![](/user_photo/2706_HbeT2.jpg)
MOP
.pdfПорівнюючи мінімальні значення функції, які були отримані різними методами,
можна бачити, що вони практично однакові, але кожен метод потребує своєї кількості кроків для досягнення необхідної точності.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ЗАВДАННЯ №6 |
|
|
|
|
|
|
|
|
|
|||||
За |
допомогою |
зазначеного |
методу |
багатовимірної |
|
оптимізації |
з заданою |
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
точністю ps знайти мінімальне значення функції цілі F (x) : |
|
|
|
|
|
||||||||||||||||||||||||||||||||
1 |
Метод найскорішого спуску: |
|
11 |
Метод найскорішого спуску: |
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
2x |
|
|
|
|
2 |
|
3 x |
|
2 |
|
2x x |
|
6x |
|
|
2 |
2 |
2x1 x2 |
3x1 |
|
|
||||||||||||
F(x) |
|
|
1 |
2 |
|
|
2 |
|
F (x) 8x1 |
3x2 |
|
|
|||||||||||||||||||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||||||
початковий вектор x0(5;4) |
ps=0.8 |
початковий вектор x0(0;0) |
ps=0.02 |
|
|||||||||||||||||||||||||||||||||
Метод Ейлера : |
|
|
|
|
|
|
|
|
|
|
|
|
Метод Ейлера : |
|
|
|
|
|
|
|
|||||||||||||||||
F (x) |
2x13 |
|
2x2 x x 5x |
|
|
|
|
|
|
|
|
F (x) 4 x1 |
2 |
5 |
x23 6x1 x2 x22 5x2 . |
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
3 |
|
|
|
|
|
|
2 |
|
1 2 |
|
|
1 . |
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. F(x) x1 2 2 |
6 4 3x2 2 |
4x12 x2 |
|
12. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
Метод Ньютона: поч. вектор x0(2;4) |
F(x) x13 10 x2 1 2 2x1x2 5x2 |
|
|
||||||||||||||||||||||||||||||||||
ps=0.04 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Метод Ньютона: поч. вектор x0(2;-2) |
|
|||||||||||||||
Метод покоординатного спуску: |
|
|
ps=0.3 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
початковий вектор x0(4;6) |
|
|
|
|
|
|
Метод покоординатного спуску: |
|
|
||||||||||||||||||||||||||||
ps=0. 001 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
початковий вектор x0(-4;6) |
ps=0.6 |
|
|
|||||||||||||||
3. |
Метод найскорішого спуску: |
|
13. |
Метод найскорішого спуску: |
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
5x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
F (x) 2x2 |
2x2 |
2x x |
2 |
6x |
|
|
|||||||
|
F (x) |
|
1 |
4x2 |
2x x 3x |
|
|
|
|
1 |
2 |
1 |
1 |
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
2 |
|
|
|
1 |
2 |
|
|
1 |
|
|
початковий вектор x0(-1;-2) ps=0.1 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
початковий вектор x0(3;4) |
|
ps=0.04 |
Метод Ейлера: |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
Метод Ейлера: |
|
|
|
|
|
|
|
|
|
|
|
|
F(x) x1 1 3 |
3x2 1 2 |
6x1 x2 . |
|
|
|
|||||||||||||||||||
|
|
5x2 |
10x3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
F (x) |
|
|
1 |
|
|
|
|
|
