
- •Лабораторная работа № 5 Тема: «Решение задач интервального программирования»
- •Задачи:
- •Методические рекомендации преподавателю
- •Методические указания студентам
- •Рекомендации по использованию информационных технологий
- •Постановка задачи
- •Варианты
- •1* Добавить рисунок коридора !!!!!!!!!!!!Выполнить в Mathematice – две поверхности
- •5. Интерпретация для исходной задачи полученного (по детерминированному эквиваленту ( Максиминная модель с ограничениями (х3).) решения
- •Пример 3 недостоверно!!! проверить!!!
- •Пример 4 недостоверно!!! проверить!!!
- •Форма отчета
- •Контрольные вопросы по теме «Решение задач интервального программирования»
5. Интерпретация для исходной задачи полученного (по детерминированному эквиваленту ( Максиминная модель с ограничениями (х3).) решения
При
любом варианте реализации функции
расхода топлива (модели парогенератора)
расход топлива не превысит
.
Оптимальная производительность первого
парогенератора равна 170, второго – 100
т/ч. При этом, каким бы ни было реальное
потребление энергии (
),
потребность в ней будет удовлетворена
полностью (
).
Добавить решение модели в среднем с ограничениями в среднем
Интерпретация для исходной задачи полученного (по детерминированному эквиваленту модели в среднем с ограничениями в среднем) решения
Минимальный средний расход топлива равен ……при производительности парогенератора…(170, 100).
Пример задания №2
Решение задачи №2
1.Детерминированный эквивалент (минимаксная модель).
равносильно
2.
Решение задачи:
.
Maximize[{8.4x1+2.7x2+2.2x3,5x1+3x2+2.5x3150,x1+x2+x340,x310,x10,x20,x30},{x1,x2,x3}]
{252.,{x130.,x20.,x30.}}
3. Проверка единственности решения.
3.1
Сформируем матрицу
из векторов
:
3.2
Формируем ЗЛП
с коэффициентами из первого столбца
:
Вектору соответствует оптимальный план:
Активными
в точке
являются первое, пятое и шестое
ограничения.
3.3.
Для решения
формируем матрицу
,
столбцы которой – векторы нормали
активных ограничений в точке
:.
3.4.
Решаем матричное уравнение
:
3.5.
Т.к. все
,
то
- единственное решение задачи №2.
4. Полученный результат говорит о том, что оптимальный технологический режим обжатий нечувствителен к изменениям коэффициентов целевой функции (т.е. линейных деформаций заготовки) в заданных пределах.
Решим задачу с измененными условиями:
Постановка задачи №2
Решение
1.Детерминированный эквивалент (минимаксная модель).
2.
Решение задачи:.
Maximize[{8.4x1+2.7x2+2.2x3,5x1+3x2+2.5x3150,x1+x2+x340,x110,x10,x20,x30},{x1,x2,x3}]
{165.,{x110.,x230.,x30.}}
3. Проверка единственности решения.
3.1 Сформируем матрицу из векторов :
Активными в найденной точке являются первое, второе и шестое ограничения.
3.3.
Для решения
формируем матрицу
,
столбцы которой – векторы нормали
активных ограничений в точке
:.
3.4. Решаем матричное уравнение :
3.5.
Т.к. есть
,
то
- неединственное решение задачи №2.
4. Полученный результат говорит о том, что оптимальный технологический режим обжатий чувствителен к изменениям коэффициентов целевой функции (т.е. линейных деформаций заготовки) в заданных пределах.
Далее надо найти недоминируемые решения
Пример задания №3
Рассмотрим задачу линейного интервального программирования (1)
с
параметрами (2)
[A]
= [
]
=
;
[b]
= [
]
=
;
[c]
(**)
Задача для нахождения ε -плана задачи (1) с параметрами (**) (задача (4)):
2x1-x2→max
-7x2 – ε ≤ -3
-4x1 + 4x2- ε ≤ -4
2x1 + 11x2- ε ≤ 1
10x1 - 2x2- ε ≤ 0
x1,x2>=0, ε >= 0
Решим данную задачу графически, с заданным ε .
Норма
невязки
Таким образом, для примера 1 решены две задачи семейства (4).
Найдем оптимальную невязку и множество универсальных планов для задачи интервального программирования из примера 1.
Задача вычисления минимальной нормы невязки для примера 1 имеет вид
-7x2 – ε ≤ -3
-4x1 + 4x2- ε ≤ -4
2x1 + 11x2- ε ≤ 1
10x1 - 2x2- ε ≤ 0
Здесь
,
- неизвестные, е
–
m -вектор с единичными координатами -
,
-
сумма координат (норма) невязки
.
Решая задачу симплекс-методом получаем ответ:
x*=
минимальная
норма невязки равна
ВСТАВИТЬ РЕШЕНИЕ ЗАДАЧИ (4) С НАЙДЕННЫМ ОПТИМАЛЬНЫМ епсилон – множество универсальных планов
Чтобы найти среди всех универсальных планов наилучший по целевому условию (4), рассмотрим задачу линейного программирования (6).
2x1-x2→max
-7x2 – ε ≤ -3
-4x1 + 4x2- ε ≤ -4
2x1 + 11x2- ε ≤ 1
10x1 - 2x2- ε ≤ 0
Где
неизвестные x1,
x2,
.
Решая задачу симплекс-методом получаем ответ:
оптимальный план
Таким
образом, наиболее «приемлемым»
решением
для всего параметрического семейства
задач линейного программирования,
порождаемых допустимыми реализациями
исходных данных
для примера 1, является универсальный
план
,
соответствующая минимальная невязка
составляет
.
При этом наилучший гарантированный
результат целевой функции составит
.
Еще решить через детерминированный эквивалент с постановкой согласно варианту.
Сравнить решения с постановкой