- •Міністерство освіти і науки україни
- •Київ нухт 2014
- •Мета та завдання навчальної дисципліни
- •Тема 1. Предмет, метод і задачі курсу
- •1.1.Основні дефініції математичного моделювання
- •1.4 Математична модель та її основні елементи
- •Тема 2. Функції і графіки в екомічному моделюванні
- •2.2.Способи завдання та дослідження функцій
- •2.3. Основні елементарні функції
- •Тема 3. Моделі задач лінійного програмування та методи їх розв'язування
- •3.1. Постановка задач лінійного програмування, їх моделі та основні форми
- •2.2. Графічний метод розв’язування задач лінійного програмування
- •3.3. Симплексний метод розв’язування задач лінійного програмування
- •Тема 4. Теорія двоїстості та кількісний аналіз оптимізаційних розрахуків
- •4.1. Двоїстість у задачах лінійного програмування: правила побудови двоїстих задач та їх основні класи
- •4.2. Основні теореми двоїстості
- •4.3. Двоїстий симплекс-метод
- •4.4. Економіко-математичний аналіз оптимальних розрахунків
- •Тема 5. Транспортна задача
- •5.1. Постановка транспортної задачі та її математична модель
- •5.2. Методи побудови початкового опорного плану
- •1. Діагональний метод (північно-західного кута).
- •2. Метод найменшої вартості.
- •5.3. Метод потенціалів
- •5.3.1. Критерій оптимальності опорного плану за методом потенціалів
- •5.3.1. Цикли перерахунку транспортної задачі
- •5.4 Практичне застосування транспортної задачі
- •5.4.2. Модель оптимального розподілу фінансових ресурсів банку
- •5.4.3. Модель формування штатного розпису фірми
- •Тема 6. Задачі цілочислового лінійного програмування та методи їх розв'язання
- •6.1. Постановка задачі цілочислового лінійного програмування
- •6.2. Методи розв’язування задач цілочислового лінійного програмування
- •6.3. Прикладні моделі задач цілочислового лінійного програмування (модель формування оптимальної інвестиційної програми при заданому бюджеті)
- •Тема 7. Нелінійні оптимізаційні моделі економічних систем
- •7.1. Постановка задачі нелінійного програмування та її характерні особливості
- •7.2. Основні види задач нелінійного програмування
- •Тема 8. Динаміче програмування
- •8.1. Постановка задачі динамічного програмування
- •8.2. Методи розв’язування задач динамічного програмування
- •8.3. Прикладні моделі динамічного програмування (модель оптимального розподілу фінансових ресурсів між інвестиційними проектами)
- •3.Рекомендована література Законодавчі та нормативно-правові документи
- •Базова література
- •Допоміжна література
- •Інформаційні ресурси
- •Http://ndipit.Com.Ua Науково-дослідний інститут прикладних інформаційних технологій
7.2. Основні види задач нелінійного програмування
Для розв’язування задач нелінійного програмування не існує універсального методу, а тому доводиться застосовувати багато методів та обчислювальних алгоритмів, які в основному ґрунтуються на теорії диференціального числення, і вибір їх залежить від конкретної постановки задачі та форми економіко-математичної моделі.
Методи нелінійного програмування бувають прямі та непрямі. Прямими методами оптимальні розв’язки шукають у напрямку найшвидшого збільшення (зменшення) цільової функції. Типовими для цієї групи методів є градієнтні. Непрямі методи полягають у зведенні задачі до такої, знаходження оптимального розв’язку якої вдається спростити. Найпоширенішими методами цього класу є методи квадратичного програмування.
Оптимізаційні задачі, на змінні яких накладаються обмеження, розв’язуються методами класичної математики. Оптимізацію з обмеженнями-рівностями виконують методами зведеного градієнта, наприклад, методом множників Лагранжа. У задачах оптимізації з обмеженнями-нерівностями досліджують необхідні та достатні умови існування екстремуму Куна-Таккера.
Розглянемо метод множників Лагранжа на прикладі такої задачі нелінійного програмування:
Z = f(x1,x2,...,xn) max(min), (7.3)
, (7.4)
де f(x1,x2,...,xn) та - диференційовані.
Ідея методу Лагранжа полягає в заміні окресленої задачі простішою - знаходження екстремуму складнішої функції, але без обмежень. Ця функція називається функцією Лагранжа і записується у вигляді:
(7.5)
де - невизначені поки що величини, так звані множники Лагранжа.
Необхідною умовою екстремуму функції багатьох змінних є рівність нулю частинних похідних стосовно всіх змінних функції. Візьмемо ці частинні похідні і прирівняємо їх до нуля:
Отримуємо систему (m+n) рівнянь із (т+n) невідомими, розв’язавши яку, знайдемо та - стаціонарні точки. Оскільки їх знайдено з необхідної умови екстремуму, то в них можливий максимум або мінімум. Іноді стаціонарна точка є сідловою (точкою перегину графіка функції).
Теорема. Нехай в околі критичної точки функція має неперервні частинні похідні до другого порядку включно. Розглянемо вираз
1) Якщо > 0, то в точці функція має такі екстремуми:
а) досягає свого максимального значення, якщо < 0;
б) досягає свого мінімального значення, якщо > 0;
2) Якщо < 0, то в точці функція не має екстремумів.
3) Якщо =0, то в точці для функції
екстремуми можуть існувати чи не існувати.
