Professional Documents
Culture Documents
Ответы, оптимизация
Ответы, оптимизация
. (1.2)
Можливості вибору xj завжди обмежені зовнішніми щодо системи умовами,
параметрами виробничо-економічної системи тощо. Ці процеси можна описати системою
математичних рівностей та нерівностей виду:
(1.3)
Система (1.3) називається системою обмежень, або системою умов задачі. Вона
описує внутрішні технологічні та економічні процеси функціонування й розвитку виробничо-
економічної системи, а також процеси зовнішнього середовища, які впливають на результат
діяльності системи. Для економічних систем змінні xj мають бути невід’ємними:
. (1.4)
Залежності (1.2)—(1.4) утворюють економіко-математичну модель економічної
системи.
2. Методи безумовної та умовної оптимізації.
Задача умовної оптимізації – задача, яка пов'язана із оптимізацією за наявності
обмежень на змінні. Дані обмеження зменшують розмір області, у якій шукається оптимум.
Методи умовної оптимізації:
Метод невизначених множників Лагранжа;
Метод множників Лагранжа – це метод, що знаходить умовний екстремуму
функції , де , відповідно до обмежень , а змінюється від 1 до .
Метод штрафних функцій;
Основна задача методу штрафних функцій полягає в перетворенні задачі мінімуму
без обмежень.
Метод бар'єрних функцій.
Метод бар'єрних функцій зводить рішення задачі умовної мінімізації цільової
функції до вирішення послідовності задач безумовної мінімізації допоміжної функції:
, де – є бар'єрною функцією, що визначена лише всередині
множини допустимих рішень , тобто на множині . така,
щоб на межі допустимої множини побудувати бар'єр, який перешкоджає порушенню
обмежень в процесі безумовної мінімізації по , і щоб точки зі зміною по
деякому правилу наближалися до зсередини .
Задача багатовимірної безумовної оптимізації сформульована наступним чином:
знайти мінімум функції , де , при відсутності обмежень на , при цьому –
це скалярна цільова функція, безперервно диференційована.
Методи безумовної оптимізації:
Методи прямого пошуку.
Методи першого порядку.
Методи 1-го порядку використовують інформацію про похідну функції. Якщо
обмежена знизу цільова функція , є диференційованою на множині , то
алгоритм пошуку точки її мінімуму можна побудувати, використовуючи інформацію,
принаймні, про градієнт цієї функції.
Методи 2-го порядку (Ньютонівські методи).
Коли цільова функція двічі диференційована в , то ефективність процесу
пошуку точки її мінімуму можна підвищити, використовуючи інформацію не тільки про
градієнт цієї функції, а й про її матрицю Гессе
Методи випадкового пошуку.
Методи змінної метрики
3. Приклади задач, що розв`язуються методами математичного програмування.
Задача визначення оптимального плану виробництва: для деякої виробничої
системи (цеху, підприємства, галузі) необхідно визначити план випуску кожного виду
продукції за умови найкращого способу використання наявних ресурсів. У процесі
виробництва задіяний визначений набір ресурсів: сировина, трудові ресурси, технічне
обладнання тощо. Відомі загальні запаси ресурсів, норми витрат кожного ресурсу та прибуток
з одиниці реалізованої продукції. Задаються також за потреби обмеження на обсяги
виробництва продукції у певних співвідношеннях(задана асортиментність).
Критерії оптимальності: максимум прибутку, максимум товарної продукції, мінімум
витрат ресурсів.
Транспортна задача: розглядається певна кількість пунктів виробництва та
споживання деякої однорідної продукції (кількість пунктів виробництва та споживання не
збігається). Відомі обсяги виготовленої продукції в кожному пункті виробництва та потреби
кожного пункту споживання. Також задана матриця, елементи якої є вартістю
транспортування одиниці продукції з кожного пункту виробництва до кожного пункту
споживання. Необхідно визначити оптимальні обсяги перевезень продукції, за яких були б
найкраще враховані необхідності вивезення продукції від виробників та забезпечення вимог
споживачів.
Критерії оптимальності: мінімальна сумарна вартість перевезень, мінімальні сумарні
витрати часу.
