У вас вопросы?
У нас ответы:) SamZan.net

тема линейных ограничений задана в виде линейных уравнений или линейных неравенств с n переменными лине

Работа добавлена на сайт samzan.net: 2016-03-13

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 4.4.2025

Вопрос 1

Постановка и решение задач линейного программирования. Симплекс-метод решения.

Ответ.

  1.  Постановка задачи линейного программирования.

Пусть  - система линейных ограничений задана в виде линейных уравнений или линейных неравенств с n переменными ,

 - линейная целевая функция вида

.

Требуется найти значения

при ограничениях  и условии неотрицательности

, которое следует из реального смысла значений переменных .

Задачи линейного программирования в зависимости от вида ограничений подразделяются на два вида:

  1.  Каноническая задача линейного программирования, - в которой система , содержит в себе только уравнения и условия неотрицательности .
  2.  Стандартная задача линейного программирования, - в которой система  состоит только из неравенств и условия неотрицательности .

Стандартную задачу можно привести к каноническому виду путем введения для каждого из неравенств системы ограничений новой дополнительной переменной  и замены этих неравенство двумя ограничениями:

линейным уравнением

и условием .

Полученная таким образом задача в каноническом виде эквивалентна исходной задаче линейного программирования заданной в стандартной форме.

Эквивалентность решений задач линейного программирования заданных в стандартной и в канонической форме следует из того что, если к значениям переменных  решения задачи в стандартной форме добавить значения введенных дополнительных переменных, то получим решение этой же задачи заданной в канонической форме.

  1.  Геометрическая интерпретация задачи линейного программирования.

Пусть задача линейного программирования сформулирована как задача нахождения экстремума линейной функции  на допустимом множестве , заданном системой  линейных неравенств в пространстве , называемой выпуклой многогранной областью в .

Геометрический решение задачи линейного программирования состоит в отыскании максимума (минимума) заданной линейной функции  на заданном выпуклом множестве .

Целевая функция в задаче линейного программирования ограничена, если в задаче на максимум на допустимом множестве она ограничена сверху, а в задаче на минимум – снизу.

  1.  Структура множества оптимальных решений.

Допустимое множество  в задаче линейного программирования задается системой линейных ограничений в  и поэтому является выпуклой многогранной областью, или выпуклым многогранником.

Теорема 1. Выпуклый многогранник совпадает с выпуклой оболочкой своих угловых точек.

Примечание: Системы линейных ограничений, возникающие в задачах экономического характера, почти всегда содержат условия неотрицательности для всех переменных, поэтому допустимое множество не содержит целиком ни одной прямой и допустимое множество(если только оно непусто) имеет хотя бы одну угловую точку.

Теорема 2. Если в задаче линейного программирования допустимое множество  непусто и ограничено, то задача разрешима, а множество всех оптимальных решений  является выпуклой оболочкой оптимальных угловых точек .

Примечание,  Функция  может быть ограничена снизу  на допустимом множестве в то  время как само допустимое множество не ограничено.

  1.  Симплекс-метод решения задачи линейного программирования.

Симплекс-метод предназначен для решения канонической задачи линейного программирования.

Рассмотрим задачу линейного программирования с ограничениями в форме уравнений. Дана система

(1.1)

m линейных уравнений с n неизвестными и линейная функция

. (1.2)

Среди неотрицательных решений системы (1.1) нужно найти такое, которое минимизирует функцию (1.2).

Для решения задачи  симплекс-методом требуется определить допустимое решение в котором некоторые из неизвестных должны быть выражены через остальные и свободные члены этих выражений должны быть неотрицательными.

Если система (1.1) совместна, то метод Гаусса позволяет выделить в ней базис неизвестных, при этом вопрос допустимости остается открытым.

Если допустимый базис неизвестных определен, то в выражении  для целевой функции следует заменить каждое базисное неизвестное его выражением через свободные.

Пусть задача линейного программирования содержит пять неизвестных  и система ограничений приведена к допустимому виду с базисом :

 (1.3)

целевая функция имеет вид

. (1.4)

и решается задача  минимизации  при ограничениях (1.3) и условиях .

Положим все свободные неизвестные равными нулю:

,

Из системы (1.3) значения базисных неизвестных:

.

Получено неотрицательное решение системы :  (1.5).

(1.5) -  допустимое базисное решение, соответствующее базису

при котором значение функции  равно .

Возможны три ситуации.

  1.  Все коэффициенты при свободных неизвестных в выражении для  неотрицательны: .

Тогда для любого неотрицательного решения системы (1.3) имеем , значит, . Таким образом, , т.е. базисное решение является оптимальным – задача решена.

  1.  Имеется свободное неизвестное, коэффициент при котором в выражении  отрицателен, а все коэффициенты при этом неизвестном в уравнениях (1.3) – неотрицательны.

Пусть, например, , а .В базисном решении (1.3), будем увеличивать значение  (при ). Значения базисных неизвестных также будут меняться:

(1.5)

Решение  остается неотрицательным. При этом , и ввиду  значение  с ростом  будет неограниченно уменьшаться. Таким образом, в этом случае , т.е. задача конечного оптимума не имеет.

  1.  Имеется свободное неизвестное, коэффициент при котором в  отрицателен, но и среди коэффициентов при этом неизвестном в уравнениях (1.3) также есть отрицательные.

В этом случае производится шаг, а именно, на котором переходим к новому базису, так чтобы  уменьшилось или по крайней мере не увеличилось: .

Пусть, например,  и  отрицательны, а  - положительно или равно 0:

.

Если увеличивать значение , то:

При  и  значения  и  будут уменьшаться, а значение  будет оставаться неотрицательным (). При возрастании  наступит момент, когда одно из неизвестных  или  обратится в нуль: для  таким моментом будет , а для  будет . Выберем из этих отношений  и  наименьшее. Пусть, например, это будет . Тогда увеличение  возможно только от  до .

. Полагая в системе   и , получим неотрицательное решение

,

для которого значение функции  будет  (поскольку  и ).

Таким образом, с ростом  первым из базисных неизвестных обращается в нуль неизвестное . Это произойдет при замене базиса  на .

 

с базисным решением

,

которое  является неотрицательным.

Новое значение функции равно

 

и   ( и поэтому ). При переходе к новому базису система ограничений сохранила допустимую форму , где , а значение функции  для базисного решения уменьшилось или осталось прежним.

Выражение для  заменяется новым:

,

Если для полученной задачи имеет место случай 3, то выполняется следующий шаг перехода к новому базису для которого .

до тех пор, пока не придем к одному из случаев 1 или 2.

Задачи.




1. Общие черты и различия между рекламой и паблик рилейшнз
2. задание на раскрытие какоголибо теоретического положения понятия на примере Памятка для ученика
3. Природные и географические факторы в истории России
4. Отрицательный отбор и моральный риск на рынке страховых услуг
5. Виды невербального общения
6. Правовая защита брака по семейному кодексу РФ
7. Инструменты парикмахера
8. ЛАБОРАТОРНЫЙ ПРАКТИКУМ ПО ЭКОЛОГИИ
9. НЕРВНАЯ ТКАНЬ Укажите клетки непроизводные нервного гребня ганглиозной пластинки- А нейро
10. Контрольная работа- Позиционирование товара