![](/user_photo/_userpic.png)
книги из ГПНТБ / Снапелев, Ю. М. Моделирование и управление в сложных системах
.pdfния. О б о з н а ч и м |
ч е р е з Е к ( £ ) — |
м и н и м а л ь н ы е з а т р а т ы н а |
с о з д а н и е |
|
д о п о л н и т е л ь н о й м о щ н о с т и | т о л ь к о на п е р в ы х k з а в о д а х , т. е. |
||||
|
Fh(l) - m |
к |
|
|
|
i n £ |
|
|
|
|
|
i=1 |
|
|
г д е м и н и м у м б е р е т с я п о п е р е м е н н ы м Х\, Х2, . . |
Хь, у д о в л е т в о р я ю |
|||
щ и м у с л о в и я м |
к |
|
|
|
|
Xt = £, |
|
|
|
|
2, |
|
|
|
|
/=1 |
___ |
|
|
|
O^Xj^mj, / = 1, k. |
|
|
|
Е с л и на k -м з а в о д е п р е д п о л а г а е т с я с о з д а т ь д о п о л н и т е л ь н у ю |
||||
м о щ н о с т ь Xk, т о |
н а п р е д ы д у щ и х ( k— 1) з а в о д а х |
п р и р о с т |
м о щ н о с т и |
д о л ж е н б ы т ь р а в е н £ — Xk- Е с т е с т в е н н о , к а к б ы ни б ы л о в ы б р а н о зн а ч е н и е Xh и к а к и е б ы з а т р а т ы с р * . в с л е д с т в и е э т о г о не в о з н и
к а л и на k - u з а в о д е , м ы п о с т а р а е м с я и с п о л ь з о в а т ь п р е д ы д у щ и е (к— 1) з а в о д о в т а к , ч т о б ы з а т р а т ы на п р и р о с т м о щ н о с т и £— Xh на
н и х б ы л и н а и м е н ь ш и м и в о з м о ж н ы м и , т . |
е. ч т о б ы он и б ы л и р а в н ы |
Fh-1( £ — Xh). Т о г д а з а т р а т ы н а п е р в ы х |
к з а в о д а х на с о з д а н и е д о |
п о л н и т е л ь н о й м о щ н о с т и £ б у д у т р а в н ы с у м м е |
|
срл {Xk) +Fh-i ( £ — X h ) , |
|
а м и н и м а л ь н ы е з а т р а т ы н а п е р в ы х к з а в о д а х м ы п о л у ч и м , е с л и в ы |
б е р е м зн а ч е н и е Xk м е ж д у н у л е м и м е н ь ш и м из з н а ч е н и й £ и тк та к , ч т о б ы э т а с у м м а п р и н я л а н а и м е н ь ш е е в о з м о ж н о е з н а ч е н и е . Э т о п р и в о д и т н а с к р е к у р р е н т н о м у с о о т н о ш е н и ю
F }i (6) = min (<fjt (A ft) + |
Eft_i |
(£, — X h)), |
|
а' й |
|
|
|
гд е Xk п р и н и м а е т з н а ч е н и я |
|
|
|
O s g A f t s S m i n |
(£ , |
mh) |
|
при k= 2 , 3, . . . . N. Е с л и ж е k = l , |
т о |
п о |
с а м о м у с м ы с л у ф у н к ц и и |
с о с т о я н и я |
|
|
|
Ei(£)=fi(£). |
|
||
Т е п е р ь м о ж н о в о с п о л ь з о в а т ь с я и з в е с т н о й с х е м о й р а с ч е т о в и н а й |
ти о п т и м а л ь н о е р е ш е н и е — о п т и м а л ь н ы е п р и р о с т ы п р о и з в о д с т в е н н ы х м о щ н о с т е й , а з а т е м и с а м и п р о и з в о д с т в е н н ы е м о щ н о с т и п р е д п р и я
тий . |
П о д ч е р к н е м л и ш ь , |
ч т о |
з д е с ь на k-шаге и щ е т с я |
м и н и м у м п о |
Xh |
||
при |
ф и к с и р о в а н н о м £, |
п р и ч е м |
п а р а м е т р £ м о ж е т |
п р и н и м а т ь |
з н а |
||
чения |
|
|
|
к |
|
|
|
|
|
|
|
|
|
|
|
|
|
О < |
£ < |
m in |
^ b, |
|
|
|
|
|
|
|
1=1 |
|
|
|
Р а с с м о т р и м ч и сл е н н ы й п р и м е р . |
П р е д п о л о ж и м , ч т о и м е е т с я т о л ь |
|||||
к о о д н о д е й с т в у ю щ е е п р е д п р и я т и е , |
в ы п у с к а ю щ е е н е к о т о р ы й п р о д у к т , |
п р о и з в о д с т в е н н а я м о щ н о с т ь к о т о р о г о р а в н а 20 е д и н и ц а м п р о д у к т а в г о д . П р е д у с м а т р и в а е т с я у в е л и ч е н и е п р о и з в о д с т в а п р о д у к т а д о 100 е д и н и ц в г о д , т. е. 13 = 100. У в е л и ч е н и е п р о и з в о д с т в е н н ы х м о щ н о
210
с т е й м о ж е т б ы т ь д о с т и г н у т о к а к з а д е й с т в у ю щ е г о п р е д п р и я т и я , т а к и п р е д п р и я т и й . Э к о н о м и с т ы у к а з а л и н о с т е й
с ч е т р е к о н с т р у к ц и и и р а с ш и р е н и я з а с ч е т с т р о и т е л ь с т в а т р е х н о в ы х г р а н и ц ы п р о и з в о д с т в е н н ы х м о щ
0s£Xi<20, 20s£ X 2^60,
0<Х3==£50, 0<X4s£30,
т. е. д е й с т в у ю щ и м я в л я е т с я в т о р о й з а в о д . Э к о н о м и с т ы п о д с ч и т а л и т а к ж е з а т р а т ы , с в я з а н н ы е с о с т р о и т е л ь с т в о м и р е к о н с т р у к ц и е й п р е д п р и я т и й , к а к ф у н к ц и и и х п р о и з в о д с т в е н н ы х м о щ н о с т е й — о н и п р и в е д е н ы в т а б л . 21.
Таблица 21
X |
0 |
10 |
20 |
00 |
40 |
50 |
60 |
70 |
80 |
по |
100 |
Фг(Х\) |
0 |
10 |
13 |
|
|
|
|
|
|
|
|
Ф,(Х2) |
0 |
0 |
15 |
21 |
26 |
31 |
35 |
|
|
|
|
Ф з ( * з ) |
0 |
9 |
18 |
26 |
32 |
38 |
|
|
|
|
|
|
0 |
8 |
13 |
19 |
|
|
|
|
|
|
|
З а т р а т ы на п р и р о с т п р о и з в о д с т в е н н ы х м о щ н о с т е й п р е д п р и я т и й
п р и в е д е н ы в |
т а б л . 22. З д е с ь у ч т е н о , ч т о с у м м а р н ы й п р и р о с т п р о и з |
в о д с т в е н н ы х |
м о щ н о с т е й п о в с е м з а в о д а м р а в е н 80. П е р в а я , т р е т ь я |
и ч е т в е р т а я с т р о к и т а б л . 21 и 22 с о в п а д а ю т , а в т о р а я с т р о к а т а б л . 22 п о л у ч а е т с я из в т о р о й с т р о к и т а б л . 21 к а к
|
|
ср2(Хг) = Ф 2 ( Х 2) — Ф 2 (<^2) = Ф2{Х2-тй2)— Ф 2(с12) = |
|
|
||||||
|
|
= |
Ф 2 ( Х 2 + 2 0 ) — Ф Д 2 0 ) = Ф |
2 ( Х 2+ |
2 0 ) — 15. |
|
|
|||
