- •Введение
- •Лекция 1 Симплекс-метод
- •1.1 Общая постановка задачи линейного программирования
- •1.2 Некоторые свойства планов
- •1.3 Алгоритм симплекс-метода
- •Лекция 2 Двойственная задача. Двойственный симплекс-метод. Комбинированный метод решения злп
- •2.1 Постановка двойственной задачи
- •2.2 Основные теоремы о двойственности
- •2.3 Решение двойственных задач
- •2.4 Двойственный симплекс-метод
- •Лекция 3 Анализ чувствительности оптимального решения
- •3.1 Матричное представление симплекс-таблиц
- •Анализ чувствительности
- •3.2.1 Изменения, влияющие на допустимость решения
- •3.2.2 Изменения, влияющие на оптимальность решения
- •Лекция 4 Целочисленное линейное программирование
- •4.1 Метод ветвей и границ
- •4.2 Метод отсекающих плоскостей
- •Лекция 5 Методы решения транспортной задачи
- •5.1 Решение транспортной задачи
- •5.1.1 Постановка транспортной задачи
- •6.1.2 Интерпретация метода потенциалов как симплекс-метода
- •5.1.3 Определение начального решения
- •5.1.4 Метод потенциалов
- •5.2 Задача о назначениях
- •Лекция 6 Введение в нейронные сети
- •6.1 История нейронных сетей
- •6.2 Актуальность нейронных сетей
- •6.3 Свойства нейронных сетей
- •6.4 Классификация нейронных сетей
- •6.5 Представление знаний в нейронных сетях
- •Лекция 7 Биологическая и математическая модель нейрона. Персептрон
- •7.1 Модель нейрона
- •7.2 Функции активации в нейронных сетях
- •1 Единичный скачок или жесткая пороговая функция
- •2 Линейная пороговая функция
- •3 Сигмоидальная функция или сигмоид
- •4 Радиально-базисная функция
- •7.3 Обучение нейронной сети
- •7.4 Персептрон
- •Лекция 8 Алгоритм обратного распространения ошибки
- •8.1 Многослойные нейронные сети. Структура
- •8.2 Вывод основных формул алгоритма обратного распространения ошибки
- •Лекция 9 Рекуррентный метод наименьших квадратов
- •9.1 Применение рекуррентного метода наименьших квадратов для обучения нейронных сетей (rls)
- •Библиографический список
- •Заключение
- •Приложение а
5.1.3 Определение начального решения
Метод северо-западного угла
Выполнение начинается с верхней левой ячейки (северо-западного угла) транспортной таблицы, т.е. с переменной х11.
Переменной х11 присваивается максимальное значение, допускаемое ограничениями на спрос и предложение.
Вычеркивается строка (или столбец) с полностью реализованным предложением (с удовлетворенным спросом). Это означает, что в вычеркнутой строке (столбце) мы не будем присваивать значения остальным переменным (кроме переменной, определенной на первом шаге). Если одновременно удовлетворяется спрос и предложение, вычеркивается только строка или только столбец.
Если не вычеркнута только одна строка или только один столбец, процесс останавливается. В противном случае переходим к ячейке справа, если вычеркнут столбец, или к нижележащей ячейке, если вычеркнута строка. Затем возвращаемся к первому шагу.
Если применить описанную процедуру к примеру 5.1, получим начальное базисное решение, показанное в таблице 5.2. В этой таблице стрелками показана последовательность определения базисных переменных.
Таблица 5.2
-
мельницы
1
2
3
4
предло-
элеваторы
жение
1
10
2
20
11
5
10
15
2
12
7
9
20
5
15
5
25
3
4
14
16
18
10
10
Спрос
5
15
15
15
50
Остальные хij=0. Суммарная стоимость перевозок равна
f=5*10+10*2+5*7+15*9+5*20+10*18=520.
Метод минимального элемента
Данный метод находит лучшее начальное решение, чем метод северо-западного угла, поскольку выбирает переменные, которым соответствуют наименьшие стоимости. Сначала по всей транспортной таблице ведется поиск ячейки с наименьшей стоимостью перевозок. Затем переменной в этой ячейке присваивается наибольшее значение, допускаемое ограничениями на спрос и предложение. (Если таких переменных несколько, то выбор произволен). Далее вычеркивается соответствующий столбец или строка и соответствующим образом корректируются значения спроса и предложений. Если одновременно выполняются ограничения по спросу и предложению, вычеркивается или строка, или столбец (точно так же как в методе северо-западного угла). Затем просматриваются невычеркнутые ячейки, и выбирается новая ячейка с минимальной стоимостью. Описанный процесс продолжается до тех пор, пока не останется лишь одна невычеркнутая строка или столбец.
Применим метод к нашему примеру 5.1.
Ячейка (1,2) имеет наименьшую стоимость (=2). Наибольшее значение, которое можно присвоить переменной х12, равно 15. В этом случае удовлетворяются ограничения, соответствующие первой строке и второму столбцу. Вычеркиваем второй столбец, предложение первой строки и спрос второго столбца принимают нулевые значения.
Следующей ячейкой с наименьшей стоимостью в незачеркнутой части таблицы будет ячейка (3,1). Присвоим переменной х31 значение 5 и вычеркнем первый столбец. Ограничение по предложению, соответствующей третьей строке, станет равным 10-5=5.
Продолжим процедуру, последовательно присваиваем переменной х23 значение 15, переменной х14 – значение 0; далее находим х34=5 и х24=10.
Процесс поиска начального решения представлен в таблице 5.3. Стрелками показана последовательность присвоения переменным значения.
Таблица 5.3
-
мельницы
1
2
3
4
предло-
элеваторы
жение
1
10
2
20
11
15
0
15
2
12
7
9
20
15
10
25
3
4
14
16
18
5
5
10
Спрос
5
15
15
15
50
Соответствующее значение целевой функции равно
f=15*2+5*4+15*9+0*11+5*18+10*20=475.
Начальное решение, полученное методом минимального элемента, меньше, чем методом северо-западного угла.