- •Введение
- •1. Основные понятия теории вероятностей
- •2. Повторение незавИсИмых опытов
- •3. Случайные величины и их числовые характеристики
- •4. Система двух случайных величин и регрессия
- •Закон распределения двумерной случайной величины
- •5. Основы математической статистики
- •Контрольная работа 4
- •Задача 2.
- •Контрольная работа 5
- •6. Линейное программирование. Основные понятия и экономическая интерпретация
- •6.1. Задача лп
- •6.2. Примеры постановки задач лп
- •6.3. Геометрическая интерпретация задачи лп. Графическое решение
- •6.4. Основные формы задачи лп
- •6.5. Симплексный метод и приведение задачи лп к правильной форме
- •6.6. Признаки оптимальности начального допустимого плана
- •7. Метод искусственного базиса
- •8. Двойственные задачи лп
- •9. Транспортная задача и метод потенциалов
- •Контрольная работа 6
- •Рекомендательный библиографический список
- •Значения в зависимости от числа степеней свободы m и уровня значимости ( – доверительная вероятность)
- •Содержание
6. Линейное программирование. Основные понятия и экономическая интерпретация
Математическое программирование занимается построением алгоритмов или программ конструктивного решения задач оптимизации, т.е. задач на наибольшее или наименьшее значения функции нескольких переменных при заданных ограничениях. В общем виде такие задачи можно описать следующим образом:
,
т.е. максимизировать функцию при условии
или ;
,
т.е. минимизировать функцию при условии
или .
Оптимизируемая функция называется целевой, а область ограничений (или допустимое множество) является областью в многомерном евклидовом пространстве , векторы которого или имеют декартовых координат, а скалярное произведение определяется как , что аналогично обычному скалярному произведению в пространстве . В евклидовом пространстве , как и в трехмерном пространстве, определяются такие понятия, как базис, разложение по базису, свойство ортогональности и т.п. Так как аналитически области в задаются системами неравенств или равенств, то условие означает, что
,
где – некоторые заданные функции. При этом в ограничениях можно рассматривать только неравенства, так как равенство есть частный случай неравенств вида . Отметим что, если все неравенства нестрогие , тогда область будет замкнутой, т.е. содержащей все точки своей границы.
Если область ограничений непустая Ǿ), ограничена и замкнута, а целевая функция непрерывна, то по теореме Вейерштрасса задача оптимизации всегда имеет решение, т.е. существуют такие точки , для которых и . Отметим, что таких оптимальных точек может быть несколько (альтернативные решения), но оптимальное значение всегда одно.
При нарушении условий теоремы Вейерштрасса решение задачи оптимизации может не существовать.
6.1. Задача лп
Если целевая функция и все функции линейны, – это случай задачи линейного программирования. Если хотя бы одна из этих функций нелинейна, – это случай задачи нелинейного программирования. Стандартный метод решения задач оптимизации при большом числе переменных и ограничений неэффективен. Для конкретного вида задач, например задач ЛП, созданы эффективные специальные методы.
Задачу ЛП можно записать в следующем виде:
,
где .
Введем матрицу коэффициентов ограничений A и векторы переменных и правых частей :
, , .
За счет изменения знака в обеих частях приведем все неравенства к неравенствам одного вида и запишем систему ограничений в матричном виде: .
Так как
, (1)
вместо задачи минимизации функции (рис.5) можно рассматривать максимизацию функции . Поэтому задачу ЛП всегда можно привести к стандартной форме: .
Рис.5.
Максимизация
и
минимизация функций
В силу такой экономической интерпретации вектор называется планом. При этот план допустимый. Если – допустимый план и , то этот план – оптимальный.
При непрерывности целевой функции и нестрогости всех ограничений (область ограничений замкнута) такая задача оптимизации может не иметь решения только в двух случаях:
1) область ограничений пуста: Ǿ (ограничения несовместны);
2) целевая функция неограниченна на неограниченной области ( или ).