![](/user_photo/2706_HbeT2.jpg)
- •60Путей сообщения (миит)
- •Математические модели и методы в инженерных расчетах
- •Введение
- •1.Математические модели
- •1.1Модель процесса проектирования
- •1.2Теория вероятностей
- •1.3 Математическая статистика
- •1.4Сортировка
- •1.5Интерполяция табличных зависимостей
- •1.6Аппроксимация.
- •1.6.1Метод наименьших квадратов для многочленов
- •1.6.2 Полиномиальная аппроксимация
- •1.6.3Линейная аппроксимация
- •1.7Сглаживание данных
- •1.8Предсказание (экстраполяция функции)
- •1.9 Рис. 1.14 Экстраполяция функции. Численное дифференцирование
- •1.10Вычисление определенного интеграла
- •1.11Численное решение дифференциальных уравнений
- •1.12Моделирование рельефа местности
- •1.13 Рис. 1.19 Цифровая модель рельефа и продольный профиль земли по заданному направлению Моделирование продольного профиля и плана при реконструкции железных дорог
- •2.Математические методы
- •2.1Реализация численной модели на эвм
- •2.2Целевая функция. Ограничения
- •2.3Оптимизация без ограничений
- •2.3.1Прямой одномерный поиск
- •2.4Прямой многомерный поиск
- •2.4.1Градиентные методы
- •2.5 Рис. 2.35 Градиентный метод. Оптимизация с ограничениями.
- •2.6Линейное программирование
- •2.7Нелинейное программирование
- •2.8Графы
- •2.9Метод динамического программирования.
- •2.10Поиск кратчайшего пути в графе
- •2.11Экономические аспекты автоматизированного проектирования.
- •2.12Проблемы программных реализаций.
- •Программного обеспечения.
- •1. Математические модели 4
- •2. Математические методы 41
- •Екатерина Александровна Рыжик
2.6Линейное программирование
Наиболее известной задачей математического программирования является задача линейного программирования, в которой целевая функция и все ограничения линейны:
.
Поверхность целевой функции представляет собой n - мерную плоскость. Допустимая область изменения управляемых переменных выпукла. Оптимальное решение совпадает с одной из вершин допустимой области (рис.2.13.а) или, если одна из границ допустимой области параллельна линиям уровня (рис. 2.13.б), - задача имеет бесчисленное множество решений.
Многие задачи были и будут сформулированы в таком виде. Для решения этой задачи применяется симплекс-метод, который обеспечивает нахождение строго оптимального решения за конечное число шагов (если оно существует). При этом производится обход всех вершин границы допустимой области, в одной из которых и достигается оптимум.
Решение задачи линейного программирования превратилось в стандартную проблему, все системы компьютерной математики имеют средства для ее решения.
Рис. 2.38
Линейное программирование
Решение типовой задачи линейного программирования (MathCAD).
Цех
малого предприятия должен изготовить
100 изделий трех типов. Каждого изделия
нужно сделать не менее 20 штук. На изделия
уходит соответственно 4, 3.4 и 2 кг металла
при общем запасе 340 кг, а также по 4.75, 11
и 2 кг пластмассы при ее общем запасе
700 кг. Сколько изделий каждого типа x1,
x2
и x3
нужно изготовить для максимального
объема выпуска в денежном выражении,
если цена изделий составляет по
калькуляции 4, 3 и 2 рубля? Задача сводится
к вычислению максимума функции:
2.7Нелинейное программирование
Целевая функция может быть нелинейной.
Если данная функция является квадратичной
,
то есть строго выпуклой или вогнутой,
то при линейных ограничениях
- задача имеет единственное решение.
В отличие от задачи линейного программирования, где оптимум всегда лежит на границе допустимой области в одной из ее вершин, в задаче квадратичного программирования такая определенность отсутствует и ее нельзя решить перебором определенных и заранее известных комбинаций значений управляемых переменных.
Рис. 2.39
Нелинейная задача.
Для решения задачи могут использоваться различные методы.
Главная проблема при использовании всех методов состоит в том, чтобы «удержать» решение внутри допустимой области - при выходе за ее границу ввести в решение поправку, обеспечивающую движение в улучшающем направлении вдоль границы допустимой области. Данную поправку естественно взять минимальной.
При этом известно, что любое направление, составляющее острый угол с направлением наискорейшего спуска, является улучшающим. Практически это сводится к проекции вариации управляемых переменных на границу допустимой области (рис.2.15).
Рис. 2.40
Минимальная поправка