Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Vlasov_Metody_optimizacii_i_optimalnogo_upravle...doc
Скачиваний:
1
Добавлен:
01.05.2025
Размер:
2.03 Mб
Скачать

2.6. Учет ограничений типа неравенств

В общей постановке задачи линейного программирования при-сутствуют ограничения в виде неравенств (см. раздел 2.1). Оказы-вается, эти ограничения легко перевести в ограничения типа ра-венств за счет введения вспомогательных переменных. Каждому такому ограничению соответствует одна дополнительная перемен-ная. Рассмотрим введение дополнительных переменных на приме-

ре одного ограничения,

заданного с помощью

неравенства

a11 x1 + a12 x 2 + ... + a1 n x n b1 .

Введем вспомогательную

переменную

u1 = b1 a11 x1 a12 x 2 ... a1 n xn . В условиях исходного ограничения переменная u1 неотрицательна. Поэтому рассматривается новое ограничение в виде равенства u1 + a11 x1 + a12 x 2 + ... + a1 n xn = b1 . Если

имеется k ограничений типа неравенств, то необходимо ввести k вспомогательных переменных. Таким образом, рассматривается новая задача линейного программирования с k + m ограничениями типа равенств и k + n переменными при прежней линейной форме. Если найдено решение новой задачи, то известно наименьшее зна-чение LН линейной формы и значения всех переменных

x1 , x 2 ,..., xn , u1 ,...,uk . Из полученного решения надо выделить только

32

LН и значения переменных x1 , x 2 ,..., xn , что и составит решение ис-ходной задачи.

2.7. Поиск начальной экстремальной точки

Симплексный метод решения требует знания хотя бы одной (любой) экстремальной точки, иначе невозможно начать вычисле-ния. Если размерность задачи велика, то максимальное возможное число экстремальных точек может оказаться очень большим, но согласно теореме 2, приведенной в разделе 2.4, гарантировать можно существование только одной экстремальной точки. Это мо-жет привести к трудоемкому перебору всех возможных ситуаций, для которых проверяется возможность определения экстремальной точки. Поэтому процедуру поиска исходной экстремальной точки целесообразно автоматизировать. Это может быть сделано с помо-щью решения вспомогательной задачи линейного программирова-ния.

Пусть задана задача линейного программирова-ния: S = { x : Ax = b , x ≥ 0} , L = c T x , причем b ≠ 0 и b ≥ 0 (этого мож-

но добиться всегда, поскольку при отрицательном bj соответст-

вующее ограничение можно умножить на -1). Введем новую ли-нейную форму LН = y1 + y 2 + ... + ym (все слагаемые предполагаются

неотрицательными) и новую область допустимых решений Ax + y = b , где y вектор с составляющими y1 , y 2 ,..., ym . Получим

новую задачу линейного программирования. У этой задачи есть очевидная экстремальная точка x = 0, y = b , которую можно взять

за исходную. Решим новую задачу симплексным методом. По-скольку y ≥ 0 , то имеется очевидное наименьшее значение формы

LH , равное нулю при, этом y = 0 и вектор x принял определенное

значение. Понятно, что справедливо неравенство x ≠ 0 , т.е. содер-жит не нулевые составляющие. В противном случае было бы полу-чено противоречие Ax + y = 0 , поскольку Ax + y = b ≠ 0 . Найден-

ное значение вектора x и будет экстремальной точкой исходной задачи.

33

Следует заметить, что условие b = 0 всегда приводило бы к экс-тремальной точке с нулевыми координатами, поскольку в этом

случае xB = B 1b = 0 (см. раздел 2.3).

Контрольные вопросы

  1. Какой вид имеют ограничения в задачах линейного про-граммирования?

  2. Как записывается уравнение плоскости в многомерном про-странстве?

  3. Что такое экстремальная (угловая) точка?

  4. Каков алгоритм поиска экстремальных точек?

  5. Каков геометрический смысл симплексного метода?

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]