Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Каноническая ЗЛПОсновная ЗЛП ЗЛП во многих случаях оказывается ассоциированной с задачей распределительного типа или с задачей производственного планирования, в которой требуется распределить ограниченные ресурсы по нескольким видам производственной деятельности. Такую ЗЛП можно поставить следующим образом: найти значения переменных Х1,Х2,…,Хn, максимизирующие линейную форму = (3.4) при условиях , i= 1,…,m (3.5) xj ³0, j=1,…,n (3.6) или в векторно-матричной форме (3.7) A £ (3.8) x ³ , (3.9) где =(с1,с2,…,сn); =(b1,b2,…,bm); А=(aij) – матрицы коэффициентов ограничений (3.5). Задача (3.4)- (3.6) или (3.7) – (3.9) называется основной ЗЛП. Основная ЗЛП является частным случаем общей ЗЛП при m1=m, p=n.
Каноническая ЗЛП
Для построения общего метода решения ЗЛП разные формы ЗЛП должны быть приведены к некоторой стандартной форме, называемой канонической задачей линейного программирования (КЗЛП). В канонической форме 1. все функциональные ограничения записываются в виде равенств с неотрицательной правой частью; 2. все переменные неотрицательны; 3. целевая функция подлежит максимизации Таким образом, КЗЛП имеет вид (3.10) , (3.11)
(3.12) или в векторно-матричной форме (3.13) (3.14) (3.15) КЗЛП является частным случаем общей ЗЛП при m1=0, p=n
Любую ЗЛП можно привести к каноническому виду, используя следующие правила: а) максимизация целевой функции = c1x1+…+cnxn равносильна минимизации целевой функции - =-c1x1 -…-cnxn; б) ограничение в виде неравенства, например, 3Х1+2Х2-Х3£6, может быть приведено к стандартной форме 3Х1+2Х2-Х3+Х4=6, где новая переменная Х4 неотрицательна. Ограничение Х1 -Х2+3Х3³10 может быть приведено к стандартной форме Х1 -Х2+3Х3-Х5=10, где новая переменная Х5 неотрицательна; в) если некоторая переменная Хk может принимать любые значения, а требуется, чтобы она была неотрицательная, ее можно привести к виду , где ³0 и ³0. Max f (x) = 3X1 + 2X2 X1 + 2X2 ≤ 11 2X1 - X2 ≥ 5 X1 + 3X2 = 14 X2 ≥ 0 КЗЛП: F(x)=3х1+2х2+0х3+0х4 Х1+2х2+х3=11 2х1-х2-х4=5 Х1+3х2+0х3+0х4=14 Х1,2,3,4 ≥ 0 2. Алгоритм графического метода решения ЗЛП. Решить ЗЛП графическим методом: Minf (x) = 4х1+ 3х2 х1+ 2х2 £ 12 х1+ 2х2³3 2х1 + х2£ 12 х1³ 0, х2 ³ 0 Графическим методом целесообразно решать ЗЛП, содержащие не более двух переменных. Алгоритм графического метода рассмотрим применительно к задаче: 3Х1 + 2Х2 (3.16) при Х1 + 2Х2 6 (а) 2Х1 + Х2 8 (б) Р = Х1+0,8Х2 5 (в) (3.17) -Х1 + Х2 1 (г) Х2 2 (д) Х1 0, Х2 0 (е) Шаг 1. Строим область допустимых решений (3.17) - область Р, т.е. геометрическое место точек, в котором одновременно удовлетворяются все ограничения ЗЛП. Каждое из неравенств (а)-(д) системы ограничений (3.17) задачи геометрически определяет полуплоскость соответственно с граничными прямыми: Х1 + 2Х2 = 6 (а) 2Х1 + Х2= 8 (б) Х1+0,8Х2= 5 (в) -Х1 + Х2= 1 (г) Х2= 2 (д) Условия неотрицательности переменных (е) ограничивают область допустимых решений первым квадратом. Области, в которых выполняются соответствующие ограничения (3.17) в виде неравенств, указываются стрелками, направленными в сторону допустимых значений переменных (рис. 3.1). Рис. 3.1 Если система неравенств (3.17) совместна, область ее решений есть множество точек, принадлежащих всем указанным полуплоскостям. Полученная таким образом область допустимых решений Р - планов ЗЛП (рис. 3.1) есть многоугольник ABCDEF - замкнутое, ограниченное, выпуклое множество с шестью крайними или угловыми точками: A, B, C, D, E, F. Шаг 2. Строим вектор-градиент линейной формы , указывающий направления возрастания функции . Шаг 3. Строим прямую С1Х1 +С2Х2 = const - линию уровня функции , перпендикулярную вектору-градиенту : 3Х1 + 2Х2 = const (рис.3.2)
