Формирование и решение линейных задач

????????? ?? http://www.allbest.ru/

????????? ?? http://www.allbest.ru/

1. Моделирование экономических систем. Основные понятия и определения

1.1 Возникновение и развитие системных представлений

Научно-техническая революция привела к возникновению таких понятий, как большие и сложные экономические системы, обладающие специфическими для них проблемами. Необходимость решения таких проблем привела к появлению особых подходов и методов, которые постепенно накапливались и обобщались, образуя, в конце концов, особую науку - системный анализ.

В начале 80-х годов системность стала не только теоретической категорией, но и осознанным аспектом практической деятельности. Широко распространилось понятие того, что наши успехи связаны с тем, насколько системно мы подходим к решению возникающих проблем, а наши неудачи вызваны отсутствием системности в наших действиях. Сигналом о недостаточной системности в нашем подходе к решению какой-либо задачи является появление проблемы, разрешение же возникшей проблемы происходит, как правило, при переходе на новый, более высокий, уровень системности нашей деятельности. Поэтому системность не только состояние, но и процесс.

В различных сферах человеческой деятельности возникли различные подходы и соответствующие методы решения специфических проблем, которые получили различные названия: в военных и экономических вопросах - «исследование операций», в политическом и административном управлении - «системный подход», в философии «диалектический материализм», в прикладных научных исследованиях - «кибернетика». Позже стало ясно, что все эти теоретические и прикладные дисциплины образуют как бы единый поток, «системное движение», которое постепенно оформилось в науку, получившую название «системный анализ». В настоящее время системный анализ является самостоятельной дисциплиной, имеющей свой объект деятельности, свой достаточно мощный арсенал средств и свою прикладную область. Являясь по существу прикладной диалектикой, системный анализ использует все средства современных научных исследований - математику, моделирование, вычислительную технику и натурные эксперименты.

Самая интересная и сложная часть системного анализа - это «вытаскивание» проблемы из реальной практической задачи, отделение важного от несущественного, поиск правильной формулировки для каждой из возникающих проблем, т.е. то, что называется «постановкой задачи».

Многие довольно часто недооценивают работу, связанную с формулировкой задачи. Однако многие специалисты полагают, что «хорошо поставить задачу - значит на половину ее решить». Хотя в большинстве случаев заказчику кажется, что он уже сформулировал свою проблему, системный аналитик знает, что предлагаемая клиентом постановка задачи является моделью его реальной проблемной ситуации и неизбежно имеет целевой характер, оставаясь приблизительной и упрощенной. Поэтому необходимо проверить эту модель на адекватность, что приводит к развитию и уточнению первоначальной модели. Очень часто первоначальная формулировка изложена в терминах не тех языков, которые необходимы для построения модели.

1.2 Модели и моделирование. Классификация моделей

моделирование линейный программирование задача

Первоначально моделью называли некое вспомогательное средство, объект, который в определенных ситуациях заменял другой объект. Например, манекен в определенном смысле заменяет человека, являясь моделью человеческой фигуры. Древние философы считали, что отобразить природу можно только с помощью логики и правильных рассуждений, т.е. по современной терминологии с помощью языковых моделей. Через несколько столетий девизом английского Научного общества стал лозунг: «Ничего словами!», признавались только выводы, подкрепленные экспериментально или математическими выкладками.

В настоящее время для постижения истины существует 3 пути:

теоретическое исследование;

эксперимент;

моделирование.

Моделью называется объект-заместитель, который в определенных условиях может заменять объект-оригинал, воспроизводя интересующие нас свойства и характеристики оригинала, причем имеет существенные преимущества:

- дешевизну;

- наглядность;

- легкость оперирования и т.п.

В теории моделей моделированием называется результат отображения одной абстрактной математической структуры на другую - тоже абстрактную, либо как результат интерпретации первой модели в терминах и образах второй.

Paзвитие понятия модели вышло за пределы математических моделей и стало относиться к любым знаниям и представлениям о мире. Поскольку модели играют чрезвычайно важную роль в организации любой деятельности человека их можно разделить на познавательные (когницитивные) и прагматические, что соответствует делению целей на теоретические и практические.

Познавательная модель ориентирована на приближении модели к реальности, которую эта модель отображает. Познавательные модели являются формой организации и представления знаний, средством соединения новых знаний с имеющимися. Поэтому при обнаружении расхождения между моделью и реальностью встает задача устранения этого расхождения с помощью изменения модели.

Прагматические модели являются средством управления, средством организации практических действий, способом представления образцово правильных действий или их результата, т.е. являются рабочим представлением целей. Поэтомy при обнаружении расхождения между моделью и реальностью надо направить усилия на изменение реальности так, чтобы приблизить реальность к модели. Таким образом, прагматические модели носят нормативный характер, играют роль образца, под который подгоняется действительность. Примерами прагматических моделей служат планы, кодексы законов, рабочие чертежи и т.д.

Другим принципом классификации целей моделирования может служить деление моделей на статические и динамические.

Для одних целей нам может понадобиться модель конкретного состояния объекта в определенный момент времени, своего рода «моментальная фотография» объекта. Такие модели называются статическими. Примером являются структурные модели систем.

