3. Економічна інтерпретація математичного розв’язку транспортної задачі

Мінімальна вартість перевезень від постачальників до споживачів (15750 грн.) буде отримана за умови, якщо буде перевезено сировину:

На завод № 1

від господарства № 2 – 80 одиниць,

від господарства № 4 – 140 одиниць.

На завод № 2

від господарства № 1 – 100 одиниць,

від господарства № 2 – 140 одиниць.

На завод № 3

від господарства № 3 – 110 одиниць,

від господарства № 4 – 30 одиниць,

від господарства № 5 – 120 одиниць.

У звіті по результатам (рис. 8.8) порівнюються базовий і оптимальний обсяги виробництва. Тут вказані коефіцієнти цільової функції загалом до і після оптимізації, а також обмеження. Навпроти кожного обмеження є статус. Якщо статус зв’язаний, то це означає що ресурс вже використаний повністю і немає можливості збільшити його. Якщо статус не зв’язаний, то це означає що відповідного показника є більше, ніж потрібно, частина його не використана.

Рис. 12.8.

Коротко за звітом по стійкості (рис. 12.9).

Показник нормована вартість, показує як зміниться цільова функція при примусовому збільшенні на одиницю j-го виду споживання. Цей звіт показує, що транспортування сировини на завод № 1 та на завод № 2 є вигідним.

Рис. 12.9.

Звіт по границям (рис. 12.8).

У ньому показано, у яких межах може змінюватися постачання сировини, що ввійшла в оптимальне рішення, при збереженні структури оптимального рішення:

Рис. 12.8.

Тема 4. Нелінійні оптимізаційні моделі економічних систем

Взаємозв’язки між економічними показниками досить часто носять нелінійний характер і побудована лінійна модель в такому випадку буде неадекватна реальній дійсності. Нелінійне програмування використовується для задач планування виробництва, управління ресурсами, контролю якості продукції.

В загальному випадку задача нелінійного програмування має вигляд:

(4.1)

де , – нелінійні залежності цільової функції та обмежень.

Для розв’язування задач нелінійного програмування не існує універсального методу, а тому доводиться застосовувати багато методів та обчислювальних алгоритмів, які в основному ґрунтуються на теорії диференціального числення, і вибір їх залежить від конкретної постановки задачі та форми економіко-математичної моделі.

До нелінійних методів знаходження оптимізаційних рішень відносяться: класичний метод оптимізації (за допомогою множників Лагранжа); метод прямого пошуку (градієнтний метод); випукле (квадратичне) програмування; метод Куна-Такера, та ін.

Часто задачу нелінійного програмування намагаються привести до лінійного виду, але заміна функції призводить до значних похибок, що зображено на рис. 4.1.

Рис. 4.1. Приклад випуклої функції.

В точках х₁ та х₃ значення обох функцій співпадають, а в точці х₂ відрізняються значною мірою.

Ми бачимо, що лінеаризація нелінійних процесів не завжди себе виправдовує і в загальному випадку є досить складною математичною задачею.

При розв’язуванні нелінійних задач використовують наближені методи, більшість яких дають змогу знаходити локальні оптимуми, а вже знайшовши всі локальні оптимуми, методом порівняння значень цільової функції у кожній з точок локального оптимуму можна знайти глобальний. Наприклад, на рис. 4.2 маємо на деякому відрізку локальні оптимуми в точках х₁, х₂, х₄, х₅, х₆, х₇, х₉ та х₁₀, а глобальні – в точках х₃ та х₈. Проте для практичних розрахунків такий метод не завжди ефективний, тому що часто наближені методи не «вловлюють» глобального оптимуму, особливо коли глобальний оптимум лежить досить близько до локального.

Рис. 4.2. Приклад нелінійної функції.

У задачах лінійного програмування точка оптимуму завжди була граничною, а в нелінійних вона може бути або граничною, або такою, що міститься всередині допустимої області розв’язків.