- •Линейное программирование:формулировка задач и их графическое решение
- •1. Задача линейного программирования и ее графическое решение
- •2. Построение математической модели
- •3. Графическое решение задачи линейного программирования
- •Целевая функция: максимизировать
- •Основы анализа на чувствительность (анализ моделей после нахождения оптимального решения
- •Примеры применения методов линейного программирования
- •Заключение
- •Контрольные вопросы
Примеры применения методов линейного программирования
Примеры, которые будут рассмотрены с данном разделе, подобраны таким образом, чтобы дать читателю представление о возможных сферах применения методов ЛП. Задачи представлены в порядке возрастающее сложности, и переменные в более сложных случаях далеко не так легко идентифицировать, как это было и задаче фирмы Reddy Mikks. Однако ознакомление с различными вариантами линейных моделей поможет вам преодолеть затруднения такого рода. Чтобы содействовать этому, в каждом примере сначала дается словесная формулировка задачи, после чего приводится ее математическая постановка. При переходе от словесного описания к разработке математической модели рекомендуется руководствоваться той же схемой рассуждений, что и в примере 1.1.1.
Пример 1. (Задача об ассортименте продукции.) Фирма: FAR выпускает три вида продукции (изделий). В процессе производства используются три технологические операции. На рис. 2.6 показана технологическая схема производства изделий видов 1, 2 и 3. При изготовлении изделия 2 технологическая операция 2 не выполняется, а при производстве изделия 3 используются только технологические операции 1 и 2. В прямоугольниках на рис. 6
Сырьё |
Конечная продукция |
Конечная продукция |
-
1 мин/изд.
3мин/изд
1мин/изд
Изделие 1
2мин/изд
4мин/изд
Изделие 2
1мин/изд
2мин/изд
Изделие 3
рис. 6.
указана длительность технологических операций при изготовлении одного изделия каждого вида. Так как эти технологические операции используются фирмой и для других производственных целей, фонд рабочего времени, о течение которого операции 1, 2 и 3 могут быть применены для производства рассматриваемых изделии, ограничен следующими предельными значениями (в сутки):
для первой операции —430 мин,
для второй операции —460 мин,
для третьей операции —420 мин.
Изучение рынка сбыта показало, что ожидаемая прибыль от продажи одного изделия видов I, 2 и 3 составляет 3, 2 и 5 долл. соответственно.
Каков наиболее выгодный суточный объем производства каждого вида продукции?
Словесная формулировка задачи
Для фирмы FAR требуется определить суточные объемы производства изделий каждого вида (переменные модели), при которых максимизируется общая прибыль (целевая функция), при условии, что время использования каждой технологической операции в течение суток не превышает соответствующего предельного значения (ограничения).
Математическая формулировка
Как уже было показано на примере задачи фирмы Reddy Mikks, построение математической модели следует начинать с идентификации переменных. После этого определяются целевая функция и ограничения через соответствующие переменные. Легко заметить, что в общем случае главным моментом построения модели является идентификация переменных.
Пусть
х1 — количество изделий вида 1,
Х2 — количество изделий вида 2,
х3 — количество изделий вида 3
При использовании этих обозначений математическая формулировка задачи принимает вид:
максимизировать z = 3 х1 +2 х2+ 5х3 (величина прибыли за сутки)
при ограничениях
для операции 1: 1х1+ 2х2 +1х3≤430
для операции 2: 3х1+0х2+2х3≤460 (предельное время использования операций в течении суток)
для операции 3: 1х1+4х2+0х3≤420
хj≥0, j=1,2 3 (условие неотрицательности переменных).
Хотя эта модель в общих чертах аналогична модели для фирмы Reddy Mikks, ее главным отличием является наличие более двух переменных. В этом случае возможность графического решения задачи становится по крайней мере проблематичной. Для решения задач ЛП с большим числом переменных существует алгебраический метод - симплекс-метод. Этот метод используется также при анализе модели па чувствительность.