В тех же случаях, когда возникает необходимостъ в отображении процесса изменения состояний, требуются динамические модели систем.

В распоряжении человека имеется два типа материалов для построения моделей - средства самого сознания и средства окружающею материального мира. Соответственно этому модели делятся на абстрактные (идеальные) и материальные.

Очевидно, что к абстрактным моделям относятся языковые конструкции и математические модели. Математические модели обладают наибольшей точностью, но чтобы дойти до их использования в данной области, необходимо получить достаточное количество знаний. По мнению Канта, любая отрасль знания может тем более именоваться наукой, чем в большей степени в ней используется математика.

1.3 Виды подобия моделей

Чтобы некоторая материальная конструкция могла быть моделью, т.е. замещала в каком-то отношении оригинал, между оригиналом и моделью должно быть установлено отношение подобия. Существуют разные способы установления такого подобия, что придает моделям особенности, специфичные для каждого способа.

Прежде всего, это подобие, устанавливаемое в процессе создания модели. Назовем такое подобие прямым. Примером такого подобия являются фотографии, масштабированные модели самолетов, кораблей, макеты зданий, выкройки, куклы и т.д.

Следует помнить, что как бы хороша ни была модель, она все-таки лишь заменитель оригинала, только в определенном отношении. Даже тогда, когда модель прямого подобия выполнена из того же материала, что и оригинал, т.е. подобна ему субстратно, возникают проблемы переноса результатов моделирования на оригинал. Например, при испытании уменьшенной модели самолета в аэродинамической трубе задача пересчета данных модельного эксперимента становится нетривиальной и возникает разветвленная, содержательная теория подобия, позволяющая привести в соответствие масштабы и условия эксперимента, скорость потока, вязкость и плотность воздуха. Трудно достигается взаимозаменяемость модели и оригинала в фотокопиях произведений искусства, голографических изображениях предметов искусства.

Второй тип подобия между моделью и оригиналом называется косвенным. Косвенное подобие между оригиналом и моделью объективно существует в природе и обнаруживается в виде достаточной близости или совпадения их абстрактных математических моделей и вследствие этого широко используется в практике реального моделирования. Наиболее характерным примером может служить электромеханическая аналогия между маятником и электрическим контуром.

Оказалось, что многие закономерности электрических и механических процессов описываются одинаковыми уравнениями, различие состоит в разной физической интерпретации переменных, входящих в это уравнение. Роль моделей, обладающих косвенным подобием, очень велика и роль аналогий (моделей косвенного подобия) в науке и практике трудно переоценить. Аналоговые вычислительные машины позволяют найти решение почти всякого дифференциального уравнения, представляя собой, таким образом, модель, аналог процесса, описываемого этим уравнением. Использование электронных аналогов в практике определяется тем, что электрические сигналы легко измерить и зафиксировать, что дает известные преимущества модели.

Третий, особый класс моделей составляют модели, подобие которых оригиналу не является ни прямым, ни косвенным, а устанавливается в результате соглашения. Такое подобие называется условным. С моделями условного подобия приходится иметь дело очень часто, поскольку они являются способом материального воплощения абстрактных моделей. Примерами условного подобия служат деньги (модель стоимости), удостоверение личности (модель владельца), всевозможные сигналы (модели сообщения).

Например, сигналом наступления кочевников у древних славян служили костры на курганах. Бумажные денежные знаки могут играть роль модели стоимости только до тех пор, пока в среде их обращения существуют правовые нормы, поддерживающие их функционирование. Керенки в настоящее время имеют только историческую ценность, но это не деньги, в отличие от царских золотых монет, которые представляют материальную ценность из-за наличия благородного металла. Особенно наглядна условность знаковых моделей: цветок в окне явочной квартиры Штирлица означал провал явки, ни сорт, ни цвет не имели никакого отношения к знаковой функции цветка.

1.4 Адекватность моделей

Модель, с помощью которой успешно достигается поставленная цель, будем называть адекватной этой цепи. Адекватность означает, что требования полноты, точности и правильности (истинности) модели выполнены не вообще, а лишь в той мере, которая достаточна достижения поставленной цели.

В ряде случаев удается ввести меру адекватности некоторых целей, т.е. указать способ сравнения двух моделей по степени успешности достижения цели с их помощью. Если к тому же есть способ количественно выразить меру адекватности, то задача улучшения модели существенно облегчается. Именно в таких случаях можно количественно ставить, вопросы об идентификации модели т.e. о нахождении в заданном классе моделей наиболее адекватной, об исследовании чувствительности и устойчивости моделей т.e. зависимости меры адекватности модели от ее точности, об адаптации моделей, т.е. подстройке параметров модели с целью повышения ее точности.

