Текущий вес рюкзака определяется выражением

Лекция №11.

Задача о загрузке рюкзака (задача о ранце).

Постановка задачи. Пусть имеются N видов грузов с номерами .

Единица груза j-го вида имеет все a_j. Если груз j-го вида берется в количестве x_j, то его ценность в общем случае составляет F(x_j). Имеется «рюкзак», грузоподъемность которого равна B. Требуется загрузить рюкзак имеющимися грузами таким образом, чтобы вес его был не больше заданного B, а ценность «рюкзака» была максимальной.

Составим Мат. Модель задачи. Пусть x_j – количество груза j-го вида, помещаемого в рюкзак. Тогда можно записать:

(1)

(2)

(3)

Здесь х _j могут быть и целыми числами. В общем случае это задача нелинейного программирования с сепарабельной целевой функцией, следовательно, она м.б. решена методом ДП.

Для этого погрузку «рюкзака» можно интерпретировать как N-этапный процесс принятия решений: на 1-м этапе принимается решение о том, сколько нужно взять груза 1-го вида, на 2-ом этапе – сколько груза 2-го вида и т.д. Такая интерпретация наталкивает на возможность применения для решения задачи (1) – (3) метода динамического программирования. Для этого приведем задачу (1) – (3) к виду (4) – (7) из предыдущей лекции.

Для этого введем обозначения: – вес рюкзака перед погрузкой груза j-го вида груза или вес рюкзака после погрузки грузов видов 1, 2, …, j – 1.Очевидно, что

y₁ = 0. (4)

Текущий вес рюкзака определяется выражением

(5)

Текущий вес рюкзака в силу (2) удовлетворяет неравенству

£ B. (6)

Очевидно ограничения (4) – (6) эквивалентны ограничению (2), поэтому вместо модели (1) – (3) можно рассматривать модель (1), (3) – (6). Здесь ограничение (6) выводит эту модель за рамки модели (4) – (7) из предыдущей лекции. Для сведения задачи к общему виду задач динамич. программирования, запишем (6) с учетом (5):

.

Отсюда следует: ,

или окончательно с учетом (3):

(7)

В результате исходная модель (1) – (3) свелась к эквивалентной модели вида

(8)

(9)

(10)

(11)

Задача (8)-(11) является частным случаем общей задачи динамического программирования, в которой . Здесь ограничение (9) является рекуррентным и отражает процесс загрузки рюкзака, а неравенство (10) задает область возможных значений .

Рассмотрим решение задачи (8)-(11) методои динамического программирования:

1 шаг. Вычисляется величина

(12).

В результате решения серии задач максимизации получаем точки максимума и значения .

S-тый шаг (). Вычисляются величины

(13)

В результате решения серии задач максимизации, получаем и . При s=1 решается только одна задача на максимум, т.к. значение - задано.

Для определения безусловных точек максимума, т.е. решения исходной задачи, проводим обратное движение алгоритма:

.

Отсюда:

.

Далее: . И так далее . Причем есть максимальное значение целевой функции.

Наличие условия целочисленности переменных x_j и упрощает решение задачи. В этом случае . Здесь [] указывает на то, что берется целая часть числа. Если не целые, то .

Пример:

Постановка задачи:

Имеется свободный капитал в размере 4 млн. у.е. Этот капитал может быть распределен между 4-мя предприятиями, причем распределение осуществляется только целыми частями (0, 1, 2, 3 или 4 млн. у.е.). Прибыль, получаемая каждым предприятием при инвестировании в него определенной суммы, указана в таблице.

Требуется распределить инвестиции между предприятиями из условия максимальной общей прибыли.

Построение ММ.

Обозначим: х_j - количество капиталовложений, выделенных j -тому предприятию (). Тогда прибыль, записанная в таблице, можно обозначить как F_j(x_j) (). Например, F₁(0)=0; F₁(1)=10; F₁(2)=17 и т.д..... F₂(0)=0; F₂(1)=11; F₄(4)=35.

Тогда математическая модель примет вид:

х_j≥ 0 – целые, ()

Данная модель является частным случаем задачи о загрузке рюкзака, где N=4, В=4, а_j =1 (). Введя новую переменную y_j - израсходованные средства до выделения капиталовложений j -тому предприятию, приведем исходную модель к виду ЗДП:

; ()

y₁= 0;

; ()

Решение задачи проведем в соответствии с алгоритмом динамического программирования:

Шаг.

1) Зафиксируем y₄=0. Тогда допустимые значения x₄Î[0, 4-0]=[0,1,2,3,4].

1.1) x₄=0. Тогда F₄(0)=0.

1.2) x₄=1. F₄(1)=9.

1.3) x₄=2. F₄(2)=19.

1.4) x₄=3. F₄(3)=26

1.5) x₄=4. F₄(4)=35.

Максимальное значение , и достигается оно при x₄=4. Таким образом, заполняется первая строчка таблицы.

2) Зафиксируем y₄=1. Тогда допустимые значения x₄Î[0, 4-1]= [0,1,2,3].

2.1) x₄=0. Тогда F₄(0)=0.

2.2) x₄=1. F₄(1)=9.

2.3) x₄=2. F₄(2)=19.

2.4) x₄=3. F₄(3)=26

Максимальное значение , и достигается оно при x₄=3. Таким образом, заполняется вторая строка таблицы.

Далее аналогично фиксируем y₄=2, y₄=3, y₄=4. Заполняем оставшиеся строки таблицы.

Таблица шага №1.

y4 x4
					-
				-	-
			-	-	-
		-	-	-	-

Шаг.

