- •1. Построение экономико-математической модели задачи линейного программирования (на конкретном примере).
- •Этапы моделирования
- •Основные типы моделей:
- •§2. Основы линейного программирования.
- •Примеры задач линейного программирования
- •3. Виды заданий системы ограничений экономико-математической модели. Переход от стандартного к каноническому заданию
- •4. Геометрический смысл решения неравенств и системы неравенств
- •5. План решения задачи линейного программирования геометрическим методом
- •Строим вектор - нормальный вектор, он указывает направление возрастания функции.
- •Мысленно перемещаем прямую в направлении вектора , тогда:
- •§9. Критерии оптимальности симплекс - метода.
- •12. Метод искусственного базиса
- •7) Далее задачу решают на max или min.
- •13. Транспортная задача. Общая подстановка. Открытая и закрытая модели
- •14. Построение первоначального плана транспортной задачи методом северо-западного угла
- •15. Построение первоначального плана транспортной задачи методом минимального эллипса
- •16. Улучшение первоначального плана транспортной задачи методом потенциалов. Основные этапы. Цикл, потенциалы
- •Предварительный шаг решения:
- •17. Составление системы потенциалов для заполненных клеток при решении транспортной задачи
- •Общий шаг решения:
- •18. Проверка на потенциальность незаполненных клеток при решении транспортной задачи.
Строим вектор - нормальный вектор, он указывает направление возрастания функции.
Строим прямую c1 x1 + c2 x2 = 0 , которая перпендикулярна вектору
Мысленно перемещаем прямую в направлении вектора , тогда:
первая угловая точка встречи с областью D является точкой min, а последняя угловая точка встречи, является точкой max
На втором рисунке задача на max решений не имеет, т.е. Z не ограничена сверху (аналогично может быть не ограничен min).
Замечания. 1. Если прямая при перемещении совпадает с отрезком области D, то все точки этого отрезка дают решение задачи. В этом случае решений бесчисленное множество.
2. Аналогично решается задача линейного программирования в случае 3-х переменных. 6. Пример решения задачи линейного программирования геометрическим методом
Задача №1: Задача об использовании ресурсов.
Для изготовления двух видов продукции используют 4 вида ресурсов . Запасы ресурсов, число единиц ресурсов, затраченных на изготовление единицы продукции, даны в таблице:
Вид ресурса |
Число единиц ресурсов, затраченных на изготовление единицы продукции |
Запасы ресурса |
|
P1 |
P2 |
||
|
1 |
3 |
18 |
|
2 |
1 |
16 |
|
- |
1 |
5 |
|
3 |
- |
21 |
Прибыль от реализации единицы продукции соответственно 2 и 3 денежные единицы. Составить такой план производства продукции, при котором прибыль от ее реализации была бы максимальной.
Решить задачу графически.
Решение. Составим модель задачи.
Пусть:
- количество продукции .
- количество продукции
-
0
3
6
5
-
8
7
0
2
Вывод: для того, чтобы получить максимальную прибыль (Z=24), необходимо произвести 6 единиц продукции P1 и 4 единицы продукции P2.
Задача. Фермер на своем участке выращивает огурцы и помидоры. Чтобы не потерять урожай, он использует азотные, калийные, фосфатные удобрения и навоз. Чтобы удобрить один гектар огурцов ему необходимо 20 ед. азотных удобрений, 40 – калийных, 10 – фосфатных, 20 – навоза; помидоров – 10 – калийных, 15 – фосфатных, 10 – навоза. Его запасы удобрений следующие: азотных – 120, калийных – 320, фосфатных – 160, навоза – 180. Прибыль с 1 га площади, засаженной огурцами, – 5000 у. д. е., а помидорами – 3000 у. д. е. Сколько гектаров огурцов и помидоров необходимо обработать для получения максимальной прибыли.
Решение. В качестве переменных выберем площади, занимаемые под посадки огурцов (переменная Х) и помидоров (переменная Y). Обозначим используемые ресурсы: азотные удобрения – S1, калийные – S2, фосфатные – S3, навоз – S4. Тогда данные условия задачи можно свести в наглядную таблицу:
Ресурсы |
Затраты удобрений, ед/га |
Запасы |
|
Х |
Y |
||
S1 |
20 |
0 |
120 |
S2 |
40 |
10 |
320 |
S3 |
10 |
15 |
160 |
S4 |
20 |
10 |
180 |
Прибыль |
5000 |
3000 |
|
На основании вышеизложенного математическая модель задачи будет выглядеть следующим образом:
Построим полуплоскости, заданные системой ограничений в первом квадранте системы координат (выбор первого квадранта обусловлен неотрицательностью переменных X и Y). Результирующей областью решений является многоугольник ABCDO. Построим вектор или подобный ему (с пропорциональными координатами). Построим линию уровня, перпендикулярную вектору . Возможными точками решения являются точки B и С.
Найдем координаты этих точек и вычислим значение целевой функции в каждой из них.
Для точки В |
Для точки С |
В (5,5; 7) Z = 27500 + 21000 = 48500 у. д. е. |
С (6; 6) Z= 30000 +18000 = 48000 у. д. е. |
Большая прибыль соответствует точке В, следовательно оптимальным использованием земельных ресурсов является распределение площадей 5,5 га под посадку огурцов и 7 га – помидоров. При этом будет получена прибыль в размере 48500 у. е. д.
7. Геометрическая интерпретация симплекс-метода критерии оптимальности
Из основных теорем линейного программирования следует:
1) Если задача линейного программирования имеет оптимальное решение, то оно соответствует хотя бы одной угловой точке многоугольника решений и совпадает, по крайней мере, с одним из допустимых базисных решений.
2) Для этого следует перебрать конечное число допустимых базисных решений и выбрать среди них то, при котором целевая функция z принимает оптимальное решение.
3) Геометрически это соответствует перебору всех угловых точек многоугольника решений.
4) Число перебираемых допустимых базисных решений можно сократить, если перебор производить с учетом изменений целевой функции, добиваясь того, чтобы каждое последующее значение было лучше или, по крайней мере, не хуже предыдущего.
Если - то функция должна увеличиваться
Если - то функция должна уменьшаться
Пусть угловая точка В соответствует исходному допустимому базисному решению. При беспорядочном переборе вершин пришлось бы испытать шесть допустимых решений. Из чертежа видно, что после вершины В выгодно перейти к вершине С, а потом к Д.
Определение 1. Идея последовательного улучшения решения в задачах линейного программирования лежит в основе универсального метода – симплекс - метода.
С геометрической точки зрения, последнее улучшенное решение означает последовательный переход от одной вершины к другой, в которой функция Z принимает лучшее решение до тех пор, пока не будет найдено оптимальное.