Пример 2. (Задача составления кормовой смеси, или задача о диете.) Бройлерное хозяйство птицеводческой фермы насчитываем 20000 цыплят, которые выращиваются до 8-недельного возраста и после соответствующей обработки поступают а продажу, Хотя недельный расход корма для цыплят зависит от их возраста, в дальнейшем будем считать, что в среднем (за 8 недель) он составляет 1 фунт (~445 г) .
Для того чтобы цыплята достигли к восьмой неделе необходимых весовых кондиций, кормовой рацион должен удовлетворять определенным требованиям по питательности. Этим требованиям могут соответствовать смеси различных видов кормов, или ингредиентов. Обычно перечень ингредиентов достаточно широк, но для того, чтобы проиллюстрировать процесс построения модели, ограничимся только тремя ингредиентами: известняком, зерном и соевыми бобами. Требования к питательности рациона сформулируем также в упрощенном виде, учитывая только три вида питательных веществ: кальций, белок и клетчатку. В таблице при
Ингредиент
|
Содержание питательных веществ, Фунт/(фунт ингредиент) |
Стоимость, долл /фунт
| ||
кальций |
белок |
клетчатка | ||
Известняк |
0,38 |
_ |
_ |
0 04 |
Зерно соевые |
0,001 |
0.09 |
0,02 |
0,15 |
Бобы |
0,002 |
0,50 |
0.08 |
0,40 |
ведены данные, характеризующие содержание (по весу) питательных веществ в каждом из ингредиентов и удельную стоимость каждого ингредиента. Заметим, что известняк не содержит ни белка, ни клетчатки.
Смесь должна содержать:
1) не менее 0,8%, но не более 1,2% кальция;
2) не менее 22% белка;
3) не более 5% клетчатки.
Словесная формулировка задачи
Для птицеводческой фермы требуется определить количество (в фунтах) каждого из трех ингредиентов (переменные), образующих смесь минимальной стоимости (целевая функция) при соблюдении требований к общему расходу кормовой смеси и ее питательности (ограничения).
Математическая формулировка
Введем следующие обозначения:
х1, — содержание известняка (в фунтах) в смеси,
х2 — содержание зерна (в фунтах) в смеси,
х3 — содержание соевых бобов (в фунтах) и смеси.
Чтобы сформулировать ограничении, необходимо проделать некоторую подготовительную работу. Во-первых, определим (минимальный) общин пес смеси, еженедельно расходуемой на кормление 20000 цыплят: 20000x1 фунт =20 000 фунтов. Так как х1, х2 и х3 представляют веса трех ингредиентов, используемых для составления смеси, общий вес смеси будет равен х1+ х2 +х3, причем эта сумма не должна быть меньше 20000 фунтов.
Теперь обратим внимание на требования, предъявляемые к смеси с точки зрения питательности. Так как общий расход кормов равен х1+ х2 +х3, содержание кальция должно находиться в пределах от 0,008 (х1+ х2 +х3) до 0,012 (х1+ х2 +х3). В соответствии С таблицей исходных данных содержание кальции, обусловленное Включением в смесь х1 фунтов известняка, х2 фунтов зерна и х3 фунтов соевых бобов, равно 0,38 х1+0,001 х2+0,002 х3. Отсюда следует, что ограничения, связанные с содержанием кальция в кормовом рационе, можно представить в следующем виде:
1. Смесь должна содержать не менее 0,8% кальция:
0.38х1+0.001х2+0.002х3≥0.008 (х1+ х2 +х3)
2. Смесь должна содержать не более 1,2% кальция
0.38х1+0.001х2+0.002х3≥0,012 (х1+ х2 +х3)
Эти ограничения можно записать о более простой форме, объ единив ц левых чаетях неравенств члены, содержащие х1,х2 и х3
0,372х1- 0,007х2 -0,006х3.≥0
0,368х1- 0,011 х2 -0,010х3≤0
Окончательная математическая формулировка задачи быть представлена б следующем виде:
минимизировать z =0,04 х1+ 0,15х2 +0,40х3
при ограничениях х1+ х2 + х3 ≥20000 (минимальный недельный рацион)
0,372 х1 — 0,007 х2— 0.006 х3 ≥0 (содержание кальция)
0,368 х1— 0,011 х2— 0,010 х3 ≤ О
0.220 х1 +0,130 х2— 0.280 х3 ≤ О (содержание белка),
0,050*! +0,030*,— 0,030ха ≤ О (содержание клетчатки),
хj≥0, j=1, 2, 3.
