книги / Математические методы принятия решений
..pdfПри использовании подзадачи-теста быстрее находится эффек тивная точка, в том числе при неограниченности на D всех кри териев. Подзадачу можно применять в начальной граничной точке и повторять проверку после каждого шага максимизации или про верять каждую граничную точку. При использовании этого метода задача не решается, если все критерии не ограничены на D и Е ф 0 .
Методом Эккера—Куоды решается вспомогательная задача
max{eTs}
при условиях |
|
|
С х = Is + Схо, А х = b, |
R n, |
0 ^ s е Шк |
Если (х*, s*) —оптимальное решение |
этой |
задачи, то х* е Е, |
и если целевая функция eTs не ограничена сверху, то Е = 0 . Здесь нет гарантии того, что обнаруженная эффективная точка будет точ кой области D.
В методе Бенсона предлагается следующая процедура для опре деления исходной эффективной крайней точки.
1.Пусть D ф 0 . Найти любую точку XQ е D.
2.Решить задачу
m in{—ZTC XQ + uTb}
при условиях
zTC — uTA + wT = —eTC, w , z ^ 0.
Если оптимальное решение этой задачи не существует, то задача МКЛП не имеет эффективных точек. Если существует оптимальное решение (z$, и%, W $), т о переходим к шагу 3.
3. Положить X = (zo + e) и решить задачу тах{ХтС т | х е D}. В результате найдем начальную эффективную крайнюю точку.
§ 5.15. Минимальные значения критериев на множестве эффективных точек
Для того чтобы определить минимальное значение г-го критерия на эффективном множестве Е, необходимо решить следующую за дачу:
т.т{с}х = Z i \ x e Е}.
Поскольку эффективное множество Е неизвестно в явном ви де, то нельзя непосредственно решить эту задачу. Для большинства задач МКЛП множество Е не является выпуклым.
Один из способов решения поставленной задачи базируется на использовании таблицы выигрышей (табл. 5.12). Строки табли цы выигрышей представляют собой критериальные векторы, по лученные в результате максимизации отдельных критериев. В том случае, когда оптимум не единственный, необходимо принять спе циальные меры, чтобы все критериальные векторы, стоящие в стро ках, были недоминируемыми. Величины z*, стоящие на главной диагонали, образуют вектор максимальных значений критериев на множестве эффективных точек. Минимальное значение в j -м столбце таблицы выигрышей —это некоторая оценка минимально го значения j-ro критерия на множестве Е. Если минимальное по столбцу значение находится в строке, в которой стоит доми нируемый критериальный вектор, то оно может оказаться меньше искомого минимума на множестве Е. Если строка, содержащая минимальное значение, является недоминируемым критериальным вектором, то минимальное значение либо определяет минималь ное значение критерия на множестве Е, либо является его оценкой сверху. В целом, этот подход не всегда приводит к оптимальному решению.
|
|
|
Таблица 5.12 |
Таблица выигрышей |
|||
Критерий |
Z\ |
Z i |
Zk |
z\ |
Z\ |
Z\2 |
Z\k |
Z2 |
Z2\ |
* |
Z2k |
Z2 |
|||
Zk |
Zk\ |
Zk2 |
zk |
Для определения минимального на множестве эффективных то чек значения г-го критерия можно использовать симплекс-метод. Поочередно лексикографически максимизируя каждый из критери ев, строим таблицу выигрышей. Пусть zmi —минимальное значение критерия, находящееся в г-м столбце таблицы выигрышей. Доба вим в условия-ограничения задачи еще одно ограничение с}х ^ zmi.
Начнем счет с граничной точки, соответствующей zmj. Исследуем грань с]х = zmi нового (после дополнительного ограничения) мно жества допустимых точек с целью найти такую граничную точку, из шторой исходит эффективное ребро с убывающим значением г-го критерия. Если такого ребра нет, то текущее значение zmi и есть минимальное значение г-го критерия на Е; процесс окончен. Ес ли такое ребро существует, то производим замещение переменной вдоль этого ребра методом Жордана и переходим в крайнюю точку на другом его конце, где значение г-го критерия равно z ^ . Вво дим дополнительное ограничение с\х ^ z ^ и повторяем процеду ру. Алгоритм заканчивает работу в точке минимума г-го критерия на множестве эффективных точек.
§ 5.16. Параметризация целевой функции
Рассмотрим алгоритм метода взвешенных сумм на примере па раметризации целевой функции для задачи ЛП с одним критерием. Аналогичная задача рассматривалась в § 5.2.
Исходная задача имеет вид
max {cj a: = z}, x e D .
Задан вектор сг е Мп, который определяет изменения координат це левой функции; вводится параметризованный (суммарный) гради ент целевой функции с+ e R":
с+ = с1 + Рс2,
где Р е [0, Ртах]- Отсюда находится последовательность парамет рически оптимальных граничных точек (и ребер) при изменении Р от 0 до Ртах.
Точка х 6 D называется параметрически оптимальной, если она максимизирует величину (с+)Тх, х е D, для некоторого значения
Р е [0, Рта*]- При использовании метода взвешенных сумм вводится выпук
лая комбинация векторов
ХеЛ
итогда с+ = Xjci + Х2С2.