Задача оптимального розподілу капіталовкладень. Планується діяльність групи
(системи) підприємств протягом деякого періоду, який розділено на певну кількість
підперіодів. Задана сума коштів, які можна вкладати в будь-яке підприємство чи розподіляти
між ними протягом всього періоду планування. Відомі величини збільшення виробництва
продукції (за умови здійснення додаткових капіталовкладень) у кожному з підприємств групи
для всіх підперіодів. Необхідно визначити, як розподіляти кошти на початку кожного
підперіоду між підприємствами так, щоб сумарний дохід за весь період був максимальним.
Задача оптимального розподілу виробничих потужностей: розглядаються кілька
підприємств, що виготовляють певну кількість видів продукції. Відомі фонд робочого часу
кожного підприємства; потреби в продукції кожного виду; матриця потужностей виробництва
всіх видів продукції, що виготовляються на кожному підприємстві, а також собівартості
виробництва одиниці продукції кожного підприємства. Необхідно розподілити виробництво
продукції між підприємствами у такий спосіб, щоб задовольнити потреби у виготовленні
продукції та максимально використати виробничі потужності підприємств.
Критерій оптимальності: мінімальні сумарні витрати на виготовлення продукції.
4. Постановка ЗЛП.
(2)
(3)
Отже, потрібно знайти значення змінних x1,x2, …,xn, які задовольняють умови (2) і (3), і
цільова функція (1) набуває екстремального (максимального чи мінімального) значення.
5. Зведення ЗЛП до канонічної форми
Вважають, що ЗЛП записана в канонічній формі, якщо вона має вигляд:
(8)
(9)
1. Якщо в ЗЛП необхідно знайти максимумлінійної форми (8), то, з огляду на те,
що , задача зводиться до пошуку мінімуму лінійної форми .
вигляду необхідно в лівих частинах таких нерівностей додати невід'ємні змінні , після
Приклад 3.
одержимо рівняння:
де x1 ≥ 0, x2 ≥ 0
Для вибору базового рядка рахується співвідношення: число з першого стовпчика поділити на
число базовоо стовпчика (крім першого рядка). Рядок з найменшим додатнім співвідношенням
– базовий рядок.
A x b . . .
a x a x . . . a x b ;
m1 1 m 2 2 mn n m
x1 0, x2 0, . . . , xm 0. (8.2)
Розглянемо, також, задачу:
L b1 z1 b2 z 2 . . . bm z m (b, z ) min (8.3)
a11 z1 a21 z2 . . . am1 zm c1;
a z a z . . . a z c ;
12 1 22 2 m2 m 2
A z c
*
...
a z a z . . . a z c ;
1n 1 2 n 2 mn m n
z1 0, z2 0, . . . , zm 0. (8.4)
Задачу (8.3), (8.4) одержана із задачі (8.1), (8.2) згідно з такими правилами:
1) вільні члени обмежень (8.2)
b1 , b2 , . . . , bm є коефіцієнтами нового критерію L , а
c , c ,. . . , cn в критерії L – вільними членами в обмеженнях (8.4);
коефіцієнти 1 2
*
2) матрицею коефіцієнтів нових обмежень є матриця
A , що одержана транспонуванням
A
матриці ;
3) у нових обмеженнях (8.4) знаки нерівностей протилежні знакам нерівностей (8.2);
4) максимізація критерію
L
змінюється на мінімізацію критерія
L .
Задача (8.3), (8.4) називається спряженою (двоїстою) до задачі
(8.1), (8.2).
Не важко помітити, що задачу (8.1), (8.2) можна розглядати як спряжену відносно своєї
Економічний зміст другої теореми двоїстості: якщо для виготовлення всієї продукції в
обсязі, що визначається оптимальним планом Х*, витрати одного і-того ресурсу строго менші,
ніж його загальний обсяг , то відповідна оцінка такого ресурсу (компонента
оптимального плану двоїстої задачі) буде дорівнювати нулю, тобто такий ресурс за даних
умов для виробництва не є «цінним». Якщо ж витрати ресурсу дорівнюють його наявному
обсягові , тобто його використано повністю, то він є « цінним» для виробництва, і його
оцінка буде строго більшою від нуля.
