- •Змістовний модуль 1. Концептуальні аспекти математичного моделювання економіки. Оптимізаційні економіко-математичні моделі
- •1. Концептуальні аспекти математичного моделювання економіки.
- •1.1. Моделювання як метод наукового пізнання
- •1.2. Економіко-математичні методи й моделі.
- •1.3. Принципи побудови економіко-математичних моделей
- •1.4. Етапи економіко-математичного моделювання
- •2. Оптимізаційні економіко-математичні моделі.
- •2.1. Загальна постановка задачі лінійного програмування (злп).
- •2.2. Приклад задачі, що зводиться до злп
- •2.3. Геометрична інтерпретація задачі лінійного програмування
2. Оптимізаційні економіко-математичні моделі.
2.1. Загальна постановка задачі лінійного програмування (злп).
Лінійне програмування - напрямок математики, що вивчає методи рішення екстремальних задач, які характеризуються лінійною залежністю між змінними й лінійним критерієм оптимальності.
До математичних задач лінійного програмування відносять дослідження конкретних виробничо-господарських ситуацій, які в тому чи іншому виді інтерпретуються як задачі про оптимальне використання обмежених ресурсів.
Коло задач, розв'язуваних за допомогою методів лінійного програмування досить широке. Це, наприклад:
задачі про оптимальне використання ресурсів при виробничому плануванні;
задачі про суміші (планування складу продукції);
задачі про знаходження оптимальної комбінації різних видів продукції для зберігання на складах (керування товарно-матеріальними запасами або "задачі про рюкзак");
транспортні задачі (аналіз розміщення підприємства, переміщення вантажів).
Економіко-математична модель будь-якої задачі лінійного програмування включає: цільову функцію, оптимальне значення якої (максимум або мінімум) потрібно відшукати; обмеження у вигляді системи лінійних рівнянь або нерівностей; вимогу невід’ємності змінних.
Загальна лінійна економіко-математична модель економічних процесів та явищ — так звана загальна задача лінійного програмування подається у вигляді:
цільова функція:
F = c1x1 + c2x2 + ... + cnxn → max(min); (2.1)
обмеження:
a11x1 + a12x2 + ... + a1nxn {≤, =, ≥} b1,
a21x1 + a22x2 + ... + a2nxn {≤, =, ≥} b2,
...
am1x1 + am2x2 + ... + amnxn {≤, =, ≥} bm; (2.2)
вимога невід’ємності:
xj ≥ 0, j = 1,2,…,n... (2.3)
де aij, bi, cj -задані постійні величини, (i = 1,2,…,m; j=1,2,…,n)
Завдання полягає в знаходженні оптимального значення функції (2.1) при дотриманні обмежень (2.2) і (2.3).
Систему обмежень (2.2) називають функціональними обмеженнями задачі, а обмеження (2.3) - прямими.
Отже, потрібно знайти значення змінних x1, x2, …, xn, які задовольняють умови (2.2) і (2.3), і цільова функція (2.1) набуває екстремального (максимального чи мінімального) значення.
Для формалізації задачі лінійного програмування використовується поняття n-вимірного векторного простору та поняття скалярного добутку двох векторів у цьому просторі.
Вектором Х=(х1,х2,…,хn) у n-вимірному векторному просторі називається направлений відрізок, який починається на початку координат n-вимірного векторного простору (у точці, усі координати якої дорівнюють нулю) а закінчується у точці з координатами (х1,х2,…,хn).
Введемо поняття скалярного добутку двох векторів. Тут і далі через X,Y позначається скалярний добуток двох векторів-стовпців Х = (х1, х2, …, хn) і Y = (y1, y2, …, yn). За визначенням,
. (2.4)
Визначимо властивості скалярного добутку:
Дистрибутивність: x1+x2,y=x1,y+x2,y;
Комутативність: x,y=y,x;
Однорідність: x,y=x,y, де - будь-яке дійсне число;
Позитивна визначеність: x,x > 0 для всіх х0.
Дійсний n-вимірний векторний простір, у якому у такий спосіб визначений скалярний добуток називається евклідовим векторним простором Rn.
З урахуванням сказаного задачу лінійного програмування можна подати у компактній векторній формі:
F = CXT→ max(min) (2.5)
за умов:
АХ {≤, =, ≥} А0; (2.6)
Х ≥ 0,
де ; ; ; ;
X – вектор змінних; С– вектор коефіцієнтів при змінних у цільовій функції; A – матриця коефіцієнтів при змінних у системі обмежень; A0— вектор вільних членів.
Іноді буває зручним систему функціональних обмежень записувати у наступній формі:
A1x1 + A2x2 + … + Anxn {≤, =, ≥} A0; (2.7)
де
(2.8)
є векторами коефіцієнтів при змінних.
Для загальної задачі лінійного програмування використовуються такі поняття.
Вектор Х = (х1, х2, …, хn), координати якого задовольняють систему обмежень (2.2) та умови невід’ємності змінних (2.3), називається допустимим розв’язком (планом) задачі лінійного програмування.
Якщо множина допустимих розв’язків системи обмежень не є пустою (тобто у евклідовому векторному просторі існує хоча б одна, або більше точок, координати яких задовольняють одразу усім обмеженням задачі лінійного програмування), то така система обмежень називається сумісною.
Допустимий план Х=(х1,х2,…,хn) називається опорним планом задачі лінійного програмування, якщо він задовольняє не менше, ніж m лінійно незалежних обмежень системи (2.2) у вигляді рівностей, а також обмеження (2.3) щодо невід’ємності змінних.
Опорний план Х=(х1,х2,…,хn), називається невиродженим, якщо він містить точно m додатних змінних, інакше він вироджений.
Опорний план Х* = (х1*,х2*,…,хn*), за якого цільова функція (2.1) досягає максимального (чи мінімального) значення, називається оптимальним розв’язком (планом) задачі лінійного програмування. Оптимальний план є розв’язком задачі лінійного програмування.
Отже, у загальному вигляді задача математичного програмування формулюється так: Знайти такі значення змінних xj, щоб цільова функція набувала екстремального (максимального чи мінімального значення).