![](/user_photo/_userpic.png)
книги из ГПНТБ / Снапелев, Ю. М. Моделирование и управление в сложных системах
.pdfгде c={ci, |
Сч, .. ., c-n)— вектор-строка, |
|
|
X = (Xi, |
x2, .. ., |
xn) — вектор-столбец, |
|
B = (b u |
A = (a.i;) — матрица mxn, |
|
|
b2, . .., |
bm)— вектор-столбец, |
— n-мерный ну |
|
|
|
0 |
бец. Это также одна из форм записи задачи линейного программирования.
Пример 3 [29]. Однородный продукт, сосредоточенный в пунктах отправления в количествах а(, а2........ат единиц соответственно, не обходимо доставить в каждый из п пунктов назначения в количе ствах Ь\, Ь2, .... Ьп единиц. Стоимость перевозок единицы продукта
из г-того пункта (г= 1, т) отправления в /-й пункт назначения равна Cij (тариф перевозок) и известна для всех комбинаций '(/, /).
Пусть Xij — количество продукта, перевозимого по маршруту (i, /). Задача заключается в определении таких величин Xi, для всех
маршрутов (/, /), при которых суммарная стоимость перевозок была бы минимальной. Задача такого .вида называется транспортной за дачей линейного программирования. Условия этой задачи можно све
сти в таблицу
\ |
1 |
1 |
2 |
/ |
n |
|
|
i |
|
|
|
|
|
|
1 |
Х \j |
Х\2 |
j |
^ i n |
Я, |
|
2 |
Х 2\ |
Х 22 |
X 2j |
%2n J |
a 2 |
|
1 |
•*■11 |
X i 2 |
Xij |
X f n |
a t |
|
|
|
... 1 . . . |
... |
. . . |
\ |
|
m |
^т\ |
^m2 |
%mj |
X mn |
«m |
|
|
Ьх |
б2 |
b j j •. • |
bn |
A |
Здесь количество продукта, перевозимого из i-го пункта отправления в /-й пункт назначения, равно Xij\ запас продукта в i-ом пункте отправления измеряется величиной 0, и общая потребность /-го
пункта назначения в доставляемом продукте равна 6 ,^ 0 . Предпо лагается, что общий запас продукта в пунктах отправления равен суммарной потребности в этом продукте пунктов назначения, т. е., что
S «i = S bj = А.
‘/
Общая стоимость перевозки x,j единиц продукта равна с,$хц. По скольку отрицательные перевозки не имеют реального смысла, то,
150
с л е д о в а т е л ь н о , |
д ц ^ О . |
М а т е м а т и ч е с к и э т у |
з а д а ч у |
м о ж н о сф орм ул й -* |
||
р о в а т ь т а к и м |
о б р а з о м . |
О п р е д е л и т ь зн а ч ен и я Xij, |
при к о т о р ы х с т о и |
|||
м о с т ь п е р е в о з о к |
|
|
|
|
|
|
|
|
|
£ £ |
cijXij |
|
(2 .1 8 ) |
|
|
|
i |
i |
|
|
бы ла б ы м и н и м ал ьн ой , |
при |
у сл о в и я х |
|
|
||
|
|
£ |
= |
at, (i — 1, |
т), |
(2 .1 9 ) |
|
|
i |
|
|
|
|
|
|
£ |
Xti = |
bj. ( / = 1 , |
п). |
(2 .2 0 ) |
|
|
i |
Xij^O. |
|
'(2 .2 1 ) |
|
|
|
|
|
З а м е т и м , ч т о д л я с о в м е с т н о с т и у р а в н е н и й (2 .1 9 ) и (2 .2 0 ) н е о б х о д и м о , ч т о б ы
S |
X |
xti = £ £ |
ха = £ |
«i = £ Ь} = Л. |
г |
/ |
/ г |
« |
/ |
П о л у ч е н н а я з а д а ч а (2 .1 8 ) — (2 .2 1 ) я в л я е т с я з а д а ч е й л и н е й н о го п р о
г р а м м и р о в а н и я с (т+ п) у р а в н е н и я м и и ш Х п п ер ем ен н ы м и .
Существует еще один вид записи задачи линейного программирования, с помощью которой можно было бы записать и эту задачу.
Минимизировать сХ при условиях Х^О,
X1S1 + X262+ •••+-£п6п==бо,
где 6j — столбец матрицы АЦ=А,п),
60= В.
Выше мы привели примеры задач линейного программи рования. В общем виде задача линейного программиро вания заключается в отыскании вектора (Хи Хг,. . ., X j , , х п ), минимизирующего (максимизирующего) линейную форму (функцию цели задачи или целевую
функцию):
L= CiXi-{-C2X2+ ■■• +CjXj+ ... -\-спхп, |
(2.22) |
переменные которой подчинены следующим линейным ограничениям:
X j> 0, (/ = M )
^11-^1 Н- ^-12*^2 •* -f- CtjjXj -f-... -j- ctinx n—•bx
a2lx t + а 22х2 + . . |
+ O-ijXj - j- ... "| ^2n^n |
^2 |
QiiXi -f- сцгх г-J- .. |
“b aijXj -(-... + a-inXn = |
h |
~f“ ^тз-^2 | *••H- O-mjXj -f- ... ~\~итпхп:==^bmf
(2.23)
(2.24)
151
где ац, bi, Cj — заведомо заданные постоянные величи ны, а т<п.
Без ограничения общности можно считать, что все Ьг^О, ибо, в противном случае, соответствующее урав нение можно умножить на — 1. В различных ситуациях удобно использовать разные виды записи общей задачи линейного программирования. Наиболее употребитель ными из них являются следующие (мы их уже рассмот
рели, |
когда приводили примеры задач линейного про |
||
граммирования) . |
|
|
|
|
|
П |
|
1. |
Минимизировать |
CjXi при условиях |
|
|
|
/=1 |
______. |
|
П x j > 0 , ( / = 1,п), |
||
|
Ц a n X j |
— hi, |
(i = Т~т). |
|
/=i |
|
|
2. Минимизировать сХ при условиях |
|||
|
|
АХ = В, |
|
где |
C = (c lt с2, ..., с „ ) — вектор-строка, |
Х= (xi, х2, .. . , х„) — вектор-столбец,
А= (ац) — матрица тХп,
В= {bh b2, . . . , Ьт) — вектор-столбец,
О—n-мерный нулевой вектор-столбец. 3. Минимизировать сХ при условиях
Xibi + х2д2+ . . . + я п6и = 6о,
где 60— столбец матрицы A(j=i,n)
Ьо = В.
Прежде чем рассмотреть метод решения общей зада чи линейного программирования, введем некоторые важ ные понятия, необходимые в дальнейшем.
Векторы а, Ь, с ,... в я-мерном пространстве называ ются линейно зависимыми, если существует такая сово
купность |
констант а, р, |
у ,. . . , |
среди |
которых |
имеются |
|
отличные |
от |
нуля, что |
а-а + |
р-6 + у с + ... |
= 0, где |
|
О — означает |
нулевой |
вектор. |
В |
противном |
случае, |
т. е., если последнее равенство может выполняться толь-
152
ко при условии а = р= у = |
.. .= 0, векторы |
называются |
|
линейно независимыми. |
|
|
|
т |
|
|
|
Выражение вида |
агаг- |
(использованное |
при опреде- |
г= 1
лении линейной зависимости) называется линейной комби нацией векторов {аг}.
Линейная |
комбинация называется выпуклой, если |
т |
|
2 аг= 1, где |
все аг-^=0. |
;=i |
|
'В «-мерном векторном пространстве любая система, |
|
содержащая |
более чем п векторов, линейно зависима. |
Базисом «-мерного векторного пространства Еп назы |
вается система « линейно независимых «-мерных векто ров.
Любой вектор из Еп может быть единственным обра зом выражен линейной комбинацией векторов данного базиса. Очевидно, что система единичных «-мерных век торов ( 1, 0, 0, . . . , 0), (0, 1, 0,. .., 0), ... , (О, 0, 0,... 1)
является базисом пространства Еп. Известно, что одно линейное соотношение в двумерном пространстве Е2 (xi«i4-x2«2= a , где хи х2, а — константы, а ии и2— ком поненты любого вектора, принадлежащего U) опреде ляет прямую линию; одно линейное соотношение в Ез задает плоскость; соответствующий объект, определяе мый одним линейным соотношением в пространстве Еп,
где «> 3 , называется гиперплоскостью.
Множество называется выпуклым, если оно включает в себя произвольную выпуклую линейную комбинацию любых двух принадлежащих ему элементов.
Ясно, что Еп (множество всех «-мерных векторов) выпукло, ибо, если произвольные X и Y принадлежат Е„, то их выпуклая линейная комбинация аХ + [ЗУ также является «-мерным вектором и, следовательно, принад лежит Еп. Очевидно, что гиперплоскость в Еп, а также полупространства, ею образуемые, также суть выпуклые множества.
Пересечение двух или нескольких выпуклых мно жеств есть также выпуклое множество. В силу этого, пересечение конечного числа полупространств или гипер плоскостей есть множество выпуклое. Другими словами, любая система линейных уравнений или неравенств (ограничений) с « неизвестными определяет выпуклое
153
множество векторов — решений системы (пустое множе ство можно также считать выпуклым). Если определяе мое системой ограничений множество векторов-решений ограничено, то это ограниченное выпуклое множество называется выпуклым многогранником. Если среди эле ментов (точек) выпуклого множества есть такие, что их нельзя представить в виде линейной комбинации дру гих точек данного множества, то такие элементы (точ ки) называют крайними точками выпуклого множества. В частности, крайними точками многогранника будут его вершины.
Симплексом называется я-мерный выпуклый много гранник, имеющий в точности (я+1) вершин. Граница симплекса содержит симплексы низших порядков, на зываемых гранями. Число граней размерности i равно
•Симплексом нулевой размерности является точ
ка, одномерным симплексом — отрезок, двумерным — треугольник, трехмерным — тетраэдр. Уравнение симп лекса, отсекающего на координатных осях единичные отрезки, имеет вид
П___
Хг > 0, £ Xi = 1, (г = 1 ,п).
;=1
В частности, при я = 2 получаем треугольник с верши нами ( 1, 0, 0), (0, 1, 0), (0, 0, 1).
Планом задачи линейного программирования назы вается вектор
Х = { хи Хъ . Хп),
удовлетворяющий условиям (2.23) и (2.24).
План называется опорным, |
если векторы бд входя- |
П |
|
щие в разложение б0= |
с положительными конф |
уз1
фициентами Xj, являются линейно независимыми. Непо средственно из этого определения следует, что число положительных компонент не может превышать пг.
Опорный план называется невырожденным, если он содержит ровно m положительных компонент.
Оптимальным планом, или решением задачи линей ного программирования, называется план, минимизирую щий линейную форму (2.22).
Функционал f ( X) , определенный в я-мерном прост ранстве и принимающий действительные значения, на-
154
зывается линейным функционалом, если для любых век торов U и V из этого пространства и скаляров а и (3 выполняется равенство
f { a- U+$V)=<ff{U)+V-f(V).
Очевидно, линейная форма (2.22) является линейным функционалом. 6 связи с этим задачу линейного про граммирования можно сформулировать по-другому.
Минимизировать линейный функционал f(X) при ли
нейных ограничениях g i ( X ) ^ 0 (где i = l, т) и при усло вии X ^ 0.
Множество всех планов задачи линейного програм мирования выпукло. Выпуклое множество планов зада чи линейного программирования обозначается через К.
Из теорем, доказывающих разрешимость задач ли нейного программирования, следует, что:
1 ) существует такая крайняя точка К, в которой ли нейная форма (2.22) достигает своего оптимума (мини мума) ;
2 ) каждый опорный план соответствует крайней точ ке К;
3) с каждой крайней точкой К связаны т линейно независимых векторов из данной системы п векторов.
Из этого можно заключить, что необходимо исследо вать лишь крайние точки К, т. е. только опорные планы, каждый из которых определяется системой т линейно независимых векторов. Поскольку в данной системе п векторов содержится не более чем Спт систем, каждая из которых состоит из т линейно независимых векторов, величина Спт является верхней границей числа опорных планов задачи.
При больших т и п было бы непосильно отыскивать оптимальный план путем перебора всех опорных планов. Поэтому необходимо иметь вычислительную схему, по зволяющую осуществлять упорядоченный переход от од ного опорного плана к другому. Такой схемой является симплексный метод, предложенный американским мате матиком Дж. Б. Данцигом. С помощью этого метода можно отыскать крайнюю точку и определить, является ли она оптимальной. Если это ije так, метод позволяет найти такую соседнюю точку, в которой линейная фор ма (2.22) принимает значение, меньшее или равное пре дыдущему. Через конечное число шагов (обычно между m и 2т) достигается минимум линейной формы. Если
155
задача lie обладает планом йлй еслй её линейная фор ма не ограничена на множество планов К, то симплек сный метод позволяет установить это за конечное число шагов. С помощью симплексного метода можно решать любые задачи линейного программирования [29, 31, 38, 41, 69, 101].
Геометрическая интерпретация симплексного метода такова. Осуществляется ряд шагов, каждый из которых состоит в перемещении гиперплоскости, соответствую щей целевой функции, параллельно самой себе, и в вы числении расстояния от этой плоскости до начала коор динат всякий раз, когда гиперплоскость проходит через вершину выпуклого многогранника, определенного не равенствами. Процесс организован таким образом, что перемещенная гиперплоскость на каждом шаге дает улучшенный результат, приближающийся к оптималь ному. Чтобы не было полного перебора вершин выпукло го многогранника, в симплексном методе имеется кри терий, позволяющий исключить из рассмотрения некото рые вершины [189].
Остановимся несколько подробнее на алгебре симп лексного метода. Следуя [173], рассмотрим частный слу чай общей задачи линейного программирования, когда правые части всех уравнений неотрицательны. Миними зировать функцию цели
L — CiXi + |
С2Х 2 + |
. . . Л-СпХп |
|
(2.25) |
|
при условиях |
|
|
|
|
|
Х х " j— |
1 —1“ ••• “ |“ |
^ in X n — |
|
|
|
■^2 |
|
|
|
^2» |
(2.26) |
< |
|
|
|
|
|
и |
|
|
|
|
|
X j^ O , |
где |
1 = |
\,n. |
|
(2.27) |
Процесс решения этой задачи будем параллельно ИЛЛЮ - стрировать примером.
Пример. М и н и м и з и р о в а т ь ц е л е в о й ф у н к ц и о н а л |
|
■L,— 3x\— 4х 2~Ь'Бх з — 17x4 -\~Хц, |
(2 .2 5 1) |
при у с л о в и я х
[ X i + x3—2 x 4 - f 4 x 5 = 5
( 2 . 2 6 ')
\ x 2 — x3-f- 3 x 4 -f- x5 — 1
(2 .2 7 1)
156
О д н и м и з д о п у с т и м ы х р еш ен и и з а д а ч и л и н е й н о г о п р о гр а м м и р о в а н и я
(2 .2 5 — 2 .2 7 ) |
б у д е т б а з и с н о е |
н е о т р и ц а т е л ь н о е р еш ен и е с и с т е м ы |
'(2 .2 6 ): |
|||
|
|
Xi = bi, x 2= b 2, . . . , |
хт = Ьт, хт+1 = 0 , . . |
х „ = 0 , |
(2 .2 8 ) |
|
т а к |
к а к п о |
п р е д п о л о ж е н и ю |
в с е |
0 (i= \,m). В |
п р и м е р е |
|
|
|
•*1 = 5 , * 2 = 1 , * з = 0 , * 4 = 0 , * 5 = 0 . |
|
(2 . 2 8 1) |
||
Э т о м у р е ш е н и ю с о о т в е т с т в у е т зн а ч ен и е ц е л е в о й ф у н к ц и и |
|
|||||
|
L0— Ci ■b1-f- С2 ' Ь2 -f- |
■ст'Ьт, + с т + 1 - 0 + |
. . . -)- с „ - 0 |
— |
||
|
|
|
т |
|
|
|
|
|
|
2 |
Cibt |
|
(2 .2 9 ) |
а в |
п р и м ер е |
i=I |
|
|
|
|
|
|
|
■(2.291) |
|||
|
|
1 0 = 3 - 5 — 4 • 1 + 5 - 0 — 1 7 - 0 = 1 1 . |
|
|||
Т е п е р ь н е о б х о д и м о и с с л е д о в а т ь р еш ен и е (2 .2 8 ) |
н а о п т и м а л ь н о с т ь , |
т . е. в ы я с н и т ь , я в л я е т с я л и зн а ч ен и е (2 .2 9 ) н а и м ен ь ш и м из в с е х в о з м о ж н ы х зн а ч ен и й ц е л е в о й ф у н к ц и и (2 .2 5 ), о т в е ч а ю щ и м р а зл и ч н ы м н е о т р и ц а т е л ь н ы м р е ш е н и я м си с т е м ы (2 .2 6 ) . Д л я с и с т е м ы (2 .2 6 ) н а х о д и м о б щ е е р еш ен и е
Xi~bi Him + iXm- j - 1 |
••• 0471X71, (1= 1, Ol) |
(2.30) |
|
или в п р и м е р е |
х 3 + 2 х 4 — 4 * 5 |
|
|
lx, = 5 |
|
’ |
|
\ х 2 = 1 — Х3 — 3 * 4 — * 5. |
' ■ |
Е сл и с в о б о д н ы м |
н е и з в е ст н ы м п р и д а в а т ь к а к и е -н и б у д ь н е о т р и ц а т е л ь |
н ы е зн а ч ен и я , т о |
м о ж н о п о л у ч и т ь р а зл и ч н ы е р е ш е н и я си с т е м ы (2 .2 6 ), |
с р е д и к о т о р ы х н а с и н т е р е с о в а т ь б у д у т т о л ь к о н е о т р и ц а т е л ь н ы е , и, |
п о д с т а в л я я и х |
к о м п о н е н т ы в л и н е й н у ю ф о р м у *(2 -25), м о ж н о |
п о д с ч и |
т а т ь зн а ч е н и я |
ц е л е в о й ф у н к ц и и . О ч е в и д н о , ч т о б ы л егч е б ы л о |
с л е д и т ь |
з а п о в е д е н и е м ц е л е в о й ф у н к ц и и , ц е л е с о о б р а з н о в ы р а з и т ь ее т о л ь к о
ч ер ез с в о б о д н ы е |
н е и з в е ст н ы е . Д л я э т о г о м о ж н о п о д с т а в и т ь в ф о р м у |
(2 .2 5 ) н а м е с т о |
б а з и с н ы х н е и з в е ст н ы х и х в ы р а ж е н и я (2 .3 0 ) ч ер ез |
с в о б о д н ы е н е и з в е ст н ы е .
Н о м ы п о й д е м д р у г и м п у т е м . Э т о т п у т ь т а к ж е п р и в о д и т к а н а л о г и ч н о м у р е з у л ь т а т у . О ч е в и д н о , е сл и п е р е п и с а т ь в ы р а ж е н и е (2 .2 5 )
в в и д е |
|
|
|
|
— L+c1xi+ c2x2 + |
. . . + |
£7,7X771 |
+ С7П4-1Х 7П+1 + . . . |
+ £ 71X 71= 0 (2 .3 1 ) |
или в п р и м е р е |
|
|
|
|
— / . + |
3 * 1— |
4 х 2+ 5 |
х 3— 17* 4+ Х5= 0 , |
(2 .31 *) |
т о д л я т о г о , ч т о б ы и ск л ю ч и т ь б а з и с н ы е н е и з в е ст н ы е * i, х2, . . . , хп |
и з (2 .3 1 ), д о с т а т о ч н о у м н о ж и т ь п е р в о е у р а в н е н и е с и с т е м ы (2 .2 6 ) |
на |
с ь в т о р о е — н а с 2 и т . д ., т-о е — на ст , з а т е м п о л у ч е н н ы е п р о и з в е |
д е н и я с л о ж и т ь и и з р е з у л ь т а т а |
в ы ч е с т ь |
у р а в н е н и е '(2 .3 1 ). |
Т о г д а п о |
л уч и м |
|
|
|
7 .+ l6m + l*m + l + |
. . . + |
