GVHD: Dr.

Nguyễn Chí Long

BÀI BÁO CÁO MÔN QUY HOẠCH TUYẾN TÍNH

CHUYÊN ĐỀ: MỘT SỐ BÀI TẬP BỔ TRỢ BÀI QUY

HOẠCH PHI TUYẾN CÓ RÀNG BUỘC
GVHD: Dr. Nguyễn Chí Long
Nhóm 16:
1/ Đặng Thị Nhản
2/ Võ Thùy Vân
3/ Quang Quốc Thảo
4/ Đào Thanh Tùng
5/ Bùi Hải Dương.
Nội dung

DẠNG 1: BÀI TOÁN DÙNG PHƯƠNG PHÁP LAGRANGE

Bài 1:Theo kế hoạch,một xí nghiệp cần sản xuất tất cả
120 đơn vị sản phẩm. Các sản phẩm này được chế tạo theo hai công nghệ khác nhau.
Khi sản xuất X đơn vị sản phẩm theo công nghệ I

tiêu tốn rúp (đơn vị tiền Nga), còn khi sản xuất x2 đơn vị sản phẩm theo công
nghệ II tiêu tốn rúp. Hỏi cần sản xuất
baonhiêu sản phẩm theo mỗi công nghệ để sản xuất ra đủ số lượng sản phẩm cần và
tiêu tốn ít chi phí nhất?
bằng cách dùng phương pháp Lagrange cho biến không âm:Tìm cực tiểu cùa hàm

với các điều kiện: và

Ta thấy hàm f liên tục trên miền chấp nhận được compact, khác rỗng nên f chắc chắn
có cực tiểu.
Lập hàm Lagrange:

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Điều kiện cần tối ưu (cho điểm cực tiểu) có dạng:

Ta tìm nghiệm của hệ điều kiện trên trong 4 trường hợp:

a. , không thỏa mãn ràng buộc nên bị loại.

b. Từ hệ điều kiện tối ưu lần lượt suy ra

Từ đó trái với điều kiện nên trường hợp này bị loại.

c. . Từ hệ điều kiện tối ưu lần lượt suy ra

Từ đó trái với điều kiện nên trường hợp này bị loại.

a. Từ hệ điều kiện tối ưu lần lượt suy ra

Chuyển ở hai phương trình này sang vế phải và so sánh hai vế

trái ta nhận được đẳng thức

hay

Kết hợp với điều kiện ,ta nhận được điểm dừng

duy nhất .
Đó chính là điểm cực tiểu cần tìm.
Kết quả này trùng với nghiệm cực tiểu toàn cục nhận được trước đây bằng phương
pháp hình học.
Bài 2:Tìm cực tiểu của hàm số:

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

với điều kiện: .

Theo phương pháp Lagrange cho biến không âm: Ta thấy hàm f liên tục và buộc trên
miền chấp nhận được đóng, khác rỗng nên hàm f chắc chắn có cực tiểu.
Đê tìm cực tiểu, lập hàm Lagrange

Điều kiện cần tối ưu (cho điểm cực tiểu) có dạng:

Ta tìm nghiệm của hệ điều kiện này như sau:

Từ hai đẳng thức đầu suy ra: Do nên . Kết hợp với
điều kiện ta được điểm dừng duy nhất

Vì thế,có thể khẳng định rằng hàm f đạt cực tiểu có điều kiện tại điểm .Kết
quả này trùng với nghiệm cực tiểu toàn cục đã tìm được bằng phương pháp hình học.

Bài 3. Tìm cực đại và cực tiểu của hàm với điều kiện

Giải: Ví dụ này có n=2 biến và m=1ràng buộc đẳngthức.

Điểm ( x1, x2) cần nằm trên đường tròn tâm 0 bán kính1và bài toán đặt ra là tìm trên
đường tròn này một (hay nhiều) điểm đạt giá trị lớn nhất hay nhỏ nhất của hàm mục
tiêu f.
Theo qui tắc Lagrange, trước hết ta xây dựng hàm Lagrange:

Tính các đạo hàm riêng và cho bằng 0:

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Phương trình thứ nhất cho ta hoặc hoặc Nếu

Thì từ hai phương trình sau suy ra và . Còn nếu thì phương trình thứ
ba cho .Vì thế bài toán có hai điểm dừng là và với
và .
Ta nhận thấy rằng f là hàm liên tục và đường tròn đơn vị là tập compact khác rỗng
nên hàm f đạt cực đại và cực tiểu trên đường tròn đó. Hơn nữa, điểm cực đại hay cực
tiểu phải là điểm dừng, vì thế rõ ràng X1là cực đại toàn cục và X2 là cực tiểu toàn
cục cùa hàm f(x1,x2)đã cho với và .
Bài 4: Thiết lập điều kiện Kuhn – Tucker cho BTQHPT sau:

Với điều kiện là miền ràng buộc được xác định bởi

Có thể kiểm nghiệm được rằng trong ví dụ này chúng ta có BTQHL với hàm
Lagrange:

Điều kiện Kuhn –Tucker của bài toán này được viết như sau:

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Từ (5.3) và (5.7) suy ra : theo (5.5) có

Từ (5.4) và (5.8) suy ra : theo (5.6) có

Với điều kiện , ta thấy trong hai điểm và chỉ có

điểm với thỏa mãn điều kiện dừng của hàm
Lagrange. Vậy phương án tối ưu toàn cục là ứng với

Bài 5: Xét BTQHPT , với ràng buộc ,

Lập hàm Lagrange và thiết lập điều kiện Kuhn

– Tucker:

Từ điều kiện (5.15) suy ra x2 = 0. Do điều kiện (5.16) nên x 1 = 1 (vì nếu trái lại thì λ
= 0 và theo (5.14) có x1 = 0, do đó (5.17) không thỏa mãn). Với x1 = 1 ta có (5.14)
không được thỏa mãn. Vậy hệ điều kiện Kuhn – Tucker vô nghiệm. Tuy nhiên, bài
toán trên đây có phương án tối ưu tại điểm x1 = 1 và x2 = 0 với fmin = 1

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Điều này không mẫu thuẫn với định lý 2 nêu trên , do tại véc tơ gradient

phụ thuộc tuyến tính, vì vậy không bắt buộc thỏa điều
kiện Kuhn – Tucker
Bài 6: Xét BTQHPT : Min f(x), với điều kiện ràng buộc

Ký hiệu các nhân tử là ứng với ứng với và ứng với . Lúc
đó có hàm Lagrane :

Thiết lập điều kiện Kuhn – Tucker như sau:

Đặt , lúc đó hàm Lagrange có dạng

Do đó , điều kiện Kuhn –Tucker được viết là

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Bài 7: Viết điều kiện Kuhn – Tucker cho BTQHPT sau:

Min f(x), với cho bởi các điều kiện ràng buộc

Thiết lập hàm Lagrange: , trong đó

. Từ đó có thể viết được điều kiện Kuhn – Tucker như sau:

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

DẠNG 2: BÀI TOÁN TỐI ƯU PHI TUYẾN DÙNG THUẬT TOÁN KELLEY

Bài Toán: Tìm cực đại của hàm số:

Với
Bài toán này có biến, ràng buộc và

Có thể thấy đây là một bài toán quy hoạch lồi với hàm mục tiêu tuyến tính. Ta giải
bài toán theo phương pháp đã trình bày. Trước hết tính:

Bước chuẩn bị ( Xây dựng đa diện ban đầu ). Chọn ba điểm (p=3):

và

 Với điểm

 Với điểm

 Với điểm

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Đa diện lồi được xác định bởi:

Hai ràng buộc và là thừa. Vì thế

. Đa diện được vẽ ở hình:

Hình tuyến tính ràng buộc

Bước 1

a) Giải qui hoạch tuyến tính

Với điều kiện

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Nghiệm tối ưu của là

b) Do và nên và ta thực hiện bước c

c) Ta có

Đặt
Đặt va2 chuyển sang thực hiện Bước lặp k=2
Bước lặp 2

a) Giải qui hoạch tuyến tính

Nghiệm tối ưu của là

b) Do và nên và ta thực hiện bước c

c) Ta có

Đặt
Đặt và chuyển sang thực hiện Bước lặp k=3
Bước lặp 3

a) Giải qui hoạch tuyến tính

Nghiệm tối ưu của là

b) Do và nên và ta thực hiện bước c

c) Ta có

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Đặt
Đặt và chuyển sang thực hiện Bước lặp k=4
Kết qua tính toán ở các bước lặp tiếp the được cho trong bảng sau:

Lời giải của bài toán ở ví dụ trên là điểm và

Thực ra , có thể dừng lại ở bước lặp k=2 vì thuật toán đã được tìm giá trị tối ưu
nhưng phải sau 8 bước lặp nữa thuật toán mới xác định được điểm tối
ưu xấp xỉ
Bước k Xấp xỉ mới Tập
1 3

2 4

3 4

4 4

5 4

6 4

7 4

8 4

9 4

10 4

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

DẠNG 3: BÀI TOÁN TỐI ƯU PHI TUYẾN DÙNG THUẬT TOÁN FRANK-
WOLFE

Bài toán: Tìm cực tiểu hàm

với điều kiện:

Giải:
- Tính vecto gradient của hàm mục tiêu.

Để làm xấp xỉ ban đầu ta chọn điểm ( nhận được bằng cánh giải bài toán
tuyến tính min với các rang buộc nêu trên), .

Bước lặp k=1. Tại điểm vecto gradient

1. Tìm d1. Để tìm hướng giảm ta giải aquy hoạch tuyến tính

(hay )

Với các điều kiện đã cho. Giải bài toán này, ta nhận được vì thế
.

2. Tính t1. Xét tia hay

Để xác định hàm số t’, ta tìm cực tiểu của hàm

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

Từ , ta nhận được t’=1, vì thế t1 =min[1;t’] = 1

3. Tính x2. Điểm xấp xỉ mới được tính theo công thức:

Bước lặp k=2. Tại điểm x2 vecto gradient

1. Tìm d2. Để tìm hướng giảm ta giải quy hoạch tuyến tính:
(hay ) với các điều kiện đã cho. Giải bài toán
này, ta nhận được và do đó

2. Tính t2. Xét tia hay

Để xác định hàm số t’, ta tìm cực tiểu của hàm

Từ , ta nhận được t’=2/3, vì thế t1 =min[2/3;t’] = 2/3

3. Tính x3. Điểm xấp xỉ mới được tính theo công thức:

Bước lặp k=3. Tại điểm x3 vecto gradient

Hình thuật toán Frank - Wolfe

Báo cáo môn quy hoạch tuyến tính

 GVHD: Dr. Nguyễn Chí Long

1. Tìm d3. Để tìm hướng giảm ta giải quy hoạch tuyến tính:
(hay ) với các điều kiện đã cho. Giải bài toán
này, ta nhận được và do đó

Điểm là nghiệm tối ưu của bài toán, bởi vì từ x 3 không có hướng, dọc tho
đó hàm mục tiêu giảm. Vậy đạt tại điểm
Quá trình giải được minh họa trên hình.

Báo cáo môn quy hoạch tuyến tính