1) Зафиксируем y₃=0. Тогда допустимые значения x₃Î[0, 4-0]=[0,1,2,3,4].

1.1) x₃=0. Тогда F₃(0)=0. Определим значение второго слагаемого: при y₃=0 и x₃=0. Найдем y₄=0+0=0. Тогда, обратившись к таблице шага 1, увидим, что . Следовательно, F₃(0)+ =0+35=35. Этот результат заносим в таблицу шага 2 в ячейку, соответствующую y₃=0 и x₃=0.

1.2) x₃=1. Аналогично: F₃(1)=10. Найдем y₄= y₃+ x₃=0+1=1. Из таблицы шага 1 определим: = . Сумма

F₃(1)+ =10+26=36.

1.3) x₃=2. F₃(2)=18. y₄=0+2=2. Þ = =19. Тогда F₃(2)+ =18+19=37.

1.4) x₃=3. F₃(3)=24, y₄=0+3=3. Þ = =9. Тогда

F₃(3)+ =24+9=33.

1.5) x₃=4. F₃(4)=34. y₄=0+4=4. Þ = =0. Тогда

F₃(4)+ =34+0=34.

Максимальное значение =37, и достигается оно при x₃=2. Первая строчка таблицы заполнена.

2) Зафиксируем y₃=1. Тогда допустимые значения x₃Î[0, 4-1]= [0,1,2,3].

2.1) x₃=0. F₃(0)=0. y₄=1+0=1. Þ = =26. Тогда

F₃(0)+ =0+26=26.

2.2) x₃=1. F₃(1)=10. y₄=1+1=2. Þ = =19. Тогда

F₃(1)+ =10+19=29.

2.3) x₃=2. F₃(2)=18. y₄=1+2=3. Þ = =9. Тогда

F₃(2)+ =18+9=27.

2.4) x₃=3. F₃(3)=24 y₄=1+3=4. Þ = =0. Тогда

F₃(3)+ =24+0=24.

Максимальное значение , и достигается оно при x₃=1. Таким образом, заполняется вторая строка таблицы.

3) Зафиксируем y₃=2. Тогда допустимые значения x₃Î[0, 4-2]= [0,1,2].

3.1) x₃=0. F₃(0)=0. y₄=2+0=2. Þ f₄ (2) =19. F₃(0)+ f₄ (2)=0+19=19.

3.2) x₃=1. F₃(1)=10. y₄=2+1=3. Þ =9. F₃(1)+ =10+9=19.

3.3) x₃=2. F₃(2)=18. y₄=2+2=3. Þ =0. F₃(2)+ =18+0=18.

Максимальное значение достигается при двух возможных значениях x₃: x₃=1 и x₃=0. В таблицу можно занести любое из них. Таким образом, заполняется третья строка таблицы.

Далее аналогично фиксируем y₃=3, y₃=4. Заполняем оставшиеся строки таблицы.

Таблица шага №2.

y3 x3
					-
				-	-		0 (или 1)
			-	-	-
		-	-	-	-

Шаг.

Все вычисления производятся аналогично шагу 2. Не останавливаясь более подробно на этапах решения подзадачи данного шага, приведем получившуюся в результате таблицу.

Таблица шага №3.

y2 x2
					-
				-	-
			-	-	-
		-	-	-	-

Шаг.

Последний шаг интересен тем, что здесь решается единственная задача максимизации при заданном y₁=0.

y₁=0. Следовательно x₁Î[0, 4-0]= [0,1,2,3,4]. Выполняя все действия, аналогично предыдущим шагам, получим таблицу последнего шага, состоящую из единственной строки, соответствующей y₁=0.

Таблица шага №4.

y1 x1
							0 (или 1)

Далее проводим обратное движение алгоритма:

1) y₁=0, x₁*=0, Þ y₂*= y₁+ x₁*=0+0=0.

2) Определяем значение x₂* из таблицы шага № 3 по найденному y₂*=0. Значению y₂= y₂*=0 соответствует значение x₂(y₂)=1. Следовательно, x₂*=1. Далее можно определить y₃*= y₂*+ x₂*=0+1=1.

3) Аналогично, обращаясь к таблице шага №2, найдем: x₃*= x₃(1)=1, Þ

y₄*= y₃*+ x₃*=1+1=2.

4) Из таблицы шага №1: x₄*= x₄(2)=2.

Окончательно имеем: первому предприятию средства не выделяются (x₁*=0), второму выделяется 1 млн. у.е. (x₂*=1), третьему предприятию – 1 млн. у.е. (x₃*=1), и четвертому – 2 млн. у.е. (x₄*=2). При этом значение целевой функции (общая прибыль по всем 4-м предприятиям) составит:

= =40.

Метод динамического программирования для ЗНП с мультипликативной целевой функцией. Задача о надёжности.

Пусть имеется оптимизационная задача вида:

(1)

(2)

(3)

-задан (4)

Здесь предполагается, что F_j(x_j,y_j)>0 для всех допустимых значений x_j,y_j. В этом случае для решения задачи (1)-(4) рекуррентные соотношения Беллмана имеют вид:

(5)

, (6)

При j=1 величина y₁ задана, поэтому в этом случае решается только одна задача максимизации.

В результате решения оптимизационных задач в соответствии (5) и (6) получим условные точки максимума и функции , . Далее, делая обратный ход алгоритма, находим окончательное решение задачи и .

Также можно записать аналог рекуррентных уравнений, если известно не начальное, а конечное состояние объекта, т. е. задано значение . В качестве примера рассмотрим