Третя теорема: Компоненти оптимального плану двоїстої задачі дорівнюють
значенням частинних похідних від цільової функції за відповідними
аргументами , або
Економічний зміст третьої теореми: якщо деяке значення двоїстої оцінки уi в оптимальному
плані двоїстої задачі дорівнює нулю, то відповідний і-тий ресурс використовується у
виробництві продукції не повністю і є недефіцитним. Якщо ж двоїста оцінка уі > 0, то і-тий
ресурс використовується для оптимального плану виробництва продукції повністю і
називається дефіцитним. Відомо, що величина двоїстої оцінки показує, наскільки збільшиться
значення цільової функції Z, якщо запас відповідного ресурсу збільшити на одну умовну
одиницю. Статус ресурсів можна визначати трьома способами:
1) Перший – підстановкою значень вектора Х* (оптимального плану виробництва) у
систему обмежень прямої задачі. Якщо обмеження виконується як рівняння, то
відповідний ресурс дефіцитний, у іншому разі – недефіцитний:
2) Другий спосіб – через додаткові змінні прямої задачі. Якщо додаткова змінна в
оптимальному плані дорівнює нулю, то відповідний ресурс дефіцитний, а якщо більша
від нуля – недефіцитний.
3) Третій спосіб – за допомогою двоїстих оцінок. Якщо уі > 0, то зміна (збільшення або
зменшення) обсягів і-того ресурсу приводить до відповідної зміни доходу
підприємства, і тому такий ресурс є дефіцитним. Якщо ж уі = 0, то і-тий ресурс
недефіцитний.
13. Економічна інтерпретація теорем двоїстості.
Економічний зміст першої теореми двоїстості . Максимальний прибуток (Fmax)
підприємство отримує за умови виробництва продукції згідно з оптимальним
планом , однак таку саму суму грошей ( ) воно може мати,
реалізувавши ресурси за оптимальними цінами . За умов використання інших
планів на підставі основної нерівності теорії двоїстості можна стверджувати,
що прибутки від реалізації продукції завжди менші, ніж витрати на її виробництво.
Економічний зміст другої теореми двоїстості стосовно оптимального плану Х*
прямої задачі. Якщо для виготовлення всієї продукції в обсязі, що визначається оптимальним
планом Х*, витрати одного і-го ресурсу строго менші, ніж його загальний обсяг , то
відповідна оцінка такого ресурсу (компонента оптимального плану двоїстої задачі) буде
дорівнювати нулю, тобто такий ресурс за даних умов для виробництва не є «цінним».
Якщо ж витрати ресурсу дорівнюють його наявному обсягові , тобто його
використано повністю, то він є «цінним» для виробництва, і його оцінка буде строго
більшою від нуля.
Економічне тлумачення другої теореми двоїстості щодо оптимального плану Y*
двоїстої задачі: у разі, коли деяке j-те обмеження виконується як нерівність, тобто всі витрати
на виробництво одиниці j-го виду продукції перевищують її ціну сj, виробництво такого виду
продукції є недоцільним, і в оптимальному плані прямої задачі обсяг такої продукції
дорівнює нулю.
Якщо витрати на виробництво j-го виду продукції дорівнюють ціні одиниці
продукції , то її необхідно виготовляти в обсязі, який визначає оптимальний план прямої
задачі .
Економічний зміст третьої теореми двоїстості . Двоїсті оцінки є унікальним
інструментом, який дає змогу зіставляти непорівнянні речі. Очевидно, що неможливим є
просте зіставлення величин, які мають різні одиниці вимірювання. Якщо взяти як приклад
виробничу задачу, то цікавим є питання: як змінюватиметься значення цільової функції (може
вимірюватися в грошових одиницях) за зміни обсягів різних ресурсів (можуть вимірюватися в
тоннах, м2, люд./год, га тощо).
Використовуючи третю теорему двоїстості, можна легко визначити вплив на зміну
значення цільової функції збільшення чи зменшення обсягів окремих ресурсів: числові
значення двоїстих оцінок показують, на яку величину змінюється цільова функція за зміни
Необхідно скласти такий план перевезення, щоб вивезти всю продукцію від постачальників,
задовольнити потреби всіх споживачів і сумарна вартість перевезення при цьому має бути
мінімальною.
Окреслена постановка задачі вимагає виконання рівності загальної суми запасу вантажу
загальній сумі потреб в ньому, тобто
(5.1)
Якщо в транспортній задачі умова (5.1) виконується, то таку транспортну
задачу називають закритою (з правильним балансом). Якщо ж рівність (5.1) не виконується,
то транспортну задачу називають відкритою (з неправильним балансом). Побудуємо
математичну модель транспортної задачі. Оскільки наперед невідомо, скільки вантажу
потрібно перевезти від певного постачальника до споживача, щоб план перевезень був
оптимальним, то позначимо його через . Вартість перевезення всього вантажу від
постачальників до споживачів позначимо Z. Умову транспортної задачі можна записати у
вигляді таблиці:
Тоді цільова функція матиме вигляд:
або (5.2)
Для складання обмежень транспортної задачі скористаємося такими міркуваннями:
1) кількість вантажу, який потрібно перевезти до пункту Вjз усіх пунктів постачання,
рівна aспоживачеві Вjпотрібно bj-одиниць вантажу, тому, враховуючи те, що
всі потреби повинні бути задоволеними, можемо записати обмеження стосовно потреб:
, ;
2) кількість вантажу, який треба вивезти з пункту постачання Аiдо всіх споживачів,
дорівнює а постачальник має одиниць вантажу і всі вантажі мають бути
вивезені, тому обмеження стосовно запасів матимуть вигляд:
. .
В загальному випадку систему обмежень запишемо таким чином:
або
(5.3)
Ми отримали математичну модель транспортної задачі (5.2)-(5.3), де - кількість продукції,
що перевозиться від і-гопостачальника до j-го споживача; - вартість перевезення одиниці
продукції від i-го постачальника до j-го споживача; - запаси продукції i-го
постачальника; bj - попит на продукцію j-го споживача.
Тепер, виходячи з економічної постановки транспортної задачі, можемо сформулювати її
математичну задачу: серед всіх невід’ємних розв’язків системи рівнянь (5.3) знайти такий,
при якому оптимізуюча форма (5.2) набуде найменшого значення.
Транспортна задача є задачею лінійного програмування, яку можна розв’язати симплекс-
методом, але при розв’язуванні транспортної задачі симплексним методом ми б отримали
симплекс-таблиці великих розмірів, оскільки число невідомих дорівнює . Специфічна
структура цієї задачі дозволяє використати для її розв’язання ефективніший метод - метод
потенціалів, який розглянуто в п. 5.3
15. Властивості Т-задачі.
2) Якщо план X * є оптимальним, то йому відповідає система з m + n чисел u1, ..., Um і v1,
..., Vn (Званих потенціалами), що задовольняють умові:
3) Якщо все числа a1, ..., am і b1, ..., bm - цілі і виконана умова , то елементи
оптимального плану є цілими числами.
4) Ранг системи векторів умов ТЗ (тобто число лінійно незалежних стовпців матриці
обмежень) дорівнює m + n-1. План перевезень X, що містить рівно m + n-1 ненульових
перевезень, називається опорним планом (ОП) і грає роль д.б.р. в задачі ЛП. План, який
містить менше ніж m + n-1 ненульових елементів називається виродженим.
16. Побудова початкового опорного плану.
1. Діагональний метод (північно-західного кута).
2. Першою заповнюємо верхню ліву клітинку. Заповнення клітинки AiBj таблиці здійснюємо
за такими правилами:
а) якщо аi<bj, тобто запаси менші від потреб, то в цю клітинку записуємо весь об’єм запасу
вантажу аi, перераховуємо потреби споживача Bj, постачальника Ai вилучаємо з розгляду
(наприклад, поставивши у всіх клітинках рядочка, крім заповненої, прочерки) і переходимо до
заповнення наступної клітинки Ai+1Bj;
б) якщо аi>bj, тобто запаси більші від потреб, то в цю клітинку записуємо весь об’єм потреб
вантажу bj, перераховуємо запаси постачальника Ai, вилучаємо з розгляду
споживача Bj (ставимо у всіх клітинках стовпчика, крім заповненої, прочерки) і переходимо до
заповнення наступної клітинки AiBj+1;
в) якщо аi=bj, тобто запаси рівні потребам, то в цю клітинку записуємо весь об’єм потреб чи
запасів, вилучаємо з розгляду постачальника Ai і споживача Bj (ставимо в усіх клітинках
стовпчика і рядка, крім заповненої, прочерки) і переходимо до заповнення наступної
клітинки Ai+1Bj+1.
3. Серед незаповнених клітинок (без обсягу вантажу і прочерків) знову вибираємо верхню ліву
клітинку таблиці і заповнюємо її за правилами, поданими в п. 2. Так продовжуємо до тих пір,
доки не заповнимо всі клітинки таблиці.
Після побудови початкового опорного плану кожним з методів у таблиці ма’ бути
заповнено (т+п-1) клітинок, тому що ранг матриці системи обмежень транспортної задачі
рівний r=m+n-l, де т - кількість постачальників, п - кількість споживачів.
Заповнені клітинки називаються базисними, а незаповнені - вільними. Якщо кількість базисних
клітинок рівна (т+п-1), то такий планназивається невиродженим. Якщо кількість заповнених
клітинок менша (т+п-1), то план називається виродженим. Тоді необхідно заповнити
відповідну кількість порожніх (небазисних) клітинок, записуючи в них «нульове
перевезення», і ці клітинки вважати базисними.
17. Двоїста Т-задача.
(5.1)
за обмежень:
; (5.2)
; (5.3)
. (5.4)
Розглянемо транспортну задачу (5.1)—(5.4).
Позначимо змінні двоїстої задачі, які відповідають рівнянням (5.2), через , а для
рівнянь (5.3) — через . Оскільки всі обмеження транспортної задачі є рівняннями, то
пара спряжених задач є несиметричною і ніякі обмеження на знаки змінних двоїстої
задачі та не накладаються.
Для побудови двоїстої задачі поставимо у відповідність обмеженням початкової задачі
змінні двоїстої:
(5.20)
(5.21)
.
Згідно з загальними правилами побудови двоїстих задач маємо:
(5.22)
за умов:
, (5.23)
.
Змінні ui та vj задачі (5.22), (5.23) двоїстої до транспортної мають назву потенціалів.
18. Перетворення планів Т-задачі. Цикли Т-задачі.
Цикл в Т-таблиці являє собою сукупність клітинок, з’єднаних замкнутою ламаною
лінією, яка в кожній клітинці робить поворот на 90 градусів. Обов’язкова вимога – в кожному
рядку і стовпчику, по якій проходить цикл, повинно бути дві вершини. Також кожний цикл
перерахунку складається із парного числа вершин, одна з яких міститься у вільній клітинці, а
ін. – у заповнених. Для кожної вільної клітинки можна побудувати цикл перерахунку і
причому єдиний. Далі слід перейти до наступного. Для цього необхідно здійснити
перерозподіл перевезень в межах клітинок, пов'язаних циклом. Даний перерозподіл
здійснюють за такими правилами:
1. Кожній з клітинок, пов'язаних циклом (включно з вільною клітинкою),
приписують певний знак, причому вільній клітинці — знак «+», а всім іншим клітинкам — по
черзі знаки «-» і «+».
2. Серед значень клітинок позначених мінусом вибираємо мінімальне і до клітинок
позначених знаком плюс додаємо це (мінімальне) значення, а від клітинок позначених знаком
мінус — віднімаємо дане значення. В результаті клітинка де знаходилось мінімальне значення
стає вільною. Таким чином ми отримуємо новий опорний план, який знову потрібно
перевірити на оптимальність.
19.Знаходження потенціалів, критерій оптимальності.
Основний метод розв’язку ТЗ (метод потенціалів) фактично відтворює всі його етапи,
але в іншій формі. Поліпшувати треба той початковий план, для якого транспортні витрати
найменші. Якщо початковий опорний план транспортної задачі має додатних
перевезень, то він називається невиродженим. Якщо початковий опорний план має
менше додатних перевезень, то він називається виродженим.
20. Виродження у Т-задачах.
Опорний план транспортної задачі має містити не більше ніж (m + n – 1)
відмінних від нуля компонент. Якщо їх кількість дорівнює ( m + n – 1), то такий
опорний план називають невиродженим. Якщо ж кількість додатних компонент
менша ніж (m + n – 1), то опорний план є виродженим. Вироджений
план може виникати не лише за побудови опорного плану, ал е і при його
перетвореннях у процесі знаходження оптимального плану.
Найчастіше, щоб позбутися виродженості опорного плану, в деякі клітини
таблиці транспортної задачі в необхідній кількості вводять нульові постачання.