Пример 2.2.3. (Сменно-суточное планирование работы автобусного парка.) Исследуются возможности более рациональной организации работы городского автобусного парка с целью снижения интенсивности внутригородского движения. На начальном этапе исследования было определено минимальное количество автобусов, которым можно удовлетворить существующую потребность в пассажирских перевозках. Сбор н обработка необходимой информации позволили сделать вывод, что минимальное количество автобусов, которым можно удовлетворить потребности в перевозках. существенно меняется в течение суток. При дальнейшем анализ» было обнаружено, что требуемое количество автобусов можно считать величиной постоянной в пределах каждого из следующего друг за другом четырехчасовых интервалов (рис. 2.7). В результат) проведенного исследования было решено, что с учетом необходимых затрат времени на текущий ремонт н обслуживание непрерывное использование автобусов на линии должно продолжаться только по 8 ч в сутки
Рис. 2.7
Словесная формулировка задачи
Требуется определить количество автобусов в каждой из смен (переменные), которое должно быть не меньше минимальной потребности в них (ограничении), при условии что общее количество автобусов, выходящих на линию в течение суток, будет минимальным (целевая функция).
Математическая формулировка
Как уже можно было заметить, словесные формулировки, относящиеся к определению переменных модели, не обладают требуемой однозначностью. Известна продолжительность смены — 8 ч, однако не известно, когда должна начинаться та или иная смена. 1слн ориентироваться на общепринятый трехсменный график работы (8 : 01 — 16 : 00; 16 : 01—24 : 00; 24 : 01—8 : 00) и обозначить количество автобусов, выходящих на линию в первую, вторую и третью смены через х1 ,х2 и х3соответственно, то из рис. 2.7 можно видеть, что х1≥10, х2≥2 и х3 ≥8. Поэтому общее минимальное количество используемых автобусов будет равно х1+ х2 +х3=10+ 12 + 8=30.
Это решение приемлемо лишь в том случае, если расписание смен будет соответствовать обычному трехсменному графику работы. Однако может оказаться, что выгоднее график работы, составленный на основе оптимального выбора начала каждой из смен. Можно, например, принять такой график работы, когда ло одной смены смещено относительно начала следующей смены на 4 ч. Такой график работы с перекрывающимися сменами показан на рис, 2.8 для случая, когда смены начинаются в 0 : 01, 4 : 01, 8 : 01, 12 : 01, 16 : 01, 20 : 01, причем продолжительность смены составляет 8 ч. Теперь действительно есть возможность идентифицировать церемонные, для чего целесообразна использовать следующие обозначения:
х1 — число автобусов, выходящих на линию в 0:01,
х2 — число автобусов, выходящих на линию в 4 : 01,
х3 - число автобусов, выходящих на линию в 8:01,
х4— число автобусов, выходящих на линию ц 12 : 01
х5— число автобусов, выходящих на линию в 16 : 01,
х6 — число автобусов, выходящих на линию в 20 : 01.
Рне. 2.8. (Знак * означает минимальную потребность н автобусах для четырехчасовых интервалов.)
Соответствующая рис. 2.8 математическая модель записывается следующим образом:
минимизировать z=х1+ х2 +х3 + х4+ х5 +х6
при ограничениях
х1 х6 ≥4 (с 0:01 до 4:00),
х1+ х2 ≥8 (с 4:00 дj 8:00),
х2 +х3 ≥10 (с 8:01 до 12:00),
х3 +х4 ≥7 (с 12:01 до 16:00),
х4 +х5 ≥ 12 (с 20:01 до 20:00),
х5 +х6 ≥ 4 (о 20:01 до 0:00),
хj = 1, 2, .... 6.
Построенная модель приводит к следующему оптимальному решению: требуется только 26 автобусов, 10 из которых должны начинать работу в 4 : 01 (х2), 12 - в 12 : 01 (х4), 4 - в 20 : 01 (х6), причем смены, начинающиеся в 0 : 01; 8 : 01 и 16 : 01, исключаются (т с. х1 =х3= х5 =О). Таким образом, решение, полученное в условиях возможности выбора начала смен, в отличие от решения, предполагающего использование традиционного трехсменного графика, позволяет уменьшить суточную потребность в автобусах с 30 до 26.
Пример 2.2.4. (Задача о раскрое или минимизации обрезков.)
Продукция бумажной фирмы выпускается в виде бумажных рулонов стандартной ширины — по 20 футов. По специальным заказам потребителей фирма поставляет рулоны н других размеров, для чего производится разрезание стандартных рулонов. Типичные заказы на рулоны нестандартных размеров приведены в таблице.
Заказ |
Требуемая ширина рулона, фут |
Требуемое количество рулона |
1 |
5 |
150 |
2 |
7 |
200 |
3 |
9 |
300 |
Специализированные закалы выполняються на разрезном устройстве, режущая кромка которого устанавливается в требуемом положении, причем рулон может быть разрезан несколькими способами. На рис. 2.9 показаны три возможных положения режущей кромки. Хотя существуют и другие допустимые положения, мы ограничимся рассмотрением трех вариантов, которые представлены на рис. 2.9 и обозначены через А, В н С. Чтобы выполнить поступившие заказы на рулоны нестандартной ширины (5, 7 и 9 футов), можно использовать различные сочетании вариантов А, В и С, например следующие способы:
1) разрезать 300 (стандартных) рулонов по варианту А и 75 Рулонов по варианту В;
2) разрезать 200 рулонов по варианту А н 100 рулонов по варианту С.
Какой из способов лучше? Чтобы ответить на этот вопрос, следует определить величину «отходов», которые будут получаться в каждом из рассматриваемых случаев.
На рис. 2.9 затемненные части стандартных рулонов для вариантов А, В и С представляют собой неиспользуемые остатки, так как ширина их меньше минимальной из заказанных размерен.
Такие рулоны-остатки назовем обрезками. Теперь можно оценить, «качество» каждого из вариантов А, В и С, сравнивай присущие им потери бумаги в виде обрезков. Так как ширина рулона-обрезка в каждом из вариантов различна, оценку экономичности вариантов следует производить не по количеству обрезков, а по общей площади бумаги в отходах. Поэтому при длине стандартного рулона L футов потери бумаги (в фут) составят
при способе 1: 300(4хL)+75(ЗхL)=1425L, фут2,
при способе 2: 200(4хL)+100(1хL) = 900L фут*.
Полученные значения потерь соответствуют только заштрихованным частим рулонов па рис. 2.9. Заметим, однако, что избыточные рулоны шириной 5, 7 к 9 футов также следует рассматривать. как отходы производства, и соответствующие потери ввести в расчет. Так, при использовании способа 1 вариант А дает 300—200 — 100 избыточных рулонов шириной 7 футов, а вариант В — 7 избыточных рулонов такой же ширины. Соответствующая величии I дополнительных «потерь» составит 175(7 ×L) = 1225 фут. При способе 2 не будет излишка рулонов шириной 7 и 9 футов. Однако используемый в нем вариант С дает 200—150=50 избыточных рулонов шириной 5 футов, чему соответствуют дополнительные потери, равные 50(5хL)=250L, фут". В результате получаем
Обшая площадь бумаги, теряемой,
в виде отходов при использовании = 1425L + 225L = 2650L фут2,
способа 1
Общая площадь бумаги, теряемой
в виде отходов при использовании = 900L + 250L = 1150L фут2.
способа 2
Таким образом, способ 2 лучше способа I, так как величина отходов при его реализации оказывается меньше.
Для нахождения оптимального решения данной задачи следовало бы сначала определить все допустимые варианты расположения режущей кромки, затем выявить все допустимые комбинации этих вариатон. Определенно допустимых вариантов расположении режущей кромки несложно, но выбор всех допустимых комбинаций вариантов может вызвать большие затруднения.. Очевидно, что решение этой части задачи должно основываться на использовании упорядоченных н целенаправленных методических приемов, завершающих процесс построения линейной оптимизационной модели.
Словесная формулировка задачи
Требуется найти сочетание вариантов установки режущей кром ки (переменные), при котором поступившие заказы (ограничения) удовлетворяются с минимальными потерями (целевая функция).
Математическая формулировка
Определение переменных, данное в словесной формулировке модели, необходимо видоизменить таким образом, чтобы им мог воспользоваться оператор, управляющий работой режущего устройства. При рассмотрении двух способов получения рулонов нестандартных размеров было отмечено, что переменные следует идентифицировать как количество стандартных рулонов, которые должны быть разрезаны при данном варианте установки режущей кромки. Очевидно, что такое определение требует перечисления всех возможных вариантов раскроя стандартного рулона. Соответствующие исходные данные приведены в таблице. Варианты 1, 2 и 3 показаны на рис. 2.9. Читателю предлагается убедиться как в правомерности использования остальных вариантов, так и в том, что ни один из «потенциальных» вариантов не пропущен. При этом следует иметь в виду, что такие «потенциальные» варианты не должны давать рулонов-остатков шириной более 4 футов.
Требуемая ширина, фут |
Вариант установки режущей кромки |
Минимальное кол-во рулонов | |||||
1 |
2 |
3 |
4
|
5 |
6 | ||
5 |
0 |
2 |
2 |
4 |
1 |
0 |
150 |
7 |
1 |
1 |
0 |
0 |
2 |
0 |
200 |
9 |
1 |
0 |
1 |
0 |
0 |
2 |
300 |
Потери на 1 фут длины |
4 |
3 |
1 |
0 |
1 |
2 |
|
Чтобы дать математическую формулировку задачи, определим переменные следующим образом:
хj — количество стандартных рулонов, разрезаемых по варианту j, j=1,2,….,6.
Ограничения непосредственно связаны с требованием обеспечить изготовление заказанного количества нестандартных рулонов. Если будут использоваться все приведенные и таблице варианп.1 раскроя стандартного рулона, то мы получим следующие результаты:
Количество рулонов шириной 5 футов=2 х2+2 х2+4 х4+ х5
Количество рулонов ширимой 7футов = х1+ х2+2 х5
Количество рулонов ширимой 9 футов= х1 + х3 +2 х6. Каждое из этих соотношений определяет количество фактически получаемых нестандартных рулонов, которое должно быть не меньше 150, 200 и 300 для рулонов шириной 5, 7 и 9 футов соответственно. Эти требования и определяют все ограничения модели.
Для получения целевой функции обозначим через y1, y2 и y3 избыточное количество рулонов шириной 5, 7 и 9 футов соответственно. Тогда
y1 = 2 х2 + 2 х3 + 4х4 + х5 —150,
y2= х1+ х2 + 2 х5 +—200,
y3= х1 + х3 +2 х6 — 300.
Общее выражение для суммарной величины потерь бумаги (в единицах площади) будет иметь следующий вид;
L (4х1+3 х2 + х3 + х5 +2 х6 +5 y1 +7 y2 +9 y3) фут2.
Учитывая, что длина стандартного рулона L входит в полученное выражение как общий множитель, за целевую функцию можно принять сумму, стоящую в скобках, что никак не отразится на результатах оптимизации.
Таким образом, математическая модель в общем виде записывается следующим образом:
минимизировать z = 4 х1 + 3 х2 + х3 + х5 + 2 х6 + 5 y1 + 7 y2 +9 y3
Пример 2.2.5. (Минимизация дисбаланса на линии сборки.) Промышленная фирма производит изделие, представляющее собой сборку из трех различных узлов. Эти узлы изготовляются на двух заводах. Из-за различия в составе технологического оборудования производительность заводов по выпуску каждого из трех видов узлов неодинакова. В приводимой ниже таблице содержатся исходные данные, характеризующие как производительность заводов по выпуску каждого из узлов, так и максимальный суммарный ресурс времени, которым в течение недели располагает каждый из Заводов для производства этих узлов.