Между рассмотренными подходами существует прямая связь:
X,
Однако в первом подходе вектор с+ не достигает вектора сг (только стремится к нему), во втором — с+ = Х2С2 при Xi = 0.
В поставленной задаче требуется определить критические зна чения Р или X] и Хг, при которых новые базисы (крайние точки) становятся параметрически оптимальными (т. е. происходит смена базиса). Задача решается в три этапа.
I. Находим допустимую крайнюю точку из области D для реше ния симплекс-методом задачи ЛП
т а х { с |х = г}, х е D.
II. Решаем задачу ЛП тах{с{ж = z} при х е D, в результате по лучаем исходный параметрически оптимальный базис.
III. Заменяем с\ (градиент целевой функции z\) на с+ = X1cj + + Х2С2 и получаем остальные параметрически оптимальные базисы (крайние точки), варьируя значения Хг от 0 до 1. При этом строка с+ —2+ есть сумма по г, г = 1,2, произведения весового коэффици ента Х{ на строку Cij —Zij.
Впроцессе решения могут возникнуть следующие ситуации.
1.Все небазисные элементы C2j — Z2j не положительны. В этом случае исходная точка оптимальна.
2.Существуют небазисные положительные элементы C2j — Z2j,
т. е. найдется выпуклая комбинация, при которой 4 - 4 > 0; неба зисную переменную, соответствующую этому элементу, переводим в базис. Берем тот элемент с+ —z t , который первым стал больше нуля при увеличении значения Хг. Ближайшим большим критиче ским значением Хг будет величина
где J = { j I (c2j - z2j) > 0, (cij - z\j) < 0}.
То значение j, при котором дробь минимизируется, указывает небазисную переменную, переводимую в базис. Далее продолжает
ся параметризация по Х2. |
|
|
|
Задача 1. Для с\ = ( - 3 , - 1 ) т и |
с2 = ( 1,2)т рассмотрим задачу |
||
параметрического ЛП с ограничениями (рис. 5.19): |
|||
|
х2 0 , |
3 x i —х2 ^ 6, x i , x 2 ^ 0 . |
|
|
Р е ш е н и е . |
Оптимальную исходную |
|
|
симплекс-таблицу (табл. 5.13) задачи ЛП |
||
|
|
тах { с]х | х е D) |
|
|
дополним строкой |
||
|
|
c2j - |
z2j, Z j = clvj, |
Рис. 5.19. Допустимое |
где сь — часть координат вектора с*, стоя- |
||
множество задачи 1 |
щих в базИСНЬ1Х столбцах; yj —элементы |
j-ro столбца матрицы. В рассматриваемом случае сц, = (0,0)т, с2ь = = (0, 0)т — два базисных вектора, аз и «4 —слабые переменные.
|
|
|
Таблица 5.13 |
||
|
Оптимальная исходная |
|
|
||
|
симплекс-таблица |
|
|
|
|
Базис |
Свободный член |
Х \ |
Х 2 |
S3 |
54 |
$3 |
3 |
0 |
Ш |
1 |
0 |
5 4 |
6 |
3 |
- 1 |
0 |
1 |
С\ |
|
- 3 |
- 1 |
0 |
0 |
С 2 |
|
1 |
2 |
0 |
0 |
C \ j — Z \ j |
|
- 3 |
- 1 |
0 |
0 |
C 2 j Z 2 j |
|
1 |
2 |
0 |
0 |
Для небазисных переменных |
Х) и |
х2 имеем c\j —z\j < О, |
a c2j —z2j > 0, т. е. множество J |
равно |
{1;2}. Вычислим крити |
ческие значения весовых коэффициентов: |
|
х* =т Ч -Т ^ Ъ );2 Тг} = Т "P" j =2; Xl = f
Переменную х 2 перенесем в базис (в табл. 5.13 обведен генераль ный элемент). Вектор
, |
2 |
1 |
Т |
|
сз С| + Т С2 =
ортогонален ребру у ( х \ х 2)\ строка Cj — Zj~ имеет вид (—2/5,0,0,0). В результате вычислений получим табл. 5.14, в которой с\ъ =
= (—1,0)т, С2ь = (2, 0)т. Только для столбца х\ |
выполнены условия |
|||||
|
|
Вторая итерация |
Таблица 5.14 |
|||
|
|
|
|
|
||
Базис |
Свободный член |
Х\ |
Х2 |
S3 |
S4 |
|
|
х 2 |
3 |
0 |
1 |
1 |
0 |
|
54 |
9 |
Ш 0 |
1 |
1 |
|
C\j |
Z\j |
|
- 3 |
0 |
1 |
0 |
Cij |
—Z2j |
|
1 |
0 |
- 2 |
0 |
cij — z\j < 0 и C2j — Z2j > 0, т. е. j = 1. Новыми критическими зна чениями весовых коэффициентов являются
3_
h = min |
4 и |
Х1 = 4 ‘ |
Переменную х х переводим в базис. Вектор |
|
|
с+ = - с , |
+ - с 2 = (0, - ) |
|
ортогонален ребру у(х2, х 3); строка Cj —Zj |
имеет вид (0,0, —5/4,0). |
Вводим в базис переменную х\. В результате вычислений получаем табл. 5.15.
