Professional Documents
Culture Documents
Вітлінський В В Математичне програмування Нав
Вітлінський В В Математичне програмування Нав
В. В. ВІТЛІНСЬКИЙ
С. І. НАКОНЕЧНИЙ
Т. О. ТЕРЕЩЕНКО
МАТЕМАТИЧНЕ
ПРОГРАМУВАННЯ
Навчально-методичний посібник
для самостійного вивчення дисципліни
Рекомендовано
Міністерством освіти і науки України
Київ 2001
ББК 22.18 Розповсюджувати та тиражувати
В 54 без офіційного дозволу КНЕУ заборонено
Рецензенти:
Н. І. Костіна, д-р техн. наук, проф. (Київ. нац. ун-т ім. Тараса Шевченка)
О. П. Суслов, д-р екон. наук, проф. (НДЕІ М-ва екон. України)
Навчальне видання
ВІТЛІНСЬКИЙ Вальдемар Володимирович
НАКОНЕЧНИЙ Степан Ількович
ТЕРЕЩЕНКО Тетяна Опанасівна
МАТЕМАТИЧНЕ ПРОГРАМУВАННЯ
Навчально-методичний посібник
для самостійного вивчення дисципліни
Редактор Л. Бондаренко. Художник обкладинки О. Стеценко
Технічний редактор Т. Піхота. Коректор І. Савлук
Верстка І. Пантюхової, Н. Коломієць, О. Іваненко
Підписано до друку 31.07.01. Формат 6084/16. Папір офсет. № 1.
Гарнітура Таймс. Друк офсетний. Умов. друк. арк. 14,42. Умов. фарбовідб. 14,53.
Обл.-вид. арк. 16,41. Наклад 7000 прим. Зам. № 20-2105.
Видавництво КНЕУ
03680, м. Київ, просп. Перемоги, 54/1
Свідоцтво про реєстрацію № 235 від 07.11.2000
Тел./факс: (044) 458-00-66; 446-64-58
E-mail: publish@kneu.kiev.ua
В. В. Вітлінський,
С. І. Наконечний,
Т. О. Терещенко, 2001
ISBN 966–574–263–9 КНЕУ, 2001
ЗМІСТ
Передмова .................................................................................................3
Розділ 1. ПРЕДМЕТ, ОСОБЛИВОСТІ ТА СФЕРИ
ЗАСТОСУВАННЯ МАТЕМАТИЧНОГО ПРОГРАМУВАННЯ
В ЕКОНОМІЦІ. КЛАСИФІКАЦІЯ ЗАДАЧ ...............................................7
1.1. Предмет курсу «Математичне програмування» ............................7
1.2. Найпростіша класифікація задач математичного
програмування .............................................................................................11
1.3. Програма дисципліни «Математичне програмування» ..............14
Розділ 2. ЗАГАЛЬНА ЗАДАЧА ЛІНІЙНОГО ПРОГРАМУВАННЯ
ТА МЕТОДИ ЇЇ РОЗВ’ЯЗУВАННЯ ..........................................................18
2.1. Загальна математична модель лінійного програмування ...........18
2.2. Форми запису задач ЛП .................................................................20
2.3. Геометрична інтерпретація ЗЛП ...................................................21
2.4. Основні аналітичні властивості розв’язків задач лінійного
програмування ..............................................................................................23
2.5. Графічний метод розв’язування задач лінійного
програмування .............................................................................................24
2.6. Симплексний метод розв’язування задач ЛП ..............................45
2.7. Заключні зауваження ......................................................................69
2.8. Контрольні запитання ....................................................................70
2.9. Теми рефератів ................................................................................70
2.10. Основні терміни та поняття .........................................................71
Розділ 3. ДВОЇСТІСТЬ У ЛІНІЙНОМУ ПРОГРАМУВАННІ ..........72
3.1. Поняття двоїстості. Правила побудови двоїстих задач ..............72
3.2. Теореми двоїстості .........................................................................74
3.3. Навчальні завдання .........................................................................75
3.4. Приклади та завдання для самостійної роботи ...........................82
3.5. Заключні зауваження ......................................................................88
3.6. Контрольні запитання ....................................................................88
3.7. Теми рефератів ................................................................................89
3.8. Основні терміни та поняття ...........................................................89
Розділ 4. ЕКОНОМІЧНА ІНТЕРПРЕТАЦІЯ ДВОЇСТИХ ЗАДАЧ.
АНАЛІЗ ОПТИМАЛЬНИХ ПЛАНІВ ЛІНІЙНИХ ЕКОНОМІКО-
МАТЕМАТИЧНИХ МОДЕЛЕЙ ................................................................90
4.1. Економічна інтерпретація двоїстої задачі ....................................90
4.2. Навчальні завдання .........................................................................92
4.3. Приклади та завдання для самостійної роботи .........................105
4.4. Заключні зауваження ....................................................................116
4.5. Контрольні запитання ..................................................................117
4.6. Теми рефератів ..............................................................................117
4.7. Основні терміни та поняття .........................................................117
О
сновне завдання фахівців з економіки та підприємництва — керувати
економічними системами, розробляючи й упроваджуючи стратегічні
та тактичні плани. Керування економічними системами — це, по суті,
використання знань про сис-
теми, здобуття нової інформації та застосування її з метою відшукання
ефективних способів досягнення заданих результатів. Організаційна
форма, що має будуватися не за бюрократичним принципом, а на засадах
адхократії1, стає структурою холдингового типу: координує роботу
багатьох тимчасових груп, які розпочинають і припиняють свою діяльність
згідно з темпом змін у навколишньому середовищі та в міру досягнення
цілей.
Отже, для керування економічними системами необхідна
інформація, особливо у ХХІ столітті, коли стрімко відбуваються
процеси інформатизації (третя хвиля) суспільства, його
інтелектуалізації.
Можна повністю погодитися з С. Л. Удовиком, що
інтелектуальна економіка основні вкладення робить у людський
фактор, тобто у знання і культуру. Знання та індивідуальний підхід
перетворюються на основну цінність інформаційного суспільства.
Більш того, головним фактором для людини стає не абсолютний
дохід, а, як стверджує Р. Інглегарт, ступінь безпечності, статус і
якість життя. Прагнення до матеріальних цінностей змінюється на
прагнення самовираження, пошуку сенсу життя, бажання залишити
свій слід у ньому. Дедалі більше людей на Заході надають перевагу
роботам не найдохіднішим, а творчо цікавим, які дозволяють
самореалізуватися в контексті з близькими. Те, що К. Маркс і
Ф. Енгельс цілком справедливо визначали як суспільство вільної
індивідуальності, починає виявлятися у країнах Заходу2.
1
Адхократія — влада інтелектуалів, залучених для розв’язування конкретної
задачі.
5
Ми стаємо свідками інтелектуалізації та інформатизації західного
суспільства. Можемо бути впевненими, що цей процес не обмине Україну.
Наша країна має до цього готуватись, розвивати наукові дослідження і, що
найважливіше, виховувати фахівців, котрі мають відповідний рівень знань.
На наших очах пройшла комп’ютерна революція. У домівках
з’явилися комп’ютери, оснащені сучасним програмним
забезпеченням із широкими можливостями. Завдяки всесвітній
мережі Інтернет наше суспільство має змогу використовувати у
своїй діяльності світові досягнення науки, культури тощо. Десять
років тому такий перебіг справ мало хто міг передбачити. Немає
сумніву, що в наступному десятиріччі комп’ютер стане таким
поширеним, як і телефон.
Інформатизація суспільства — закономірний процес. Наприк-
лад, у США злам припав на 1991 рік, коли вперше витрати на
придбання інформаційної техніки (112 млрд дол.) перевищили
витрати на промислове обладнання (107 млрд дол.)1. Цей рік
можна вважати першим роком інформаційної ери. Відтоді різниця
між зазначеними витратами постійно збільшується. Зростання ролі
знань, високих технологій, добування нової вагомої для керування
інформації притаманне інформаційним суспільствам. С. Л. Удовик
на прикладі компаній «ІВМ» та «Microsoft» вдало показав сутність
і переваги використання інформаційних технологій. Наприкінці
1996 року ринкова вартість компанії «Microsoft» становила 85,5, а
«ІВМ» — 70,7 млрд дол., хоча остання продавала набагато більше
продукції. Окрім того, основні виробничі засоби та устаткування
«ІВМ» досягають 16,6 млрд дол., а «Microsoft» — не перевищують
930 млн дол. Отже, з позиції індустріального суспільства
основною вартістю «Microsoft» є «повітря» — ідеї, думки, набутий
працівниками досвід, престижне ім’я, можливості, особливо
можливості перспективні, а також розумні й творчі голови
службовців. Як вдало висловився Д. Танскотт з приводу
«Microsoft», «активи компанії щовечора розходяться по домівках».
Більш того, з погляду матеріальних активів інша добре відома в
нас компанія — «Visa International» — просто не існує, хоча й
здійснює фінансові угоди на третину трильйона доларів за рік»2.
Зауважимо, що в розвинених країнах кількість працівників, зай-
нятих у сфері виробництва, з року в рік зменшується. Так, нині у
2
Удовик С. Л. Государственность Украины: истоки и перспективы. — К.:
Ваклер, 1999. — С. 31—32.
1
Удовик С. Л. — С. 28.
2
Удовик С. Л. — С. 27—28.
6
США частка таких працівників становить близько 10 %, а в
інтелектуальних сферах зайнято вже майже 60 %3.
Принагідно зазначимо, що рентабельність у виробничій сфері
не перевищує 5—15 %, а в інтелектуальній — 1000—2000 %.
Саме тому високотехнологічні й інтелектуальні суспільства
практично не потрапляють у зону кризи — норма рентабельності
їхньої продукції витримує багаторазове зниження цін.
За умов інформатизації суспільства основним його надбанням
стає інтелектуальний продукт, отримуваний завдяки високим
технологіям та інвестиціям у знання. Не можна не погодитися з
С. Л. Удовиком, який стверджує, що в сучасній державі необхідна
«активна інформатизація державних установ з використанням
мережі Інтернет. Це не лише прискорить перехід на горизонтальний
рівень керування, спростить контроль з боку вищестоящих органів,
але й скоротить час обробки та прийняття рішень і документообіг,
змусить чиновників, образно кажучи, «повернутися лицем» до
громадян, які дістають змогу безпосередньо контролювати
проходження документів без складної системи записів на прийом і
т. ін. Крім цього, це дозволить так організувати роботу установ, що
громадяни взагалі не матимуть безпосередніх стосунків із
чиновниками»1.
Підкреслимо, що коли йдеться про інформатизацію
суспільства, керівник має відповідати за використання й
ефективність знань. Отже, у таких суспільствах змінюються
сутність і методи керування економічними системами.
Інформаційна та комп’ютерна революція прискорює розвиток суспільства, яке
буде не капіталістичним і не комуністичним, а інформаційним. Ефективність
сягне так високо, що всі члени суспільства в матеріальному плані будуть
повністю задоволені. Проте це не означає, що в суспільстві не буде
суперечностей. Суспільство в результаті такої революції поділиться на два
«ворожі» класи, а саме на тих, хто опанував комп’ютерні технології, і на тих, хто
цього не зробив або не зміг. Виникає реальне протистояння в суспільстві, яке
може мати негативніші наслідки, ніж перехід наших предків від кустарного до
фабричного виробництва. Річ у тім, що промислова революція, яка розтягнулася
в часі, давала можливість людям адаптуватися до нових умов, при цьому
створювалися нові робочі місця. Комп’ютерна революція проходить стрімко,
загрожує зруйнувати більше робочих місць, ніж створити, формуються нові
жорсткі класові бар’єри, особливо між високо- і малоосвіченими членами
суспільства.
3
Танскотт Д. Электронно-цифровое общество. — К.: INT; М.: Рефл-бук, 1999. —
С. 10.
1
Удовик С. Л. — С. 28.
7
Принагідно зазначимо, що українське суспільство значною мірою відстає від
світового рівня у процесах інформатизації, використання комп’ютерної техніки.
Важливою для нашого суспільства є проблема вдосконалення керування
економічними системами на базі комп’ютерних технологій, тобто інтенсивного
впровадження систем підтримки прийняття рішень (СППР), які продовж трьох
десятиліть широко застосовуються у розвинених країнах. Наприклад, для
розробки програмного забезпечення СППР США щорічно витрачає понад 1
млрд доларів. Хоча в Україні такі системи ще практично не використовуються,
але інтелектуальна діяльність нашого суспільства є доволі прогресуючою і
динамічною, його інформатизація забезпечить використання СППР. Фахівці-
економісти мають бути готовими до такого перебігу процесів інформатизації.
СППР окрім програмного забезпечення містять у собі банк
економіко-математичних методів і моделей. Щоб ефективно
застосовувати СППР, необхідно володіти методом
математичного моделювання, вміти будувати економіко-
математичні моделі, знати методи оптимізації економічних
процесів та явищ. Усе це вивчається в дисциплінах економіко-
математичного циклу. Отже, глибоке вивчення цього циклу
дисциплін дасть змогу фахівцеві-економісту вступити в
інформаційне суспільство, допоможе здобувати нові знання та
унікальну інформацію. Тільки з допомогою методів
математичного моделювання можна збагатитися знаннями про
системи, у тому числі економічні.
Математичне програмування є однією з дисциплін економіко-математичного
циклу, які вивчають в економічних вузах. Цей цикл дисциплін є базовим у
підготовці економістів і підприємців.
У пропонованому навчальному посібнику на прикладі економічних задач досить
популярно викладені основні методи математичного програмування, освоєння
яких не потребує особливих математичних знань, а лише старанної роботи. У
посібнику дано теоретичні основи, алгоритми розв’язування задач, домашні зав-
дання тощо.
Увагу допитливого студента звернемо на той факт, що розвиток
математичного програмування почався лише 60 років тому.
У 1939 році академік Л. В. Канторович, досліджуючи деякі задачі
економічного змісту, розробив методи чисельного розв’язування
екстремальних задач. Цей науковий напрямок розвивається досить
бурхливо, ряд вчених за розробку методів оптимізації отримали
Нобелівські премії, у тому числі академік Л. В. Канторович. Отже,
працьовиті і талановиті студенти мають можливість ознайомитися в
періодичній пресі з останніми досягненнями у сфері оптимізації
функціонування і розвитку економічних процесів. Опанувати математичне
8
моделювання і методи оптимізації студенти мають неодмінно, щоб стати
фахівцями високого рівня в інформаційному суспільстві.
Розділ 1
ПРЕДМЕТ, ОСОБЛИВОСТІ ТА СФЕРИ
ЗАСТОСУВАННЯ МАТЕМАТИЧНОГО
ПРОГРАМУВАННЯ В ЕКОНОМІЦІ.
КЛАСИФІКАЦІЯ ЗАДАЧ
9
Рис. 1.1. Схема виробничо-економічної системи
Параметри Сk (k = 1, 2, ..., l) є кількісними характеристика-
ми системи. Наприклад, якщо йдеться про сільськогосподарську
економічну систему, то значення Сk характеризують наявність
ресурсів (земельних угідь, живої праці, сільськогосподарської
техніки, тваринницькі та складські приміщення), рівень
урожайності сільськогосподарських культур і продуктивності
свійських тварин, норми витрат ресурсів, ціну та собівартість
проміжної і кінцевої продукції, норми податків, проценти за
кредит, ціни на куповані ресурси тощо.
Параметри Сk для певної системи можуть бути сталими,
наприклад норми висіву насіння сільськогосподарських культур,
норми споживання тваринами кормів і т. ін., або їх значення
залежатиме від певних умов, як, скажімо, урожайність
сільськогосподарських культур, собівартість продукції ,
реалізаційні ціни на рослинницьку й тваринницьку продукцію.
Інші кількісні характеристики є змінними величинами, які бувають
незалежними чи залежними, дискретними або неперервними,
детермінованими або випадковими. Наприклад, залежною змінною є
обсяг чистого прибутку, незалежною — кількість кормів, які планується
згодувати великій рогатій худобі, дискретною — кількість корів,
неперервною — площа посіву озимої пшениці, детермінованою — норма
висіву насіння кукурудзи на гектар, випадковою — кількість телят, які
народяться у плановому періоді.
Незалежні змінні бувають двох видів: керовані Хj (j = 1, 2, ..., n),
значення яких можна змінювати в деякому інтервалі; некеровані
змінні Yi (і = 1, 2, ..., m), значення яких не залежать від волі
людей і визначаються зовнішнім середовищем. Наприклад,
площі посіву зернових культур — керовані, а погодні умови —
некеровані змінні. Залежно від реальної ситуації керовані змінні
можуть переходити у групу некерованих і навпаки. Наприклад,
у разі насиченого ринку обсяги придбання дизельного палива є
керованою змінною величиною, а за умов дефіциту цього
ресурсу — некерованою.
Кожна економічна система має мету (ціль) розвитку та функціонування. Це
може бути, наприклад, отримання максимуму чистого прибутку. Ступінь
досягнення мети, здебільшого, має кількісну міру, тобто може бути
описаний математично.
Нехай F — обрана мета (ціль). За цих умов вдається, як
правило, встановити залежність між величиною F, якою
10
вимірюється ступінь досягнення мети, і незалежними змінними
та параметрами системи:
F = f (X1, X2, ..., Xn; Y1, Y2, ..., Ym, С1, С2, ..., Сl). (1.1)
Функцію F називають цільовою функцією, або функцією
мети. Для економічної системи це є функція ефективності її
функціонування та розвитку, оскільки значення F відбиває
ступінь досягнення певної мети.
Задача математичного програмування формулюється так:
Знайти такі значення керованих змінних Хj, щоб цільова
функція набувала екстремального (максимального чи
мінімального) значення.
Отже, потрібно відшукати значення
. (1.2)
Можливості вибору Хj завжди обмежені зовнішніми щодо
системи умовами, параметрами виробничо-економічної системи і
т. ін.
Наприклад, площа посіву озимої пшениці обмежена наявністю ріллі та інших
ресурсів, сівозмінами, можливістю реалізації зерна, необхідністю виконання
договірних зобов’язань тощо. Ці процеси можна описати системою
математичних рівностей та нерівностей виду
(1.3)
Тут набір символів означає, що для деяких значень
поточного індексу r виконуються нерівності типу ≤, для інших —
рівності (=), а для решти — нерівності типу ≥.
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 Хj мають бути невід’ємними:
. (1.4)
11
Вирази (1.2)—(1.4) є економіко-математичною моделлю
цієї економічної системи. Розробляючи таку модель, слід
керуватися певними правилами:
1. Модель має адекватно описувати реальні технологічні та
економічні процеси.
2. У моделі потрібно враховувати все істотне, суттєве в
досліджуваному явищі чи процесі, нехтуючи всім другорядним,
неістотним у ньому. Математичне моделювання — це мистецтво,
вузька стежка між переспрощенням та переускладненням.
Справді, прості моделі не забезпечують відповідної точності, і
«оптимальні» розв’язки за такими моделями, як правило не
відповідають реальним ситуаціям, дезорієнтують користувача, а
переускладнені моделі важко реалізувати на ЕОМ як з огляду на
неможливість інформаційного забезпечення, так і через
відсутність відповідних методів оптимізації.
3. Модель має бути зрозумілою для користувача, зручною для
реалізації на ЕОМ.
4. Потрібно забезпечити, щоб множина наборів Хj була не
порожньою. З цією метою в економіко-математичних моделях
по змозі слід уникати обмежень типу «=», а також суперечливих
обмежень. Наприклад, ставиться обмеження щодо виконання
контрактів, але ресурсів недостатньо, аби їх виконати. Якщо
система (1.3) має єдиний розв’язок, то не існує задачі вибору
оптимального плану.
Будь-який набір змінних Х1, Х2, ..., Хn, що задовольняє умови
(1.3) і (1.4), називають допустимим планом, або планом.
Очевидно, що кожний допустимий план є відповідною
стратегією економічної системи, програмою дій. Саме зі
словом «програма» і пов’язана назва предмета «математичне
програмування». Кожному допустимому плану відповідає
значення цільової функції, яке обчислюється за формулою (1.1).
Сукупність усіх розв’язків систем обмежень (1.3) і (1.4), тобто
множина всіх допустимих планів, становить область існування
планів.
План, за якого цільова функція набуває екстремального
значення, називається оптимальним. Оптимальний план є
розв’язком задачі математичного програмування (1.2)—(1.4).
Зауважимо, що в задачі математичного програмування передбачається
одна цільова функція, яка кількісно визначена. У реальних економічних
системах на роль критерію оптимальності (ефективності) претендують
кілька десятків показників. Наприклад, максимум чистого доходу від
виробленої продукції у вартісному виразі чи максимум рентабельності,
12
мінімум собівартості виробленої продукції або мінімум витрат
дефіцитних ресурсів. Некоректним є вираз «максимум товарної продукції
за мінімальної її собівартості». Хоча задача математичного
програмування передбачає одну цільову функцію, але існують
математичні методи побудови компромісних планів, тобто методи
багатокритеріальної оптимізації.
Перш ніж розглядати методи оптимізації, ознайомимося з
класифікацією задач математичного програмування.
1.2. НАЙПРОСТІША КЛАСИФІКАЦІЯ ЗАДАЧ
МАТЕМАТИЧНОГО ПРОГРАМУВАННЯ
13
застосовують, здебільшого, лінійні економіко-математичні моделі.
Часто нелінійні залежності апроксимують (наближають)
лінійними. Такий підхід на практиці є доволі ефективним.
У нелінійному програмуванні виокремлюють такі класи: опукле
програмування. Для задач опуклого програмування існує низка
добре обґрунтованих та ефективних методів їх розв’язування.
Зазначимо, що задачі лінійного програмування є частковим
випадком задач опуклого програмування.
Наголосимо, що коли область допустимих планів є опуклою множиною, а
цільова функція є опуклою функцією, то задача математичного програмування
має глобальний, єдиний екстремум (якщо такий існує).
Множина S в n-мірному евклідовому просторі називається
опуклою множиною, якщо для будь-яких точок (елементів) цієї
множини точки належать
множині S за всіх значень які належать відрізку
Геометрично це означає, якщо та належать до
множини S, то відрізок прямої, що з’єднує ці дві точки, також
цілком належить до множини S.
Функція визначена на опуклій множині лінійного
простору (на опуклій множині S), називається опуклою, якщо
виконується нерівність
14
термінованою. Якщо врожайності задані функціями розподілу,
наприклад нормального з математичним сподіванням а і
дисперсією σ, то така задача є стохастичною.
Якщо у відповідних економічних процесах випадкові явища
не відіграють істотної ролі, то задачу можна розв’язувати як
детерміновану. У противному разі адекватна економіко-
математична модель має бути стохастичною, тобто містити
випадкові функції та величини. Структура та розв’язування таких
задач вивчаються в окремому розділі, який називається
стохастичним програмуванням.
Економічні процеси розвиваються в часі, а тому відповідні
моделі мають відображати динаміку. Це означає, що для
знаходження оптимального плану потрібно застосовувати класи
задач математичного програмування статичні (однокрокові) і
динамічні (багатокрокові). Поняття динамічності зрозуміле, воно
пов’язане з часом. Наприклад, якщо йдеться про план розвитку
України до 2005 року, мають бути обґрунтовані значення
відповідних макроекономічних показників не лише на 2005 рік, а
й на всі проміжні роки, тобто враховано динаміку розвитку
народногосподарських процесів. Такий план називають
стратегічним.
У ньому має бути обґрунтована оптимальна (раціональна)
траєкторія розвитку народного господарства. Проте під впливом
некерованих чинників реальні показники щороку можуть
відхиляти-
ся від планових. Тому постає потреба коригувати кожний річний
план. Такі плани називають тактичними. Вони визначаються в
результаті реалізації статичної економіко-математичної моделі.
Важливо чітко усвідомити відмінність між одно- та
багатокроковими задачами. Багатокроковість як метод
розв’язування задач математичного програмування
зумовлюється, насамперед, їх багатовимірністю. Сутність цього
методу полягає в тому, що оптимальні значення розглядуваної
множини змінних знаходять крок за кроком, послідовно
застосовуючи індукцію, причому рішення, яке приймається на
кожному кроці, має задовольняти умови оптимальності щодо
рішення, прийнятого на попередньому кроці. Така процедура
може бути і не бути пов’язаною з часом. Однокрокові задачі,
навпаки, характеризуються тим, що всі компоненти
оптимального плану задачі визначаються одночасно на останній
ітерації (кроці) алгоритму. Потрібно розрізняти ітераційність
алгоритму і його багатокроковість. Наприклад, симплекс-метод
15
розв’язування задач лінійного програмування є ітераційним,
тобто якимось чином задаємо допустимий план і в результаті
деякої кількості ітерацій дістаємо оптимальний план. Тут
виконуються ітерації (кроки) алгоритму симплексного методу,
але це не інтерпретується як багатокроковість економічного
процесу (явища). Деякі задачі математичного програмування
можна розглядати як одно- або багатокрокові залежно від
способу їх розв’язування. Якщо задачу можна розв’язувати як
однокрокову, то розв’язувати її як багатокрокову недоцільно,
аби не застосовувати для знаходження оптимального плану
складніших методів. Проте більшість економічних процесів є
динамічними, їх параметри змінюються в часі й залежать від
рішень керівництва, що їх доводиться приймати з метою
досягнення розвитку економічної системи за траєкторією, яка
визначається стратегічним планом.
Щойно було розглянуто лише найбільші класи задач
математичного програмування, які визначені згідно з
математичними критеріями. Можна також за різними ознаками
виокремити й підкласи. Це особливо стосується задач лінійного,
нелінійного і стохастичного програмування. Наприклад, як
окремий клас розглядають дробово-лінійне програмування, коли
обмеження є лінійними, а цільова функція — дробово-лінійна.
Особливий клас становлять задачі теорії ігор, які широко
застосовуються в ринковій економіці. Адже тут діють дві чи
більше конфліктних сторін, які мають цілі, що не збігаються, або
протилежні цілі. У сукупності задач теорії ігор, у свою чергу,
також виокремлюють певні підкласи. Наприклад, ігри двох осіб із
нульовою сумою.
Наведену класифікацію використано для структурування
курсу «Математичне програмування».
16
Задачі економічного вибору. Сутність звичайної
(однокритеріальної) оптимізації.
Економічна та математична постановка оптимізаційних задач.
Вибір критерію оптимізації, функціональних та
нефункціональних обмежень задачі.
Класифікація моделей і методів розв’язування задач
математичного програмування.
Приклади економічних задач, які доцільно розв’язувати,
застосовуючи методи та моделі математичного програмування.
17
Аналіз обмежень дефіцитних і недефіцитних ресурсів. Аналіз
коефіцієнтів цільової функції. Аналіз коефіцієнтів технологічної
матриці для базисних і вільних змінних.
Приклади практичного використання двоїстих оцінок у аналізі
економічних задач.
18
Класичний метод оптимізації задач НЛП на базі використання
множників Лагранжа та їх економічна інтерпретація.
Опукле програмування. Необхідні та достатні умови
існування сідлової точки. Теорема Куна—Таккера.
Деякі з основних методів розв’язування задач НЛП.
Методи аналізу оптимального плану задачі НЛП.
Задачі квадратичного програмування (КП) та основні методи
їх розв’язування.
Економічна постановка та математичні моделі окремих задач
КП. Основні методи розв’язування задач КП.
Метод кусково-лінійної оптимізації задачі КП.
19
(2.2)
. (2.3)
Отже, потрібно знайти значення змінних x1, x2, …, xn, які
задовольняють умови (2.2) і (2.3), тоді як цільова функція
набуває екстремального (максимального чи мінімального)
значення.
Задачу (2.1)—(2.3) легко звести до канонічної форми, тобто до
такого вигляду, коли в системі обмежень (2.2) всі bі (і = 1, 2, …, n)
невід’ємні, а всі обмеження є рівностями.
Якщо якесь bі від’ємне, то, помноживши і-те обмеження на (–1),
дістанемо у правій частині відповідної рівності додатне значен-
ня. Коли і-те обмеження має вигляд нерівності
, то останню завжди можна
звести до рівності, увівши допоміжну змінну xn + 1:
.
Аналогічно обмеження виду
зводимо до рівності, віднімаючи від лівої частини допоміжну
Приклад 2.1.
max
за умов
20
Отже, будь-яку задачу ЛП можна записати в такій канонічній
формі:
знайти максимум функції max (2.4)
за умов
(2.5)
. (2.6)
Задачу (2.4)—(2.6) можна розв’язувати на мінімум, якщо цільову
функцію помножити на (–1), тобто
.
2.2. ФОРМИ ЗАПИСУ ЗАДАЧ ЛП
за умов
за умов
АХ = А0,
Х 0,
де
21
— вектор змінних; — вектор вільних
членів;
С = (с1, с2, …, сп) — вектор коефіцієнтів при змінних у
цільовій функції.
Часто ЗЛП зручно записувати у векторній формі:
за умов
,
,
де
, , …,
Сільськогосподарська
№ Техніко-економічний показник культура Наявний
п/п із розрахунку на 1 га ресурс
Озима Цукровий
пшениця буряк
22
3 Прибуток, тис. грн. 0,7 1
23
Рис. 2.1. Область допустимих розв’язків
Область допустимих розв’язків дістаємо так. Кожне
обмеження, наприклад х1 + х2 ≤ 20, задає півплощину з
граничною прямою х1 + х2 = 20. Будуємо її і визначаємо
півплощину, яка описується нерівністю х1 + х2 ≤ 20. З цією метою
в нерівність х1 + х2 ≤ 20 підставляємо координати якоїсь
характерної точки, скажімо х1 = 0
і х2 = 0. Переконуємося, що ця точка належить півплощині
х1 + х2 ≤ 20. Цей факт на рис. 2.1 ілюструємо відповідною напрям-
леною стрілкою. Аналогічно будуємо півплощини, які
відповідають нерівностям (2.8)—(2.12). У результаті перетину
цих півплощин утворюється область допустимих розв’язків
задачі (на рис. 2.1 — многокутник ABCD). Цільова функція
описує сім’ю паралельних прямих, кожна з яких
відповідає певному значенню Z. Зокрема, якщо Z = 0, маємо 0,7х1
+ х2 = 0.
Ця пряма проходить через початок системи координат. Коли
Z = 3,5, дістаємо пряму 0,7х1 + х2 = 3,5.
24
Загальна задача лінійного програмування (2.1)—(2.3)
геометрично інтерпретується так: кожне і-те обмеження, що має
вигляд рівняння
,
у п-вимірному просторі основних змінних х1, х2, …, хп задає
гіперплощину. Кожному обмеженню виду (2.2) і (2.3)
відповідають гіперплощина та півпростір, який лежить по один
бік цієї гіперплощини. У перетині всіх півпросторів, що
визначаються обмеженнями задачі (2.2) і (2.3), утворюється
опуклий многогранник допустимих її розв’язків.
Цільову функцію
26
Сформулюємо деякі властивості задачі лінійного
програмування, застосовувані під час її графічного
розв’язування.
Якщо задача лінійного програмування має оптимальний план, то
екстремального значення цільова функція набуває в одній із вершин многокутника
розв’язків. А якщо цільова функція досягає екстремального значення більш як в
одній вершині многокутника, то вона досягає його і в будь-якій точці, що є
лінійною комбінацією цих вершин.
Отже, розв’язати задачу лінійного програмування графічно означає
знайти таку вершину многокутника розв’язків, у результаті підставляння
координат якої в (2.13) лінійна цільова функція набуває найбільшого
(найменшого) значення.
Алгоритм графічного методу розв’язування задач лінійного
програмування складається з розглянутих далі кроків.
1. Будуємо прямі лінії, рівняння яких дістаємо заміною в обмеженнях
задачі (2.14) знаків нерівностей на знаки рівностей.
2. Визначаємо півплощини, що відповідають кожному
обмеженню задачі.
3. Знаходимо многокутник розв’язків задачі лінійного програмування.
4. Будуємо вектор , що задає напрям зростання
значень цільової функції задачі.
5. Будуємо пряму с1х1 + с2х2 = const, перпендикулярну до
вектора .
6. Переміщуючи пряму с1х1 + с2х2 = const в напрямі вектора
(для задачі максимізації) або в протилежному напрямі (для задачі
мінімізації), знаходимо вершину многокутника розв’язків, де
цільова функція досягає екстремального значення.
7. Визначаємо координати точки, в якій цільова функція набуває
максимального (мінімального) значення, і обчислюємо екстремальне
значення цільової функції в цій точці.
У разі застосування графічного методу для розв’язування
задач лінійного програмування можливі такі випадки.
Цільова функція набуває максимального значення в єдиній
вершині А многокутника розв’язків (рис. 2.2).
Максимального значення цільова функція досягає в будь-якій
точці відрізка АВ (рис. 2.3). Тоді задача лінійного програмування
має альтернативні оптимальні плани.
Задача лінійного програмування не має оптимальних планів
(рис. 2.4 — цільова функція не обмежена згори; рис. 2.5 —
система обмежень задачі несумісна).
27
Рис. 2.2 Рис. 2.3
28
Рис. 2.8
Задача лінійного програмування має оптимальний план за
необмеженої області допустимих розв’язків (рис. 2.6 і 2.7). На
рис. 2.6 у точці В маємо максимум, на рис. 2.7 у точці В —
мінімум, на рис. 2.8 показано, що в разі необмеженої області
допустимих планів цільова функція набуває максимальне і
мінімальне значення.
29
В більш як на 30 одиниць, а попит на полиці моделі В не перевищує 80
одиниць на тиждень.
Визначити обсяги виробництва книжкових полиць різних моделей, що
максимізують прибуток фірми. Побудувати економіко-математичну модель
поставленої задачі та розв’язати її графічно.
Побудова математичної моделі. Змінними в моделі є тижневі
обсяги виробництва книжкових полиць моделей А та В. Нехай
х1 — кількість полиць моделі А, виготовлюваних фірмою за
тиждень, а х2 — відповідна кількість полиць моделі В. Цільова
функція моделі — максимізація прибутку фірми від реалізації
продукції. Математично вона записується так:
30
Розв’язування. Перший крок згідно з графічним методом
полягає в геометричному зображенні допустимих планів задачі,
тобто в побудові такої області, де одночасно виконуються всі
обмеження моделі. Замінюємо знаки нерівностей на знаки строгих
рівностей і будуємо графіки відповідних прямих (рис. 2.9). Кожна
з побудованих прямих поділяє площину системи координат на дві
півплощини. Координати точок однієї задовольняють
розглядувану нерівність, а іншої — не задовольняють. Щоб
визначити необхідну півплощину (на рис. 2.9 її напрям позначено
стрілкою), потрібно взяти будь-яку точку і перевірити, чи
задовольняють її координати зазначене обмеження. Якщо
задовольняють, то півплощина, в якій міститься вибрана точка, є
геометричним зображенням нерівності. У протилежному разі
таким зображенням є інша півплощина.
Рис. 2.9
Умова невід’ємності змінних х1 ≥ 0, х2 ≥ 0 обмежує область
допустимих планів задачі першим квадрантом системи координат.
Переріз усіх півплощин визначає область допустимих планів задачі,
— шестикутник OABCDE. Координати будь-якої його точки
задовольняють систему обмежень задачі та умову невід’ємності
змінних. Тому поставлену задачу буде розв’язано, якщо ми
зможемо відшукати таку точку многокутника OABCDE, в якій
цільова функція Z набуває найбільшого значення.
Для цього побудуємо вектор , компонентами
якого є коефіцієнти при змінних у цільовій функції задачі. Век-
тор завжди виходить із початку координат і напрямлений
31
до точки з координатами (х1 = с1; х2 = с2). У нашій задачі век-
тор . Він задає напрям збільшення значень цільо-
вої функції Z, а вектор, протилежний йому, — напрям їх
зменшення.
Побудуємо лінію, що відповідає, наприклад, значенню Z = 0.
Це буде пряма 50х1 + 30х2 = 0, яка перпендикулярна до вектора
і проходить через початок координат. Оскільки маємо
визначити найбільше значення цільової функції,
пересуватимемо пряму 50х1 + 30х2 = 0 в напрямі вектора
доти, доки не визначимо вершину многокутника, яка відповідає
оптимальному плану задачі.
Із рис. 2.9 бачимо, що останньою спільною точкою прямої
цільової функції та многокутника OABCDE, є точка С.
Координати цієї точки визначають оптимальний план задачі,
тобто обсяги виробництва книжкових полиць моделей А та В, що
максимізують прибуток від їх реалізації.
Координати точки С визначаються перетином прямих (2.17)
і (2.18):
32
Визначити масу кожного з двох видів кормів, що утворюють
кормову суміш мінімальної вартості, задовольняючи вимоги до
загальних витрат кормової суміші та її поживності.
Побудова математичної моделі. Нехай х1 — маса, кг, зерна
в кормовій суміші, а х2 — вміст, кг, соєвих бобів у готовій
кормовій суміші.
Загальна кількість суміші х1 + х2 має становити не менш як
1000 · 0,5 = 500 (кг), тобто
х1 + х2 ≥ 500.
Розглянемо обмеження щодо поживності кормової суміші.
1. Суміш має містити не менш як 20 % білка:
10х1 + 50х2 ≥ 20 (х1 + х2).
2. Суміш має містити не більш як 5 % клітковини:
2х1 + 8х2 ≤ 5 (х1 + х2).
Остаточно математична модель задачі оптимізації кормового раціону
набирає такого вигляду:
33
Рис. 2.10
Отже, Х * = (375; 125); min Z =
= 0,4 · 375 + 0,9 · 125 = 262,5.
Знайдений оптимальний план задачі показує: для того щоб отримати 500 кг
кормової суміші мінімальної вартості (262,50 у. о.), потрібно взяти 375 кг зерна
та 125 кг соєвих бобів. При цьому вимоги до поживності кормової суміші
виконуватимуться:
0,10 · 375 + 0,50 · 125 = 100 кг білка, що становить рівно 20 %
загальної маси суміші;
0,02 · 375 + 0,08 · 125 = 17,5 кг клітковини в кормовій суміші,
що становить 3,5 % її маси і не перевищує 5 %.
34
Рис. 2.11
або
.
36
Рис. 2.12
Z = 12/5 · (26х1 + 45х2) max
за обмежень
37
1 2 6
2 4 4
3 2 3
Площа відходів, см 2
12 18
38
Розв’язування. Графічне розв’язування задачі оптимального
розрізування ілюструє рис. 2.13. Область допустимих розв’язків
цієї задачі необмежена. Вектор = (12; 18) можна змінити
згідно з масштабом графіка, наприклад = (6; 9).
Із рис. 2.13 бачимо, що пряма 12х1 + 18х2 = min Z збігаєть-
Рис. 2.13
ся зі стороною ВС многокутника розв’язків. Це означає, що
задача має альтернативні оптимальні плани: координати будь-якої
точки відрізка BC
є оптимальним планом, причому для цих координат цільова
функція
Z досягає свого найменшого значення. Визначимо лише два
оптимальних плани, що відповідають кінцям відріз-
ка BC.
Точка В утворюється перетином прямих (2.29) і (2.30); її
координати визначаємо із системи рівнянь
звідки .
Точка С лежить на перетині прямих (2.28) і (2.30); її
координати визначаємо із системи рівнянь
39
отже, .
Повертаючись до економічного змісту розв’язаної задачі,
маємо такі результати. Якщо розрізати 7 листів фанери, з яких 3
листи — першим способом, а 4 — другим, то матимемо найменшу
площу відходів — 108 см2. Але такі самі мінімальні втрати будуть
і в разі розрізування шести листів першим способом і двох —
другим.
Будь-який інший альтернативний оптимальний план задачі
можна записати як опуклу лінійну комбінацію отриманих двох
крайніх розв’язків:
,
де .
Наприклад, нехай 1 = 2 = 0,5. Тоді ще один оптимальний
план задачі визначається так:
Х * = 0,5 (3; 4) + 0,5 (6; 2).
Х * = (4,5; 3).
Цільова функція Z має таке саме мінімальне значення:
min Z = 12 · 4,5 + 18 · 3 = 108.
Задача 2.5.
Комерційна фірма рекламує свою продукцію,
використовуючи місцеві радіо- та телевізійну мережі.
Витрати на рекламу в бюджеті фірми становлять 10 000 дол. на
місяць. Хвилина радіореклами коштує фірмі 5 дол., а телереклами
— 90 дол. Фірма має намір використовувати радіорекламу
принаймні вдвічі частіше, ніж рекламу на телебаченні. Досвід
показав: обсяг збуту, що його забезпечує 1 хв телереклами, у 30
разів перевищує обсяг збуту, що його забезпечує 1 хв радіореклами.
Визначити оптимальний розподіл коштів, які щомісяця мають
витрачатися на рекламу, за якого обсягу збут продукції фірми буде
найбільшим.
40
внесення мінеральних добрив під кожну культуру та запас добрив у
господарстві наведено в таблиці:
41
обробки, хв, однієї деталі на кожному верстаті наведено в
таблиці:
Тривалість обробки деталі, хв, за верстатами
Деталь
1 2 3
А 10 6 8
В 5 20 15
Задача 2.9.
Підприємство виготовляє письмові столи типів А та В.
Для одного столу типу А необхідно 2 м 2 деревини, а
для столу типу В — 3 м2. Підприємство може отримати до 1200 м2
деревини за тиждень. Для виготовлення одного столу типу А потріб-
но 12 хв роботи обладнання, а для моделі В — 30 хв. Обладнання
може використовуватися 160 год на тиждень. Оцінено, що за
тиждень може бути реалізовано до 550 столів.
Відомо, що прибуток від реалізації одного письмового столу типу А
становить 30 дол., а типу В — 40 дол. Скільки столів кожного типу
необхідно виготовляти за тиждень? Записати економіко-математичну
модель задачі та розв’язати її графічно.
Задача 2.10.
Підприємство електронної промисловості
виготовляє дві моделі радіоприймачів, причому
кожна модель складається на окремій технологічній лінії. Добовий
обсяг виробництва першої лінії становить 60, а другої — 70 од. На
один радіоприймач першої моделі витрачається 10 однотипних
елементів електронних схем, а на радіоприймач другої моделі — 8.
Максимальний добовий запас елементів, що використовуються у
виробництві, становить 1000 од. Прибуток від реалізації одного
радіоприймача першої та другої моделі дорівнює відповідно 35 та
25 дол.
Визначити оптимальні обсяги виробництва радіоприймачів обох
моделей. Записати економіко-математичну модель задачі та розв’язати її
графічно.
Графічним методом визначити оптимальні плани задач
лінійного програмування (2.11—2.31).
43
Задача 2.24. Задача 2.25.
Задача 2.32.
Визначити екстремальні значення лінійної функції
за обмежень
у таких випадках: а) = = 2; б) = – 9; = 3; в) = 6; = 0.
Задача 2.33.
Визначити максимум лінійної функції
за обмежень
у таких випадках: а) = 3; = 2; б) = 1; = 4; в) = 5; = 1.
Задача 2.34.
Визначити найбільше значення функції
44
за обмежень
45
Визначити такий оптимальний склад препарату, за якого йо-
го подразнювальний вплив на шкіру людини буде найменшим.
Сформулювати економіко-математичну модель задачі та розв’язати її
графічно.
Задача 2.37.
Графічним методом визначити оптимальний план
задачі лінійного програмування:
Задача 2.38.
Розв’язати графічно таку задачу лінійного програ-
мування:
46
процедури (ітерації) одного й того самого типу повторюються у
певній послі-
довності доти, доки не буде отримано оптимальний план задачі або
з’ясовано, що його не існує.
Отже, симплекс-метод — це поетапна обчислювальна про-
цедура, в основу якої покладено принцип послідовного поліп-
шення значень цільової функції переходом від одного опорного
плану задачі лінійного програмування до іншого.
Алгоритм розв’язування задачі лінійного програмування
симплекс-методом складається з п’яти етапів:
1. Визначення початкового опорного плану задачі лінійного
програмування.
2. Побудова симплексної таблиці.
3. Перевірка опорного плану на оптимальність за допомогою
оцінок Zj – Cj. Якщо всі оцінки задовольняють умову
оптимальності, то визначений опорний план є оптимальним
планом задачі. Якщо хоча б одна з оцінок Zj – Cj не задовольняє
умову оптимальності, то переходять до нового опорного плану
або встановлюють, що оптимального плану задачі не існує.
4. Перехід до нового опорного плану задачі виконується
визначенням розв’язувального елемента та розрахунком нової
симплексної таблиці.
5. Повторення дій починаючи з п. 3.
Розглянемо докладніше кожний з етапів алгоритму.
1. Визначення першого опорного плану починають із запису
задачі лінійного програмування в канонічній формі, тобто у
вигляді обмежень-рівнянь з невід’ємними правими частинами.
Якщо в умові задачі присутні обмеження-нерівності, то
перетворення їх на рівняння виконується за допомогою
додаткових змінних, які вводяться до лівої частини обмежень
типу «≤» зі знаком «+», а до обмежень типу «≥» — зі знаком «–».
У цільовій функції задачі додаткові змінні мають коефіцієнт
нуль.
Після зведення задачі до канонічного вигляду її записують у
векторній формі. За означенням опорного плану задачі лінійного
програмування його утворюють т одиничних лінійно
незалежних векторів, які становлять базис т-вимірного простору
(де т — кількість обмежень у задачі лінійного програмування).
На цьому етапі розв’язування задачі можливі такі випадки:
після запису задачі у векторній формі в системі обмежень є
необхідна кількість одиничних векторів. Тоді початковий
опорний план визначається безпосередньо без додаткових дій;
47
у системі обмежень немає необхідної кількості одиничних
незалежних векторів. Тоді для побудови першого опорного плану
застосовують метод штучного базису. Ідея його полягає в тому,
що відсутні одиничні вектори можна дістати, увівши до
відповідних обмежень деякі змінні з коефіцієнтом +1, які
називаються штучними. У цільовій функції задачі лінійного
програмування штучні змінні мають коефіцієнт +М (для задачі на
min) або –М (для задачі на max), де М — досить велике додатне
число.
Визначені одиничні лінійно незалежні вектори утворюють
базис, і змінні задачі, що відповідають їм, називають базисними,
а всі інші змінні — вільними. Їх прирівнюють до нуля та з
кожного обмеження задачі визначають значення базисних
змінних. У такий спосіб отримують початковий опорний план
задачі лінійного програмування.
2. Подальший обчислювальний процес та перевірку опорного
плану на оптимальність подають у вигляді симплексної таблиці.
У першому стовпчику таблиці — «Базис» — записують базис-
ні змінні опорного плану, причому в тій послідовності, в якій
вони розміщуються в системі обмежень задачі.
Наступний стовпчик симплексної таблиці — «Сбаз» —
коефіцієнти при базисних змінних у цільовій функції задачі.
У третьому стовпчику — «План» — записують значення базис-
них змінних і відшукувані у процесі розв’язування задачі
компоненти оптимального плану.
У решті стовпчиків симплексної таблиці, кількість яких
відповідає кількості змінних задачі, записують відповідні
коефіцієнти з кожного обмеження задачі лінійного
програмування.
3. Перевіряють опорний план на оптимальність згідно з
наведеною далі теоремою.
48
Якщо для побудови опорного плану було використано метод штучного
базису, необхідною умовою оптимальності є також вимога, щоб у процесі
розв’язування задачі всі штучні змінні були виведені з базису і дорівнювали
нулю.
Значення оцінок визначають за формулою
ці , що не задовольняє умову
49
Далі ітераційний процес повторюють доти, доки не буде
визначено оптимальний план задачі.
У разі застосування симплекс-методу для розв’язування задач
лінійного програмування можливі такі випадки.
1. Якщо в оцінковому рядку останньої симплексної таблиці
оцінка Zj – Cj = 0 відповідає вільній (небазисній) змінній, то це
означає, що задача лінійного програмування має альтернативний
оптимальний план. Отримати його можна, вибравши розв’язу-
вальний елемент у зазначеному стовпчику таблиці та здійснивши
один крок симплекс-методом.
2. Якщо при переході у симплекс-методі від одного опорного
плану задачі до іншого в напрямному стовпчику немає додатних
елементів aik, тобто неможливо вибрати змінну, яка має бути
виведена з базису, то це означає, що цільова функція задачі
лінійного програмування є необмеженою й оптимальних планів не
існує.
3. Якщо для опорного плану задачі лінійного програмування
всі оцінки задовольняють умову
оптимальності, але при цьому хоча б одна штучна змінна є
базисною і має додатне значення, то це означає, що система
обмежень задачі несумісна й оптимальних планів такої задачі не
існує.
2.6.2. Навчальні завдання розв’язування
задач симплекс-методом
1 2 3 4 2
2 3 2 1 2
50
годинах). Вартість однієї машино-год становить 10 дол. для верстата 1 і 15
дол. — для верстата 2. Можливий час використання верстатів обмежений:
для верстата 1 він становить 450 машино-год, а для верстата 2 — 380
машино-год.
Ціна одиниці продукції кожного виду дорівнює відповідно 73,
70, 55 та 45 дол.
Визначити оптимальний план виробництва продукції всіх
чотирьох видів, який максимізує загальний чистий прибуток.
Побудова математичної моделі. Нехай хj — план
виробництва продукції j-го виду, де j може набувати значень від
1 до 4.
Умовами задачі будуть обмеження на час використання верстатів для
виробництва продукції всіх видів:
для верстата 1 (машино-год);
для верстата 2 (машино-год).
Цільова функція задачі визначається як загальний чистий прибуток від
реалізації готової продукції і складається з різниці між ціною та
собівартістю виготовлення продукції кожного виду:
.
Отже, математична модель поставленої задачі має такий вигляд:
51
роботи верстатів 1 та 2. У цільовій функції Z додаткові змінні
мають коефіцієнти, які дорівнюють нулю:
де
8 10 0 –5 0 0
Базис Сбаз План θ
х1 х2 х3 х4 х5 х6
52
← х5 0 450 2 3 4 2 1 0 150
х6 0 380 3 2 1 2 0 1 190
Zj – Cj ≥ 0 0 –8 –10 0 5 0 0
53
розв’язувальним елементом. Подальший перехід до нового опор-
ного плану задачі полягає в побудові наступної симплексної таб-
лиці, елементи якої розраховують за методом Жордана—Гаусса.
Друга симплексна таблиця має такий вигляд:
8 10 0 –5 0 0
Базис Сбаз План θ
х1 х2 х3 х4 х5 х6
х5 10 150 2/3 1 4/5 2/3 1/3 0 225
←х6 0 80 5/3 0 –5/3 2/3 –2/3 1 48
Zj – Cj ≥ 0 1500 –4/3 0 40/3 35/3 10/3 0
54
Наприклад, визначимо елемент , який розміщується в
новій таблиці в другому рядку стовпчика «х4». Складемо
умовний прямокутник:
8 10 0 –5 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х2 10 118 0 1 2 2/5 3/5 –2/5
х1 8 48 1 0 –1 2/5 –2/5 3/5
Zj – Cj ≥ 0 1564 0 0 12 61/5 14/5 4/5
В оцінковому рядку третьої симплексної таблиці немає від’єм-
них чисел, тобто всі ∆j ≥ 0 і задовольняють умову оптимальності.
Це означає, що знайдено оптимальний план задачі:
або
Х * = (48; 118; 0; 0; 0; 0);
.
Отже, план виробництва продукції, що передбачає випуск
48 одиниць продукції А та 118 од. продукції В, оптимальний
і дає найбільший прибуток 1564 дол. При цьому час роботи
верстатів використовується повністю (х5 = х6 = 0).
55
Задачу можна розв’язати симплекс-методом, узявши не три симплексні
таблиці, а одну, в якій послідовно записувати всі ітерації.
56
увівши в третє обмеження з коефіцієнтом +1 штучну змінну х8,
57
8 10 0 –5 0 0 0 –М
Базис Сбаз План θ
х1 х2 х3 х4 х5 х6 х7 х8
← х5 0 414 2 3 0 2 1 0 4 –4 138
х6 0 371 3 2 0 2 0 1 1 –1 185,5
х3 0 9 0 0 1 0 0 0 –1 1 —
0 –8 –10 0 5 0 0 0 0
Zj – C j ≥ 0
0 0 0 0 0 0 0 0 М
х2 10 138 2/3 1 0 2/3 1/3 0 4/3 –4/3 207
← х6 0 93 5/3 0 0 2/3 –2/3 1 –5/3 5/3 57
х3 0 9 0 0 1 0 0 0 –1 1 —
1380 –4/3 0 0 35/3 10/3 0 40/3 –40/3
Zj – C j ≥ 0
0 0 0 0 0 0 0 0 М
х2 10 100 0 1 0 2/5 3/5 –2/5 2 –2
х1 8 57 1 0 0 2/5 –2/5 3/5 –1 1
х3 0 9 0 0 1 0 0 0 –1 1
1456 0 0 0 61/5 14/5 4/5 12 –12
Zj – C j ≥ 0
0 0 0 0 0 0 0 0 М
Оптимальним планом задачі є вектор
Х* = (57; 100; 9; 0; 0; 0; 0),
Задача 2.43.
Грошові кошти фірми можуть використовувати-
ся для фінансування двох проектів. Проект А
гарантує отримання через рік прибутку в розмірі 60 центів на
кожний вкладений долар. Проект В гарантує отримання при-
бутку в розмірі 2 дол. на кожний інвестований долар, але через
два роки. При фінансуванні проекту В період інвестицій має
бути кратним двом рокам. Визначити, як потрібно
розпорядитися капіталом у сумі 100 000 дол., щоб
максимізувати загальний прибуток, який можна отримати через
58
три роки після початку ін-
вестицій.
Розв’язування. Нехай xij — розмір вкладених коштів у і-му
році в проект j (i = 1, 3; j = 1, 2). Побудуємо умовну схему розподілу
грошових коштів протягом трьох років.
Проект А Проект В
1-й рік Початок року 100 000
59
звести систему обмежень задачі до канонічної форми. Це вико-
нується за допомогою додаткових змінних х1, х2, та х3, які вводять зі
знаком «+» до лівої частини всіх відповідних обмежень. У цільовій
функції задачі ці змінні мають коефіцієнт, що дорівнює нулю.
Розв’язування задачі наведено у вигляді симплексної таблиці:
Баз 0 0 0 3 1,6 0 0 0
ис Сбаз План θ
х11 х12 х21 х22 х31 х1 х2 х3
← 0 100 000 1 1 0 0 0 1 0 0 100 000
х1
х22 3 0 –1,6 0 1 1 0 0 1 0 —
х31 1,6 0 0 –3 –1,6 0 1 0 0 1 —
Zj – C j ≥ 0 0 –4,8 –4,8 0,44 0 0 0 3 1,6
← 0 100 000 1 1 0 0 0 1 0 0
х11
х22 3 160 000 0 1,6 1 1 0 1,6 1 0
х31 1,6 0 0 –3 –1,6 0 1 0 0 1
Zj – C j ≥ 0 480 000 0 0 0,44 0 0 4,8 3 1,6
Тоді
0 0 0 3 1,6 0 0 0
Базис Сбаз План
х11 х12 х21 х22 х31 х1 х2 х3
Звідси
60
Розглянемо, як використовуються грошові кошти фірми за першим
оптимальним планом задачі.
Проект А Проект В
1-й рік Початок року 100 000 дол.
х11 = 100 000 х12 = 0
Дохід на кінець року 160 000 дол
Початок року 160 000 дол.
2-й рік х21 = 0 х22 = 160 000
Дохід на кінець року 0 дол.
Початок року 0 дол.
3-й рік х31 = 0
Дохід на кінець року 480 000 дол.
Згідно з розглянутою схемою перший оптимальний план інвестицій
передбачає на перший рік усі кошти в розмірі 100 000 дол. вкласти в
проект А, що принесе в кінці року дохід 160 000 дол. На другий рік усі
кошти в розмірі 160 000 дол. передбачається витратити на фінансування
проекту В. Наприкінці другого року фірма доходу не отримає. На третій
рік фінансування проектів не передбачається, але в кінці року дохід
фірми від минулорічних інвестицій проекту В становитиме 480 000 дол.
Аналогічний максимальний дохід можна також дістати, провів-
ши інвестиції за такою схемою.
Проект А Проект В
61
х21 = 0 х22 = 0
Задача 2.44.
Продукція фабрики випускається у вигляді
паперових рулонів стандартної ширини — 2 м. За
спеціальним замовленням споживачів фабрика постачає також
рулони інших розмірів, розрізуючи стандартні рулони.
Типові замовлення на рулони нестандартних розмірів наведено в
таблиці:
1 0,8 150
2 1,0 200
3 1,2 300
62
0,8 2 1 1 0 0
1,0 0 0 1 2 0
1,2 0 1 0 0 1
Кількість відходів, м 0,4 0 0,2 0 0,8
де
63
У системі векторів маємо лише один одиничний вектор .
Тому в перше та друге обмеження введемо штучні змінні х6 та х7.
Розширена задача матиме вигляд:
64
х5 0,8 150 –2 0 –1 0 1
Zj – C j ≥ 0 120 –2 0 –1 0 0
Задача 2.46.
Розв’язати задачу 2.45, якщо вимоги до розподілу
рекламного бюджету фірми такі: витрати на радіо-
рекламу мають становити не менш як 25 % рекламного бюджету,
а на газетну рекламу — не менш як 50 % витрат на телебачення.
Задача 2.47.
Промислове підприємство виготовляє продукцію
трьох видів А, В і С, для чого використовує два
види ресурсів 1 і 2, запаси яких становлять відповідно 4000 та
6000 од. Витрати ресурсів на одиницю продукції кожного виду
наведено в таблиці:
65
Витрати ресурсів на одиницю продукції, ум. од., за видами
Ресурс
А В С
1 2 3 5
2 4 2 7
Сільськогосподарська культура
Показник
Пшениця Картопля Гречка
Урожайність, ц/га 40 200 15
Закупівельна ціна, ум. од./ц 10 5 30
Норма внесення добрива, кг/га 300 500 200
66
му можна збільшити на 10 000 дол. за рахунок банківського
кредиту, процентна ставка за використання якого становить
20 %. Втрати, пов’язані з виробництвом одиниці продукції А,
дорівнюють 50 дол., а одиниці продукції В — 100 дол.
Очікуваний прибуток фірми від реалізації одиниці продукції А
становить 100 дол., а одиниці продукції В — 150 дол.
Фірма має попереднє замовлення на виробництво не менш як
100 одиниць продукції А та 50 одиниць продукції В.
Визначити обсяги виробництва продукції кожного виду, які забезпечать фірмі
найбільший прибуток з урахуванням виплат за кредит.
Задача 2.50.
Розв’язати задачу 2.41, якщо можливий час
використання верстатів 1 та 2 обмежений
відповідно 500 та 400 машино-год. Додаткова умова: продукція Д
має виготовлятися в кількості рівно 10 одиниць.
Задача 2.51. Фірма має капітал 300 000 дол., який може
використовуватися для фінансування проектів 1 та
2. Реалізація проекту 2 гарантує отримання щороку прибутку в
розмірі 1 дол. на кожний вкладений долар. Проект 1 гарантує
прибуток у розмірі 3 дол. за кожний інвестований долар, але
через два роки. У разі фінансування проекту 1 період інвестицій
має бути кратним двом рокам.
Визначити, як потрібно розпорядитися капіталом, щоб максимізувати
загальний дохід, що його може отримати фірма через три роки після початку
інвестицій.
Розв’язати наведені задачі лінійного програмування симплекс-
методом (2.52—2.79).
67
Задача 2.56. Задача 2.57.
68
Задача 2.66. Задача 2.67.
69
2.7. ЗАКЛЮЧНІ ЗАУВАЖЕННЯ
70
4. Дайте геометричну інтерпретацію задачі лінійного програму-
вання.
5. Який розв’язок задачі лінійного програмування називається
допустимим?
6. Поясніть, яка область називається областю допустимих планів.
7. Який план називається опорним?
8. Який опорний план називається невиродженим?
9. Сформулюйте основні аналітичні властивості розв’язків задачі
лінійного програмування.
10. Які задачі можна розв’язувати графічним методом?
11. За яких умов задача лінійного програмування з необмеженою
областю допустимих планів має розв’язок?
12. Суть алгоритму графічного методу.
13. Для розв’язування яких математичних задач застосовується
симплексний метод?
14. Суть алгоритму симплексного методу.
15. Сформулюйте умови оптимальності розв’язку задачі симплексним
методом.
16. Як вибрати напрямний вектор-стовпець?
17. Як вибрати розв’язувальний елемент?
18. Суть методу Жордана—Гаусса.
19. Суть методу штучного базису.
1. Опуклі множини.
2. Канонічні форми задач лінійного програмування.
3. Опорні плани задач лінійного програмування.
4. Аналітичні властивості розв’язків задач лінійного
програмування.
5. Зацикленість алгоритму симплексного методу.
6. Обґрунтування алгоритму знаходження оптимального
плану лінійної задачі.
71
Задача лінійного програмування Розв’язувальний елемент
Ітерації Симплексна таблиці
Канонічна форма Симплексний метод
Критерії оптимальності Цільова функція задачі лінійного
Кутова точка програмування
Математична модель Штучний базис
72
Тема 11. Елементи теорії ігор
Основні поняття теорії ігор. Матричні ігри двох осіб.
Платіжна матриця. Гра в чистих стратегіях. Мінімаксні стратегії.
Сідлова точка. Змішані стратегії.
Основна теорема теорії ігор. Зведення задачі гри двох осіб до
задачі лінійного програмування.
Розділ 3
ДВОЇСТІСТЬ
У ЛІНІЙНОМУ ПРОГРАМУВАННІ
,
то двоїста задача записується так:
F = b1y1 + b2y2 + … + bmym min
за обмежень
73
.
Порівнюючи ці дві сформульовані задачі, доходимо висновку,
що двоїста задача лінійного програмування утворюється з
прямої задачі за такими правилами.
1. Кожному обмеженню прямої задачі відповідає змінна двоїстої задачі. Кількість
невідомих двоїстої задачі дорівнює кількості обмежень прямої задачі.
2. Кожній змінній прямої задачі відповідає обмеження
двоїстої задачі, причому кількість обмежень дорівнює кількості
невідомих прямої задачі.
3. Якщо цільова функція прямої задачі задається на пошук
найбільшого значення (max), то цільова функція двоїстої задачі —
на визначення найменшого значення (min), і навпаки.
4. Коефіцієнтами при змінних в цільовій функції двоїстої
задачі є вільні члени системи обмежень прямої задачі.
5. Правими частинами системи обмежень двоїстої задачі є
коефіцієнти при змінних в цільовій функції прямої задачі.
6. Матриця
74
Симетричні
Несиметричні
75
Перша теорема двоїстості. Якщо одна з пари двоїстих
задач має оптимальний план, то інша задача також має розв’язок,
причому значення цільових функцій для оптимальних планів
дорівнюють одне одному, тобто max Z = min F, і навпаки.
Якщо ж цільова функція однієї з пари двоїстих задач не
обмежена, то друга задача взагалі не має розв’язків.
Якщо пряма задача лінійного програмування має оптимальний
план Х *, визначений симплекс-методом, то оптимальний план
двоїстої задачі Y * визначається зі співвідношення
,
де — вектор-рядок, що складається з коефіцієнтів цільової
функції прямої задачі при змінних, які є базисними в
оптимальному плані; — матриця, обернена до матриці D,
складеної з базисних векторів оптимального плану, компоненти
яких узято з початкового опорного плану задачі. Обернена
матриця завжди міститься в останній симплекс-таблиці в
тих стовпчиках, де в першій таблиці містилася одинична
матриця.
За допомогою зазначеного співвідношення під час визначення
оптимального плану однієї з пари двоїстих задач лінійного
програмування знаходять розв’язок іншої задачі.
Друга теорема двоїстості. Якщо в результаті підстановки
оптимального плану прямої задачі в систему обмежень цієї задачі
і-те обмеження виконується як строга нерівність, то відповідний
і-й компонент оптимального плану двоїстої задачі дорівнює нулю.
Якщо і-й компонент оптимального плану двоїстої задачі додат-
ний, то відповідне і-те обмеження прямої задачі виконується для
оптимального плану як рівняння.
Третя теорема двоїстості. Двоїста оцінка характеризує
приріст цільової функції, який зумовлений малими змінами
вільного члена відповідного обмеження.
Економічний зміст третьої теореми двоїстості полягає в тому, що відповідна додатна
оцінка показує зростання значення цільової функції прямої задачі, якщо запас відповідного
дефіцитного ресурсу збільшується на одну одиницю.
77
де , , , , .
У системі векторів для утворення початкового одиничного
базису відсутній вектор . Тому використаємо штучну
змінну в першому обмеженні.
3. Розширена задача лінійного програмування буде така:
max (–5x1 + 2x2 + 0x3 + 0x4 – Мx5);
–5 2 0 0 М
Базис Сбаз План
x1 x2 x3 x4 x5
x5 –М 1 1 1 –1 0 1 1
x4 0 5 2 3 0 1 0 5/3
Zj – C j 0 0 5 –2 0 0 0
–М –М –М М 0 0
x2 2 1 1 1 –1 0 1 —
x4 0 2 –1 0 3 1 –3 2/3
Zj – C j 0 2 7 0 –2 0 2 + М
x2 2 5/3 2/3 1 0 1/3 0
x3 0 2/3 –1/3 0 1 1/3 –1
Zj – C j 0 10/3 19/3 0 0 2/3 0 + М
З останньої симплекс-таблиці бачимо, що оптимальний план прямої задачі
Х * = (0; 5/3; 2/3; 0), Zmax = 10/3.
Згідно зі співвідношенням двоїстості за першою теоремою можна записати, що
оптимальний план двоїстої задачі існує і
min F = max Z = 10/3,
,
78
де та міститься в стовпчику «Cбаз» останньої
симплекс-таблиці;
79
Двоїста задача має дві змінні, а отже, її можна розв’язати графічно (рис. 3.1).
Рис. 3.1
80
Об’єднуючи здобуту інформацію, можна записати систему
обмежень прямої задачі як систему двох рівнянь, в якій х1 = 0, та
визначити решту змінних:
81
Перевіримо запропоновані плани на оптимальність.
1. X = (8/7; 3/7; 0). Підставимо його в систему обмежень
прямої задачі:
82
План допустимий і для нього Z = 12 0 – 4 1/5 + 2 8/5 = 12/5.
Визначимо відповідний план двоїстої задачі. Оскільки
компоненти x3 та x2 додатні, то друге та третє обмеження двоїстої
задачі можна записати як рівняння:
Задача 3.4.
Z = –30x1 + 10x2 mах;
83
Задача 3.5. Z = 4x1 + 3x2 + x3 min;
Задача 3.6.
84
Z = 5x1 + 2x2 min;
Задача 3.9.
Задача 3.12.
85
Задача 3.14. Z = 3x1 + 6x2 + 2x3 max;
86
Задача 3.18. Z = x1 + 2x2 max;
87
Задача 3.24. Z = 9x1 + 8x2 + 10x3 max;
88
Задача 3.30. Z = x1 + 8x2 + 10x3 max;
89
Z = 8x1 – 20x2 + 6x3 max;
Задача 3.34.
90
1. У чому сутність двоїстості у лінійному програмуванні?
2. Розробіть просту економіко-математичну модель. Запишіть до
неї двоїсту. Дайте економічну інтерпретацію двоїстих оцінок.
3. Які взаємоспряжені задачі називаються симетричними, а які —
несиметричними? Чим вони відрізняються?
4. Скільки змінних та обмежень має двоїста задача відповідно до
прямої?
5. Сформулюйте першу теорему двоїстості та дайте її економічне
тлумачення.
6. Сформулюйте другу теорему двоїстості та дайте її економічне
тлумачення.
7. Сформулюйте третю теорему двоїстості та дайте її економічне
тлумачення.
8. Сформулюйте правила побудови двоїстих задач.
9. Як за розв’язком прямої задачі знайти розв’язок двоїстої?
10. Запишіть всі можливі види прямих і двоїстих задач.
3.7. ТЕМИ РЕФЕРАТІВ
Розділ 4
91
ЕКОНОМІЧНА ІНТЕРПРЕТАЦІЯ
ДВОЇСТИХ ЗАДАЧ.
АНАЛІЗ ОПТИМАЛЬНИХ ПЛАНІВ ЛІНІЙНИХ
ЕКОНОМІКО-МАТЕМАТИЧНИХ МОДЕЛЕЙ
.
Пряма задача полягає у визначенні такого оптимального
плану виробництва продукції , який дає
найбільший дохід.
Двоїста задача до поставленої прямої буде така:
.
Економічний зміст двоїстої задачі полягає ось у чому.
Визначити таку оптимальну систему двоїстих оцінок ресурсів уі,
використовуваних для виробництва продукції, для якої загальна
вартість усіх ресурсів буде найменшою. Оскільки змінні двоїстої
92
задачі означають цінність одиниці і-го ресурсу, їх інколи ще
називають тіньовою ціною відповідного ресурсу.
За допомогою двоїстих оцінок можна визначити статус
кожного ресурсу прямої задачі та рентабельність продукції, що
виготовляється.
Ресурси, що використовуються для виробництва продукції,
можна умовно поділити на дефіцитні та недефіцитні залежно від
того, повне чи часткове їх використання передбачене
оптимальним планом прямої задачі. Якщо двоїста оцінка уі в
оптимальному плані двоїстої задачі дорівнює нулю, то
відповідний і-й ресурс використовується у виробництві продукції
не повністю і є недефіцитним. Якщо ж двоїста оцінка уі > 0, то і-й
ресурс використовується для оптимального плану виробництва
продукції повністю і називається дефіцитним. У цьому разі
величина двоїстої оцінки показує, на скільки збільшиться
значення цільової функції Z, якщо запас відповідного ресурсу
збільшити на одну умовну одиницю.
Аналіз рентабельності продукції, що виготовляється,
виконується за допомогою двоїстих оцінок і обмежень двоїстої
задачі. Ліва частина кожного обмеження двоїстої задачі є
вартістю всіх ресурсів, які використовують для виробництва
одиниці j-ї продукції. Якщо ця величина перевищує ціну
одиниці продукції (сj), виготовляти продукцію не вигідно, вона
нерентабельна і в оптимальному плані прямої задачі
відповідна хj = 0. Якщо ж загальна оцінка всіх ресурсів
дорівнює ціні одиниці продукції, то виготовляти таку
продукцію доцільно, вона рентабельна і в оптимальному
плані прямої задачі відповідна змінна хj > 0.
Економічна інтерпретація двоїстих задач та аналіз економіко-
математичних моделей на чутливість за допомогою теорії двоїстості
дають змогу модифікувати оптимальний план задачі лінійного
програмування відповідно до змін умов прямої задачі й дістати
при цьому такі результати.
1. Зміна різних коефіцієнтів у прямій математичній моделі
може вплинути на оптимальність і допустимість отриманого
плану та привести до однієї з таких ситуацій:
склад змінних та їх значення в оптимальному плані не
змінюються;
склад змінних залишається попереднім, але їх оптимальні
значення змінюються;
змінюються склад змінних та їх значення в оптимальному
плані задачі.
93
2. Уведення додаткового обмеження в математичну модель
задачі впливає на допустимість розв’язку і не може вплинути на
поліпшення значення цільової функції.
3. Уведення нової змінної в математичну модель задачі впливає на оптимальність
попереднього плану і не погіршує значення цільової функції.
2 4 3 4 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х4 4 45 –2 1/2 0 1 1/2 0 –1
х6 0 30 –1 1 0 0 –1 1 0
х3 3 35 5 3/2 1 0 –1/2 0 2
Zj – C j ≥ 0 285 5 5/2 0 0 1/2 0 2
94
Виконаємо зазначені далі дії.
1. Сформулювати математичну модель даної задачі лінійного
програмування та двоїстої до неї.
2. Записати оптимальні плани прямої та двоїстої задач і
зробити їх економічний аналіз.
3. Визначити статус ресурсів прямої задачі та інтервали стійкості двоїстих оцінок
відносно зміни запасів дефіцитних ресурсів.
4. Визначити план виробництва продукції та зміну загального
доходу підприємства, якщо запас першого ресурсу збільшити на
10 од., другого — зменшити на 10 од., а третього — збільшити на
20 ум. од.
5. Визначити рентабельність кожного виду продукції, що
виготовляється на підприємстві.
6. Розрахувати інтервали можливої зміни ціни одиниці
кожного виду продукції.
Розв’язування. 1. Математичні моделі прямої та двоїстої
задачі мають такий вигляд:
95
Додаткові змінні х5, х6, х7 характеризують залишок
(невикористану частину) ресурсів відповідно 1, 2 та 3. Оскільки
х6 = 30, другий ресурс використовується у процесі виробництва
продукції не повністю, а перший та третій ресурси — повністю
(х5 = х7 = 0). За такого оптимального плану виробництва
продукції та використання ресурсів підприємство отримує
найбільший дохід у розмірі 285 ум. од.
План двоїстої задачі дає оптимальну систему оцінок ресурсів,
що використовуються у виробництві. Так, у1 = 1/2 та у3 = 2
відмінні від нуля, а ресурси 1 та 2 використовуються повністю.
Двоїста оцінка у2 = 0 і відповідний вид ресурсу не повністю
використовується при оптимальному плані виробництва
продукції. Це підтверджується також попереднім аналізом
додаткових змінних оптимального плану прямої задачі. Така
оптимальна система оцінок дає найменшу загальну вартість усіх
ресурсів, що використовуються на підприємстві:
min F = 285 ум. од.
3. Статус ресурсів прямої задачі можна визначити трьома
способами. Перший — підстановкою Х * у систему обмежень
прямої задачі. Якщо обмеження виконується як рівняння, то
відповідний ресурс дефіцитний, у противному разі —
недефіцитний.
96
і становитиме max Z = 285,5 ум. од. Але за рахунок яких змін в
оптимальному плані виробництва продукції збільшиться дохід
підприємства? Інформацію про це дають елементи стовпчика «х5»
останньої симплекс-таблиці, який відповідає двоїстій оцінці
у1 = 1/2. У новому оптимальному плані значення базисної змінної
збільшиться на 1/2, змінної — зменшиться на одиницю, а
— на 1/2. При цьому структура плану не зміниться, а нові
оптимальні значення змінних будуть такими:
Х* = (0; 0; 34,5; 45,5; 0; 29; 0).
Отже, збільшення запасу першого дефіцитного ресурсу за
інших однакових умов приводить до зростання випуску продукції
Д та падіння виробництва продукції С, а обсяг використання
ресурсу 2 збільшується. За такого плану виробництва
максимальний дохід підприємства буде
max Z = 2 0 + 4 0 + 3 34,5 + 4 45,5 = 285,5, тобто зросте на
у1 = 1/2.
Проаналізуємо, як зміниться оптимальний план виробництва
продукції, якщо запас дефіцитного ресурсу 2 за інших однакових
умов збільшити на одну умовну одиницю (b3 = 80 + 1 = 81).
Аналогічно попереднім міркуванням, скориставшись елементами
стовпчика «х7» останньої симплекс-таблиці, що відповідає
двоїстій оцінці у3 = 2, можна записати новий оптимальний план:
Х* = (0; 0; 37; 44; 0; 30; 0).
max Z = 2 0 + 4 0 + 3 37 + 4 44 = 287.
Отже, дохід підприємства збільшиться на дві умовні одиниці за рахунок збільшення
виробництва продукції С на дві одиниці та зменшення випуску продукції Д на одну
одиницю. При цьому обсяг використання ресурсу 2 не змінюється.
Але після проведеного аналізу постає логічне запитання: а чи
зберігатимуться встановлені пропорції, якщо запас дефіцитного
ресурсу змінити не на одиницю, а наприклад, на 10 ум. од.? Щоб
однозначно відповісти на поставлене запитання, необхідно
розрахувати інтервали можливої зміни обсягів дефіцитних
ресурсів, у межах яких двоїсті оцінки уі залишаються на рівні
оптимальних значень.
Приріст (зміну) запасу ресурсу 1 позначимо b1. Тоді, якщо
, то новий оптимальний план
Х* = (0; 0; 35–1/2b1; 45 + 1/2b1; 0; 30 – b1; 0).
Єдина вимога, яку можна поставити до можливих нових оптимальних значень, — це
умова невід’ємності, тобто
97
.
Це означає, що коли запас ресурсу 1 збільшиться на 30 ум. од.
або зменшиться на 90 ум. од., то оптимальною двоїстою оцінкою
ресурсу 1 залишиться у1 = 1/2. Отже, запас ресурсу 1 може
змінюватись у межах
,
.
Згідно з цим максимально можливий дохід підприємства
перебуватиме в межах
,
,
а оптимальний план виробництва продукції
(0; 0; 80; 0; 0; 120; 0) ≤ Х* ≤ (0; 0; 20; 60; 0; 0; 0).
Аналогічно розраховується інтервал стійкості двоїстої оцінки
у3 = 2 дефіцитного ресурсу 3:
,
.
Отже, якщо запас ресурсу 3 збільшиться на 45 ум. од. або змен-
шиться на 17,5 ум. од., то двоїста оцінка у3 = 2 цього ресурсу
залишиться оптимальною. Згідно із цим можливий дохід
підприємства та оптимальний план виробництва продукції
перебуватимуть у межах
;
(0; 0; 0; 62,5; 0; 30; 0) ≤ Х* ≤ (0; 0; 125; 0; 0; 30; 0).
Зауважимо, що визначені інтервали стосуються лише
випадків, коли змінюється тільки один ресурс, а запаси всіх
98
інших фіксовані, тобто за інших однакових умов. У разі
одночасної зміни обсягів усіх або кількох ресурсів підхід до
визначення нового оптимального плану дещо інший.
4. За умовою задачі обсяги всіх трьох ресурсів змінюються
відповідно b1 = +10, b2 = –10, b3 = +20. Для визначення
компонентів нового оптимального плану скористаємось одним із
головних співвідношень обчислювальної процедури симплекс-
методу:
.
З останньої симплекс-таблиці можна записати обернену
матрицю:
99
ціну цієї продукції (права частина), то виробництво такої
продукції для підприємства недоцільне. Якщо ж співвідношення
виконується як рівняння, то продукція рентабельна.
100
залишиться Х * = (0; 0; 35; 45). Лише максимальний дохід
зміниться на max ∆Z= С1х1.
Аналогічно розраховується інтервал зміни коефіцієнта С2:
(Z2 – C2) = 5/2 – С2 ≥ 0; С2 ≤ 5/2.
Зі зростанням ціни одиниці продукції В на 5/2 ум. од. за інших
однакових умов оптимальний план виробництва продукції не
зміниться, а max ∆Z = С2Х2.
Дещо складніше розраховується інтервал зміни коефіцієнтів
для базисних змінних. У цьому разі зміни відбуваються також у
стовпчику «Сбаз» симплекс-таблиці, а це, у свою чергу, стосується
всіх ненульових оцінок (Zj – Cj). Так, для базисної змінної х3
зміна коефіцієнта на С3 приведе до таких оцінок:
(Z1 – C1) = 4 (–2) + 0 (–1) +(3 + С3) 5 – 2 = 5 + 5С3;
(Z2 – C2) = 4 1/2 + 0 1 + (3 + С3) 3/2 – 4 = 5/2 + 3/2С3;
(Z5 – C5) = 4 1/2 + 0 (–1) – 1/2 ∙ (3 + С3) – 0 = 1/2 – 1/2С3;
(Z7 – C7) = 4 (–1) + 0 0 + 2 ∙ (3 + С3) – 0 = 2 + 2С3.
Нові значення оцінок мають задовольняти умову
оптимальності, тобто Zj – Cj ≥ 0. Тому інтервал для С3
визначається з такої системи нерівностей:
,
.
Отже, ціна одиниці продукції С може збільшуватися та
зменшуватися на 1 ум. од. і перебувати в межах від 2 до 4 ум. од.,
101
,
.
Якщо за інших однакових умов ціна одиниці продукції Д змен-
шиться до 3 ум. од. або збільшиться до 6 ум. од., то оптимальний
план виробництва продукції на підприємстві не зміниться
(Х * = (0; 0; 35; 45)).
Якщо коливання ціни продукції виходять за визначені межі,
то план Х * = (0; 0; 35; 45) вже не буде оптимальним і його
необхідно буде поліпшити згідно з алгоритмом симплекс-методу,
тобто продовжити розв’язування задачі.
Виконаний у цій задачі аналіз лінійної моделі на чутливість дає широкий спектр
динамічної інформації про визначений оптимальний план і дає змогу дослідити можливі
зміни цього оптимального плану в результаті коректування умов прямої задачі.
1 1 2 4
2 2 4 2
3 1 1 2
102
90 110 150 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х4 0 100 0 0 3 1 –1/2 0
х2 110 40 0 1 –1 0 1/2 –1
х1 90 180 1 0 3 0 –1/2 2
Zj – C j ≥ 0 20 600 0 0 10 0 10 70
Керівництво фірми цікавить, чи зміниться оптимальний план
виробництва продукції і якщо зміниться, то яким буде новий
оптимальний план у кожній з наведених далі ситуацій.
1. Фірма може збільшити час роботи обладнання груп 2 та 3 відповідно на 100 та
80 год. за місяць, орендуючи для цього додаткове обладнання, яке коштуватиме 5000 дол.
Чи вигідно це? Якщо вигідно, то яким має бути новий план виробництва продукції?
2. Фінансовий відділ фірми вважає, що загострення
конкуренції на ринку збуту може призвести до зниження ціни на
продукцію В на 25 дол. Як це позначиться на оптимальному плані
виробництва продукції фірми?
3. Відділ досліджень і розробок фірми пропонує виготовляти
дешевшу модифікацію продукції С. Для виробництва одиниці цієї
нової продукції потрібний час роботи обладнання груп 1, 2 та 3
становить відповідно 4, 3 та 1 год. Орієнтовна ціна одиниці нової
продукції дорівнює 120 дол. Керівництво фірми цікавить, чи буде
за таких умов виробництво нової продукції вигідним.
4. Споживач продукції А за певних обставин порушує
попередню домовленість і відмовляється прийняти більш як
100 од. продукції А. Визначити, як фірма має змінити план
виробництва своєї продукції, щоб уникнути втрат, пов’язаних із
надвиробництвом відповідного виду продукції.
Розв’язування. Із наведеної в умові задачі симплекс-таблиці
маємо: Х * = (180; 40; 0; 100; 0; 0), max Z = 20 600, Y * = (0; 10; 70).
Оптимальним планом виробництва продукції на фірмі є випуск
180 од. продукції А та 40 од. продукції В. Виготовлення
продукції виду С не передбачається. При цьому фірма отримає
максимальний дохід у розмірі 20 600 дол. на місяць.
1. Збільшення часу роботи обладнання дасть змогу збільшити
випуск продукції, тобто змінить оптимальний план і дохід фірми.
Оскільки b1 = 0, b2 = 100, b3 = 80, новий оптимальний план
визначається так:
103
.
90 85 150 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х4 0 100 0 0 3 1 –1/2 0 —
←х2 85 40 0 1 –1 0 1/2 –1 80
х1 90 180 1 0 3 0 –1/2 2 —
Zj – Cj ≥ 0 19 600 0 0 35 0 –2,5 95
х4 0 140 0 1 2 1 0 –1
х5 0 80 0 2 –2 0 1 –2
104
х1 90 220 1 1 2 0 0 1
Zj – Cj ≥ 0 19 800 0 5 30 0 0 90
Отже, у розглянутій ситуації зниження ціни одиниці продукції виду В на 25 дол. різко
змінить структуру та обсяги виробництва продукції на фірмі. Вигідним стане випуск лише
продукції А у кількості 220 од.: при цьому час роботи обладнання груп 1 і 2
використовуватиметься повністю. Усе це призведе до зменшення доходу фірми до 19 800
дол. на місяць.
3. Обсяг виробництва нової продукції в оптимальному плані
позначимо х7. Тоді математична модель прямої задачі матиме
такий вигляд:
105
х2 110 20 0 1 –8/5 –1/5 3/5 –1 0
х1 90 160 1 0 12/5 –1/5 –2/5 2 0
Zj – C j ≥ 0 21 400 0 0 34 8 6 70 0
Як бачимо з таблиці, Х * = (160; 20; 0; 0; 0; 0; 40), max Z =
= 21 400. Керівництво фірми має підтримати пропозицію відділу
досліджень та розробок і налагодити виробництво нової
продукції, яка є рентабельною, виготовляючи її в кількості 40 од.;
відповідно продукції А — 160 од. і продукції В — 20 од. Такий
новий оптимальний план виробництва продукції збільшить дохід
фірми до 21 400 дол. на місяць.
4. Четверта запропонована ситуація математично пов’язана з
уведенням в умову задачі додаткового обмеження, що може
привести до таких наслідків:
а) нове обмеження для визначеного оптимального плану
виконується і тоді воно є надлишковим, зайвим і його включення
до моделі не змінює визначеного плану;
б) нове обмеження для визначеного оптимального плану не
виконується, і тоді за допомогою двоїстого симплекс-методу
необхідно знайти новий оптимальний план.
За умовою задач додатковим є обмеження х1 ≤ 100. Але воно
суперечить оптимальній кількості продукції А, яка дорівнює
180 од. Тому необхідно приєднати це додаткове обмеження до
симплекс-таблиці та продовжити розв’язування задачі, але вже за
допомогою двоїстого симплекс-методу. Для цього спочатку
зведемо додаткове обмеження до канонічного вигляду:
х1 + х7 = 100.
Оскільки в оптимальному плані змінна х1 є базисною, її
необхідно записати через небазисні невідомі. Це робиться так. У
симплекс-таблиці, яку наведено в умові задачі, рядок змінної «х1»
подається рівнянням
1 · х1 + 0 · х2 + 3 · х3 + 0 · х4 – 1/2 · х5 + 2 · х6 = 180.
З цього рівняння визначимо х1:
х1 = 180 – 3х3 + 1/2х5 – 2х6.
Підставивши цей вираз в додаткове обмеження, отримаємо
180 – 3х3 + 1/2х5 – 2х6 + х7 = 100
або
–3х3 + 1/2х5 – 2х6 + х7 = –80.
106
У такому вигляді додаткове обмеження дописується в симплекс-таблицю.
Застосування двоїстого симплекс-методу приведе до нового оптимального плану задачі:
90 110 150 0 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х4 0 100 0 0 3 1 –1/2 0 0
х2 110 40 0 1 –1 0 1/2 –1 0
х1 90 180 1 0 3 0 –1/2 2 0
← х7 0 –80 0 0 –3 0 1/2 –2 1
Zj – C j ≥ 0 20 600 0 0 10 0 10 70 0
х4 0 20 0 0 0 1 0 –2 1
х2 110 200/3 0 1 0 0 1/3 –1/3 –1/3
х1 90 100 1 0 0 0 0 0 1
х3 150 80/3 0 0 1 0 –1/6 2/3 –1/3
Zj – C j ≥ 0 61 000
3 0 0 0 0 35/3 190/3 10/3
107
5) розрахувати інтервали можливих змін ціни одиниці
рентабельної продукції.
Задача 4.3. Підприємство виготовляє три види продукції А, В і
С, використовуючи для цього три види ресурсів 1,
2, 3. Норми витрат усіх ресурсів на одиницю продукції та запаси
ресурсів наведено в таблиці:
9 10 16 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х2 10 8 1 1 0 1/9 –1/6 0
х3 16 20 1/4 0 1 –1/18 5/24 0
х6 0 96 5/4 0 0 –1/6 –1/8 1
Zj – C j ≥ 0 400 5 0 0 2/9 5/3 0
108
2 3 1 3 210
3 1 2 5 244
Відома ціна одиниці продукції кожного виду: А — 10 ум. од.,
В — 14 ум. од. і С — 12 ум. од. Визначити план виробництва
продукції, що забезпечує підприємству найбільший дохід.
Остання симплекс-таблиця, що містить оптимальний план задачі, має такий вигляд:
10 14 12 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х2 14 82 19/8 1 0 5/8 0 –1/8
х5 0 80 23/8 0 0 1/8 1 –5/8
х3 12 16 –3/4 0 1 –1/4 0 1/4
Zj – C j ≥ 0 1340 57/4 0 0 23/4 0 5/4
4 3 6 7 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х5 0 150 4/5 0 –1/5 0 1 –1 –1/5
х4 7 80 1 0 1 1 0 1 0
109
х2 3 50 1/5 1 1/5 0 0 0 1/5
Zj – C j ≥ 0 710 18/5 0 8/5 0 0 7 3/5
4 2 3 4 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х5 0 100 1 –1 0 0 1 –1 0
х4 4 10 1/2 –2 0 1 0 1/2 –1
х3 3 80 3/2 5 1 0 0 –1/2 2
Zj – C j ≥ 0 280 5/2 5 0 0 0 1/2 2
Задача 4.7.
Підприємство виготовляє продукцію чотирьох
видів А, В, С і Д. Для цього використовуються
ресурси трьох видів 1, 2, 3. Основні економічні показники
процесу виробництва продукції на підприємстві наведено в
таблиці:
110
2 3 1 3 4 500
3 1 1 1 3 400
Ціна продукції 27 10 15 28
Визначити план виробництва продукції, який забезпечує
підприємству найбільший дохід.
Оптимальний план задачі подано у вигляді симплекс-таблиці:
27 10 15 28 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х4 28 50 3 5/2 0 1 3/2 –1/2 0
х3 15 100 –3 –3 1 0 –2 1 0
х7 0 150 –5 –7/2 0 0 –5/2 1/2 1
Zj – C j ≥ 0 2900 12 15 0 0 12 1 0
8 3 2 1 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
111
х5 0 25 0 0 –5/2 3/2 1 –3/2 –1/2
х1 8 70 1 0 2 1 0 1 0
х2 3 135 0 1 –1/2 –1/2 0 –1/2 1/2
Zj – C j ≥ 0 965 0 0 25/2 11/2 0 13/2 3/2
9 6 4 7 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х1 9 75 1 0 –3/2 0 0 –1/2 1/4
х5 0 105 0 0 7/2 1 1 1/2 –1/4
х2 6 250 0 1 3 2 0 1 0
Zj – C j ≥ 0 2175 0 0 1/2 5 0 3/2 9/4
112
А В С Д
1 1 2 2 1 300
2 3 — 2 2 600
3 1 4 — 1 200
Ціна продукції 3 2 5 4
Визначити план виробництва продукції, який дасть змогу
підприємству отримати найбільший дохід.
Симплекс-таблиця для оптимального плану цієї задачі має
такий вигляд:
3 2 5 4 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6 х7
х3 5 50 0 –1 1 0 1/2 0 –1/2
х6 0 100 1 –6 0 0 –1 1 –1
х4 4 200 1 4 0 1 0 0 1
Zj – Cj ≥ 0 1050 1 9 0 0 5/2 0 3/2
113
2 3 4 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х3 4 40 2/3 0 1 2/3 0 –1/3
х5 0 80 1 0 0 –1 1 0
х2 3 40 2/3 1 0 –1/3 0 2/3
Zj – C j ≥ 0 280 8/3 0 0 5/3 0 2/3
Задача 4.13.
Розглянути задачу 4.7. Визначити оптимальний
план цієї задачі, якщо запаси ресурсів трьох видів
1, 2, 3 на підприємстві змінюються:
а) ∆b1 = +50, ∆b2 = +50, ∆b3 = 0;
б) ∆b1 = –50, ∆b2 = 0, ∆b3 = +50;
а) ∆b1 = 0, ∆b2 = 100, ∆b3 = +100.
Задача 4.14.
В оптимальному плані задачі 4.5 виробництво
продукції С не передбачається, незважаючи на те,
що вона характеризується більшою ціною, ніж продукція В.
Умови на ринку збуту не дають змоги збільшити ціну продукції
С. Тому вирішено підвищити рентабельність за рахунок
зменшення витрат ресурсів на її виробництво. Визначити, чи
стане вигідним випуск продукції С, якщо витрати ресурсів 1, 2, 3
на одиницю цієї продукції становлять відповідно:
а) (1; 2; 1), б) (2; 0; 5), в) (1; 1; 2).
Якщо відповідь ствердна, визначити новий оптимальний план
задачі.
Припустимо, що в задачі 4.4 планується випуск
Задача 4.15.
нової продукції з відповідними витратами
ресурсів 1, 2, 3 на одиницю цієї продукції — 2, 4, 2 ум. од.
Визначити оптимальний план виробництва продукції на
підприємстві, якщо орієнтовна ціна нової продукції становить:
а) 12 ум. од.; б) 15 ум. од.
114
Розглянути задачу 4.10, якщо в її умову введено
Задача 4.16. додаткове обмеження на виробництво продукції А
в кількості не менш як 20 од. Визначити
оптимальний план такої задачі.
Задача 4.18.
У задачі 4.3 дослідити, чи впливає на
оптимальний план така зміна коефіцієнтів при
невідомих у цільовій функції:
а) ∆с2 = +5, б) ∆с3 = –5, в) ∆с1 = +4, ∆с2 = –4.
У разі ствердної відповіді визначити новий оптимальний план
задачі.
Задача 4.19.
Розглянути задачу 4.11 за умови одночасної зміни
цін на всі три види продукції А, В і С: ∆с1 = +2; ∆с2
= –1; ∆с3 = –1. Визначити, як у такій ситуації змінюються
оптимальний план виробництва продукції та максимальний дохід
підприємства.
Задача 4.20.
Сільськогосподарське підприємство має два поля
площею 80 та 40 га. Вони різняться
місцеперебуванням і характером ґрунту. На кожному полі можна
розмістити одну чи кілька сільськогосподарських культур.
Господарство має замовлення на вирощування овочів (моркви та
капусти). Відома врожайність цих культур на кожному полі (див.
таблицю).
Урожайність, ц/га
Поле
Морква Капуста
1 450 300
2 500 350
115
Мінеральні 1 2
добрива Морква Капуста Морква Капуста
Фосфорні 60 100 80 120
Калійні 90 100 100 140
4,5 6 5 7 0 0 0 0
Базис Сбаз План
х11 х12 х21 х22 х1 х2 х3 х4
х2 0 15 0 0 0 –3/8 15/16 1 1/320 –1/80
х21 5 25 0 0 1 11/8 –15/16 0 –1/320 1/80
х12 6 30 0 1 0 1/4 3/8 0 1/32 –1/40
х11 4,5 50 1 0 0 –1/4 5/8 0 –1/32 1/40
Zj – C j ≥ 0 530 0 0 0 1/4 3/8 0 1/32 1/40
● Вказівка. Позначити x ij — кількість гектарів і-го поля, відведених
під вирощування j-ї культури (і = 1, 2; j = 1, 2), а х1, …, х4 — додаткові
змінні в обмеженнях математичної моделі задачі.
Керівництво господарства цікавить дослідження та аналіз таких економічних
ситуацій, а також необхідність прийняття оптимального рішення в кожному з таких
випадків:
1. Господарство має можливість додатково придбати по 1 т
фосфорних і калійних мінеральних добрив за ціною відповідно
100 та 80 ум. од. за 1 кг. Чи вигідно це? Як можуть змінитися в
такій ситуації оптимальна структура посівної площі та загальний
дохід господарства?
2. Господарство отримало додаткове замовлення на поставку
не менш як 11750 ц капусти з нового врожаю. Чи вигідна така
пропозиція? Як зміняться в цій ситуації оптимальна структура
посівної площі та дохід господарства?
3. Господарство планує на наступний рік використовувати
перше поле також для вирощування буряків. Норми внесення
116
мінеральних добрив під цю культуру такі: фосфорних — 70 кг/га,
калійних — 90 кг/га. Очікувана врожайність нової культури на
першому полі становить 500 ц/га, а закупівельна ціна за 1 ц —
120 ум. од. Визначити, як може вплинути на оптимальну
структуру посівної площі вирощування ще однієї культури.
4. Господарство отримало інформацію про підвищення закупівельної ціни за 1 ц
капусти до 25 ум. од. Керівництво господарства цікавить, чи слід у зв’язку з цим
переглянути оптимальну структуру земельної площі і як це може вплинути на дохід
господарства.
Задача 4.21.
Фірма виготовляє продукцію трьох видів А, В і С,
використовуючи для цього верстати видів 1, 2 та 3.
Для виробництва продукції А використовують усі три верстати,
для виробництва продукції В — лише 1 та 3, а для продукції С —
лише 1 та 2. Тривалість обробки одиниці продукції кожного виду
наведено в таблиці:
Норма витрат на одиницю продукції за видами
Ресурс
А В С
1 1 2 1
2 3 — 2
3 1 4 —
Час роботи верстата 1 для виробництва продукції становить 430 ум. од., верстата 2 —
460 ум. од. і верстата 3 — 450 ум. од. Ціна одиниці продукції А, В і С становить відповідно
4, 2 та 5 ум. од. Керівництво фірми має намір визначити оптимальний план виробництва
продукції, який дасть найбільший дохід.
4 2 5 0 0 0
Базис Сбаз План
х1 х2 х3 х4 х5 х6
х2 2 100 –1/4 1 0 1/2 –1/4 0
х3 5 230 3/2 0 1 0 1/2 0
х6 0 50 2 0 0 –2 1 1
Zj – C j ≥ 0 1350 3 0 0 1 2 0
117
Визначити новий оптимальний план і максимальний дохід фірми
від виробництва своєї продукції.
2. Припустимо, що при додаткових витратах 500 ум. од. можна збільшити час роботи
верстатів 1 та 2 на 200 ум. од. кожного. Чи вигідно це? Відповідь пояснити. Визначити
оптимальний план та дохід фірми в такій ситуації.
3. Перед фірмою постає потреба обмежити виробництво продук-
ції В величиною 80 ум. од. Як необхідно скоректувати
оптимальний план виробництва продукції відповідно до цієї
вимоги?
4. Керівництво фірми цікавить, чи має сенс налагоджувати виробництво нової
продукції вартістю 5 ум. од. за одиницю, якщо для її виробництва потрібні верстати 2 і 3,
час обробки на яких становить відповідно 2 та 3 ум. од. Якщо відповідь ствердна, то якими
мають бути новий оптимальний план виробництва продукції та дохід фірми?
118
4) доцільність виробництва нової продукції;
5) як вплине на ефективність діяльності підприємства порушення
споживачами продукції попередніх угод — відмова від час-
Розділ 5
ТРАНСПОРТНА ЗАДАЧА
(5.1)
за обмежень
; (5.2)
; (5.3)
, (5.4)
де хij — кількість продукції, що перевозиться від і-го
постачальника до j-го споживача; сij — вартість перевезення
одиниці продукції від і-го постачальника до j-го споживача; аi —
запаси продукції і-го постачальника; bj — попит на продукцію j-
го споживача.
Якщо в транспортній задачі загальна кількість продукції постачальників
дорівнює загальному попиту всіх споживачів, тобто
119
, (5.5)
.
Вартість перевезення одиниці продукції для фіктивного
постачальника або фіктивного споживача
вважається такою, що дорівнює нулю.
2. Для побудови початкового опорного плану транспортної
задачі існує кілька методів: північно-західного кута; мінімальної
вартості; подвійної переваги; апроксимації Фогеля. Побудову
опорного плану зручно подавати у вигляді таблиці, в якій
постачальники продукції є рядками, а споживачі — стовпчиками.
Побудову першого плану за методом північно-західного кута
починають із заповнення лівої верхньої клітинки таблиці (х11), в
яку записують менше з двох чисел а1 та b1. Далі переходять до
наступної клітинки в рядку або у стовпчику і заповнюють її,
і т. д. Закінчують заповнювати таблицю у правій нижній клітинці.
Ідея методу мінімальної вартості полягає в тому, що на
кожному кроці заповнюють клітинку таблиці, яка має найменшу
вартість перевезення одиниці продукції. Такі дії повторюють
доти, доки не буде розподілено всю продукцію між
постачальниками та споживачами.
Метод подвійної переваги. Перед початком заповнення
таблиці необхідно позначити клітинки, які мають найменшу
вартість у рядках і стовпчиках. Таблицю починають заповнювати
з клітинок, позначених двічі (як мінімальні і в рядку, і в
стовпчику). Далі заповнюють клітинки, позначені один раз (як
мінімальні або в рядку, або в стовпчику), а вже потім — за
методом мінімальної вартості.
121
Метод апроксимації Фогеля. За цим методом на кожному
кроці визначають різницю між двома найменшими вартостями в
кожному рядку і стовпчику транспортної таблиці. Ці різниці
записують у спеціально відведених місцях таблиці. Серед усіх
різниць вибирають найбільшу і у відповідному рядку чи
стовпчику заповнюють клітинку з найменшою вартістю. Якщо
ж однакових найбільших різниць кілька, то вибирають будь-
який відповідний рядок або стовпчик. Коли залишається
незаповненим лише один рядок або стовпчик, то обчислення
різниць припиняють, а таблицю продовжують заповнювати за
методом мінімальної вартості.
Після побудови першого опорного плану одним із
розглянутих методів у таблиці має бути заповнено (m + n – 1)
клітинок, де m — кількість постачальників; n — кількість
споживачів у задачі, у тому числі фіктивних. Такий план
називають невиродженим. Якщо кількість заповнених клітинок
перевищує (n + m – 1), то початковий план побудовано
неправильно і він є неопорним. Ознакою опорності плану
транспортної задачі є його ациклічність, тобто неможливість
побудови циклу. Циклом у транспортній задачі називають
замкнену ламану лінію, вершини якої розміщуються в
заповнених клітинках таблиці, а сторони проходять уздовж
рядків і стовпчиків таблиці.
Якщо заповнених клітинок у таблиці менш як (m + n – 1), то
опорний план називають виродженим. У такому разі необхідно
заповнити відповідну кількість порожніх клітинок, записуючи в
них «нульове перевезення», але так, щоб при цьому не
порушилася ациклічність плану.
3. Опорний план перевіряють на оптимальність за допомогою
потенціалів ui та vj відповідно постачальників та споживачів.
Теорема (умова оптимальності опорного плану
транспортної задачі). Якщо для деякого опорного
плану Х * = (xij*) існують числа ui та vj, для яких
виконується умова
ui + vj = cij, xij > 0,
ui + vj cij, xij = 0
для всіх та , то він є оптимальним
планом транспортної задачі.
122
Потенціали опорного плану визначаються із системи рівнянь
ui + vj = cij, які записують для всіх заповнених клітинок транспорт-
ної таблиці.
4. За допомогою розрахованих потенціалів перевіряють умову
оптимальності ui + vj cij для порожніх клітинок таблиці. Якщо
хоча б для однієї клітинки ця умова не виконується, тобто ui + vj >
cij, то поточний план є неоптимальним і від нього необхідно
перейти до нового опорного плану.
Перехід від одного опорного плану до іншого виконують
заповненням клітинки, для якої порушено умову оптимальності.
Якщо таких клітинок кілька, то для заповнення вибирають таку,
що має найбільше порушення, тобто . Для
вибраної порожньої клітинки будують цикл перерахування та
виконують перерозподіл продукції в межах цього циклу за
такими правилами:
1) кожній вершині циклу приписують певний знак, причому
вільній клітинці — знак «+», а всім іншим по черзі — знаки «–»
та «+»;
2) у порожню клітинку переносять менше з чисел xij, що
стоять у клітинках зі знаком «–». Одночасно це число додають до
відповідних чисел, які розміщуються в клітинках зі знаком «+».
Отже, клітинка, що була вільною, стає заповненою, а відповід-
на клітинка з мінімальним числом xij вважається порожньою. У
результаті такого перерозподілу продукції дістанемо новий опор-
ний план транспортної задачі.
5. Новий опорний план перевіряють на оптимальність згідно з
п. 3 розглянутого алгоритму.
Розглянемо застосування методу потенціалів для розв’язуван-
ня транспортних задач, наведених далі.
Задача 5.1. Компанія контролює три фабрики А1, А2, А3, здатні
виготовляти 150, 60 та 80 тис. од. продукції
щотижня. Компанія уклала договір із чотирма замовниками В1,
В2, В3, В4, яким потрібно щотижня відповідно 110, 40, 60 та 80
тис. од. продукції. Вартість виробництва та транспортування
1000 од. продукції замовникам з кожної фабрики наведено в
таблиці.
123
Вартість виробництва і транспортування
1000 од. продукції за замовниками
Фабрика
В1 В2 В3 В4
А1 4 4 2 5
А2 5 3 1 2
А3 2 1 4 2
124
У цілому математичну модель поставленої задачі можна
записати так:
Z = 4x11 + 4x12 + 2x13 + 5x14 + 5x21 + 3x22 + x23 + 2x24 +
+ 2x31 + x32 +4x33 +2x34 min
Bj
Aj ui
B1 = 110 B2 = 40 B3 = 60 B4 = 80
A1 = 150 4 4 2 5
u1 = 5
110 2 + 40–
A2 = 60 5 3 1 2
u2 = 2
–60 0+
2 1 4 2
A3 = 80 u3 = 2
40 40
vj v1 = –1 v2 = –1 v3 = –1 v4 = 0
125
можна зайняти будь-яку вільну клітинку, яка не утворює
замкненого циклу. Наприклад, заповнимо клітинку А2В4. Тепер
перший план транспортної задачі є невиродженим, і його можна
перевірити на оптимальність за допомогою методу потенціалів.
На основі першої умови оптимальності ui + vj = cij складемо
систему рівнянь для визначення потенціалів плану:
v2 = –1, v3 = –1.
Далі згідно з алгоритмом методу потенціалів перевіряємо
виконання другої умови оптимальності ui + vj ≤ cij (для порожніх
клітинок таблиці):
А1B2: u1 + v2 = 5 + (–1) = 4 = 4;
А1B3: u1 + v3 = 5 + (–1) = 4 > 2;
А2B1: u2 + v1 = 2 + (–1) = 1 < 5;
А2B2: u2 + v2 = 2 + (–1) = 1 < 3;
А3B1: u3 + v1 = 2 + (–1) = 1 < 2;
А3B3: u3 + v3 = 2 + (–1) = 1 < 4.
Умова оптимальності не виконується для клітинки А1B3.
Порушення 13 = (u1 + v3) – c13 = 4 – 2 = 2 записуємо в лівому
нижньому кутку відповідної клітинки.
Перший опорний план транспортної задачі є неоптимальним. Тому від нього
необхідно перейти до другого плану, змінивши співвідношення заповнених і
порожніх клітинок таблиці.
Потрібно заповнити клітинку А1B3, в якій є єдине порушення
умови оптимальності. Ставимо в ній знак «+». Для визначення
126
клітинки, що звільняється, будуємо цикл, починаючи з клітинки
А1B3, та позначаємо вершини циклу почергово знаками «–» і «+».
Тепер необхідно перемістити продукцію в межах побудованого
циклу. Для цього у вільну клітинку А1B3 переносимо менше з
чисел хij, які розміщуються в клітинках зі знаком «–». Одночасно
це саме число хij додаємо до відповідних чисел, що розміщуються
в клітинках зі знаком «+», та віднімаємо від чисел, що
розміщуються в клітинках, позначених знаком «–».
У даному випадку , тобто .
Виконавши перерозподіл продукції згідно із записаними
правилами, дістанемо такі нові значення: клітинка А1B3 — 40 од.
продукції, А2B3 – (60 – 40) = 20 од., А2B4 – (0 + 40) = 40 од.
Клітинка А1B4, звільняється і в новій таблиці буде порожньою.
Усі інші заповнені клітинки першої таблиці, які не входили до
циклу, переписують у другу таблицю без змін. Кількість
заповнених клітинок у новій таблиці також має відповідати умові
невиродженості, тобто дорівнювати (n + m – 1).
Отже, другий опорний план транспортної задачі матиме такий вигляд:
Bj
Aj ui
B1 = 110 B2 = 40 B3 = 60 B4 = 80
A1 = 150 4 4 2 5
u1 = 0
–110 40+
5 3 1 2
A2 = 60 u2 = –1
–20 40+
2 1 4 2
A3 = 80 u3 = –1
1 + 40 40–
vj v1 = 4 v2 = –2 v3 = 2 v4 = 3
Bj
Aj ui
B1 = 110 B2 = 40 B3 = 60 B4 = 80
127
4 4 2 5
A1 = 150 u1 = 2
90 60
5 3 1 2
A2 = 60 u2 = 0
60
2 1 4 2
A3 = 80 u3 = 0
20 40 20
vj v1 = 2 v2 = 1 v3 = 0 v4 = 2
128
Побудова математичної моделі. Нехай хij — кількість тон
овочів, які перевозять з і-го господарства j-го магазину ( ;
). Тоді економіко-математична модель поставленої
задачі має такий вигляд:
Z = 2x11 + 3x12 + 4x13 + 2x14 + 5x21 + 7x22 + x23 +
+ 4x24 + 9x31 + 4x32 +3x33 +2x34 min,
за обмежень
Bj
Aj ui
B1 = 30 B2 = 30 B3 = 10 B4 = 20 B5 = 10
129
2 3 4 2 0
A1 = 50 u1 = –4
30 20
A2 = 30 5 7 1 4 0
u2 = 0
1 –10 10 0+ 10
9 4 3 2 0
A3 = 20 u3 = –2
1 + 20–
vj v1 = 6 v2 = 7 v3 = 1 v4 = 0 v5 = 0
Bj
Aj ui
B1 = 30 B2 = 30 B3 = 10 B4 = 20 B5 = 10
2 3 4 2 0
A1 = 50 u1 = –3
30 20
5 7 1 4 0
A2 = 30 u2 = 0
10 10 10
9 4 3 2 0
A3 = 20 u3 = –2
10 10
vj v1 = 5 v2 = 6 v3 = 1 v4 = 4 v5 = 0
Умова оптимальності для цього опорного плану виконується, і тому можна записати:
130
Згідно з оптимальним планом потреба магазинів у ранніх
овочах задовольняється завдяки повному вивезенню продукції з
першого та третього господарств і лише частково — з другого
(залишок дорівнює 10 т). У цьому разі загальна вартість усіх
перевезень буде найменшою і становитиме 230 ум. од.
Але виявляється, що розглянута транспортна задача має ще
один альтернативний оптимальний план. Ознакою цього є
виконання умови оптимальності для порожньої клітинки:
ui + vj = cij. В останній таблиці це справджується для порожньої
клітинки A2B1: u1 + v1 = 0 + 5 = с21 = 5.
Щоб отримати альтернативний оптимальний план,
достатньо заповнити зазначену клітинку таблиці,
виконавши перерозподіл продукції за таким циклом:
Bj
Aj ui
B1 = 30 B2 = 30 B3 = 10 B4 = 20 B5 = 10
2 3 4 2 0
А1 = 50 u1 = –3
20 30
5 7 1 4 0
A2 = 30 u2 = 0
10 10 0 10
9 4 3 2 0
A3 = 20 u3 = –2
20
vj v1 = 5 v2 = 6 v3 = 1 v4 = 4 v5 = 0
Тому
131
;
Задача 5.3.
Три нафтопереробних заводи А1, А2, А3, із
максимальною щоденною продуктивністю
відповідно 30, 20, 15 тис. т бензину забезпечують чотири
бензосховища B1, B2, B3, B4, потреба яких становить відповідно
10, 20, 25 та 20 тис. т. бензину. Бензин транспортується до
бензосховищ за допомогою трубопроводів. Вартість
перекачування 1000 т бензину від заводів до сховищ (в
умовних одиницях) наведено в таблиці .
Завод Вартість, ум. од., перекачування 1000 т бензину до сховищ
В1 В2 В3 В4
А1 4 5 3 7
А2 7 6 2 5
А3 2 3 9 8
132
Розв’язування. Визначимо, до якого типу належить
транспортна задача:
, .
