40140

Приведение задач линейного программирования к каноническому виду. Методы искусственного базиса

Доклад

Менеджмент, консалтинг и предпринимательство

Основная теорема ЛП: если задача ЛП имеет решение то целевая функция достигает экстремального значения хотя бы в одной из угловых точек многоугольника решений. Таким образом с теоретической точки зрения решение задачи ЛП выглядит следующим образом: можно найти все угловые точки многоугольника решения высчитать в них значение ЦФ выбрать наибольшее наименьшее. процесс нахождения угловых точек сравним по трудности с решением исходной задачи. В этом заключается основная идея СМ которая предполагает: 1 уметь находить первоначальное базисное...

Русский

2013-10-15

66 KB

20 чел.

16. Приведение задач линейного программирования к каноническому виду. Методы искусственного базиса.

Задача ЛП имеет вид:

    (1)

Если в ограничениях с bi стоят только неравенства, то говорят, что задача задана в стандартной форме.

Если стоят только равенства, то в канонической форме.

Множество всех решений, удовлетворяющих всем ограничениям (1), называется множеством допустимых решений. Это множество с геометрической точки зрения представляет собой некоторый выпуклый многоугольник или выпуклую многоугольную область решений.

Основная теорема ЛП: если задача ЛП имеет решение, то целевая функция достигает экстремального значения хотя бы в одной из угловых точек многоугольника решений.

Множество называется выпуклым, если оно вместе с 2-мя точками содержит их произвольную линейную выпуклую комбинацию.

Точка называется внутренней, если окрестность этой точки, которая принадлежит целиком данному множеству.

Точка называется граничной, если в окрестности этой точки содержатся как точки, принадлежащие данному множеству, так и точки, не принадлежащие множеству

Точка называется угловой, если она не является внутренней не для какого отрезка, целиком принадлежащего данному множеству

Если ЦФ достигает ext в более чем в одной точке, то она достигает того же значения в точке, являющейся их линейной выпуклой комбинацией.

Таким образом, с теоретической точки зрения решение задачи ЛП выглядит следующим образом: можно найти все угловые точки многоугольника решения, высчитать в них значение ЦФ, выбрать наибольшее / наименьшее.

Однако, с практической точки зрения такой способ затруднителен, т.к. процесс нахождения угловых точек сравним по трудности с решением исходной задачи.

Поэтому способ целенаправленного перебора угловых точек. Суть: в начале находят одну из угловых точек, при этом надо иметь критерий остановки перебора. Если начальная точка не удовлетворяет этому критерию, то надо иметь критерий перехода к нехудшей точке, в которой значение функции не меньше при нахождении max, не больше при min, чем в предыдущей точке.

В этом заключается основная идея СМ, которая предполагает:

1) уметь находить первоначальное базисное решение

2) критерий оптимальности базисного решения

3) критерий переходить к «нехудшему» базисному решению

Пусть имеем канонический вид:

    (2)

Канонический вид всегда можно получить из стандартной определенными способами (добавление / вычитание дополнительных переменных).

Система уравнений в (2) в случае ее совместности и ранга = m имеет некоторый базис, содержащий m векторов, через которые можно выразить другой вектор Ai, составленный из коэффициентов aij.

Переменные xi, соответствующие базисным векторам, называются базисными, остальные (nm) переменных – свободными.

Базисным решением m линейных уравнений с n переменными называется решение, в котором все свободные = 0, если при этом все xi  0, то базисное решение называется допустимым

Допустимое базисное решение – решение, в котором все свободные = 0, а базисные равны свободным элементам.

Каждому допустимому базисному решению соответствует одно угловая точка. Поэтому для того чтобы найти первую угловую точку надо уметь находить некоторое допустимое базисное решение.

Ограничение имеет предпочтительный вид, если левая часть ограничения содержит переменную с коэффициентом 1, которая в остальные ограничения вводится коэффициентом 0.

Если каждые ограничения имеют предпочтительный вид, то система ограничений называется предпочтительной.

В этом случае базисные решения находит так: приравниваем к 0 непредпочтительные переменные, тогда предпочтительные переменные будут равны соответствующим значениям правой части, которой по определению 0. Таким образом, получаем допустимое базисное решение. Предпочтительные переменные будут базисными, а непредпочтительные – свободными.

а) Предположим, что система ограничений имеет вид:

   (3)

Введем дополнительные неотрицательные переменные так, чтобы неравенства превратились в равенства. (3) имеет предпочтительный вид. В качестве базисных переменных возьмем дополнительные, в качестве свободных – исходные переменные. Допустимое базисное решение в этом случае имеет вид:

б) Предположим, что система ограничений имеет вид:

   

Если введем дополнительные неотрицательные переменные, то получим систему:

    (4)

Пусть система не является непредпочтительной, тогда первоначальное базисное решение является недопустимым:

В этом случае использует один из 2 методов искусственного базиса.

I метод искусственного базиса

К левым частям ограничения (4) добавляют неотрицательные искусственные переменные wi.

