- •7.080401 «Інформаційні управляючі системи та технології»
- •Математичні методи дослідження операцій у будівництві: б12 Навчальний посібник. – к: кнуба, 2006. – 107 с.
- •2.5. Алгоритм розрахунку псевдоплану для двоїстого
- •4.2. Класифікація методів розв’язання задач цілочислового
- •5.5. Задача прогнозування термінів ремонту будівельних
- •6.4. Задача про найкоротший шлях для орієнтованих та
- •6.5. Задача про найкоротший шлях для багатополюсних мереж.
- •6.7. Задача про максимальний потік для однополюсних мереж.
- •7.5. Сепарабельне програмування.
- •8.2. Загальний алгоритм складання розкладу занять
- •1. Загальні визначення, класифікація моделей і методів
- •1.1. Загальні визначення дослідження операцій
- •1.2. Приклади постановок задач лінійного програмування та їх геометрична інтерпретація Задача про рекламу
- •Задача про бетонно-розчинний вузол (брв)
- •1.3. Основні етапи та класифікація моделей та методів дослідження операцій
- •Контрольні запитання
- •2. Лінійне програмування
- •Розглянемо приклад розв’язання задачі лінійного програмування:
- •2.1. Графічний метод розв’язання задач лінійного програмування
- •2.2. Алгоритм зведення до канонічного вигляду задач лінійного програмування
- •2.3. Метод симплекс-таблиць
- •2.4. Двоїста задача лінійного програмування
- •Отримавши результат – вектор y, можна на базі описаної системи знайти вектор X. Для розв’язання прямої задачі потрібно:
- •2.5. Алгоритм розрахунку псевдоплану для двоїстого симплекс-методу
- •3*10 – Розмірність задачі см.
- •2.6. Двоїстий симплекс-метод
- •Контрольні запитання
- •3. Задачі спеціального лінійного програмування
- •Задача призначення (про розподілення обладнання). Між чотирма кар’єрами потрібно розподілити п’ять екскаваторів таким чином, щоб їх виробітка була максимальною.
- •3.2. Задача про призначення
- •Алгоритм угорського методу задачі призначення має такі етапи.
- •3.3. Методи пошуку опорного рішення транспортної задачі
- •Метод Північно–Західного Кута (мпзк) має такі етапи:
- •Метод мінімального елемента (мме) має такі етапи:
- •3.4. Метод потенціалів транспортної задачі
- •Примітка. Цільова функція має постійно покращуватися (крім випадку, коли спрямовуючий елемент рівний ). Контроль правильності розрахунку має завжди дорівнювати:
- •Розглянемо алгоритм розв’язання задач методом потенціалів.
- •3.5. Угорський метод транспортної задачі
- •3.6. Різновиди транспортної задачі та їх використання
- •Контрольні запитання
- •4. Задачі цілочислового лінійного програмування
- •4.1. Загальне визначення цілочислового лінійного програмування
- •4.2. Класифікація методів розв’язання задач цілочислового лінійного програмування
- •Розв’язавши графічно, одержимо:
- •4.3. Метод відтинаючих площин
- •У комп’ютерній програмі стратегія реалізується таким чином.
- •Контрольні запитання
- •5. Динамічне програмування
- •5.1. Загальні визначення та алгоритм динамічного програмування
- •До особливостей розв’язку задач дп можна віднести.
