Xreferat.com » Рефераты по экономико-математическому моделированию » Использование линейного программирования для решения задач оптимизации

Использование линейного программирования для решения задач оптимизации

коэффициентом. Система уравнений (11) определяет наибольшее возможное значение для х5 :

Х5 = min {84, -216,-36} = -36 .

При х5 = -36 х4 = 0 переходит в неосновные переменные.

Разрешающим будет третье уравнение.

III шаг.

Основные переменные : х1, х2, х3.

Неосновные переменные : х4, х5.

Выразим основные переменные через неосновные:

х1= 12 – 4/3х4 + 1/3х5;

х2 = 18 + 1/3х4 - 1/3х5;

х3 = 21 + 11/3х4 - 11/3х5.

Третье базисное решение Х3 = (12, 18, 21, 0, 0) является допустимым.

Выразим линейную функцию через неосновные переменные:

F = 30(12 – 4/3х4 + 1/3х5) + 40(18 + 1/3х4 - 1/3х5) = 1080 – 80/3х4 - 10/3х5.


Значение линейной функции F3 = F(X3) = 1080.

Это выражение не содержит положительных коэффициентов при не основных переменных, поэтому значение F3 = F(X3) = 1080 максимальное. Функцию F невозможно ещё увеличить, переходя к другому допустимому базисному решению, то есть решение X3 – оптимальное. Вспоминая экономический смысл всех переменных можно сделать выводы.

Прибыль предприятия принимает максимальное значение 1080 ден. ед. при реализации 12 единиц продукции Р1(Х1=12) и Р2(Х 2=18). Дополнительные переменные х 3, х 4, х 5.

показывают разницу между запасами ресурсов каждого вида и их потреблением, то есть остатки ресурсов. При оптимальном плане производства х 4 = х 5 = 0, остатки ресурсов S2 и S3 равны нулю, а остатки ресурсов S1 = 21.

Ответ: максимальная прибыль от реализации продукции равна 1080 ден. ед.

2 способ – геометрический метод

Геометрический метод решения задач оптимизации сводится к нахождению оптимального решения задачи в одной из угловых точек многоугольника(рис. 1) для

линейной функции F = 30х1 + 40х2 → max при следующих ограничениях:

3х1 + х2 ≤ 75, (I)

х1 + х2 ≤ 30, (II) (12)

х1 +4х2 ≤ 84, (III), х1 ≥ 0, х2 ≥ 0, х2 ≥ х1

 

по смыслу задачи.

Изобразим многоугольник решений данной задачи.

II

 

I

 


 

С

 

В

 

А

 
Область АВС, изображённая на рисунке, является областью допустимых значений функции F. Принимая во внимание систему (12), можно заметить, что самое оптимальное решение Находится в точке А, находящейся на пересечении прямых I и II, то есть координаты точки А определяются решением системы уравнений:

3х1 + х2 ≤ 75,             х1 = 12,

х1 + х2 ≤ 30, или        х2 = 18., т. е. А(12, 18)

максимальное значение линейной функции равно :

Fmax= 30*12 + 40*18 = 1080.

Итак, Fmax = 1080 при оптимальном решении х1 = 12, х2 = 18, т. е. максимальная прибыль в 1080 ден. ед. может быть достигнута при производстве 12 единиц продукции А и 18 единиц продукции В. Ответ: Fmax = 1080.


Заключение

Алгоритмы безусловной минимизации(максимизации) функций многих переменных можно сравнивать и исследовать как с теоретической, так и с экспериментальной точек зрения.

Первый подход может быть реализован полностью только для весьма ограниченного класса задач, например, для сильно выпуклых квадратичных функций. При этом возможен широкий спектр результатов от получения бесконечной минимизирующей последовательности в методе циклического покоординатного спуска до сходимости не более чем за n итераций в методе сопряженных направлений.

Мощным инструментом теоретического исследования алгоритмов являются теоремы о сходимости методов. Однако, как правило, формулировки таких теорем абстрактны, при их доказательстве используется аппарат современного функционального анализа. Кроме того, зачастую непросто установить связь полученных математических результатов с практикой вычислений. Дело в том, что условия теорем труднопроверяемы в конкретных задачах, сам факт сходимости мало что дает, а оценки скорости сходимости неточны и неэффективны. При реализации алгоритмов также возникает много дополнительных обстоятельств, строгий учет которых невозможен (ошибки округления, приближенное решение различных вспомогательных задач и т.д.) и которые могут сильно повлиять на ход процесса.

Поэтому на практике часто сравнение алгоритмов проводят с помощью вычислительных экспериментов при решении так называемых специальных тестовых задач. Эти задачи могут быть как с малым, так и с большим числом переменных, иметь различный вид нелинейности. Они могут быть составлены специально и возникать из практических приложений, например задача минимизации суммы квадратов, решение систем нелинейных уравнений и т.п.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: