![]() |
|
сделать стартовой | добавить в избранное |
![]() |
Решение и постоптимальный анализ задачи линейного программирования |
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ БЕРДЯНСКИЙ УНИВЕРСИТЕТ МЕНЕДЖМЕНТА И БИЗНЕСА КАФЕДРА МАТЕМАТИКИ ТА МАТЕМАТИЧНИХ МЕТ0ДИВ КУРСОВАЯ РАБОТА по дисциплине «Математические методы исследования операций» на тему Решение и постоптимальный анализ задачи линейного программирования Вариант № 3 / 4 1 .Теоретические сведения 1.1 Симплекс-метод Теорема (фундаментальная). Если ЗЛП имеет оптимальное решение (в ограниченной области всегда, а в неограниченной - в зависимости от ограниченности целевой функции Z), то оно совпадает, по крайней мере, с одним из допустимых базисных решений (ДБР) системы ограничений. Согласно фундаментальной теореме вместо исследования бесконечного множества допустимых решений, необходимо исследовать лишь конечное число ДБР. Таким образом, принципиальная схема решения ЗЛП такова: найти все ДБР; вычислить для каждого из них соответствующее значение ЦФ z; сравнить и определить наилучшее. Но, в общем случае при больших значениях п и т количество ДБР может быть огромным (порядка С пт) и практическое осуществление перебора всех ДБР станет невозможным. Эти трудности обусловлены тем, что указанная принципиальная схема связана с беспорядочным перебором ДБР, без учета, насколько новое проверяемое ДБР изменяет ЦФ z и приближает ли оно нас к искомому оптимуму. Если же указанный перебор ДБР производить целеустремленно, добиваясь на каждом шаге монотонного изменения ЦФ z, т.е. чтобы каждое следующее ДБР было лучше предыдущего (или по крайней мере не хуже), то число анализируемых ДБР можно резко сократить. Основной метод решения ЗЛП - симплекс-метод - базируется на идее последовательного улучшения решения. Очевидно, что для реализации этой идеи метод должен включать три основных элемента: &g ; способ определения исходного ДБР; &g ; правило перехода к следующему &quo ;лучшему&quo ; ДБР; &g ; критерий, по которому можно определить оптимальность найденного решения или необходимость его дальнейшего улучшения. Табличный симплекс-метод Пусть для исходной ЗЛП задано начальное ДБР, базис которого образуют первые т столбцов матрицы А. Введем новую переменную z и с помощью элементарных преобразований Жордана-Гаусса преобразуем расширенную систему к диагональной форме относительно переменных z,x1,x2,.,xm : Данной диагональной форме в дальнейшем будем ставить в соответствие следующую таблицу: В дальнейшем второй столбец будем опускать! Построенная таблица называется симплекс-таблицей. Она содержит всю информацию, необходимую для осуществления одной итерации симплекс-метода. Реализация симплекс-метода с помощью симплекс-таблицы называется табличным симплекс-методом. По сути симплекс-метод и табличный симплекс-метод соотносятся между собой как метод и алгоритм. Схема табличного симплекс-метода. Шаг 0. Начальный шаг. Пусть задано ДБР х° исходной задачи. Построим соответствующую этому ДБР х° симплекс-таблицу. Шаг 1. Проверка условия оптимальности. Если коэффициенты z-строки d0J, j = 1,m неотрицательные, то прекратить вычисления: текущей симплекс-таблице соответствует оптимальное ДБР. Шаг 2. Выбор ведущего столбца. Среди коэффициентов d0j,j = 1, выбрать отрицательный.
