- •1.Основные понятия и этапы са
- •2. Операция и ее составляющие. Этапы исо
- •Этапы операционного проекта
- •Виды математических моделей ио, примеры.
- •4. Состязательные задачи. Решение игры 2-х лиц
- •7. Примеры задач лп: игра 2-х лиц как задача лп, транспортная задача
- •В общем случае модель задачи лп имеет вид
- •Сбалансированная транспортная задача
- •8 Формы представления задач лп и способы приведения к ним
- •1. Каноническая форма задач лп
- •2. Стандартная форма задачи лп
- •9. Основные понятия лп. Свойства задач лп
- •10. Геометрия задач лп, базисные решения, вырожденность.
- •4.7. Выделение вершин допустимого множества
- •11. Понятие базиса. Переход от одного базисного решения к другому
- •12. Признак оптимальности. Определение начального базисного решения.
- •13. Алгоритм симплекс-метода
- •14. Двойственность задач лп
- •4.11.1. Запись двойственной задачи в симметричном случае
- •4.11.3. Запись двойственной задачи в общем случае
- •15.Экономическая интерпретация двойственной задачи
- •16. Теоремы двойственности
- •17. Двойственный и модифицированный симплекс-метод Модифицированный алгоритм
- •18. Параметрический анализ. Параметрирование вектора ограничениий
- •Параметрирование вектора ограничениий
- •19. Параметрирование коэффициентов линейной формы
- •20. Модели транспортных задач и их характеристика, условия разрешимости.
- •Простейшая транспортная задача (т-задача)
- •Транспортная задача с ограниченными пропускными способностями (Td - задача)
- •Транспортные задачи по критерию времени
- •21. Построение начального плана перевозок т-задачи
- •5.2.1. Построение начального плана перевозок
- •Правило северо-западного угла
- •Правило минимального элемента.
- •22.Обоснование метода потенциалов
- •5.2.3. Признак оптимальности
- •23. Алгоритм метода потенциалов.
- •24. Двойственная пара транспортных задач
- •25. Метод потенциалов для Td-задачи
- •5.5. Решение задачи по критерию времени
- •26. Приведение открытой транспортной задачи к закрытой
- •27. Транспортные задачи в сетевой постановке (транспортные сети)
- •28. Задача о максимальном потоке
- •29. Метод декомпозиции Данцига - Вулфа
- •30. Решение транспортной задачи методом Данцига-Вулфа (метод декомпозиции тз)
- •32. Целочисленное программирование
- •7.1. Проблема целочисленности
- •33. Метод отсечений
- •Пример 7.1. Выведем условие отсечения для задачи
- •34. Метод ветвей и границ
- •35. Аддитивный алгоритм
- •36. Нелинейное программирование
- •Теорема
- •37. Квадратичное программирование
- •38. Сепарабельное программирование (сп) и дробно-линейное программирование
- •8.5. Задачи дробно-линейного программирования
- •39. Метод покоординатного спуска и Хука-Дживса Метод первого порядка
- •8.8. Многомерный поиск безусловного минимума
- •8.8.1. Метод Гаусса-Зейделя (покоординатного спуска)
- •Метод Хука-Дживса (метод конфигураций) Метод первого порядка
- •Метод Хука-Дживса (метод конфигураций)
- •40. Симплексный метод поиска
- •41. Градиентные методы
- •Методы сопряженных направлений
- •43. Методы случайного поиска
- •Алгоритм с возвратом при неудачном шаге
- •Алгоритм с обратным шагом
- •Алгоритм наилучшей пробы
- •Алгоритм статистического градиента
- •44. Метод проектирования градиента
- •Метод проектирования градиента
- •45. Генетические алгоритмы
- •46. Метод штрафных функций и барьерных функций
- •Метод барьерных функций
- •47. Динамическое программирование
- •48. Распределение одного вида ресурса
- •49. Дп: задачи о кратчайшем пути и с мультипликативным критерием
- •Задача с мультипликативным критерием.
- •52. Многомерные задачи динамического программирования
- •53. Снижение размерности с помощью множителей Лагранжа
- •56. Многокритериальные задачи: постановка, проблемы, осн. Понятия, методы
- •Многокритериальная задача математического программирования
- •Где искать оптимальное решение
- •Определения
- •Условия оптимальности
- •57. Многокритериальные задачи: функция полезности, лексикографический анализ
- •Методы первой группы
- •Функция полезности
- •Решение на основе лексикографического упорядочения критериев
- •58. Методы главного критерия, свертки, идеальной точки, целевого прогр. Метод главного критерия
- •Линейная свертка
- •Максиминная свертка
- •Метод идеальной точки
- •Целевое программирование (цп)
- •59. Диалоговые методы решения задач по многим критериям
- •Метод уступок
- •Интерактивное компромиссное программирование
- •Построить таблицу
Условия оптимальности
Здесь рассмотрим наиболее важные с точки зрения приложений необходимые и достаточные условия оптимальности. Они позволяют строить методы отыскания эффективных решений и способы проверки эффективности найденных решений.
Наиболее общий случай необходимых условий содержит следующая теорема.
Теорема
1. Пусть Y*
G
и все
.
Вектор Y* слабо
эффективен тогда и только тогда, когда
найдутся такие числа
,
что
(10.1)
Условие
не ограничивает применимость теоремы,
так как его всегда можно обеспечить
добавлением к
положительной
константы
.
При оговариваемых свойствах D и f(X) справедливы теоремы 2 и 3.
Теорема
2. Пусть D выпукло,
а
,
вогнуты и положительны на D.
Тогда решение X* слабо
эффективно в том и только в том случае,
если существуют такие числа
,
что
.
(10.2)
Теорема
3. Пусть D выпукло,
а f вогнуто. Для слабой
эффективности точки X*D
необходимо и достаточно, чтобы существовали
числа
,
при которых
.
(10.3)
Т
ребование
вогнутости f
существенно, так как его невыполнение
может привести к тому, что не для всех
слабо эффективных решений найдутся
,
удовлетворяющие (10.3). Например, для
критериев
и
(
выпукла)
на D=[0,1]
множество S(X)=D.
Максимум функции
достигается
только на одном из концов интервала
[0,1] и поэтому ни при каких неотрицательных
и
максимизация этой функции не даст слабо
оптимальную точку, лежащую внутри D.
Терема 4.Вектор
Y*G
эффективен тогда и только тогда, когда
для каждого
,
(10.4)
где
¦
>
,
}.
(10.5)
Если Y*G
эффективна, то она является единственной
в G
точкой, удовлетворяющей (10.4) при каждом
.
Достаточные условия, приведенные ниже, основаны на свойствах возрастающей функции многих переменных. Поэтому сначала дадим определение такой функции. Числовая функция F(Y), определённая на множестве G, является возрастающей по отношению , если из выполнения неравенства YY для векторов Y,YG всегда следует справедливость неравенства F(Y)>F(Y). Аналогично, F(Y) – функция, возрастающая по отношению >, если из Y>Y всегда следует F(Y)>F(Y).
Теорема 5. Пусть функция F(Y) определена на множестве G. Для того чтобы точка Y*G была эффективной (слабо эффективной), достаточно, чтобы она являлась точкой максимума на множестве G функции F(Y), возрастающей по отношению (по отношению >).
Теорема легко доказывается от противного. Пусть Y*G и
F(Y*)F(Y) для всех YG. (10.6)
Предположим противное, т.е. что существует YG, для которого верно неравенство Y Y*. Так как функция F возрастающая по отношению , то противоречит (10.6). Аналогично доказываются достаточные условия слабой эффективности.
Теорема 5 играет важную роль в решении многокритериальных задач. Её применение основано на максимизации возрастающих функций многих переменных. Поэтому целесообразно рассмотреть примеры таких функций.
1). Функция F(Y)=
,
где
,
является возрастающей по каждой
переменной
на
числовой оси и потому возрастает по
на Em.
Поэтому любая точка максимума F(Y)
на G
эффективна. Эта же функция при
и хотя бы одном из них положительном
является возрастающей по отношению >
и, значит, максимизация такой функции
на G
дает слабо эффективную точку.
2
m
m
m
,
при s>0
и
>0
является возрастающей по каждой
переменной на множестве неотрицательных
чисел и потому возрастает по
на E>=
(т.е. в пространств Е
где все
>=0).
Если же s<0
и
>0,
то эта функция возрастает по ≥
на Е>
(т.е. в области
положительных
).
Точка максимума такой функции эффективна.
3).Функция F(Y)
,
где s>0,
>0,
а
>=
,
,
возрастает по ≥ на G.
Поэтому любая её точка максимума на G
эффективна. Отсюда, в частности, следует,
что минимизация широко применяемой
функции
дает эффективную точку.
4
m
m
при
>0
возрастает по каждой переменной
на множестве положительных чисел и
поэтому является возрастающей по ≥ на
Е>.
Если же
≥0
и есть среди них положительные, то эта
функция будет возрастающей по отношению
> на Е>.
5). Возьмём функцию
F(Y)
при
,
.
Если
для всех i,
то и
для всех i.
Поэтому справедливо неравенство
m