2 |
2x1x2 5x2 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
2 |
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
4. |
F(x) 3 2x 1 2 4x |
|
1 2 |
x2 x |
14. |
F(x) 5 x 6 2 3 x 2 3 6x x |
2 |
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
2 |
|
|
|
|
|
1 |
2 |
|
|
1 |
|
|
2 |
|
1 |
|
|||||||
Метод Ньютона: поч. вектор x0(2;1) |
Метод Ньютона: поч. вектор x0(3;-1) |
|
|||||||||||||||||||||||||||||||||||
ps=0.02 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ps=0.3 |
|
|
|
|
|
|
|
|
|
|||||||
Метод покоординатного спуску: |
|
|
Метод покоординатного спуску: |
|
|
||||||||||||||||||||||||||||||||
початковий вектор x0(5;4) |
|
ps=0.02 |
початковий вектор x0(2;5) ps=0.06 |
|
|
||||||||||||||||||||||||||||||||
5. |
Метод найскорішого спуску: |
|
15. |
Метод найскорішого спуску: |
|
|
|||||||||||||||||||||||||||||||
|
|
F (x) |
|
x2 |
3x2 |
x x 5x |
|
|
|
|
F (x) 4x2 |
3x2 |
4x x |
2 |
5x |
|
|
||||||||||||||||||||
|
|
|
1 |
|
|
|
|
|
|
1 |
2 |
1 |
1 |
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
1 |
|
2 |
|
|
2 |
|
|
|
початковий вектор x0(0;0) |
ps=0.9. |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
початковий вектор x0(3;0) |
ps=1.6. |
Метод Ейлера: |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
Метод Ейлера: |
|
|
|
|
|
|
|
|
|
|
|
|
F(x) x1 2 3 |
2x2 1 2 |
4x1x2 . |
|
|
||||||||||||||||||||
F(x) x13 10 x2 1 2 2x1x2 5x2 |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
43 |
|
|
|
|
|
|
|
|
|
|
6. |
F(x) x 1 2 |
|
3x 1 2 x2 x |
|
16. F(x) x1 2 3 2x2 |
1 2 4x1x2 |
||||||||||
|
1 |
|
2 |
|
|
1 |
2 |
|
|
|
|
|
|
|
|
|
Метод Ньютона: поч. вектор x0(2;1) |
Метод Ньютона: поч. вектор x0(2;1) |
|||||||||||||||
ps=0.2 |
|
|
|
|
|
|
|
ps=0.6 |
|
|
|
|
|
|
||
Метод покоординатного спуску: |
|
|
|
Метод покоординатного спуску: |
||||||||||||
початковий вектор x0(7;6) |
ps=0.02 |
початковий вектор x0(-3;1) |
|
ps=0.5 |
||||||||||||
7. |
Метод найскорішого спуску: |
|
|
17. |
Метод найскорішого спуску: |
|||||||||||
F(x) 5 x 6 2 3 x 4 2 x x |
|
|
|
F(x) x 2 11x x2 x x 35 |
||||||||||||
|
1 |
|
2 |
|
1 |
2 |
|
|
|
1 |
2 |
2 |
|
1 |
2 |
|
початковий вектор x0(0;0) ps=0.5 |
початковий вектор x0(1;1) |
ps=1.1 |
||||||||||||||
Метод Ейлера : |
|
|
|
|
|
|
|
Метод Ейлера : |
|
|
|
|
|
|
||
F(x) x1 2 3 2x2 1 2 4x1x2 6x1 |
|
F(x) 5 x1 6 2 3 x2 2 3 6x1x2 . |
||||||||||||||
8. |
F(x) 4 3x1 6 2 4 x2 2 7x1x22 |
|
18. |
F(x) x1 2 3 2x2 1 2 |
4x1x2 6x1 |
|||||||||||
Метод Ньютона: поч. вектор x0(4;3) |
Метод Ньютона: поч. вектор x0(1;1) |
|||||||||||||||
ps=1 |
|
|
|
|
|
|
|
ps=0.01 |
|
|
|
|
|
|
||
Метод покоординатного спуску: |
|
|
|
Метод покоординатного спуску: |
||||||||||||
початковий вектор x0(6;5) |
ps=0.3 |
|
початковий вектор x0(5;6) |
|
ps=0.8 |
|||||||||||
9. |
