- •Математические методы теории оптимизации. Понятие экстремальных задач, примеры. Основные понятия лп.
- •Историческая справка.
- •Задача планирования производства.
- •Задача о рационе.
- •Транспортная задача.
- •Раздел 1. Линейное программирование.
- •Определение канонической формы задач.
- •Основные свойства решения задач лп
- •Элементы выпуклого анализа.
- •Множество решений задачи линейного программирования (если оно не пусто) является выпуклым многогранником.
- •Любая точка многогранника решений является линейно - выпуклой комбинацией его угловых точек. Опорное и базисное решение.
- •Алгебраическая характеристика угловой точки.
- •Симплексный метод.
- •Задача № 1.
- •Правило определения вектора вводимого в базис.
- •Метод искусственного базиса (м-метод).
- •Расширенная задача.
- •Исходная симплекс-таблица расширенной задачи.
- •Теория двойственности в линейном программировании.
- •Экономическая интерпретация
- •Виды моделей двойственных задач.
- •Соответствие между прямой и двойственной задачами.
- •Нахождение решения двойственной задачи по симплекс-таблице оптимального решения прямой задачи.
- •Экономическая интерпретация двойственности.
- •Экономическая интерпретация переменных двойственных задач.
- •Раздел II. Специальные задачи лп Целочисленное программирование.
- •Задачи целочисленного программирования.
- •Пример: «Задача о рюкзаке (задача загрузки корабля)»
- •Пример: «Задача о распределение инвестиций»
- •Первый алгоритм Гомори (аддитивный)
- •Алгоритм Гомори состоит из двух шагов:
- •Метод ветвей и границ.
- •Специальные виды целочисленных задач. Транспортная задача
- •Методы решения транспортной задачи
- •Вторая транспортная теорема
- •Метод потенциалов (Канторович)
- •Алгоритм решения
- •Задача о назначениях. Венгерский алгоритм.
- •А лгоритм решения:
Метод искусственного базиса (м-метод).
Ранее было показано, что если среди ограничений в канонической формы содержится ровно m единичных векторов, то при положительных правых частях может быть сразу получено исходный решение (опорный план), отправляясь от которого с помощью преобразований симплекс-метода может быть получен оптимальный план или установлена неразрешимость задачи.
Но во многих задачах, приведенных к канонической форме, либо нет m единичных векторов, либо в правых частях есть отрицательные элементы. В этом случае для решения задач применяется метод искусственного базиса (M – метод). Идея: предполагается включение неотрицательных, искусственных переменных в левую часть каждого из уравнений, которые не содержат явных базисных переменных, обеспечивая получение исходного базиса. Эти переменные выполняют роль остаточных. Однако, так как они не имеют содержательного отношения к задаче, то их введение допустимо только в том случае, если соответствующая схема вычислений обеспечит получение оптимального решения, в котором эти переменные равны нулю. Для решения М-методом вводится понятие «расширенной задачи».
Расширенная задача.
Пусть требуется найти min Z=C1X1+…+CnXn при ограничениях:
a11x1+…+a1nxn=b1
………………… (*)
am1x1+…+amnxn=bm
xj 0 j=
bj>0 i=
Определение: Задача, состоящая в нахождении минимума функции
F =C1X1+…+CnXn+MXn+1+…+MXn+m min , при ограничениях
xj 0 j=
a11+…+a1nxn+xn+1 =b1
…………………………
am1x1+amnxn+…+xn+m=bm
где М - некоторое достаточно большое положительное число, конкретное значения которого обычно не задается, называется расширенной задачей по отношению к задаче (*).
Содержательно: Если в канонической форме задачи нет вообще единичного базиса (или он частичный), то в левой части ограничений вводится столько искусственных переменных, сколько не хватает векторов до единичного базиса, которые входят в функцию цели с коэффициентом М, конкретное значение которого может быть не задано заранее (или же его значение на 3-4 порядка больше, чем порядок коэффициента целевой функции).
В этом случае всегда существует опорное исходное решение расширенной задачи X0=( b1…bn), которое определяется системой из n искусственных единичных векторов.
Теорема 5.1
Если в оптимальном плане X*=( X … ,X ) расширенной задачи значения всех искусственных переменных равны нулю, то план *=( , …, X ) исходной задачи является оптимальным планом исходной задачи.
Содержательно: если в найденном оптимальном плане расширенной задачи все искусственные переменные равны нулю, то имеем оптимальный план исходной задачи.
Замечание: возможна ситуация, когда в плане расширенной задачи все искусственные переменные равны нулю, но при этом он не будет оптимальным планом исходной задачи, и поэтому его следует довести до оптимального плана исходной задачи без искусственных переменных.
Исходная симплекс-таблица расширенной задачи.
Пусть X0=(0,…0, b1…bm) исходный опорный план расширенной задачи, тогда значение целевой функции f на данном плане равняется: F(X0)=М , а значения оценок будут равны: Zj-Cj=-M aij-Cj , следовательно значение целевой функции и значения оценок состоит из двух частей, одна из которых содержит M, а другая нет.
Тогда в отличии от классического симплекс-метода таблица содержит две индексные строки (m+1) и (m+2). В (m+2) строку заносят коэффициент при М, а в (m+1) - часть оценки, не содержащую М.
Вычисления (пересчет симплекс-таблиц) проводятся по (m+2) строке до тех пор пока:
Либо все искусственные вектора не будут исключены из базиса.
Либо не все искусственные вектора будут исключены, но (m+2) строка не содержит больше положительных элементов, соответствующих искусственным векторам.
В первом случае базис соответствует некоторому опорному плану исходной задачи, и определение ее оптимального плана проводим только по (m+1)строке.
Во втором случае, если элемент, стоящий на пересечении (m+1) строк и столбца B отрицателен, то исходная задача не имеет решения (признак неразрешимости), а если же он равен нулю, то найденный опорный план исходной задачи является вырожденным (для данного метода), и базис содержит, по крайней мере, хотя бы один из искусственных векторов.
Если исходная задача содержит несколько единичных векторов (<m), то их следует вводить в искусственный базис; искусственных переменных столько, сколько не хватает векторов до единичного базиса.