Приближенность модели не следует путать с адекватностью. Приближенность модели может быть очень высокой, но во всех случаях модель - это другой объект и различия неизбежны (единственной совершенной моделью любого объекта является сам объект). Величину, меру, степень приемлемости различия можно ввести, только соотнося его с целью моделирования. Так некоторые подделки произведений искусства даже эксперты не могут отличить от оригинала, но все-таки это всего лишь подделка, и с точки зрения вложения капитала не представляет никакой ценности, хотя для любителей искусства ничем не отличается от оригинала. У английского фельдмаршала Монтгомери во время войны был двойник, появление которого на разных участках фронта намеренно дезинформировало разведку немцев.

Упрощение является сильным средством для выявления главных эффектов в исследуемом явлении: это видно на примере таких явлений физики, как идеальный газ, абсолютно упругое тело, математический маятник и абсолютно твердый рычаг.

Есть еще один, довольно загадочный, аспект упрощенности модели. Почему-то оказывается, что из двух моделей, одинаково хорошо описывающих систему, та модель, которая проще, ближе к истине. Геоцентрическая модель Птоломея позволяла рассчитать движение планет, хотя и по очень громоздким формулам, с переплетением сложных циклов. Переход к гелиоцентрической модели Коперника значительно упростил расчеты. Древние говорили, что простота - печать истины.

2. Математические модели и методы их расчета

2.1 Понятие операционного исследования

Впервые математические модели были использованы для решения практической задачи в 30-х годах в Великобритании при создании системы противовоздушной обороны. Для разработки данной системы были привлечены ученые различных специальностей. Система создавалась в условиях неопределенности относительно возможных действий противника, поэтому исследования проводились на адекватных математических моделях. В это время впервые был применен термин: «операционное исследование», подразумевающий исследования военной операции. В последующие годы операционные исследования или исследования операций развиваются как наука, результаты которой применяются для выбора оптимальных решений при управлении реальными процессами и системами.

Решения человек принимал всегда и во всех сферах своей деятельности. Раньше хотели, чтобы принимаемые решения всегда были правильными. Теперь принято говорить, что решения должны быть оптимальными. Чем сложнее объект управления, тем труднее принять решение, и, следовательно, тем легче допустить ошибку. Вопросам принятия решений на основе применения ЭВМ и математических моделей посвящена новая наука «Исследование операций», приобретающая в последние годы все более обширное поле приложений. Эта наука сравнительно молодая, ее границы и содержание нельзя считать четко определенными.

Предмет под названием «Исследование операций» входит в программу элитарных вузов, но не всегда в этот термин вкладывается одно и то же содержание. Некоторые ученые под «исследованием операций» понимают, главным образом, математические методы оптимизации, такие как линейные, нелинейные, динамическое программирование. Другие к исследованию операций подходят с позиции теории игр и статистических решений. Наконец, некоторые ученые вкладывают в понятие «исследование операций» чрезмерно широкий смысл, считая ее основой системного анализа и «наукой наук».

Под термином «исследование операций» мы будем понимать применение математических, количественных методов для обоснования решений во всех областях целенаправленной человеческой деятельности.

Окончательно термин «исследование операций» закрепился в конце Второй мировой войны, когда в вооруженных силах США были сформированы специальные группы математиков и программистов, в задачу которых входила подготовка решений для командующих боевыми действиями. В дальнейшем исследование операций расширило область своих применений на самые разные области практики: экономика, транспорт, связь и даже охрана природы.

Выбор задачи - важнейший вопрос. Какие основные требования должна удовлетворять задача? Таких требований два:

должно существовать, как минимум, два варианта ее решения (ведь если вариант один, значит и выбирать не из чего);

надо четко знать в каком смысле искомое решение должно быть наилучшим (кто не знает, куда ему плыть - тому нет и попутного ветра).

Выбор задачи завершается ее содержательной постановкой. Когда производится содержательная постановка задачи, к ней привлекаются специалисты в предметной области. Они прекрасно знают свой конкретный предмет, но не всегда представляют, что требуется для формализации задачи и представления ее в виде математической модели.

Хорошую модель составить не просто. Известный математик Р. Беллман сказал так: «Если мы попытаемся включить в нашу модель слишком много черт действительности, то захлебнемся в сложных уравнениях; если слишком упростим ее, то она перестанет удовлетворять нашим требованиям». Таким образом, исследователь должен пройти между западнями Переупрощения и болотом Переусложнения. Для выполнения успеха моделирования надо выполнить три правила, которые, по мнению древних, являются признаками мудрости. Эти правила применительно к задачам математического моделирования и формулируются так: учесть главные свойства моделируемого объекта; пренебрегать его второстепенными свойствами; уметь отделить главные свойства от второстепенных.

Составление модели - это искусство, творчество. Древние говорили: «Если двое смотрят на одно и то же, это не означает, что оба видят одно и то же». И слова древних греков: «Если двое делают одно и то же, это не значит, что получится одно и то же». Эти слова в полной мере относятся к составлению математических моделей. Если математическая модель - это диагноз заболевания, то алгоритм - это метод лечения.

Можно выделить следующие основные этапы операционного исследования:

наблюдение явления и сбор исходных данных;

постановка задачи;

? построение математической модели;

? расчет модели;

? тестирование модели и анализ выходных данных. Если полученные результаты не удовлетворяют исследователя, то следует либо вернуться на этап 3, т.e. предложить для решения задачи другую математическую модель; либо вернуться на этап 2, т.e. поставить задачу более корректно;

? применение результатов исследований.

Таким образом, операционное исследование является итерационным процессом, каждый следующий шаг которого приближает исследователя к решению стоящей перед ним проблемы. В центре операционного исследования находятся построение и расчет математической модели.

Математическая модель - это система математических соотношений, приближенно, в абстрактной форме описывающих изучаемый процесс или систему.

Экономико-математическая модель - это математическая модель, предназначенная для исследования экономической проблемы.

Проведение операционного исследования, построение и расчет математической модели позволяют проанализировать ситуацию и выбрать оптимальные решения по управлению ею или обосновать предложенные решения. Применение математических моделей необходимо в тех случаях, когда проблема сложна, зависит от большого числа факторов, по-разному влияющих на ее решение.

Использование математических моделей позволяет осуществить предварительный выбор оптимальных или близких к ним вариантов решений по определенным критериям. Они научно обоснованы, и лицо, принимающее решение, может руководствоваться ими при выборе окончательного решения. Следует понимать, что не существует решений, оптимальных «вообще». Любое решение, полученное при расчете математической модели, оптимально по одному или нескольким критериям, предложенным постановщиком задачи и исследователем.

В настоящее время математические модели применяются для анализа, прогнозирования и выбора оптимальных решений в различных областях экономики. Это планирование и оперативное управление производством, управление трудовыми ресурсами, управление запасами, распределение ресурсов, планировка и размещение объектов, руководство проектом, распределение инвестиций и т.п.

2.2 Классификация и принципы построения математических моделей

Можно выделить следующие основные этапы построения математической модели:

Определение цели, т.e. чего хотят добиться, решая поставленную задачу.

Определение пapaметров модели, т.е. заранее известных фиксированных факторов, на значения которых исследователь не влияет.

? Формирование управляющих переменных, изменяя значение которых можно приближаться к поставленной цели. Значения управляющих переменных являются решениями задачи.

? Определение области допустимых решений, т.е. тех ограничений, которым должны удовлетворять управляющие переменные.

? Выявление неизвестных факторов, т.е. величин, которые могут изменяться случайным или неопределенным образом.

? Выражение цели через управляющие переменные, параметры и неизвестные факторы, т.e. формирование целевой функции, называемой также критерием эффективности или критерием оптимальности задачи.

Введем следующие условные обозначения:

a - параметры модели;

x - управляющие переменные или решения;

X - область допустимых решений;

x - случайные или неопределенные факторы;

W - целевая функция или критерий эффективности (критерий оптимальности).

W=W (x, a,x)

В соответствии с введенными терминами, математическая модель задачи имеет следующий вид:

W=W (x, a,x)® max (min) (2.1)

x О X

Решить задачу - это значит найти такое оптимальное решение x^??X, чтобы при данных фиксированных параметрах ? и с учетом неизвестных ? факторов значения критерия эффективности W было по возможности максимальным (минимальным).

W^?=W (x^?, a,x) = max (min) W (x, a,x)

x О X

Таким образом, оптимальное решение - это решение, предпочтительное перед другими по определенному критерию эффективности (одному или нескольким).

Перечислим некоторые основные принципы построения математической модели:

Необходимо соизмерять точность и подробность модели, во-первых, с точностью тex исходных данных, которыми располагает исследователь, и, во-вторых, с теми результатами, которые требуется получить.

Математическая модель должна отражать существенные черты исследуемого явления и при этом не должна его сильно упрощать.

? Математическая модель не может быть полностью адекватна реальному явлению, поэтому для его исследования лучше использовать несколько моделей, для построения которых применены разные математические методы. Если при этом получаются сходные результаты, то исследование заканчивается. Если результаты сильно различаются, то следует пересмотреть постановку задачи.

? Любая сложная система всегда подвергается малым внешним и внутренним воздействиям, следовательно, математическая модель должна быть устойчивой (сохранять свойства и структуру при этих воздействиях).

По числу критериев эффективности математические модели делятся на однокритериальные и многокритериальные. Многокритериальные математические модели содержат два и более критерия.

По учету неизвестных факторов математические модели делятся на детерминированные, стохастические и модели с элементами неопределенности.

В стохастических моделях неизвестные факторы - это случайные величины, для которых известны функции распределения и различные статистические характеристики (математическое ожидание, дисперсия, среднеквадратическое отклонение и т.п.). Среди стохастических характеристик можно выделить:

- модели стохастического программирования, в которых либо в целевую функцию (2.1), либо в ограничения (2.2) входят случайные величины;

- модели теории случайных процессов, предназначенные для изучения процессов, состояние которых в каждый момент времени является случайной величиной;

- модели теории массового обслуживания, в которой изучаются многоканальные системы, занятые обслуживанием требований. Также - к стохастическим моделям можно отнести модели теории полезности, поиска и принятия решений.

Для моделирования ситуаций, зависящих от факторов, для которых невозможно собрать статистические данные и значения которых не определены, используются модели с элементами неопределенности.

