Реферат: Линейное программирование
3.
Целевая функция
подлежит максимизации или минимизации.
Максимизация некоторой функции эквивалентна минимизации той же функции, взятой
с противоположным знаком, и наоборот.
Эквивалентность означает, что при одной и той же совокупности ограничений
оптимальные значения переменных в обоих случаях будут одинаковы.
4.2. Симплекс-метод
Общую идею симплекс-метода проиллюстрируем на примере модели для задачи фирмы Reddy Mikks. На исходная точка алгоритма – начало координат (т. A) – начальное решение. От исходной точки осуществляется переход к некоторой смежной угловой точке (т. B или т. F). Её выбор зависит от коэффициентов целевой функции. Т.к. коэффициент при xE больше коэффициента при xI, а целевая функция подлежит максимизации, требуемое направление перехода соответствует увеличению xE (т. B). Далее указанный процесс повторяется для выяснения, существует ли другая экстремальная точка, соответствующая лучшему допустимому решению.
Правила выбора экстремальной точки:
1. Каждая последующая угловая точка должна быть смежной с предыдущей.
2. Обратный переход к предшествующей экстремальной точке не может производиться.
Чтобы описать рассмотренные процедуры формальными способами, необходимо определить пространство решений и угловые точки алгебраически. Требуемые соотношения устанавливаются по таблице:
Алгебраическое определение (симплекс-метод) | |
Пространство решений | Ограничения модели стандартной формы |
Угловые точки | Базисные решения задачи в стандартном виде |
4.2.1. Представление пространства решений стандартной задачи ЛП.
Модель:
максимизировать целевую функцию
при ограничениях
На пространство решений. Каждую точку можно определить с помощью
Для идентификации нужной точки воспользуемся тем, что при ограничения модели эквивалентны равенствам, которые представляются соответствующими рёбрами пространства решений.
Анализируя , заметим, что
можно упорядочить, исходя из того, какое значение (нулевое или ненулевое) имеет данная переменная в экстремальной точке.
переменные | ||
точка | нулевые | ненулевые |
A | ||
B | ||
C | ||
D | ||
E | ||
F |
Из таблицы выделим закономерности:
1. Стандартная модель содержит четыре уравнения и шесть неизвестных, поэтому в каждой из экстремальных точек (6–4) переменные должны иметь нулевые значения.
2. Смежные экстремальные точки отличаются только одной переменной в каждой группе (нулевых и ненулевых переменных).
Если линейная модель стандартной формы содержит уравнений и неизвестных, то все допустимые экстремальные точки определяются как все однозначные неотрицательные решения системы уравнений, в которых m-n переменных равны нулю. Однозначные решения такой системы базисные решения. Если они удовлетворяют требованию неотрицательности правых частей, то это – допустимое базисное решение. Переменные, равные нулю небазисные, остальные – базисные. Каждую следующую экстремальную точку можно определить определить путём замены одной из текущих небазисных переменных текущей базисной переменной. В нашем примере при переходе из т. A в т. B необходимо увеличивать небазисную переменную от исходного нулевого значения до значения, соответствующего т. B. В т. B s2 обращается в нуль (становится небазисной). Т.о., происходит взаимообмен xE и s2 между небазисными и базисными переменными.
Включаемая переменная – небазисная в данный момент переменная, которая будет включена в множество базисных переменных на следующей итерации. Исключаемая переменная базисная в данный момент переменная, которая на следующей итерации подлежит исключению из множества базисных переменных.
4.2.2 Вычислительные процедуры симплекс-метода
Симплекс-алгоритм:
Шаг 0: Используя линейную модель стандартной формы, определяют НДБР путём приравнивания к нулю n-m (небазисных) переменных.
Шаг 1: Из числа текущих небазисных переменных выбирается включаемая в новый базис переменная, увеличение которой обеспечивает улучшение значения целевой функции. Если её нет -- текущее базисное решение оптимально, иначе переход к Шагу 2.
Шаг 2: Из числа переменных текущего базиса выбирается исключаемая переменная, которая должна стать небазисной при введении в состав базиса новой переменной.
Шаг 3: Находится новое базисное решение, соответствующее новым составам базисных и небазисных переменных. Переход к Шагу 1.
Если xE=xI=0, то
(соответствует точке A Ha ) – начальное допустимое решение.
Решение | ||||||||
-3 | -2 | |||||||
2 | 6 | |||||||
2 | 8 | |||||||
-1 | ||||||||
2 |
Если в задаче максимизации все небазисные переменные в -уравнении имеют неотрицательные коэффициенты, полученное пробное решение является оптимальным. Иначе в качестве новой базисной переменной следует выбрать ту, которая имеет наибольший по абсолютной величине отрицательный коэффициент. Применяя это условие к исходной таблице – переменная, включаемая в базис.
Процедура выбора подключаемой переменной предполагает проверку условия допустимости, требующего, чтобы в качестве исключаемой переменной выбиралась та (из текущего базиса), которая первой обращается в нуль при увеличении включаемой переменной вплоть до значения, соответствующего смежной экстремальной точке.
Отношение, идентифицирующее исключаемую переменную, можно определить из симплекс-таблице. Для этого в столбце вводимой переменной вычёркиваются отрицательные и нулевые элементы ограничений. Затем вычисляются отношения постоянных из правых частей ограничений к оставшимся элементам столбца. Исключаемая переменная – та, для которой это отношение минимально.
Решение | Отношение | ||||||||
-3 | -2 | - | |||||||
2 | 6 | ||||||||
2 | 8 | ||||||||
-1 | - | ||||||||
2 | - |