Метод найскорішого спуску: |
|
|
19. |
Метод найскорішого спуску: |
|||||||||||
|
F (x) 2x2 2x2 |
2x x 6x |
|
|
|
|
F (x) 8x2 |
3x2 |
4x x |
2 |
|
4x |
||||
|
1 |
2 |
1 |
2 |
1 |
|
|
|
|
1 |
2 |
1 |
|
|
1 |
|
|
початковий вектор x0(-1;-1) |
|
|
|
початковий вектор x0(0;0) |
|
ps=0.2. |
|||||||||
|
ps=0.1. |
|
|
|
|
|
Метод Ейлера: |
|
|
|
|
|
|
|||
Метод Ейлера: |
|
|
|
|
|
|
|
F(x) 2x1 6 3 x2 3 2 4x1 x2 . |
||||||||
F(x) 5 x 6 3 3 x 4 2 |
6x x . |
|
|
|
|
|
|
|
|
|
||||||
|
1 |
|
2 |
|
1 |
2 |
|
|
|
|
|
|
|
|
|
|
10. |
F(x) 3 2x 1 2 |
4x |
1 2 x x2 |
20. |
F(x) x1 1 3 |
3x2 |
1 2 |
6x1 x2 |
||||||||
|
1 |
|
|
2 |
|
|
1 |
2 |
|
|
|
|
|
|
|
|
Метод Ньютона: поч. вектор x0(4;2) |
Метод Ньютона: поч. вектор x0(2;-2) |
|||||||||||||||
ps=0.02 |
|
|
|
|
|
|
|
ps=0.02 |
|
|
|
|
|
|
||
Метод покоординатного спуску: |
|
|
|
|
|
|
|
|
|
|
|
|||||
початковий вектор x0(6;4), |
|
|
|
|
Метод покоординатного спуску: |
|||||||||||
ps=0.015 |
|
|
|
|
|
|
|
початковий вектор x0(-4;3) |
|
ps=0.05 |
НЕЛІНІЙНА БАГАТОВИМІРНА УМОВНА ОПТИМІЗАЦІЯ
ЗАГАЛЬНИЙ ВИГЛЯД ЗАДАЧІ БАГАТОВИМІРНОЇ УМОВНОЇ ОПТИМІЗАЦІЇ:
|
|
|
|
f (x) |
extr , |
fi (x) bi |
, i = 1. .m , де |
- функція, для якої необхідно знайти екстремум, f (x)
fi (x) bi , i=1..m - система умов – обмежень, які в загальному випадку можуть бути як лінійними, так і нелінійними.
Введемо поняття «сідлова точка»:
44
Сідловою точкою деякої функції досягає максимального значення сідловою називається деяка точка
|
|
|
L(x, ) називається така точка, у якій функція |
||
по |
|
|
x |
і мінімального значення по , тобто |
|
|
|
|
(x0 , 0 ) , для яких виконується наступна умова:
|
|
|
|
|
L(x0 |
, ) L(x0 |
, 0 ) L(x, 0 ) ; |
Теорема Куна-Таккера:
Вектор |
|
|
|
|
|
|
x* є оптимальним рішенням нелінійної умовної багатовимірної задачі |
||||||
|
|
|
|
* |
* |
* |
оптимізації тоді і тільки тоді, коли існує такий вектор , що вектор |
(x |
, ) є |
||||
|
|
|
|
|
|
|
сідловою точкою функції Лагранжа L(x, ) . |
|
|
||||
|
При цьому обов`язковим є виконання наступних умови Куна-Таккера: |
|||||
|
|
|
0 |
|
|
|
1. |
L(x, ) |
|
,>0 якщо хi=0; =0 якщо xi>0; i=1. .n; |
|
|
|
|
|
|
|
|
||
|
xi |
|
0 |
|
|
|
|
|
|
0 |
|
|
|
2. |
L(x, ) |
|
, <0 якщо j=0; =0 якщо j>0; j=1. .m |
|
|
|
|
|
|
|
|
||
|
j |
|
0 |
|
|
|
Функція Лагранжа складається по вихідній задачі і має наступний вигляд:
|
|
m |
|
|
де i - множники Лагранжа. |
L(x, ) F(x) (b |
f (x)) min , |
||||
|
|
i 1 |
i i |
1 |
|
|
|
|
|
|
МЕТОД МНОЖНИКІВ ЛАГРАНЖА
У тому випадку, коли всі умови – обмеження є лінійними рівняннями для рішення задачі умовної оптимізації використовують метод множників Лагранжа.
Цей метод складається з двох основних кроків:
1-й крок: перехід від задачі умовної оптимізації до задачі безумовної оптимізації,
для цього складається функція Лагранжа.