В моделях теории игр задача представляется в виде игры, в которой участвуют несколько игроков, преследующих разные цели, например, организацию предприятия в условиях конкуренции.

В имитационных моделях реальный процесс разворачивается в машинном времени, и прослеживаются результаты случайных воздействии на него, например, организация производственного процесса.

В детерминированных моделях неизвестные факторы не учитываются. Несмотря на кажущуюся простоту этих моделей, к ним сводятся многие практические задачи, в том числе большинство экономических задач. По виду целевой функции и ограничений детерминированные модели делятся на: линейные, нелинейные, динамические и графические.

В линейных моделях целевая функция и ограничения линейны по управляющим переменным. Построение и расчет линейных моделей являются наиболее развитым разделом математического моделирования, поэтому часто к ним стараются свести и другие задачи либо на этапе постановки, либо в процессе решения. Для линейных моделей любого вида и достаточно большой размерности известны стандартные методы решения.

Hелинейные модели - это модели, в которых либо целевая функция, либо какое-нибудь из ограничений (либо все ограничения) нелинейны по управляющим переменным. Для нелинейных моделей нет единого метода расчета. В зависимости от вида нелинейности, свойств функции и ограничений можно предложить различные способы решения. Однако может случится и так, что для поставленной нелинейной задачи вообще не существует метода расчета. В этом случае задачу следует упростить, либо сведя ее к известным линейным моделям, либо просто линеаризовав модель.

В динамических моделях, в отличие от статических линейных и нелинейных моделей, учитывается фактор времени. Критерий оптимальности в динамических моделях может быть самого общего вида (и даже вообще не быть функцией), однако для него должны выполняться определенные свойства. Расчет динамических моделей сложен, и для каждой конкретной задачи необходимо разрабатывать специальный алгоритм решения.

Графические модели - используются тогда, когда задачу удобно представить в виде графической структуры.

3. Примеры задач линейного программирования

3.1 Транспортная задача

уголь, добываемый в нескольких месторождениях, отправляется ряду потребителей. нам известно, сколько угля добывается в каждом из месторождений, скажем за месяц и сколько его требуется на тот же срок каждому из потребителей. Известны расстояния между месторождениями и потребителями, а также условия сообщения между ними. Учитывая эти данные. Можно подсчитать, во что обходится перевозка каждой тонны угля из любого месторождения в любой пункт потребления. Требуется при этих условиях спланировать перевозки угля таким образом, чтобы затраты на них были минимальными.

Пусть для простоты заданы всего 4 месторождения М₁, МІ, Мі, М₄, причем их ежемесячная добыча составляет a₁, а₂, а₃, а₄ тонн угля. Предположим далее, что этот уголь надо доставить в пункты потребления b₁, b₂, b₃, b₄, b₅, соответственно с ежемесячными потребностями этих пунктов. Будем считать, что общее производство угля равно суммарной потребности в нем (сбалансированность планов): a₁, а₂, а₃, а₄ = b₁, b₂, b₃, b₄, b₅. Задача состоит в определении такого плана перевозок, при котором общая стоимость перевозок была бы наименьшей. Обозначим через x₁₁ количество угля (в тоннах), предназначенное к отправлению из M₁ в П₁; вообще через x_ij обозначим количество угля, отправляемого из месторождения M_i в пункт потребления П_j. Схема перевозок примет вид, изображенный в таблице 3.1

Таблица 3.1 Схема перевозок

	ПН	в П1	в П2	в П3	в П4	в П5	Всего
ПО							отправлено
из М1	х11	х12	х13	х14	х15	a1
из МІ	х21	х22	х23	х24	х25	а2
из Мі	х31	х32	х33	х34	х35	а3
из М4	х41	х42	х43	х44	х45	а4
Всего привезено	b1	b2	b3	b4	b5

3.1	?х11+х12+х13+х14+х15 = b1 ?х21+х22+х23+х24+х25 = b2 ?х31+х32+х33+х34+х35 = b3 ?х41+х42+х43+х44+х45 = b4	3.2	?х11+х12+х13+х14+х15 = a1 ?х21+х22+х23+х24+х25 = a2 ?х31+х32+х33+х34+х35 = a3 ?х41+х42+х43+х44+х45 = a4

Общее количество угля, привозимое в пункт П₁ из всех месторождений, будет х₁₁₊х₁₂₊х₁₃₊х₁₄₊х_{15 =} b₁; в другие пункты - П₂, П₃ и т.д. и примет вид уравнений 4.1. общее количество угля, вывозимое из М₁, будет: х₁₁₊х₁₂₊х₁₃₊х₁₄₊х_{15 =} a₁, примет вид 4.2. предполагаем, что стоимость перевозки прямо пропорциональна количеству перевозимого угля, т.е. стоимость перевозки x_ij тонн угля равна:

x _{i j} = C _{i j}.X _{i j}

Общая стоимость S всех перевозок будет равна: (3.3)

S=c₁₁х₁₁+c₁₂х₁₂+c₁₃х₁₃+c₁₄х₁₄+c₁₅х₁₅+… +c₄₁х₄₁+c₄₂х₄₂+c₄₃х₄₃+c₄₄х₄₄+c₄₅х₄₅.

