Professional Documents
Culture Documents
Chương 2: Quy hoạch tuyến tính
Chương 2: Quy hoạch tuyến tính
Nội dung
1
Bài toán qui hoạch tuyến tính (LP)
Tối đa hoá hoặc tối thiểu hoá của một vài lượng mục
tiêu trong các bài toán tuyến tính.
Các bài toán tuyến tính có các ràng buộc giới hạn mức
độ nguồn lực sử dụng.
Một lời giải khả thi thoả mãn tất cả các ràng buộc của
bài toán.
Một lời giải tối ưu là một lời giải khả thi có có giá trị
lớn nhất đối với bài toán cực đại (và nhỏ nhất đối với
bài toán cực tiểu).
Một phương pháp giải hình học có thể được sử dụng
có thể được sử dụng để giả bài toán qui hoạch tuyến
tính với hai biến.
2
Ví dụ 1: Bài toán tối đa hóa
Mô hình LP
s.t. x1 < 6
2x1 + 3x2 < 19
x1 + x2 < 8
x 1 , x2 > 0
3
Ví dụ 1: Phương pháp hình học
8
7
6
5
4
3
Feasible
2 Region
1
x1
1 2 3 4 5 6 7 8 9 10
8
7
(0, 5)
6
5x1 + 7x2 = 35
5
4
3
2
(7, 0)
1
x1
1 2 3 4 5 6 7 8 9 10
4
Ví dụ 1: Phương pháp hình học
Tóm tắt thủ tục giải phương pháp hình học đối
với bài toán tối đa
Vẽ hình vẽ bài toán cho mỗi ràng buộc.
Xác định miền khả thi thỏa mãn tất cả các ràng buộc.
Vẽ đường biểu diễn hàm mục tiêu.
Dịch chuyển song song hàm mục tiêu theo cách giá trị
hàm mục tiêu lớn hơn.
Phương án khả thi đối với đường biểu diễn hàm mục
tiêu với giá trị lớn nhất là phương án tối ưu.
5
Các đỉnh và phương án tối ưu
Các góc và đỉnh của miền khả thi được xem là điểm
cực biên
Một phương án tối ưu đối với bài toán LP có thể nằm ở
một trong các đỉnh của miền khả thi.
Khi tìm lời giải tối ưu, bạn không phải tính tất cả các
điểm phương án khả thi.
Chỉ xem xét các điểm cực biên của miền khả thi.
x2
8
7 5
6
5
4
4
3
Vùng khả 3
2
thi
1
1 2
1 2 3 4 5 6 7 8 9 10
x1
6
Lời giải máy tính
7
Reduced Cost
reduced cost đối với một biến quyết định có là giá trị 0
trong phương án tối ưu, đó là lượng hệ số hàm mục
tiêu có thể thay đổi sẽ phải cải thiện (tăng đối với bài
toán tối đa, giảm đối với bài toán tối thiểu) để có thể có
được một giá trị tích cực hơn.
reduced cost đối với biến quyết định với giá trị tích cực
là 0.
Reduced Costs
8
Ví dụ 2: Bài toán tối thiểu
x 1 , x2 > 0
4x1 - x2 > 12
5
4 x 1 + x2 > 4
3
2x1 + 5x2 > 10
2
1
x1
1 2 3 4 5 6
9
Ví dụ 2: Lời giải đồ thị
Tìm điểm cực biên tại điểm giao nhau của 2 ràng buộc
chặt
4x1 - x2 = 12
x1+ x2 = 4
Cộng 2 phương trình lại ta có:
5x1 = 16 hay x1 = 16/5.
Thế vào x1 + x2 = 4 có: x2 = 4/5
4x1 - x2 > 12
5
4 x 1 + x2 > 4
10
Vùng khả thi
Vùng khả thi của một bài toán LP 2 biến có thể không
tồn tại, chỉ là một điểm, 1 đường tuyến tính, đường
cong hoặc vô hạn.
Bất kỳ LP nào đều có thể rơi vào một trong ba loại:
• không khả thi
• Có một phương án tối ưu duy nhất
• Có hàm mục tiêu tăng vô hạn
Vùng khả thi có thể không giới hạn và có thể chưa có
giải pháp tối ưu. Điều này là phổ biến trong bài toán tối
thiểu và có thể trong bài toán tối đa.
11
Ví dụ: Bài toán vô nghiệm
x1 , x2 > 0
8 2x1 + x2 > 8
x1
3 4
© 2005 Thomson/South-Western Slide 24
12
Ví dụ: Bài toán không xác định được phương
án tối ưu
Tìm phương án tối ưu bằng phương pháp hình học:
s.t. x1 + x2 > 5
3x1 + x2 > 8
x1 , x 2 > 0
3x1 + x2 > 8
8
Max 3x1 + 4x2
5
x 1 + x2 > 5
x1
2.67 5
© 2005 Thomson/South-Western Slide 26
13
Phân tích độ nhạy
Phân tích độ nhạy (hoặc là phân tích sau tối ưu) được
sử dụng để quyết định lời giải tối ưu bị ảnh hưởng
bởi các thay đổi ntn, trong các vùng xác định, với:
• các hệ số của hàm mục tiêu
• các giá trị của vế phải (RHS)
Phân tích độ nhạy quan trọng với các nhà quản lý
làm việc trong môi trường năng động với các ước
tính không chính xác của các hệ số.
