
- •Волго-вятская академия госслужбы
- •При президенте российской федерации
- •Институт повышения квалификации
- •И.И. Бажин
- •Н.Новгород – 2003
- •Введение
- •Часть 1. Новые принципы работы
- •Глава 1. Научные принципы менеджмента
- •1.1. Этапы развития менеджмента
- •1.2. Функции управления
- •1.3. Алгоритмы управления
- •1.4. Менеджмент как процесс принятия решений в информационной среде
- •Глава 2. Математические модели м в менеджменте
- •2.1. Типы моделей
- •2.2. Понятие о системах
- •2.3. Метод построения операционных математических моделей
- •2.4. Выбор критерия эффективности
- •2.4.1. Анализ целей
- •2.4.2. Вселенная как целеустремленная система
- •2.4.3. Требования к критерию эффективности
- •2.4.4. Свертывание критериев в многокритериальных задачах
- •2.Способ перехода к цели первого типа путем разбиения векторов на удовлетворительные и неудовлетворительные.
- •3.Метод последовательных уступок
- •2.5. Управление производством на основе моделей линейного программирования
- •2.6. Модели целочисленного линейного программирования
- •2.7. Модели сетевого планирования
- •2.8. Нелинейные модели управления
- •Матрица эффективности рекламы (долл.Прибыли/долл.Затрат)
- •Оптимальные объемы затрат на рекламу (долл.)
- •Матрица предельных значений прибыли
- •Оптимальные объемы затрат на рекламу (долл.)
- •2.9. Модели динамического программирования
2.6. Модели целочисленного линейного программирования
Рассмотренные ранее модели линейного программирования предполагали, что управляющие переменные – объемы выпуска продукции – представляют собой непрерывные параметры. Вместе с тем, существует большое число задач управления, в которых управляющие переменные по самому смыслу решаемой проблемы могут быть только целыми числами. Примерами могут служить задачи, связанные с определением численности трудовых ресурсов (число работающих должно выражаться целым числом), решение задач об оптимальном распределении единиц подвижного состава на транспортных маршрутах города (на маршруте не может находиться, скажем, 3,5 трамвая), оптимизация распределения станочного парка между цехами предприятия и т.п. Такого рода задачи должны формулироваться как задачи целочисленного программирования. Следует заметить, что зачастую такого рода задачи на практике решают как обычные, с непрерывными параметрами, поскольку используемые методы оптимизации в таком случае гораздо более просты. Однако, несмотря на эффективность такого подхода, в ряде ситуаций он может привести к существенным ошибкам, поскольку полученное таким способом решение может даже оказаться недопустимым.
Рассмотрим модель оптимизации (3.13) из раздела 3.5
c1x1 + c2x2 + c3x3 + . . . + cnxn max
a11x1 +a12x2 + a13x3 + . . . + a1nxn b1
a21x1 +a22x2 + a23x3 + . . . + a2nxn b2 (3.19)
a31x1 +a32x2 + a33x3 + . . . + a3nxn b3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
am1x1 +am2x2 + am3x3 + . . . + amnxn bm
xj
0 (j = 1,n)
Если
наряду с ограничениями задачи (3.19)
потребовать, чтобы все переменные xj
(j = 1,n) были
целыми, то задача становится задачей
целочисленного линейного программирования.
Эта область обладает двумя важными свойствами: 1) содержит все допустимые целочисленные точки исходной задачи линейного программирования (поскольку является выпуклым многогранником этих точек); 2) все крайние точки новой области целочисленны. Поэтому любое базисное решение модифицированной задачи линейного программирования имеет своими компонентами целые числа и является искомым оптимальным решением задачи целочисленного линейного программирования.
Как только будут введены упомянутые выше дополнительные ограничения, обеспечивающие выполнение указанных условий 1) и 2), можно решить модифицированную задачу линейного программирования любым обычным методом, и полученное решение автоматически будет целочисленным.
Рассмотрим в качестве примера следующую задачу.
Для приобретения оборудования по изготовлению комбикормов фирма может выделить 36 тыс.руб. Оборудование должно быть размещено на производственных площадях, не превышающих 60 кв.м. Фирма может заказать оборудование двух видов: менее мощные машины типа A стоимостью 3 тыс.руб., каждая из которых требует для размещения производственную площадь 3 кв.м. и обеспечивает производительность за смену 2 т комбикормов, и более мощные машины B стоимостью 4 тыс.руб., каждая из которых занимает площадь 5 кв.м. и обеспечивает производительность 2,7 т кормов за смену.
Требуется составить оптимальный план приобретения оборудования, обеспечивающий максимальную общую производительность при условии, что фирма может приобрести не более 8 машин типа B.
Решение. В качестве управляющих переменных данного бизнес-проекта выбираем: x1 – количество приобретаемых машин типа A и x2 – количество приобретаемых машин типа B. Тогда, определив целевую функцию Z, выражающую суммарную производительность, которую требуется максимизировать, получим математическую модель задачи в виде
Z = 2x1 + 2,7x2 max (3.20)
при ограничениях
3x1 + 5x2 60 (1)
3x1 + 4x2 36 (2)
x2 8 (3) (3.21)
x1 0, x2 0
x1, x2 – целые числа (3.22)
Следует заметить, что если использовать оптимальное решение нецелочисленной задачи – (4/3, 8) и округлить (как это часто делается на практике) до ближайшей допустимой точки, то мы получили бы x1* =1, x2 =8. При этих значениях x величина производительности Z = 23,6, что, как видим, не является лучшим решением.