П е р е х о д и м |
к в ы ч и с л е н и ю |
з н а ч е н и й |
ф у н к ц и и Fi ( g ) . |
У ч т е м , |
что |
|||||
о н а о п р е д е л е н а т о л ь к о д л я 0 ^ Н ^ 2 0 . |
Т а б л и ц а з н а ч е н и й / 7i ( i ) |
и |
||||||||
X i ( | ) |
не |
п р и в о д и т с я , т а к к а к |
о н а |
п о с у щ е с т в у |
с о д е р ж и т с я |
в т а б л . |
22. |
|||
Д а л е е в ы ч и с л я е м з н а ч е н и я f 2 d ) |
и Х 2 ( | ) . |
Д л я э т о г о с о с т а в л я е м |
||||||||
т а б л . |
23. |
Ч и с л а |
<p2 ( X 2) + |
f ( d — Х 2) |
д л я ф и к с и р о в а н н о г о | р а с п о л о ж е |
|||||
ны н а п р я м о й , |
п а р а л л е л ь н о й д и а г о н а л и , и д у щ е й с л е в а с н и з у в в е р х |
|||||||||
н а п р а в о , |
и н а и м е н ь ш е е |
с р е д и |
н и х |
е с т ь |
F2(%). У ч и т ы в а е м , |
ч т о п а р а |
14* |
211 |
м е т р |
£ н а |
э т о м э т а |
п е |
м о ж е т и з м е н я т ь с я |
л и ш ь |
о т 0 д о |
60, т а к |
к а к |
с у м м а р н ы й п р и р о с т |
м о щ н о с т е й н а п е р в ы х д в у х п р е д п р и я т и я х не |
|||||||
м о ж е т |
б ы т ь |
б о л е е 60. |
З н а ч е н и я Д Д Ю и |
^ 2 (|) |
п р и в е д е н ы |
в т а б л . |
24. |
|
|
|
|
|
|
|
Т а б л и ц а |
2 3 |
|
Д а л е е с о с т а в л я е м т а б л и ц у 25 з н а ч е н и й с р з № ) - T / ^ d — Х 3) . П р и |
||||||||||
э т о м у ч и т ы в а е м , ч т о ф у н к ц и я ф з ( ^ 3) |
о п р е д е л е н а т о л ь к о пр и з н а ч е |
||||||||||
н и я х |
а р г у м е н т а |
о т |
0 д о |
50, а |
ф у н к ц и я |
Fz(\—Х3) — о т 0 д о |
60. |
З н а ч е |
|||
ния |
/ ь Д ! ) и Х3(Ё,) |
п р и в е д е н ы |
в |
т а б л и ц е 26. |
|
|
|
||||
|
|
|
|
|
|
|
|
|
Т а б л и ц а 24 |
||
5 |
0 |
10 |
20 |
|
30 |
40 |
50 |
60 |
70 |
80 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
0 |
|
6 |
и |
|
16 |
20 |
29 |
3 3 |
|
|
* . ( 6 ) |
0 |
10 |
20 |
|
30 |
40 |
30 |
40 |
|
|
|
Н а к о н е ц , с о с т а в л я е м |
т а б л . |
27, ч т о б ы |
о п р е д е л и т ь F4 (g ) |
д л я е д и н |
с т в е н н о г о з н а ч е н и я а р г у м е н т а £ = 8 0 . П о л у ч а е м 7 ч ( 8 0 ) = 4 6 , п р и т о м Х * 4 = ! 4 ( 8 0 ) = 2 0 .
Р у к о в о д с т в у я с ь и з в е с т н ы м и п р а в и л а м и , из т а б л . 27 н а х о д и м
Х*3 = Хз(Ь—Х*ь) =Х3(8 0 — 2 0 ) = Я 3 (6 0 ) = 0 ,
а п о т а б л . 24 о п р е д е л я е м
Х*г=Х2(Ь—Х*i—X*s) = ^ 2 ( 8 0 — 2 0 — 0 ) = Я 2 (6 0 ) = 0 ,
212
Т а б л и ц а 25
п о с л е ч е г о п о л у ч а е м
X * i = 6 — (2Г*4 + Х * 3+ Х * 2) = 8 0 — (2 0 + 0 + 4 0 ) = 2 0 .
