- •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
1.2 Некоторые свойства планов
Во всех аналитических методах решение задачи ЛП ищется последовательными приближениями. Вначале задается допустимое решение, которое затем улучшается в направлении движения к экстремуму целевой функции.
Мы в этом разделе рассмотрим несколько теорем, позволяющих провести анализ решения задачи ЛП. Предполагаем, что наша задача приведена к каноническому виду на максимум.
Теорема 1Множество всех планов задачи ЛП выпукло.
Доказательство:Возьмем два плана задачи ЛП, заданной в канонической форме:
![]()
Необходимо показать, что
выпуклая комбинация из точек
и
![]()
,
является планом.
.
То есть х является планом.
Аналогично можно показать по индукции, что выпуклая комбинация любых планов задачи ЛП также является планом.
Линейная форма ограничений задачи (1.3) приводит к тому, что граница G (если оно непустое) состоит из кусков ряда гиперплоскостей. G может либо пустым множеством, либо выпуклым многогранником, либо выпуклой многогранной областью, уходящей в бесконечность. Для облегчения изложения дальнейшего материала будем предполагать, что область G ограничена, т.е. представляет собой выпуклый многогранник.
Мы должны найти из бесконечного множества точек множества G найти точку, в которой достигается максимум целевой функции z(x). Решение этой проблемы облегчается тем фактом, что замкнутую многогранную область G порождает конечное число особых точек (крайних точек), являющихся вершинами многогранника. Крайней точкой называют точку множества G, которая не может быть представлена как линейная комбинация двух других точек из множества G. Остальные точки G являются выпуклыми комбинациями крайних точек, т.е. как говорят в теории множеств, G является выпуклой оболочкой своих крайних точек.
Теорема 2 Линейная форма z(x)=cTx задачи ЛП достигает своего максимума в крайней точке выпуклой области планов G. Если z(x) достигает максимума более чем в одной крайней точке, то она достигает того же значения в любой другой точке, являющейся выпуклой комбинацией этих точек.
Доказательство: Обозначим
крайние точки области G (вершины выпуклой
многогранной области) через х(1),
…, х(k),
оптимальный план – через
.
Считаем, что максимум достигается только
в одной точкех0,
т.е. z(x0)>z(x),
хG.
Покажем, что х0 может быть только крайней точкой области G. Если она не крайняя, то она может быть представлена выпуклой комбинацией крайних точек:
![]()
Рассчитаем z(x0), учитывая линейность функции z:
![]()
Пришли к противоречию. Следовательно, x0 может быть только крайней точкой области G.
Предположим далее, что
существует несколько крайних точек
х(1), …, х(m),
в которых целевая функция z(x)
достигает своего максимального значения:
z(x(1))=…=z(x(m))=z0
z(x0).
Тогда в точках
величинаz(x)
также достигает максимального значения
Теорема доказана.
Определение. План x задачи ЛП, заданной в канонической форме (1.3), называется невырожденным опорным планом, если число ненулевых компонент плана х равно рангу матрицы А, и векторы столбцы матрицы А, соответствующие ненулевым компонентам х, линейно независимы.
В (1.3) матрица А имеет размер (m×n). Будем считать для простоты, что ранг r=m, т.е. матрица А имеет m линейно независимых столбцов.
Определение.
Система m
линейно независимых столбцов
матрицыA
называется базисом опорного плана х
(в векторе х
компоненты
положительны, а остальные нулевые) и
обозначаетсяBx.
Примем без доказательства следующую теорему.
Теорема 3 План хT=(х1, х2, … ,хn) является крайней точкой G в том и только в том случае, если он опорный.
Сформулируем основные результаты раздела.
Множество планов задачи ЛП соответствует множеству точек выпуклого многогранника G.
Множество опорных планов соответствует множеству крайних точек многогранника G.
Каждой крайней точке соответствует базис из m векторов из данной системы n векторов-столбцов матрицы А.
Оптимальный план находится среди опорных (базисных).
Все конечные методы решения ЛП основываются на переборе тем или иным способом опорных планов и выборе из них оптимального.
