Исследование операций

Исследование операций – это комплексная математическая дисциплина, занимающаяся построением, анализом и применением математических моделей принятия оптимальных решений при проведении операций.

Предмет исследования операций - системы организационного управления или организации, которые состоят из большого числа взаимодействующих между собой подразделений не всегда согласующихся между собой и могут быть противоположны.

Цель исследования операций - количественное обоснование принимаемых решений по управлению организациями

Операция – система управляемых действий, объединенная единым замыслом и направленная на достижение определенной цели.

Набор управляющих параметров (переменных) при проведении операции называется решением. Решение называется допустимым, если оно удовлетворяет набору определенных условий. Решение называется оптимальным, если оно допустимо и, по определенным признакам, предпочтительнее других, или, по крайней мере, не хуже.

Признак предпочтения называется критерием оптимальности.

Критерий оптимальности включает в себя целевую функцию направление оптимизации или набор целевых функций и соответствующих направлений оптимизации.

Целевая функция – это количественный показатель предпочтительности или эффективности решений.

Направление оптимизации - это максимум (минимум), если наиболее предпочтительным является наибольшее (наименьшее) значение целевой функции. Например, критерием может быть максимизация прибыли либо минимизация затрат.

Математическая модель задачи ИО включает в себя:

1) описание переменных, которые необходимо найти;

2) описание критериев оптимальности;

3) описание допустимых решений (ограничений, накладываемых на переменные)

Цель ИО – количественно и качественно обосновать принимаемое решение. Окончательное решение принимает ответственное лицо либо группа лиц, называемое ЛПР – лицо, принимающее решение.

Вектор, удовлетворяющий системе ограничений, называется допустимым решением или планом ЗЛП. Множество всех планов называется допустимой областью или областью допустимых решений. План, который доставляет максимум (минимум), целевой функции называется оптимальным планом или оптимальным решением ЗЛП. Таким образом, решить ЗЛП – значит найти ее оптимальный план.

Привести общую ЗЛП к основной очень просто, используя следующие очевидные правила.

1. Минимизация целевой функции f равносильна максимизации функции g = –f.

2. Ограничение в виде неравенства равносильно уравнению при условии, что дополнительная переменная.

3. Если на некоторую переменную x_j не накладывается условие неотрицательности, то делают замену переменной, ,.

Линия уровня функции f, т. е. линию, вдоль которой эта функция принимает одно и то же фиксированное значение с, т. е. f(x₁,x₂)=c

Множество точек называется выпуклым, если оно вместе с любыми двумя своими точками содержит весь отрезок, соединяющий эти точки.

В случае двух переменных множество решений линейного неравенства (уравнения) представляет собой полуплоскость (прямую).

Пересечение этих полуплоскостей (и прямых, если в системе ограничений есть уравнения) представляет собой допустимую область. Если она не пуста, то является выпуклым множеством и называется многоугольником решений.

В случае трех переменных допустимая область ЗЛП есть пересечение полупространств и, возможно, плоскостей, и называется многогранником решений

Система линейных уравнений называется системой с базисом, если в каждом уравнении содержится неизвестное с коэффициентом, равным 1, отсутствующее в остальных уравнениях системы. Эти неизвестные называются базисными, остальные – свободными.

Систему линейных уравнений будем называть канонической, если она является системой с базисом и все b_i ≥ 0. Базисное решение в этом случае оказывается планом, т. к. его компоненты неотрицательны. Назовем его базисным (или опорным) планом канонической системы.

ОЗЛП будем называть канонической (КЗЛП), если система линейных уравнений этой задачи – каноническая, а целевая функция выражена только через свободные неизвестные.

Т. Если в симплекс-таблице среди коэффициентов при каком-либо свободном неизвестном имеется хотя бы один положительный элемент, то возможен переход к новой канонической задаче, равносильной исходной, в которой указанное свободное неизвестное оказывается базисным (при этом одно из базисных неизвестных переходит в число свободных).

Теорема 2. (об улучшении базисного плана). Если в индексной строке симплекс-таблицы задачи максимизации содержится отрицательный элемент с_j, а в столбце х_j имеется хотя бы один положительный элемент, причем ключевое отношение >0, то возможен переход к равносильной канонической задаче с не хужим базисным планом.

Теорема 3. (достаточное условие оптимальности). Если все элементы индексной строки симплекс-таблицы задачи максимизации неотрицательны, то базисный план этой задачи является оптимальным, а с₀ есть максимум целевой функции на множестве планов задачи.

Теорема 4. (случай неограниченности целевой функции). Если в индексной строке симплекс-таблицы задачи максимизации содержится отрицательный элемент с_j, а в столбце неизвестного х_j все элементы неположительны, то на множестве планов задачи целевая функция не ограничена сверху.

Симплекс-метод:

1. Записываем данную КЗЛП в исходную симплекс-таблицу.

2. Если все элементы индексной строки симплекс-таблицы неотрицательны, то базисный план задачи является оптимальным (теорема 3).

3. Если в индексной строке содержится отрицательный элемент, над которым в таблице нет ни одного положительного, то целевая функция не ограничена сверху на множестве планов и задача не имеет решений (теорема 4).

4. Если над каждым отрицательным элементом индексной строки имеется в таблице хотя бы один положительный, то следует перейти к новой симплекс-таблице, для которой базисный план не хуже предыдущего (теорема 2). С этой целью (см. доказательство теоремы 1)

выбираем в таблице ключевой столбец, в основании которого находится какой-либо отрицательный элемент индексной строки;

выделяем ключевое отношение (минимальное из отношений b_i к положительным элементам ключевого столбца), знаменатель которого будет ключевым элементом;

составляем новую симплекс-таблицу; для этого делим ключевую строку (строку, в которой находится ключевой элемент) на ключевой элемент, а затем из всех остальных строк (включая индексную) вычитаем полученную строку, умноженную на соответствующий элемент ключевого столбца (чтобы все элементы этого столбца, кроме ключевого, стали равны 0).

5. При рассмотрении полученной симплекс-таблицы непременно представится один из трех случаев, описанных в пп. 2, 3, 4. Если при этом возникнут ситуации пп. 2 или 3, то процесс решения задачи завершается, если же возникнет ситуация п. 4, то процесс продолжается.

Если учесть, что число различных базисных планов конечно, то возможны два случая:

через конечное число шагов задача будет решена (возникнут ситуации пп. 2 или 3);

начиная с некоторого шага возникает зацикливание (периодическое повторение симплексных таблиц и базисных планов).

Эти задачи называются симметричными двойственными задачами. Отметим следующие особенности, связывающие эти задачи:

1. Одна из задач является задачей максимизации, а другая – минимизации.

2. В задаче максимизации все неравенства – ≤, а в задаче минимизации – ≥.

3. Число неизвестных одной задачи равно числу неравенств другой.

4. Матрицы коэффициентов при неизвестных в неравенствах обеих задач являются взаимно транспонированными.

5. Свободные члены неравенств одной из задач равны коэффициентам при соответствующих неизвестных в выражении целевой функции другой задачи.

Алгоритм построения двойственной задачи.

1. Привести все неравенства системы ограничений исходной задачи к одном смыслу – к каноническому виду.

2. Составить расширенную матрицу системы А, в которую включить столбец b_i и коэффициенты целевой функции F.

3. Найти транспонированную матрицу А^Т.

4. Записать двойственную задачу.

Теорема 5. Значение целевой функции задачи максимизации для любого ее плана не превосходит значения целевой функции двойственной к ней задачи минимизации для любого ее плана, т. е. имеет место неравенство:

f(x) ≤ g(y),

называемое основным неравенством двойственности.

Теорема 6. (достаточное условие оптимальности). Если для некоторых планов двойственных задач значения целевых функций равны, то эти планы являются оптимальными.

Теорема 7. (основная теорема двойственности). Если ЗЛП имеет конечный оптимум, то двойственная к ней также имеет конечный оптимум, и оптимальные значения целевых функций совпадают. Если целевая функция одной из двойственных задач не ограничена, то условия другой задачи противоречивы.

Теорема 8. (о дополняющей нежесткости). Для того чтобы допустимые решения и двойственных задач являлись оптимальными, необходимо и достаточно, чтобы выполнялись следующие соотношения:

Ценности ресурсов прямой ЗЛП представляет собой значения переменных в оптимальном решении двойственной задачи.

Компоненты оптимального решения двойственной ЗЛП равны соответствующим элементам индексной строки оптимальной симплекс-таблицы прямой задачи, отвечающим дополнительным переменным.

Теорема 11. (критерий оптимальности плана транспортной задачи). Для того чтобы план перевозок) был оптимальным, необходимо и достаточно, чтобы существовали числа () и (), удовлетворяющие следующим условиям:

а) для всех базисных клеток плана (>0);

б) для всех свободных клеток (=0).