2-й крок: оптимізація функції Лагранжа. Одержуються сідлові точки функції Лаг-
ранжа і визначається значення вектора х - рішення вихідної задачі.
45
![](/html/2706/746/html_CcfkwB_SfY.KVqQ/htmlconvd-7o3UAl44x1.jpg)
Приклад:
|
2 |
+ x2 |
2 |
+ 4x1x2 |
– x1 |
+ 6 |
F (x) |
= x1 |
|
-x1 + x2 = 1 2x1 + x2 = 15
Будуємо функцію Лагранжа:
|
2 |
+ x2 |
2 |
+ 4x1x2 |
– x1 |
+ 6+ 1(1 + x1 – x2) + 2(15 - 2x1 – x2)m |
L(x, ) = x1 |
|
|
Використовуємо метод Ейлера для пошуку стаціонарних точок функції Лагранжа. Для цього необхідно побудувати систему приватних похідних функції Лагранжа за змінними x1, x2, 1, 2 , надати кожній з них нульове значення та розв’язати отриману систему рівнянь. В результаті тримуємо сідлову точку функції Лагранжа:
=(16/3; 13/3; 11; 19).
Тоді рішення вихідної задачі є точка x*=(16/3; 13/3)
Оскільки матриця Геса залежить тільки від координат вектора x*, використання критерія Сильвестра не дає інформацію про характер отриманої точки умовного екстремуму. Тому для досліджень необхідно розглянути ще одну точку, що належить області обмеження функції цілі, та порівняти значення функції в точках.
ЗАВДАННЯ №7
За допомогою методу множників Лагранжа визначити стаціонарні точки функції цілі і класифікувати їх.
1. F(x1,x2)=-x1x2 +x1x3 –2x2x3+x1 –5 |
|
11. |
F(x1,x2)=2x1х2+2x+4x1х2-3x3 |
||
при обмеженнях: |
x1+x2+x3=3 |
|
при обмеженнях: |
8x1-3x2+3x3=40 |
|
|
2x1+x2=5 |
|
|
|
2x1+x2-x3=-3 |
2. F(x1,x2)=x12-x22+4x3 |
|
12. |
F(x1,x2)=x12-2x22+x32 |
||
при обмеженнях: |
x1+2x2-3x3=3 |
|
при обмеженнях: |
2x1-x2+x3=5 |
|
|
2x1-x2+4x3=1 |
|
|
|
x1+x2+x3=3 |
3. F(x1,x2)=x12+x22+x32 |
|
13. |
F(x1,x2)=3x22-11x1-3x2-x3 |
||
при обмеженнях: |
x1+x2+x3=3 |
|
при обмеженнях: |
x1-7x2+3x3=-7 |
|
|
2x1-x2+x3=5 |
|
|
|
5x1+2x2-x3=2 |
|
|
46 |
|
|
4. F(x1,x2)= -2x12-x22-x32 |
14. |
F(x1,x2)=x12+2x22+3x32 |
||
при обмеженнях: |
x2+5x3=10 |
при обмеженнях: |
x1+2x2+x3=8 |
|
|
x1+x2=5 |
|
|
x1+x3=3 |
5. F(x1,x2)=x12+x22+x32 |
15. |
F(x1,x2)=x12+x22+3x32 |
||
при обмеженнях: |
2x1+x2=5 |
при обмеженнях: |
x1+2x2+x3=16 |
|
|
x1+x3=2 |
|
|
x1+2x2=5 |
6. F(x1,x2)= -x12+x1x3-x22 |
16. |
F(x1,x2)= -3x12-x22+x2+7x3 |
||
при обмеженнях: |
3x1+x2+x3=4 |
при обмеженнях: |
4x1+x2-2x3=5 |
|
|
x1+2x2+2x3=3 |
|
|
2x2+x3=14 |
7. F(x1,x2)= -0.5x12-0.5x22+x1+2x3 |
17. |
F(x1,x2)=x12+x22+x32 |
||
при обмеженнях: |
x1+x2+x3=3 |
при обмеженнях: |
x1+2x2+3x3=7 |
|
|
2x1-x2+x3=5 |
|
|
2x1+2x2+x3=4.5 |
8. F(x1,x2) = |
|
18. |
F(x1,x2)=2x12+x22+2x1x2-x1+6 |
|
= -4x12-6x22+8x1+44x2+2x1x2 |
при обмеженнях: |
-x1+x2= -1 |
||
при обмеженнях: |
x1+2x=10 |
|
|
2x1+x2=15 |
|
2x1+x2=8 |
|
|
|
9. F(x1,x2)=x12+x22+x32 |
19. |
F(x1,x2)=3x12+2x1+ 2x22+4x1x3 |
||
при обмеженнях: |
x1+ x2+x3=4 |
при обмеженнях: |
x1+2x2=19 |
|
|
2x-3x2=12 |
|
|
x1+x3=11 |
10. F(x1,x2)=x12+x22+x32 |
20. |
F(x1,x2)=x12+x22+3x2x3 |
||
при обмеженнях: |
2x1+x2+x3=10 |
при обмеженнях: |
x1+2x2 =15 |
|
|
x1+2x3=4 |
|
|
x1+2x2+x3=6 |
ТЕОРІЯ РОЗКЛАДУ. ЗАДАЧА ДЖОНСОНА
