
- •§1. Этапы решения задачи
- •§2. Некоторые сведения из линейной алгебры.
- •§ 3. Классификация методов математического программирования.
- •§4. Методы исследования функций классического анализа (Аналитические методы)
- •4.1. Необходимые и достаточные условия безусловного экстремума функции
- •4.2. Необходимые и достаточные условия условного экстремума. Принцип Лагранжа.
- •§5. Методы исследования функций численного анализа.
- •Раздел 1.
- •Глава 1. Метод линейного программирования
- •§1. Примеры составления задач лп
- •§ 2. Геометрическая интерпретация решения задачи лп.
- •§ 3. Алгоритм решения канонической задачи лп симплексным методом (метод Данцига).
- •1) Найдется хотя бы одна положительная (отрицательная) оценка и в каждом столбце с такой оценкой найдется хотя бы один положительный элемент, то можно улучшить решение, выполнив следующую итерацию;
- •2) Найдется хотя бы одна положительная (отрицательная) оценка, столбец которой не содержит ни одного положительного элемента, то функция не ограничена в области допустимых решений;
- •§ 4. Решение почти канонических задач.
- •§ 5. Вырожденная задача лп.
- •Глава 2. Решение основной задачи линейного программирования.
- •§1 Сведение основной задачи к двум каноническим.
- •Метод искусственного базиса
- •2. Если линейная система уравнений обладает планами, то существует равносильная ей каноническая система, которую можно получить из завершающей симплексной таблицы вспомогательной задачи [4].
- •3. Далее решаем каноническую (или почти каноническую) задачу лп: минимизировать (максимизировать) целевую функцию f основной задачи лп при условиях (***).
- •§2. Задача о диете
- •Глава 3. Целочисленное линейное программирование.
- •§1 Метод Гомори
- •§2.Пример постановки задачи рационального раскроя [4, c.176].
- •Глава 4. Теория двойственности в лп
- •§ 1. Симметричные двойственные задачи
- •I и II задачи имеют решение.
- •§2. Несимметричные двойственные задачи.
- •Раздел 2. Нелинейное программирование
- •Глава 1.
- •§ 1. Задачи нелинейного программирования с линейной целевой функцией и нелинейной системой ограничений.
- •§ 2. Задачи нелинейного программирования с линейной системой ограничений, но нелинейной целевой функцией.
- •§ 3. Задачи нелинейного программирования с нелинейной системой ограничений и нелинейной целевой функцией.
- •§4. Градиентный метод нелинейного программирования.
- •§5. Выпуклое программирование.
- •Геометрическая интерпретация и графический способ решения задачи квадратичного программирования
- •§6. Параметрическое программирование.
- •Глава 2. Динамическое программирование.
- •Глава 3. Метод случайных испытаний.
- •Глава 4. Геометрическое программирование.
Раздел 2. Нелинейное программирование
Глава 1.
§ 1. Задачи нелинейного программирования с линейной целевой функцией и нелинейной системой ограничений.
Чтобы проиллюстрировать более наглядно различие между линейными и нелинейными задачами, ограничимся решением задачи с двумя переменными, так как решение таких задач может быть представлено графически.
Задача.
На множестве решений системы неравенств
+
≤
36;
найти
глобальные экстремумы функции
.
Решение.
На рис. 1 множество допустимых решений
заштриховано. Это множество выпукло.
Линиями уровня функции z
= 2х + у являются
параллельные прямые с угловым
коэффициентом К =
- 2. Очевидно, что глобальный минимум
достигается в точке О(0; 0), а глобальный
максимум— в точке А
касания прямой уровня
и окружности х2
± y2
= 36. Найдем координаты точки А.
Для этого достаточно
составить уравнение прямой l
и решить систему, состоящую из
уравнения прямой и уравнения окружности.
Заметим, что прямая l
перпендикулярна линии уровня, а,
следовательно, ее угловой коэффициент
К1
равен
(К1К
= — 1).
Прямая l
проходит через точку О
и имеет угловой
коэффициент
К 1
=
.
Рис. 1
Поэтому
ее уравнение таково:
у =
.
Решая систему
+
=
36;
у
=
,
получаем
Итак,
глобальный минимум, равный 0, достигается
в точке О (0;0), а глобальный максимум,
равный 6,
— в точкеА (2,4-
;
1,2*
).
Локальных экстремумов, отличных от
глобальных, функция не достигает.
§ 2. Задачи нелинейного программирования с линейной системой ограничений, но нелинейной целевой функцией.
Множество допустимых решений таких задач всегда выпукло, так как линейные ограничения образуют выпуклый многогранник в n-мерном пространстве. Однако в отличие от линейного программирования при нелинейной целевой функции оптимальное решение не обязательно находится в вершине этого многогранника.
Задача.
Определить
наибольшее значение функции
z
=
при условии
Решение.
Множество допустимых решений
заштриховано на рис. 2. Если целевой
функции придавать фиксированные
значения с,
то будем получать
окружности с центром в начале координат
и радиусом с2.
Пусть с
= 1,
2, ... Начертим ряд окружностей (линии
уровня целевой функции). Из рисунка
2 видно, что функция z
=
достигает наибольшего
значения, равного 8, в точке A
(8;0): z
= 8.
Рис.2
К рассматриваемому типу нелинейных задач относятся и задачи с дробно-линейной целевой функцией.
Решение задач дробно-линейного программирования
симплексным методом
Дробно-линейной функцией называется функция вида
Задача.
Найти максимальное
значение функции
на множестве решений системы ограничений
Решение. Введем обозначение:
Тогда
Обозначим
Целевая
функция запишется тогда так:
Преобразуем систему
ограничений, умножив обе части всех
ограничений на
:
Включим в систему
ограничений (2) ограничение (1) и перейдем
к переменным
Нетрудно убедиться в том, что мы получили задачу линейного программирования:
найти максимальное
значение
на
множестве решений системы (3). Эту задачу
линейного программирования решаем
симплексным методом, обозначив
и учитывая, что