Метод потенциалов

Шаг 1. Проверить является ли данная транспортная задача закрытой. Если да, то перейти ко второму шагу. Если нет, то свести ее к закрытой задаче путем введения либо фиктивного поставщика, либо фиктивного потребителя.

Шаг 2. Найти исходное опорное решение (исходный опорный план) закрытой транспортной задачи.

Шаг 3. Проверить полученное опорное решение на оптимальность:

вычислить для него потенциалы поставщиков u_i и потребителей v_j

для всех свободных клеток (i,j) вычислить оценки;

если все оценки неположительны (), то решение задачи окончено: исходный опорный план оптимален. Если среди оценок есть хотя бы одна положительная, то переходим к четвертому шагу.

Шаг 4. Выбрать клетку (i^*,j^*) с наибольшей положительной оценкой и для нее построить замкнутый цикл перераспределения груза. Цикл начинается и заканчивается в выбранной клетке. Получим новое опорное решение, в котором клетка (i^*, j^*) окажется занятой. Возвращаемся к третьему шагу.

Через конечное число шагов будет получено оптимальное решение, т. е. оптимальный план перевозок продукции от поставщиков к потребителям.

Точка называется точкой локального максимума, если существует окрестность этой точки такая, что

.

Необходимые условия оптимальности

Для того, чтобы функция одной переменной имела в точке x^* локальный экстремум, необходимо, чтобы производная функции в этой точке была равна нулю,

Для того, чтобы функция имела в точке локальный экстремум, необходимо, чтобы все ее частные производные в этой точке обращались в ноль

Если в точке x^* первая производная функции равна нулю, а вторая производная >0, то функция в точке x^* имеет локальный минимум, если 2 произв ,<0 то функция в точке x^* имеет локальный максимум.

Теорема 4. Если функция одной переменной имеет в точке x^* производные до (n - 1) порядка, равные нулю, и производная n порялка не равна 0, то тогда,

если n четно, то точка x^* является точкой минимума, если,fn(x)>0

точкой максимума, если fn(x)<0.

Если n нечетно, то точка x^* – точка перегиба.

Числовая матрица называется матрицей квадратичной формы.

Квадратичная форма (5) называется положительно определенной, если для Q(X) >0 и отрицательно определенной, если для .Q(X)<0

Симметричная матрица A называется положительно определенной, если построенная по ней квадратичная форма (5) положительно определена.

Симметричная матрица называется отрицательно определенной, если построенная по ней квадратичная форма (6) отрицательно определена.

Критерий Сильвестра: матрица является положительно определенной, если все ее угловые миноры больше нуля.

Матрица является отрицательно определенной, если знаки угловых миноров чередуются.

Для того чтобы матрица была положительно определенной, необходимо, чтобы все ее собственные числа были больше нуля.

Собственные числа – корни многочлена .

Достаточное условие оптимальности задается следующей теоремой.

Теорема 5. Если в стационарной точке матрица Гессе положительно определена, то эта точка – точка локального минимума, если матрица Гессе отрицательно определена, то эта точка – точка локального максимума.

Конфликт - это противоречие, вызванное противоположными интересами сторон.

Конфликтная ситуация – ситуация, в которой участвуют стороны, интересы которых полностью или частично противоположны.

Игра - это действительный или формальный конфликт, в котором имеется по крайней мере два участника, каждый из которых стремится к достижению собственных целей

Правилами игры называют допустимые действия каждого из игроков, направленные на достижение некоторой цели.

Платежом называется количественная оценка результатов игры.

Парная игра – игра, в которой участвуют только две стороны (два игрока).

Игра с нулевой суммой или антагонистическая - парная игра, при которой сумма платежа равна нулю, т. е. если проигрыш одного игрока равен выигрышу другого.

Выбор и осуществление одного из действий, предусмотренных правилами, называется  ходом  игрока. Ходы могут быть личными и случайными.

Личный ход – это сознательный выбор игроком одного из возможных действий (например, ход в шахматной игре).

Случайный ход – это случайно выбранное действие (например, выбор карты из перетасованной колоды).

Стратегия игрока - это однозначный выбор игрока в каждой из возможных ситуаций, когда этот игрок должен сделать личный ход.

Оптимальная стратегия - это такая стратегия игрока, которая при многократном повторении игры обеспечивает ему максимально возможный средний выигрыш или минимально возможный средний проигрыш.

Платежная матрица – полученная матрица A или, иначе, матрица игры.

Конечной игрой размерности (m  n) называется игра, определенная матрицей А размерности (m  n).

Максимином или нижней ценой игры назовем число alpa = max(i)(min aij)(j)

,

а соответствующая ему стратегия (строка) максиминной.

Минимаксом или верхней ценой игры назовем число Beta = min(j)(max aij)i

а соответствующая ему стратегия (столбец) минимаксной.

Нижняя цена игры всегда не превосходит верхнюю цену игры.

Игрой с седловой точкой называется игра для которой. Alp = beta

Ценой игры называется величина, v если.v = alp = beta

Смешанной стратегией игрока называется вектор, каждая из компонент которого показывает относительную частоту использования игроком соответствующей чистой стратегии.

Теорема 2. Основная теорема теории матричных игр.

Всякая матричная игра с нулевой суммой имеет решение в смешанных стратегиях.

Т3

Если один из игроков применяет оптимальную смешанную стратегию, то его выигрыш равен цене игры  в не зависимости от того, с какими частотами будет применять второй игрок свои стратегии (в том числе и чистые стратегии).

игрой с природой – игра, в которой мы не обладаем информацией о поведении партнера

Риском r_ij игрока при выборе стратегии А_i в условиях H_j называется разность

r_ij = b_j - a_i ,

где b_j - максимальный элемент в j - м столбце.

Графом называется совокупность непустого множества, называемого

множеством вершин графа и множества пар вершин, которые называются

ребрами графа.

Если рассматриваемые пар вершин являются упорядоченными, то граф

называется ориентированным (орграф), в противном случае –

неориентированным. В

Маршрутом (путем) в графе, соединяющем вершины А и В, называется

последовательность ребер, первое из которых выходит из вершины А, начало

последующего совпадает с концом предыдущего, а последнее ребро входит в

вершину В.

Граф называется связным, если для любых двух его вершин существует путь,

их соединяющий. В противном случае граф называется несвязным.

Граф называется конечным, если число его вершин конечно.

Если вершина является началом или концом ребра, то вершина и ребро

называются инцидентными. Степенью (порядком) вершины называется число инцидентных ей ребер

Эйлеров путь (эйлерова цепь) в графе — это путь, проходящий по всем

рѐбрам графа и притом только по одному разу.

Эйлеров цикл — это эйлеров путь, являющийся циклом.

Эйлеров граф — граф, содержащий эйлеров цикл.

Полуэйлеров граф — граф, содержащий эйлеров путь (цепь).

Теорема Эйлера.

Эйлеров цикл существует тогда и только тогда, когда граф связный и в нѐм

отсутствуют вершины нечѐтной степени.

Теорема. Эйлеров путь в графе существует тогда и только тогда, когда граф

связный и число вершин нечѐтной степени равно нулю или двум.

Деревом называется связный граф без циклов, имеющий исходную вершину

(корень) и крайние вершины (степени 1); пути от исходной вершины к крайним вершинам называются ветвями.

Сетью (или сетевым графиком) называется ориентированный конечный

связный граф, имеющий начальную вершину (источник) и конечную вершину (сток).

Весом пути в графе будем называть сумму весов его ребер.

Кратчайшим путем из одной вершины в другую будем называть путь

минимального веса. Вес этого пути будем называть расстоянием между

вершинами.

Работа – это протяженный во времени процесс, требующий затрат ресурсов,

либо логическая зависимость между двумя или несколькими работами

Событие – результат выполнения одной или нескольких работ

Путь – это цепочка следующих друг за другом работ, соединяющих

начальную и конечную вершины.

Продолжительность пути определяется суммой продолжительностей

составляющих его работ.

Правила составления сетевых графиков.

1. В сетевом графике не должно быть тупиковых событий (кроме

завершающего), т. е. таких, за которыми не следует ни одной работы.

2. Не должно быть событий (кроме исходного), которым не предшествует хотя

бы одна работа.

3. В сетевом графике не должно быть циклов.

4. Любые два события связаны не более, чем одной работой.

5. Сетевой график должен быть упорядочен.

Любой путь, начало которого совпадает с исходным событием, а конец – с

завершающим, называется полным путем. Полный путь, имеющий максимальную

продолжительность работ, называется критическим путем

Иерархия есть определенный тип системы, основанный на предположении, что элементы системы могут группироваться в несвязанные множества

Описание метода анализа иерархий

- построение матриц парных сравнений

Находим лямбда макс и решаем систему относительно вектора весов

- синтез локальных приоритетов

- проверка согласованности матриц парных сравнений

- синтез глобальных приоритетов

- оценка согласованности всей иерархии