- •Модели:
- •Методы:
- •1.3 Основные этапы процесса принятия решений.
- •Множества решений неравенств, уравнений и их систем в задачах линейного программирования.
- •Допустимые решения.
- •Допустимые базисные решения.
- •Сведения из теории выпуклых множеств.
- •Выпуклые множества в n-мерном пространстве.
- •Задача линейного программирования в канонической форме.
- •Основные теоремы о множествах оптимальных решений этой задачи.
- •Пример для задачи m X 2 (на максимум и минимум).
- •Для задачи на максимум
- •Для задачи на минимум
- •Ситуации равновесия в игре.
- •Понятие седловой точки.
- •Чистые стратегии двух игроков.
- •Смешанные стратегии двух игроков в матричной игре.
- •Общий пример
- •Доп инфа
- •Сведение к матричной игре
- •Сведение к биматричной игре
Для задачи на максимум
Смотрим на коэффициенты в функции F(x). Если есть положительные, значит решение не оптимально. Переменную с наименьшим коэффициентом необходимо вывести из базиса.
Подставим в систему ограничений выводимую переменную как 0 и найдем значения оставшейся переменной. Выберем минимальное или то, на которое нет ограничений.
Затем введем базис переменную, соответствующую ограничению, которое мы выбрали на предыдущем шаге.
Пересчитаем систему ограничений, выразив выводимую и вводимую переменные. Пересчитаем так же F(x). выпишем X(1) .
Если в F(x) присутствуют не отрицательные коэффициенты, изменим базис снова, повторив вышеописанные действия.
Когда наконец получена F(x), где все коэффициенты отрицательны – мы получили оптимальное решение. X* = X(n)
Для задачи на минимум
Все аналогично, однако при задаче на минимум в оптимальном решении в F(x) все коэффициенты должны быть положительными,
Для решения ЗЛП при помощи симплекс-таблицы необходимо в начале представить ЗЛП в каноническом виде, затем выбрать допустимый базис и свободные переменные и начертить таблицу:
В столбце б названы переменные базиса.
В столбце Сб – их коэффициенты в F(x).
В столбце Xб значения из системы ограничений.
Далее идут столбцы переменных.
Столбцы переменных базиса являются столбцами единичной матрицы (хоть впоследствии они и не будут идти по порядку)
Столбцы свободных переменных в начале заполняются в соответствии со значениями матрицы A (коэффициенты из системы ограничений)
После заполнения таблицы следует подсчитать дельты:
0 вычисляется как сумма произведений Xб на Сб
Дельты для свободных переменных вычисляются
В задачах на максимум
как сумма произведений Xj на Сб - Cj
В задачах на минимум
как Cj - сумма произведений Xj на Сб
Если хотя бы одна дельта отрицательна – решение не оптимально.
Находим переменную, дельта которой отрицательна и наибольшая по модулю.
Считаем ограничения для этой переменной.
Ограничения сичтаются по следующим правилам:
Если ail и бi имеют разные знаки, то ставится –
Если ail = 0 или бi = 0 то ставится –
В противном случае ограничение вычисляется по формуле бi/ ail
Выбираем переменную, у которой минимальное ограничение. Её необходимо вывести из базиса.
Строка выводимой переменной и столбец вводимой в базис переменной называются разрешающими.
На их пересечении находится разрешающий элемент.
Строим следующую симплекс-таблицу:
Столбцы не меняют свой порядок, как и строки. Однако, в разрешающей строке из прошлой таблицы переменная должна измениться на ту, что мы ввели в базис.
Значения в этой строке переписываются равными значениям из предыдущей таблицы той же строки, но делятся на разрешающий элемент.
Строки и столбцы, в пересечении с которыми в разрешающих строке и столбце предыдущей таблицы стоял 0, переписываются без изменений (кроме дельт).
В столбец новой базисной переменной должен быть аналогичен столбцу старой.
Дельты базисных переменных все также должны равняться 0.
Наконец, столбец Сб необходимо обновить, если необходимо.
Все остальные значения таблицы подсчитываются по формуле:
a(t+1)ij = a(t)ij – (a(t)il* a(t)kj)/( a(t)kl) (те старое значение клетки минус перемноженные пересечения с разрешающими, деленные на разрешающий элемент)
После заполнения очередной таблицы необходимо посчитать дельты и проверить на наличие отрицательных. Если они есть – необходимо повторить с шага про подсчет ограничений. Если нет – решение оптимально.
Метод искусственного базиса так же называется М-метод. Он необходим в тех случаях, когда после добавления новых переменных (для приведения ЗЛП к каноническому виду) все элементы базиса отрицательные.
В таких случаях можно добавить в каждое уравнение, дающее отрицательные компаненты, новые искусственные переменные. В таком случае у нас будет новая функция, равная
В случае задачи на минимум: T(x) = F(x) + M (xn+1, … xn+k)
В случае задачи на максимум: T(x) = F(x) - M (xn+1, … xn+k)
Где M – большое положительное число, большее, чем любое Ci
Как только все искусственные переменные станут свободными, остальные дадут оптимальное решение.
Tmax = Fmax
Если хотябы одна искусственная переменная в оптимальном решении не равна 0, то Tmax –> -inf, Tmin –> inf
Симплекс таблицу составляем и решаем как обычно, разве что базис начинается с искусственных переменных.
Двойственные задачи имеют следующий вид:
Задача 1:
Задача 2: Имея задачу, можно составить двойственную к ней задачу. При этом если одна из двойственных друг другу задач имеет оптимальное решение, значит, его имеет и другая. Кроме того, Fmax = Zmin т.е. F(x*) = Z(y*)
Вот пример получения двойственной задачи к данной задаче:
Чтобы из решения одной задачи можно было получить и решение второй, необходимо привести обе задачи в канонический вид.
Теорема 1
Положительным (не нулевым) компонентам оптимального решения одной из двойственных задач соответствуют нулевые компоненты оптимального решения другой задачи.
Теорема 2
Компоненты оптимального решения двойственной задачи равны абсолютным значениям коэффициентов при сопутствующих переменных линейной функции и сходной задачи, выраженных через свободные переменные её оптимального р ешения. Т.е. при решении F(x) y*j = n+j Иначе – x*I = n+j.
Парные игры с нулевой суммой называются антагонистическими играми.
Лемма. В любой матричной игре максимин всегда меньше или равен минимакса
Теорема. Если в матричной игре существует седловая точка ( , ) i j , то говорят, что она имеет решение в чистых стратегиях.
Теорема (Дж. фон Нейман). В любой матричной игре существует хотя бы одна ситуация равновесия в смешанных стратегиях.
Игра полковника Блотто:
Поле сражения состоит из 5 боевых позиций. У полковника Блотто есть армия из 100 танков, ровно столько же – у его противника. Перед сражением они должны независимо друг от друга расставить свои войска по боевым позициям. На каждой боевой позиции побеждает та сторона, у которой больше танков (в случае ничьей очки за поле делятся пополам). В сражении побеждает та сторона, которая выиграла больше боевых позиций