- •1. Введение 4
- •1.1. Основные методологические принципы
- •1.2. Основные определения
- •1.3. Этапы моделирования
- •5. Модели с обратной связью, динамическое проектирование.
- •2. О принципах принятия решений
- •2.1. Принятие решений в условиях неопределенности критерия.
- •Самостоятельная работа №1.
- •2.2. Принятие решения в условиях неопределенности состояния окружающей среды
- •Самостоятельная работа №2
- •3. Задачи выпуклого векторного программирования1.
- •3.1. Некоторые сведения выпуклого анализа
- •3.2. Понятие оптимальности по Слейтеру и Парето
- •3.3. Возможные (допустимые) и подходящие направления.
- •3.4. Задача выпуклого векторного программирования с ограничениями типа неравенства. Поиск подходящих направлений.
- •Самостоятельная работа №3.
- •3.4. Теорема Куна–Таккера для задачи выпуклого векторного программирования
- •Самостоятельная работа № 4.
- •4. Некоторые задачи теория игр
- •4.1. Анализ матричных антагонистических игр двух игроков .
- •Самостоятельная работа № 5.
- •4.2. Анализ матричных игр двух игроков с нулевой суммой в смешанных стратегиях.
- •Самостоятельная работа №6
- •4.3. Биматричные неантагонистические игры.
- •Самостоятельная работа № 7.
- •4.4. Взаимосвязь равновесий по Нешу и Парето в играх.
- •Самостоятельная работа № 8.
- •4.5. Динамические игры с полной информацией
- •Самостоятельная работа № 9
- •5. Задачи дискретного программирования.
- •5.1. Методы отсечения для решения задач целочисленного линейного программирования.
- •Самостоятельная работа № 10.
- •5.2. Комбинаторные методы решения задач целочисленного линейного программирования.
- •5.3. Алгоритм Ленд–Дойг.
- •Самостоятельная работа № 11.
- •5.4. Метод ветвей и границ для решения задачи о коммивояжере.
- •Самостоятельная работа № 12.
- •6.Транспортные задачи линейного программирования
- •6.1. Транспортная задача в сетевой постановке
- •Самостоятельная работа 13.
- •6.2. Транспортная задача в матричной постановке.
- •Самостоятельная работа 14.
- •7. Динамическое программирование и потоки в сетях
- •7.1. Задача оптимизации многошаговых процессов, задача о ранце.
- •Самостоятельная работа 15.
- •7.2 .Задача отыскания кратчайшего расстояния в сети между парами вершин
- •Самостоятельная работа 16.
- •7.2. Задача о максимальном потоке в сети.
- •Самостоятельная работа 17.
- •Литература.
5.3. Алгоритм Ленд–Дойг.
Исторически аналог описанного выше алгоритма разработан для задачи целочисленного линейного программирования математиками Ленд и Дойг. Несколько позже эта схема интерпретирована как метод ветвей и границ. В нем для задачи (5.2) множество X0,1есть множество всех целочисленных решений задачи. Оценку0,1есть максимум функционала задачи (5.2.) без условий целочисленности. Если при построении0,1получилось нецелочисленное решение, то множество X0,1разбивается на два подмножестваX1,1иX1,2следующим образом. Пусть в оптимальном решении задачи (5.2.), гдене целое, тогда множествоX1,1есть множество целочисленных решений системы
A x = b, |
(5.6) |
x0n , |
(5.7) |
, |
(5.8) |
xj - целое, j=1,2,3,…,n. |
(5.9) |
Множество X1,2 есть множество решений системы
A x = b, |
(5.10) |
x 0, |
(5.11) |
, |
(5.12) |
xi – целые, i =1,2,3,…, n |
(5.13) |
Оценки 1,1, 1,2получаются максимизацией функционала задачи (5.2) при ограничениях соответственно (5.6) –(5.9) и (5.10) – (5.12). Заметим, что для построения этих оценок целесообразно к последней симплекс-таблице задачи (5.2) добавлять соответственно ограничения (5.8) и (5.12) и решать задачи двойственным симплекс-методом. Дальнейшие разбиения и построение оценок проводятся аналогично.
Рассмотрим следующий пример:
x1 |
+ x2 |
|
max |
(5. 14) |
2 x1 |
+11 x2 |
|
38 |
(5. 15) |
x1 |
+ x2 |
|
7 |
(5. 16) |
4 x1 |
– 5 x2 |
|
5 |
(5. 17) |
x1 0 |
x2 0 |
|
|
(5. 18) |
x1, x2– целые |
|
|
(5. 19) |
0–ой шаг. МножествоX0,1 состоит из всех целочисленных решений задачи (5.14) – (5.19).Для получения оценки0,1решаем задачу (5.14)– (5.18). После решения этой задачи симплекс-методом последняя симплекс-таблица будет иметь вид:
X0,1 |
xb |
b |
x1 |
x2 |
y1 |
y2 |
y3 |
y1 x2 x1 |
1.00 2.56 4.44 |
0.00 0.00 1.00 |
0.00 1.00 0.00 |
1.00 0.00 0.00 |
–6.00 0.44 0.65 |
1.00 –0.11 0.11 | |
d |
7.00 |
0.00 |
0.00 |
0.00 |
1.00 |
0.00 |
Оценка 0,1=7. Решениеx1=4.44, x2=2.56 не является целочисленным. Дерево разбиения примет вид
1–ый шаг.Разбиваем множествоX0,1на подмножестваX1,1, X1,2. В качестве переменной, по которой проводим разбиение, берем переменнуюx1, которая имеет нецелочисленное значение. Можно взять и переменнуюx2.
Для подмножества X1,1дополнительное ограничение будет иметь видx14. Добавляем его к последней симплекс-таблице подмножестваX0,1, получим:
-
X1,1
xb
b
x1
x2
y1
y2
y3
y4
y1
x2
x1
y4
1.00
2.56
4.44
–0.44
0.00
0.00
1.00
0.00
0.00
1.00
0.00
0.00
1.00
0.00
0.00
0.00
–6.00
0.44
0.65
–0.56
1.00
–0.11
0.11
–0.11
0.00
0.00
0.00
1.00
d
7.00
0.00
0.00
0.00
1.00
0.00
0.00
Решив эту задачу двойственным симплекс-методом, получим таблицу:
-
X1,1
xb
b
x1
x2
y1
y2
y3
y4
y1
x2
x1
y2
5.79
2.20
4.00
0.80
0.00
0.00
1.00
0.00
0.00
1.00
0.00
0.00
1.00
0.00
0.00
0.00
0.00
0.00
0.00
1.00
2.20
–0.20
0.00
0.20
–10.8
0.80
1.00
–1.80
d
6.20
0.00
0.00
0.00
0.00
–0.20
1.80
1,1=6.2, x1=4, x2=2.2.
Для подмножества X1,2дополнительное ограничение будет иметь видx(1)5. Добавляем его к последней симплекс-таблице подмножестваX0,1, получим, что задача не имеет решения, т.е. подмножествоX1,2=,1,2=. Дерево разбиения принимает вид:
На последующих шагах дальнейшему разбиению будет подвергаться подмножество X1,1, и так далее. Полное дерево разбиения будет иметь вид
На подмножестве X3,1получаем целочисленное решениеx1=3,x2=2 со значением функционала, равным 5, которое принимаем за рекордное. Все подмножестваXr,t, у которых значенияr,t>5, отбраковываем, тогдаx1=3, x2=2 становится оптимальным решением.