2. Приклади моделей лінійного програмування

Задача визначення оптимального плану виробництва: для деякої виробничої системи (цеху) необхідно визначити план випуску n видів продукції Х = (х₁, х₂, …, х_n), що максимізує прибуток від її реалізації. У виробництвs задіяні m ресурсів: сировина тощо. Відомі загальні запаси ресурсів , норми витрат і-го ресурсу на виробництво одиниці j-ої продукції та прибуток з одиниці j-ої реалізованої продукції . Загальна лінійна екон-мат модель:

.

Задача про «дієту»: деякий раціон складається з n видів продуктів. Відомі вартість одиниці кожного продукту – , кількість необхідних організму поживних речовин m та потреба в кожній i-ій речовині – . В одиниці j-го продукту міститься поживної речовини i. Необхідно знайти оптимальний раціон , Економіко-математична модель матиме вигляд:

Транспортна задача: розглядається m пунктів виробництва та n пунктів споживання деякої однорідної продукції. Відомі обсяги виробництва продукції у кожному i-му пункті – та потреби кожного j-го пункту споживання –– . Також задана матриця розмірністю , елементи якої є вартостями транспортування одиниці продукції з i-го пункту виробництва до j-го пункту споживання. Необхідно визначити оптимальні обсяги перевезень продукції , що мінімізують сумарну вартість перевезень з урахуванням наявності продукції у виробників та забезпечення вимог споживачів.

Економіко-математична модель транспортної задачі має такий вигляд:

3. Загальна задача лінійного програмування

Загальна задача лінійного програмування подається має вигляд:

(2.1)

(2.2) (2.3)

Отже, потрібно знайти значення змінних x₁, x₂, …, x_n, які задовольняють умови (2.2) і (2.3), і цільова функція (2.1) набуває екстремального (максимального чи мінімального) значення.

Для загальної задачі лінійного програмування використовуються такі поняття.

Вектор Х = (х₁, х₂, …, х_n), координати якого задовольняють систему обмежень (2.2) та умови невід’ємності змінних (2.3), називається допустимим розв’язком (планом) задачі лінійного програмування.

Допустимий план Х = (х₁, х₂, …, х_n) називається опорним планом задачі лінійного програмування, якщо він задовольняє не менше, ніж m лінійно незалежних обмежень системи (2.2) у вигляді рівностей, а також обмеження (2.3) щодо невід’ємності змінних.

Опорний план Х = (х₁, х₂, …, х_n), називається невиродженим, якщо він містить точно m додатних змінних, інакше він вироджений.

Опорний план , за якого цільова функція (2.1) досягає масимального (чи мінімального) значення, називається оптимальним розв’язком (планом) задачі лінійного програмування.

Задачу (2.1)–(2.3) можна легко звести до стандартної форми, тобто до такого вигляду, коли в системі обмежень (2.2) всі b_i (i = 1, 2, …, m) невід’ємні, а всі обмеження є рівностями.

Якщо якесь b_i від’ємне, то, помноживши i-те обмеження на (– 1), дістанемо у правій частині відповідної рівності додатне значення. Коли i-те обмеження має вигляд нерівності а_i1х₁ + а_i2х₂ + … + а_inx_n ≤ b_i, то останню завжди можна звести до рівності, увівши додаткову змінну x_n +1: a_i1x₁ + a_i2x₂ + … +  a_in x_n + x_{n + 1} = b_i.

Аналогічно обмеження виду а_k1x₁ + a_k2x₂ + … + a_knx_n ≥ b_k зводять до рівності, віднімаючи від лівої частини додаткову змінну х_n + 2, тобто: a_k1x₁ + a_k2x₂ + … + a_knx_n – x_{n + 2} = b_k (х_n+1 ≥ 0, х_n+2 ≥ 0).

Доведемо, що заміна нерівностей рівняннями за допомогою введення додаткових змінних не змінить розв’язку початкової задачі. Розглянемо лінійну нерівність з n невідомими:

(2.4)

Для зведення нерівності (2.4) до рівняння необхідно до її лівої частини додати деяку невід’ємну величину х_{n + 1} ≥ 0. У результаті дістаємо лінійне рівняння, яке містить n+1 змінну:

a₁x₁ + a₂x₂ + … + a_nx_n + x_{n + 1} = b.(2.5)

Теорема 2.1. Кожному розв’язку нерівності (2.4) відповідає єдиний розв’язок рівняння (2.5), який одночасно є розв’язком нерівності (2.4), і, навпаки, кожному розв’язку рівняння (2.5) і нерівності (2.4) відповідає єдиний розв’язок нерівності (2.4).