В ЦФ искусственные переменные вводятся с коэффициентом +М в случае нахождения min и с коэффициентом -М в случае нахождения  max.

Полученная задача всегда имеет предпочтительный вид. Такая задача называется М-задачей.

Предположим,  в системе ограничений (2) все ограничения имеют непредпочтительный вид. Составим М-задачу при указанном положении:

 

M – большое положительное число.

ЗАМ: если имеются предпочтительные ограничения, то добавлять в него wi не надо.

Теорема: если в оптимальном решении X* = (x1, …, xn, w1, …, wm) М-задачи все искусственные переменные wi = 0, то решение X = (x1, …, xn) является оптимальным решением для исходной задачи (2).

II метод искусственного базиса

Рассмотрим задачу (2) с ограничениями типа (4):

    (5)

Предположим,  система (5) не имеет не предпочтительный вид. Введем искусственные переменные wn+1, …, wn+m так, чтобы (5) принял предпочтительный вид. (Если какое-нибудь равенство k в (5) имеет предпочтительный вид, то искусственную переменную wn+k либо не вводим, либо считаем wn+k = 0).

Составим следующую задачу:

     (6)

Теорема: пусть задача (5) имеет допустимое решение. Решение X* = (x1, …, xn, wn+1, …, wn+m) задачи (6) является оптимальным  wn+i = 0,  i = 1..m.

Теорема гарантирует равенство 0 всех искусственных переменных в оптимальном решении X*  X = (x1, …, xn) является допустимым решением задачи (5), но, вообще  говоря, оно не является оптимальным решением задачи, как это было в случае I метода искусственного базиса.

Однако на практике II метод имеет следующее применение. Предположим, оптимальное решение X* задачи (6)  найдено СМ. Тогда ненулевым компонентам X* соответствуют линейно независимое векторы Aj. Так как ненулевыми компонентами по теореме могут быть только исходные переменные xj, а не искусственные wn+i, то решению X* соответствуют линейно независимые векторы из системы Aj. Если оказалось, что оптимальное решение X* не вырождено, то число линейно независимых векторов составляет базис. Этот базис и соответствующие ему переменные xj могут быть приняты в качестве первоначального допустимого базисного решения задачи (5).

Таким образом, алгоритм  метода:

  1.  задача (5) преобразуется в (6)
  2.  задача (6) решается СМ.
  3.  если решение X* не вырождено, то в последней таблице СМ вычеркиваются столбцы, соответствующие искусственным переменным и пересчитывается j. Полученная таблица будет являться исходной для решения задачи (5)


 

А также другие работы, которые могут Вас заинтересовать

28595. Методология проектного управления инновациями. Жизненный цикл инновационного проекта 31.5 KB
  Жизненный цикл инновационного проекта Инновационный проект это порядок определения целей и задач для создания или внедрения отдельного инновационного продукта. Инновационный процесс включает организационные производственные технологические коммерческие и другие мероприятия приводящие к внедрению и распространению инноваций. Таким образом инновационный проект можно определить как комплекс взаимосвязанных программ обеспечивающих эффективное достижение конкретной инновационной цели согласованных по ресурсам срокам исполнителям и...
28596. Перспективные инновационные проекты в социальнокультурном сервисе и туризме 32 KB
  Перспективные инновационные проекты в социальнокультурном сервисе и туризме Планирование составляет один из основных элементов системы управления инновационной деятельностью. Инновационные проекты характеризуются высокой неопределенностью на всех стадиях осуществления они не застрахованы от появления в любой момент более перспективной новинки. Даже успешно прошедшие стадию внедрения в производство проекты могут быть не приняты рынком и их производство должно быть прекращено. Инновационные проекты подразделяются на исследовательские и...
28597. Финансирование инновационных проектов 29.5 KB
  Его обобщающим показателем выступает финансовый риск предпринимателя и инвесторов который характеризует возможные потери в случае неудачного независимо от причины завершения финансируемого проекта. Риск в инновационной деятельности увеличивается с локализацией инновационного проекта. Основные риски связанные с инновационными проектами можно подразделить на следующие виды: экономический связанный с финансированием и калькуляцией проекта принятием и реализацией экономических решений; оригинальности обусловленный возможностью...
28599. Социально-культурный сервис и туризм как мобильно развивающаяся область сервиса 26.5 KB
  Это требует выполнения всех специфических требований диктуемых потребности рынка и безопасности туризма. При этом следует учитывать особенности сервисного обслуживания и тенденции развития международного туризма. Предметом мобильно развивающегося сервиса и туризма явся высокие технологии. Главная цель концепции мобильно развивающегося сервиса и туризма создание современного высокоэффективного и конкурентоспособного тур.
28600. Оператор выбора case 13.92 KB
  Условный оператор удобен в тех случаях, когда необходимо проверить 1-2-3 варианта. При большем числе получается слишком громоздкая и неудобная для восприятия конструкция из множества вложенных инструкций. Скажем, если требуется проверить 5 значений переменной x, то получим такую конструкцию: