TỐI ƯU HÓA QUÁ TRÌNH

TRONG CNSH - CNTP

Giảng viên: TS Nguyễn Trường Giang

Bộ môn CNSH, Viện CNSH và CNTP
Đại học Bách Khoa Hà Nội
 LOGO
NỘI DUNG

1. MỞ ĐẦU
2. TỐI ƯU HÓA QUÁ TRÌNH MỘT MỤC TIÊU ĐA YẾU TỐ
2.1. PHƯƠNG PHÁP GAUSS-SEIDENT
2.2. PHƯƠNG PHÁP BOX-WILLSON
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU ĐA YẾU TỐ
4. ỨNG DỤNG QUY HOẠCH TUYẾN TÍNH TRONG QUẢN LÝ SẢN XUẤT, CNTP VÀ CNSH
5. GIẢI QUY HOẠCH TUYẾN TÍNH BẲNG PHƯƠNG PHÁP CHUYỂN VỊ
6.GIẢI QUY HOẠCH TUYẾN TÍNH BẰNG PHƯƠNG PHÁP ĐƠN HÌNH
7. GIẢI QUY HOẠCH TUYẾN TÍNH BẲNG PHƯƠNG PHÁP ĐỔI HÌNH DẠNG BẢNG
8. ỨNG DỤNG QUY HOẠCH TUYẾN TÍNH TRONG KỸ THUẬT PHA ĐẤU THỰC PHẨM
9. BÀI TOÁN VẬN TẢI
10. ÔN TẬP
 LOGO
Tối ưu hóa quá trình một mục tiêu, đa yếu tố

Quá trình một mục tiêu đa yếu tố

X1
X2 Y1
X3 QT
Xn

Ví dụ: Hoạt lực enzyme của nấm nấm mốc Aspergillus oryzae
phụ thuộc vào các yếu tố (xi): độ ẩm cơ chất, độ ẩm tương đối
không khí, nhiệt độ nuôi cấy, bề dày của lớp cơ chất trên
khay… Tìm xi để hoạt lực α-enzyme amylaza đạt cao nhất.
 LOGO
Tối ưu hóa quá trình một mục tiêu, đa yếu tố

I. Phương pháp Gauss- Seident

Bản chất Phương pháp:
+ Cho 1 yếu tố thay đổi, cố định tất cả yếu
tố còn lại  tìm được giá trị làm y cực trị
(max or min)
+ lặp lại quá trình trên nhưng thay đổi liên
tục các yếu tố khác nhau  tìm được tập giá
trị các yếu tố ảnh hưởng làm y max or min
 LOGO
I. PP Gauss - Seident

 Phương pháp do hai nhà toán học người Đức Carl

Friedrich Gauss và Phillipp Ludwig von Seidel đề
ra.
 Bản chất của phương pháp: Cố định các trục tại
một điểm khởi phát nào đó xi-1 yếu tố ảnh hưởng
còn cho yếu tố xi di chuyển. Trong quá trình di
chuyển sẽ tìm được yếu tố mà tại đó mục tiêu đạt
cực đại hoặc cực tiểu.
 LOGO
I. PP Gauss - Seident

• Trình tự tiến hành:

1) Làm thí nghiệm sơ bộ để xác định khoảng xác định
có ý nghĩa công nghệ của xi (i số yếu tố ảnh hưởng)
2) Tối ưu hóa quá trình bằng phương pháp Gauss-Seidel
+ Vòng tính 1: Cho n-1 yếu tố nhận một giá trị khởi
phát nào đó trong khoảng xác định có ý nghĩa công
nghệ của chúng còn yếu tố thứ k nào đó di động trong
khoảng xác định có ý nghĩa công nghệ của nó. Từ đây
xác định được giá trị của yếu tố mà mục tiêu đạt cực trị,
xác định xk1 optimal  y11 max.
Lặp lại quá trình như trên cho xk+1 để tìm ra xk+11 optimal
 LOGO
I. PP Gauss - Seident

Nếu có n yếu tố ta có n đợt thí nghiệm và nhận được yi1 max
(i = 1÷n)
+ Vòng tính 2: Ta lặp lại giống vòng 1 nhưng các điểm
khởi phát thay đổi.
Sau vòng 2 ta nhận được yi2 max (i = 1÷n)
+ Vòng tính 3: Ta lặp lại giống vòng 1 và 2 nhưng thay đổi
điểm cố định ban đầu
Sau vòng 3 ta nhận được yi3 max (i = 1÷n)
Cần tìm:
Lim yi1, yi2, yi3 , và đưa ra kết luận.
số vòng lặp 
 LOGO
I. PP Gauss - Seident

 Ứng dụng trong trường hợp cụ thể:

 Ví dụ nuôi cấy nấm mốc thu enzyme, hoạt lực enzyme (y)
thu được phụ thuộc vào điều kiện nuôi cấy: độ ẩm cơ chất
(50-60%), độ ẩm tương đối không khí (65-85%), nhiệt độ
nuôi cấy (25-35oC).
 Yêu cầu: Tìm điều kiện nuôi cấy để hoạt lực enzyme thu
được là cao nhất.
 Giải thích ý tưởng Gauss-Seident với bài toán này: cố
định 2 trong 3 yếu tố còn cho 1 yếu tố thay đổi.
 LOGO
I. PP Gauss - Seident

 Vòng 1:
 Bước 1: Gọi x1 là độ ẩm cơ chất, x2 là độ ẩm tương đối
không khí, x3 là nhiệt độ nuôi cấy. Cố định x1 = 52%, x2 =
70%, còn cho x3 thay đổi ở các mốc 25, 27, 29, 31, 33, 35
oC.

 Thảo luận ta phải tiến hành thực nghiệm như thế nào?
 Làm 6 mẫu thí nghiệm và phân tích hoạt lực enzyme và
ghi lại kết quả, chọn ra nhiệt độ tương ứng với hoạt lực
enzyme cao nhất. Chẳng hạn x3 = 29oC, y11max = 75 U/g
 LOGO
I. PP Gauss - Seident

Bước 2: Ta cố định x1 = 52%, x3 = 29 oC, còn cho

x2 thay đổi ở các mốc 65, 69, 73, 77, 81, 85 %
(khoảng biến thiên 4%)
Cũng tiến hành thí nghiệm tương tự như vòng 1
và chọn ra giá trị x2 tương ứng với giá trị y21max =
81 U/g. Chẳng hạn x2 = 77%.
 LOGO
I. PP Gauss - Seident

Bước 3: Cố định x2 = 77%, x3 = 29oC và cho x1

thay đổi ở các mốc 50, 52, 54, 56, 58, 60%.
Tìm được kết quả: x1 = 54%, ymax = 89.
Như vậy thu được: y11max = 75, y21max = 77, y31max
= 89  y1max = 89

bài toán đến đây đã được giải chưa?

 LOGO
I. PP Gauss - Seident
 Vòng 2: Cố định x1 = 54%, x2 = 72% cho x3 thay đổi. Tiến
hành thí nghiệm như vòng 1
 Thu được kết quả y2max = 92 U/g
 Vòng 3: x1 = 56%, x2 = 74% và cho x3 thay đổi. Tiến hành
thí nghiệm như vòng 1 và 2
 Thu được kết quả y3max = 91 U/g
 Tiến hành tiếp các vòng và kết luận.
 Nếu sau vòng 4: y2max < y4max < y3max, ta có thể kết luận giá
trị cực đại nằm trong khoảng [y2max, y3max]
 LOGO
I. PP Gauss - Seident

Kết luận chung:

+ Hạn chế của phương pháp Gauss-Seidel là
không tính đến đồng tác động của các yếu tố ảnh
hưởng, từ đó có thể dẫn tới sai số trong kết quả.
+ Kết quả chỉ tiệm cận được vào vùng tối ưu. Nếu
muốn tìm được chính xác thì phải làm rất nhiều
vòng lặp thí nghiệm, tốn thời gian công sức và
tiền bạc.
 LOGO
I. PP Gauss - Seident

Ví dụ về sự không tính đến đồng tác

động của các yếu tố:
- Nhiệt độ thủy phân tinh bột tối ưu bởi
enzyme amylase:
+ Khi pH=4,8 là 70 oC
+ Khi pH =5,2 là 73 oC
 LOGO
TỐI ƯU HÓA QUÁ TRÌNH MỘT MỤC TIÊU ĐA YẾU TỐ

II. PHƯƠNG PHÁP DÙNG GRADIENT

PHƯƠNG PHÁP BOX – WILLSON

Năm 1952.
Ý tưởng: Biết được dáng điệu của 1 đường đồng mức thì có thể
chỉ ra các yếu tố chuyển địch đồng thời một lúc như thế nào để sau
một số bước nhảy thì mục tiêu đạt tối ưu. (Mô tả như hình vẽ)
 PHƯƠNG PHÁP BOX – WILLSON LOGO

 Khái niệm Gradient: Trong giải tích vectơ gradient của 1

trường vô hướng là 1 trường vectơ có chiều hướng về phía
mức độ tăng lớn nhất của trường vô hướng và có độ lớn là
mức độ thay đổi lớn nhất.

 Giả sử f là 1 hàm số từ Rn đến R nghĩa là y = f(x1,x2,..,xn)
theo định nghĩa gradient là 1 vectơ cột mà thành phần là
đạo hàm theo các biến của f.

 f=  y1 y2 yn 

 , ,..., 
 x1 x2 xn 

(Gradient của đường cong tại điểm M là véc tơ vuông góc với tiếp tuyến tại M).
Phương pháp Box-Willson
LOGO
Phương pháp Box-Willson LOGO

 Ý tưởng của Box-Willson:

 Nếu biết dáng điệu của đường đồng mức thì có thể chỉ ra các yếu tố x1,
x2 thay đổi như thế nào để sau một số lần thay đổi (bước nhảy) thì hàm
y đạt cực trị (tọa độ của điểm trên bề mặt đáp ứng sẽ trùng với điểm
M).
 Giải quyết vấn đề
 Phương pháp Box-Willson chia làm 2 giai đoạn:
 + Mô tả đường đồng mức
 + Đưa ra chiến thuật dịch chuyển xi sao cho y đạt điểm cực trị
extrimum
Phương pháp Box-Willson LOGO

Phương pháp Box-Willson chia làm 2 bước:

1) Bước 1: Mô tả đường đồng mức
y = b0 + b1x1 + b2x2 + …+ bnxn (1)
hoặc
y = b0 + b1x1 +…+ bnxn + b12x1x2 + b13x1x3 …+ b(n-1)nxn-1xn (2)
Ở đây:
y -chỉ tiêu cần tối ưu b0 – hệ số tự do
bi – các hệ số của các biến tương ứng
~
xi – các biến số mã (biến số code) của các yếu tố ảnh hưởng
Phương pháp Box-Willson LOGO
 LOGO

Ví dụ biến số code:

Nhiệt độ thủy phân (x): 45-65 độ C
x = 55 độ  ~x i = 0
45 ≤x<55  ~x i = -1
55<x≤65  ~x i = +1
Phương pháp Box-Willson LOGO

 Đạo hàm toàn phần y2 sẽ thu được y1!

 LOGO

 Tìm cách xây dựng mô hình (1):

Ma trận thực nghiệm: chiến thuật thí nghiệm ít nhất nhưng số liệu thu được
là cần và đủ để xây dựng mô hình (1) ta gọi là ma trận thực nghiệm.
Ta có thể sử dụng ma trận thực nghiệm trực giao cấp 1 với số thí nghiệm:
N = 2n
Ở đây: N – số thí nghiệm cần tiến hành
n – số biến điều khiển (tức là số yếu tố ảnh hưởng)
2 – số mức mà mỗi yếu tố được tiến hành thực nghiệm: mức + và mức –
(Ma trận trực giao là ma trận mà trong đó thể hiện được các thí nghiệm
không trùng lặp nhau, mỗi yếu tố có số thí nghiệm ở mức trên và mức dưới
bằng nhau)
Phương pháp Box-Willson LOGO

Ví dụ, với quá trình 1 mục tiêu, 3 yếu tố ta có ma trận thực nghiệm
như sau:
 Số lần thí nghiệm: N = 23 = 8
 Mỗi thí nghiệm được lặp lại 2 hoặc 3 lần, sau đó lấy giá trị trung
bình
 Cách đánh dấu xen kẽ để đảm bảo tính trực giao
 Ma trận thực nghiệm là ma trận đầy đủ theo 3 yếu tố:
Phương pháp Box-Willson LOGO

TT ~x ~x y1 y2 y3 y S2j
1 3

1 + + + 12 13 14 13 1
2 – + + 15 17 16
3 + – + 18 15 17
4 – – + 18 17 19
5 + + – 20 19 17
6 – + – 17 15 16
7 + – – 17 16 18
8 – – – 21 18 17

Tiến hành thực nghiệm lấy số liệu để lấp đầy ma trận trên.
S12= (1/2)[(13-12)2+ (13-13)2+ (13-14)2] = 1
Phương pháp Box-Willson LOGO
LOGO
LOGO
 LOGO
G bảng = 0,7107

STT x1 x2 X3 y1 y2 y3 Ytb Sj2

1 + + + 12,5 13,5 14,5 13,5 1

2 + + - 11,6 13,6 12,6 12,6 1

3 + - + 10,9 12,9 11,9 11,9 1

4 + - - 13,1 13,7 13,1 13,3 0,12

5 - + + 14,2 14,6 14,1 14,3 0,07

6 - + - 12,8 13,5 12,4 12,9 0,31

7 - - + 14,0 15,0 16,0 15,0 1

8 - - - 10,8 11,1 10,5 10,8 0,09

4,59
 LOGO

GTT = 1/4.59 = 0,217 < Gbảng

 Sai số của số liệu là hội tụ
Bảng chuẩn Cochran LOGO
 LOGO

y  b0  b1.x1  b2 .x2  ...  bn .xn

Sau khi tính toán:

b0 = 11,662
b1 = -0,213 y  11, 662  0, 213 x1  6, 730 x2  14,550 x3
b2 = 6,730
b3 = 14,550
LOGO
LOGO
 LOGO

t (0,05;8) = 2,306
 LOGO

Sy2= 4,59/8 = 0,579

y Sy(tb)2= 0,191
Sb2= 0,0478
Sb=0,2188
t. Sb=0,505
y  11, 662  6, 730 x2  14,550 x3
 LOGO

Ví dụ tính toán:

Trong bảng Ma trận thực nghiệm

Từ 1 tập giá trị {xi} ta luôn tìm được 2 giá trị của “y” : y TT, và y TN
 LOGO

Chuẩn Fisher
Dùng để đánh giá độ tương thích của
mô hình
LOGO
LOGO
 LOGO

F bảng (5;16)=2,85
LOGO
LOGO
LOGO
LOGO
LOGO
LOGO
LOGO
LOGO
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, LOGO
ĐA YẾU TỐ

Bài toán một mục tiêu đa yếu tố có mấy cách giải?

Bài toán đa mục tiêu đa yếu tố ?

X1 Y1
X2 Y2
X3 QT
Y3
Xn
Yn
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Nhiều sản phẩm thực phẩm, khi đánh giá chất lượng thì không phải
chỉ căn cứ vào 1 chỉ tiêu mà là nhiều, thậm chí rất nhiều chỉ tiêu.

Khó phân định được chỉ tiêu nào là quan trọng nhất, chỉ tiêu nào là
quan trọng nhì, ba, bốn…v.v.

Mong muốn của người sản xuất là tất cả các chỉ tiêu phải đạt “tốt
nhất”.

Ví dụ, khi đánh giá chất lượng của bia, phải sử dụng 2 tập chỉ số về
chất lượng: Tập chỉ số hóa học, hóa lý, hóa sinh và tập chỉ số cảm
quan.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Tập chỉ số hóa học, hóa lý, hóa sinh bao gồm:

C2H5OH
Hàm lượng CO2 hòa tan
Êtanol

Hàm lượng rượu bậc cao…

Diaxetyl

Ester
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Tập chỉ số cảm quan bao gồm:

Hương thơm
Vị
Hậu vị
Màu sắc
Độ trong
Hình thái của bọt
Tốc độ sủi bọt…v.v.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Quá trình lên men bia, các chỉ tiêu cần cực trị là:
 Hàm lượng diaxetyl (CH3-CO-CO-CH3) → min
 Hàm lượng ester → max
 Thời gian lên men → min
 Hàm lượng CO2 hòa tan trong bia → max
Các yếu tố ảnh hưởng đến quá trình lên men là:
Nhiệt độ lên men, oC
Áp suất bề mặt, kg/cm2
Lượng nấm men gieo cấy ban đầu, g/l
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Chỉ lấy một yếu tố ảnh hưởng là nhiệt độ lên men để phân tích
tình thế của các mục tiêu:
+ Khi nhiệt độ lên men tăng thì:
hàm lượng diaxetyl (mg/l) tăng,
hàm lượng ester (mg/l) tăng,
thời gian lên men (h) giảm,
hàm lượng CO2 hòa tan trong bia giảm.
+ Khi nhiệt độ lên men giảm thì các chỉ tiêu chất lượng nêu trên
lại thay đổi theo chiều ngược lại.

Hai yếu tố còn lại là áp suất bề mặt dịch lên men và lượng nấm
men gieo cấy ban đầu cũng tác động đến các chỉ tiêu cần tối ưu
theo mối quan hệ đối kháng giống như yếu tố nhiệt độ.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Ta thấy rằng không thể tồn tại một nhiệt độ lên men mà cả 4 chỉ tiêu
chất lượng đã nêu ở trên đều đạt cực trị.

Mong muốn của người sản xuất bia là:

“ tất cả các chỉ số trên đều đạt cực trị “

Điều này là không thể, vì “không thể tồn tại một tập giá trị của các
yếu tố tác động mà tại đó cùng lúc nhiều mục tiêu đạt tối ưu”!
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Như vậy trong cùng một điều kiện và cùng một thiết bị để thực
hiện một quá trình nhưng lại có nhiều chỉ tiêu chất lượng cùng
muốn đạt cực tiểu hoặc cực đại là điều không thể đạt được.

Để giải bài toán này, ta không trực tiếp đi tìm giá trị tối ưu của các
yếu tố ảnh hưởng và giá trị cực trị của các chỉ tiêu chất lượng, mà
ta đi tìm một đại lượng trung gian: Tổng quyền lợi hoặc quyền lợi
trung bình nhân của các mục tiêu, hoặc kỳ vọng của người sản
xuất, hoặc mong đợi của của người sản xuất là “làm ra sản phẩm
đạt chất lượng tốt”. (Các thuật ngữ trên đây có thể được xem là
tương đồng nhau).

Như vậy, giải quyết bài toán đa mục tiêu (y1, y2, …, yn) là đi tìm các
giá trị của các yếu tố ảnh hưởng (x1, x2, …, xm), tại đó kỳ vọng của
người sản xuất (hoặc sự mong đợi của người sản xuất) về chất
lượng sản phẩm đạt được ở mức cao nhất.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Lớp bài toán này có thể giải bằng hai phương pháp :

Phương pháp hàm mong đợi

và
phương pháp sử dụng thang điểm.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO

Phương pháp hàm mong đợi

Hàm mong đợi là hàm biểu thị sự mong đợi (hoặc mức độ kỳ vọng)
của người sản xuất làm ra sản phẩm đạt chất lượng tốt nhất.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Quan niệm về chất lượng sản phẩm và phương pháp mô hình hóa
Ví dụ 1:
Một người công nhân gia công trục giữa xe đạp, sản phẩm phải có
độ dài đúng bằng 10,25 cm.
Khi kiểm tra chất lượng, nếu độ dài sản phẩm đạt đúng 10,25 cm thì sản phẩm đó
được chấp nhận (lúc đó sự mong đợi của người công nhân được đáp ứng hoàn
toàn). Ngược lại nếu độ dài của sản phẩm lớn hơn hoặc nhỏ hơn 10,25 cm thì sản
phẩm bị loại.

Nếu ta ký hiệu d là kỳ vọng của người công nhân “làm ra sản phẩm
đạt chất lượng tốt” thì trong trường hợp này d chỉ có 2 giá trị:

 d = 1 khi độ dài sản phẩm bằng 10,25 cm

 d = 0 khi độ dài sản phẩm ≠ 10,25 cm
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Như vậy thì d là một hàm của x (x là độ dài của sản phẩm):
d = f(x)
Trên hệ trục tọa độ, trục tung ta ký hiệu d, còn trục hoành là độ dài
sản phẩm x (cm) thì ta có đồ thị:

d = f(x) = = 1 khi x = 10,25 cm

= 0 khi x ≠ 10,25 cm

Đồ thị của hàm này là toàn bộ trục Ox, gián đoạn tại điểm x = 10,25 (tại điểm đó d = 1)
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Ví dụ 2:
Nước chấm loại 1 phải có hàm lượng đạm tổng tối thiểu 200 g/l.

Nếu lượng đạm tổng ít hơn 200 g/l là không được xếp loại 1 nhưng có thể
xếp xuống loại 2 và giá trị sử dụng của nó vẫn còn.

Sẽ là hợp lý nếu ta sử dụng biện pháp chia kỳ vọng từ 0 đến 1 thành nhiều
phân khúc ứng với mức độ đáp ứng của chất lượng thực phẩm. Ta lập
thang mong đợi theo các mức như sau:

d = 0,8 ÷ 1: chất lượng sản phẩm rất tốt

d = 0,63 ÷ 0,8: chất lượng sản phẩm tốt
d = 0,37 ÷ 0,63: chất lượng sản phẩm trung bình
d = 0,2 ÷ 0,37: chất lượng sản phẩm kém
d < 0,2: sản phẩm là phế phẩm.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Với cách chia thang mong đợi d ra nhiều bậc như vậy ta tiến hành
xây dựng mô hình cho cách đánh giá chất lượng của các sản phẩm
thực phẩm.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Trường hợp thứ nhất: Chất lượng sản phẩm là những đại lượng bị
chặn dưới
VD:
Nước mắm loại 1 phải có hàm lượng đạm tổng tối thiểu 200 g/l (x ≥ 200 g/l)
Hàm lượng ester trong bia phải đạt ít nhất 30 mg/l (x ≥ 30 mg/l) …v.v.

d = f(x) = = 1 khi x ≥ 200 g/l

< 1 khi x < 200 g/l

x
200
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Trường hợp thứ hai: Chất lượng sản phẩm là những đại lượng
bị chặn trên
VD:
۞Hàm lượng diaxetyl trong bia phải ≤ 0,2 mg/l (theo EBC-Công ước bia châu Âu)
۞Tỷ lệ gạo tấm trong gạo loại một ≤ 5%
۞Tỷ lệ chè vụn sau khi sấy ≤ 2% …v.v.

Với những sản phẩm thực phẩm thuộc diện này ta thiết lập mô
hình và đồ thị như sau:
(Trường hợp: Hàm lượng diaxetyl
trong bia phải ≤ 0,2 mg/l)

d = f(x) = = 1 khi x ≤ 0,2 mg/l

< 1 khi x > 0,2 mg/l

x
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Trường hợp thứ ba: Chất lượng sản phẩm là những đại lượng bị
chặn trên và chặn dưới
VD: pH của bia phải nằm trong khoảng 4,2 ≤ x ≤ 4,4

Mô hình và đồ thị trong trường hợp này có dạng:

d = f(x) = = 1 khi 4,2 ≤ x ≤ 4,4

< 1 khi x > 4,4 hoặc x < 4,2
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Lược đồ tối ưu hóa

Bài toán đa mục tiêu, đa yếu tố giải theo phương pháp hàm mong đợi sẽ tiến hành
theo lộ trình sau đây:

1) Xác định các chỉ tiêu cần tối ưu yj (j = 1, 2, …, m)

2) Xác định các yếu tố ảnh hưởng xi (i = 1, 2, …, n)
3) Thí nghiệm sơ bộ để tìm vùng nghi ngờ là tối ưu của các biến ảnh hưởng. Xác
định mức +, mức – và mức cơ bản (0) của các biến.
4) Lập ma trận thực nghiệm với số thí nghiệm N = 3n (n là số yếu tố ảnh hưởng)
5)Tiến hành thí nghiệm theo ma trận thực nghiệm, xác định giá trị của yj tại tất cả các
thí nghiệm yjk, j = (1, 2,…, m), k = (1, 2,…, N). Trên các cột của yj, đánh dấu các giá trị
max, min.
6) Tính hàm mong đợi cho các mục tiêu (dj) ở tất cả các thí nghiệm (djk)
Chập mục tiêu:
m d k d k ...d k
Dk = 1 2 m ()
k = (1, 2, …, N)
 LOGO
CÁC BƯỚC TIẾN HÀNH

1) Xác định chỉ tiêu cần tối ưu, vd: y1, y2, y3
2) Xác định các yếu tố ảnh hưởng, vd: x1, x2, x3
3)+4)+5) Thí nghiệm sơ bộ; Lập ma trận thực nghiệm (số thí nghiệm
N = 3n ); Tiến hành thí nghiệm và xác định giá trị yj

VD:

x1 [0,5 – 1,5] x10 = 1,0 ; x1+ = 1,5; x1- = 0,5

x [15 – 25]
2 x20 = 20 ; x2+ = 25; x2- = 15

x [4,5 – 6,5]
3 x30 = 5,0 ; x3+ = 6,5; x3- = 4,5

n = 3  N = 27 thí nghiệm
 LOGO

TT x1 x2 x3 y1 y2 y3 d1 d2 d3 Dk

1 1,0 20 5,0 x x x x x x x

2 1,5 25 6,5 x x x x x x x

3 0,5 15 4,5 x x x x x x x

4 1,0 25 6,5 x x x x x x x

5 1,0 25 4,5 x x x x x x x

6 1,0 20 6,5 x x x x x x x

… … … … … … … … … … …

27 x x x x x x x
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

6) Tính hàm mong đợi

Hàm mong đợi là hàm biểu thị sự mong đợi (hoặc mức độ kỳ vọng)
của người sản xuất làm ra sản phẩm đạt chất lượng tốt nhất.

Nhà toán học Harrington đưa 2 dạng hàm mong đợi cho 2 trường
hợp sau đây:

Chất lượng sản phẩm là những đại lượng đồng thời bị chặn trên
và chặn dưới
Chất lượng của sản phẩm là những đại lượng hoặc bị chặn trên
hoặc bị chặn dưới
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Nhớ lại:

e – cơ số của logarit tự nhiên còn được gọi là hằng số Napier, số

Euler
e = 2,71828 18284…

exp – lũy thừa có cơ số e

exp(1+y) = e(1+y)
ln(x), loge(x) đôi khi còn viết là log(x) - Logarit tự nhiên (còn gọi là
logarit Nêpe) là logarit cơ số e do nhà toán học John Napier sáng tạo ra.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Nếu chất lượng sản phẩm là những đại lượng đồng thời bị chặn
trên và chặn dưới thì hàm mong đợi có dạng:

d = exp[–(y’)n] (1)

n là số dương (0 < n < )

2 y  (ymax  ymin )
y’ = (2)
ymax  ymin
ymax, ymin là giá trị lớn nhất và bé nhất trong dãy giá trị của chỉ tiêu
cần tối ưu trong ma trận thực nghiệm.
y là giá trị của chỉ tiêu cần tối ưu ở từng thí nghiệm trong ma trận
thực nghiệm

Để tính được hàm mong đợi d, phải tính được n

d = exp[–(y’)n] (1) LOGO
2 y  (ymax  ymin )
y’ = ymax  ymin (2)

Cách tính n ở hàm (1):

Từ hàm (1) lấy ln hai vế:
1
ln d = –(y’)n → ln = (y’)n
lấy ln hai vế tiếp ta được: d
1
1 ln ln
lnln = nln(y’) → n= d (3)
d ln (y')
Căn cứ vào trình độ và kinh nghiệm của người thực nghiệm, căn cứ vào mức độ hiện
đại, chính xác của thiết bị, độ tinh sạch của hóa chất…v.v. người thực nghiệm chọn
trước cho mình một mức độ kỳ vọng, ví dụ chọn d = 0,8.

Từ ma trận thực nghiệm ta xác định được ymax và ymin

Thay ymax, ymin và lần lượt các giá trị của y ở các thí nghiệm vào (2) ta tính được y’
cho từng thí nghiệm.
Thay d = 0,8 và y’ vừa tính được ở trên vào (3) ta tính được n lần lượt cho từng thí
nghiệm.
Thay các giá trị của n và y’ tương ứng của từng thí nghiệm vào (1) ta tính được d lần
lượt cho từng thí nghiệm.
3. TỐI ƯU HÓA QUÁ TRÌNH ĐA MỤC TIÊU, ĐA YẾU TỐ LOGO
Phương pháp hàm mong đợi

Nếu chất lượng của sản phẩm là những đại lượng hoặc bị chặn trên
hoặc bị chặn dưới thì hàm mong đợi có dạng:

d = exp[–exp(–y’)] (4)
ở đây:
y’ = b0 + b1y (5)
y – là giá trị của chỉ tiêu tối ưu thu được bằng thực nghiệm ở từng
thí nghiệm trong ma trận thực nghiệm
b0, b1 – là 2 hệ số hồi quy cần phải xác định

ta phải tính được b0 và b1 ở (5) thì ta mới tính được d

 d = exp[–exp(–y’)] (4) LOGO
y’ = b0 + b1y (5)

Cách tính b0 và b1 ở (5):

Từ ma trận thực nghiệm ta có giá trị ymax và ymin, đánh dấu hai giá trị này
Trên thang mong đợi ta chọn dmax, ví dụ chọn dmax = 0,8 và dmin = 0,2

Từ (4) lấy logarit cơ số e hai vế: 1

ln d = –exp(–y’) ln = exp(–y’),
d
lấy ln hai vế lần nữa ta được: 1 1
lnln = –y’ –lnln = y’
d d
thay biểu thức cuối cùng này vào (5) ta được:

–lnln
1 = b0 + b1y (6)
d
 1 LOGO
–lnln = b0 + b1y (6)
d

Ứng với dmax ymax và ứng với dmin ymin. Thay các giá trị này vào (6) ta được hệ
phương trình:
 1
  ln ln  b0  b1 y max
 d max (7)
 1
  ln ln  b0  b1 y min

 d min
ymax và ymin là hai giá trị ta đã đánh dấu ở ma trận thực nghiệm, còn dmax ta đã chọn
là 0,8 và dmin là 0,2.

Thay các giá trị này vào hệ (7) tính được b0 và b1.

Thay các giá trị b0 và b1 đã tìm được vào (5) ta nhận được hàm tường minh của y’

Tính hàm mong đợi d cho từng thí nghiệm bằng cách thay các giá trị y ở các thí
nghiệm vào hàm tường minh y’, từ đây tính được y’.
Thay y’ vào (4) d
 LOGO

Tính chập mục tiêu D.

Dk = m d k d k ...d k
1 2 m ()
k = (1, 2, …, N)

Trên cột D của bảng ta tìm Dmax, điều kiện thí nghiệm tương ứng
với giá trị Dmax chính là giá trị cần tìm.
(Tại giá trị đó tổng quyền lợi của các mục tiêu đạt cực đại).
 LOGO

VÍ DỤ CỤ THỂ
LOGO
LOGO
LOGO
LOGO
 LOGO

Trên cột giá trị của D ta thấy max D = 0,562 đạt được ở thí nghiệm thứ 23.
Vì vậy ta đi đến kết luận:
Thời gian lên men 8 ngày, nhiệt độ lên men 8oC, áp suất bề mặt 40 kN/m2,
thì kỳ vọng mà 3 chỉ tiêu cần tối ưu y1, y2, y3 đạt cực trị là cao nhất.
 LOGO

ỨNG DỤNG QUY HOẠCH TOÁN HỌC TRONG QUẢN LÝ

SẢN XUẤT THỰC PHẨM VÀ CÔNG NGHỆ SINH HỌC

BÀI TOÁN SẢN XUẤT BIA - GIẢI QUY HOẠCH TUYẾN

TÍNH BẰNG PHƯƠNG PHÁP CHUYỂN VỊ
 LOGO

1) Những bài toán đặt ra từ thực tế cuộc sống

1 kg nho giá 60000 đồng có thể chế biến được 0,8 lít rượu vang và 0,3 lít
giấm ăn.
1 kg táo giá 50000 đồng có thể chế biến được 0,7 lít rượu vang và 0,4 lít
giấm ăn.
Cần sản xuất 1000 lít rượu vang và 400 lít giấm ăn. Hỏi cần mua bao
nhiêu nho, bao nhiêu táo để sản xuất được lượng hàng trên, nếu nhiều hơn
thì càng tốt. Sao cho số tiền bỏ ra mua là ít nhất.
 LOGO

Nếu gọi x1 là số nho cần mua, x2 là số táo cần mua
thì ta có phương trình sau:

0,8 x1  0,7 x2  1000


 0,3x1  0,4 x2  400

Giải hệ này ta sẽ có vô số nghiệm!

Như vậy ứng với mỗi tập nghiệm của hệ thì số tiền bỏ ra mua là khác nhau. Trong vô số
nghiệm đó thì nghiệm nào tương ứng với số tiền bỏ ra mua là ít nhất?
 LOGO

Hàm mục tiêu (số tiền bỏ ra):

Q = 60000x1 + 50000x2  min (1)
(x1, x2 ≥ 0) (3)

Lớp bài toán này mới giải được từ năm 1947.
Điều kiện: 0,8 x1  0,7 x2  1000 (2)

 0,3 x1  0,4 x2  400
được gọi là điều kiện biên

Điều kiện x1, x2 ≥ 0 được gọi là điều kiện dấu.

Một bộ gồm: Hàm mục tiêu (1), các điều kiện biên (2), điều kiện về
dấu (3) lập thành “Quy hoạch toán học”.
 LOGO

 Nếu hàm (1) và điều kiện (2) là biểu thức tuyến
tính thì quy hoạch toán học đó gọi là Quy hoạch
tuyến tính
 Nếu hoặc hàm mục tiêu (1) hoặc điều kiện (2) là
phi tuyến thì quy hoạch toán học đó gọi là Quy
hoạch phi tuyến (phân thành nhiều loại quy hoạch
khác nhau như quy hoạch mạng lưới, quy hoạch
động…)
 Trong chương trình học chỉ khảo sát Quy hoạch
tuyến tính và quy hoạch động.
Quy hoạch tuyến tính
LOGO

QUY HOẠCH TUYẾN TÍNH

Mô hình toán học của bài toán Quy hoạch tuyến tính tổng quát có thể viết
như sau:
n
f ( x1 , x2 ,..., xn )   C j x j  max
j 1
n
với điều kiện:
 aij x j  bi , i  1,..., p
j 1
n
 aij x j  bi , i  p  1, p  2,..., m (m  p)
j 1
x j  0, j  1,..., q,
x j  0, j  q  1, q  2,..., n(n  q )
Dấu của xj ở đây để chỉ ra rằng biến này không bị ràng buộc về dấu.
Quy hoạch tuyến tính
LOGO

Phân thành 2 dạng bài toán QHTT: Bài toán MAX và bài toán MIN
- Bài toán MAX:
n
Điều kiện biên: Ax ≤ B
Z  C j x j  MAX
j 1 Điều kiện dấu: xj ≥0

- Bài toán MIN:

n
Điều kiện biên: Ax ≥ B
Z  C j x j  MIN
j 1 Điều kiện dấu: xj ≥0
Quy hoạch tuyến tính
LOGO

A, B là gì?

A B
a11 x1 + a12 x2 + …+ a1nxn ≤ b1
a21 x1 + a22 x2 + …+ a2nxn ≤ b2
…
am1 x1 + am2 x2 + …+ amnxn ≤ bm
Quy hoạch tuyến tính
LOGO

 Khi điều kiện biên dạng lớn hơn hoặc nhỏ

hơn  bài toán dạng chuẩn

 Khi điều kiện biên dạng Ax = B  bài

toán dạng chính tắc
Quy hoạch tuyến tính
LOGO

Muốn chuyển bài toán dạng chuẩn sang dạng chính

tắc ta phải thêm biến phụ vào 1 vế của bất đẳng thức.

4 x1  5 x2  10 4 x1  5 x2  x3  0 x4  10
 
 x1  4 x2  8  x1  4 x2  0 x3  x4  8
 x ,x  0 
 x1 , x2 , x3 , x4  0
 1 2
Quy hoạch tuyến tính
LOGO

2) Cách giải bài toán quy hoạch tuyến tính

a) Cách giải bài toán quy hoạch tuyến tính kích thước nhỏ
(thường dạng ma trận 2x2): Dùng phương pháp đồ thị

Ví dụ: Z = 2x1 + 3x2  max

 x1  2 x2  6 (1)

2 x1  x2  4 (2)
x1 , x2  0
Quy hoạch tuyến tính
LOGO

Tìm x1, x2 để Z  max!

Z = 2x1 + 3x2  max
 x1  2 x2  6 (1)

2 x1  x2  4 (2)
Cách tiến hành: x1 , x2  0
Bước 1: Vẽ đồ thị của bất đẳng thức (1) và (2)
Bước 2: Xác định vùng nghiệm chung của (1) và (2)
Bước 3: Vẽ đồ thị của hàm mục tiêu khi cho Z = 0
Bước 4: Từ vùng nghiệm chung của (1) và (2) xác định điểm có
khoảng cách lớn nhất đến đường thằng Z (Nếu bài toán MIN
thì tìm khoảng cách bé nhất)
Quy hoạch tuyến tính
LOGO

Xác định vùng nghiệm là vùng nằm dưới đồ thị (2)
và giới hạn bởi trục tọa độ. Và điểm có khoảng
cách lớn nhất trong vùng nghiệm đến đường Z = 0
chính là điểm (0,3). Từ đó kết luận x1 = 0, x2 = 2
là giá trị cần tìm để Z đạt max.
(2/3;8/3)

(2) Nghiệm của QH: x1= 2/3;

x2 = 8/3, khi đó Zmax = 28/3
 LOGO

ax+by=0 (f)
Điểm A(x1,y1)
Khoảng cách

d(A,f) = |ax1+by1|/((a2+b2)^(1/2))
Quy hoạch tuyến tính
LOGO

Các bài tập tự giải:

1) f ( x)  4 x  5 x  max
1 2

 2 x1  x2  8
 x  2x  7
 1
g ( x)  8 x1  7 x2  min
2

 x2  3
 x1  0; x2  0
 2 x1  x2  4
2)  x  2x  5
 1 2


 x1  0; x2  0
3)
F = 15x1+ 20x2 max
3x1 + 5x2 ≤ 15
7x1 + 4x2 ≤ 28
x1,x2 ≥ 0
Quy hoạch tuyến tính
LOGO

b) Cách giải bài toán quy hoạch tuyến tính kích thước lớn:
BÀI TOÁN SẢN XUẤT BIA:
Bài toán: Nhà máy bia X hàng năm sản xuất bốn mặt hàng chính:
Bia loại 1 (đóng chai) dùng nội địa
Bia loại đặc biệt (đóng chai) dùng để xuất khẩu
Bia loại 2 (đóng chai) dùng nội địa
Bia hơi dùng phục vụ trong ngày
Về nguyên liệu sản xuất, hàng năm nhà máy chỉ đủ vốn lưu động để mua một
lượng như sau:
Malt đại mạch: 2300 tấn
Gạo: 1450 tấn
Đường kính: 550 tấn
Hoa houblon: 42 tấn
 Quy hoạch tuyến tính
LOGO

Công thức sản xuất từng loại bia và lợi nhuận được ghi ở bảng 1:
Bảng 1:

Loại bia Malt, kg/hl Gạo, kg/hl Houblon, kg/hl Đường, kg/hl Lãi ròng (trăm
ngàn đ/hl)
Bia loại 1 10,6 6,4 0,19 2,6 38,2

Bia đặc biệt 17,0 3,4 0,29 0,8 43,5

Bia loại 2 8,4 5,5 0,17 2,1 32,7

Bia hơi 8,0 5,2 0,13 2,0 20,6

Với số liệu đã cho ở trên, câu hỏi đặt ra cho người lập kế hoạch là hàng
năm cần sản xuất các loại bia với khối lượng bao nhiêu để thu được số lãi
ròng lớn nhất.
Quy hoạch tuyến tính
LOGO

Xây dựng mô hình toán học:

Gọi khối lượng sẽ sản xuất được của bia (đơn vị hectolit, hl, 1 hl = 100 lít)
Bia loại 1: x1
Bia loại đặc biệt: x2
Bia loại 2: x3
Bia hơi: x4
Quy hoạch tuyến tính
LOGO

Ta có mục tiêu cần đạt đến cực đại hóa là số tiền lãi ròng do việc
sản xuất các loại bia, ký hiệu là Z:
Z = 38,2x1 + 43,5x2 + 32,7x3 + 20,6x4  max (1)
Nhiệm vụ bây giờ là đi tìm các giá trị x1, x2, x3, x4 sao cho chúng
thỏa. mãn hàm (1). Nếu bài toán chỉ có như vậy thì ta có ngay
phương án (lời giải) tầm thường: x1 = x2 = x3 = x4 = 
và lúc đó Z  

Đó là phương án nghiệm không chấp nhận được, ta phải đi tìm các
ràng buộc của chúng dựa trên các điều kiện giới hạn về nguyên liệu.
 Quy hoạch tuyến tính
LOGO

Ta có:
Với Matl: 10,6x1 + 17,0x2 + 8,4x3 + 8,0x4 ≤ 23.105 kg
Với Gạo: 6,4x1 + 3,4x2 + 5,5x3 + 5,2x4 ≤ 14,5.105 kg (2)
Với Hoa houblon: 0,19x1 + 0,29x2 + 0,17x3 + 0,13x4 ≤ 0,42.105 kg
Với Đường : 2,6.x1 + 0,8x2 + 2,1x3 + 2,0x4 ≤ 5,5.105 kg

Vì rằng lượng hàng sản xuất ra không thể là số âm nên:

x1, x2, x3, x4 ≥ 0 (3)

Hệ thống gồm hàm mục tiêu (1) và các giới hạn (2) và (3) tạo thành một quy
hoạch. Phương án sản xuất tối ưu là phương án thỏa mãn cả (1), (2) và (3).
Quy hoạch tuyến tính
LOGO

Thuật toán chuyển vị ma trận

trong đó y1 và y2 là hàm số, x1 và x2 là biến số, a,b,c,d là
các tham số.

Hàm số trên có thể viết dưới

dạng ma trận:
 LOGO

Gộp (6) và (7) ta được hệ:

 LOGO

Nếu ở đây coi x1 và y2 là hàm số thì theo (5) ta có thể viết
 LOGO

 So sánh (5) và (5’) ta thấy x1 và y1 đổi chỗ cho nhau. Ta nói
giữa x1 và y1 đã có sự chuyển vị cho nhau và quá trình chuyển
đổi từ (5) sang (5’) là quá trình chuyển vị, và ta đã thực hiện
một PHÉP CHUYỂN VỊ.
 Hàng chứa phần tử sẽ chuyển vị gọi là hàng quay (trong ví dụ
là hàng chứa y1)
 Cột chứa phần tử sẽ chuyển vị gọi là là cột quay (trong ví dụ là
cột chứa x1)
 Hàng quay cắt cột quay tại phần tử quay (là a trong ví dụ).
 LOGO

Quy tắc chuyển vị:

1/ Tại vị trí phần tử quay của ma trận cũ khi chuyển sang ma
trận mới thì biến thành giá trị nghịch đảo.
2/ Các phần tử ở hàng quay của ma trận cũ khi chuyển sang ma
trận mới bằng tỷ số giữa chính nó với phần tử quay nhưng lấy
dấu ngược lại
3/ Các phần tử ở cột quay của ma trận cũ khi chuyển sang ma
trận mới bằng tỷ số giữa chính nó với phần tử quay, giữ nguyên
dấu.
4/ Các phần tử khác của ma trận cũ khi chuyển sang ma trận
mới được tạo thành bằng cách tính theo quy tắc đường chéo
 LOGO

Kẻ một hình chữ nhật (hoặc vuông) có hai đỉnh của
một đường chéo là phần tử cần xác định và phần tử
quay, từ đây dễ dàng xác định được hai đỉnh còn lại
của đường chéo kia.
Khi đó, phần tử ở ma trận mới = (Phần tử tương ứng ở
ma trận cũ – Tích giữa hai đỉnh của đường chéo kia):
(Phần tử quay)

Ptu
cần xđ
= -
 LOGO

Cho một ma trận 3x4 và tiến hành chuyển vị:

x1 x2 x3 x4
y1 a11 a12 a13 a14

y2 a21 a22 a23 a24

y3 a31 a32 a33 a34

 LOGO

Thực hiện phép chuyển vị y2 cho x3 ta sẽ thu được ma trận mới
như sau:
x1 x2 y2 x4
y1 β11 β 12 a13/ a23 β 14

x3 -a21/ a23 -a22/ a23 1/ a23 -a24/ a23

y3 β 31 β 32 a33/ a23 β 34

Thuật toán này có thể tiếp tục cho

a21
đến khi tất cả các hàng chuyển
a22
thành cột.
 LOGO

Giải quy hoạch tuyến tính bằng phương pháp chuyển vị:
Phương pháp chuyển vị sẽ rất có hiệu lực nếu ta áp dụng để giải
bài toán sản xuất bia nêu ở trên.
Số liệu cơ bản để đưa vào ma trận là hàm mục tiêu (1) và các
điều kiện ràng buộc (2) và (3).
Muốn đưa bài toán về dạng ma trận thì các bất phương trình ở
(2) phải biến thành các hàm, muốn vậy ta đặt:
y1 là lượng malt dư thừa ở phương án tối ưu
y2 là lượng gạo dư thừa ở phương án tối ưu
y3 là lượng hoa houblon dư thừa ở phương án tối ưu
y4 là lượng đường dư thừa ở phương án tối ưu
Với điều kiện y1, y2, y3, y4 ≥ 0
 LOGO

Với Matl: y1 = 23.105 – (10,6x1 + 17,0x2 + 8,4x3 + 8,0x4)

Với Gạo: y2 = 14,5.105 - (6,4x1 + 3,4x2 + 5,5x3 + 5,2x4)
Với Hoa houblon: y3 = 0,42.105 –(0,19x1 + 0,29x2 + 0,17x3 + 0,13x4)
Với Đường : y4 = 5,5.105 – (2,6x1 + 0,8x2 + 2,1x3 + 2,0x4 )

Phương án sản xuất tầm thường:

Nguyên liệu còn nguyên trong kho, các SP = 0
Thường người ta chọn phương án này làm phương án xuất phát.
 LOGO
13.4.2020
Với điều kiện y1, y2, y3, y4 ≥ 0
Lúc đó ta có thể viết lại (2) như sau:
23.105 - 10,6x1 - 17,0x2 - 8,4x3 - 8,0x4 ≥ y1
14,5.105 - 6,4x1 - 3,4x2 - 5,5x3 - 5,2x4 ≥ y2
0,42.105 - 0,19x1 - 0,29x2 - 0,17x3 - 0,13x4 ≥ y3 (2’)

5,5.103 - 2,6.x1 - 0,8x2 - 2,1x3 - 2,0x4 ≥ y4

 LOGO

Nếu x1 = x2 = x3 = x4 = 0 tức là không sản xuất một loại bia nào, tất cả
nguyên liệu còn nằm trong kho. Ta có ma trận sau:
Ma trận 1:
y1 y2 y3 y4 Z

-x1 10,6 6,4 0,19 2,6 -38,2

-x2 17 3,4 0,29 0,8 -43,5

-x3 8,4 5,5 0,17 2,1 -32,5

-x4 8,0 5,2 0,13 2,0 -20,6

( *105) 23 14,5 0,42 5,5 0

Đây là một phương án tầm thường của kế hoạch sản xuất. Giá trị hàm mục tiêu Z được ghi ở ô
cuối cùng góc phải của bảng
 LOGO

- Làm rõ một số khái niệm:

 Phương án chấp nhận được (lời giải chấp nhận được): Là khi
vectơ n chiều thỏa mãn tất cả các ràng buộc của một quy
hoạch.
 Một phương án chấp nhận được mà trong đó có ít nhất một
ràng buộc thỏa mãn điều kiện đẳng thức, gọi là phương án
cực biên.
 Một phương án chấp nhận được mà cực tiểu hóa (hoặc cực
đại hóa) hàm mục tiêu thì gọi là phương án tối ưu.
 Một quy hoạch tuyến tính có thể có nhiều phương án chấp
nhận được nhưng chỉ có một phương án tối ưu.
 LOGO

Bài toán đang xem xét có thể có nhiều phương án chấp nhận
được, và nếu có phương án tối ưu thì đó phải là 1 phương án
cực biên chấp nhận được
 LOGO

