- •Модуль 5. Оптимизация систем автоматизации на моделях
- •1.Задачи линейного программирования
- •Виды задач линейного программирования:
- •Геометрический метод решения
- •. Методы решения нелинейных задач оптимизации.
- •Одномерная оптимизация метод сканирования
- •Метод половинного деления
- •Концепция методов
- •Метод наискорейшего спуска
- •Метод тяжелого шарика
- •Метод гаусса — зайделя
- •Метод штрафов
Модуль 5. Оптимизация систем автоматизации на моделях
Лекция 5.2. Методы оптимизации на компьютерных моделях.
1.Задачи линейного программирования
Экономические задачи привели к возникновению линейного программирования. Большинство экономических моделей являются линейными, например, задачи:
оперативного планирования;
объемного планирования;
снабжения и перевозок;
управления запасами и др.
В экономических задачах переменные интерпретируются как цены на ресурсы и продукцию. Для этих задач характерна высокая размерность (сотни и тысячи переменных ).
Технические задачи линейного программирования:
задача составления шихт для агломерации, коксования, производства чугуна и стали;
обнаружение и устранение неисправностей,
раскрой материалов.
Математические постановки задач линейного программирования могут отличаться лишь ограничениями.
Виды задач линейного программирования:
1.Общая задача линейного программирования - определение набора значений варьируемых переменных ХJ, при которых достигается максимум или минимум линейной целевой функции
F( ) = (min) , (1)
при условиях - ограничениях в виде равенств
(2)
и в виде неравенств
(3)
При этом обязательно соблюдаются условия неотрицательности оптимальных значений варьируемых переменных:
(4)
Любое решение, удовлетворяющее системе ограничений, является допустимым решением ( допустимым планом ). Допустимое решение, доставляющее минимум (максимум) целевой функции - оптимальное решение.
2. Стандартная ( симметричная ) задача линейного программирования - определение максимума целевой функции при ограничениях, заданных в виде неравенств.
3. Каноническая ( основная ) задача линейного программирования - определение максимума при ограничениях заданных в виде равенств.
Эти три задачи могут быть преобразованы одна в другую. Необходимое преобразование зависит от выбранного метода решения. Для преобразования видов задач нужно:
1. свести задачу минимизации к задаче максимизации:
min F=-max(-F)
2. преобразовать ограничения типа неравенств:
(3)
в равенства (2)
Вводимые дополнительные переменные имеют экономический смысл. Так, если в ограничениях исходной задачи линейного программирования отражены расходы и наличие производственных ресурсов, то дополнительная переменная - неиспользуемый ресурс.
3. преобразовать все переменные в неотрицательные:
если Xk не подчинена условиям неотрицательности, то она заменяется двумя неотрицательными переменными:
Xk = Uk - Vk
Примеры задач линейного программирования.
Определение объема производства. Общая постановка задачи планирования производства: необходимо определить план производства одного или нескольких видов продукции, который обеспечивает наиболее рациональное использование имеющихся материальных, финансовых и других видов ресурсов. Такой план будет оптимальным с точки зрения какого-либо выбранного критерия — максимума прибыли, минимума затрат на производство и т.д.
Задачи планирования производства возникают на разных уровнях в системе экономического управления: на уровне отдельных производственных цехов, участков и бригад, предприятий, отраслей, на уровне народного хозяйства в целом:
Тогда смысл обозначений в выражениях (1)-(4):
n— количество видов выпускаемой продукции;
m — количество видов производственных ресурсов (производственные мощности, сырье, рабочая сила);
аij — объем i-го ресурса на выпуск единицы j-й продукции;
сj — прибыль от выпуска единицы j-й продукции;
bi — количество имеющегося ресурса i-го вида;
Xj— объем выпуска j-й продукции (переменная);
(1) — целевая функция (максимум прибыли);
(2) – (3)— группа ограничений на объем имеющихся в наличии ресурсов.
Пример . Предприятие располагает ресурсами сырья, рабочей силы и оборудования, необходимыми для производства любого из четырех видов продукции. Затраты ресурсов на изготовление единицы данного вида продукции, прибыль, получаемая предприятием, а также запасы ресурсов указаны в следующей таблице.
Должно быть выпущено не менее 1 ед. продукции первого вида и 5 ед. — второго вида.
Необходимо определить, сколько продукции каждого вида надо выпускать, чтобы прибыль была максимальной, и на какой вид продукции (первый или второй) выгоднее всего принимать дополнительный заказ?
Виды ресурсов |
В |
иды пр |
одукци |
и |
Запасы |
|
1 |
2 |
3 |
4 |
ресурсов |
Сырье, кг Рабочая сила, ч Оборудование, станко-ч |
3 22 10 |
5 14 14 |
2 18 8 |
4 30 16 |
60 400 128 |
Прибыль на единицу продукции, тыс.р. |
30 |
25 |
56 |
48 |
— |
Модель линейного программирования:
Зох1 + 25х2+ 56х3 + 48х4 mах,
при Зx1 + 5х2 + 2х3+ 4х4 60,
22х1+ 14х2+ 18х3+ З0х4 400,
10х1+ 14х2 + 8Х3 + 16Х4 128,
Х1 1, Х2 5, Х3 0, Х4 0.