Обсяги запасів постачальників і потреби споживачів після цього не змінюються,
однак клітини зі значенням «нуль» вважаються заповненими.
Головною умовою при введенні нульової поставки є збереження необхідної і
достатньої умови опорності плану транспортної задачі — його ациклічності.
Клітина має вибиратись у такий спосіб, щоб неможливо було побудувати
замкнений цикл.
21. Задачі, що зводяться до транспортних.
Задача про призначення. Потрібно виконати n видів робіт, на які претендують n кандидатів.
Витрати на оплату праці i-го кандидата за виконання j-ої роботи дорівнюють .
Кожен кандидат може бути призначений лише на одну роботу, і кожна робота має
виконуватися лише одним кандидатом. Потрібно знайти оптимальне призначення кандидатів
на виконання робіт, за якого сумарні витрати на виконання всіх робіт будуть мінімальними.
Нехай дорівнює одиниці, якщо i-ий кандидат виконує j-ту роботу, та дорівнює нулю в
протилежному разі. Тоді умову, що кожен кандидат має виконувати лише одну роботу,
min
max
.
22. Постановка задачі цілочислового лінійного програмування.
Метод ланцюгів та границь є одним із універсальних кінцевих методів розв’язку ЗЛП у цілих
числах, але надмірна його трудомісткість, а також низька швидкодія для розв’язування задач
великої розмірності роблять його малоефективним. Для підвищення його ефективності
доцільно використати метод двохсторонніх наближень [7], [8]. Цей метод не завжди
приводить до розв’язку ЗЛП, але в цілочисельному варіанті: або дає розв’язок задачі; або
суттєво звужує область пошуку розв’язку. При цьому, значно зменшує розмірність задачі
(кількість нерівностей, та кількість шуканих змінних). Звідси випливає доцільність його
застосування на перших етапах розв’язування ЗЛП, а коли, за його допомоги, розв’язок знайти
не вдається слід застосовувати метод ланцюгів та границь вже для спрощеного варіанту ЗЛП.
Цей метод застосовують для розв’язку ЗЛП і в неперервному варіанті, але особливості
розв’язку в цілих числах роблять його, в переважній більшості випадків, незамінним.
23. Метод гілок та границь.
задачі.
4. Якщо ж знайдеться таке xl, що не відповідає умові цілочисельності, тоді повторюємо
виконання п.2, замінивши xk на xl. Таку процедуру повторюємо доти, доки всі потрібні змінні
не стануть цілими.
24. Економічна постановка задач, що приводять до нелінійних оптимізаційних моделей.
Нехай для деякої виробничої системи необхідно визначити план випуску продукції за умови
найкращого способу використання її ресурсів. Відомі загальні запаси кожного ресурсу, норми
витрат кожного ресурсу на одиницю продукції та ціни реалізації одиниці виготовленої
продукції. Критерії оптимальності можуть бути різними, наприклад, максимізація виручки від
реалізації продукції. Така умова подається лінійною залежністю загальної виручки від обсягів
проданого товару та цін на одиницю продукції.
Також добре відома транспортна задача стає нелінійною, якщо вартість перевезення одиниці
товару залежить від загального обсягу перевезеного за маршрутом товару. Тобто коефіцієнти
при невідомих у цільовій функції, що в лінійній моделі були сталими величинами,
залежатимуть від значень невідомих (отже, самі стають невідомими), що знову приводить до
нелінійності у функціоналі.
25. Геометрична інтерпретація задачі нелінійного програмування.
Геометрично цільова функція (1) визначає деяку поверхню, обмеження (2)-(3) визначають
допустиму підмножину n-вимірного евклідового простору.
(1)
(2)
(3)
Розгорнутий варіант
Застосуємо метод множників Лагранжа для розв’язування задачі
нелінійного програмування, що має вигляд:
Друга група рівнянь системи (4) забезпечує виконання умов (2) початкової задачі
нелінійного програмування. Система (4), як правило, нелінійна. Розв'язками її
є і — стаціонарні точки. Оскільки, ці розв'язки отримані з
необхідної умови існування екстремуму, то вони визначають максимум (мінімум) задачі (1) —
(2) або можуть бути точками перегину (сідловими точками).