Để giải tiếp bài toán ta công nhận các quy tắc và tính chất
sau đây:
+ Ở ma trận 1, nếu một biến số x nào đó đổi chỗ cho một hàm nào đó
thì ta nhận được một phương án chấp nhận được của quy hoạch
+ Việc giải bài toán đưa về việc chuyển vị xi cho yj ở ma trận 1. Quá
trình chuyển vị được lặp lại nhiều lần cho đến lúc nhận được phương
án tối ưu (lời giải tối ưu)
+ Khi tiến hành chuyển vị (thực hiện các bước lặp) các điều kiện sau
đây phải được đảm bảo:
 LOGO

 Để giải tiếp bài toán ta công nhận các quy tắc và tính chất sau đây:
 + Ở ma trận 1, nếu một biến số x nào đó đổi chỗ cho một hàm nào đó thì ta nhận được một phương án chấp nhận được của quy hoạch
 + Việc giải bài toán đưa về việc chuyển vị xj cho yj ở ma trận 1. Quá trình chuyển vị được lặp lại nhiều lần cho đến lúc nhận được phương án tối ưu (lời giải tối ưu)

+ Khi tiến hành chuyển vị (thực hiện các bước lặp) các điều
kiện sau đây phải được đảm bảo:
1/ Tất cả các phần tử ở hàng cuối của ma trận (các giới hạn về nguyên
liệu) trong suốt quá trình chuyển vị là những số không âm. Nếu thấy
xuất hiện số âm chứng tỏ phép chuyển vị sai.
2/ Ô cuối cùng ở góc Đông-Nam của ma trận (ghi giá trị hàm mục tiêu)
sau mỗi lần chuyển vị giá trị trong đó phải tăng lên
3/ Phương án tối ưu nhận được khi: tất cả các phần tử ở cột cuối cùng
bên phải của ma trận (cột ghi các hệ số của hàm mục tiêu) trở thành
các đại lượng không âm.
 LOGO

Về nguyên tắc có thể chuyển vị một cách không lựa chọn x1, x2, x3, x4 cho các
hàm y1, y2, y3, y4. Nhưng như vậy có thể xảy ra hiện tượng sau một số bước
chuyển vị ta nhận được phương án đã xét trước đó. Hiện tượng đó gọi là
hiện tương xoay vòng. Khi có hiện tương xoay vòng thì giá trị hàm mục tiêu
sẽ giảm, phương án nhận được trong trường hợp này gọi là phương án thoái
hóa. Nếu tiếp tục thuật toán đã chọn thì chuyển vị sẽ không có phương án
kết thúc.

Để tránh hiện tượng xoay vòng, khi chọn dòng quay, cột quay ta áp dụng quy
tắc Bland: “Khi có nhiều cột (hoặc dòng) có thể chọn làm cột (hoặc dòng
quay) ta luôn chọn cột (hoặc dòng) có chỉsố nhỏnhất trong số chúng”
 LOGO

+ Xác định hàng quay, cột quay, phần tử quay cho phép chuyển vị:

Áp dụng quy tắc cho bài toán đang xét:

Dòng quay: Dòng có trị tuyệt đối lớn nhất của Z là dòng có chứa x2
Chọn dòng ứng với |Z|max
Cột quay: Lấy phần tử ở hàng cuối của ma trận (hàng giới hạn của
nguyên liệu) chia cho phần tử tương ứng của dòng quay ta được các
phần đặc trưng (các ước lượng). Trong số các phần đặc trưng lớn
hơn không ta chọn cột có phần đặc trưng nhỏ nhất làm cột quay. Các
phần đặc trưng này có thể ghi thành một dòng riêng dưới cùng của
bảng để tiện theo dõi.
 LOGO

Ma trận 1:
y1 y2 y3 y4 Z

-x1 10,6 6,4 0,19 2,6 -38,2

-x2 17 3,4 0,29 0,8 -43,5

-x3 8,4 5,5 0,17 2,1 -32,7

-x4 8,0 5,2 0,13 2,0 -20,6

( *105) 23 14,5 0,42 5,5 0

Phần đặc 23:17=1,35 4,25 1,44 6,87
trưng
Trên mâm cơm có LOGO

Có trên Ăn 1 bát Số bát ăn Tối đa ?

mâm cơm cần đc Bát cơm
Cà pháo 10 quả 3 quả 3,333
muối
Đĩa Thịt luộc 15 miếng 4 miếng 3,75
Đĩa bí luộc 20 miếng 7 miếng 2,85 2
Đậu phụ rán 16 miếng 4 miếng 4
Cơm >>
 LOGO

Ta tiến hành các bước chuyển vị:

+ Bước lặp 1: Chuyển vị x2 cho y1
Ma trận 2
x2 y2 y3 y4 Z
-x1 0,6235 4,2800 0,0092 2,1012 -11,0765

y1 0,0588 -0,2000 -0,0171 -0,0471 2,5588

-x3 0,4941 3,8200 0,0267 1,7047 -11,2059

-x4 0,4706 3,6000 -0,0065 1,6235 -0,1294

( *105) 1,3529 9,9 0,0276 4,4176 58,8529
Phần đặc trưng - 2,5916 1,0337 2,5914
 LOGO

Ta tiến hành các bước chuyển vị:

+ Bước lặp 2: Chuyển vị x3 cho y3
Ma trận 3
x2 y2 x3 y4 Z
-x1 0,4532 2,9637 0,3446 1,5138 -7,2153

y1 0,3752 2,2465 -0,6404 1,0447 -4,6180

y3 -18,5056 -143,0712 37,4532 -63,8464 419,6966

-x4 0,5909 4,5300 -0,2434 2,0385 -2,8574

( *105) 0,8412 5,9512 1,0337 2,6554 70,4365
Phần đặc trưng - 2,0080 - 1,7541
 LOGO

Ta tiến hành các bước chuyển vị:

+ Bước lặp 3: Chuyển vị x1 cho y4
Ma trận 4
x2 y2 x3 x1 Z
y4 -0,2994 -1,9578 -0,2276 0,6606 4,7663

y1 0,6901 0,3614
y3 -42,1762 115,3823

-x4 1,3466 6,8588

( *105) 0,0471 0,7525 0,4292 1,7541 83,0931
Phần đặc trưng
 LOGO

Thấy rằng đây là PATU,

Zmax= 83,0931.105 trăm ngàn đồng
Trong PATU cần sản xuất:
+ Bia loại đặc biệt x2 = 0,0471.105 hL = 471 000 L
+ Bia loaị 1: x1 = 1,7541.105 hL = 17 541 000 L
+ Bia loại 2: x3 = 0,4292.105 hL = 4 292 000 L
Không sản xuất bia hơi
Nguyên liệu gạo còn dư: 0,7525.105 kg = 75 250kg

Cần kiểm tra số liệu (thay vào Hàm mục tiêu và tính sai số
giữa Zmax theo bảng và theo công thức)
 LOGO

Sau khi tính toán ta thấy các phần tử trên cột mục tiêu ta thấy không có phần tử
nào mang dấu âm. Điều đó chứng tỏ đây là phương án tối ưu. Ở phương án này ta
có:
Zmax = 83,7.105 đồng, khi y4 = y1 = y3 = x4 = 0
Lúc đó:
x2 = 0,03.105 hl = 300 000 lít
x3 = 0,39.105 hl = 3 900 000 lít
x1 = 1,84.105 hl = 18 400 000 lít
Kiểm tra kết quả tính toán:
Kiểm tra kết quả là để xem với phương án tối ưu như vậy thì các điều kiện ràng
buộc có thỏa mãn hay không.
Hướng dẫn sinh viên thay số và tính toán theo công thức. Tính ra được độ sai
lệch (từ 1,2 đến 2,6%). Giải thích: Sai số ở đây là do kỹ thuật tính toán (làm tròn số)
chứ không phải do phương pháp. Trong thực tế sản xuất, sai số như vậy hoàn toàn
có thể chấp nhận được.
Bài tập LOGO

y1 y2 y3 Z
1/ Giải bài toán quy hoạch:
X1
Z = 2x1 + 4x2 + 8x3  max
x1 + 2x2 + 4x3 ≤ 20 X2
2x1 + 6x2 + x3 ≤ 12
4x1 + x2 + 6x3 ≤ 8 X3
x1, x2, x3 ≥ 0
HMT
2/ Giải QHTT sau:
Z = 3x1 + 4x2 + x3 + 6x4  max
2x1 + 6x2 + 4x3 + x4 ≤ 10
3x1 + 5x2 + 6x3 + 2x4 ≤ 8
5x1 +4 x2 +10x3 + 8x4 ≤ 16
x1, x2, x3, x4 ≥ 0

|Z|max ~ giá trị âm nhất của Z

Zmax ~ giá trị lớn nhất của Z
Giải bài tập LOGO
 LOGO
20.4.2020

GIẢI QUY HOẠCH TUYẾN TÍNH BẰNG

PHƯƠNG PHÁP ĐƠN HÌNH
(4 tiết lý thuyết + 2 tiết bài tập)