Задачі подібного типу виникають у тому випадку, якщо є кінцевий набір робіт, що потребують виконання, набір механізмів для виконання існуючих робіт, а також обмеження на послідовність виконання робіт.
Відома тривалість виконання робіт і критерій оптимізації. В даний час найбільше вивченими вважаються моделі простих процесів обслуговування. Такі процеси мають наступні властивості:
1.Кожна машина може бути призначена на виконання роботи в будь-який момент часу.
2.Роботи представляють суворо упорядковану послідовність операцій,
причому для заданої операції існує не більш однієї безпосередньо наступної за нею і не більш однієї безпосередньо попередньої їй.
3.Кожна операція здійснюється тільки однією машиною, причому існує
тільки по одній машині кожного типу.
47
4.Відсутність переривань операцій.
5.Одночасно не може реалізовуватися більш однієї операції однієї і тієї ж роботи.
Говорять, що задана задача теорії розкладів, якщо:
1.Задано підлягаючі виконанню роботи і порядок проходження в них операцій.
2.Відомі машини, що виконують операції і характеристики машин стосовно операцій.
3.Задано дисципліну обслуговування.
Система проходження робіт на машинах може бути конвеєрною {F},
випадковою {R}, довільною {G}. Кількість робіт, що одночасно надійшли, як правило, дорівнює n, а кількість машин дорівнює m. Тоді задача теорії розкладів може бути схематично сформульована одним з трьох видів:
n/m/F/z; n/m/R/z; n/m/G/z; де z - це критерій оцінки ефективності складеного розкладу.
Типовою задачею теорії розкладу є задача упорядкування розкладу технологічної лінії, яка складається з m верстатів, на яких необхідно обробляти комплекти деталей з n штук. Критерієм оптимальності розкладу є мінімальний час для обробки всіх n деталей, кожна з яких повинна послідовно пройти обробку на кожному верстаті. Ця задача відома як «задача Джонсона».
Складність задачі Джонсона для m верстатів і n деталей полягає в переборі великої кількості можливих варіантів порядку обробки деталі і порівняння за тривалістю розкладу.
Постановка задачі:
Існує кінцева кількість робіт, що повинні бути виконані двома машинами,
причому будь-яка робота може бути виконана другою машиною лише після того,
як вона виконана першою машиною. Порядок виконання робіт на машинах довільний. Відомо час tij виконання j-ої роботи на i-ій машині. Необхідно
48
визначити такий порядок робіт, при якому час завершення всіх робіт буде мінімальним.
Позначимо tnpj як час простою другої машини перед виконанням j-ої роботи. Тоді час завершення виконання всіх робіт визначається виразом:
n n
Ttij tnp. j j 1 j 1
Нехай час виконання робіт задано у вигляді матриці 2 n.
Алгоритм Джонсона:
1.Шукаємо в матриці найменший елемент, якщо їх декілька - вибираємо будь-який. Якщо мінімальний елемент розташований у першому рядку, то відповідна j-та робота ставиться на крайнє ліве, незайняте місце, в
розкладі, що визначається. Якщо ж мінімальний елемент знаходиться в другому рядку, то робота ставиться на крайнє праве, незайняте місце в розкладі.