|6 пХт1 = /.о, |
(2 .3 2 ) |
гд е |
|
cmamj—Cj |
|
S j = CiQ ij + c 2a 2j + . . . |
(2 .3 3 ) |
157
т
г д е Zj= '2i ctaij, (j —\,n). i=l
В в е д е м в е к т о р р(си Со, . . ст), к о м п о н е н т а м и к о т о р о г о с л у ж а т
к о эф ф и ц и е н ты н е и з в е ст н ы х в л и н ей н ой ф о р м е (2 .2 5 ), я в л я ю щ и е с я б а зи сн ы м и в с и с т е м е у р а в н е н и й (2 .2 6 ). Т о г д а zj м о ж н о п р е д с т а в и т ь
к а к с к а л я р н о е п р о и з в е д е н и е в е к т о р а р на в е к т о р Y j ( a i j , сщ, . . . , amj), к о м п о н е н т ы к о т о р о г о с о с т о я т и з к о э ф ф и ц и е н т о в п р и н е и з в е ст н ы х Xj
в с и с т е м е у р а в н е н и й (2 .2 6 ), a Lo — к а к ск а л я р н о е п р о и з в е д е н и е в е к
т о р а р на в е к т о р В(Ьи Ь2, . . ., |
Ьт), к о м п о н е н т ы к о т о р о г о о б р а з о |
в ан ы из с в о б о д н ы х ч л ен ов с и с т е м ы (2 .2 6 ). |
|
И т а к , и м еем |
_____ |
&i=Pyi~Cj, (/='!, и).
L0=pB.
В н а ш ем п р и м ер е м ы д о л ж н ы у м н о ж и т ь п е р в о е у р а в н е н и е с и с т е м ы
(2 .2 6 1) Cj = 3, в т о р о е — на с 2= — 4, с л о ж и т ь и х и и з с у м м ы в ы ч е ст ь у р а в н е н и е (2 .3 1 ‘ ) . В р е з у л ь т а т е п о л у ч а е м
L+ 2 х 3— х 4+ 7*5 = 1 1 . |
(2 .3 2 1) |
Д л я п р и в ед ен и я в ы ш е о п и с а н н ы х в ы ч и сл ен и й о б ы ч н о с о с т а в л я ю т т а б л и ц у , в ы п и са в м а т р и ц у к о э ф ф и ц и е н т о в с и с т е м ы у р а в н е н и й (2 .2 6 )
и п р и п и са в к ней с в е р х у с т р о к у , с о с т о я щ у ю и з в с е х к о э ф ф и ц и е н т о в л и н ей н ой ф о р м ы (2 .2 5 ), сл е в а , п р о т и в к а ж д о й с т р о к и — с о о т в е т с т
в у ю щ у ю |
б а з и с н у ю |
н е и з в е ст н у ю и к о э ф ф и ц и е н т при |
ней |
из ц е л е в о й |
||||||||
ф у н к ц и и , |
т. |
е. в е к т о р |
р, а |
с н и з у — |
к о э ф ф и ц и е н т ы |
при |
н е и з в е ст н ы х |
|||||
и с в о б о д н ы й |
член |
у р а в н е н и я (2 .3 2 ) . |
Н у л и |
в т а б л и ц е |
у с л о в и л и с ь |
не |
||||||
за п и сы в а т ь . |
Т а к у ю |
т а б л и ц у |
н а з ы в а ю т первой симплексной таблицей |
|||||||||
(т а б л . |
16 ). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Т а б л и ц а |
16 |
|
р |
Б |
|
в |
Cl |
|
Сm |
Cm + 1 j • • • |
C i |
Cn |
|
||
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
Ху |
* 2 |
Xm |
Xm + 1 |
X i |
Xn |
|
||
Су |
Ху |
|
Ь, |
1 |
|
|
a |
+ 1 |
a i i |
a t n |
|
|
|
|
|
|
|
|
|
1 m |
|
||||
Cl |
* 2 |
|
bi |
|
1 |
|
Q 2 m + 1 |
|
|
a 2n |
|
|
|
|
|
|
|
|
|
|
|
|
|||
сm |
Xm |
|
Ьш |
|
|
1 |
m + ] |
a m i |
ainn |
|
||
|
L |
|
1о |
|
|
|
^ m + |
l |
b i |
|
5n |
|
|
|
|
|
|
|
|
|
Д л я н а ш е го п р и м е р а п е р в а я си м п л е к сн а я т а б л и ц а б у д е т и м е т ь с л е д у ю щ и й в и д (т а б л . 1 7 ).
Э л ем ен т ы п о сл е д н е й с т р о к и т а б л . 17 в ы ч и сл е н ы п о ф о р м у л а м (2 .2 9 ) и (2 .3 3 ), и м ея в в и д у при э т о м , ч т о 6 i и 62 р а в н ы н у л ю к а к с о о т -
158
Та б л и ц а 17
р |
Б |
В |
3 |
— 4 |
5 |
— 17 |
1 |
|
Х\ |
Х% |
х3 |
х.г |
Х5 |
||||
|
|
|
||||||
3 |
X , |
5 |
1 |
|
1 |
— 2 |
4 |
|
— 4 |
Х% |
1 |
|
1 |
— 1 |
3 |
1 |
|
|
L |
11 |
|
|
2 |
— 1 |
7 |
в е т с т в у ю щ и е б а з и с н ы м н е и з в е ст н ы м . |
|
Т 0 = 3 •5 + ( — 4 ) -1 = |
11, |
6 3 = 3 - 1 + ( — 4 ) • ( - 1 ) — 5 = 2, |
|
6 4 = 3 ■ ( - 2 ) + ( - 4 ) |
•3 — ( — 17) = — 1, |
й 5= 3 - 4 + ( — 4) • 1 — 1 = 7 . |
П о л е з н о с о с т а в и т ь в с п о м о г а т е л ь н у ю с и с т е м у л и н е й н ы х у р а в н е н и й , п р и п и са в к с и с т е м е (2 .2 6 ) у р а в н е н и е (2 .3 2 ):
|
|
п |
|
X i + |
|
S « а *1 = bt (i = \ , т ) |
|
1 |
]=т+1 |
|
|
|
П |
|
|
I |
L |
SjXj =■■L0 |
|
[ |
|
j=m+ 1 |
|
или в п р и м ер е |
|
|
|
xi Л* хз ~b 2 x 4 -(- 4^5 — |
5 , |
||
x 2 — ' Хз 3 x 4 -f- Xq~-= 1, |
( 2 . 3 3 ') |
L, -]- 2 x 3 — x 4 |
7^ 5 == 11. |
Т о г д а п е р в у ю с и м п л е к с н у ю т а б л и ц у м о ж н о р а с с м а т р и в а т ь к а к р а с ш и р е н н у ю м а т р и ц у с и с т е м ы у р а в н е н и й (2 .3 3 ) с у к а з а н н ы м и в ы ш е д о п о л н е н и я м и . Т е п е р ь , н а р я д у с .о б щ и м р е ш е н и е м (2 .3 0 ) с и с т е м ы
о гр а н и ч е н и й и з у р а в н е н и я (2 .3 2 ), с о в п а д а ю щ е г о с п о с л е д н и м у р а в н е н и ем в с п о м о г а т е л ь н о й с и с т е м ы (2 .3 3 ), п о л у ч а е м в ы р а ж е н и е ц е л е в о й
ф у н к ц и и т о л ь к о ч е р е з с в о б о д н ы е н е и з в е ст н ы е : |
|
|||||
|
|
|
L= Lо 6m + lXrn + t— . . . |
&пХп |
(2 .3 4 ) |
|
или в |
п р и м е р е |
|
|
|
|
|
|
|
|
Т = 4 1 — 2 х 3+ х 4— 7 х 5. |
|
(2 .3 4 ‘ ) |
|
С п о м о щ ь ю |
э т о г о |
в ы р а ж е н и я м ы |
исследуем б а з и с н о е |
д о п у с т и м о е р е |
||
ш ен и е |
(2 .2 8 ) |
на |
оптимальность |
и в ы я с н и м , |
к а к с л е д у е т п о с т у п и т ь , |
|
е сл и о н о о к а ж е т с я н е о п т и м а л ь н ы м . П р е ж д е в с е г о , |
из в ы р а ж е н и я |
|||||
(2 .3 4 ) |
н е п о с р е д с т в е н н о в и д н о , ч т о б а з и с н о е р е ш е н и е (2 .2 8 ) я в л я е т с я |
159