Пусть мы выбрали d0p. Тогда р-й столбец будет ведущим. Переменная хр будет вводиться во множество базисных переменных. Шаг 3. Выбор ведущей строки. Если коэффициенты aip,i = 1,m неположительные, то прекратить вычисления: целевая функция не ограничена сверху, иначе выбрать q-ую строку, для которой q-ая строка называется ведущей. Элемент таблицы aqp на пересечении ведущих строки и столбца называется ведущим элементом. Шаг 4. Переход к новой симплекс-таблице. Используя преобразования Жордана-Гаусса над СЛАУ, в симплекс-таблице сделать ведущий элемент равным единице, а все остальные коэффициенты ведущего столбца равными нулю. Слева от таблицы в q-ой строке запишем переменную хр. Перейти на шаг 1. 1.2 Постоптимальный анализ Постоптимальный анализ (анализ моделей на чувствительность) – это процесс, реализуемый после того, как оптимальное решение задачи получено. В рамках такого анализа выявляется чувствительность оптимального решения к определенным изменениям исходной модели. Иными словами, анализируется влияние возможных изменений исходных условий на полученное ранее оптимальное решение. Важность этого анализа ЗЛП объясняется также ещё и тем, что большая часть параметров ЗЛП точно не известна, и на практике обычно берутся приближенные значения параметров. Отсутствие методов, позволяющих выявить влияние возможных изменений параметров модели на оптимальное решение, может привести к тому, что полученное (статическое) решение устареет еще до своей реализации. Существует два способа постоптимального анализа: графический метод и аналитический. В постоптимальном анализе исследуются три класса параметров: 1. Компоненты вектора ограничений b После нахождения оптимального решения .представляется вполне логичным выяснить, как отразится на оптимальном решении изменение запасов ресурсов. Отметим, что неравенства модели типа &quo ;&l ;&quo ; обычно могут быть интерпретированы, как ограничения на использование лимитированного ресурса. А ограничения типа &quo ;&g ;&quo ; могут быть интерпретированы, как некоторые требования к моделируемому процессу. При анализе изменений запасов ресурсов особенно важны два следующих аспекта: &g ; На сколько можно увеличить (уменьшить) запас некоторого ресурса для улучшения полученного оптимального значения целевой функции z? &g ; На сколько можно снизить (увеличить) запас некоторого ресурса при сохранении полученного оптимального значения целевой функции z? 2. Коэффициенты ЦФ Cj Определяется пределы допустимых изменений коэффициентов целевой функции. &g ; Каков диапазон изменения (увеличения или уменьшения) того или иного коэффициента целевой функции, при котором не происходит изменение оптимального решения? &g ; Насколько следует изменить тот или иной коэффициент целевой функции, чтобы сделать некоторый недефицитный ресурс дефицитным и, наоборот, дефицитный ресурс сделать недефицитным? 1. Существует диапазон изменения А коэффициентов ЦФ как базисных, так и небазисных переменных, в которых текущее оптимальное решение остается оптимальным. - для небазисных переменных существует только нижняя или верхняя граница; - для базисных - обычно существуют и нижняя и верхняя границы.
2. Изменение коэффициента ЦФ базисной переменной всегда приводит к изменению значения ЦФ. 3. Эффект от изменения коэффициентов ЦФ может рассматриваться с двух позиций : - с точки зрения сбыта нас интересуют равновесные цены; - с точки зрения производства нас интересует диапазон изменения коэффициента ЦФ, ' в пределах которого текущий план производства остается оптимальным. Нахождение диапазонов изменения запасов ресурсов Недефицитные ресурсы Если в оптимальном решении дополнительная переменная S i-ro ограничения базисная, то это ограничение является не связывающим (не активным в точке оптимума), а ресурс - недефицитный. В этом случае значение дополнительной базисной переменной дает диапазон изменения, в котором соответствующая компонента di может: • Уменьшатся (в случае знака ограничения &quo ;&l ;&quo ;) • Увеличивается (в случае знака ограничения &quo ;&g ;&quo ;). Пусть S0 - значение соответствующей дополнительной переменной в точке оптимума. Тогда решение остаётся допустимым и оптимальным в диапазоне bi ∆ , где Дефицитные ресурсы Если в оптимальном решении некоторая дополнительная переменная небазисная, то существующее ' ей ограничение является связывающим (активным в точке оптимума), а ресурс - дефицитным. Для ограничения типа &quo ;&l ;&quo ;: Для ограничения типа &quo ;&g ;&quo ;: Изменение коэффициентов Ц.Ф. Существует диапазон изменения коэффициентов ' целевой функции как базисных так и не базисных переменных, в которых полученное решение остаётся оптимальным. Изменение коэффициента базисной переменной в пределах этого диапазона приводит к изменению значения целевой функции, так как Z = Ств &be a;, а одна из компонент вектора Св изменяется. Изменение коэффициента небазисной переменной не меняет значения задачи. Для задачи на mах: Базисные переменные: Для базисной переменной диапазон устойчивости, в котором может изменяться коэффициент Ci , оставляя текущее решение оптимальным, задаётся выражением: Ci ∆ где dj - относительная оценка переменной xj в текущем оптимальном решении. Eсли отсутствуют соответственно. Не базисные переменные: Для не базисной переменной диапазон устойчивости, в котором может изменятся коэффициент Сi оставляя текущее решение оптимальным, задаётся выражением: Для задачи на mi : Базисные переменные: Для базисной переменной диапазон устойчивости, в котором может изменяться коэффициент Сi , оставляя текущее решение оптимальным, задаётся выражением: Сi ∆ He базисные переменные: Для не базисной переменной диапазон устойчивости, в котором может изменятся коэффициент С; оставляя текущее решение оптимальным, задаётся выражением: (d ) &l ; ∆ &l ; &i fi ; 2. Содержательная постановка задачи Вариант 3/2 Транспортная компания для перевозки инжира из Багдада в Мекку использует мулов, одногорбых и двугорбых верблюдов. Двугорбый верблюд может перевезти - 1000 фунтов, одногорбый – 500 фунтов, а мул – 300 фунтов. За один переход двугорбый верблюд потребляет 2 кипы сена и 40 галлонов воды. Одногорбый верблюд потребляет 2 кипы сена и 30 галлонов воды. Мул – 1 кипу сена и 10 галлонов воды.