Розглянемо задачі випуклого програмування, які є структурними складовими класу задач нелінійного програмування, в яких використовують опуклі чи вгнуті функції. Функція f(x1,x2,...,xn), яка визначена на опуклій множині М, називається опуклою, якщо для будь-яких двох точок х1 і х2 з множини М і довільної константи з проміжку [0; 1], () справджується співвідношення:
Функція f(xl,x2,...,xn), яка визначена на опуклій множині М, називається увігнутою, якщо для будь-яких двох точок х1 і х2 з множини М і довільної константи з проміжку [0; 1], () справджується співвідношення
Розглянемо задачу опуклого програмування.
Z = f(x1,x2,...,xn) max(min), (7.6)
,(7.7)
, (7.8)
де f(x1,x2,...,xn) - увігнута (опукла) функція; - опуклі функції.
Множина допустимих рішень задачі (7.6)-(7.8) задовольняє умову регулярності, якщо існує хоч би одна точка X = (х1,х2,...,хп) в описуваній множині з координатами, що задовольняють нерівності ,.
Якщо f(xux2,...,xn) - увігнута (опукла) функція, яка задана на опуклій множині, то будь-який локальний максимум (мінімум) є глобальним максимумом (мінімумом).
Функція Лагранжа для задачі опуклого програмування записується в такому ж вигляді, як і для будь-якої задачі нелінійного програмування
де - множники Лагранжа.
Точка називається сідловоюточкою функції Лагранжа, якщо
для всіх , ,.
Теорема (теорема Куна-Таккера). Якщо множина допустимих розв’язків задачі опуклого програмування (7.6)-(7.8) задовольняє умову регулятивності, то точка буде оптимальнимрозв’язком задачі тільки тоді, коли існує такий вектор , , що - сідлова точка функції Лагранжа.
Теорема Куна-Таккера дає можливість сформулювати математичні вирази, що визначають необхідні та достатні умови наявності сідлової точки. Це відображає така теорема.
Теорема. Якщо задачу нелінійного програмування
Z = f(x1,x2,...,xn) max,,
;
,
де Z = f(x1,x2,...,xn) та , - неперервно диференційовані по х функції, то для того, щоб вектор був оптимальним розв’язком задачі, необхідно щоб існував такий вектор , що точка з координатами була би сідловою точкою функції Лагранжа, тобто щоб виконувалися умови:
та - значення відповідних похідних функції Лагранжа, обчислені в сідловій точці.
Розглянемо задачі квадратичного програмування, які є частковим випадком задач опуклого програмування, в яких цільова функція є сумою лінійної та квадратичної форми. Квадратичною формою відносно змінних є числовафункція цих змінних вигляду:
Квадратична форма називається додатно (від’ємно) визначеною, якщо Z(X)>0 (Z(X)<0) для всіх значень змінних Х = (х1,х2,...,хп), крім Х=0.
Квадратична форма Z(X) називається напіввизначеною, якщо Z(X)>0 (Z(X)<0) для всіх значень змінних X = (х1,х2,...,хп), крім цього існує такий вектор , не всі координати якого рівні нулю і для якого Z(X ) = 0.
Квадратична форма Z(X) називається неозначеною, якщо її значення є додатними для одних значень Х і від’ємними для інших.
Вид квадратичної форми можна визначити через власні значення (характеристичні корені) матриці коефіцієнтів С, де
Складаємо характеристичне рівняння матриці С.
3 цього рівняння визначаємо вектор характеристичних коренів:
.
Теорема. Квадратична форма є додатно (від’ємно) визначеною тільки тоді, коли всі компоненти вектора характеристичних коренів є додатними (від’ємними).
Якщо власні числа мають різні знаки, то квадратична форма є невизначеною.
Задача квадратичного програмування - це задача виду
при обмеженнях
,
де - додатно (від’ємно) визначена квадратична форма.
Умови Куна-Таккера для задачі випуклого програмування мають вигляд:
Теорема. є оптимальным розв’язком задачі квадратичного програмування тільки тоді, коли існують такі m-вимірні вектори n-вимірний вектор V>0, для яких виконуються умови:
I.
II.
III.
IV.
7.3. Прикладне використання методу множників Лагранжа
Розглянемо економічний зміст множників Лагранжа. Для цього розглянемо задачу нелінійного програмування стосовно визначення оптимального плану виробництва продукції при обмежених ресурсах:
.
Головною метою виробництва продукції є отримання найбільшого прибутку від реалізації, тому цільовою функцією Z задачі є прибуток від реалізації продукції обсягом одиниць. Зауважимо, що функція - нелінійна.
Для виробництва продукції використовується т видів сировини, обсяги запасів яких обмежені і становлять () одиниць. Запишемо систему нерівностей
() у вигляді
().
Тобто, якщо - обсяг сировини і-гo виду, що використовується для виробництва всієї продукції, то - залишок цього ресурсу після її виробництва. Якщо , то сировина використана повністю; якщо , то на виробництво продукції використана не вся сировина; якщо , то наявної сировини не вистачає для виробництва продукції.
Розглянемо функцію Лагранжа для описуваної задачі:
Очевидно, що , тобто ця похідна показує, як змінюється значення цільової функції залежно від обмежень. Множники Лагранжа є двоїстими змінними задачі про використання ресурсів. Вони можуть бути ціною, за якою на ринку продається чи купується одиниця і-го виду сировини. Якщо і , то можна продати залишки сировини і отримати додатковий прибуток в розмірі . Якщо ж , то можна купити потрібну кількість, витративши грошових одиниць і забезпечити виробництво продукції обсягом . Функцію Лагранжа можна трактувати як загальний прибуток від виробництва, який містить прибуток від реалізації виготовленої продукції f(x) та прибуток від продажу залишків сировини (або витрати на придбання потрібної т кількості сировини) .