B1 = 10 B2 = 20 B3 = 25 B4 = 20
A1 = 30 М 5 3 7
u1 = 0 2 2 2
–15 5 10+
7 6 2 5
A2 = 20 u2 = –1 3 3 3
20 1
1 3 9 8
A3 = 15 u3 = –2 2 5
–10 5+
+ 133
0 5 0 М
A4 = 10 u4 = М –7
М – 4 М – 7 М – 4 10–
vj v1 = 3 v2 = 5 v3 = 3 v4 = 7
Різниці для 6 2 1 2
2 1 2
стовпчикі 1 1 2
в
134
vj v1 = 3 v2 = 5 v3 = 3 v4 = 7
Bj
Aj ui
B1 = 10 B2 = 20 B3 = 25 B4 = 20
М 5 3 7
A1 = 30 u1 = 0
5 25 М
7 6 2 5
A2 = 20 u2 = –1
0 20
1 3 9 8
A3 = 15 u3 = –2
0 15
0 5 0 М
A4 = 10 u4 = –3
10
vj v1 = 3 v2 = 5 v3 = 3 v4 = 6
135
Тоді можна записати:
В1 В2 В3 В4 В5
D1 1 3 8 5 4
D2 2 4 5 3 1
D, B
A, D В3 = ui
D1 = 2500 D2 = 1200 В1 = 900 В2 = 700 = 1000 В4 = 500 В5 = 600
A1 = 1000 – 2 8 M 3 M M M
u1 = 0
1000 0+
A2 = 1500 3 5 M M M M M
u2 = 1
300 1200
A3 = 1200 1 4 M M M 4 M
u3 = –1
1200 1
0 M 1 3 8 5 4
D1 = 2500 u4 = 0
2 + 900 700– 900 1
M 0 2 4 5 3 1
D2 = 1200 u5 = –3
1 100 500 600
vj v1 = 2 v2 = 4 v3 = 1 v4 = 3 v5 = 8 v6 = 6 v7 = 4
Тому Z1 = 2 1000 + 3 300 + 5 1200 + 1 1200 + 1 900 +
+ 3 700 + 8 900 + 5 100 + 3 500 + 1 600 = 22 900 ум. од.
Зауважимо, що в клітинках D1D1 і D2D2 розміщується нульова
вартість перевезення продукції. Це допускає можливість
неповного використання складських приміщень у зв’язку з
можливим транзитним транспортуванням продукції.
Поставлена транспортна задача є збалансованою, тобто
137
од.;
од.,
D, B
A, D ui
D1 = D2 =
= 2500 = 1200 В1 = 900 В2 = 700 В3 = 1000 В4 = 500 В5 = 600
2 8 M 3 M M M
A1 = 1000 u1 = 2
300 700
3 5 M M M M M
A2 = 1500 u2 = 3
300 1200
A3 = 1200 1 4 M M M 4 M
–1200 u3 = 1
3
D1 = 2500 0 M 1 3 8 5 4
u4 = 0
+700 900 900– 1
D2 = 1200 M 0 2 4 5 3 1 u5 =
+100 500– 600 = –3
vj v1 = 0 v2 = 2 v3 = 1 v4 = 1 v5 = 8 v6 = 6 v7 = 4
Тому Z1 = 2 300 + 3 700 + 3 300 + 5 1200 + 1 1200 +
+ 1 900 + 8 900 + 5 100 + 3 500 + 1 600 = 21 500 ум. од.
Таблиця, що відповідає третьому опорному плану задачі, має такий вигляд:
A, D D, B ui
138
D1 = D2 = В3 =
В1 = 900 В2 = 700 В4 = 500 В5 = 600
= 2500 = 1200 = 1000
2 8 M 3 M M M
A1 = 1000 u1 = 0
300 700
3 5 M M M M M
A2 = 1500 u2 = 2
300 1200
1 4 M M M 4 M
A3 = 1200 u3 = 3
700 500
0 M 1 3 8 5 4
D1 = u4 = 0
= 2500 1200 90 40
0 0
M 0 2 4 5 3 1
D2 =
= 1200 60 600 u5 = –3
0
vj v1 = 0 v2 = 2 v3 = 1 v4 = 1 v5 = 8 v6 = 3 v7 = 4
139
внаслідок прямих поставок продукції за маршрутом А1В2 у
кількості 700 од. і А3В4 — у кількості 500 од.
Розглянута транспортна задача має ще один альтернативний оптимальний план, який
відрізняється від першого лише в частині, що стосується перевезення продукції зі складів
до третього та п’ятого споживачів.
Поряд із розглянутою у транспортних задачах із проміжними
пунктами можуть зустрічатися також такі ситуації:
140
5.4. ПРИКЛАДИ ТА ЗАВДАННЯ
ДЛЯ САМОСТІЙНОЇ РОБОТИ
Задача 5.5.
Задача 5.6.
ai = (8; 7; 6);
bj = (7; 10; 6); .
Задача 5.7.
Задача 5.8.
Задача 5.9.
Задача 5.10.
141
ai = (160; 80; 60);
bj = (60; 20; 40; 20; 100); .
Задача 5.11.
Задача 5.12.
Задача 5.13.
Задача 5.14.
142
Задача 5.15.
Задача 5.18.
Розв’язати транспортну задачу:
Задача 5.19.
Розв’язати транспортну задачу:
143
Задача 5.20. Розв’язати транспортну задачу за умови, що
вартість зберігання невивезеної продукції в
постачальників А1, А2, А3 дорівнює відповідно 8, 7 та 5 ум. од. за
одиницю продукції:
ai = (60; 90; 50);
bj = (30; 80; 20; 40); .
Задача 5.22.
У транспортній задачі загальний обсяг
виробництва продукції перевищує загальний
попит. Припустимо, що вартість зберігання одиниці продукції,
яка не вивозиться від постачальників А1, А2, А3, А4, дорівнює
відповідно 7, 3, 4 та 8 ум. од. Визначити оптимальний план
задачі:
ai = (30; 80; 20; 40);
bj = (60; 80; 20);
.
144
ai = (20; 40; 30);
bj = (30; 20; 20); .
145
У транспортній задачі визначити оптимальний план за умови повного задоволення потреб першого та
другого споживачів:
Задача 5.30.
146
Додаткові умови: повністю використати ресурси четвертого
постачальника та не виконувати перевезення за маршрутами А2В3
та А3В4.
Розв’язати транспортну задачу:
Задача 5.34.
Задача 5.36.
Розглянути транспортну задачу, в якій необхідно
перевезти деяку продукцію від постачальників А1,
А2, А3 до споживачів В1, В2, В3, В4 через проміжні пункти D1, D2,
D3. Запаси продукції у постачальників, попит споживачів та
місткість складів відповідно ai = (200; 220; 380), bj = (150; 50; 350;
250), di(j) = (350; 200; 400).
Вартість перевезення одиниці продукції від постачальників на склади та зі складів до
споживачів наведено в таблицях.
D
А
D1 D2 D3
A1 5 2 5
A2 3 1 3
A3 4 7 5
147
B
D
B1 B2 B3 B4
D1 3 2 5 2
D2 7 1 3 1
D3 8 5 6 5
Задача 5.37.
Розв’язати двохетапну транспортну задачу ai =
= (400; 200; 300), bj = (300; 200; 350; 50), di(j) =
(250; 250; 500).
D
А
D1 D2 D3
A1 2 1 3
A2 5 6 3
A3 3 4 5
B
D
B1 B2 B3 B4
D1 4 1 5 7
D2 1 2 3 6
D3 3 8 5 2
Задача 5.38.
Розглянути транспортну задачу з проміжними
пунктами, в якій кількість складів менша за
ресурси постачальників. У такій ситуації дозволене транзитне
перевезення продукції безпосередньо від постачальників А1 та А2
до першого споживача. Вартість перевезення одиниці продукції
за транзитними маршрутами А1В1 та А2В1 становить відповідно 6
та 5 ум. од.; ai = (200; 300), bj = (250; 100; 150), di(j) = (100; 150;
150).
148
D
А
D1 D2 D3
A1 7 8 9
A2 5 4 3
B
D
B1 B2 B3
D1 7 2 3
D2 1 5 2
D3 8 9 4
B
D
B1 B2 B3 B4
D1 5 3 1 2
D2 8 3 2 4
149
5.5. ЗАКЛЮЧНІ ЗАУВАЖЕННЯ
за умов
,
де k — вид продукції, яку треба перевезти.
Часто господарські зв’язки між постачальниками і
споживачами вимагають відповідних обмежень:
,
де М1, М2 — відповідні множини індексів i, j, за якими
вводяться обмеження на обсяги перевезень і-ї продукції до j-го
споживача. Обмеженнями гарантується, що відповідний
j-й споживач отримує і-ї продукції не менше від заданого обсягу.
Обмеженнями виду описують транспортні
можливості.
150
У класичній транспортній задачі, як правило, критерієм опти-
мальності є мінімізація транспортних витрат, тобто розв’язується
задача на мінімум. Проте на практиці можливі випадки, коли необхідно знайти максимум
цільової функції. Наприклад, необхідно розподілити робітників (верстати) між окремими
видами робіт, щоб отримати максимальну сумарну продуктивність праці. Подібна ситуація
зустрічається під час оптимізації розміщення сільськогосподарських культур за ділянками
землі різної якості. У цьому разі критерієм оптимальності є максимізація вартості
вирощеної продукції.
У класичній транспортній задачі припускається, що витрати
на транспортування лінійно залежать від обсягів перевезень. Але
практично ця умова порушується, тобто такі зв’язки є
нелінійними, стохастичними тощо. Особливої уваги заслуговує
така транспортна задача, в якій необхідно мінімізувати час
виконання заданих обсягів робіт. Наприклад, перевезення
сировини та продукції, яка швидко псується. Цей критерій часто
використовується під час оптимізації військових операцій,
виконання сільськогосподарських робіт (збір урожаю) тощо.
Транспортна задача значно ускладнюється у виробничо-
транспортних економічних системах, які виробляють продукцію і
сировину в широкому асортименті, а для перевезення їх
використовуються різні види транспорту.
Для поглибленого вивчення транспортної задачі можна
скористатися літературними джерелами [5; 15; 26; 34; 35].
Порівняйте ці плани.
9. Що означає «виродження» опорного плану? Як його позбутися?
151
10. Назвіть етапи розв’язування методом потенціалів.
11. Як обчислюють потенціали?
12. Умова оптимальності транспортної задачі.
13. Дайте економічну і математичну постановку двохетапної
транспортної задачі.
14. Назвіть особливості розв’язування транспортних задач з
обмеженнями виду .
152
тини або всієї продукції. Як має виробник у цій ситуації
змінити план виробництва продукції, щоб уникнути втрат,
пов’язаних із надвиробництвам відповідного виду продукції.
Зауважимо, що дослідження планів, здобутих за економіко-математичними моделями,
на стійкість, а також оцінювання ситуацій мають виконуватися в передплановому періоді.
153
Двоїста задача Пара взаємоспряжених задач
Двоїсті оцінки Пряма задача
Дефіцитні (недефіцитні) ресурси Рентабельна продукція
Межі зміни приросту дефіцитних Стійкість двоїстих оцінок
ресурсів Теореми двоїстості
Межі зміни приросту цін на
рентабельну (нерентабельну)
продукцію
Розділ 6
ВИБРАНІ РОЗДІЛИ
МАТЕМАТИЧНОГО ПРОГРАМУВАННЯ
154
урожайність знижується ( ), оскільки рослини не забезпечуються
іншими необхідними елементами, наприклад водою.
Отже, якщо в розробленій економіко-математичній моделі вирощування
цукрових буряків взяти
обмеження за рівнем їх
урожайності (скажімо, 150
—450 ц/га), то з від-
повідними застереженнями
можна припустити, що іс-
нує лінійна залежність між
урожайністю цукрового бу-
ряку та обсягами внесених
органічних добрив.
Зауважимо, що розвиток
комп’ютерної техніки і
методів математичного
моделювання створює
передумови для
Рис. 6.1
використання нелінійних
методів, а це може значною
мірою підвищити якість розроблюваних планів, надійність та
ефективність прийнятих рішень. У цьому розділі стисло розглянемо
деякі методи математичного програмування, що вкрай потрібні
економістові XXI століття. Докладніше ці питання розглядаються в
[5; 10; 15; 16; 26; 34; 35].
Зауважимо, що фахівець, який розробив економіко-математичну модель,
але через її складність не реалізував на ПЕОМ, істотно поповнив свої знання
про досліджуваний процес, а отже, і прийняті ним (свідомо чи несвідомо)
рішення є більш обґрунтованими й економічно ефективними, ніж ті, які
могли б постати без вивчення зазначеної моделі.
155
Розглянемо приклад. Інвестиційна компанія може вкласти кошти у три
різні підприємства. Ефективність кожного проекту оцінено згідно з тим, що
його реалізація можлива за чотирьох умов. Дані про ці проекти наведено в
таблиці:
, (6.1)
за умов
, (6.2)
, (6.3)
— цілі . (6.4)
Для знаходження оптимального розв’язку цілочислових задач
застосовують спеціальні методи. Найпростішим методом розв’я-
зування цілочислової задачі є знаходження її оптимального роз-
в’язку як задачі, що має лише неперервні змінні, з подальшим
округленням останніх. Такий підхід часто є виправданим. Нехай,
наприклад, у результаті розв’язування задачі про поєднання
галузей у сільськогосподарському підприємстві дістали, що воно
156
потребує 1235,6 корів. Округливши це значення корів до 1236, не
припустимося значної похибки. Проте в деяких випадках такі
спрощення призводять до істотних неточностей. Якщо, скажімо,
у разі розв’язування як неперервної задачі про сушильний цех,
що може бути обладнаний агрегатами трьох типів, дістали
х1 = 2,6, х2 = 4,3 і х3 = 0,7, будь-які округлення недопустимі.
Для знаходження оптимальних планів задач цілочислового
програмування застосовують дві основні групи методів:
методи відтинання;
комбінаторні методи.
Основою методів відтинання є ідея поступового «звуження» області
допустимих розв’язків розглядуваної задачі. Пошук цілочислового
оптимуму починається з розв’язування задачі з так званими послабленими
обмеженнями, тобто без урахування вимог цілочисловості змінних. Далі
введенням у модель спеціальних додаткових обмежень, що враховують
цілочисловість змінних, многокутник допустимих розв’язків послабленої
задачі поступово зменшуємо доти, доки змінні оптимального розв’язку не
набудуть цілочислових значень.
До цієї групи належать:
а) методи розв’язування повністю цілочислових задач (дробовий
алгоритм Гоморі);
б) методи розв’язування частково цілочислових задач (другий алгоритм
Гоморі, або змішаний алгоритм цілочислового програмування).
Комбінаторні методи цілочислової оптимізації базуються на повному
переборі всіх допустимих цілочислових розв’язків, тобто вони реалізують
процедуру цілеспрямованого перебору, під час якої розглядається лише
частина розв’язків (досить невелика), а решта враховується одним зі
спеціальних методів.
Найпоширенішим у цій групі методів є метод віток і меж.
Починаючи з розв’язування послабленої задачі, він передбачає розбиття
початкової задачі на дві підзадачі виключенням областей, що не мають
цілочислових розв’язків, і дослідженням кожної окремої частини
многокутника допустимих розв’язків.
Для розв’язування задач із бульовими змінними застосовують
комбіновані методи, причому оскільки змінні є бульовими, то
методи пошуку оптимуму значно спрощуються.
6.1.2. Метод Гоморі
157
2. Коли в умовно-оптимальному плані є дробові значення, то
вибирається змінна, яка має найбільшу дробову частину. На базі
цієї змінної (елементів відповідного рядка останньої симплексної
таблиці, в якому вона міститься) будується додаткове обмеження
Гоморі:
Задача 6.1.
Сільськогосподарське підприємство задумало ство-
рити сушильний цех на виробничій площі 190 м2,
маючи для цього 100 тис. грн. і можливість придбати
устаткування двох типів А і В. Техніко-економічну інформацію
про ці два види устаткування подано в таблиці:
Устаткування
Техніко-економічний
показник Ресурс
А В
Вартість, тис. грн. 25 10 100
Необхідна виробнича площа, м 2
40 20 190
Потужність, тис. грн./рік 350 150 —
158
Розв’язування. Нехай х1 і х2 — кількість комплектів
устаткування відповідно типу А і В.
Запишемо економіко-математичну модель:
,
,
,
і — цілі.
Розв’язуємо задачу, нехтуючи умовою цілочисловості.
Остання симплексна таблиця набере вигляду:
350 150 0 0
Хбаз Сбаз План
х1 х2 х3 х4
х1 350 1 1 0
х2 150 0 1
1475 0 0 10
Оскільки , , , то додаткове
обмеження набирає вигляду
159
Зведемо його до канонічної форми та введемо штучну змінну:
.
Приєднавши здобуте обмеження до останньої симплексної таблиці з
умовно-оптимальним планом, дістанемо:
350 150 0 0 0 –М
Хбаз Сбаз План
х1 х2 х3 х4 х5 х6
х1 350 1 1 0 0 0
х2 150 0 1 0 0
х6 –М 0 0 –1 1
1475 0 0 10 0 0
0 0 М 0
160
Наприклад, якщо дістаємо інтервал (2,3), де,
очевидно, немає хj, яке набуває цілого значення.
Значенню відповідає інтервал (–3; –2), де також не
існує цілого значення хj. Отже, допустиме ціле значення xj має
задовольняти одну з нерівностей
або .
Приписавши кожну з цих умов до задачі з послабленими
обмеженнями, дістанемо дві не пов’язані між собою задачі. Тобто
початкову задачу цілочислового програмування (6.1)—(6.4)
розіб’ємо на дві задачі з урахуванням умов цілочисловості
змінних, значення яких в оптимальному плані послабленої задачі
є дробовими. Це означає, що симплекс-методом
розв’язуватимемо дві такі задачі:
(6.5)
за умов
(6.6)
,
, (6.7)
— цілі, (6.8)
; (6.9)
(6.10)
за умов
(6.11)
,
, (6.12)
161
— цілі, (6.13)
, (6.14)
де — компонент розв’язку задачі (6.1)—(6.4).
Далі симплекс-методом розв’язуємо послаблені задачі (6.6)—(6.9) і
(6.10)—(6.14), тобто з відкиданням обмежень (6.8) і (6.13). Якщо знайдені
оптимальні плани задовольняють умови цілочисловості, то ці плани є
розв’язками задачі (6.1)—(6.4). Інакше пошук розв’язку задачі триває. Для
подальшого розгалуження беремо задачу з найбільшим значенням цільової
функції, якщо йдеться про максимізацію, і навпаки — з найменшим
значенням цільової функції в разі її мінімізації. Подальше розгалуження
виконується доти, доки не буде встановлено неможливість поліпшення роз-
в’язку. Здобутий план — оптимальний.
Розв’язування цілочислових задач методом «віток і меж»
можна значно прискорити, приєднавши обмеження виду (6.9) і
(6.14) до останньої симплекс-таблиці не початкової (6.1)—(6.4), а
відповідних задач.
Розв’яжемо методом «віток і меж» задачу 6.1.
Відкинувши умову цілочисловості, дістанемо розв’язок х1 = 1,
х2 = . Отже, допустиме ціле значення х2 має задовольняти
162
мають 200 прутів. Потрібно дістати не менше як 40, 60 і 50 заготівок
завдовжки відповідно 1,4; 2 і 2,5 м.
Побудувати загальну і числову модель лінійного розкрою. За критерій
оптимізації є сенс узяти мінімум відходів.
за умов
,
,
— цілі .
Побудуємо числову економіко-математичну модель
розрізування прутів, розглянувши можливі варіанти такого
розрізування:
1,4 4 — — 1 1 2 2
2 — 3 — 1 2 1 —
2,5 — — 2 1 — 1 1
163
Довжина 0,4 0 1 0,1 0,6 1,2 0,7
відходів, м
за умов
а) щодо кількості заготівок завдовжки 1,4 м:
;
2 м:
;
2,5 м:
;
б) щодо кількості наявних прутів:
;
в) щодо невід’ємності змінних:
;
г) щодо цілочисловості змінних:
— цілі числа.
Пропонуємо розв’язати цю задачу одним із методів
цілочислового програмування.
Задача 6.3. Задача комівояжера. В економічному регіоні розміщено 6 пунктів
(міст). Комівояжер, який виїжджає з міста 1, має побувати в кожному
місті один раз і повернутися до вихідного пункту. Знайти найкоротший маршрут, якщо
відстані між містами відомі (рис. 6.2).
164
Рис. 6.2
.
Обмеження щодо одноразового виїзду з кожного міста:
165
Ці обмеження не повністю описують допустимі маршрути і не
виключають можливості розриву маршруту. Щоб усунути цей
недолік, введемо додаткові змінні ui(uj) ,
які набувають невід’ємних цілих значень. Запишемо обмеження,
які виключають можливість існування підмаршрутів:
,
Критерій оптимальності:
;
а) обмеження щодо одноразового в’їзду в кожне місто:
,
,
,
,
,
;
б) обмеження щодо одноразового виїзду з кожного міста:
,
,
,
,
,
;
в) обмеження щодо виключення підмаршрутів:
166
,
,
,
,
,
,
,
,
,
,
,
,
;
,
ui(uj) — цілі числа .
Задача 6.4.
Фермер планує виробляти три види продукції —
озиму пшеницю, цукрові буряки та молоко.
Сумарні витрати складаються з двох частин: постійних — kj, які
не залежать від обсягу виробництва, і поточних cj на
виробництво одиниці продукції, де j — номер продукції.
Відповідні дані наведено в таблиці:
Вид продукції
Показник
Озима пшениця, т Цукровий буряк, т Молоко, т
167
Поточні витрати на 400 150 500
одиницю продукції, грн.
Норма витрат ріллі, га 0,2 0,02 0,25
Ціна одиниці продукції, грн. 800 300 1000
168
її можна записати у вигляді лінійної нерівності
,
де М — досить велике число, за якого умова
виконується для всіх допустимих обсягів виробництва
продукції.
У результаті маємо таку економіко-математичну модель:
за умов
, .
за умов
,
,
,
,
.
Пропонуємо розв’язати аналогічну задачу, оцінивши
ефективність нового бізнесу.
169
Звичайно, у реальній ситуації існує більший набір можливих
видів продукції, а також багато обмежень щодо ресурсів.
Задача 6.5. Задача планування виробничої лінії.
Рис. 6.3
Установлено термін виготовлення кожного з виробів А та В як
проміжок часу від деякого початкового моменту. Нехай це буде
відповідно 120 і 150 хв. Передбачається, що в кожний момент
часу на верстаті може виконуватися одна операція.
Визначити оптимальний термін початку кожної операції.
Розв’язування. Розглянемо спочатку задачу в загальному
вигляді, скориставшись позначеннями:
aj(k) — час виконання j-ї операції ; dj — момент часу
(термін) для j-го виробу, до якого необхідно завершити операцію j;
хj — час (термін) початку j-ї операції; t — сумарний час
виконання всіх операцій. Економіко-математична модель містить
три типи обмежень.
1. Послідовність виконання i-ї операції записується для всіх
пар операцій якщо i-та операція передує в
часі j-й операції.
2. Обмеження нерозгалуженості виробничого процесу для
операцій і та j, які не виконуються одночасно (i ≠ j), має вигляд:
170
або xi – хj ≥ aj, якщо операція j передує в часі операції і;
або xj – хi ≥ ai, якщо операція і передує в часі операції j.
