.3 Преобразование нелинейной модели к сепарабельному виду. Аппроксимация нелинейной сепарабельной функции кусочно-линейной функцией

Y=36x₂-5x₁²+4x₁x₂-5x₂² → max

При ограничениях:

x₁+x₂ ≤ 2

x₁ ≤ 1/2

x_1,2 ≥ 0

Функция является сепарабельной, если ее можно представить как сумму функций, каждая из которых зависит от одной переменной. Целевая функция данной задачи не является сепарабельной, т.к. содержит произведение двух переменных . Для приведения ее к сепарабельному виду необходимо ввести подстановку

В задачу также добавятся ограничения:

y1=1/2*x1+1/2*x2

z2=1/2*x1+1/2*x2

y_­²-z²≥0

Тогда задача примет вид:

Определим верхние и нижние границы переменных х₁, х₂, z, y. Для этого решаем соответствующие задачи линейного программирования. В итоге получим:

/4

Для осуществления линеаризации выберем некоторую «сетку» значений x, построенную так:

Затем любое значение x будем выражать в виде некоторой средневзвешенной x_k по правилу:

где веса _k удовлетворяют условиям:

Для выбора точек аппроксимации построим графики линеаризуемых функций.

Рисунок 3.1 -

Рисунок 3.2 -

Рисунок 3.3 -

Рисунок 3.4 -

Точки следует выбрать в соответствии со следующим правилом: чем менее линейна функция на определенном участке, тем выше должна быть плотность точек аппроксимации. Разбиения, принятые при решении данной задачи, приведены в таблице 3.3.1.

Таблица 3.3.1 – Сетка аппроксимации

Переменная	Номера точек
	1	2	3	4	5	6	7	8	9	10
x1	0	1/18	1/9	1/6	2/9	5/18	1/3	7/18	4/9	1/2
x2	0	2/9	4/9	2/3	8/9	10/9	4/3	14/9	16/9	2
y1	0	1/9	2/9	1/3	4/9	5/9	2/3	7/9	8/9	1
z1	-1	-7/8	-3/4	-5/8	-1/2	-3/8	-1/4	-1/8	0	1/4

Выразим переменные

Таблица 3.3.2

	U1	U2		U3	U4	U5	U6	U7	U8	U9	U10
x1	0	1/18		1/9	1/6	2/9	5/18	1/3	7/18	4/9	1/2
f(x1)	0	-5/324		-5/81	-5/36	-20/81	-125/32	-5/9	-245/32	-80/81	-5/4
	V1		V2	V3	V4	V5	V6	V7	V8	V9	V10
x2	0		2/9	4/9	2/3	8/9	10/9	4/3	14/9	16/9	2
f(x2)	0		628/81	1216/81	196/9	2272/81	2740/81	352/9	3556/81	3904/86	52
	S1		S2	S3	S4	S5	S6	S7	S8	S9	S10
y	0		1/9	2/9	1/3	4/9	5/9	2/3	7/9	8/9	1
f(y)	0		1/81	4/81	1/9	16/81	25/81	4/9	49/81	64/81	1
	T1		T2	T3	T4	T5	T6	T7	T8	T9	T10
z	-1		-7/8	-3/4	-5/8	-1/2	-3/8	-1/4	-1/8	0	1/4
f(z)	1		49/64	9/16	25/64	1/4	9/64	1/16	1/64	0	1/16

3.4 Решение задачи сепарабельным симплекс-методом

Теперь, используя выбранные точки можно преобразовать нелинейные ограничения и нелинейную ЦФ к кусочно-линейному виду. К ограничениям также добавятся ограничения, обеспечивающие свойство весов смежных точек. В итоге получим задачу линейного программирования.

Максимизировать целевую функцию вида:

При ограничениях:

k = 1, 2, …, 10.

Полученную задачу решаем с помощью сепарабельного симплекс-метода. Сепарабельный симплексный алгоритм аналогичен обычному симплекс методу, за исключением необходимости соблюдения правила ограниченного ввода в базис, суть которого заключается в том, что оптимальное решение, полученное с использованием аппроксимирующей модели, содержит либо один вес _k, либо два соседних _k, _k+1.

Оптимизация исходной целевой функции и ее решение, с учетом правила ограниченного ввода в базис, приведены в приложении B.

Полученследующийрезультат:

Подставим полученные значения в исходную функцию и ограничения, получим:

Y = 21/5

Ответ:X = (1; 4/5); Y = 21/5