С л е д о в а т е л ь н о , о п т и м а л ь н ы е п р и р о с т ы п р о и з в о д с т в е н н ы х м о щ н о с т е й
* * i = 2 0 , Х * 2= 4 0 , Х * 3= 0, Х * 4 = 20,
и т а к к а к т о л ь к о в т о р о й з а в о д и м е л н а и м е н ь ш у ю п р о и з в о д с т в е н н у ю м о щ н о с т ь в 20 е д и н и ц , а о с т а л ь н ы е з а в о д ы д о л ж н ы с т р о и т ь с я , т о
о т с ю д а с л е д у е т , |
ч т о м и н и м а л ь н ы е |
с у м м а р н ы е |
з а т р а т ы п о ч е т ы р е м |
з а в о д а м , р а в н ы е |
46 д е н е ж н ы м е д и н и ц а м , б у д у т о б е с п е ч е н ы п р и сл е - |
F&)
а д
|
|
|
|
|
|
|
Т а б л и ц а 26 |
|
0 |
10 |
20 |
30 |
40 |
50 |
60 |
70 |
80 |
0 |
6 |
11 |
16 |
20 |
29 |
33 |
39 |
51 |
0 |
0 |
0 |
0 |
0 |
10 |
0 |
10 |
20 |
15—633 |
213 |
|
|
|
|
Т а б л и ц а |
27 |
|
X* |
0 |
10 . 2 0 |
3 0 40 5 0 6 0 70 |
8 0 |
S ~ * 4 |
|
0 |
8 13 |
19 |
|
0 |
0 |
|
|
|
|
10 |
6 |
|
|
|
|
2 0 |
11 |
|
|
|
|
3 0 |
16 |
|
|
|
|
40 |
2 0 |
|
|
|
|
5 0 |
29 |
|
|
48 |
|
6 0 |
3 3 |
|
46 |
|
|
7 0 |
3 9 |
|
47 |
|
|
8 0 |
51 |
51 |
|
|
|
д у ю щ е м п л а н е р а з в и т и я и р а з м е щ е н и я п р о и з в о д с т в е н н ы х м о щ н о с т е н
* , = 20, * 2 = 60, Я 3 = 0 , * 4 = 20.
И т а к , м о щ н о с т ь д е й с т в у ю щ е г о з а в о д а с л е д у е т д о в е с т и д о м а к с и м а л ь н о й в ел и ч и н ы 60 е д и н и ц , т р е т и й з а в о д не с т р о и т ь , а п е р в ы й и ч е т в е р т ы й з а в о д ы п о с т р о и т ь м о щ н о с т ь ю п о 20 е д и н и ц .
§ 2.8. Стохастические модели оптимизации
Нередко возникают ситуации, когда отдельные (или все) параметры показателя качества и ограничений мо гут оказаться неопределенными и случайными. Например, работа автоматических устройств обычно сопровождает ся непредвиденными помехами, статистические законо мерности которых не всегда могут быть учтены и опре делены при вычислении управляющих воздействий. В одних случаях опыт, статистика и исследование про цессов, определяющих изменение исходных данных, поз воляют устанавливать те или иные вероятностные харак теристики параметров задачи. В других случаях нет
21 4
оснований для каких бы то ни было суждений о стати стических закономерностях явлений, способных изме нить предполагаемые значения параметров задачи. Си туации, соответствующие первому случаю, называются ситуациями, связанными с риском. Ситуации второго типа называются неопределенными.
Раздел линейного программирования, изучающий методы решения задач в условиях риска или неопреде ленности, называется стохастическим программировани ем {2, 38].
Рассмотрим пример задачи линейного стохастическо го программирования [175]. Пусть а,-;- — количество ре сурса I, требуемого для изготовления одной детали типа /, где под ресурсом i понимается некоторый вид сырья, либо время, требуемое рабочему. Пусть bi — количество ресурса г, имеющееся в наличии. Обозначим через pi доход на одну деталь j после вычета стоимости сырья. Пусть х; — количество деталей /, которое должно быть выпущено предприятием.
Тогда получаем задачу. Найти
П |
|
max £ |
PiXj |
i=i |
_____ |
п |
|
£ O i j X j < b i , i = l , m , Xj Зг 0, j = 1, n. |
/=i
В этой задаче время, требуемое мастеру на изготовле ние детали типа /, будет изменяться от человека к че ловеку и, для данного рабочего, от детали к детали. Подобным же образом количество сырья, требуемого для детали /, не постоянно, а меняется от детали к де тали. Следовательно, количество сырья, используемого при изготовлении одной детали, а также время, требуе мое для ее изготовления, могут быть описаны случайны ми величинами, т. е. можно сказать, что технологические коэффициенты Oij— действительно случайные величины; а сформулированная задача является задачей стохасти ческого линейного программирования.
Естественный на первый взгляд путь анализа задач стохастического программирования — замена случайных параметров их средними значениями и вычисление опти мальных планов полученных таким образом детермини стических задач — далеко не всегда приводит к прием лемому решению. Отсюда необходимость разработки
15* |
2 1 5 |
моделей управления в условиях неполной информации п методов, позволяющих их исследовать.
Литература по стохастическому программированию состоит из ряда статей, посвященных частным линейным экстремальным задачам со случайными параметрами в матрицах условий, векторах ограничений или целевых функциях, н небольшого числа работ, в которых пред принимаются попытки связать постановки задач стоха стического программирования с различными характери стиками информационной структуры исследуемой си туации.
В постановках стохастических задач должно быть оговорено не только то, что следует понимать под пла ном задачи, но и то, что следует подразумевать под решением задачи. В связи с этим представляет интерес классификация задач стохастического программирова ния по показателю качества решения задачи.
Естественно рассматривать следующие показатели качества решения стохастических задач линейного про граммирования:
1)математическое ожидание величины линейной формы;
2)дисперсия линейной формы;
3)линейная комбинация математического ожидания
идисперсия линейной формы;
4)вероятность превышения линейной формы некото рого фиксированного порога;
5)математическое ожидание функции полезности линейной формы;
6)максимин линейной формы (причем максимум берется по множеству планов X, а минимум по допусти мым значениям набора случайных параметров, опреде
ляющих реализацию случайных элементов условий за дачи) и т. д.
Задачи стохастического программирования делятся также на статические и динамические. В статических задачах стохастический характер условий определяется случайньши величинами, в динамической— случайными функциями или случайными последовательностями. Зако номерности изменения статических характеристик слу чайных функций или случайных последовательностей должны учитываться как в постановке задачи, так и при построении методов анализа. Оптимизация динами ческих вероятностных моделей, порожденных марковски-
216
ми процессами или марковскими последовательностями,
называется марковским программированием [38].
Анализ линейных марковских моделей [20, 43] услов ных экстремальных задач [99] сводится к решению задач линейного программирования.
Интерес к решению оптимизационных, хотя бы линей ных, задач со случайно варьируемыми параметрами в последнее время резко возрос еще и в связи с двумя следующими моментами:
—потребностями практики, уже не удовлетворяю щейся простейшими моделями, где параметры считаются фиксированными;
—успехами математики, наметившей в последние годы эффективные, в некотором смысле, методы решения задач.
Однако трудности в стохастическом программирова нии начинаются раньше, задолго до решения задачи. Они связаны с ее постановкой. Следуя [174], рассмотрим задачу линейного программирования в стандартной форме
(2.22) — (2.24).
Минимизировать функционал сХ при ограничениях
ЛА > 6 , Ад>0. |
(2.82) |
Предположим далее, что векторы b и с, а также матрица А не фиксированы и могут меняться случайно, независи мо от нас (а в зависимости от «состояния природы» А(со)). Тогда, для того чтобы задача (2.82) имела смысл необходимо ответить на следующие три вопроса:
1. Как понимать вектор А — должен он тоже быть случайным (т. е. каждому ю отвечает свое решение А(со)), определяемым стандартными правилами линей ного программирования по с(ш), Ь(со), Л (и), или детер министическим, не меняющимся при случайных вариа циях с, Ь, А?.
2.Как понимать минимизацию целевой функции сХ? Как минимизацию абсолютную, для всех со, или мини мизацию математического ожидания ее, или минимиза цию какой-либо другой ее вероятностной характеристи ки?
3.Как понимать выполнение ограничений? Опятьтаки абсолютно для всех со, или в среднем, или допус тить их нарушение с малой вероятностью и т. п.?
При решении этих вопросов приходится исходить не из математических соображений, а из физического смыс
217
ла задачи. Если, например, задача (2.82) относится к оперативному планированию функционировании пред приятия, то изменяющиеся условия требуют изменения решения, и вектор А" должен рассматриваться как слу чайный. Если же решается задача проектирования пред приятия, то необходимо принять детерминистическое решение, хотя и учитывающее возможные случайные изменения параметров (программы предприятия, поста вок, цен и пр.).
Абсолютная минимизация целевой функции часто не достижима (если, например, координаты вектора с могут принимать, хотя с малой вероятностью, сколь угодно большие по абсолютной величине значения) и всегда слишком перестраховочна, т. е. учитывает чрезвычайно маловероятные реализации параметров.
Минимизация «в среднем» тоже мало приемлема в ряде задач, например, нас вряд ли устроит сельско хозяйственная политика, дающая высокий средний уро жай, но с резкими колебаниями от года к году, от неуро жая к «сверхурожаю», по-видимому, лучше выбирать планы, отвечающие меньшему среднему урожаю, но бо лее стабильные.
Наконец, нередко ограничения записываются условно, небольшое их нарушение не приносит вреда, но позволя ет существенно улучшить значение целевой функции. Например, если "бы строили плотины, рассчитанные на все возможные теоретически паводки, то они стоили бы баснословно дорого. Практически маловероятные павод ки, встречающиеся раз в тридцать—-сорок и более лет, не учитываются, а когда они наблюдаются, применяют специальные меры по борьбе с ними.
Соответственно, задачи стохастического линейного программирования определяются условиями:
вектор X — случайный;
вектор X — детерминистический.
Вдальнейшем ограничимся вторым условием.
Взависимости от трактовки ограничений задачи раз
личаются на задачи с:
—осредненными ограничениями;
—жесткими ограничениями (т. е. должны выпол
няться для всех to);
—вероятностными ограничениями (т. е.
Р(АХ^Ь, А > 0 ) > 1 —у).
218
Существует наиболее гибкое понимание ограничений, предложенное Данцигом. Оно получило название «двух этапной» постановки задачи и заключается в следующем.
Если вектор |
X — фиксирован, а Ь, А варьируют, то |
для выполнения |
ограничений добавляется случайный |
вектор Г{т- е- A X + Y = b ) , включаемый в целевую функ цию со «штрафными» коэффициентами.
Первый этап задачи заключается в выборе Y, мини мизирующего этот «штрафной» добавок:
min qY,
Y
который становится функцией от X и «состояния приро ды» ю. После определения по ш приходим к функции Ф(Х) и на втором этапе выбираем такую величину X (предполагавшегося фиксированным), которая миними зирует Ф(Х):
minФ(Х) .-= min / (сХ -ф min qY)
Y
Второй этап, таким образом, приводится к задаче безусловной минимизации, однако трудность состоит в том, что явного выражения для Ф(Х) получить не уда ется.
Р а с с м о т р и м п р и м е р . |
П у с т ь и м е е т с я з а д а ч а л и н е й н о г о п р о |
|
г р а м м и р о в а н и я : |
f(X) = m i n |
|
m in |
( * i — х 2) |
|
при о г р а н и ч е н и я х |
|
|
|
i X i — х г = |
1, |
|
(X, — 2 х 2 = 1 |
|
и при у с л о в и и |
|
|
|
Xi^O, х2^:0. |
|
Р е ш е н и е э т о й з а д а ч и о ч е в и д н о : |
|
|
*1 = 1, *2=0, f(X) = l. |
||
З а м е т и м , ч т о р е ш е н и е не и з м е н и т с я , |
ес л и п е р в о е о г р а н и ч е н и е з а м е |
н и ть н а |
* i — * 2 ^ 1 . П у с т ь |
т е п е р ь п р а в а я ч а с т ь п е р в о г о о г р а н и ч е н и я |
к о л е б л е т с я в о к р у г е д и н и ц ы , т. е. |
|
|
|
Ь1 = 1 + 0 , |
|
|
|
|
гд е |
0 — р а в н о м е р н о |
р а с п р е д е л е н н а я |
с л у ч а й н а я |
в е л и ч и н а |
на |
||
К - |
1 1 |
X п о - п р е ж н е м у б у д е м с ч и т а т ь д е т е р м и н и с т и ч е |
|||||
В е к т о р |
|||||||
|
|
||||||
с к и м , |
ц е л е в а я ф у н к ц и я т о г д а т о ж е д е т е р м и н и с т и ч е с к а я , п о э т о м у |
||||||
о с т а е т с я р а с с м о т р е т ь р а з л и ч н у ю т р а к т о в к у о г р а н и ч е н и й . |
|
219