Для діагностування стаціонарних точок і визначення типу екстремуму
необхідно перевірити виконання достатніх умов екстремуму, тобто дослідити в околі
стаціонарних точок диференціали другого порядку (якщо для функцій
та існують другі частинні похідні і вони неперервні).
Узагальнення достатньої умови існування локального екстремуму для функції мінних
приводить до такого правила: за функцією Лагранжа виду (3) будується матриця Гессе, що
має блочну структуру розмірністю :
Розглянемо ознаки виду екстремуму розв'язку системи (4). Нехай стаціонарна точка має
координати і .
1. Точка є точкою максимуму, якщо, починаючи з головного мінору
порядку , наступні головних мінорів матриці утворюють знакозмінний
числовий ряд, знак першого члена якого визначається множником .
2. Точка є точкою мінімуму, якщо, починаючи з головного мінору
порядку , знак наступних головних мінорів матриці визначаються
множником .
30. Економічна інтерпретація множників Лагранжа.
(14)
Диференціюючи обидві частини обмежень, отримуємо
(15)
омножимо обидві частини рівності (15) на і віднімемо з (14):
(16)
Так як х0 і задовольняють рівнянням (12) і (13), рівність (16) приводиться до вигляду
(17)
Таким чином, з формули (17) випливає, що швидкість зміни оптимального значення f, що
викликається зміною b1, визначається оптимальним значенням множника Лагранжа .
Іншими словами, величина зміни оптимального значення цільової функції,
обумовленого одиничним збільшенням правій частині обмеження. Залежно від знака
значення f0 при зміні b1 можуть збільшуватися або зменшуватися.
31. Задачі дробово-лінійного програмування, методи їх розв’язування
(7.1)
; (7.2)
. (7.3)
У разі, коли задача дробово-лінійного програмування містить лише дві змінні, для її
розв’язування зручно скористатися графічним методом.
max , (8.42)
; (8.43)
. (8.44)
Оскільки цільова функція задачі є опуклою, а обмеження — лінійні, тобто визначають опуклу
множину допустимих розв’язків, то ця задача належить до задач опуклого програмування, для
яких справджується твердження, що будь-який локальний максимум є і глобальним. Отже,
використовуючи умови теореми Куна — Таккера для задачі (8.42)—(8.44), отримаємо
необхідні та достатні умови оптимальності плану у вигляді такої теореми.
(ІІ) , ; (8.46)
(ІІІ) , ; (8.47)
(ІV) , . (8.48)
Наведену теорему можна використати для побудови ефективного методу розв’язування задач
квадратичного програмування на основі алгоритму симплексного методу.
Умови (8.47) та (8.48) означають, що змінні не можуть одночасно мати додатні значення,
тобто входити в базис разом. Якщо деякі k компонент вектора додатні, то відповідні їм
компоненти вектора V дорівнюють нулю і лише (n – k) компонент відмінні від нуля (додатні).
Отже, разом будуть мати не більш ніж n додатних компонент. З аналогічних міркувань
щодо рівності (8.48) випливає, що разом з буде n + m відмінних від нуля компонент,
тобто це може бути базисний розв’язок системи, що утворена умовами (8.45) та (8.47). Для
знаходження такого розв’язку можна застосувати симплексний метод.
Якщо зазначена система рівнянь має допустимий план (він буде єдиним), то оптимальний
план відповідної задачі квадратичного програмування також існує.
max (8.54)
33. Градієнтний метод Франка-Вульфа.
Розглянемо ще один метод призначений для знаходження розв'язку задачі нелінійного
програмування, а саме метод Франка-Вульфа, який відноситься до категорії градієнтних
методів і процедура якого передбачає визначення оптимального плану шляхом перебору
розв'язків, які є допустимими планами задачі. Розглянемо даний процес більш детально і
припустимо, що нам необхідно відшукати максимальне значення функції мети:
На наступному кроці, переходимо до новї задачі, яка полягає у максимізації функції (4) при
обмеженнях (2) і (3). Нехай розв'язок даної задачі визначається точкою . Тоді за нове
допустиме рішення вихідної задачі (1) — (3) беремо координати точки :
де — деяке число, яке називається кроком обчислень і значення якого повинно міститися
між нулем і одиницею, тобто . Відмітимо, що даний крок зазвичай береться
довільно або визначається таким чином, щоб значення функції в точці ( ), залежне
від , було максимальним. Для цього необхідно знайти розв'язок рівняння і
вибрати його максимальний корінь. Якщо отримане таким чином значення виявиться більшим
за одиницю, то слід покласти .
