- •Математика в экономике Учебное пособие
- •Оглавление
- •Предисловие
- •Программа дисциплины Цели и задачи освоения учебной дисциплины
- •Содержание дисциплины
- •I. Линейное программирование
- •1.1. Общая задача линейного программирования Задачи математического и линейного программирования
- •Математические модели простейших экономических задач Задача использования ресурсов
- •Задача о составлении рациона питания
- •Каноническая форма задачи линейного программирования
- •Приведение общей задачи линейного программирования к канонической форме
- •Задачи для самостоятельного решения
- •1.2. Графический метод решения задач линейного программирования Задача с двумя переменными
- •Графический метод решения задач линейного программирования с п переменными
- •Задачи для самостоятельного решения
- •1.3. Основные положения о решении злп
- •Теоремы о взаимосвязи опорных решений и угловых точек области допустимых решений
- •1.4. Симплексный метод решения задач линейного программирования Симплекс-метод
- •Симплексные таблицы
- •Задачи для самостоятельного решения
- •1.5. Теория двойственности Виды математических моделей двойственных задач
- •Общие правила составления двойственных задач
- •Первая теорема двойственности
- •Вторая теорема двойственности
- •Задачи для самостоятельного решения
- •1.6. Транспортная задача линейного программирования
- •Формулировка транспортной задачи
- •Математическая модель транспортной задачи
- •Опорное решение транспортной задачи
- •Необходимое и достаточное условия разрешимости транспортной задачи
- •Метод вычеркивания
- •Методы построения начального опорного решения Метод северо-западного угла
- •Метод минимальной стоимости
- •Переход от одного опорного решения к другому
- •Распределительный метод
- •Метод потенциалов
- •Особенности решения транспортных задач с неправильным балансом
- •Алгоритм решения транспортной задачи методом потенциалов
- •Транспортная задача по критерию времени
- •Задачи для самостоятельного решения
- •Глава II. Теория игр
- •2.1. Математические модели конфликтных ситуаций
- •2.2. Чистые и смешанные стратегии Основная теорема теории игр
- •Основная теорема теории игр
- •Геометрическая интерпретация игры 2x2, игры 2xп.
- •Общие методы решения конечных игр. Сведение их к задачам линейного программирования
- •Игры с «природой».
- •Задачи для самостоятельного решения
- •Глава III. Теория массового обслуживания
- •3.1. Марковский случайный процесс
- •Понятие о марковском процессе
- •Потоки событий. Простейший поток.
- •Граф состоянии. Размеченный граф состояний
- •Уравнения Колмогорова для вероятностей состояния
- •Финальные вероятности состояний
- •3.2. Системы массового обслуживания
- •Смо с отказами
- •Смо с неограниченным ожиданием
- •Формулы для установившегося режима
- •Смо с ожиданием и с ограниченной длиной очереди
- •Формулы для установившегося режима
- •Задачи для самостоятельного решения
- •Глава IV. Целочисленное программирование
- •4.1 Общая формулировка задачи целочисленного программирования Общая формулировка задачи
- •Графический метод решения задач
- •Прогнозирование эффективного использования производственных площадей
- •Метод Гомори
- •Задачи для самостоятельного решения
- •Глава V. Нелинейное программирование
- •5.1. Задачи нелинейного программирования
- •Общая постановка задачи нелинейного программирования
- •Графический метод решения задач нелинейного программирования с двумя переменными
- •Задача с нелинейной целевой функцией и нелинейной системой ограничений
- •5.2. Метод множителей Лагранжа. Постановка задачи
- •Расчет экономико-математической модели при нелинейных реализациях продукции.
- •5.3. Дробно-линейное программирование Математическая модель задачи
- •Алгоритм решения.