Завод |
Максимальный недельный фонд времени, ч |
Производительность, узел/ч | ||
Узел1 |
Узел2 |
Узел3 | ||
1 |
100 |
8 |
5 |
10 |
2 |
80 |
6 |
12 |
4 |
Идеальной является такая ситуация, когда производственные мощности обоих заводов используются таким образом, что в итоге обеспечивается выпуск одинакового количества каждого из видов узлов. Однако этого трудно добиться из-за различий в производительности заводов. Более реальная цель состоит, по-видимому, в том, чтобы максимизировать выпуск изделий, что, по существу, эквивалентно минимизации дисбаланса, возникающего вследствие некомплектности поставки по одному или двум видам узлов.
Возможный объем производства каждого из трех видов узлов, зависит от того, какой фонд времени выделяет каждый завод для их изготовления. Это послужит для нас исходным моментом при идентификации переменных.
Словесная формулировка задачи
Требуется определить еженедельные затраты времени (в часах на производство каждого из трех видов узлов на каждом заводе (переменные), не превышающие в сумме временные ресурсы каждое завода (ограничения) и обеспечивающие максимальный выпуск изделий (целевая функция).
Математическая формулировка
Пусть XI]— недельный фонд времени (в часах), выделяемый на заводе i для производства узла j. Тогда объемы производства каждого из трех комплектующих узлов будут равны:
узел 1: 8 х11 + 6 х21,
узел 2: 5 х12+ 12 х22,
узел 3: 10 х13 + 4 х23.
Так как в конечной сборке каждый из комплектующих узлов представлен в одном экземпляре, количество конечных изделий должно быть равно количеству комплектующих узлов, объем производства которых минимален. Если, например, объем производства двух заводов составляет 100, 112 и 108 соответствующих узлов, то количество конечных изделий будет равно min [100, 112, 1081=100, Поэтому количество конечных изделий можно выразить через число комплектующих узлов следующим образом:
min [8 х11 + 6 х21 , 5 х12+ 12 х22, 10 х13 + 4 х23. ]
узел 1 узел2 узел3
Условия рассматриваемой задачи устанавливают ограничения только на фонд времени, которым располагает каждый завод. Таким образом, математическую модель можно представить в следующем виде :
максимизировать z= min [8 х11 + 6 х21 , 5 х12+ 12 х22, 10 х13 + 4 х23. ]
при ограничениях
х11 + х12 + х13 ≤ 100 (завод 1)
х21 + х22 + х23 ≤80 (завод 2)
хij≥0, i=1,2; j=1,2,3.
Эта модель не является линейной, но ее можно привести к линейной форме с помощью простого преобразования. Пусть
y – количество изделий = min [8 х11 + 6 х21 , 5 х12+ 12 х22, 10 х13 + 4 х23. ]
Этому выражению с математической точки зрения эквивалентна следующая формулировка:
максимизировать y
при ограничениях
8 х11 + 6 х21 ≥ y
5 х12+ 12 х22, ≥ y
10 х13 + 4 х23. ≥ y
где y≥0 по определению. Можно убедиться в том, что максимизация y будет приводить к равенству этой переменной наименьшей из левых частей трех веденный ограничений, а это как раз и требуется.
Таким образом, окончательно математическую модель можно записать в виде
максимизировать z= y
при ограничениях
8 х11 + 6 х21 – y ≥0,
5 х12+ 12 х22 – y ≥0,
10 х13 + 4 х23 – y≥ 0,
х11+ х12 + х13 ≤100,
х21 + х22 + х23≤80,
хij≥0, для всех i и j, y ≥0
Пример 2.2.6. (Целевое программирование.) Во всех предыдущих примерах ограничения представляют собой соотношения, правые и левые части которых связаны знаками: ≤, ≥ или =, Однако при построении моделей, адекватных реальным ситуациям, иногда целесообразно отразить тот факт, что при соответствующей компенсации (штрафе) можно допустить нарушение того или иного ограничения. Это можно пояснить на следующем примере. Фирма, предпринимающая меры по организации нового производства, обычно имеет ограниченный инвестиционный фонд, но может увеличить объем капиталовложений за счет займа необходимых средств. Штраф в этом случае есть процент, под который был получен заем. Естественно, что привлечение заемных средств окажется экономически оправданным только в том случае, если новое производство, будет прибыльным с учетом выплачиваемых процентов. Такой вид математического моделирования часто называют целевым программированием, так как уже сама формулировка модели ориентирована на нахождение уровня использования тех или иных ресурсов, который соответствовал бы цели, поставленной лицом, принимающим решение.