Оптимальное решение задачи: Х1 = 1, Х2 = 5, Х3 = 6, Х4 = 0.
Задачи о смесях. Такие задачи возникают при выборе наиболее рационального способа смешения исходных ингредиентов для получения смеси с заданными свойствами. Смесь должна содержать определенное количество компонентов, входящих в состав исходных ингредиентов. Известны стоимостные характеристики ингредиентов. Требуется получить искомую смесь с наименьшими затратами.
Задачи такого типа встречаются во многих отраслях промышленности (металлургия, парфюмерия, пищевая промышленность, фармакология, сельское хозяйство). Примерами задач о смесях могут служить, определение состава шихты в доменном или сталеплавильном производствах.
За неизвестные в моделях оптимального смешения принимаются доли или количества ингредиентов, идущие на приготовление смеси. Различаются типы моделей, а) с одной или с большим числом смесей, б) с ограниченным или неограниченным количеством ингредиентов; в) по критерию производства смеси.
Пример .Однопродуктовая модель оптимального смешения'.
Здесь смысл обозначений в выражениях (1) – (4):
n — количество исходных ингредиентов;
m — количество компонентов в смеси;
л — удельный вес 1-го компонента в j-м ингредиенте;
с — стоимость единицы j-го ингредиента;
b. — минимально допустимое количество i-го компонента в смеси;
x. — количество j-го ингредиента, входящего в смесь;
(1) — целевая функция (минимум затрат на получение смеси);
(2) — группа ограничений на содержание в смеси заданного количества компонентов;
(3) — ограничения на неотрицательность переменных.
Оптимальный раскрой материалов. Большинство материалов, используемых в промышленности, поступает на производство в виде стандартных форм. Непосредственное использование таких материалов, как правило, крупных размеров, обычно невозможно. Предварительно их нужно разделить на заготовки необходимых размеров. При этом возникает необходимость выбора способа раскроя и интенсивности его применения. Задачи такого типа, называемые задачами оптимального раскроя материалов, возникают в металлургии и машиностроении, лесной и лесообрабатывающей, легкой промышленности и других отраслях и используются по отношению к технологическим процессам, где большая вариантность позволяет достигнуть значительного эффекта благодаря оптимизации.
В разработке плана раскроя тесно переплетаются две задачи:
Рациональный вариант раскроя. В задачах оптимального раскроя рассматриваются так называемые рациональные способы раскроя, т.е. такие, для которых увеличение количества заготовок любого типа возможно только за счет сокращения числа заготовок какого-либо другого типа.
Пример 1. Требуется определить все рациональные способы раскроя металлического стержня длиной 100 см на заготовки трех типов длиной 20, 30 и 50 см.
Способы |
3 |
агото |
вки |
Отходы |
|
А=50 |
В=30 |
С=20 |
|
1 |
2 |
0 |
0 |
0 |
2 |
1 |
1 |
1 |
0 |
3 |
1 |
0 |
2 |
10 |
4 |
0 |
3 |
0 |
10 |
5 |
0 |
2 |
2 |
0 |
6 |
0 |
1 |
3 |
10 |
7 |
0 |
0 |
5 |
0 |
Таким образом, в данном случае существует семь различных рациональных способов раскроя.
Определение интенсивности использования варианта раскроя.
Обозначения:
j — индекс типа поставляемых материалов, j = 1, 2, ..., s;
i — индекс способа раскроя, i = 1, 2, ..., р;
bk — число заготовок вида k в комплекте, k = 1,2, ..., q;
аijk — количество заготовок вида k, полученных при раскрое единицы материала j-го типа i-м способом;
dj — количество поступившего материала j-го вида;
хij — количество единиц j-го материала, раскраиваемых по i-му способу (интенсивность использования способа);
сij — величина отхода, полученного при раскрое единицы материала j-го типа по i-му способу;
у — число комплектов заготовок различного типа.
Модель:
Y – max (5)
Xij 0, i=1,..p; j=1,..s (6)
(7)
(8)
(5) — целевая функция — максимум комплектов изготавливаемых изделий;
(6) — неотрицательность переменных;
(7) — учет ограниченности ресурсов;
(8) — учет выполнения плана.
Целевая функция в зависимости от условий задачи может записываться и в другом виде.
Например, если требуется производить не максимум комплектов, а просто максимум деталей, то целевая функция:
а неравенство (7) исключится из условий.
Если требуется ориентировать производство на минимум отходов, то функционал будет выглядеть следующим образом: