- •1. Теория графов
- •1.1 Остовные деревья минимального веса.
- •Алгоритм Прим
- •Алгоритм Краскал
- •1.2 Нахождение кратчайших путей между двумя заданными вершинами. Алгоритм Дийкстры
- •Алгоритм Дийкстры
- •Модифицированный алгоритм Дийкстры
- •1.3 Нахождение кратчайших цепей между всеми парами узлов в сети
- •Алгоритм Флойда (Floyd r. W.)
- •Модификация алгоритма Флойда
- •1.4 Построение потоков максимальной мощности. Алгоритм Форда-Фалкерсона
- •Алгоритм Форда-Фалкерсона
- •1.5 Обобщенные задачи о потоке
- •1.5.1 Построение потока в сети с двойным ограничением потока по дугам
- •1.5.2 Построение потока в сети с пропускными способностями узлов
- •1.5.3 Построение потока в сети с несколькими источниками-стоками
- •1.5.4 Построение потока в сети с неориентированными ребрами
- •1.6 Определение потока заданной величины минимальной стоимости. Алгоритмы Басакера-Гоуэна, Клейна
- •Алгоритм Басакера-Гоуэна (Basaker r.G., Gowen p.J)
- •Алгоритм Клейна (Klein m.)
- •2 Сетевое планирование
- •2.1 Построение сетевых моделей
- •2.2 Расчет и анализ сетевых моделей
- •Задача №1
- •Задача №2
- •I. Поиск критических путей
- •II. Поиск резервов работ
- •Правило №2.1
- •3 Линейное программирование
- •3.1 Примеры задач лп
- •3.2 Свойства решений задач линейного программирования
- •3.3 Двумерные задачи линейного программирования. Графический метод решения. Исследование на разрешимость
- •3.3.1 Построение области допустимых решений целевой функции f.
- •3.3.2 Построение прямой уровня
- •3.3.3 Максимизация целевой функции f
- •3.4 Симплекс-метод.
- •3.4.1 Построение начального опорного плана.
- •3.4.2 Симплексные таблицы
- •3.4.3 Примеры решения задач симплекс-методом
- •4. Теория двойственности в линейном программировании
- •4.1 Понятие двойственности. Построение пары взаимно двойственных задач
- •4.2 Теоремы двойственности и их экономическое содержание
- •4.3 Анализ решения задач линейного программирования
- •5. Транспортная задача
- •5.1 Постановка транспортной задачи в матричной форме. Построение исходного опорного плана
- •5.2 Метод потенциалов
- •5.3 Дополнительные условия в транспортных задачах.
- •6. Дискретное программирование.
- •6.1 Метод Гомори для решения задачи целочисленного линейного программирования
- •7. Динамическое программирование
- •7.1 Многошаговые процессы в динамических задачах
- •7.2 Принцип оптимальности и рекуррентные соотношения
- •7.3 Вычислительная схема динамического программирования
- •7.4 Оптимальное распределение средств на расширение производства
- •8. Матричные игры
- •8.1 Парные матричные игры с нулевой суммой
- •8.2 Платежная матрица
- •Нижняя и верхняя цена игры
- •8.3 Смешанные стратегии
- •8.3 Решение матричной игры сведением к задаче линейного программирования
- •8.4 Решение матричной игры графическим методом
- •8.5 Приближенный метод решения матричных игр
- •Практические работы Практическая работа №1 Построение остовного дерева графа. Нахождение найкратчайшего расстояния между заданными вершинами графа
- •Практическая работа №2 Нахождение наикратчайших расстояний между всеми парами вершин графа. Алгоритм Флойда.
- •Практическая работа №3
- •Практическая работа №4 Нахождение потока заданной величины минимальной стоимости. Алгоритм Басакера-Гоуэна
- •Практическая работа №7 Оптимизация проекта по времени.
- •Практическая работа №8
- •Практическая работа №9 Оптимизация целевой функции с помощью двухфазного симплекс метода.
- •Практическая работа №10 Решение двойственных задач. Экономическая интерпретация задач линейного программирования.
- •Практическая работа №11 Решение транспортных задач.
