- •Тема 2. Линейное программирование 1 Лекция 1, практика 1.
- •Математическая модель общей задачи линейного программирования
- •Графическое решение злп.
- •Примеры некоторых типовых злп
- •2. Задача о смесях (планирование состава продукции).
- •3. Транспортная задача.
- •1. Математическая модель общей задачи линейного программирования
- •2. Графическое решение злп
- •1. Составить математическую модель задачи, т.Е. Записать целевую функцию и систему ограничений.
- •2. Построить область допустимых решений злп
- •3. Найти оптимальное решение злп.
- •Тема 2. Практика 1
- •2. Построим область допустимых решений.
- •3. Найдем оптимальное решение злп
- •Алгоритм графического решения злп
- •2. Построить область допустимых решений.
- •3. Найти оптимальное решение
- •Тема 2. Лекция 2, практика 2.
- •Графическое решение злп
- •Двойственность в задачах линейного программирования
- •Решение задачи линейного программирования средствами ms Excel
- •Анализ задач линейного программирования в ms Excel
- •1. Графическое решение злп
- •Решение.
- •1. Запишем экономико-математическую модель задачи.
- •2. Построим одр решений злп.
- •3. Выбор оптимального плана.
- •2. Двойственность в задачах линейного программирования
- •Экономический смысл двойственных оценок.
- •Тема 2. Практика 2.
- •3. Решение задачи линейного программирования средствами ms Excel
- •4. Анализ задач линейного программирования в ms Excel
1. Математическая модель общей задачи линейного программирования
Математическая модель задачи линейного программирования включает:
целевую функцию, оптимальное значение которой (максимум или минимум) требуется отыскать;
ограничения в виде системы линейных уравнений или неравенств;
требование неотрицательности переменных.
В общем виде модель записывается следующим образом:
|
Целевая функция |
(2.1) |
|
||
---|---|---|---|---|---|
Система ограничений: |
|
(2.2) |
|||
|
требование неотрицательности: xj ≥ 0, |
(2.3) |
|
При этом aij, bi, cj ( ) - заданные постоянные величины.
Задача состоит в нахождении оптимального значения целевой функции (2.1) при соблюдении ограничений (2.2) и (2.3).
Систему ограничений (2.2) называют функциональными ограничениями задачи.
Вектор , удовлетворяющий ограничениям (1.2) и (1.3), называется допустимым решением (планом) ЗЛП.
Решение , при котором функция (1.1) достигает своего максимального (минимального) значения, называется оптимальным.
2. Графическое решение злп
Если система ограничений ЗЛП представлена в виде системы линейных неравенств с двумя переменными, то такая задача может быть решена графически (или геометрически). Т.е. данный метод решения ЗЛП имеет очень узкие рамки применения.
Пример 1. Задача об оптимальном использовании ресурсов при производственном планировании2
Компания специализируется на выпуске хоккейных клюшек и наборов шахмат. Каждая клюшка приносит компании прибыль в размере 2 ден.ед, а каждый шахматный набор – в размере 4 ден.ед. На изготовление одной клюшки требуется четыре часа работы на участке A и два часа работы на участке B. Шахматный набор изготавливается с затратами шести часов на участке A, шести часов на участке B и одного часа на участке C. Доступная производственная мощность участка A составляет 120 н-часов в день, участка В - 72 н-часа и участка С - 10 н-часов.
Требуется определить: 1) Сколько клюшек и шахматных наборов должна выпускать компания ежедневно, чтобы получать максимальную прибыль?
2) Останется ли неиспользованной производственная мощность на каждом из участков?
Условие задачи представим в табличной форме.
производственные участки |
затраты времени на единицу продукции, н-час |
доступный фонд времени, н-час |
|
клюшки |
наборы шахмат |
||
А |
4 |
6 |
120 |
В |
2 |
6 |
72 |
С |
- |
1 |
10 |
прибыль на единицу продукции, $ |
2 |
4 |
|
Решение.
1. Составить математическую модель задачи, т.Е. Записать целевую функцию и систему ограничений.
Обозначим: x1 - количество выпускаемых ежедневно хоккейных клюшек,
x2 - количество выпускаемых ежедневно шахматных наборов.
Целевая функция в данной задаче - это выражение для расчета стоимости выручки от реализации произведенной продукции: F(x) = 2x1 + 4x2 → max; - |
|
Для построения системы ограничений найдем затраты н-часов на каждом из участков для изготовления х1 клюшек и х2 шахмат:
Участок А: 4x1 + 6x2 Участок В: 2x1 + 6x2 Участок С: x2 |
На каждом участке мы не можем работать больше, чем позволяет доступная мощность. Кроме этого по смыслу задачи x1 ≥ 0, x2 ≥ 0. получаем систему ограничений |
|
Таким образом, каждое неравенство в системе функциональных ограничений соответствует в данном случае тому или иному производственному участку, а именно: первое – участку А, второе – участку В, третье – участку С.