Модель целевого программирования рассмотрим на следующее простом примере. При изготовлении изделий двух видов осуществляется последовательная обработка соответствующих заготовок на двух различных станках. Каждый станок может использоваться для производства изделий по 8 ч в сутки, однако этот фонд времени можно увеличить на 4 ч за счет сверхурочных работ. Каждый час сверхурочного времени требует дополнительных расходов в размере 5 долл. Производительность станков и прибыль в расчете на одно изделие приведены в таблице. Требуется определить объемы производства изделий каждого вида, обеспечивающие получение максимальной чистой прибыли.
Станок |
Производительность, изделие/ч | |
|
Изделие 1 |
Изделие 2 |
1 2 Удельная прибыль |
5 4 6 долл. |
6 8 4 долл. |
Словесная формулировка задачи
Требуется определить количество изделий каждого вида (переменные), которые нужно изготовить, чтобы максимизировать чистую прибыль (нелепая функция), при условии, что время использования станков может быть увеличено только за счет сверхурочных работ (ограничения)
Математическая формулировка
Данная задача подобна той, которая была рассмотрена в примере 2.2.1, Основное отличие состоит в том, что сверхурочные работы требуют дополнительных расходов. Пусть хj — количество изделий j, j =1, 2.
сверхурочные работы не допускаются, то ограничения имеют вид
х1 /5 + х2 /6≤ 8 (станок 1),
х1/4 + х2/8≤8 (станок 2).
Чтобы учесть возможность сверхурочных работ, можно видоизменить эти ограничения следующим образом:
х1 /5 + х2 /6 – y1 = 8 (станок 1),
х1/4 + х2/8 – y2 =8 (станок 2)
где введенные переменные (y1 и у2 не имеют ограничения в знаке, что обусловлено следующими факторами. Если переменная у^ отрицательна, то имеющийся восьмичасовой фонд рабочего времени полностью не израсходован, т. е. сверхурочное время не используется. Если переменная у, положительна, восьмичасового фонда времени не хватает, и используется сверхурочное время в объеме y1 часов.
Вводя переменные y1, для того чтобы учесть возможность использования сверхурочного времени, мы не принимали во внимание ограничений, накладываемых на их значения. Теперь следует отразить тот факт, что продолжительность сверхурочных работ не превышает 4 ч в сутки. Кроме того, в выражении для целевой функции нужно учесть дополнительные расходы, обусловленные сверхурочными работами. Так как переменная yi, положительна только в том случае, когда используется сверхурочное время, ограничения yi ≤4 , i= 1, 2, адекватны условиям задачи, характеризующим возможность использования сверхурочного времени. Заметим, что при yi <0 (сверхурочные работы не выполняются) эти ограничения становятся избыточными.
Рассмотрим теперь целевую функцию. Наша цель заключается в максимизации чистой прибыли, представляющей собой общую прибыль от реализации изделий, уменьшенную на величину дополнительных расходов, связанных с выполнением сверхурочных работ. Величина общей прибыли непосредственно определяется из условий задачи как 6 х1 + 4 х2. Следует отметить, что дополнительные расходы на сверхурочные работы учитываются только при y1>0. Таким образом, эти дополнительные расходы удобно представить в виде
Затраты на сверхурочные работы = Затраты/час х Сверхурочное время (час) = 5(mах {0, yi}).
Заметим, что mах {0, у(}=0, если yi,<0; при этом (как и должно быть) расходы на сверхурочные работы равны нулю. Таким образом, математическая формулировка задачи имеет вид
максимизировать z =6 х1 +4 х2 - 5 (mах{0, y1} + mах {0, y2 })
при ограничениях
х1 /5 + х2 /6 – y1 = 8
х1/4 + х2/8 – y2 = 8
y1 ≤4
y2 ≤4
х1, х2 ≥0, y1 , y2 - не ограничены в знаке.
