Chương 2.

Chương 2. KHÁI QUÁT VỀ MÔ HÌNH TỐI ƯU TĨNH

▪ 2.1. Các yếu tố của mô hình tối ưu tĩnh

▪ 2.2. Biểu diễn mô hình tối ưu tĩnh
▪ 2.3. Giải mô hình
▪ 2.4. Phân tích so sánh tĩnh

1
Chương 2. Khái quát mô hình tối ưu tĩnh 2.1. Các yếu tố

2.1. CÁC YẾU TỐ CỦA MÔ HÌNH TỐI ƯU TĨNH

▪ Tác nhân kinh tế (agent): Con người, thể hiện ở cá

nhân, tập thể.
▪ Hành vi: ra quyết định (dicision making)
▪ Tính chất: hợp lý (rational)
▪ Hoạt động: toàn quyền và hoàn toàn chịu trách nhiệm
▪ Lựa chọn: có nhiều khả năng lựa chọn
▪ Tập chấp nhận: D
▪ Biến chọn: xi
▪ Phương án: X = (x1, x2,…, xn)  D

2
Chương 2. Khái quát mô hình tối ưu tĩnh 2.1. Các yếu tố

Thứ tự ưa thích
▪ Quan hệ hai ngôi kí hiệu gọi là “thứ tự ưa thích”
(preference)
▪ Ưa thích không kém: X1 X2
▪ Ưa thích nhất: X* X  X
▪ Ưa thích như nhau: X1 X2 đồng thời X2 X1:
kí hiệu X1 ~ X2: bàng quan (indifferent)
▪ Ưa thích hơn hẳn: X1 X2 đồng thời X2 X1:
kí hiệu X1 X2 (prefer)

3
Chương 2. Khái quát mô hình tối ưu tĩnh 2.1. Các yếu tố

Thứ tự ưa thích
▪ Tính hợp lý:
Đầy đủ: X1 X2 hoặc X2 X1
Bắc cầu: X1 X2 và X2 X3 thì X1 X3
▪ Phản xạ: X X ;
▪ Đối xứng: X1 X2 thì X2 X1
▪ Đơn điệu tăng: nếu X1  X2 thì X1 X2
▪ Liên tục: X Y  i , i→+
i i lim X i
= X 0
, lim Y i
= Y 0
i →+
thì X0 Y0

4
Chương 2. Khái quát mô hình tối ưu tĩnh 2.1. Các yếu tố

Dạng tổng quát của Mô hình tối ưu

▪ Mô hình tối ưu một mục tiêu
Tìm X  D để z = F(X) → Max
▪ Mô hình tối ưu nhiều mục tiêu
Tìm X  D để zi = Fi(X) → Max (i = 1 k)

Trường hợp các biến đều  R, giả thiết của D:

▪ D  Rn ; D  
▪ D là tập đóng và lồi

5
Chương 2. Khái quát mô hình tối ưu tĩnh 2.2.

2.2. BIỂU DIỄN MÔ HÌNH TỐI ƯU

▪ D lồi  Rn ; với X1, X2  D; và 0    1 ; hàm U(X)
▪ Hàm lồi: U(X1) + (1 – )U(X2)  U[X1 + (1 – )X2]
▪ Hàm lõm: U(X1) + (1 – )U(X2)  U[X1 + (1 – )X2]
Nếu là > và < : lồi chặt và lõm chặt
▪ Hàm tựa lồi:
U[X1 + (1 – )X2]  max{U(X1), U(X2)}
▪ Hàm tựa lõm:
U[X1 + (1 – )X2]  min{U(X1), U(X2)}
Nếu là > và < : tựa lồi chặt và tựa lõm chặt

6
Chương 2. Khái quát mô hình tối ưu tĩnh 2.2. Biểu diễn mô hình tối ưu

Hàm lồi, lõm, tựa lồi, tựa lõm

▪ Hàm lồi, lõm định nghĩa qua đạo hàm
▪ Hàm lồi, lõm định nghĩa theo dạng toàn phương
▪ Hàm tựa lồi, tựa lõm định nghĩa theo tập mức
▪ Hàm tựa lồi, tựa lõm định nghĩa theo đạo hàm

7
Chương 2. Khái quát mô hình tối ưu tĩnh 2.2. Biểu diễn mô hình tối ưu

Tính chất các hàm lồi, lõm, tựa lồi, tựa lõm
▪ Các tính chất cơ bản
▪ (i) U(X) (tựa) lồi (chặt)  –U(X) (tựa) lõm (chặt)
▪ (ii) Hàm lồi (lõm)  là tựa lồi (lõm)
▪ (iii) Tổng các hàm lồi / lõm là lồi / lõm
▪ (iv) Hàm tuyến tính vừa lồi vừa lõm (không chặt)
▪ (v) Phép biến đổi đơn điệu dương bảo toàn tính tựa lồi /
tựa lõm (chặt)
▪ Liên hệ với định thức ma trận Hess: 6 tính chất nhỏ

8
Chương 2. Khái quát mô hình tối ưu tĩnh 2.2. Biểu diễn mô hình tối ưu

Bài toán quy hoạch

▪ Bài toán một mục tiêu
z = U(X) = U(x1, x2, …, xn) → max (min)
D = { X  R+n : gi(X)  () bi , i = 1m}
▪ Bài toán nhiều mục tiêu
zj = Uj(X) → max (min)
D = { X  R+n : gi(X)  () bi , i = 1m}
▪ Nếu gi(X) liên tục thì D là tập đóng
▪ Nếu gi(X) tựa lõm / tựa lồi thì D là tập lồi