- •Сведение экономико-математической модели дробно-линейного программирования к задаче линейного программирования
- •Задачи для самостоятельного решения
- •Глава VI. Динамическое программирование
- •6.1. Постановка задачи динамического программирования
- •Некоторые экономические задачи, решаемые методами динамического программирования Оптимальная стратегия замены оборудования
- •Оптимальное распределение ресурсов
- •Распределение инвестиций для эффективного использования потенциала предприятия
- •Нахождение рациональных затрат при строительстве трубопроводов и транспортных артерий
- •Задачи для самостоятельного решения
- •Глава VII. Сетевые модели
- •7.1. Основные понятия сетевой модели Основные понятия
- •Расчет временных параметров сетевого графика
- •Построение сетевого графика и распределение ресурсов
- •Учет стоимостных факторов при реализации сетевого графика
- •Обоснование привлекательности проекта по выпуску продукции
- •Минимизация сети
- •Алгоритм решения
- •Нахождение кратчайшего пути
- •Задача замены автомобильного парка
- •Задачи для самостоятельного решения
- •Тест для самоконтроля
- •Список используемой литературы
- •Список рекомендуемой литературы Основная литература:
- •Дополнительная литература:
- •Ключ к тесту для самоконтроля
Симплексные таблицы
Рассмотренный симплексный метод решения ЗЛП в предыдущем пункте можно свести к записи однотипно заполняемых таблиц. Осуществить это возможно, придерживаясь следующего алгоритма:
Привести задачу линейного программирования к каноническому виду.
Найти начальное опорное решение с базисом из единичных векторов и коэффициенты разложений векторов условий по базису опорного решения. Если опорное решение отсутствует, то задача не имеет решения в силу несовместности системы ограничений.
Вычислить оценки разложений векторов условий по базису опорного решения и заполнить симплексную таблицу.
Если выполняется признак единственности оптимального решения (для любого вектора условий, не входящего в базис, оценка отлична от нуля), то решение задачи заканчивается.
Если выполняется условие существования множества оптимальных решений (оценка хотя бы одного вектора условий, не входящего в базис, равна нулю), то путем простого перебора находят все оптимальные решения.
Если выполняются условия отсутствия оптимального решения вследствие неограниченности целевой функции (не имеет решения, если для какого-либо из векторов условий с оценкой, противоречащей признаку оптимальности, среди коэффициентов разложения по базису опорного решения нет положительного), то задача не имеет решения ввиду неограниченности целевой функции.
Если пункты 4-6 алгоритма не выполняются, находят новое опорное решение с использованием условий нахождения оптимального решения.
Пример 4. Решить задачу табличным симплексным методом.
F(Х) = 9х1+5х2+4х3 +3х4 +2х5 →max.
Решение. Приводим задачу к каноническому виду. Для этого в левую часть первого ограничения-неравенства типа «≤» вводим дополнительную переменную х6 с коэффициентом +1. В целевую функцию переменная х6 входит с коэффициентом 0 (т.е. не входит). Получаем
F(Х) = 9х1 +5х2+4х3 +3х4 +2х5 +0 х6→max.
Находим начальное опорное решение. Для этого свободные (неразрешенные) переменные приравниваем к нулю х1=х2=х3=0. Получаем опорное решение Х1=(0, 0, 0, 24, 30, 6) с единичным базисом Б1=(А4, А5, А6).
Вычисляем оценки разложений векторов условий по базису опорного решения, используя формулу (Δк=СбХк-ск, где Сб=(с1,с2,…,ст)― вектор коэффициентов целевой функции при базисных переменных; Хк=(х1к,х2к,…,хтк)-вектор коэффициентов разложения вектора по базису опорного решения; ск ― коэффициент целевой функции при хк):
Δ1= СбХ1 - с1= (0, 3, 2) · (1, 1, 2) - 9 = 0 + 3 + 4 - 9 = -2;
Δ2 = СбХ2 -с2= (0, 3, 2) · (-2, 2, 1) - 5 = 0 + 6 + 2 - 5 = 3;
Δ3 = СбХ3- с3= (0, 3, 2) · (2, 1, -4) - 4 = 0 + 3 - 8 - 4 = -9;
Δ 4 = СбХ4- с4 = (0, 3, 2) · (0, 1, 0) - 3 = 0 + 3 + 0 - 3 = 0;
Δ 5 = СбХ5 - с5 = (0, 3, 2) · (0, 0, 1) - 2 = 0 + 0 + 2 - 2 = 0;
Δ 6 = СбХ6 - с6 = (0, 3, 2) ·(1, 0, 0) - 0 = 0 + 0 + 0 - 0 = 0.
