- •2.Математична постановка задачі математичного програмування
- •5. Приклади економічних задач математичного програмування
- •6. Загальна економіко-математична модель задачі лінійного програмування
- •7. Форми запису задач лінійного програмування
- •9. Основні властивості розв’язків задачі лінійного програмування
- •19. Модифікації симплексного методу*
- •21. Правила побудови двоїстих задач.
- •23. Післяоптимізаційний аналіз задач лінійного програмування
- •24. Аналіз діапазону зміни компонент вектора обмежень
- •27. Двоїстий симплекс метод
- •28. Параметричне програмування
- •29. Приклад економічної інтерпретації пари спряжених задач
- •30. Оцінка рентабельності продукції, яка виробляється, і нової продукції
- •31. Аналіз обмежень дефіцитних і недефіцитних ресурсів
- •32. Аналіз коефіцієнтів цільової функції
- •33. Аналіз коефіцієнтів матриці обмежень
- •34. Використання двоїстих оцінок у аналізі економічної задачі.
- •35. Економічна і математична постановка транспортної задачі
- •36. Методи побудови опорного плану транспортної задачі.
- •38.Методирозв’язування транспортної задачі
- •Метод мінімальної вартості
- •Метод подвійної переваги
- •39. Задача, двоїста до транспортної
- •42. Транспортна задача з додатковими умовами
- •46. Геометрична інтерпретація розв’язків цілочислових задач лінійного програмування на площині
- •47. Загальна характеристика методів розв’язування цілочислових задач лінійного програмування
- •48. Методи відтинання. Метод Гоморі
- •Загальна задача математичного програмування формулюється так: знайти такі значення змінних xj , щоб цільова функція набувала екстремального (максимального чи мінімального) значення:
- •56. Геометрична інтерпретація задачі нелінійного програмування
- •У разі, якщо
- •63.Метод розвязання задач квадратичного програмування.
- •63.Метод розв’язування задач квадратичного програмування
- •66. Метод рекурентних співвідношень
- •Принцип оптимальності
- •68.Багатокроковий процес прийняття рішень
- •76. Передумови застосування методу найменших квадратів (1мнк)
- •77. Оператор оцінювання 1мнк
- •. Оцінювання параметрів моделі методом найменших квадратів
- •78.Оцінювання параметрів моделі методом максимальної правдоподібності
- •79. Властивості оцінок параметрів
- •1) Перевірка гетероскедастичності на основі критерію
- •2) Параметричний тест Гольдфельда—Квандта
- •2.4. Тест Глейсера
- •92. Критерій Дарбіна—Уотсона
- •2.2. Критерій фон Неймана
- •93. Метод Ейткена
- •96. Лаги незалежних змінних
- •4.4. Інструментальні змінні
46. Геометрична інтерпретація розв’язків цілочислових задач лінійного програмування на площині
Для знаходження оптимального розв’язку цілочислових задач застосовують спеціальні методи. Найпростішим з них є знаходження оптимального розв’язку задачі як такої, що має лише неперервні змінні, з дальшим їх округленням. Такий підхід є виправданим тоді, коли змінні в оптимальному плані набувають досить великих значень у зіставленні їх з одиницями вимірювання. Нехай, наприклад, у результаті розв’язування задачі про поєднання галузей у сільськогосподарському підприємстві отримали оптимальне поголів’я корів — 1235,6. Округливши це значення до 1236, не припустимося значної похибки. Проте за деяких умов такі спрощення призводять до істотних неточностей. Скажімо, множина допустимих розв’язків деякої нецілочислової задачі лінійного програмування має вигляд, зображений на рис. 6.1:
Максимальне значення функціонала для даної задачі знаходиться в точці В. Округлення дасть таке значення оптимального плану (точка D на рис. 6.1). Очевидно, що точка D не може бути розв’язком задачі, оскільки вона навіть не належить множині допустимих розв’язків (чотирикутник ОАВС), тобто відповідні значення змінних не задовольнятимуть систему обмежень задачі.
З
Очевидно, особливість геометричної інтерпретації цілочислової задачі у зіставленні зі звичайною задачею лінійного програмування полягає лише у визначенні множини допустимих розв’язків. Областю допустимих розв’язків загальної задачі лінійного програмування є опуклий багатогранник, а вимога цілочисловості розв’язку приводить до такої множини допустимих розв’язків, яка є дискретною і утворюється тільки з окремих точок. Якщо у разі двох змінних розв’язок задачі можна відшукати графічним методом, тобто, використовуючи цілочислову сітку, можна досить просто знайти оптимальний план, то в іншому разі необхідно застосовувати спеціальні методи.
47. Загальна характеристика методів розв’язування цілочислових задач лінійного програмування
Для знаходження оптимальних планів задач цілочислового програмування застосовують такі групи методів:
1) точні методи:
методи відтинання;
комбінаторні методи;
2) наближені методи.
Основою методів відтинання є ідея поступового «звуження» області допустимих розв’язків розглядуваної задачі. Пошук цілочислового оптимуму починається з розв’язування задачі з так званими послабленими обмеженнями, тобто без урахування вимог цілочисловості змінних. Далі введенням у модель спеціальних додаткових обмежень, що враховують цілочисловість змінних, багатогранник допустимих розв’язків послабленої задачі поступово зменшують доти, доки змінні оптимального розв’язку не набудуть цілочислових значень.
До цієї групи належать:
а) методи розв’язування повністю цілочислових задач (дробовий алгоритм Гоморі);
б) методи розв’язування частково цілочислових задач (другий алгоритм Гоморі, або змішаний алгоритм цілочислового програмування).
Комбінаторні методи цілочислової оптимізації базуються на ідеї перебору всіх допустимих цілочислових розв’язків, однак, згідно з їх процедурою здійснюється цілеспрямований перебір лише досить невеликої частини розв’язків.
Найпоширенішим у цій групі методів є метод гілок і меж.
Починаючи з розв’язування послабленої задачі, він передбачає поділ початкової задачі на дві підзадачі через виключення областей, що не мають цілочислових розв’язків, і дослідження кожної окремої частини багатогранника допустимих розв’язків.
Для розв’язування задач із бульовими змінними застосовують комбінаторні методи, причому, оскільки змінні є бульовими, то методи пошуку оптимуму значно спрощуються.
Досить поширеними є також наближені методи розв’язування цілочислових задач лінійного програмування. Оскільки для практичних задач великої розмірності за допомогою точних методів не завжди можна знайти строго оптимальний розв’язок за прийнятний час або для розв’язування задачі використовуються наближено визначені, неточні початкові дані, то часто в реальних задачах досить обмежитися наближеним розв’язком, пошук якого є спрощеним.
Значна частина наближених алгоритмів базується на використанні обчислювальних схем відомих точних методів, таких, наприклад, як метод гілок і меж.
До наближених методів належать: метод локальної оптимізації (метод вектора спаду); модифікації точних методів; методи випадкового пошуку та ін.
Головними показниками для зіставлення ефективності застосування конкретних наближених алгоритмів на практиці є такі: абсолютна та відносна похибки отриманих наближених розв’язків.
, ,
де F — цільова функція (в даному разі для визначеності допускаємо вимогу відшукання максимального її значення); Х1— наближений розв’язок, знайдений деяким наближеним методом; Х* — оптимальний план задачі.