9
Chương 2. Khái quát mô hình tối ưu tĩnh 2.3. Giải mô hình

2.3. GIẢI MÔ HÌNH

▪ Mô hình tối ưu một mục tiêu
z = U(X) = U(x1, x2, …, xn) → max (min)
D = { X  R+n : gi(X)  () bi , i = 1m}
Sự tồn tại nghiệm
▪ Nếu D là compact (đóng và bị chặn)
→ tồn tại nghiệm, hay phương án tối ưu
▪ Nếu bài toán có nghiệm và U(X) tựa lõm (tựa lồi) chặt
→ nghiệm duy nhất

10
Chương 2. Khái quát mô hình tối ưu tĩnh 2.3. Giải mô hình

Điều kiện cần (Định lý Kuhn – Tucker)

m
▪ Hàm Lagrange: L ( X , λ) = U ( X ) +  λi bi − gi ( X ) 
i =1

▪ Đặt Lxj = L / xj ; Li = L /i

▪ Định lý: Nếu X* là nghiệm của bài toán và điều kiện
chính quy thỏa mãn thì tồn tại * R+m sao cho :
Lxj(X*, *)  () 0 j = 1 n
xj* Lxj(X*, *) = 0 j = 1 n
Li(X*, *)  () 0 i = 1 m
i* Li(X*, *) = 0 i = 1 m

11
Chương 2. Khái quát mô hình tối ưu tĩnh 2.3. Giải mô hình

Điều kiện đủ (Định lý Arrow-Enthoven)

▪ U(X) khả vi, tựa lõm (lồi) trong R+n
▪ gi(X) khả vi, tựa lồi (lõm) trong R+n, (i = 1 m)
▪ X0 là phương án, thỏa mãn điều kiện cần
▪ Một trong số các điều kiện:
 j : U(X0) / xj < (>) 0
U(X) khả vi hai lần trong lân cận X0
U(X) là hàm lõm (lồi)

Nếu nghiệm i* duy nhất: gọi là “giá bóng” (shadow

price) ứng với ràng buộc i.

12
Chương 2. Khái quát mô hình tối ưu tĩnh 2.3. Giải mô hình

Kiểm chứng điều kiện chính quy

▪ Ràng buộc tuyến tính → luôn thỏa mãn
▪ Ràng buộc tổng quát, thỏa mãn điều kiện
(i) Các ràng buộc khả vi và tựa lồi (tựa lõm)
(ii) Tồn tại phương án thỏa mãn lỏng các ràng buộc
(iii) Các ràng buộc là lồi (lõm) hoặc các vectơ
Gradient của các ràng buộc khác 0

▪ Lưu ý: Có thể thay hàm mục tiêu U(X) bởi phép biến
đổi đơn điệu dương của nó

13
Chương 2. Khái quát mô hình tối ưu tĩnh 2.3. Giải mô hình

Nghiệm bài toán nhiều mục tiêu

▪ Có thể không tồn tại nghiệm lý tưởng
▪ Khi đó quy về một mục tiêu, qua việc xét lần lượt các
mục tiêu, hoặc gộp các mục tiêu qua hệ trọng số
▪ Nghiệm tối ưu Pareto: Không tồn tại một phương án
nào khác tốt hơn nó (một hàm mục tiêu tăng lên mà
không hàm mục tiêu nào bị giảm đi)

14
Chương 2. Khái quát mô hình tối ưu tĩnh 2.4. Phân tích so sánh tĩnh

2.4. PHÂN TÍCH SO SÁNH TĨNH

▪ Xem xét tác động của các yếu tố đến nghiệm, đến giá
trị cực trị của hàm mục tiêu
▪ Yếu tố là các tham số (parameter) coi như ngoại sinh
▪ Bài toán quy hoạch tham số
z = U(X, P) → max (min)
D = { X  R+n : gi(X, P)  () bi , i = 1m}
Với X là biến chọn, P  Rk là vectơ tham số
▪ Giả thiết có nghiệm X*(P) ,
▪ Trị tối ưu z* = U(X*, P) = v(P) là hàm giá trị

15
Chương 2. Khái quát mô hình tối ưu tĩnh 2.4. Phân tích so sánh tĩnh

Tác động của tham số

▪ Từ nghiệm xj*(P) tính được tác động của tham số
▪ Tác động của tham số đến trị tối ưu hàm mục tiêu: theo
Định lý hình bao:
v( P) U ( X * ( P), P ) g i( X *
( P ), P )
pr
=
pr
− 
i=I ( P)
*
i
pr

▪ Với I(P) là tập các ràng buộc chặt của X*(P)

16
Chương 2. Khái quát mô hình tối ưu tĩnh 2.4. Phân tích so sánh tĩnh

Tác động của tham số

▪ Trường hợp riêng: Tham số là vế phải ràng buộc:
z = U(X) → max (min)
D = { X  R+n : gi(X, P)  () pi , i = 1m}
▪ Thì v( P)
= *
pi
i

▪ Khi thay đổi giới hạn ràng buộc thì cực trị hàm mục
tiêu thay đổi bằng giá bóng. Giá bóng đánh giá tầm
quan trọng của nguồn lực.

17