2.Виключаємо з вихідної матриці стовпець, що містить мінімальний елемент.
Кроки 1 і 2 повторюємо доти, поки не залишиться один стовпець у матриці й одне незайняте місце в розкладі.
При m 3 алгоритм Джонсона в наведеному виді використати не можливо.
Але, якщо m = 3 або n = 4, загальна кількість варіантів може бути зменшеною з урахуванням ствердження: оптимальний план задачі Джонсона довільної розмірності може бути досягненим на множині допустимих планів, в якій послідовність запуска деталей на першому станку співпадає з послідовністю запуска деталей другого станка,..., послідовність запуска деталей на останньому станку – з послідовністю на передостанньому. Тому алгоритм 2-х машин можливо використати для 3-х у випадку, коли min t1j max t2j або min t1j max t2j. Тоді оптимальне рішення знаходиться по перетвореним рядкам матриці 3 n, які складаються по правилу: t4j = t1j + t2j, t5j = t2j + t3j.
49
![](/html/2706/746/html_CcfkwB_SfY.KVqQ/htmlconvd-7o3UAl48x1.jpg)
|
Розглянемо рішення задачі Джонсона для n=3 |
|
|
|
|
|
|||||||
i |
1 |
2 |
3 |
4 |
5 |
|
|
|
|
|
|
|
|
j |
t1j |
8 |
12 |
9 |
8 |
7 |
|
|
|||||
|
|
|
|
|
|
|
|||||||
t1j |
8 |
12 |
9 |
8 |
7 |
|
|
|
|
|
|
|
|
t2j |
7 |
6 |
4 |
6 |
4 |
t2j |
8 |
6 6 |
6 3 4 4 7 4 |
|
|
||
t3j |
5 |
13 |
8 |
9 |
4 |
|
|
|
|
|
|
|
|
t4j |
15 |
18 |
13 |
14 |
11 |
t3j |
14 |
9 |
3 |
13 |
8 |
5 |
4 |
t5j |
12 |
19 |
12 |
15 |
8 |
|
|
|
|
|
|
|
|
опт. |
4 |
2 |
3 |
1 |
5 |
tпр |
14 |
6 |
|
3 |
|
|
|
план |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
T=17+39=56 Час простою першої машини 21 година, другої – 17 машин. |
|
ЗАВДАННЯ 8
Існує кінцева кількість робіт, що повинні бути виконані трьома машинами, причому будь-яка робота може бути виконана i-ою машиною лише після того, як вона виконана (i-1)-ою машиною. Порядок виконання робіт на машинах довільний. Відомо час tij виконання j-ої роботи на i-ій машині. Необхідно визначити такий порядок робіт, при якому час завершення всіх робіт буде мінімальним.
№ вар. |
|
|
Час виконання j-ої роботи |
|
|
|||||
|
1 |
2 |
|
3 |
4 |
|
5 |
|
6 |
7 |
1 |
11 |
5 |
|
16 |
23 |
|
22 |
|
24 |
3 |
|
2 |
3 |
|
6 |
8 |
|
4 |
|
4 |
7 |
|
8 |
8 |
|
9 |
11 |
|
15 |
|
11 |
11 |
2 |
11 |
23 |
|
13 |
12 |
|
10 |
|
24 |