3.2 Общая формулировка задачи линейного программирования

Аналогично транспортной задаче решается задача об оптимизации распределения ресурсов (трудовых, материальных, финансовых) и задача о диете. При всем разнообразии, по своему конкретному содержанию каждая из них была задачей на нахождение наиболее выгодного варианта. С точки зрения математической, в каждой задаче ищутся значения нескольких неизвестных, причем требуется, чтобы:

эти значения удовлетворяли некоторой системе линейных уравнений или неравенств;

при этих значениях некоторая линейная функция (линейная форма) от этих неизвестных обращалась в минимум (максимум);

? эти значения были неотрицательными.

Задачами такого рода и занимается линейное программирование.

Говоря точнее, линейное программирование - это математическая дисциплина, изучающая методы нахождения наименьшего (или наибольшего) значения линейной функции нескольких переменных, при условии, что последние удовлетворят конечному числу линейных уравнений или неравенств. Общая математическая формулировка задачи линейного программирования выглядит следующим образом.

Дана система линейных уравнений:

ма₁₁x₁+а₁₂x₂+… +а_1nx_{n =} b₁

па₂₁x₁+а₂₂x₂+… +а_2nx_{n =} b₂

(I)н……………………

оа_m1x₁+а_mІx₂+… +а_mnx_{n =} b_m

и линейная функция ¦=c₁x₁+c₂x₂+… +c_nx_n (II).

Требуется найти такие неотрицательные решения х₁ ? 0, х₂ ? 0… х_n ? 0 (III) системы (I) при которых функция ? принимает наименьшее (наибольшее) значение.

Уравнения (I) называются ограничениями данной задачи, уравнение (II) называется линейной формой, а уравнение (III), строго говоря, тоже являются ограничениями, однако их не принято так называть, поскольку они являются общими для всех задач линейного программирования, а не только конкретной задачи. Любое неотрицательное решение системы уравнений называется допустимым. Допустимое решение, дающее минимум функции ?, оптимальное решение (если оно существует) не обязательно единственно; возможны случаи, когда имеется бесчисленное множество оптимальных решений. Наконец, саму функцию ? часто называют линейной формой или функцией цели.

Казалось бы, т.к. задача линейного программирования ставится как задача минимизации некоторой функции ?, то можно применить классический прием дифференциального исчисления. Однако частные производные равны коэффициентам при неизвестных, которые в «нуль» одновременно не обращаются.

3.3 Графическая интерпретация решения задач линейного программирования

Задачу линейного программирования (ЛП) можно решать аналитическими и графическими методами. Аналитические методы являются основой для решения задачи на ЭВМ. Их единственный недостаток состоит в том, что в отличие от графических методов, они недостаточно наглядны. Графические методы очень наглядны, но они пригодны лишь для решения задач на плоскости, т.е. когда размерность пространства К=2. Однако, учитывая большую наглядность графических методов, с их помощью рассмотрим идею решения задачи ЛП на примере задачи распределения ресурсов.

Однако прежде чем заняться решением, сделаем некоторые замечания. Пусть мы имеем систему m уравнения с n неизвестными (I).

Возможны следующие варианты:

Число неизвестных меньше, чем число уравнений n ? m.

например: м2x₁=4, в этом случае n=1;

оx₁=5, тогда m=2 (число линейно независимых уравнений). (3.4)

Очевидно, что система (3.4) решения не имеет, и она несовместна;

Число неизвестных равно числу уравнений n=m.

В этом случае система имеет единственное решение или не имеет ни одного. Заметим, что m равно числу линейно независимых уравнений.

Для системы: м2x=10, n=1, m=1;

о6x=30.

Если число неизвестных больше числа уравнений, то система имеет бесчисленное множество решений. Пусть n ? m. Например:

2x₁+x₂=2 (3.5)

Очевидно, что это уравнение прямой, и все значения x₁ и x₂, лежащие на этой прямой, являются решением уравнения (4.2). Значит уравнение (4.5) имеет бесчисленное множество решений.

В случае, когда система имеет больше одного возможного решения, может быть поставлена задача оптимизации, суть которой в том, что из всех допустимых решений, удовлетворяющих ограничениям и граничным условиям, выбрать такое, которое придает целевой функции оптимум. Вспомним построение линейных зависимостей. Пусть дано уравнение:

a₁x₁+a₂x₂=b (3.6)

Преобразуем его к виду:

(3.7)

Запись (3.7) называют уравнением прямой в отрезках, что изображено на Рис. 3.1. Рассмотрим еще одну форму представления уравнения (3.6). Запишем это уравнение в виде:

a₂x₂=b-a₁x₁

или

или

x₂=F-kx₁ (3.8)

Уравнение (3.8) изображено на рис. 3.2.

