Понятие о двойственных задачах линейного программирования
Пусть дана задача линейного программирования в стандартной форме: (1).
, i=1,..m (2)
,j=1,..n(3)
Для перехода к двойственной задаче вводятся новые переменные yi, i=1,..m. При этом любая переменная yi соответствует одному из неравенств (2). После этого записывается двойственная задача в следующем виде:
(4)
, j=1,..n (5)
,i=1,..m(6)
Задача (4),(5),(6) называется двойственнойпо отношению к (1),(2),(3). При этом справедливо и обратное, т.е. если задачу (4),(5),(6) рассматривать как прямую задачу линейного программирования, то (1),(2),(3) будет двойственной по отношению к (4),(5),(6).
Правила состояния двойственной задачи для стандартной прямой задачи
Любому ограничению вида (2) прямой задачи сопоставляется двойственная переменная yi, i=1,..m;
Правые части ограничений прямой задачи, т.е. biстановятся коэффициентами целевой функцииz’ двойственной задачи, и критерий оптимальности меняется на простой: min max, maxmin;
Любой переменной xjпрямой задачи соответствуют ограничения двойственной задачи. При этом матрица коэффициентов A = [aij]mxnпрямой задачи транспонируетсяA’nxm=AT;
Правые части ограничений двойственной задачи являются коэффициентами целевой функции прямой задачи. При этом смысл неравенства меняется на противоположный.
Пример
Прямая: Z = 3x1+2x2
Составим двойственную задачу:
Экономический смысл двойственной задачи: Переменные yi двойственной задачи (4),(5),(6) рассматриваются как оценка стоимости одной единицы i-того ресурса, тогдаZ’ в выражении (4) дает оценку затрат на все ресурсы в количествахbiи целевая функция (4) должна быть минимальна.
Первая теорема двойственности: Если одна из задач (1),(2),(3) и (4),(5),(6) имеют решения оптимальный план и при этом значения целевой функции на этих оптимальных планах совпадаютZ(X*) =Z(Y*), при этом векторY* будет с теневыми ценами соответствующих ресурсов прямой задачи. Если же целевая функция одной из этих задач не ограничена, то другая задача вообще не имеет дополнительных планов.
Вторая теорема двойственности: Если задачи (1),(2),(3) и (4),(5),(6) имеют оптимальные решенияX* и Y*, то эти решения удовлетворяют соответствующим условиям:
(7), i=1,..m
(8),j=1,..n
Из условия (7) вытекает два следствия:
=>
=>
Эти условия означают, если i-тый ресурс в задаче (2) является недефицитным, то в оптимальном решении ему соответствует теневая цена = 0. Второе условие означает, что если i-тый ресурс имеет ненулевую теневую цену, то в оптимальном плане производства этот ресурс используется полностью, т.е. является дефицитным.
Из (8) следует:
=>
=>
Эти условия означают, что
если сумма ..., то оптимальный план производства не выполняет выпуск или производство этого вида продукции;
если в оптимальном плане планируется ненулевой V j-того продукта, то теневые цены ресурсов, затраченных на производство одной единицы этого продукта равны с ценой этого продукта.
Поиск оптимального решения при игре с природой
В теоретико-игровых моделях природойназывается объект В обладающий следующими свойствами:
Природа не ставит сознательной цели препятствовать выигрышу игрока А, поэтому вместо термина «стратегия игрока В» обычно используется термин «состояние природы»;
Состояние природы в общем случае неизвестно.
Игрок А должен принять решение о выборе своей стратегии в условиях, когда состояние природы неизвестно. Решение должно проверяться в условиях неопределенности.
|
B1 |
B2 |
B3 |
|
A1 |
5 |
4 |
1 |
(5+4+1)/3 = 10/3 |
A2 |
4 |
4 |
2 |
(4+4+2)/3 = 10/3 |
A3 |
3 |
4 |
2 |
(3+4+2)/3 = 9/3 |
A4 |
2 |
1 |
5 |
(2+1+5)/3 = 8/3 |
aij– выигрыш игрока, если он выберет стратегию βi. При выборе стратегии в условиях неопределенности невозможно однозначно указать оптимальную стратегию. Эта стратегия будет зависеть от двух основных факторов:
Степени информативности игрока А относительно возможных состояний природы;
Склонности игрока А к риску.
С учетом этих факторов различают следующие критерии выбора оптимальных стратегий игроком А:
Критерий учитывает прогноз состояния природы. Если возможно дать достаточно надежный прогноз возможного состояния природы (например, В = В2), то оптимальную стратегию следует выбирать путем анализа столбца В2 с учетом возможного доминирования строк. Если доминирующей стратегии нет, то возможен выбор минимальных стратегий с учетом данного прогноза, то … прогнозируется с учетом ожидаемого риска;
Критерий Лапласа: Если можно принять гипотезу о равновероятности всех состояний природы, то наиболее разумно выбрать стратегию по условию максимального мат.ожидания выигрыша;
Критерий Вальда(пессимистический критерий, максиминный критерий, нижняя цена игры): α – гарантированный выигрыш игрока А при самом неблагоприятном состоянии природы;
Критерий Сэвиджа(критерий минимизации максимального риска)
Риск – принятие решения Ai игроком. А – величина rij=maxaij–aij=bj–aij.
Матрица рисков R
|
B1 |
B2 |
B3 |
max rij |
A1 |
0 |
0 |
4 |
4 |
A2 |
1 |
0 |
3 |
3 |
A3 |
2 |
0 |
2 |
2 |
A4 |
3 |
3 |
0 |
3 |
βj |
5 |
4 |
5 |
|
rij– упущенный выигрыш игрока А при выборе им стратегии Аi от незнания состояния природы.
Критерий Сэвиджа рекомендует выбирать ту стратегию Аi, который соответствует минимум максимального риска. В данном примере и по критерию Вальда, и по критерию Сэвиджа рекомендуется одна и та же оптимальная стратегия А3. В общем случае, эти критерии могут давать разные рекомендации. Однако при принятии ответственных решений целесообразно анализировать выбор с точки зрения разных критериев, и, если рекомендации по нескольким критериям совпадают, то это повышает уверенность в правильности выбора, т.е. увеличивает надежность. Критерий Сэвиджа также как и критерий Вальда является пессимистическим, только здесь другая оценка пессимизма.
Критерий крайнего оптимизма
5 A1 |
4 |
4 |
5 A4 |
Критерий Гурвица
Вводится числовой показатель , который называется степенью оптимизма и рекомендуется выбор стратегии Ai. По условию,
t= 0 – критерий крайнего оптимизма, t = 1 – критерий Вальда.