- •Курсовая работа
- •Условие задачи
- •Формализация задачи
- •Методы решения
- •Решение задачи Прежде чем приступить к решению задачи запишем ее в общем виде:
- •Метод Гомори
- •Прежде чем приступить к симплекс-преобразованиям, запишем исходные данные:
- •Симплекс преобразования.
- •Оптимальный план можно записать так:
- •В полученном оптимальном плане присутствуют дробные числа.
- •Анализ задачи на чувствительность
- •Реализация симплекс-метода на Pascal для решения данной задачи.
Методы решения
Данная задача относится к типу целочисленных.
Экстремальная задача, переменные которой принимают лишь целочисленные значения, называется задачей целочисленного программирования.
Математическая модель целочисленной задачи:
При решении полностью целочисленных задач линейного программирования используются:
- методы отсечений
- методы разветвлений
- приближенные методы (даны допустимые решения, хотя и в общем случае неоптимальные)
Небольшая размерность задачи позволяет применить метод динамического программирования и метод сечения Гомори. Т.к. в основе последнего лежит двойственный симплекс метод линейного программирования, позволяющий наряду с нахождением решения, выявить и чувствительность модели к изменению параметров, то решим задачу этим методом.
Решение задачи Прежде чем приступить к решению задачи запишем ее в общем виде:
L
при условиях
при .
Цель задачи – получение максимальной прибыли – может быть достигнута несколькими способами. Математическим выражением цели является критериальная функции L, структура которой отражает вклад каждого из способов достижения цели. В сформулированной задаче представлено n таких способов. Под способом достижения цели понимается получение информации о распределении ресурсов для максимизации прибыли. Коэффициент Cj представляет собой удельную прибыль применения j-того способа достижения цели (прибыль от продажи одного изделия j-того типа). Переменные Хj – искомые величины, представляющие собой интенсивность использования j-того способа достижения цели ( количество изделий j-того типа).
Для достижения цели имеем: m- виды ресурсов, bi – возможный объем потребления i-того ресурса (максимальное количество древесного ресурса и трудового фактора). Коэффициент aij – расход
i-того ресурса для производства одного изделия j-того типа.
Метод Гомори
Решим задачу с нецелочисленными переменными:
Максимизировать
L(x) = 60x1+25x2 +140x3+160x4
при ограничениях
5x1 + x2 + 12x3 + 15x4≤1500
3x1 + 2x2 + 6x3 + 5x4≤1000
7x1 + 5x2 + 10x3 + 12x4≤3200
x1≥40
x2≥120
x3≥20
x4≤20
хi≥0
Этап 1
Приведем модель к стандартному виду: введем балансовые переменные x5, x6, x7, x8, x9, x10, x11, не имеющие физического смысла для приведения неравенств к равенствам.
Максимизировать
L(x) = 60x1+25x2 +140x3+160x4
при ограничениях
5x1 + x2 + 12x3 + 15x4 + x5 = 1500
3x1 + 2x2 + 6x3 + 5x4 + x6 = 1000
7x1 + 5x2 + 10x3 + 12x4+x7 = 3200
x1 -x8 = 40
x2 -x9 = 120
x3-x10 = 20
x4 +x11 = 20
x1… x11≥0
Решение системы производится путём ввода искусственных переменных Хi. Для исключения из базиса этих переменных, их вводят в целевую функцию с большими отрицательными коэффициентами M, имеющими смысл "штрафов" за ввод искусственных переменных. Таким образом, из исходной получается новая M-задача.
Если в оптимальном решении М-задачи нет искусственных переменных, это решение есть оптимальное решение исходной задачи. Если же в оптимальном решении M-задачи хоть одна из искусственных переменных будет отлична от нуля, то система ограничений исходной задачи несовместна и исходная задача неразрешима.
Симплекс-таблица, которая составляется в процессе решения, используя метод искусственного базиса, называется расширенной. Она отличается от обычной тем, что содержит две строки для функции цели: одна – для составляющей L(x), а другая – для составляющей M. При составлении симплекс таблицы полагают, что исходные переменные являются небазисными, а дополнительные (xn+m) и искусственные(Xi)- базисными.
Этап 2
Введем искусственные переменные x12, x13, x14
5x1 + x2 + 12x3 + 15x4 + x5 = 1500
3x1 + 2x2 + 6x3 + 5x4+x6 = 1000
7x1 + 5x2 + 10x3 + 12x4 +x7 = 3200
x1 -x8 +x12 = 40
x2 -x9 + x13 = 120
x3 -x10 + x14 = 20
x4 +x11 = 20
Целевая функция:
L(X) = 60x1+25x2+140x3+160x4 - Mx12 - Mx13 - Mx14 → max
Из уравнений выражаем искусственные переменные:
x12 = 40-x1+x8
x13 = 120-x2+x9
x14 = 20-x3+x10
подставим в целевую функцию:
L(X) = (60+M)x1+(25+M)x2+(140+M)x3+(160)x4+(-M)x8+(-M)x9+(-M)x10+
+(-180M) x11
Этап 3