Вспомним неравенства. Если линейное уравнение с двумя переменными может быть представлено в виде прямой на плоскости, то неравенство вида:

a₁x₁+a₂x₂ Ј b (3.9)

изображается как полуплоскость, показанная на рис. 4.1. На этом рисунке часть плоскости, удовлетворяющая неравенству, заштрихована. Координаты всех точек, принадлежащих заштрихованному участку, имеют такие значения x₁ и x₂, которые удовлетворяют заданному неравенству. Значит, эти значения составляют область допустимых решений (ОДР). Саму прямую считаем принадлежащей каждой из двух указанных полуплоскостей. Предположим теперь, что задано не одно неравенство, а система:

ма₁₁x₁+а₁₂x₂ Ј b₁

па₂₁x₁+а₂₂x₂ Ј b₂

(3.10) оа_m1x₁+а_mІx₂ Ј b_m,

где первое неравенство определяет некоторую полуплоскость П₁, второе - полуплоскость П₂ и т.д.

если какая-либо пара чисел (x₁, x₂) удовлетворяет всем неравенствам (4.10), то, соответствующая точка Р(x₁, x₂), принадлежит всем полуплоскостям П₁, П₂,… П_m одновременно. Другими словами, точка Р принадлежит пересечению (общей части) полуплоскостей П₁, П₂,… П_m, т.е. некоторой многоугольной области М (Рис. 4.3), которая является ОДР. Вдоль контура области изображены штрихи, идущие внутрь области. Они одновременно указывают, с какой стороны от данной прямой лежит соответствующая полуплоскость, то же самое указано и с помощью стрелок на каждой линии. Сразу же отметим, что ОДР не всегда бывает, ограничена: в результате пересечения нескольких полуплоскостей может возникнуть и неограниченная область (Рис. 4.4). Возможен и случай, когда область допустимых решений (ОДР) пуста. Это означает, что система (5.7) противоречива (Рис. 4.5). Многоугольник ОДР обладает весьма важным свойством: он является выпуклым.

фигура называется выпуклой, если вместе с любыми двумя своими точками А и В, она содержит и весь отрезок АВ.

В случае трех неизвестных, каждое уравнение представляет собой плоскость в пространстве. Каждая плоскость разбивает все пространство на два полупространства. Система неравенств определяет в пространстве выпуклый объемный многогранник, который представляет ОДР.

4. Методы решения задач линейного программирования

4.1 Общая и основная задачи линейного программирования

К математическим задачам линейного программирования приводят исследования конкретных производственно-хозяйственных ситуаций, которые в том или ином виде интерпретируются как задачи об оптимальном использовании ограниченных ресурсов (задача о раскрое, смесях и т.д.).

Во всех этих задачах требуется найти максимум или минимум линейной функции при условии, что ее переменные принимают неотрицательные значения и удовлетворяют некоторой системе линейных уравнений или линейных неравенств либо системе, содержащей как линейные неравенства, так и линейные уравнения. Каждая из этиx задач является частным случаем общей задачи линейного программирования.

Oбщей задачей линейного программирования называется задача, которая coстоит в определении максимального (минимального) значения функции:

(4.1)

при условии:

(4.2)

(4.3)

X_j і 0 (j=1, 1; 1 Ј n) (4.4)

где a_ij, b_i, с_j - заданные постоянные величины и k ? m.

Функция (4.1) называется целевой функцией (или линейной формой) задачи (4.1) - (5.4), а условия (4.2) - (4.4) - ограничениями данной задачи.

Стандартной (или симметричной) задачей линейного программирования называется задача, которая состоит в определении максимального значения функции (4.1) при выполнении условий (4.2) и (4.4), где k=m и 1=n.

Канонической (или основной) задачей линейного программирования называется задача, которая состоит в определении максимального значения функции (4.1) при выполнении условий (4.3) и (4.4), где k=0 и 1=n.

Совокупность чисел Х^? = (x₁, x₂,…, x_n), удовлетворяющих ограничениям задачи (4.2) - (5.4), называется допустимым решением (или планом).

План Х^? = (x₁, x₂,…, x_n), при котором целевая функция задачи (4.1) принимает свое максимальное (минимальное) значение, называется оптимальным.

Значение целевой функции (4.1) при плане X будем обозначать через F(X). Следовательно, Х^? - оптимальный план задачи, если для любого X выполняется неравенство F(X) ? F(Х^?) (соответственно F(X) ? F(Х^?)).

4.2 Геометрический метод решения задач линейного программирования

Перепишем основную задачу линейного программирования в векторной форме: найти максимум функции

F=CX (4.5)

при условиях:

x₁P₁+x₂P₂+… +x_nP_n = P₀ (4.6)

Х і0 (4.7)

где C = (с₁, с₂,…, с_n), Х = (х₁, х₂,…, х_n); СХ - скалярное произведение; Р₁, Р₂,…, Р_n и Р₀ - m-мерные вектор-столбцы, составленные из коэффициентов при неизвестных и свободных членах системы уравнений задачи.

План X = (х₁, х₂,…, х_n) называется опорным планом основной задачи линейного программирования, если система векторов P_j, входящих в разложение (4.6) с положительными коэффициентами x_j, линейно независима.

Непустое множество планов основной задачи линейного программирования образует выпуклый многогранник. Каждая вершина этого многогранника определяет опорный план. В одной из вершин многогранника решений (т.е. для одного из опорных планов) значение целевой функции является максимальным (при условии, что функция ограничена сверху на множестве планов). Если максимальное значение функция принимает более чем в одной вершине, то это же значение она принимает в любой точке, являющейся выпуклой линейной комбинацией данных вершин.

Вершину многогранника решений, в которой целевая функция принимает максимальное значение, найти сравнительно просто, если задача, записанная в форме стандартной, содержит не более двух переменных или задача, записанная в форме основной, содержит не более двух свободных переменных. Haйдем решение задачи, состоящей в определении максимального значения функции:

F=c₁x₁ + с₂х₂ (4.8)

при условиях:

a_i1x₁+a_i2x₂ Ј b_i (i=1, k) (4.9)

x_j і 0 (i=1,2) (4.10)

Каждое из неравенств (4.9), (4.10) системы ограничений задачи геометрически определяет полуплоскость соответственно с граничными прямыми a_i1+a_i2=b_i (i=1, k), x₁=0 и x₂=0. В этом случае, если система неравенств (4.9), (4.10) совместна, область ее решений есть множество точек, принадлежащих всем указанным полуплоскостям.

Так как множество точек пересечения данных полуплоскостей выпуклое, то областью допустимых решений (ОДР) задачи (4.8) - (4.10) является выпуклое множество, которое называется многоугольником решений. Стороны этого многоугольника лежат на прямых, уравнения которых получаются из исходной системы ограничений заменой знаков неравенств на знаки точных равенств.

Таким образом, исходная задача линейного программирования состоит в нахождении такой точки области допустимых решений, в которой целевая функция F принимает максимальное значение. Эта точка существует тогда, когда многоугольник решений не пуст и на нем целевая функция ограничена сверху. При указанных условиях в одной из вершин ОДР целевая функция принимает максимальное значение. Для определения данной вершины построим линию уровня c₁x₁+c₂x₂=h (где h - некоторая постоянная), проходящую через ОДР, и будем ее передвигать в направлении вектора C=(с₁; с₂) до тех пор, пока она не пройдет через последнюю ее общую точку с многоугольником ОДР. Координаты указанной точки и определяю оптимальный план данной задачи.

При нахождении решения задачи могут встретиться случаи, изображенные на рис. 5.1-5.4. Рис. 5.1 характеризует такой случай, когда целевая функция принимает максимальное значение в единственной точке А. Из рис. 5.2 видно, что максимальное значение целевая функция принимает в любой точке отрезка АВ.

Oтметим, что нахождение минимального значения линейной функции при данной системе ограничений отличается от нахождения ее максимального значения при тex же ограничениях лишь тем, что линия уровня c₁x₁+c₂x₂=h передвигается не в направлении вектора С, а в противоположном направлении.

Тот факт, что оптимальное решение находится в одной из вершин многоугольника ОДР, позволяет сделать еще два важных вывода:

если оптимальным решением являются координаты вершины многоугольника ОДР, значит, сколько вершин имеет ОДР, столько существует целевых функций и столько оптимальных решений по этим функциям может иметь задача.

поскольку, чем больше ограничений имеет задача, тем больше вершин, тo, следовательно, чем больше целевых функций и, следовательно, тем больше оптимальных решений по этим функциям.

Из рисунков можно сделать вывод, что вершина, координаты которой являются оптимальным решением, определяются углом наклона прямой, описывающей целевую функцию. Значит, каждая вершина будет соответствовать оптимальному решению для некоторой целевой функции. Итак, нахождение решения задачи линейного программирования (5.8) - (5.10) на основе ее геометрической интерпретации включает следующие этапы.

Этапы нахождения решения задачи линейного программирования:

Строят прямые, уравнения которых получаются в результате замены в ограничениях и знаков неравенств на знаки точных равенств.

Находят полуплоскости, определяемые каждым из ограничений задачи.

Находят многоугольник решений (ОДР).

Строят вектор C=(с₁; с₂).

Строят прямую c₁x₁+c₂x₂=h, проходящую через многоугольник решений.

Передвигают прямую c₁x₁+c₂x₂=h в направлении вектора С, в результате чего-либо находят точку (точки), в которой целевая функция принимает максимальное значение, либо устанавливают неограниченность сверху функции на множестве планов.

Определяют координаты точки максимума функции и вычисляют значение целевой функции в этой точке.

4.3 Графическое решение задачи распределения ресурсов

Пусть для двух видов продукции П₁ и П₂ требуются трудовые, материальные и финансовые ресурсы. Наличие ресурсов каждого вида и их нормы расхода, необходимые для выпуска единицы продукции, приведены в табл. 4.1.

Таблица 4.1

Характеристика	Вид продукции	располаг.
	П1	П2	ресурс
Резервы:
трудовые	1	4	14
материальные	3	4	18
финансовые	6	2	27
выпуск	1	1	-
прибыль	4	8,5	-
план	х1	х2	-

Составим математическую модель задачи

x₁+4x₂ Ј 14

3x₁+4x₂ Ј 18