- •Розділ 1. Методологічні основи дослідження операцій
- •1.1 Етапи дослідження операцій
- •1.2 Математичне моделювання. Загальна структура
- •1.3 Етапи математичного моделювання. Приклади
- •1.4 Розділи і класи задач дослідження операцій
- •1.5 Основні вимоги до математичних моделей і їх властивості
- •1.6 Формалізація принципів оптимального поводження в моделях прийняття рішення.
- •Розділ 2. Задачі лінійного програмування
- •2.1 Попередні відомості теорії лінійного програмування.
- •2.2 Графічна інтерпретація розв’язання задач лп
- •2.3 Змістовний опис симплекс-методу розв’язання задач лп
- •2.4 Знаходження початкового опорного плану
- •2.5 Знаходження оптимального плану
- •2.6 Застосування симплекс-таблиць
- •2.7 Метод штучної бази
- •2.8 Двоїсті (спряжені) задачі лінійного програмування
- •З другої групи умов доповняльної нежорсткості маємо
- •Розділ 3. Транспортні задачі (т-задачі)
- •3.1 Математична структура т-задач
- •3.2. Визначення початкового опорного плану т-задачі
- •3.3 Властивості опорних планів т-задач
- •3.4 Розв’язання т-задач методом потенціалів
- •3.6 Задача про оптимальні призначення
- •3.7 Задача про максимальний потік. Метод Форда-Фалкерсона
- •3.8 Задача про найкоротший шлях на мережi. Метод Мiнтi
- •Розділ 4. Дискретне програмування
- •4.1 Задача дискретного лп. Метод Гоморi-1)
- •4.2 Задача частково дискретного лп. Метод Гоморi-2
- •4.3 Задача дискретного лп. Метод Гоморi-3
- •4.4 Задача частково дискретного лп. Метод Дальтона-Ллевелiна
- •4.5 Задача дискретного лп. Метод гілок I границь
- •Розділ 5. Нелінійне програмування. Безумовна однопараметрична оптимізація
- •5.1 Загальні відомості
- •5.2 Методи виключення інтервалів
- •Зауваження
- •5.3 Поліноміальна апроксимація
- •5.4 Методи оптимізації з використанням похідних
- •Розділ 6. Нелінійне програмування. Методи умовної оптимізації
- •6.1 Класична задача математичного програмування
- •6.2 Задача опуклого квадратичного програмування.
- •6.3. Метод Франка – Вулфа розв’язання задач квадратичного програмування (зкп)
- •Розділ 7. Теорія прийняття рішень
- •7.1. Теорія корисності і прийняття рішень
- •7.1.1. Прийняття рішень в умовах ризику
- •7.1.2. Критерій “очікуване значення – дисперсія”
- •7.1.3. Критерій граничного рівня.
- •7.2. Прийняття рішень в умовах невизначеності
- •7.2.1. Класичні критерії прийняття рішень
- •7.2.2. Похідні критерії
- •Розділ 8. Прийняття рішень в ігрових ситуаціях
- •8.1 Класифікація ігор
- •8.2 Розв’язання матричних ігор у чистих стратегіях
- •8.3 Змішане розширення матричної гри
- •8.4 Властивості розв’язку матричних ігор
- •8.5. Алгебраїчний метод розв’язання матричних ігор
- •8.6 Графічний метод розв’язання ігор 2nіm 2.
- •8.7 Матричний метод розв’язання ігор
- •8.8. Ітеративні методи розв’язання ігор
- •8.9. Метод послідовного наближення до ціни гри
- •Розділ 9. Нескінченні антагоністичні ігри
- •9.1. Визначення нескінченної антагоністичної гри
- •9.2 Ігри з опуклими функціями виграшів
- •Розділ 10. Безкоаліційні ігри
- •Розділ 11. Кооперативні ігри
- •11.1 Характеристика кооперативних ігор
- •11.2. Характеристичні функції ігор з малим числом гравців
- •Розділ 12. Вправи для самостійної роботи та для практичних і лабораторних занять
- •12.1. Побудова математичних моделей задач
- •12.2. Розв’язання задач лінійного програмування
- •12.3 Розв’язання транспортних задач
- •12.4 Розв’язання задач цілочислового програмування
- •12.5 Розв’язання задач нелінійного програмування
- •12.6 Розв’язання матричних ігор
- •12.7 Лабораторний практикум
- •Розділ 13. Контрольна робота для студентів заочної форми навчання
- •13.1 Правила вибору задач контрольної роботи
- •13.2 Варіанти завдань контрольної роботи
- •Література
- •1.1 Етапи дослідження операцій 5
6.3. Метод Франка – Вулфа розв’язання задач квадратичного програмування (зкп)
У матричній формі ЗКП можна записати у вигляді
де D - симетрична, від’ємно визначена квадратна матриця коефіцеєнтів квадратичної форми.
Як відомо, із умов теореми Куна-Таккера випливає, що вектор X* буде розв'язком ЗКП тоді й тільки тоді, коли існують такі m-вимірні вектори 0 та W 0 і n-вимірний вектор V=0, за яких виконуються умови:
C+DX–A+V=0; b–AX–W=0; VTX=0; WT=0.
Дві останні умови нелінійні (умови доповняльної нежорсткості). З них випливає, що меншою мірою n змінних з Х та V , а також m змінних з та W мають обертатися у нуль. Звідси випливає, що для знаходження розв'язку ЗКП з від’ємно визначеною квадратичною формою досить розв’язати систему рівнянь і задовольнити умови доповняльної нежорсткості.
Використовуючи метод штучного базису, формулюємо задачу:
Якщо у результаті її розв'язання вдалось вивести з базису усі штучні змінні і виконати умови доповняльної нежорсткості, то знайдений базисний розв'язок буде розв'язком ЗКП. Розглянемо метод Франка - Вулфа.
Переформулюємо задачу: серед довільних базисних розв'язків системи знайти такий, який обертає у нуль VTX+W. Розглянемо вектор
Z=(x1,…,xn, 1,…,m, v1,…,vn, w1,…,wm)
та вектор =(v1,…,vn, w1,…,wm, x1,…,xn, 1,…,m).
Тоді
VTX+WT =ZT min,
BZ=d,
Z 0.
де
Виконуємо ряд ітерацій так, щоб опукла функція T(Z) = ZTZ мінімізувалася за таким рекурентним правилом: у результаті к-го кроку маємо довільний розв'язок Zk, що відповідає системі обмежень задачі, а також довільний розв'язок k, який задовольняє тим самим обмеженням, але не обов'язково буде базисним. Йому відповідає додатне значення T(Z) (на першому кроці ). Починаючи з базисного розв'язку Zk , мінімізуємо лінійну відносно Z форму (Zk )T . Маємо послідовність базисних розв'язків Z0=Zk, Z1, Z2 , ... , причому (Z0)T > (Z1)T . Обчислення закінчується, якщо
а) (Zh)Th =0;
б) (Zh)Tk (k)Tk.
У випадку а) Zk - розв’язок ЗКП, а у випадку б) знаходимо
Zk+1=Zk; k+1=k+(Zk+1–k),
=min
На кожному кроці маємо або а) або б) однак через певну кількість кроків будемо мати тільки а).
Приклад 6.3. Розв’язати ЗКП методом Франка – Вульфа:
10x1+20x2–2x12–2x22+x1x2 max,
x1+x2 10,
x2 4,
x1 0, x2 0.
Матриця D має вигляд
D =
Оскільки знаки її мінорів змінюються спочатку “ - ” потім “ +” то згідно з критерієм Сильвестра цільова функція буде угнутою.
Запишемо функцію Лагранжа квадратичної задачі
L(X,)=10x1+20x2–2x12–2x22+x1x2+1(10–x1–x2)+2(4–x2).
Умови теореми Куна – Таккера мають вигляд:
1. 2.
= 10– 4x1+ x2– 1 0 ; x1 = x1 (10– 4x1+ x2– 1) = 0 ;
= 20– 4x2– 1– 2 0; x2 = x2 (20– 4x2– 1– 2 ) = 0;
= 10 – x1– x2 0; 1 = 1 (10– x1– x2 ) = 0;
= 4 – x2 0; 2 = 2 (4– x2 ) = 0 .
Треба знайти такий розв’язок системи умов 1, який одночасно задовольнив би і систему 2. Перепишемо систему 1 у вигляді:
4x1–x2+1 10 ,
–x1+4x2+1+2 20 ,
x1+x2 10,
x2 4 .
Вводячи у цю систему обмежень невід’ємні додаткові змінні V1, V2, W!, W2 дістаємо
4x1– x2+ 1– V1 = 10 ,
–x1+ 4x2+1+ 2– V2 = 20 ,
x1+ x2 + W1 = 10,
x2 + W2 = 4 .
При цьому мають виконуватись умови доповняльної нежорстокості
x1V1 = 0, x2V2 = 0, 1W1 = 0, 2W2 = 0.
Запишемо вектор Z = (z1 , z2 , z3 , z4 , z5 , z6 , z7 , z8), як
Z=(x1,x2, 1, 2, v1, v2, W1, W2)
та вектор у вигляді
.
Далі запишемо VTX+WT=ZT/2.
Тепер задачу можна зобразити у вигляді
ZTmin ;
BZ = d ;
Z 0 ,
де
4 –1 1 0 –1 0 0 0 10
B = –1 4 1 1 0 –1 0 0 , d = 20 .
1 1 0 0 0 0 1 0 10
0 1 0 0 0 0 0 1 4
Для знаходження довільного базисного розв’язку використаємо метод штучних змінних. Введемо в систему обмежень штучну змінну U1=Zg і запишемо цільову функцію L’ =Mzg min і початкову симплекс-таблицю у вигляді табл. 6.1.
Таблиця 6.1
i |
Б |
С |
Z1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
z1 |
z2 |
z3 |
z4 |
z5 |
z6 |
Z7 |
z8 | ||||
1 |
z9 |
M |
10 |
4 |
-1 |
1 |
0 |
-1 |
0 |
0 |
0 |
2 |
z4 |
0 |
20 |
-1 |
4 |
1 |
1 |
0 |
-1 |
0 |
0 |
3 |
z7 |
0 |
10 |
1 |
1 |
0 |
0 |
0 |
0 |
1 |
0 |
4 |
z8 |
0 |
4 |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
1 |
m+2 |
|
|
10 |
4 |
-1 |
1 |
0 |
-1 |
0 |
0 |
0 |
Зробимо крок симплексних перетворень і дістанемо табл. 6.2.
Таблиця 6.2
i |
Б |
С |
Z2 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
z1 |
z2 |
z3 |
z4 |
z5 |
z6 |
z7 |
z8 | ||||
1 |
z1 |
0 |
5/2 |
1 |
-1/4 |
1/4 |
0 |
-1/4 |
0 |
0 |
0 |
2 |
z4 |
0 |
45/2 |
0 |
15/4 |
5/4 |
1 |
-1/4 |
-1 |
0 |
0 |
3 |
z7 |
0 |
15/2 |
0 |
5/4 |
0 |
0 |
1/4 |
0 |
1 |
0 |
4 |
z8 |
0 |
4 |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
1 |
m+2 |
|
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
Для перeвірки умов доповняльної нежорстокості розглянемо вектори
Z2 = =
Оскільки (Z2)TZ2 0 то разом з табл. 6.2 знайшли довільний розв’язок Z0=Z0. Починаючи з нього мінімізуємо лінійну щодо Z функцію:
Табл. 6.3 випливає безпосередньо з табл. 6.2.
Таблиця 6.3
I |
Б |
С |
Z1 |
0 |
0 |
15/2 |
4 |
5/2 |
0 |
0 |
45/2 |
z1 |
z2 |
z3 |
z4 |
z5 |
z6 |
z7 |
z8 | ||||
1 |
z1 |
0 |
5/2 |
1 |
-1/4 |
1/4 |
0 |
-1/4 |
0 |
0 |
0 |
2 |
z4 |
4 |
45/2 |
0 |
15/4 |
5/4 |
1 |
-1/4 |
-1 |
0 |
0 |
3 |
z7 |
0 |
15/2 |
0 |
5/4 |
0 |
0 |
1/4 |
0 |
1 |
0 |
4 |
z8 |
45/2 |
4 |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
1 |
m+1 |
|
|
i |
Б |
С |
Z0 |
0 |
-7/2 |
-4 |
0 |
0 |
Вибравши другий стовпець і четвертий рядок ведучими, робимо крок симплексного виключення і переходимо до нової таблиці 6.4
Таблиця 6.4
I |
Б |
С |
Z1 |
0 |
0 |
15/2 |
4 |
5/2 |
0 |
0 |
45/2 |
z1 |
z2 |
z3 |
z4 |
z5 |
Z6 |
Z7 |
z8 | ||||
1 |
z1 |
0 |
7/2 |
|
|
|
|
|
|
|
|
2 |
z4 |
4 |
15/2 |
|
|
|
|
|
|
|
|
3 |
z7 |
0 |
5/2 |
|
|
|
|
|
|
|
|
4 |
z2 |
0 |
4 |
|
|
|
|
|
|
|
|
m+1 |
|
|
30 |
|
|
|
|
|
|
|
|
Оскільки то перевіряємо умови доповняльної не жорсткості
= =
Вони виконуються оскільки (Z1)TZ1 = 0. Таким чином знайдемо оптимальний розв’язок ЗКП
X* = ;
F(X*) = 62,5 .