-Simplex method-
 LOGO

Để giải bài toán QHTT hiện nay có nhiều phương pháp nhưng tiện lợi
và thông dụng hơn cả là phương pháp đơn hình, được công bố năm
1951. Để nắm vững phương pháp này và có thể áp dụng linh hoạt trong
hoạt động sản xuất cần phải có những kiến thức nhất định về đại số
tuyến tính (có thể tham khảo Giáo trình Tối ưu hóa trong công nghiệp
thực phẩm của GS. Hoàng Đình Hòa, trang 28-48):
+ Không gian vectơ (các khái niệm, các phép tính vectơ, vectơ độc lập và
phụ thuộc tuyến tính, đường thẳng và siêu phẳng…)
+ Ma trận, định thức, các phép toán (khái niệm, tính chất định thức, các
phép toán với ma trận, hạng của ma trận, ma trận nghịch đảo, ma trận
suy biến và không suy biến)
+ Hệ phương trình đại số tuyến tính
 LOGO

Những bài toán QHTT được Dantzig giải vào năm 1949 bằng phương pháp lặp
liên tiếp. Bài toán đầu tiên được tác giả giải có hệ ràng buộc dạng:
n
 x j  1, x j  0, j  1,..., n
j 1

Nghiệm của bài toán thỏa mãn các ràng buộc là một đơn hình trong không
gian n chiều, cho nên phương pháp giải đó được gọi là phương pháp đơn hình.
 LOGO

Miền ràng buộc của các biến trong không gian 2 chiều (2 biến) là một
tam giác vuông cân, có độ dài của cạnh góc vuông là một đơn vị. Còn
trong không gian 3 chiều (3 biến số) là một tứ diện, trong không gian
n chiều là một đa diện lồi có các kích thước bằng một đơn vị – gọi là
đơn hình. Về sau thuật toán mà Dantzig đã đề ra được gọi luôn là
phương pháp đơn hình, không phụ thuộc là dạng ràng buộc của
chúng ra sao
 LOGO

 Bản chất của phương pháp đơn hình:

+ Phương pháp đơn hình được thực hiện qua nhiều bước. Có thể tóm tắt ý
tưởng của phương pháp như sau: Từ những kết quả nghiên cứu về không
gian vec-tơ, ma trận, định thức và hệ phương trình tuyến tính, ta tìm được
một phương án cơ sở chấp nhận được (phương án cực biên) tức là một vec-
tơ x = (x1, x2, …,xn) thỏa mãn tất cả các điều kiện ràng buộc. Thường thì
trong vec-tơ này một số thành phần là bằng không, số còn lại là khác không.
Khi đó phương án chấp nhận được có dạng:

x = (0,0,0,…, xm, xm+1,…, xn)

 LOGO

Những biến số nhận giá trị khác không trong phương án này gọi là
biến cơ sở, còn những biến số nhận giá trị không được gọi là biến
phi cơ sở.
Số biến cơ sở thường là hằng số ràng buộc của quy hoạch (tức là
bằng số phương trình)
+ Các hệ số của biến cơ sở trong hệ phương trình ràng buộc lập
thành các ma trận cột. Có bao nhiêu biến cơ sở thì chọn ra bấy
nhiêu cột. Các ma trận cột này có đặc điểm là chúng độc lập tuyến
tính, cho nên chúng được chọn là một cơ sở của ma trận ràng
buộc. Phương án ứng với một cơ sở được chọn ra được gọi là
phương án cơ sở.
 LOGO

+ Sau khi chọn được phương án cơ sở chấp nhận được ta kiểm tra
đánh giá hàm mục tiêu. Nếu nó đạt tối ưu thì kết luận phương án cơ
sở đã chọn là phương án tối ưu (có dấu hiệu để đánh giá). Nếu chưa
tối ưu ta phải thay đổi cơ sở (tức là thay các biến cơ sở đã chọn bằng
những biến cơ sở khác). Việc thay này một lần chỉ được thay một biến
(loại một biến ra khỏi cơ sở và đưa một biến phi cơ sở vào cơ sở – có
tiêu chuẩn để xét biến nào cần loại).
Quá trình này lặp lại cho đến khi hàm mục tiêu nhận được giá trị tối
ưu. Số lần đổi biến cơ sở là hữu hạn do phương án cơ sở là hữu hạn.
 LOGO

+ Cách tìm phương án cơ sở chấp nhận được:

Giả thiết hạng của ma trận ràng buộc A bằng m, tức là hệ
ràng buộc có m phương trình độc lập tuyến tính. (Giải thích
nếu không độc lập tuyến tính có nghĩa là phụ thuộc tuyến
tính. Điều đó có thể dẫn đến tình trạng là một phương trình
trong hệ sẽ là tổ hợp tuyến tính của các phương trình còn
lại. Như vậy sau một số biến đổi sơ cấp từ m phương trình
ràng buộc chỉ còn lại một phương trình. Trong trường hợp
này hoặc không có phương án hoặc chỉ có phương án tầm
thường xj = 0).
 LOGO

Ma trận:
a
a(2,3,5) vecto a có ý nghĩa như MT
Biểu diễn trong không gian 2D của a :….
Hình tròn tâm (2,3) bán kính R=5
 LOGO

Vecto độc lập tuyến tính và phụ thuộc

tuyến tính
Nếu có tập hợp vec-tơ x1,x2…xn, mà tồn tại các giá
trị λ1, λ2… λn sao cho:
λ1x1 + λ2x2 + ...+ λnxn= 0 (*)khi và chỉ khi
λ1 = λ2 =…= λn= 0, thì khi đó ta gọi các
vec-tơ x1,x2…xn là các vec-tơ độc lập tuyến
tính .
Còn nếu BT (*) đúng khi có ít nhất 1 giá trị λ
khác 0 thì ta nói các vecto trên PPTT
 LOGO

Ví dụ: Hãy xét xem 3 vec-tơ sau ĐLTT

hay không?

X1 (3,5,9)
X2 (1,6,7)
X3 (5,8,11)
Xét λ1x1 + λ2x2 + λ 3x3= 0
3λ1 + 1λ2 +5λ3= 0
5λ1 + 6λ2 +8λ3=0 λ1=λ2 = λ3= 0
9λ1 + 7λ2 + 11λ3=0
 LOGO

Ma trận
+ Ma trận suy biến và không suy biến
A = (aịj)mxn K <= min (m,n)
Aij = (-1)i+j Mij
Hạng của ma trận : Rank(A), r(A)
Xét ma trận A
1 3 6
A = 2 7 11  Det A =?
8 5 13
 LOGO

Xét ma trận A
1 3 6
A= 2 7 11  Det A =?
8 5 13

Det A = (-1)1+1 |7 11| +(-1).3.|2 11|+

|5 13| |8 13|
+ 6. |2 7|
|8 5|
LOGO
LOGO
LOGO
 LOGO

Phương án cơ sở của QHTT:

Ma trận điều kiện A mxn lập thành các cơ
sở.
Một phương án của QHTT trong đó các
biến ứng với MT cột nằm trong cơ sở
nhận giá trị khác 0 , còn các biến không
nằm trong cơ sở nhận giá trị bằng 0, thì
PA đó gọi là phương án cơ sở
LOGO
LOGO
 LOGO

Ta có quy tắc tìm phương án cơ sở như sau:

a) Chọn một cơ sở của A bao gồm các ma trận cột (Ak, Ak+1, …,Am)=J
b) Đặt x1 = x2 = …= xk-1 = xm+1 =…= xn = 0
c) Xác định xj từ hệ phương trình : Axj = b; j = k, k+1, …,m