- •5.2. Задача про інвестиції
- •5.3. Задача розрахунку траєкторії літака
- •5.4. Задача про рюкзак (завантаження транспортного засобу)
- •5.5. Задача прогнозування термінів ремонту будівельних конструкцій
- •Контрольні запитання
- •6. Методи аналізу мереж та потокове програмування
- •6.1. Загальні визначення потокового програмування
- •6.2. Способи представлення мереж
- •6.3. Типові задачі оптимізації на мережах
- •1. Задача визначення найкоротшого шляху в мережі:
- •6.4. Задача про найкоротший шлях для орієнтованих та біорієнтованих мереж. Алгоритми Дейкстра 1 та 2
- •6.5. Задача про найкоротший шлях для багатополюсних мереж. Алгоритм Флойда
- •6.6. Задача про мінімальний остов
- •6.7. Задача про максимальний потік для однополюсних мереж. Алгоритм Дейкстра 4
- •6.8. Задача про максимальний потік для багатополюсних мереж. Мінімальний розріз. Алгоритм Гоморі-Ху
- •Контрольні запитання
- •7. Розв’язання задач нелінійного програмування
- •7.1. Загальні визначення нелінійного програмування
- •7.2. Правило множників Лагранжа
- •7.3. Узагальнене правило Лагранжа
- •7.4. Умова Куна-Такера
- •7.5. Сепарабельне програмування. Метод кусочно-лінійної апроксимації
- •7.6. Загальна класифікація задач нелінійного програмування
- •8. Розв’язання багатокритеріальних задач
- •8.1. Основні визначення та моделі багатокритеріальних задач
- •8.2. Загальний алгоритм складання розкладу занять з використанням методів дослідження операцій
- •8.3. Класифікація методів технічного пошуку рішень
- •8.4. Моделювання гнучкості для забезпечення властивості бути керованим
- •Список літератури
7.2. Правило множників Лагранжа
Правило множників Лагранжа використовується для знаходження оптимуму в задачах НП тоді, коли обмеження мають вигляд:
;
.
Ідея правила множників Лагранжа така.
1. Згорнути всі цільові функції та обмеження в одну функцію, ввівши нові змінні λi, і записати отриману функцію Лагранжа:
.
Отримати результати значень xi та λi шляхом безумовної оптимізації (безумовну оптимізацію описано в п. 7.1).
Розглянемо приклад:
Введемо нові змінні λi для кожного обмеження:
Продиференціюємо
одержану функцію за кожною змінною:
Ця задача розв’язується доволі трудомістким аналітичним способом. Сам же результат: (x, y, z, λ1, λ2) = (0.804, 0.3477, 0.2855, -0.0869, -0.3043). Визначення знака екстремуму (min чи max) можливе двома варіантами.
Обравши довільну точку округи, наприклад, f0(0.804, 0.3477, 0.2855), визначаємо знак екстремуму залежно від того, що більше: f >f0.
Формуємо матрицю (Гессе), розмірність якої дорівнює кількості змінних і обчислюємо визначник, від якого залежить знак екстремуму:
Δ = |
|
x |
y |
z |
λ1 |
λ2 |
= 640 |
|
|
2 |
0 |
0 |
1 |
5 |
|||
|
0 |
2 |
0 |
1 |
2 |
|||
|
0 |
0 |
2 |
3 |
1 |
|||
|
1 |
1 |
3 |
0 |
0 |
|||
|
5 |
2 |
1 |
0 |
0 |
Відповідь: (x, y, z, λ1, λ2) = (0.804, 0.3477, 0.2855, -0.0869, -0.3043), f(x, y, z) = 0.848, extrmin.
7.3. Узагальнене правило Лагранжа
Узагальнене правило Лагранжа використовують для знаходження оптимуму в задачах НП тоді, коли обмеження мають вигляд:
.
Ідея узагальненого правила Лагранжа полягає в тому, що функція Лагранжа будується поступово, причому результатом кожної ітерації є рішення, яке необхідно підставити в інші обмеження. Якщо це рішення задовольняє обмеженням, то оптимальний розв’язок знайдений, якщо ні, то у функцію Лагранжа додається одне з обмежень.
Розглянемо приклад:
1-а ітерація: будуємо функцію Лагранжа на основі ЦФ й обмежень типу рівності і розв’язуємо задачу безумовної оптимізації:
Після розв’язку підставляємо отримані x, y та z в ті обмеження, що залишилися. Якщо вони відповідають обмеженням, то розв’язок задачі знайдено. Інакше:
2-а ітерація: знов будуємо функцію Лагранжа з урахуванням того обмеження, що не задовольняє попереднє рішення, і проводимо умовну оптимізацію:
.
Таким чином, генерується і розв’язується система з п’яти рівнянь, доки не будуть розглянуті всі обмеження.
Примітка. Якщо на етапі розв’язання системи рівнянь розв’язок відсутній, то метод множників Лагранжа теж не дасть розв’язку. Тоді можливі два висновки:
розв’язок дійсно відсутній, тому що область припустимих рішень не обмежена зверху чи знизу або цільова функція не відповідає знаку;
розв’язок є, але його не можна знайти, використовуючи даний метод.