Рис. 3.2 Шаг 4. В случае максимизации передвигают прямую 3Х1 + 2Х2 = const в направлении вектора до тех пор, пока она не покинет область Р. Крайняя точка (или точки) области, в которой линия уровня покидает допустимую область, и является решением задачи (рис. 3.3). Крайняя точка С - точка максимума , С = лежит на пересечении прямых (а) и (б). Для определения ее координат решим систему уравнений: Х1 + 2Х2 = 6 2Х1 + Х2 = 8. Откуда Х*1 = 10/3; X*2 = 4/3 или = (10/3; 4/3). Подставляя значения Х*1 и X*2 в функцию , найдем max = = 3 . 10/3 + 2 . 4/3 = 38/3. Замечания. 1. В случае минимизации прямую С1Х1 +С2Х2 = const надо перемещать в направлении (- ), противоположном . 2. Если допустимая область решений Р представляет собой неограниченную область и прямая при движении в направлении вектора (или противоположном ему) не покидает Р, то в этом случае не ограничена сверху (или снизу), те (или ). 3. Основные теоремы линейного программирования: сформулировать все, доказать теорему о крайней точке (Т 1). Теорема 1. (о крайней точке) Опорный план ЗЛП является крайней точкой множества P’ и наоборот. Следствие 1. Крайняя точка множества P’ может иметь не более m строго положительных компонент. Следствие 2. Число крайних точек множества P’ конечно не превышает . Следствие 3. Если множество P’ ограниченное, то оно является выпуклым многогранником. Теорема 2 (о существовании опорного плана или решения ЗЛП) Если линейная форма ограничена сверху на непустом множестве P’, то ЗЛП разрешима, то есть существует такая точка , что .
Теорема 3 Если множество P’ не пусто, то оно имеет опорный план (или крайнюю точку). Теорема 4. Пусть векторы - планы задачи линейного программирования. Тогда вектор
(3.34)
где (3.35)
будет решением задачи линейного программирования тогда и только тогда, когда её решением является каждый из векторов.
Теорема 5 Пусть вектор является решением задачи линейного программирования. Тогда существует опорный план, на котором функция достигает своего глобального максимума.
Теорема 1 (о крайней точке) Опорный план (вектора a линейно независимы) КЗЛП является крайней точкой множества P` и наоборот. Доказательство. Пусть вектор - опорный план ЗЛП, у которого компоненты строго положительные, а остальные (n-k) компонент равны нулю. Тогда согласно определению опорного плана векторы линейно независимы. Предположим, что вектор не является крайней точкой множества, т.е. существуют векторы и такие что . Векторы и - планы ЗЛП. Это означает, во-первых, что компоненты векторов и неотрицательные и ровно k компонент данных векторов могут быть строго положительными. Остальные (n-k) компонент каждого из этих векторов равны нулю. Во-вторых, компоненты векторов и удовлетворяют функциональным ограничениям ЗЛП. Следовательно Вычитая из первого равенства второе получим так как векторы линейно независимы, то следует что Следовательно Получено противоречие, следовательно -крайняя точка множества .
4. Основные теоремы линейного программирования: сформулировать все, доказать теорему о существовании опорного плана (теорема 3).
Теорема 1. (о крайней точке) Опорный план ЗЛП является крайней точкой множества P’ и наоборот. Следствие 1. Крайняя точка множества P’ может иметь не более m строго положительных компонент. Следствие 2. Число крайних точек множества P’ конечно не превышает . Следствие 3. Если множество P’ ограниченное, то оно является выпуклым многогранником. Теорема 2 (о существовании опорного плана или решения ЗЛП) Если линейная форма ограничена сверху на непустом множестве P’, то ЗЛП разрешима, то есть существует такая точка , что .
Теорема 3 Если множество P’ не пусто, то оно имеет опорный план (или крайнюю точку). Теорема 4. Пусть векторы - планы задачи линейного программирования. Тогда вектор
(3.34)
где (3.35)
будет решением задачи линейного программирования тогда и только тогда, когда её решением является каждый из векторов.
Теорема 5 Пусть вектор является решением задачи линейного программирования. Тогда существует опорный план, на котором функция достигает своего глобального максимума.
Теорема 3 Если множество P’ не пусто, то оно имеет опорный план (или крайнюю точку).
|