21 |
|
5 |
9 |
|
4 |
4 |
|
9 |
|
1 |
4 |
|
13 |
10 |
|
20 |
11 |
|
20 |
|
5 |
7 |
3 |
10 |
11 |
|
14 |
14 |
|
11 |
|
25 |
14 |
|
8 |
3 |
|
3 |
5 |
|
9 |
|
2 |
8 |
|
21 |
19 |
|
5 |
6 |
|
20 |
|
17 |
7 |
|
|
|
|
|
|
50 |
|
|
|
|
![](/html/2706/746/html_CcfkwB_SfY.KVqQ/htmlconvd-7o3UAl49x1.jpg)
4 |
12 |
15 |
19 |
15 |
|
17 |
24 |
18 |
|
5 |
2 |
11 |
9 |
|
7 |
12 |
6 |
|
4 |
20 |
19 |
25 |
|
23 |
23 |
15 |
5 |
14 |
18 |
14 |
6 |
|
4 |
21 |
18 |
|
9 |
6 |
6 |
3 |
|
8 |
7 |
8 |
|
10 |
10 |
10 |
21 |
|
18 |
9 |
23 |
6 |
4 |
19 |
13 |
14 |
|
9 |
9 |
21 |
|
10 |
8 |
2 |
12 |
|
7 |
13 |
4 |
|
21 |
22 |
15 |
22 |
|
13 |
18 |
22 |
7 |
19 |
18 |
19 |
16 |
|
17 |
15 |
24 |
|
9 |
15 |
12 |
11 |
|
13 |
10 |
13 |
|
16 |
19 |
12 |
5 |
|
23 |
11 |
5 |
8 |
20 |
20 |
18 |
17 |
|
9 |
20 |
18 |
|
22 |
3 |
18 |
23 |
|
4 |
14 |
23 |
|
24 |
26 |
25 |
24 |
|
24 |
29 |
25 |
9 |
14 |
22 |
18 |
23 |
|
13 |
17 |
24 |
|
3 |
11 |
10 |
4 |
|
6 |
8 |
13 |
|
15 |
6 |
5 |
16 |
|
21 |
4 |
9 |
10 |
18 |
12 |
11 |
13 |
|
10 |
8 |
19 |
|
15 |
23 |
16 |
15 |
|
16 |
16 |
14 |
|
5 |
16 |
15 |
20 |
|
8 |
19 |
16 |
11 |
18 |
21 |
24 |
25 |
|
25 |
19 |
22 |
|
7 |
3 |
7 |
16 |
|
18 |
7 |
7 |
|
18 |
15 |
9 |
15 |
|
7 |
7 |
22 |
12 |
24 |
9 |
12 |
15 |
|
24 |
19 |
24 |
|
6 |
4 |
9 |
7 |
|
2 |
1 |
4 |
|
23 |
12 |
6 |
4 |
|
8 |
18 |
21 |
13 |
13 |
14 |
16 |
11 |
|
21 |
10 |
25 |
|
10 |
9 |
7 |
10 |
|
3 |
8 |
5 |
|
5 |
23 |
22 |
16 |
|
3 |
18 |
18 |
14 |
24 |
27 |
27 |
29 |
|
28 |
24 |
25 |
|
7 |
24 |
6 |
11 |
|
5 |
24 |
14 |
|
17 |
21 |
24 |
13 |
|
6 |
9 |
21 |
15 |
21 |
18 |
9 |
8 |
|
13 |
9 |
9 |
|
1 |
7 |
3 |
2 |
|
4 |
5 |
7 |
|
13 |
6 |
5 |
3 |
|
19 |
11 |
18 |
16 |
10 |
22 |
14 |
10 |
|
17 |
13 |
15 |
|
9 |
1 |
8 |
8 |
|
9 |
10 |
5 |
|
21 |
24 |
9 |
15 |
|
7 |
20 |
16 |
17 |
24 |
26 |
23 |
24 |
|
24 |
32 |
26 |
|
20 |
23 |
6 |
17 |
|
4 |
15 |
22 |
|
22 |
15 |
8 |
19 |
|
18 |
20 |
7 |
|
|
|
|
|
51 |
|
|
|
18 |
19 |
24 |
16 |
11 |
16 |
24 |
3 |
|
14 |
13 |
21 |
23 |
24 |
4 |
20 |
|
27 |
25 |
28 |
23 |
24 |
28 |
24 |
19 |
14 |
14 |
4 |
18 |
16 |
19 |
13 |
|
10 |
8 |
4 |
5 |
9 |
2 |
8 |
|
23 |
25 |
23 |
16 |
10 |
12 |
16 |
20 |
21 |
22 |
19 |
25 |
18 |
21 |
27 |
|
17 |
18 |
1 |
12 |
16 |
10 |
18 |
|
24 |
13 |
6 |
7 |
20 |
24 |
9 |
52