- •Введение
- •Часть 1. Линейное программирование
- •1.1. Построение линейных экономико-математических моделей
- •Примеры задач
- •1.2. Формы записи задач линейного программирования
- •1.3. Свойства решений задач линейного программирования
- •1.4. Геометрический смысл и графический метод решения задач линейного программирования
- •1.5. Симплексный метод решения задач линейного программирования
- •1.6. Симплексный метод с искусственым базисом
- •1.7. Элементы теории двойственности
- •А. Симметричная двойственная пара
- •В. Несимметричная двойственная пара
- •1.8. Основные теоремы двойственности
- •1.9. Транспортная задача
- •Алгоритм метода потенциалов
- •1.10. Задача об оптимальных назначениях
- •Часть 2. Нелинейное программирование
- •2.1. Дробно-линейное программирование
- •2.1.1. Постановка задачи
- •Общую задачу дробно-линейного программирования (в дальнейшем длп) обычно записывают в виде:
- •2.1.2. Графическое решение задач длп
- •2.1.3. Симплекс-метод в длп
- •2.2. Общая задача нелинейного программирования. Классификация вычислительных методов
- •Условия (1) и (2), а также
- •По постановке задачи.
- •2. По характерным чертам алгоритмов.
- •2.3. Эффективные методы одномерной минимизации
- •2.4. Графический метод решения задач нелинейного программирования
- •2.5. Методы минимизации для задач без ограничений, использующие производные
- •2.6. Методы минимизации, не использующие производные
- •2.7. Методы решения задач нелинейного программирования с ограничениями
- •2.7.1. Методы линейной аппроксимации
- •2.7.2. Понятие о методах штрафных функций
- •Список использованной литературы:
- •Содержание
- •Часть 1. Линейное программирование 3
- •Часть 2. Нелинейное программирование 47
1.4. Геометрический смысл и графический метод решения задач линейного программирования
Очевидно, множество допустимых решений L задачи ЛП в любой форме записи является выпуклым, как пересечение конечного числа выпуклых множеств. В общем случае оно представляет собой один из следующих объектов:
– плоскость;
– полупространство;
– многогранник (ограниченный или нет);
– многоугольник;
– прямую;
– полупрямую;
– отрезок;
– точку;
– пустое множество.
Целевую функцию задачи ЛП Z можно геометрически интерпретировать как уравнение гиперплоскости в n-мерном пространстве. Придавая Z различные частные значения, мы будем получать различные гиперплоскости или плоскости уровня целевой функции.
В соответствии с теоремой 4 экстремум Z достигается в крайней точке области L, исходя из этого, предлагается следующий графический метод решения задачи ЛП:
Берем произвольную плоскость (в двумерном пространстве – линию) уровня целевой функции Z (как правило, это плоскость Z = 0, или плоскость нулевого уровня). Пользуясь известным свойством градиента функции нескольких переменных, который направлен в сторону возрастания соответствующей функции, будем перемещать плоскость уровня параллельно самой себе в направлении градиента, пока она не достигнет какой-либо крайней точки области L. Очевидно, мы получим точку максимума Z. Наоборот, перемещая плоскость нулевого уровня в направлении антиградиента Z, в соответствующей крайней точке получим минимум Z. Напомним, что в случае линейной целевой функции
.
Кроме того, градиент всегда перпендикулярен линии уровня целевой функции в той точке, в которой он построен. На практике, применяя графический метод, мы можем наблюдать следующие случаи.
Область ограничена, существуют оба экстремума.
О
Рис.
1.4.1
Рис.
1.4.2
Если L не ограничена, то один из экстремумов Z может не достигаться, однако наличие условий неотрицательности на переменные гарантирует наличие второго экстремума (см. рис.1.4.3):
С
Рис.
1.4.3
П редельное положение разрешающей гиперплоскости совпадает с бесконечным ребром неограниченной области L (рис. 1.4.4). Известна одна крайняя точка А. В этом случае аналитически находят координаты какой-нибудь другой точки В, лежащей на этом же ребре, и записывают решение задачи в виде:
, 0 < . (1.4.1)
Существенным недостатком графического метода является его ограниченная применимость. Он удобен при размерности n = 2 (иногда n = 3), а при большей размерности его можно использовать только в единственном случае:
Пусть задача содержит только ограничения-равенства в количестве m, причем разность n – m (количество степеней свободы задачи) не больше трех. В этом случае из матрицы А системы ограничений методом Жордана – Гаусса выделяются m базисных переменных, которые выражаются через n – m свободных. Затем применяются ограничения xj 0, j = 1, 2, …, n, которые дают возможность построить область допустимых решений для свободных переменных в пространстве размерности не более 3. В целевой функции все базисные переменные также выражаются через свободные и находится оптимальное решение графическим методом в пространстве n – m измерений. Затем координаты оптимальной точки подставляются в выражения для базисных переменных и получают решение полной n-мерной задачи.
Пример 1.4.1. Решить графическим методом следующую задачу линейного программирования:
(1.4.2)
Решение. Выпишем матрицу системы ограничений и преобразуем ее методом полного исключения (выделены ведущие элементы):
Таблица 1.4.1
1 |
3 |
1 |
2 |
0 |
0 |
7 |
1 |
1 |
0 |
1 |
0 |
0 |
3 |
2 |
1 |
1 |
2 |
1 |
0 |
9 |
–1 |
0 |
0 |
1 |
1 |
1 |
5 |
–1 |
1 |
1 |
0 |
0 |
0 |
1 |
1 |
1 |
0 |
1 |
0 |
0 |
3 |
0 |
–1 |
1 |
0 |
1 |
0 |
3 |
–2 |
–1 |
0 |
0 |
1 |
1 |
2 |
–1 |
1 |
1 |
0 |
0 |
0 |
1 |
1 |
1 |
0 |
1 |
0 |
0 |
3 |
1 |
–2 |
0 |
0 |
1 |
0 |
2 |
–2 |
–1 |
0 |
0 |
1 |
1 |
2 |
–1 |
1 |
1 |
0 |
0 |
0 |
1 |
1 |
1 |
0 |
1 |
0 |
0 |
3 |
1 |
–2 |
0 |
0 |
1 |
0 |
2 |
–3 |
1 |
0 |
0 |
0 |
1 |
0 |
В результате x3, x4, x5, x6 оказались базисными переменными, а x1, x2 – свободными. Выражаем базисные переменные через свободные и из условий неотрицательности задачи (1.4.2) получаем:
(1.4.3)
Преобразуем целевую функцию:
. Теперь строим на плоскости (x10x2) множество точек, удовлетворяющих системе ограничений (1.4.3):
Очевидно, градиент Z = (–1, –2), поэтому минимум достигается в точке А, которая лежит на пересечении прямых, соответствующих 1-му и 2-му ограничениям из (1.4.3):
Отсюда А = (1; 2).
Из условий (1.4.2) находим оптимальные значения остальных переменных: x3 = 0; x4 = 0; x5 = 5; x6 = 1. Окончательно: Хmin = (1; 2; 0; 0; 5; 1). Минимальное значение Z равно: Задача полностью решена.