Реферат: Линейное программирование
Столбец, ассоциированный с вводимой переменной – ведущий столбец; строка, соответствующая исключаемой переменной – ведущая строка; на их пересечении – ведущий элемент.
Поиск нового базисного решения осуществляется методом исключения переменных (метод Жордана-Гаусса). Этот процесс включает в себя вычислительные процедуры двух типов.
Тип 1. Формирование ведущего уравнения
Новая ведущая строка = предыдущая ведущая строка/ведущий элемент
Тип 2. Формирование остальных уравнений
Новое уравнение = предыдущее уравнение – (коэффициент ведущего столбца предыдущего уравнения)*(новая ведущая строка)
Новая симплекс-таблица, полученная после проведения рассмотренных операций:
Решение | Отношение | ||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- |
xI – вводимая переменная (т.к. коэффициент в -уравнении -1/2). Исключаемая переменная s1, (отношение 4/3 – минимальное). Снова проведём вычисления двух типов. Последняя симплекс-таблица соответствует оптимальному решению задачи, т.к. в -уравнении ни одна из небазисных переменных не фигурирует с отрицательными коэффициентами.
В случае минимизации целевой функции в этом алгоритме необходимо изменить только условие оптимальности: в качестве новой базисной переменной следует выбирать переменную, которая в -уравнении имеет наибольший положительный коэффициент. Условия допустимости в обоих случаях одинаковы.
4.2.3. Искусственное начальное решение
Для получения начального базисного решения мы использовали остаточные переменные. Однако когда исходное ограничение записано в виде равенства или имеет знак, нельзя сразу же получить НДБР. Поэтому были разработаны два метода, в которых используется «штрафование» искусственных переменных.
1. Метод больших штрафов (М-метод)
Рассмотрим линейную модель, приведённую к стандартной форме:
минимизировать
при ограничениях
В первом и втором уравнениях нет переменных, исполняющих роль остаточных. Поэтому введём в каждое из этих уравнений по одной из искусственных переменных R1 и R2:
За использование этих переменных в составе целевой функции можно ввести штраф, приписывая им достаточно большой положительный коэфффициент . Получим линейную модель:
минимизировать
при ограничениях
Теперь если
,то начальное допустимое решение:
Метод оптимизации, направленный на нахождение минимального значения , приведёт к тому, что переменные R1 и R2 в оптимальном решении обратятся в нуль.
Необходимо переформулировать условие задачи, чтобы представить процесс решения в удобной табличной форме. Подставив в целевую функцию полученные из соответствующих ограничений выражения для искусственных переменных
получим выражение для :
Решение представлено в сводной таблице:
Решение | Отношение | ||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- | |||||||||
- |