Оказалось, что эта задача носит своеобразный характер и не поддается решению известными средствами классического математического анализа. Стало ясно и то, что эта задача не случайная, изолированная, а является типичным представителем целого нового класса задач, к которым приводят вопросы нахождения наилучшего производственного плана. Поэтому-то решение этой задачи представилось столь интересным и найденный новый метод ее эффективного решения сразу нашел разнообразные применения. Основной идеей линейно-программной модели является рассмотрение производственного плана в расчлененной форме, составленного из элементарных производственных способов. Каждый способ (производственный процесс) описывается вектором, компоненты которого означают (в зависимости от знака) нормы выхода или затрат определенного вида продукции, труда, оборудования и т.п. Совокупность всех способов записывается в виде таблицы чисел (матрицы), содержащей основную исходную информацию об исследуемой модели. В линейном программировании принимается, в соответствии с его названием, гипотеза линейности: предполагается, что каждый производственный процесс может быть применен с любой кратностью (интенсивностью), что при этом выход продукции и затраты увеличиваются пропорционально, а также что результаты различных процессов суммируются
1. Примеры решения задач по программированию
2. Пример решения задачи по разделу «Переходные процессы»
3. Разработка принципиальной схемы генератора на D-тригерах
4. Каково значение анализа финансовой отчетности для принятия управленческих решений
9. Примеры решения задач по статистике
13. Анализ и диагностика ситуации принятия управленческих решений
15. Задачи анализа финансового состояния предприятия на примере ОАО "Клинский Машзавод"
17. Решение задач линейного программирования
18. Линейное программирование: постановка задач и графическое решение
19. Решение многокритериальной задачи линейного программирования
20. Метод программирования и схем ветвей в процессах решения задач дискретной оптимизации
21. Решение задач линейного программирования
25. Графический метод и симплекс-метод решения задач линейного программирования
26. Решение задачи линейного программирования симплекс-методом
27. Решения задач линейного программирования геометрическим методом
28. Применение линейного программирования для решения экономических задач (оптимизация прибыли)
29. 10 задач с решениями программированием на Паскале
31. Постановка задачи линейного программирования и двойственная задача линейного программирования.
32. Риск в задачах линейного программирования
33. Задача линейного программирования
35. Решение многокритериальной задачи линейного програмирования
36. Общая схема решения задачи на персональном компьютере
37. Решение задач нелинейного программирования
41. Задачи по семейному праву /условие-вопрос-решение/
42. Решение транспортной задачи методом потенциалов
44. По решению прикладных задач на языке FRED
45. Применение методов линейного программирования в военном деле. Симплекс-метод
46. Графы. решение практических задач с использованием графов (С++)
48. Решение задач - методы спуска
49. Решение систем линейных алгебраических уравнений методом Гаусса и Зейделя
50. Построение решения задачи Гурса для телеграфного уравнения методом Римана
51. Методы решения систем линейных неравенств
52. Решение транспортной задачи методом потенциалов
53. Решение дифференциальных уравнений 1 порядка методом Эйлера
57. Расчёт принципиальной тепловой схемы энергоблока 800 МВт
59. Решение обратной задачи вихретокового контроля
60. Маркетинг: решение исследовательских задач
61. Задачи с решениями по ценным бумагам
62. Задачи по теории принятия решений
63. Формулы для решения задач по экономике предприятия
64. Приложения определенного интеграла к решению некоторых задач механики и физики
65. Решение систем линейных алгебраических уравнений
66. Решение смешанной задачи для уравнения
67. Динамическое программирование (задача о загрузке)
68. Линейное и динамическое программирование
69. План-конспект урока Математическое моделирование при решении экологических задач
73. Приложения определенного интеграла к решению некоторых задач механики и физики
74. Применение движений к решению задач
76. Построения коллектива с акцентом на решение задач или на поддержание отношений в нем
77. Способ устойчивого решения неустойчивых задач и его алгоритм
78. Дидактический материал для организации решения задач с педагогически запущенными детьми
79. Пути повышения эффективности обучения решению задач
80. Структура и динамика процессов решения задач
82. От решения задач к механизмам трансляции деятельности
83. Нечеткая логика при решении криминологических задач
84. Дифференциальные уравнения движения точки. Решение задач динамики точки
85. Решение обратных задач теплопроводности для элементов конструкций простой геометрическо формы
89. Задачи по экономике с решениями
90. Задача динамического программирования
91. Постановка и разработка алгоритма решения задачи Учёт основных средств
93. Настройка и решение обратной петрофизической задачи
94. Применение Информационной Системы «GeoBox» для решения задач автоматизации строительства скважин
95. Решение задачи одномерной упаковки с помощью параллельного генетического алго-ритма
96. Задачи по моделированию с решениями
97. 5 различных задач по программированию
98. Расчет экономической эффективности применения ПЭВМ для решения задачи