Зауважимо, що логічні обмеження виду «або-або» не можуть входити до економіко-
математичної моделі задачі лінійного програмування, оскільки породжують неопуклу
множину допустимих розв’язків. Тому необхідно ввести допоміжні змінні, які дозволяють
записати наведені щойно логічні умови у вигляді лінійних обмежень. Це такі бульові
змінні:
тобто ставиться задача, щоб обидва вироби були виготовлені за мінімальний час.
Запишемо числову економіко-математичну модель:
171
,
,
,
.
2. Обмеження щодо нерозгалуженості виробничого процесу:
,
,
,
,
,
,
,
.
3. Обмеження щодо термінів виготовлення виробів:
,
.
4. Усі операції мають бути виконані до моменту часу t:
,
,
,
,
,
,
,
,
,
,
.
5. Обмеження на змінні:
172
, ;
, .
Задача 6.6.
Задача оптимального призначення.
1 12 9 8 7
2 10 7 6 5
3 9 6 4 4
4 8 5 3 2
173
за умов
за умов
,
,
,
,
,
,
,
,
,
— цілі числа .
174
Методом Гоморі розв’язати задачу цілочислового програмування.
Задача 6.7.
1. , 2. ,
3. , 4. ,
5. , 6.
7. , 8. ,
9. , 10.
,
175
11. 12. ,
,
13. 14.
, ,
15. , 16. ,
17. , 18. ,
19. , 20. ,
176
Задача 6.8. Згідно з умовно-оптимальним планом задачі
цілочислового програмування побудувати
допоміжне обмеження Гоморі і приєднати його до останньої
симплексної таблиці. Знайти цілочислові розв’язки задачі або
довести, що вони не існують.
1. –3 –4 0 0 0
Базис Сбаз.
0 3 4 0 0 0
2. 5 10 2 0 0
Базис Сбаз.
3. Базис Сбаз. 0 –4 0 –3 0
177
–3 13/7 0 –2/7 –1 1 –6/7
1. , 2. ,
3. , 4. ,
5. , 6. ,
Розподіл
капіталовкладень за роками
Проект Прибуток
1-м 2-м 3-м
1 6 2 8 40
178
2 5 7 6 50
3 4 6 9 45
4 8 3 7 52
Максимальний обсяг
капіталовкладень 20 25 18 —
1 4 2 7 9 10
2 6 5 3 6 14
179
Визначити такий порядок розміщення устаткування на
дільницях, за якого сумарні витрати на його встановлення та
підготовку є мінімальними.
Розв’язати задачу оптимального розкрою двох заготівок
Задача 6.11. завдовжки 15 і 12 м на деталі трьох типів завдовжки 3, 4 і 2 м.
Відомо, що запас заготівок становить відповідно 100 і 80
одиниць, а попит на деталі — 30, 20, 15 одиниць.
Знайти план оптимального розкрою заготівок за двома варіантами:
1) мінімізації відходів від розкрою;
2) максимізації комплектів, до яких деталі входять відповідно 6.2.
ДРОБОВО-ЛІНІЙНЕ ПРОГРАМУВАННЯ
за умов
.
Припускають, що знаменник цільової функції в області
допустимих розв’язків системи обмежень не дорівнює нулю.
Алгоритм розв’язування задачі дробово-лінійного
програмування передбачає зведення її до задачі лінійного
програмування. Щоб виконати таке зведення, позначимо
180
.
і запишемо економіко-математичну модель:
за умов
,
.
Дістали задачу лінійного програмування, яку можна
розв’язати симплексним методом. Нехай оптимальний план
Діяльність з вирощування
Ресурс
корів продуктивністю, кг
пшениці, га
культур, га
буряків, га
кормових
цукрових
Показник
озимої
181
Урожайність, т/га 4 35 — — — — 6 —
Собівартість, грн./т 600 250 600 700 800 9000 200 —
Ціна, грн./т 800 300 1000 1000 1000 1000 — —
Вихід кормів, тон кормо- 0,8 2,0 — — — — 6 —
вих одиниць/га
Витрати живої праці, 4 25 6 6 6 6 3 26 000
людино-днів/га
Витрати механізованої 2 8 3 3 3 3 2 11 000
праці, людино-днів/га
Частка корів у стаді — — 0,1 0,2 0,3 0,4 —
Потреба в кормах, т/гол — — 5 4,7 4,4 4,1 — —
Акціонерне товариство має 2500 га ріллі.
Записати економіко-математичну модель і знайти оптимальну
структуру виробництва.
Розв’язання. Введемо позначення:
х1 — площа посіву озимої пшениці, га;
х2 — площа посіву цукрового буряка, га;
х3 — площа посіву кормових культур, га;
х4 — кількість корів продуктивністю 5000 кг;
х5 — кількість корів продуктивністю 4500 кг;
х6 — кількість корів продуктивністю 4000 кг;
х7 — кількість корів продуктивністю 3500 кг.
Запишемо критерій оптимальності:
182
2. Обмеження сівозміни.
1) Посівна площа кормових має бути більша або дорівнювати
площі під озимою пшеницею:
.
2) Посівна площа озимої пшениці має бути більша або дорівнювати
площі під цукровими буряками:
.
3. Структура корів за продуктивністю.
1) Балансове рівняння щодо корів:
,
де — загальна кількість корів.
2) Частка корів продуктивністю 5000 кг:
.
3) Частка корів продуктивністю 4500 кг:
.
4) Частка корів продуктивністю 4000 кг:
.
5) Частка корів продуктивністю 3500 кг:
.
4. Забезпеченість корів кормами:
.
Невід’ємність змінних:
.
Щоб знайти розв’язок за цією моделлю, зробимо відповідну
заміну й скористаємося симплексним методом:
.
Отже, маємо таку лінійну економіко-математичну модель:
183
за розглянутих далі умов.
1. ,
,
.
2. , або ,
, або .
3. ,
,
,
,
.
4. .
5. .
за умов
184
Цільова функція задачі являє собою пряму, яка
обертатиметься навколо початку системи координат залежно від
змінюваних параметрів х1, х2 так, що точки А і С будуть точками
максимуму і мінімуму функції. Виразимо х2 із цільової функції:
Розглянемо похідну
Точка А:
185
Звідси
Точка А має координати (6/7; 24/7).
Точка С:
Звідси
Точка С має координати (9/2; 1).
Знайдемо значення цільової функції в цих точках:
за умов
186
Розв’язування. Зведемо початкову задачу до задачі лінійного
програмування згідно з розглянутими раніше правилами.
Позначимо .
Введемо нові змінні:
, .
за умов
; ; ;
187
; .
Отже, ,
1. 2.
за умов за умов
3. 4.
за умов за умов
5.
6.
за умов
за умов
188
7. 8.
за умов за умов
9.
10.
за умов
за умов
1. 2.
за умов за умов
189
3. 4.
за умов за умов
5. 6.
за умов за умов
7. 8.
за умов за умов
190
за умов
,
де і — нелінійні
функції.
Рис. 6.3.
У точках х1 і х3 значення собівартості для обох розглядуваних
функцій однакові, але в усіх інших точках ці значення
відрізняються, причому в точці х2 значною мірою:
.
Отже, лінеаризація нелінійних процесів є досить складною
математичною задачею.
Для лінійних задач можна завжди знайти оптимальний розв’я-
зок універсальним методом — симплексним. При цьому немає
проблеми з доведенням існування такого розв’язку. Адже в
191
результаті розв’язування задачі симплексним методом завжди
дістаємо один із варіантів відповіді: 1) знайдено розв’язок;
2) задача суперечлива, тобто її розв’язку не існує; 3) цільова
функція не-
обмежена, отже, розв’язку також немає.
Для задач нелінійного програмування не існує універсального
методу розв’язування, тому щоразу слід доводити існування
розв’язку задачі, а також його єдиність. Це досить складна
математична задача.
Відомі точні методи розв’язування нелінійних задач, але при
цьому постають труднощі обчислювального характеру. Навіть для
сучасних ПЕОМ відповідні алгоритми є доволі трудомісткими.
Для розв’язування нелінійних задач застосовують наближені
методи, стикаючись із проблемою локальних і глобальних
оптимумів. Наприклад, на рис. 6.4. маємо на відрізку локальні
оптимуми в точках х0, х1, х2, х3, х4, х5, х6, х7, х8, х9, а глобальний — у
точці х4 і х6.
Рис. 6.4
Більшість наближених методів дають змогу знаходити локальний
оптимум. Визначивши всі локальні оптимуми, методом
порівняння можна знайти глобальний. Проте для практичних
розрахунків такий метод не є ефективним. Часто наближені
методи не «вловлюють» глобального оптимуму, зокрема тоді,
коли глобальний оптимум лежить досить близько до локального.
192
Якщо відрізок [x0, x10] розіб’ємо на десять підвідрізків і
глобальний оптимум потрапить у відрізок [xi, xi+1] (див. рис. 6.4),
а ліворуч від xi та праворуч від xi+1 крива y = f (x)
підніматиметься, то глобальний оптимум буде пропущеним.
Звернемо увагу ще на один дуже важливий момент. У задачах
лінійного програмування точка оптимуму завжди була
граничною. Для нелінійних задач точка, яка є оптимальним
планом, може бути граничною або такою, що міститься
всередині допустимої області розв’язків (планів).
193
де функції і
диференційовані.
Ідея методу множників Лагранжа полягає в заміні даної задачі
простішою: на знаходження екстремуму складнішої функції, але
без обмежень. Ця функція називається функцією Лагранжа і
подається у вигляді:
(6.17)
де λі — не визначені поки що величини, так звані множники
Лагранжа.
Знайшовши частинні похідні функції L за всіма змінними і
прирівнявши їх до нуля:
запишемо систему
(6.18)
що є, як правило, нелінійною.
Розв’язавши цю систему, знайдемо і
— стаціонарні точки. Оскільки їх
визначено з необхідної умови екстремуму, то в них можливий
максимум або мінімум. Іноді стаціонарна точка є точкою
перегину (сідлова точка). Отже, для визначення достатніх умов
екстремуму та діагностування його типу існує спеціальний
алгоритм [15].
Розв’яжемо методом множників Лагранжа наведену далі задачу.
194
Акціонерне товариство з обмеженою відповідальністю відвело
Задача 6.19.
1200 га ріллі під основні рослинницькі культури
— озиму пшеницю та цукрові буряки.
Техніко-економічні показники вирощування цих культур відбиває таблиця:
Урожайність, т/га 4 35
Ціна, грн./т 800 300
Собівартість, грн./т
за умов
.
Запишемо функцію Лагранжа:
195
Із цієї системи визначимо сідлову точку. З першої та другої
рівностей знайдемо вирази для 1 і прирівняємо їх:
,
або
(6.19)
Із останнього рівняння цієї системи маємо:
.
Підставивши значення у (6.19), дістанемо:
або .
Розв’язавши це квадратне рівняння, дістаємо (178
га); (553 га).
Відповідно дістаємо: (1022 га); (647 га).
Тобто сідловими точками є такі:
196
Отже, цільова функція набуває максимального значення, якщо озима пшениця
вирощується на площі 647 га, а цукровий буряк — на площі 553 га.
за умов
197
Розв’язавши цю систему, знайдемо:
198
19. , 20. ,
. .
21. , 22. ,
.
23. , 24. ,
25. , 26. ,
Матеріальні 4 5 7 100
Трудові 3 6 8 120
Фінансові 2 1 4 75
Прибуток
Обсяг виробництва
199
виду, якщо ресурси потрібно використати повністю. Знайти
оцінки ресурсів і подати економічний аналіз оптимального
плану.
(6.20)
за умов
(6.21)
Нехай
, , , .
Тоді дану задачу можна записати так:
200
змінюється: максимізуємо обсяг прибутку за весь плановий
період Т.
Якщо на першому інтервалі використано b1 капітальних
вкладень, то на його кінець залишилося їх:
,
де с, d — коефіцієнти пропорційності, що характеризують
використання капітальних вкладень першим і другим способами:
.
Задачу для другого інтервалу подамо так:
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 [4, 10].
201
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).
202
S перед черговим кроком, управління на цьому кроці слід
вибрати так, щоб ефективність розглядуваного кроку плюс
оптимальна ефективність на всіх наступних кроках була
максимальною.
Отже, маємо алгоритм розв’язування задач динамічного
програмування.
1. Специфікуємо стан заданої керованої системи та множину параметрів, що
описують цей стан. Стан системи обираємо, маючи на меті забезпечити зв’язок між
послідовними етапами перебігу процесу і знайти допустимий розв’язок задачі в цілому як
результат оптимізації на кожному кроці окремо. При цьому оптимальні рішення на
наступних етапах приймаємо, нехтуючи впливом подальших рішень на прийняті раніше.
203
.
Підприємство
Проект 1 2 3 4
1 0 0 0 0 0 0 0 0
2 1 3 1 4 2 4 1 2
3 2 5 2 6 3 9 2 8
4 3 7 3 8 4 12 3 5
204
Розв’язування. Спрощеним і найменш ефективним способом
розв’язування таких задач є перебір усіх можливих варіантів. Проте
на практиці їх так багато, що проаналізувати всі і вибрати серед
них найефективніший неможливо. Головними недоліками такого
способу розв’язування є великий обсяг обчислень, відсутність
апріорної інформації про неприпустимі розв’язки, а також
неможливість скористатися проміжними результатами аналізу
для відкидання неоптимальних комбінацій проектів.
Розв’яжемо цю задачу за алгоритмом (методом) зворотного
прогону. Кроками задачі вважатимемо кожне з чотирьох
підприємств, оскільки для кожного з них маємо вибрати
оптимальний інвестиційний проект за обмежених грошових
ресурсів.
Зауважимо, що в цьому разі нединамічний процес
розглядаємо як динамічний, аби скористатися методами
динамічного програмування для знаходження оптимального
розв’язку. Зв’язок між зазначеними кроками забезпечується
обмеженнями на загальний обсяг виділених коштів — 4 млн грн.
Змінні задачі візьмемо так, щоб послідовно керувати
процесом розподілу коштів:
— обсяг капіталовкладень, виділених на кроках 1—4;
— те саме на кроках 2—4;
— те саме на кроках 3 і 4;
— те саме на кроці 4.
— обсяги інвестицій на і-му підприємстві
.
— оптимальні обсяги інвестицій на і-му
підприємстві.
Рекурентне співвідношення для зворотного прогону від кроку 4-го до 1-го (від
четвертого підприємства до першого) подається у вигляді:
, ,
205
Етап 4.
Оптимальний
Дохід розв’язок
0 0 0 0 0
1 0 2 2 1
2 0 2 8 8 2
3 0 2 8 5 8 2
4 0 2 8 5 8 2
Етап 3.
за умов
,
Результати розрахунків відбиває таблиця:
Оптимальний
Дохід розв’язок
0 0 0
1 2 0
2 8 0
206
3 9 3
4 12 2 або 4
за умов
, .
Результати розрахунків подаємо таблицею:
Оптимальний
Дохід розв’язок
0 0 0 0
1 4 4 4 1
2 8 6 6 8 0
207
3 9 12 8 8 12 1
4 12 13 14 10 14 2
Етап 1.
за умов
, .
Виконуємо розрахунки лише для х1 = 4, подаючи їх у вигляді
таблиці:
Оптимальний
Дохід розв’язок
4 15 1
Задача 6.24.
Підприємство розробляє стратегію поповнення
запасів деякої продукції для заданого періоду часу,
який складається з N етапів (підперіодів). Для кожного з них
відомий розмір попиту, причому він не є однаковим для всіх етапів.
Щоб задовольнити попит, підприємство може придбати необхідну
кількість продукції, замовивши її у виробника, або виготовити її
208
самостійно. Передбачається, що запаси поповнюються миттєво,
запізнення поставки та дефіцит неприпустимі. Залежно від ринкової
кон’юнктури підприємству може бути вигідно створювати запаси
продукції для задоволення попиту в майбутні періоди часу, що
пов’язано, проте, з додатковими витратами на зберігання запасів.
Розробити програму управління запасами підприємства, тобто
визначити обсяги замовлення й період його розміщення, щоб
загальні витрати на постачання та зберігання продукції були
мінімальними, а попит задовольнявся повністю й своєчасно.
Дані задачі вміщено в таблиці:
Витрати
Період часу Попит на розміщення Витрати
(квартал року) на продукцію, замовлення, на зберігання,
тис. од. тис. грн. тис. грн.
1 4 7 2
2 5 8 3
3 3 6 1
4 2 9 0
за умов
, , .
209
Для N-го етапу маємо:
за умов
, .
Розглянемо покроковий розрахунок оптимальної стратегії управління запасами.
Етап 4. Маємо
за умов
.
Можливі варіанти розв’язків ілюструє таблиця:
Оптимальний
розв’язок
0 39 2
1 24 1
2 0 0
210
Етап 3. Маємо
за умов
.
Результати розрахунків подамо у вигляді таблиці:
Оптимальний
Доходи розв’язок
206
0 66 5
1 55 4
2 53 3
3 39 2
211
4 25 1
5 5 0
212
Розрахунки виконуємо так. Наприклад, обчислимо і
. Оскільки за умовою , то може набувати
значень 0, 1, 2, 3, 4, 5, а — відповідно значень 0, 1, 2, 3, 4, 5.
Тепер знайдемо і для і . Для
і маємо:
Аналогічно:
Далі обчислюємо:
Отже, при .
Так само виконуємо розрахунки для х = 1, 2, 3, 4, 5, а
результати вміщуємо у відповідну таблицю.
за умов
213
Оптимальні
розв’язки
81 93 106 107 96 88 81 0
208
73 94 95 96 79 73 0
74 83 74 79 74 0 або 2
63 72 67 63 0
52 55 52 0
35 35 0
Оптимальні
розв’язки
214
2 174 180 174 177 180 176 180 193 194 195 180 174 2 або 4
215
Маємо 1 = 4.
за умов
.
Отже, дістали два оптимальні плани управління запасами
підприємства, яким відповідають мінімальні сумарні витрати на
постачання та зберігання продукції.
Інформацію про перший оптимальний план містить таблиця:
Разом 174
Разом 174
216
Порівнюючи ці два плани, бачимо, що відрізняються вони
першими двома етапами і дають можливість маневрувати
фінансовими ресурсами підприємства, що водночас вирішує ще
низку проблем.
в кількості 4, 2 і 3.
6.4.4. Приклади та завдання для самостійної роботи
Підприємство
Інвестиційни 1 2 3
й проект
Інвестиції, Прибуток, Інвестиції, Прибуток, Інвестиції, Прибуток,
млн грн. млн грн. млн грн. млн грн. млн грн. млн грн.
1 0 0 0 0 0 0
2 2 6 6 12 7 9
3 4 8 7 14 8 10
4 5 11 9 18 10 14
1 0 0
2 4 6
3 5 8
217
Знайти оптимальний розподіл 6 млрд грн. між трьома підприємствами галузі. Прибуток, який можна
одержати від капіталовкладень певного розміру в кожне з підприємств, відбиває
Задача 6.28. таблиця:
Підприємство
1 2 3 4
Проект
Інвестиції,
Інвестиції,
Інвестиції,
Інвестиції,
Прибуток,
Прибуток,
Прибуток,
Прибуток,
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
млн грн.
1 1 5 2 4 3 8 2 5
2 3 6 3 7 4 11 3 6
3 4 8 4 9 5 12 6 9
218
одиниці продукції — 3 грн. для всіх етапів. Вихідний запас на
початок досліджуваного періоду — 10 од.
Задача 6.31. Розв’язати задачу 6.30, якщо вихідний запас
дорівнює 40 од., а витрати на зберігання
змінюються поетапно і становлять відповідно 1; 1,5; 2; 5 грн.
Розв’язати п’ятиетапну детерміновану задачу управління запасами:
Задача 6.32.
1 110 40 1
2 70 20 2
3 90 45 2
4 80 37 1
5 115 48 1
Витрати
Витрати Витрати
Етап Попит на розміщення
на придбання, грн. на зберігання, грн. замовлення, грн.
1 140 7 1 100
2 160 8 3 100
3 130 9 2 120
4 50 10 1 110
5 80 4 2 180
6 90 3 2 200
7 110 6 3 160
8 170 5 1 150
9 190 9 2 200
10 75 11 4 300
219
6.5 ТЕОРІЯ ІГОР
220
менеджерів, маркетологів, спеціалістів рекламних служб, які
щоденно приймають рішення в умовах гострої конкуренції,
неповноти інформації тощо. Основною метою розв’язування задач
цього класу є розробка рекомендацій щодо вибору оптимальних
стратегій дії конфліктуючих сторін із застосуванням методичних
підходів теорії ігор.
Отже, маємо два гравці А і В (гра двох осіб з нульовою
сумою). Кожний гравець обирає одну з можливих стратегій:
гравець А — стратегії , гравець В — стратегії
.
Результати (плата) за всіма можливими варіантами гри
задаються, як правило, спеціальними функціями (що залежать від
стратегій гравців) у вигляді платіжної матриці.
Нехай (Аі; Вj) — виграш гравця А,
;
— виграш гравця В,
.
Оскільки гра з нульовою сумою, то .
Тоді в разі маємо
.
Отже, мета гравця А максимізувати , а гравця В —
її мінімізувати. Нехай , тобто маємо матрицю
221
Нехай гравець А вибрав стратегію Аі. Тоді в найгіршому
випадку він отримає виграш, що дорівнює . Якщо навіть
гравець В знає його стратегію, гравець А має діяти так, щоб
максимізувати свій мінімальний виграш:
.
Таку стратегію гравця А називають максимінною, а розмір
його гарантованого виграшу — нижньою ціною гри.
Стратегія, яка забезпечує цей виграш, називається
максимінною і позначається .
Гравець В, який програє суми в розмірі елементів платіжної
матриці, навпаки, має обрати стратегію, що мінімізує його
максимально можливий програш за всіма варіантами дій гравця
А. Стратегію гравця В називають мінімаксною і позначають
. Розмір його програшу — верхня ціна гри:
.
Оптимальний розв’язок цієї задачі досягається тоді, коли
жодній стороні не вигідно змінювати обрану стратегію, оскільки
суперник може у відповідь обрати іншу стратегію, яка дасть йому
кращий результат. Якщо
,
тобто , то гра називається цілком визначеною. Цілком
визначені ігри називаються іграми із сідловою точкою. У цій
ситуації оптимальним для обох гравців є вибір чистих стратегій
— максимінної для гравця А і мінімаксної для В. Адже, якщо
один із гравців додержує оптимальної стратегії, то для іншого
відхилення від його оптимальної стратегії не може бути
вигідним. Якщо гра не має сідлової точки, тобто і
, то максимінно-мінімаксні стратегії не є
оптимальними: кожна зі сторін може поліпшити свій результат,
обираючи інший підхід. Оптимальний розв’язок такої гри
знаходять, застосовуючи змішані стратегії, які є певними
комбінаціями початкових чистих стратегій.
