- •Предисловие
- •1.1. Постановка и классификация задач
- •1.2. Основные определения
- •1.3. Классический метод определения экстремума функции
- •Контрольные вопросы и задания
- •Глава 2. Одномерная оптимизация
- •2.1. Интервал неопределенности
- •2.2. Метод дихотомии
- •2.3. Метод фибоначчи
- •2.4. Метод золотого сечения
- •2.5. Метод квадратичной интерполяции
- •Контрольные вопросы и задания
- •Глава 3. Оптимизация функций нескольких переменных
- •3.1. Методы прямого поиска
- •3.1.1. Метод покоординатного спуска
- •3.1.2. Метод поиска Хука – Дживса
- •Метод Розенброка (метод вращающихся координат)
- •Метод Нелдера-Мида (метод деформируемого многогранника)
- •Метод сопряженных направлений Пауэлла
- •3.1.6. Методы случайного поиска
- •3.2. Градиентные методы
- •3.2.1. Метод наискорейшего спуска
- •Метод сопряженных градиентов Флетчера и Ривса
- •3.3. Методы второго порядка
- •3.3.1. Метод Ньютона
- •3.3.2.Метод Дэвидона - Флетчера - Пауэлла
- •Итерационная процедура Дэвидона-Флетчер-Пауэлла может быть представлена последовательностью шагов.
- •Контрольные вопросы и задания
- •Глава 4. Условная оптимизация
- •4.1. Множители лагранжа
- •4.2. Условия куна - таккера
- •Методы решения задач условной оптимизации
- •4.3.1. Метод последовательной безусловной оптимизации
- •4.3.2.Метод скользящего допуска
- •Контрольные вопросы и задания
- •Глава 5. Линейное программирование
- •5.1. Постановка задачи лп
- •Тогда задача лп (1) - (3) запишется в виде
- •5..2. Каноническая и стандартная формы задачи лп
- •5.3. Симплекс - метод
- •Порождение начального допустимого базисного решения
- •Двойственность в линейном программировании
- •5.6. Транспортная задача
- •Контрольные вопросы и задания
- •Заключение
- •Библиографический список
- •Глава1. Безусловная оптимизация………..………4
- •Глава 2. Одномерная оптимизация………..….…….9
- •Глава 3. Оптимизация функций нескольких переменных………………………………………..….…..20
- •Глава 4. Условная оптимизация…………………..49
- •Глава 5. Линейное программирование…………..60
- •Лидия Ивановна Лыткина Методы оптимизации с программами в системе mathcad
- •660014, Красноярск, просп. Им. Газ. ”Красноярский рабочий”, 31.
Порождение начального допустимого базисного решения
При решении реальной задачи, представленной в виде математической модели ЛП, ограничения могут быть заданы в различных видах. Базисное допустимое решение не всегда очевидно. Необходимо указать метод автоматического порождения начального допустимого базисного решения.
Пусть в задачу ЛП входят ограничений и(исходных) переменных. Допустим среди всех ограничений задачиограничений имеют знак , ограничений имеют знак = и ограничений имеют знак , и эти ограничения расположены именно в таком порядке (). Предположим, что правые части ограничений положительны (все наши предположения не нарушают общности задачи).
Исходная задача имеет вид
при ограничениях
; ,
В первые ограничений введем дополнительные переменныес коэффициентом –1. В последниеограничений введем дополнительные переменныес коэффициентом +1. Далее в первыеограничений введем искусственные переменныес коэффициентом +1. Искусственные переменные вместе с последнимидополнительными переменными образуют начальное допустимое базисное решение, значения которых совпадают с правыми частями ограничений.
В целевую функцию дополнительные переменные входят с нулевыми коэффициентами, а искусственные - с коэффициентами, равными очень большому числу (машинной бесконечности). Это приводит к тому, что при минимизации искусственные переменные будут выводиться из базиса в первую очередь.
Двойственность в линейном программировании
Общая задача линейного программирования имеет вид
при ограничениях
(6)
; .
Задача, состоящая в нахождении минимума целевой функции
,
при наличии ограничений
(7)
называется двойственной по отношению к задаче (6).
Двойственная задача (7) составлена согласно следующим правилам:
коэффициентами целевой функции двойственной задачи являются свободные члены системы ограничений исходной задачи;
свободными членами системы ограничений двойственной задачи являются коэффициенты целевой функции исходной задачи;
матрица коэффициентов системы ограничений транспонирована;
если исходная задача поставлена на нахождение максимума, то двойственная задача ставится на определение минимума, и наоборот. Неравенства вида в системе ограничений исходной задачи заменяются неравенствами вида в двойственной задаче, и наоборот.
Обычно говорят о паре двойственных задач линейного программирования. Всего существует четыре типа пар двойственных задач линейного программирования:
исходная задача двойственная задача
Первые две задачи называются несимметричными, а две последние - симметричными двойственными задачами линейного программирования. В несимметричных задачах двойственные переменные не имеют ограничения в знаке, что надо учитывать при решении симплекс-методом.
Связь между оптимальными решениями пары двойственных задач устанавливает теорема двойственности (для задач типа 3,4).
Теорема. Если из пары двойственных задач одна имеет конечное решение, то и другая будет иметь конечное решение, причем
.
Если целевая функция одной из задач не ограничена в области допустимых решений, то другая задача вообще не имеет решений (ее система ограничений несовместна).
Теория двойственности позволила усовершенствовать симплекс-метод и создать так называемый улучшенный симплекс-метод, который в основном и применяется. Улучшенный симплекс-метод позволяет получать сразу решение и исходной, и двойственной задач. Поэтому можно выбирать один из вариантов: решать ли задачу в том виде, в котором она поставлена, или решать двойственную задачу. Так как объем вычислений в задаче линейного программирования связан скорее с количеством ограничений, чем с количеством переменных, то можно порекомендовать переходить к двойственной задаче в случае, когда ограничений больше, чем переменных.
Теория двойственности позволяет также проводить анализ устойчивости решения при изменении коэффициентов , т.е. определяет границы изменения этих коэффициентов, при которых базис остается тем же самым, и решать всю задачу сначала нет необходимости. Кроме того, анализ изменений в виде введения дополнительного ограничения или исключения ограничения позволяет либо не решать задачу заново и воспользоваться уже существующим решением, либо существенно облегчить новое решение за счет уже существующего.
Все это имеет большое значение для практики, т.е. позволяет лицу, принимающему решение, ориентироваться при изменении условий: заранее знать изменится или нет оптимальное решение, нужен ли дополнительный анализ, понадобится ли еще раз принимать решение.