- •Практическая работа №12 Дополнительные условия в транспортных задачах
- •Практическая работа №13 Метод Гомори для решения задачи целочисленного линейного программирования.
- •Практическая работа №14
- •Практическая работа №15 Решение матричных игр в чистых стратегиях
- •Практическая работа №16 Графический метод решения матричных игр.
- •Каркас минимального веса. Метод р. Прима.
- •Кратчайшие пути
- •Лабораторная работа №2 Кратчайшее расстояния от заданной вершины до всех остальных вершин графа.
- •Алгоритм Дийкстры.
- •Пути в бесконтурном графе.
- •Лабораторная работа №3 Кратчайшие пути между всеми парами вершин графа.
- •Алгоритм Флойда.
- •Лабораторная работа №4 Построение потока максимальной мощности.
- •Потоки в сетях.
- •Метод построения максимального потока в сети.
- •Лабораторная работа №5 Симплекс метод
- •Лабораторная работа №6 Транспортная задача
- •Список литературы
3.4 Симплекс-метод.
Существует универсальный способ решения задач ЛП, называемый симплекс-методом.
Идея симплекс-метода. Сначала надо найти некоторую (начальную) вершину многогранника допустимых решений (начальный опорный план). Затем надо проверить это решение на оптимальность. Если оно оптимально, то решение найдено; если нет, то перейти к другой вершине многогранника и вновь проверить на оптимальность. Надо заметить, что при переходе от одной вершины к другой значение целевой функции убывает (в задаче на минимум) или возрастает (в задаче на максимум).
рис.4.1
3.4.1 Построение начального опорного плана.
Рассмотрим три случая.
1-й случай. Пусть в системе ограничений имеется единичный неотрицательный базис. Например, она имеет вид
Говорят, что ограничение канонической ЗЛП имеет предпочтительный вид, если при неотрицательности его правой части (bi 0) левая часть содержит переменную, входящую с коэффициентом, равным единице, а в остальные ограничения – с коэффициентом равным нулю. Если каждое ограничение канонической ЗЛП имеет предпочтительный вид, т. е. система ограничений приведена к единичному неотрицательному базису, то начальный опорный план строится весьма просто. Предпочтительные переменные выбираются в качестве базисных, а все остальные – свободные. Свободные переменные приравниваются нулю, а базисные переменные – свободным членам.
Пример. Найти начальный опорный план ЗЛП
Решение В первом ограничении предпочтительной переменной является х4, во втором – х2. Система приведена к положительному единичному базису. Свободные переменные х1 и х3 приравниваются нулю. Получим невырожденный начальный опорный план:
х0 = (0; 3; 0; 2); Z(x0) = 0.
2-й случай. Пусть система ограничений имеет вид
Сведем задачу к каноническому виду, добавив к левым частям системы ограничений дополнительные переменные хn+i 0 (i=1…m).
Получим систему ограничений
эквивалентную исходной и имеющую предпочтительный вид. Отсюда получаем начальный опорный план:
В целевую функцию дополнительные переменные вводятся с коэффициентами, равными нулю:
Пример. Найти начальный опорный план ЗЛП
Решение Приведем задачу к каноническому виду:
Система ограничений имеет предпочтительный вид. Начальный опорный план
2-й случай. Пусть система ограничений имеет вид
Перейдем к каноническому виду путем введения дополнительных переменных хn+i 0 (i=1…m):
Теперь система ограничений, вообще говоря, не имеет предпочтительного вида. В этом случае вводят искусственный базис путем перехода к М- задаче:
где в целевой функции знак «-» относится к задаче максимизации. Если некоторые из уравнений исходной системы ограничений имеют предпочтительный вид, то в них не вводят искусственные переменные. Начальный опорный план М – задачи имеет вид
Между оптимальными планами исходной задачи и М – задачи имеется следующая связь: если в оптимальной задачи и М – задачи все искусственные переменные wi* равны нулю, то значения оставшихся координат плана х* дадут оптимальный план исходной задачи.
Пример. Найти начальный опорный план задачи
Решение. Вводя дополнительные х5, х6, х7 и искусственные переменные, переходим к задаче в каноническом виде и к М – задаче:
Ее начальный опорный план