Імовірності (або частоти) вибору кожної стратегії задаються
відповідними векторами.
Для гравця А: ,
222
де ;
Для гравця В: ,
де .
Очевидно, що , ; , .
Розглянемо гру, в якій є сідлова точка.
Маємо гру гравців А і В, яка задана платіжною матрицею. Визначити ціну гри та
Задача 6.34. оптимальні стратегії дій гравців А і В. Оптимізацію гри починають, як правило,
визначенням домінуючих стратегій для кожної зі сторін, а також відкиданням
невигідних і дублюючих стратегій.
За умови існування такої матриці розв’язок задачі — сідлову
точку, ціну та оптимальні стратегії гри — можна знайти значно
ефективніше:
Гравець В
Гравець A
.
У разі вибору гравцем А першої стратегії, залежно від дій
гравця В він може отримати 6, 3, 8 або 9 одиниць. Але завжди його
виграш буде не меншим за , тобто незалежно
від поведінки гравця В. Якщо розглянути можливі наслідки
вибору гравцем А другої стратегії, то аналогічно його
223
гарантований виграш становитиме . Для
третьої стратегії відповідно маємо: .
Отже, нижня ціна гри: , а гравець А для
максимізації мінімального виграшу має обрати другу з трьох
можливих стратегій. Така стратегія є максимінною в цій грі.
Гравець В, який намагається мінімізувати свій програш,
обираючи першу стратегію, може програти 6,6 або 4 одиниці.
Але за будь-яких варіантів дій гравця А він може програти не
більш як . Для другої стратегії маємо
, для третьої — , для
четвертої — . Отже, верхня ціна гри
.
І гравцю В доцільно вибирати другу стратегію, яка є мінімаксною у грі.
Оскільки , ця гра має сідлову точку, ціна гри дорівнює
5. Оптимальною максимінною стратегією гравця А є друга з
трьох можливих стратегій його дій. Для гравця В оптимальною є
також друга з чотирьох можливих.
6.5.2. Зведення матричної гри
до задачі лінійного програмування
224
,
то використання оптимальної змішаної стратегії гравцем А має забезпечувати виграш не менший за ціну гри в
разі вибору гравцем В будь-яких стратегій. Математично ця умова записується так:
. (6.23)
. (6.24)
за умов
225
Нехай , тоді
.
У результаті задача лінійного програмування:
(6.25)
за умов
(6.26)
. (6.27)
Розв’язавши цю задачу симплексним методом, знайдемо
значення , а також і , тобто визначимо
змішану оптимальну стратегію для гравця А.
226
За аналогією запишемо задачу лінійного програмування для
визначення оптимальної стратегії гравця В. Нехай
.
Тоді маємо таку лінійну модель:
за умов
.
Очевидно, що задача лінійного програмування для гравця В є двоїстою до задачі
гравця А, а тому оптимальний розв’язок однієї з них визначає оптимальний розв’язок
спряженої.
Розглянемо приклад на застосування методів лінійного
програмування до знаходження оптимального розв’язку гри.
Зовнішні ситуації
Варіант бізнес-плану В1 В2 В3 В4 В5
227
А6 2,6 2,7 3,1 2,3 2,0
,
а також
.
Отже, , тобто сідлової точки немає, а це означає, що
потрібно скористатися моделлю (6.25)—(6.27):
за умов
.
Розв’язуємо цю задачу симплексним методом.
228
Задача 6.36. Розв’язати графічно.
1. 2.
3. 4.
5. 6.
7. 8.
9. 10.
11. 12.
13. 14.
229
15.
230
мають бути відбиті особливості прийняття
рішень в умовах невизначеності. Постановка
задачі стохастичного програмування істотно
залежить від її цільових засад та
інформаційної структури.
231
1) максимізацію математичного сподівання
відповідного економічного показника
(прибутку, рентабельності тощо);
2) мінімізацію дисперсії економічних показників;
3) лінійну комбінацію математичного сподівання та дисперсії
економічних показників;
4) імовірність перевищення (неперевищення) економічним показ-
ником певного фіксованого порогу;
5) максимізація математичного сподівання
функції корисності.
У стохастичному програмуванні підвищується важливість
багатокритеріальної оптимізації.
Обмеження у стохастичних економіко-
математичних моделях можуть задаватися
різними способами, а отже, відповідні
оптимальні плани матимуть різний рівень
гарантії їх виконання. При цьому потрібно
брати до уваги як внутрішню невизначеність
(технологічні процеси), так і невизначеність
зовнішнього середовища (постачання
сировини, попит на вироблену продукцію,
податки тощо).
Нехай задано обмеження в загальному вигляді
. (6.28)
Неможливо, а іноді й недоцільно вимагати, щоб знайдений
розв’язок задовольняв обмеження (6. 28) за будь-яких реалізацій
випадкових параметрів . З огляду на це можна накласти
дещо менш жорсткі обмеження, зокрема замість (6.28)
припустити невиконання умов з певною ймовірністю
(6.29)
або
. (6.30)
Обмеження (6.29) розуміємо так: імовірність того, що
не перевищує значення . Відповідно вираз (6.30)
гарантує, що з імовірністю виконуватиметься обмеження
(6.28). Наприклад, якщо , то обмеження (6.28) у 95
випадках зі 100 виконуватиметься і тільки в п’яти не
виконуватиметься.
232
Аналогічно модифікують й цільову функцію. Нехай
— функція, яка виражає ефективність плану при заданих х та .
Тоді задачу визначення оптимального детермінованого плану х
при випадкових параметрах можна сформулювати в таких
варіантах:
1) (6.31)
за умов
(6.32)
; (6.33)
2) (6.34)
за умов
(6.35)
. (6.36)
Отже, при постановці задачі варіанта 1 необхідно
максимізувати середню сподівану ефективність за умов, що
обмеження, наприклад за ресурсами, виконанням контрактів
тощо, виконаються з імовірністю . При постановці задачі
варіанта 2 додатково вимагається, щоб значення функції
ефективності наприклад прибутку, було не меншим за з
імовірністю , а значення було максимальним.
Зауважимо, що варіант 1 простіший у
обчислювальному аспекті.
Постановка задачі стохастичного програмування істотно
залежить від того, чи є можливість під час вибору (прийняття)
рішень уточнювати стан економічного середовища (природи) на
підставі певних спостережень. Для економічних систем
розробляють стратегічні і тактичні плани. У стратегічних планах
ураховують усі можливі значення , тобто стан зовнішнього та
внутрішнього середовища, а рішення приймають щодо траєкторії
розвитку системи. Проте в певний момент часу в результаті
спостереження стан економічного середовища стає відомим. Тоді
розробляють тактичний план, тобто знаходять рішення
(розв’язок) при заданому , розв’язуючи задачу:
max
за умов
233
,
.
У загальному випадку спостереження не
повністю визначають стан економічного
середовища, а тому етапи вибору рішень (роз-
в’язків) можуть чергуватися з етапами
спостережень за станом зовнішнього
середовища. Отже, відбуваються багатоетапні
процеси вибору рішень у такій послідовності:
рішення — спостереження — рішення — спостереження...
Послідовність рішень називають N-етапною, якщо в ній
слово «рішення» зустрічається N разів.
Отже, процес прийняття рішень розвитку та
функціонування економічної системи
складається з програмної (стратегічний план) і
адаптивної (тактичний план) частин.
Можливість плану адаптуватися до постійної
зміни умов його реалізації — необхідна умова
ефективного розвитку та функціонування
економічних систем.
Програмну (стратегічну) та адаптивну
(тактичну) частини плану поєднують згідно з
такими принципами:
1) план-програму обирають так, щоб максимізувати сподівану
корисність з урахуванням майбутньої адаптації до кожної ситуації;
2) план-адаптація має бути найефективнішим для кожної
реалізації економічної ситуації зі збереженням стратегії розвитку
системи;
3) план-програму (стратегію) можна коригувати з
урахуванням можливих майбутніх ситуацій зовнішнього і
внутрішнього середовищ.
234
Плани, здобуті згідно з моделями (6.31)—(6.33) або (6.34)—
(6.36), називають М-планами, тобто як критерій оптимальності
використовується максимізація математичного сподівання
. Проте часто доцільно розглядати дисперсію цієї
функції або моменти вищих порядків. Якщо критерій
оптимальності має вигляд , то здобуті плани
називають D-планами.
Іноді доцільно за критерій оптимальності
брати різницю
,
де К — відомий параметр.
Можливі й інші варіанти побудови критерію
оптимізації.
Методи розв’язування стохастичних задач поділяють на дві
групи — прямі та непрямі.
Прямі методи застосовуються для розв’язування задач
стохастичного програмування, коли існують способи побудови
функцій і , на базі інформації
щодо параметра . У непрямих методах стохастичну задачу
намагаються звести до задачі лінійного чи нелінійного
програмування, тобто розглядається детермінований аналог
задачі стохастичного програмування.
235
Розв’язування. Функція збитків, що відповідає розв’язку х,
має вигляд:
за умов
,
.
236
Звідси випливає, що коли , то активи потрібно
вкладати в облігації та навпаки. Отже, питання щодо розподілу
активу між грішми та облігаціями повністю вирішується на
користь одного з цих видів заощаджень. Якщо , то
однаково, який спосіб заощадження буде використано.
за умов
,
.
237
Задача 6.40. Оцінити доцільність страхування,
коли особа (клієнт) бажає
застрахувати певну частину свого активу і
сплачує для цього певний внесок страховій
компанії, а у разі втрати активу одержує від
неї страхову винагороду. Визначити частку
активу, яку доцільно застрахувати.
Розв’язування. Нехай S — актив (капітал, майно тощо),
власником якого є певна особа. Частку, що її бажано
застрахувати, позначимо х. Страховий внесок, який сплачується
страховій компанії, дорівнює rx, а в разі втрати активу клієнт
одержує винагороду qx. Коли відома ймовірність p
недоторканості активу клієнта, то економіко-математична модель
визначення частки страхового активу набирає вигляду:
,
.
238
частка виходу цукру з одиниці сировини; х — планова площа під
цукровим буряком; y — планова потужність цукрового заводу.
Потрібно максимізувати приріст обсягу
виробництва цукру за обмежених коштів.
Економіко-математична модель набирає
вигляду:
за умов
,
.
239
Потреба в поживних речовинах розподілена
рівномірно.
Розробити економіко-математичну модель і знайти
оптимальний розв’язок, який забезпечував би мінімальні витрати
на закупівлю зерна і задовольняв мінімально допустимі потреби
в усіх поживних речовинах з імовірністю .
за умов
,
,
де a, b, c, d — випадкові рівномірно розподілені величини.
Цю систему ймовірнісних обмежень запишемо
детермінованими еквівалентами:
,
,
,
,
де a1, b1, c1, d1 — значення випадкових величин, що
задовольняють відповідно умови:
і ;
і .
Визначимо параметри a1, b1, c1, d1. Із теорії ймовірностей
відомо, що
240
.
, .
Звідси знаходимо: ; і .
Запишемо детермінований варіант економіко-математичної
моделі купівлі фермером зерна, яке використовуватиметься для
відгодівлі свиней:
за умов
,
,
,
,
, , .
Розв’язавши цю задачу симплексним методом, дістанемо
; ; . Оптимальні витрати
становлять 3749 грн.
Урожайність, Витрати
№ Сфера діяльності кормів, Ціна, Собівартість,
п/п ц/га корм. од. грн. грн.
Землеробство:
вирощування
1 озимої пшениці, га 50 — 70 40
2 цукрових буряків, га 400 — 2 1,4
3 кормових культур, га 60 — — —
4 Тваринництво — 4000 48 100 —
241
вирощування корів,
голів
242
Витрати кормів, корм. од.
Урожайність, ц/га
Собівартість, грн.
Собівартість, грн.
Ціна, грн.
Ціна, грн.
Вирощування
1 озимої 30 — 80 50 35 — 75 45
пшениці, га
Виробництво
побічної продук-
2 ції з пшениці 6 — — 16 7 — — 15
на корм,
корм. од.
Вирощування
3 цукрового 200 — 5 4 250 — 4,75 3,75
буряка, га
Виробництво
побічної
4 продукції з 20 — — 14 22 — — 13
кормового
буряка, корм.
од.
Вирощування
5 кормових 50 — — 28 55 — — 26
культур, га
6 Вирощування 40 45 80 454 40 45 75 43
корів, голів
стани
4
Без вартості кормів.
243
8
40
60
24
40
300
Урожайність, ц/га
45
—
—
—
—
—
Витрати кормів, корм. од.
70
—
—
—
70
4,5
Ціна, грн.
41
24
12
14
40
3,5
Собівартість, грн.
40
65
26
45
350
Урожайність, ц/га
45
—
—
—
—
—
Витрати кормів, корм. од.
65
—
—
—
65
4,25
Ціна, грн.
244
39
22
11
13
35
,
3,25
Собівартість, грн.
40
70
28
10
50
400
Урожайність, ц/га
45
—
—
—
—
—
60
—
—
—
60
Ціна, грн.
37
20
10
12
30
Собівартість, грн.
,
,
245
прибуток, отриманий від вирощування цукрового буряка в разі
ситуації 4, буде такий:
.
Реалізувавши на ЕОМ цю економіко-
математичну модель структури (поєднання)
галузей, дістанемо стратегічний план. Залежно
від погодних умов буде знайдено результати
діяльності фермера. Після цього розробляється
економіко-математична модель для оптимізації
тактичного плану, тобто раціонального
використання отриманих кормів,
сільськогосподарської сировини тощо.
Тактичний план може й значно відрізнятися від
стратегічного, але стратегію змінювати не слід.
Стратегічний план, як уже зазначалося, можна
змінювати лише тоді, коли суттєво змінилися
зовнішні або внутрішні умови (поліпшилася
технологія виробництва, виникли нові
перспективні види діяльності, змінилися ціни на
ресурси чи продукцію тощо).
Отже, задача є багатоетапною. Перехід до дискретного
варіанта дає змогу дістати умовно оптимальний (раціональний)
план.
246
6.6.3. Приклади та завдання для самостійної роботи
Фірма виробляє товар, попит на який наперед невідомий. Навіть за відомих цін і
Задача 6.45.
витрат на виробництво очевидний ризик або неодержання прибутку, якщо обсяг
виробництва менший від попиту, або невиправданих витрат у противному разі.
Нехай — випадковий попит на продукцію; С — ціна на
реалізовану продукцію; g — питомі витрати на її виробництво; x
— шуканий обсяг виробництва продукції.
Сформулювати модель балансування попиту
та пропозиції з урахуванням можливості
часткової адаптації виробництва до попиту.
247
Деталі (j = A, B, C) можна обробляти на трьох верстатах (i = 1,
2, 3). Припустимо, що норми витрат часу на
Задача 6.46. обробку j-ї деталі на і-му верстаті випадкові та
розподілені згідно з рівномірним законом у інтервалі ,
а ціна j-ї деталі Сj — також випадкова величина, що
розподілена за нормальним законом із середніми та
середньоквадратичними відхиленнями . Значення і ,
і наведено в таблицях:
Норма часу на обробку деталі Плата Ліміт часу
Верстат за 1 год, роботи
А В С роботи
і верстата,
верстата, год.
тис. грн.
Ціна деталі
Характеристика
А В С
10 16 12
5 10 8
248
4) максимум прибутку за умови, що ризик випустити не менш
як 120 шт. деталей А буде не більшим за 0,20;
5) ризик того, що деталей А буде випущено не менш як
100 шт., а деталей В не менш як 200 шт., буде не більшим за 0,25;
6) мінімум ризику стосовно того, що буде випущено не менш
як задану кількість комплектів, а саме 80, які містять 3 деталі
типу А, 2 деталі В та одну деталь С;
7) максимум прибутку, коли ризик того, що деталей А буде
випущено не менш як 90 шт., не більший за 0,10, а деталей В не
менш ніж 900 шт. — не більший за 0,85.
Задача 6.45.
Фірма має у своєму розпорядженні певні ресурси
сировини, робочої сили та обладнання, які
необхідні для виробництва виробів чотирьох видів. Нехай питомі
витрати ресурсів є випадковими величинами , що розподілені
рівномірно на інтервалі [aj, bj], а прибуток на одиницю виробу і
становить Ci одиниць. Потрібні дані наведено в таблицях:
Вид виробу 1 2 3 4
249
3) максимум сподіваного прибутку, за якого ризик
реалізованості плану не більший від 0,05;
4) максимум гарантованого прибутку (ризик ).
1 20 30 3 40
2 30 40 6 30
250
2) якщо ризик дефіциту не може перевищити 0,20;
3) якщо на складі можна зберігати не більш як 50 одиниць
продукції, а ризик дефіциту не може перевищити 0,10;
4) зберігати товар немає змоги, але необхідно мінімізувати
ризик незадоволеного попиту;
5) зберігати товар немає змоги, а попит слід задовольнити
гарантовано.
251
точніше описують реальні процеси та явища
економічних систем, ніж лінійні.
Не можна не згадати ще й про такі важливі факти. Для
нелінійних, динамічних, стохастичних моделей розроблено
теорію двоїстості, яку можна ефективно використати для аналізу
економічних процесів за умов, що вони розглядаються як
нелінійні, динамічні та стохастичні.
Зазначимо, що використання методів
стохастичного програмування передбачає
існування функцій розподілу відповідних
процесів і явищ. Проте реально знайти такі
функції дуже важко, часто неможливо. З
огляду на це економічні процеси та явища
досліджують як такі, що розвиваються в
умовах невизначеності, причому ступінь
невизначеності буває різним: у кожному
конкретному випадку про досліджувальний
процес існує якась інформація, хоча далеко
неповна. Тому вводять поняття
інформаційної ситуації, пов’язаної з
невизначеністю внутрішнього і зовнішнього
середовища економічних систем. Для кожної
інформаційної ситуації розроблені відповідні
математичні методи оптимізації.
Якщо аналітичного математичного методу знаходження
оптимального розв’язку розробленої економіко-математичної
моделі немає, її можна використати для імітації на ЕОМ.
Імітаційне моделювання є потужним засобом дослідження
поводження економічних систем.
Застосування нелінійних, динамічних,
стохастичних методів, теорії ігор, імітаційного
моделювання в дослідженні економічних
систем є досить трудомістким, але воно
252
цілком себе виправдовує. Тому рекомендуємо
читачам ґрунтовно вивчити зазначені питання
[5; 15; 26; 34; 35].
6.8. КОНТРОЛЬНІ ЗАПИТАННЯ
253
2. Проблеми розв’язування нелінійних задач.
3. Опуклі (угнуті) функції.
4. Теорія двоїстості нелінійного програмування.
5. Необхідні та достатні умови розв’язування задач
математичного програмування.
6. Теорема Куна—Таккера.
7. Квадратичне програмування.
8. Опукле програмування.
9. Сепарабельні функції та їх лінеаризація.
10. Наближені методи розв’язування нелінійних задач.
11. Принцип Беллмана.
12. Динамічне програмування та найкоротші шляхи.
13. Скінченні антагоністичні ігри.
14. Нескінченні антагоністичні ігри.
15. Багатокрокові ігри.
16. Кооперативні ігри.
17. Метод проектування стохастичних квазіградієнтів.
18. Метод стохастичної апроксимації.
254
Максмінна стратегія Цілочислова задача
Марковське програмування Цілочислове програмування
Математичне сподівання Ціна гри
Матричні ігри Частково цілочислова задача
Метод віток і меж Чиста стратегія
Метод Гоморі Щільність розподілу ймовірностей
Рекомендована література
255
16. Зайченко Ю. П. Исследование операций. Нечеткая оптимизация. —
К.: Вища шк., 1991.
17. Збірник задач з курсу «Математичне програмування» / Укл.
С. І. Наконечний, В. В. Вітлінський та ін. — К.: КНЕУ, 1998. — Ч. 2.
18. Зуховицкий С. И., Авдеева Л. И. Линейное и выпуклое
программирование. — М.: Наука, 1967.
19. Ермольев Ю. М., Ястремский А. И. Стохастические модели и
методы в экономическом планировании. — М.: Наука, 1979.
20. Еромольев Ю. М. Методы стохастического программирования. —
М.: Наука, 1976.
21. Калихман И. Л. Линейная алгебра и программирование. — М.:
Высш. шк., 1967.
22. Калихман И. Л. Сборник задач по математическому
программированию. — М.: Высш. шк., 1975.
23. Калихман И. Л., Войтенко М. А. Динамическое
программирование в примерах и задачах. — М.: Высш. шк., 1973.
24. Канторович Л. В. Математические методы организации и
планирования производства. — Л.: Изд-во ЛГУ, 1939.
25. Канторович Л. В., Горстко А. Б. Математическое оптимальное
программирование в экономике. — М.: Знание, 1968.
26. Кузнецов Ю. Н., Козубов В. И., Волощенко А. Б. Математическое
программирование. — М.: Высш. шк.,1976.
27. Кюнци Г. П., Крелле В. Нелинейное программирование. — М.:
Сов. радио, 1965.
28. Линейное и нелинейное программирование / Под ред. И. Н. Ля-
шенко. — К.: Высш. шк., 1975.
29. Михалевич В. С., Гупал А. М., Норкин В. И. Методы выпуклой
оптимизации. — М.: Наука, 1987.
30. Михалевич В. С., Ермольев Ю. М. Пакет прикладных программ
не дифференцируемой и стохастической оптимизации // Исслед.
операций и АСУ. — 1986. — Вып. 27. — С. 3—38.
31. Муртаф Б. Современное линейное программирование. Теория и
практика. — М.: Мир, 1984.
32. Наконечний С. І., Гвоздецька Л. В. Збірник задач з курсу
«Математичне програмування» 1: Навч. посібник. — К.: ІСОД, 1996.
33. Нейман Дж., Моргенштерн О. Теория игр и экономическое
поведение. — М.: Наука, 1970.
34. Романюк Т. П., Терещенко Т. О., Присенко Г. В., Городкова І. М.
Математичне програмування: Навч. посібник. — К.: ІЗМН, 1996.
35. Степанюк В. В. Методи математичного програмування. — К:
Вища шк., 1997.
36. Таха Х. Введение в исследование операций. — М.: Мир, 1985. —
Т. 1, 2.
37. Хедли Дж. Нелинейное и динамическое программирование. —
М.: Мир, 1967.
256
38. Юдин Д. Б., Гольштейн Е. Г. Линейное программирование,
теория, методы, приложение. — М.: Наука, 1969.
39. Ястремский А. И. Стохастические модели математической
экономики. — К., 1983.
40. Ястремский А. И. О соотношениях двойственности в условиях
оптимальности в линейных задачах стохастического программирования //
Кибернетика. — 1987. — № 1. — С. 102—107.
257