Після визначення знаходимо координати точки , обчислюємо значення цільової
функції в ній та скориставшись нерівністю (де — достатньо мале
число), з'ясовуємо необхідність переходу до нової точки . Якщо така необхідність є
(нерівність не виконується), то обчислюємо в точці градієнт цільової функції. Потім
переходимо до відповідної задачі лінійного програмування, знаходимо її рішення,
визначаємо координати точки і досліджуємо необхідність проведення подальших
обчислень. Відмітимо, що після виконання кінцевого числа таких кроків отримаємо, з
необхідною точністю, розв'язок вихідної задачі нелінійного програмування (1) — (3).
34. Основні поняття теорії ігор.
Якщо результат гри є невизначеним винятково через випадкові фактори, такі ігри
називаються азартними.
Правила гри – можливі варіанти дії гравців, інформація однієї сторони про дії іншої,
результат гри після виконання послідовності ходів.
4.Найпростішим видом стратегічної гри є парна скінченна гра з нульовою сумою. Гра
складається з двох ходів: гравець вибирає одну зі своїх можливих стратегій , ,
гравець вибирає одну зі своїх можливих стратегій , ; при повному незнанні
вибору іншого гравця.
– виграш гравця А.
– виграш гравця В.
Мета гри: для гравця А - одержати max φ, а для гравця В – одержати min φ.
; ; .
Позначивши маємо:
(11.11)
за умов:
(11.12)
. (11.13)
Розв’язуючи цю задачу симплексним методом, знаходимо значення а також
за умов:
(6.21)
Нехай
, , , .
за умов
.
Звідси для будь-якого j-го інтервалу маємо:
за умов
.
Загальна задача набирає вигляду:
(6.22)
за умов ,
, .
Таку задачу розв’язують спеціальними методами
37. Методика розв’язування динамічних задач.
Динамічний процес розбивається на сукупність послідовних етапів, або кроків. Кожний крок
оптимізується окремо, а рішення (розв’язок), згідно з яким система переходить із поточного
стану до нового, вибирається з урахуванням його майбутніх наслідків і не завжди дає
найбільший ефект на даному етапі. На останньому кроці приймається рішення (відшукується
розв’язок), яке забезпечує максимальний ефект. З огляду на сказане, оптимізація методом
динамічного програмування починається з кінця: насамперед планується останній крок.
Спираючись на відому інформацію про закінчення передостаннього кроку, на підставі різних
гіпотез щодо його закінчення, вибирають управління на останньому кроці. Таке управління
називають умовно оптимальним, оскільки знаходять його за припущення, що попередній
крок було здійснено згідно з однією з можливих гіпотез.
Нехай аналізується деякий керований процес, перебіг якого можна розбити на послідовні
етапи (кроки), що задаються. Ефективність всього процесу Z є сумою
ефективностей окремих кроків:
(адитивний критерій)
або
(мультиплікативний критерій).
З кожним кроком задачі пов’язане прийняття певного рішення, так званого крокового
управління , що визначає як ефективність даного етапу, так і всієї операції в
цілому.
У задачі динамічного програмування знаходять таке управління всією
операцією, яке максимізує загальну її ефективність:
1.
1. .
1. .
2. Цьому ефекту відповідає умовне оптимальне управління на
j-му кроці . Зауважимо, що за аргумент функції беремо не s, а змінений
стан системи, тобто .
3. 7. Здійснюємо умовну оптимізацію останнього п-го кроку, розглядаючи множину
станів s, що на один крок віддалені від кінцевого стану, і визначаємо умовний
оптимальний ефект на п-му кроці:
4. .
5. Далі знаходимо умовне оптимальне управлінське рішення xn(s), завдяки якому цей
максимум досягається.
6. 8. Виконуємо умовну оптимізацію (n – 1)-го, (n – 2)-го і т. д., тобто всіх попередніх
кроків за рекурентними залежностями п. 6, і для кожного кроку знаходимо умовне
оптимальне управління:
7.