Оценки векторов, входящих в базис, всегда равны нулю. Обычно эти вычисления проводятся устно. Опорное решение, коэффициенты разложений и оценки разложений векторов условий по базису опорного решения записываются в симплексную таблицу. Сверху над таблицей для удобства вычислений оценок записываются коэффициенты целевой функции. В первом столбце «Б» записываются векторы, входящие в базис опорного решения. Порядок записи этих векторов в симплексной таблице соответствует номерам разрешенных неизвестных в уравнениях-ограничениях. Во втором столбце таблицы «Сб» записываются коэффициенты целевой функции при базисных переменных в том же порядке. При правильном расположении коэффициентов целевой функции в столбце «Сб» оценки единичных векторов, входящих в базис, всегда равны нулю.
В последней строке таблицы с оценками Δ к в столбце «А0» записывается значение целевой функции на опорном решении F(X1).
9 5 ↓4 3 2 0
Б |
Сб |
А0 |
А1 |
А2 |
А3 |
А4 |
А5 |
А6 |
θ1 |
θ3 |
←А6 |
0 |
6 |
1 |
-2 |
2 |
0 |
0 |
1 |
6 |
3 |
А4 |
3 |
24 |
1 |
2 |
1 |
1 |
0 |
0 |
24 |
24 |
А5 |
2 |
30 |
2 |
1 |
-4 |
0 |
1 |
0 |
15 |
- |
Δ к |
132 |
-2 |
3 |
-9 |
0 |
0 |
0 |
|
||
Начальное опорное решение не является оптимальным, так как оценки Δ1=-2, Δ3 = -9 для векторов А1 и А3 противоречат признаку оптимальности. Для оптимальности опорного решения в задаче на максимум требуется неотрицательность оценок для всех векторов условий.
По теореме об улучшении опорного решения, если в задаче на максимум хотя бы один вектор имеет отрицательную оценку, то можно найти новое опорное решение, на котором значение целевой функции будет больше.
Определим,
введение какого из двух векторов приведет
к большему приращению
целевой функции. Приращения целевой
функции найдем по
формуле ΔFk
=θ0к
Δ
к.
Вычислим значения параметра θ0к
для
первого
и третьего столбцов по формуле θ0к=
,
при хik>0,
где к
― номер
вектора, вводимого в базис; l
- номер вектора, выводимого из базиса;
хi0
― координаты опорного решения; хik
- коэффициент разложения вектора Ак
по базису опорного решения. Получаем
θ01
= 6 при l=1
(где
l
— номер строки) и θ03
= 3 при l
= 1. Находим приращение
целевой функции при введении в базис
первого вектора ΔF1
=
-6·(-2) = 12 и третьего вектора ΔF3=
-3·(-9) = 27. Следовательно, для
наиболее быстрого нахождения оптимального
решения необходимо ввести
в базис опорного решения вектор А3
вместо
первого вектора базиса А6,
так
как минимум параметра θ03
достигается в первой строке (l
= 1).
Далее выполним преобразование с элементом х13 = 2, получим второе опорное решение Х2=(0,0,3,21,42,0) с базисом Б2 = (A3 , A4, А5) (следующая таблица). Это решение не является оптимальным, так как вектор А2 имеет отрицательную оценку Δ2 = -6. Для улучшения решения необходимо ввести вектор А2 в базис опорного решения.
-
Б
Сб
А0
А1
А2
А3
А4
А5
А6
θ2
А3
4
3
½
-1
1
0
0
½
-
←А4
3
21
½
3
0
1
0
-½
7
А5
2
42
4
-3
0
0
1
2
-
Δ к
159
5/2
-6
0
0
0
9/2
Определим номер вектора, выводимого из базиса. Для этого вычислим параметр θ02 для второго столбца, он равен 7 при l =2. Следовательно, из базиса выводим второй вектор базиса А4. Выполним преобразование с элементом х22 = 3, получим третье опорное решение Х3 = (0, 7, 10, 0, 63, 0) с базисом Б2 = (А3, А2, А5). Это единственное оптимальное решение, так как для всех векторов, не входящих в базис, оценки разложений по базису опорного решения положительны: Δ1=7/2, Δ4=2, Δ6=7/2.
-
Б
Сб
А0
А1
А2
А3
А4
А5
А6
А3
4
10
2/3
0
1
1/3
0
1/3
←А2
5
7
1/6
1
0
1/3
0
-1/6
А5
2
63
9/2
0
0
1
1
3/2
Δ к
201
7/2
0
0
2
0
7/2
Ответ: max F(X) = 201 при X * = (0, 7,10, 0, 63).
