Professional Documents
Culture Documents
Eload 3
Eload 3
Operációkutatás szakirány
Sztochasztikus programozás, BMETE93MM05
3. Előadás
Sztochasztikus programozási probléma a gyakorlatban úgy merül fel, hogy egy determi-
nisztikus optimalizálási modell esetén kiderül, hogy benne egyes paraméterek a véletlen-
től függnek, valószínűségi változók. Az így keletkező feladattal kapcsolatban két vizsgá-
lódási lehetőségünk is van. Az egyik, hogy a véletlentől függő feladattal kapcsolatban
bizonyos valószínűségelméleti szempontból fontos jellemzőket próbálunk meghatározni,
a másik hogy újabb, a véletlen hatásokat is figyelembe vevő döntési modelleket fogal-
mazunk meg. Az előbbi esetben eloszlás problémával, az utóbbi esetben pedig döntési
problémával állunk szemben.
Eloszlás problémák
xij ≥ 0, i = 1, . . . , m, j = 1, . . . , n,
m P
P n
cij xij → min
i=1 j=1
1
igények mennyiségeit. A cij , i = 1, . . . , m; j = 1, . . . , n számok pedig jelentsék egységnyi
árúnak az i-edik telephelyről j-edik felvevőhelyre történő elszállításának a költségét.
és a
m
X
xik − bk < 0
i=1
2
arányossági tényezők, a döntési probléma pedig, amely alapján az xij , i = 1, . . . , m; j =
1, . . . , n szállítási tervet meghatározzuk:
n
P
xij ≤ ai , i = 1, . . . , m,
j=1
xij ≥ 0, i = 1, . . . , m, j = 1, . . . , n,
Pm Pn
cij xij + E(µ) → min,
i=1 j=1
gi (x, ξ) ≥ 0, i = 1, . . . , m
hi (x) ≥ 0, i = 1, . . . , M
f(x) → min
P(gi (x, ξ) ≥ 0) ≥ pi , i = 1, . . . , m
hi (x) ≥ 0, i = 1, . . . , M
f(x) → min
illetve
P(gi (x, ξ) ≥ 0, i = 1, . . . , m) ≥ p
hi (x) ≥ 0, i = 1, . . . , M
f(x) → min
3
Az első feladatot egyedi valószínűségi korlátos sztochasztikus programozási feladatnak,
míg a másodikat együttes valószínűségi korlátos sztochasztikus programozási feladatnak
nevezzük. A kettő közt alapvetően az a különbség, hogy az egyedi valószínűségi kor-
látokat nehéz, sőt lehetetlen úgy megválasztani, hogy a megkövetelt egyenlőtlenségek
mindegyike egyszerre adott valószínűséggel teljesüljön. Ehhez ugyanis figyelembe kellene
vennünk a ξ valószínűségi vektorváltozó komponensei közti sztochasztikus kapcsolatokat,
melyeket azonban az egyváltozós peremeloszlások nem tartalmaznak. Másik probléma,
hogy ha a ξ valószínűségi vektorváltozó komponenseit függetlennek tételezhetnénk fel,
akkor is túl magas egyedi valószínűségeket kellene előírni ahhoz, hogy az együttes be-
következés valószínűsége reális szintet érjen el. Az együttes valószínűségi korlát előírása
esetén viszont azzal a problémával szembesülünk, hogy a ξ valószínűségi vektorváltozó
együttes valószínűségeloszlását leíró együttes eloszlásfüggvényről kell valamiféle konkávi-
tási tulajdonságot bizonyítani tudni, illetve numerikusan hatékonyan kellene számítani
tudni a vele kapcsolatos valószínűségeket. Megjegyezzük, hogy a determinisztikus alap
modell felírásában gyakran használjuk a speciális
gi (x, y) = gi (x) − yi , i = 1, . . . , m
yi = gi (x), i = 1, . . . , m
4
1, . . . , m peremeloszlásfüggvényeire, illetve azok F(y1 , . . . , ym ) együttes eloszlásfüggvé-
nyére vonatkoznak.
Ax = b
Tx = ξ
x≥0
c′ x → min
5
hogy olyan x vektort határozzon meg, amelyre
Ax = b, x ≥ 0
és amelyre
x∈D
c′ x + E min q′ y → min
Wy=ξ−T x
y≥0
hogy
X
y+ −
i yi = 0.
i
6
Mivel pedig az y+ , y− vektorok komponensei nemnegatívak, azért a második lépcső
feladat egyedüli megengedett, és így optimális bázismegoldásának a komponensei:
ξ − T x, ha ξ − T x > 0,
+ i i i i
yi =
0, egyébként,
T x − ξ , ha T x − ξ > 0,
− i i i i
yi =
0, egyébként,
ahol Ti a T mátrix i-edik sorából álló sorvektort jelenti. Megjegyezzük, hogy mivel a
második lépcső feladatának ez tetszőleges x és ξ mellett megengedett és optimális meg-
oldása, azért az első lépcső megengedett megoldásainak a halmaza most egyszerűen csak
az Ax = b, x ≥ 0 feltételeknek eleget tevő x vektorok halmaza. A feladat célfüggvényé-
ben pedig a következő additív tag jelenik meg:
P P − −
E min q′ y = E( q+ y
i i
+
+ qi yi )
Wy=ξ−T x i i
y≥0
P R
∞ P TR
ix
= q+
i (z − Ti x)dFi (z) + q−
i (Ti x − z)dFi (z).
i Ti x i −∞
Ax = b
x≥0
P R
∞ P TR
ix
c′ x + q+
i (z − Ti x)dFi (z) + q−
i (Ti x − z)dFi (z) → min
i Ti x i −∞
Végülis a gyakorlatban csupán az első lépcső feladatát kell megoldani, mivel a második
lépcső feladatának a megoldása a ξ realizálódott értékének az ismeretében egyszerűen
csak az y+ −
i és yi számok adott képletek szerinti meghatározását jelenti. Az első lépcső
feladata pedig nem egyéb, mint egy büntetéses modell megoldandó feladata. Tehát a
kétlépcsős sztochasztikus programozási feladatnak ez a speciális esete nem más, mint a
büntetéses sztochasztikus programozási feladat.