Таблица 5.15
Последняя симплекс-таблица
Базис |
Свободный член |
Х\ |
Х2 |
S3 |
S4 |
х2 |
3 |
0 |
1 |
1 |
0 |
Х\ |
3 |
1 |
0 |
1 /3 |
1 /3 |
c\j — Z\j |
|
0 |
0 |
2 |
1 |
C2j |
Z2j |
0 |
0 |
- 7 / 3 |
- 1 / 3 |
В табл. 5.15 имеем с у —z y > 0, сц — z y < О, т. е. J = 0 , следо вательно, процесс завершен.
Получили следующие подмножества множества Л, относящи еся к различным параметрически оптимальным крайним точкам и ребрам:
Лх>= { х е л |х 1б [ | , 1 ] д 2б[0, у ]} ,
^Х G Л Xi |
^ , Х2 |
| , |
ла.2 = {хбЛ |
[ j > j ] » x2e [ р т ] } ’ |
ЛдЗ = |х е Л h 6
Задача 2. С помощью метода взвешенных сумм провести анализ задачи МКЛП:
с = ( - 1 , 3 ) \ |
с2 = (3 ,3)т, сз = (1,2)т |
при условиях |
|
х г ^ 4 , |
XI + 2 х 2 4: ю , |
2X I + X 2 ^ 10, х ь Х г ^ О . |
||
Область допустимых значений задачи приведена на рис. 5.20. |
||||
|
|
Р е ш е н и е . Параметризованный (сум |
||
|
|
марный) градиент целевой функции име |
||
|
|
ет вид |
|
|
|
|
|
с+ =Xici +Х2 С2 + Х3 С3 , |
|
|
|
где X = (Xi,Х2,Хз)еА = | х е R 3 Х ^ О , |
||
|
|
3 |
1 |
1 |
|
|
2 ^ - 1 } . |
|
|
|
|
i = 1 |
J |
|
|
|
Найдем подмножества множества А, |
||
Рис. 5.20. Допустимое |
принадлежащие различным параметриче- |
|||
множество задачи 2 |
ски оптимальным крайним точкам и реб |
|||
рам. Решим задачу ЛП ш ах{cjx \х е D} |
и добавим в полученную |
|||
оптимальную |
симплекс-таблицу |
строки |
для cij —Z2j и су — z y |
(табл. 5.16). После решения задачи ЛП мы получим начальную па раметрически оптимальную точку х 1 = (0,4) (см. рис. 5.20).
Переводим переменную х\ в базис и переходим при использо вании метода Жордана в точку х 2 = (2,4) (табл. 5.17).
Таблица 5.17
Вторая итерация
Базис |
Свободный член |
X\ |
X l |
S 3 |
S4 |
85 |
х2 |
4 |
0 |
1 |
1 |
0 |
0 |
Х\ |
2 |
1 |
0 |
- 2 |
1 |
0 |
S5 |
2 |
2 |
0 |
|
- 2 |
1 |
C\j — Z\j |
|
0 |
0 |
- 5 |
1 |
0 |
Clj — Z2j |
|
0 |
0 |
3 |
- 3 |
0 |
С3 j ~~ Z3j |
|
0 |
0 |
0 |
- 1 |
0 |
Для определения подмножества Ах 2 аналогично получим си стему
—5Х1 + ЗХ2 ^ 0,
|
Xi — ЗХ2 — Х3 ^ о, |
|
|
Xi + Х2 + Х3 = 1, X 6 Л , |
|
или, исключая переменную Хз, имеем |
||
— 5Xj + ЗХ2 ^ |
0, 2Xi — 2X2 ^ 1, |
Xi + Х2 ^ 1, X i, Х2 ^ 0. |
Отсюда получаем |
X1= (1/2,0,1/2), |
X2 = (3/4,1/4,0), X3 = (0,0,1), |
X4 = (3/8,5/8,0). Подмножество Лх2 изображено на рис. 5.22. Далее переходим в точку х 3 = (10/3, 10/3) (табл. 5.18).
Таблица 5.18
Последняя итерация
Базис |
Свободный член |
X l |
X l |
S 3 |
S 4 |
85 |
|
x2 |
|
10/3 |
0 |
1 |
0 |
2/3 |
- 1 / 3 |
X\ |
|
10/3 |
1 |
0 |
0 |
- 1 / 3 |
2/3 |
$3 |
|
2/3 |
0 |
0 |
1 |
- 2 / 3 |
1/3 |
C \ j - |
z Xj |
|
0 |
0 |
- 5 |
- 7 / 3 |
5/3 |
c 2j - |
z 2j |
|
0 |
0 |
3 |
- 1 |
-1 |
c3j ~ Z3j |
|
0 |
0 |
0 |
- 1 |
0 |