Для приведения модели у линейно форме используем следующую подстановку:
wi = max {0, yi}
которая эквивалентна введению условий
wi ≥ yi и wi ≥0,
так как отрицательный коэффициент при wi , в выражении для целевой функции влияет на нее таким образом, что в процессе оптимизации будет выбираться наименьшее из возможных неотрицательных значений, т.е. 0 или yi. Итак, модель линейного программирования для рассматриваемой задачи можно представить в следующем виде:
максимизировать 6х1 + 4х2 – 5 (w1 + w2)
при ограничениях
х1/5 + х2/6 – y1 =8
х1/4 + х2/8 – y2 =8
y1 - w1 ≤0
y2 - w2 ≤0
y1 ≤4
y2 ≤4
х1, х2, w1 , w2 ≥0
y1, y2 - не ограничены в знаке.
В заключение данного раздела отметим, что характер ряда рассмотренных задач требовал введения условия целочисленности переменных для соответствующих моделей. Например, в задаче минимизации переменные соответствовали количеству рулонов, которые следовало раскрыть при том или ином варианте установки режущей кромки. Следует подчеркнуть, что в общем случае модель ЛП не гарантирует получения целочисленного решения, и единственный способ, который можно использовать в этой ситуации, - это округление полученных оптимальных значений переменных. Иногда такая процедура оказываеться вполне приемлемой, особенно при достаточно больших значениях переменных. Методы получения точного оптимального решения задач целочисленного программирования будут рассмотрены в главе 10. Основной недостаток целочисленных линейных моделей заключается в низкой эффективности соответствующих вычислительный методов.
Задача линейного программирования как задача распределения ресурсов
Задача ЛП во многих случаях оказывается ассоциированной с задачей распределения типа, т.е. с задачей, в которой требуется распределить ограниченные ресурсы по некоторым видам производственной деятельности. Такую задачу можно сформулировать следующим образом:
максимизировать z= c1х1 + c2х2 +……………+ cnхn
при ограничениях
a1х1 + a2х2 +……… + a1nхn ≤ b1
a21х1 + a22х2 + ……….. + a2nхn ≤ b2
…………………………..
am1х1 + am2х2 +……… + amnхn ≤ bm
х1, х1, …., хn ≥
Модель ЛП направлена на поиск наиболее выгодного способа распределения ограниченных ресурсов по нескольким видам производственной деятельности. В сформулированной выше задаче ЛП представлено n видов производственной деятельности, интенсивности использования которых (искомые величины) равные х1, х2, ….., хn. Для осуществления всех видов производственной деятельности имеется m видов ресурсов, возможные объемы потребления которых ограничены значениями b1, b2, ……, bm. Расход i-го ресурса на единицу продукции j-го вида производства равен aij. Поэтому, сумма ∑nj=1 aij хj , представляющая собой общий объем ресурса i , потребляемый n видами производства, не может превышать величины b1.
Структура целевой функции ∑nj=1 aij хj отражает вклад каждого вила производственной деятельности в общий результат. В случае максимизации cj, представляет собой прибыль от j -го вида производственной деятельности на единицу соответствующей продукции, а в случае минимизации сj характеризует удельные затраты. Заметим, что «полезность» некоторого вида производственной деятельности нельзя установить только по значению соответствующего коэффициента целевой функции, так как объем потребления ограниченных ресурсов также является важным фактором. Поскольку все виды производственной деятельности, представленные в модели претендуют на использование ограниченных ресурсов, относительная полезность некоторого вида производства (но сравнению другими видами производственной деятельности) зависит как от величины коэффициента целевой функции cj, так и от интенсивность потребления ресурсов aij. Поэтому может оказаться, что из-за слишком большого расхода ограниченных ресурсов некоторый i-й вид производственной деятельности, характеризующийся высокой прибылью, использовать нецелесообразно (т, е. в оптимальном решении xj =0).