Phân tích độ nhạy cho phép nhà quản lý hỏi một số
câu hỏi what-if (cái gì xảy ra nếu) về bài toán.
Cho phép ta đánh giá các thay đổi của các hệ số hàm
mục tiêu ảnh hưởng tới lời giải tối ưu ntn?
Vùng tối ưu (cho mỗi hệ số) cung cấp vùng các giá trị
mà tại đó lời giải hiện tại vẫn là tối ưu.
Các nhà quản lý cần phải tập trung vào các hệ số hàm
mục tiêu có vùng tối ưu nhỏ và các hệ số gần với
điểm cận của vùng.
14
Ví dụ 1
5 5
3
Feasible 4 2
Region 3
1
1 2
1 2 3 4 5 6 7 8 9 10
x1
Vùng tối ưu
15
Ví dụ 1
Ví dụ 1
16
Ví dụ 1
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$B$13 #1 5 0 6 1E+30 1
$B$14 #2 19 2 19 5 1
$B$15 #3 8 1 8 0.33333333 1.66666667
Vế phải
17
Dual Price
Ví dụ 1
Dual Prices
Ràng buộc 1: Do x1 < 6 không phải là ràng buộc
binding, dual price của nó là 0.
Ràng buộc 2: Thay đổi giá trị của RHS của ràng buộc
thứ 2 tới 20 và giải để có được điểm tối ưu quyết
định bởi hai ràng buộc cuối: 2x1 + 3x2 = 20 và x1 + x2
= 8.
Lời giải x1 = 4, x2 = 4, z = 48. Do đó, dual price
= zmới - zcũ = 48 - 46 = 2.
18
Ví dụ 1
Dual Prices
Ràng buộc 3: Thay đổi giá trị của RHS của ràng buộc
thứ 3 tới 9 và giải lại để lấy giátrị tối ưu quyết định bởi
hai ràng buộc cuối: 2x1 + 3x2 = 19 và x1 + x2 = 9.
Lời giải là: x1 = 8, x2 = 1, z = 47.
Dual price là zmới - zcũ = 47 - 46 = 1.
Ví dụ 1
Dual Prices
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$8 X1 5.0 0.0 5 2 0.33333333
$C$8 X2 3.0 0.0 7 0.5 2
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$B$13 #1 5 0 6 1E+30 1
$B$14 #2 19 2 19 5 1
$B$15 #3 8 1 8 0.33333333 1.66666667
19
Vùng khả thi
Vùng khả thi cho một thay đổi giá trị ở vế phải là
vùng giá trị của giá trị của hệ số này trong đó dual
price gốc vẫn không thay đổi.
Theo phương pháp hình học, vùng khả thi được
quyết định bởi vùng của lời giải khả thi bằng cách
tìm giá trị của vế phải sao cho hai đường thẳng quyết
định giá trị tối ưu tiếp tục quyết định giá trị tối ưu
của bài toán.
Ví dụ 1
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$B$13 #1 5 0 6 1E+30 1
$B$14 #2 19 2 19 5 1
$B$15 #3 8 1 8 0.33333333 1.66666667
20
Ví dụ 2: Olympic Bike Co.
Một nhà cung cấp cung 100 pounds hợp kim nhôm
và 80 pounds thép hợp kim hàng tuần.
21
Ví dụ 2: Olympic Bike Co.
x1 , x 2 > 0
22
Ví dụ 2: Olympic Bike Co.
Vùng tối ưu
Câu hỏi
Giả thiết lợi nhuận của khung deluxe tăng lên
$20. Lời giải trên có còn tối ưu hay không? Giá trị
của hàm mục tiêu là bao nhiêu khi lợi nhuận đơn vị
tăng tới $20?
23
Ví dụ 2: Olympic Bike Co.
Vùng tối ưu
Trả lời
Kết quả đầu ra cho thấy rằng phương án cũ vẫn còn
tối ưu cho tới khi mà hệ số HMT nằm giữa 7.5 và 22.5.
Bởi vậy 20 nằm trong dãy giá trị này, và phương án tối
ưu vấn không thay đổi. (không đổi về mặt giá trị của
biến quyết định). Lợi nhuận tối đa sẽ thay đổi: 20x1 +
15x2 = 20(15) + 15(17.5) = $562.50.
Vùng tối ưu
Câu hỏi
Nếu lợi nhuận của khung deluxe là $6 thay vì
$10, lời giải tối ưu có thay đổi hay không?
24
Ví dụ 2: Olympic Bike Co.
Vùng tối ưu
Nguyên tắc 100% chỉ ra rằng thay đổi đồng thời các
hệ số của hàm mục tiêu sẽ không làm thay đổi lời giải
tối ưu khi mà tổng các tỉ lệ % của lượng thay đổi chia
cho lượng thay đổi cho phép lớn nhất trong vùng tối
ưu của mỗi hệ số không vượt quá 100%.
25
Ví dụ 2: Olympic Bike Co.
26
Vùng khả thi và nguyên tắc100%
27