
- •1.Классы задач принятия решений, системный анализ и характеристика его этапов.
- •2. Графы смо с простейшими потоками
- •6. Замкнутые смо.
- •3. Принятие решений в условиях риска, неопределенности и конфликты
- •4. Основы линейного программирования. Область применения.
- •В общем случае модель задачи лп имеет вид
- •Задача составления рациона или как экономно питаться
- •Игра двух лиц с нулевой суммой как задача линейного программирования
- •Модели управления транспортными потоками.
- •Простейшая транспортная задача (т-задача)
- •Транспортная задача с ограниченными пропускными способностями (Td - задача)
- •Задачи с неоднородным грузом
- •Многоиндексные задачи
- •Транспортные задачи по критерию времени
- •Оптимизация транспортных потоков Метод потенциалов
- •Построение начального плана перевозок
- •Правило северо-западного угла
- •Правило минимального элемента.
- •Переход от одного плана перевозок к другому
- •Признак оптимальности
- •Алгоритм метода потенциалов
- •Приведение открытой транспортной задачи к закрытой
- •Решение задачи по критерию времени
- •Транспортные задачи в сетевой постановке (транспортные сети)
- •Методы управления проектом.
- •8. Двойственность задач оптимизации.
- •Запись двойственной задачи в симметричном случае
- •Интерпретация двойственной задачи
- •Запись двойственной задачи в общем случае
- •Теоремы двойственности
- •Двойственный симплекс-метод
- •9. Декомпозиция задач планирования большой размерности.
- •Метод декомпозиции Данцига - Вулфа
- •10. Методы определения целочисленных решений.
- •Метод отсечений
- •Метод ветвей и границ
- •Аддитивный алгоритм
- •11. Основы динамического программирования. Достоинства и недостатки метода.
- •Работа метода дп
- •Функциональное уравнение дп
- •Многомерные задачи динамического программирования
- •Снижение размерности с помощью множителей Лагранжа
- •12. Оптимизация надежности технических систем, систем распределения ресурсов.
- •4.2.3. Сбалансированная транспортная задача
- •13. Классы задач нелинейного программирования и методы их решения. Х арактеристика задач
- •Условия оптимальности
- •Методы решения задач нп
- •14. Задачи нелинейного программирования, сводящиеся к линейным. Квадратичное программирование
- •Сепарабельное программирование (сп)
- •1 5. Классификация и характеристика методов «спуска».
- •Методы одномерной минимизации. Метод деления шага пополам
- •Квадратичная аппроксимация
- •Метод деления интервала пополам
- •Метод золотого сечения
- •Метод Фибоначчи
- •Метод первого порядка
- •Методы второго порядка
- •Многомерный поиск безусловного минимума Метод Гаусса-Зейделя (покоординатного спуска)
- •Метод Хука-Дживса (метод конфигураций)
- •Симплексный метод
- •Метод Ньютона
- •М етоды сопряженных направлений
- •Методы условной оптимизации
- •Метод проектирования градиента
- •Метод штрафных функций
- •Метод барьерных функций
- •16. Методы случайного поиска и генетические алгоритмы.
- •8.8.7. Методы случайного поиска
- •Алгоритм с возвратом при неудачном шаге
- •Алгоритм с обратным шагом
- •Алгоритм наилучшей пробы
- •Алгоритм статистического градиента
- •8.8.8. Генетические алгоритмы
- •17. Особенности принятия решений при многих критериях.
- •18. Методы свертки и целевого программирования в принятии решений по многим критериям.
- •10.2.1.4. Линейная свертка
- •10.2.1.5. Максиминная свертка
- •10.2.1.7. Целевое программирование (цп)
- •19. Интерактивные методы принятия решений
Транспортные задачи по критерию времени
При осуществлении перевозок определяющим показателем могут быть не затраты, а время доставки. Характерными примерами являются чрезвычайные ситуации, перевозка раненых, скоропортящихся продуктов и т. п. Тогда вместо матрицы транспортных затрат дается матрица времени [tij], а критерий выражает время завершения всех перевозок:
где
максимум берется по коммуникациям, на
которых перевозки больше нуля.
Предполагается, что перевозки между
всеми пунктами начинаются одновременно
и ведутся параллельно. Условия задачи
записываются как и в случаях с
критерием-затратами. Однако здесь
критериальная функция нелинейна, что
принципиально отличает эту задачу от
ранее рассмотренных. В то же время она
легко преобразуется к линейному виду,
и решение задачи может быть получено
любым универсальным методом линейного
программирования.
Для решения транспортных задач применяют специальные методы, которые учитывают их особенности и поэтому более эффективны, чем универсальные. К ним относятся распределительный метод, метод потенциалов, венгерский метод, метод Глейзала и др. Основными являются методы венгерский и потенциалов. Они применяются для решения задач как типа Т, так и Тd.
Оптимизация транспортных потоков Метод потенциалов
Оптимальное решение ищется путем последовательных переходов от одного базисного решения (опорного плана) к другому с лучшим значением критерия.
Построение начального плана перевозок
Размерность базисного решения или плана перевозок равна m+n-1, где m и n – число ПО и ПН сбалансированной задачи. Если задача открытая, то сначала ее необходимо сбалансировать. В транспортных задачах вырожденность базисного решения встречается очень часто. В задаче заведомо будут вырожденные решения, если имеются такие неполные группы пунктов отправления и назначения, что суммарная возможность первых равна суммарной потребности вторых. Вырожденным может оказаться и начальное решение. Для построения начального плана перевозок применяют правила северо-западного угла, минимального элемента и алгоритм Фогеля.
Правило северо-западного угла
Построение плана начинается с северо-западной клетки таблицы, то есть первым определяется значение переменной X11.
|
b1 |
b2 |
… |
bn |
|
C11 X11 |
C12 X12 |
… |
C1n X1n |
|
C21 X21 |
C22 X22 |
… |
C2n X2n |
… |
… |
… |
… |
… |
|
Cm1 Xm1 |
Cm2 Xm2 |
… |
Cmn Xmn |
Так
как оно должно быть максимально
допустимым, то
Если X11=а1,
то закрывается первая строка и
X12=X13=…=X1n=0,
а следующей базисной переменной будет
X21.
Из указанного выше принципа следует
X21=min(a2,
b1-a1).
Если же окажется, что X11=b1,
то закроется первый столбец и следующей
базисной переменной станет X12=min(a1-b1,
b2).
Общее правило определения значения
очередной базисной переменной:
Xij=min(остаток
от ai,
остаток до bj).(13)
Таким образом, число базисных переменных равно m+ n-1. Построение начального плана завершено.