Линейное программирование: постановка задач и графическое решение

Размещено на http://www.allbest.ru/

Министерство сельского хозяйства Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Курская государственная сельскохозяйственная академия имени профессора И.И. Иванова»

Реферат

по дисциплине "Методы оптимальных решений"

Линейное программирование: постановка задач и графическое решение

Выполнил:

студент 3 курса

группы эм112б

факультета экономики и права

Янчук Вячеслав Евгеньевич

Курск - 2013 г.



План

линейный программирование экстремум геометрический

Введение

1. Общая задача линейного программирования

2. Геометрическая интерпретация задачи линейного программирования

3. Графический метод решения задачи линейного программирования

4. Примеры задач, решаемых графическим методом

5. Обобщение графического метода решения задач линейного программирования

Литература



Введение

Линейное программирование - это наука о методах исследования и отыскания наибольших и наименьших значений линейной функции, на неизвестные которой наложены линейные ограничения. Таким образом, задачи линейного программирования относятся к задачам на условный экстремум функции. Казалось бы, что для исследования линейной функции многих переменных на условный экстремум достаточно применить хорошо разработанные методы математического анализа, однако невозможность их использования можно довольно просто проиллюстрировать.

Действительно, путь необходимо исследовать на экстремум линейную функции

Z = С₁х₁+С₂х₂+... +С_Nx_N

при линейных ограничениях

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N = b₁

a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N = b₂

a_М1x₁ + a_М2x₂ + ... + a_МNХ_N = b_М

Так как Z - линейная функция, то = С_j (j = 1, 2, ..., n), то все коэффициенты линейной функции не могут быть равны нулю, следовательно, внутри области, образованной системой ограничений, экстремальные точки не существуют. Они могут быть на границе области, но исследовать точки границы невозможно, поскольку частные производные являются константами.

Для решения задач линейного программирования потребовалось создание специальных методов. Особенно широкое распространение линейное программирование получило в экономике, так как исследование зависимостей между величинами, встречающимися во многих экономических задачах, приводит к линейной функции с линейными ограничениями, наложенными на неизвестные.



1. Общая задача линейного программирования

Формулировка задачи

Даны линейная функция

Z = С₁х₁+С₂х₂+... +С_Nx_N (1.1)

и система линейных ограничений

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N = b₁

a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N = b₂

a_i1x₁ + a_i2x₂ + ... + a_iNХ_N = b_i (1.2)

a_M1x₁ + a_M2x₂ + ... + a_MNХ_N = b_M (1.3)

x_j 0 (j = 1, 2, ... ,n)

где а_ij, Ь_j и С_j - заданные постоянные величины.

Найти такие неотрицательные значения х₁, х₂, ..., х_n, которые удовлетворяют системе ограничений (1.2) и доставляют линейной функции (1.1) минимальное значение.

Общая задача имеет несколько форм записи.

Векторная форма записи. Минимизировать линейную функцию Z = СХ при ограничениях

А₁х₁ + А₂x₂ + ... + А_Nx_N = А_о, X 0(1.4)

где С = (с₁, с₂, ..., с_N); Х = (х₁, х₂, ..., х_N);

СХ - скалярное произведение; векторы A₁, A₂,..., A_N, A₀ состоят соответственно из коэффициентов при неизвестных и свободных членах.

Матричная форма записи. Минимизировать линейную функцию, Z = СХ при ограничениях АХ = А₀, Х 0, где С = (с₁, с₂, ..., с_N) - матрица-cтрока; А = (а_ij) - матрица системы;

Х - матрица-столбец, А₀ - матрица-столбец

Запись с помощью знаков суммирования. Минимизировать линейную функцию Z = С_jх_j при ограничениях

Определение 1. Планом или допустимым решением задачи линейного программирования называется Х = (х₁, х₂, ..., х_N), удовлетворяющий условиям (1.2) и (1.3).

Определение 2. План Х = (х₁, х₂, ..., х_N) называется опорным, если векторы А (i = 1, 2, ..., N), входящие в разложение (1.4) с положительными коэффициентами х , являются линейно независимыми.

Так как векторы А являются N-мерными, то из определения опорного плана следует, что число его положительных компонент не может превышать М.

Определение 3. Опорный план называется невырожденным, если он содержит М положительных компонент, в противном случае опорный план называется вырожденным.

Определение 4. Оптимальным планом или оптимальным решением задачи линейного программирования называется план, доставляющий наименьшее (наибольшее) значение линейной функции.

В дальнейшем рассмотрено решение задач линейного программирования, связанных с нахождением минимального значения линейной функции. Там, где необходимо найти максимальное значение линейной функции, достаточно заменить на противоположный знак линейной функции и найти минимальное значение последней функции. Заменяя на противоположный знак полученного минимального значения, определяем максимальное значение исходной линейной функции.



2. Геометрическая интерпретация задачи линейного программирования

Рассмотрим задачу линейного программирования, система ограничений которой задана в виде неравенств.

Найти минимальное значение линейной функции

Z = С₁х₁+С₂х₂+... +С_Nx_N (1.5)

при ограничениях

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N b₁

a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N b₂ (1.6)

a_M1x₁ + a_M2x₂ + ... + a_MNХ_N b_M (1.7)

x_j 0 (j = 1, 2, ... ,n)

Совокупность чисел х₁, х₂, ..., х_N, удовлетворяющих ограничениям (1.6) и (1.7), называется решением. Если система неравенств (1.6) при условии (1.7) имеет хотя бы одно решение, она называется совместной, в противном случае - несовместной.

Рассмотрим на плоскости х₁Ох₂ совместную систему линейных неравенств

a₁₁x₁ + a₂₂x₂ b₁

a₂₁x₁ + a₂₂x₂ b₂

a_M1x₁ + a_M2x₂ b_M

x₁ 0, x₂ 0

Это все равно, что в системе (1.6) - (1.7) положить N=2. Каждое неравенство этой системы геометрически определяет полуплоскость с граничной прямой

a_i1x₁ + a_i2x₂ = b_i ,(i = 1, 2, ..., m). Условия неотрицательности определяют полуплоскости соответственно с граничными прямыми х = 0, х = 0. Система совместна, поэтому полуплоскости, как выпуклые множества, пересекаясь, образуют общую часть, которая является выпуклым множеством и представляет собой совокупность точек, координаты каждой из которых являются решением данной системы.

Совокупность этих точек (решений) назовем многоугольником решений. Он может быть точкой, отрезком, лучом, многоугольником, неограниченной многоугольной областью.

Если в системе ограничений (1.6) - (1.7) n = 3, то каждое неравенство геометрически представляет полупространство трехмерного пространства, граничная плоскость которого a_i1x₁ + a_i2x₂ + a_i3x₃ = b_i ,(i = 1, 2, ..., n), а условия неотрицательности - полупространства с граничными плоскостями соответственно х_j = 0 (j = 1, 2, 3). Если система ограничений совместна, то эти полупространства, как выпуклые множества, пересекаясь, образуют в трехмерном пространстве общую часть, которая называется многогранником решений. Многогранник решений может быть точкой, отрезком, лучом, многоугольником, многогранником, многогранной неограниченной областью. Пусть в системе ограничений (1.6) - (1.7) n 3; тогда каждое неравенство определяет полупространство n-мерного пространства с граничной гиперплоскостью a_i1x₁ + a_i2x₂ + a_iNx_N = b_i (i = 1, 2, ..., m), а условия неотрицательности - полупространства с граничными гиперплоскостями х_j 0 (j = 1, 2, ..., n).

Если система ограничений совместна, то по аналогии с трехмерным пространством она образует общую часть n-мерного пространства, называемую многогранником решений, так как координаты каждой его точки являются решением.

Таким образом, геометрически задача линейного программирования представляет собой отыскание такой точки многогранника решений, координаты которой доставляют линейной функции минимальное значение, причем допустимыми решениями служат все точки многогранника решений.

3. Графический метод решения задачи линейного программирования

Область применения.

Графический метод основан на геометрической интерпретации задачи линейного программирования и применяется в основном при решении задач двумерного пространства и только некоторых задач трехмерного простран6тва, так как довольно трудно построить многогранник решений, который образуется в результате пересечения полупространств. Задачу пространства размерности больше трех изобразить графически вообще невозможно.

Пусть задача линейного программирования задана в двумерном пространстве, т. е. ограничения содержат две переменные.

Найти минимальное значение функции

(2.1) Z = С₁х₁+С₂х₂

при

a₁₁x₁ + a₂₂x₂ b₁

(2.2)a₂₁x₁ + a₂₂x₂ b₂

a_M1x₁ + a_M2x₂ b_M

х₁ 0, х₂ 0 (2.3)

Допустим, что система (2.2) при условии (2.3) совместна и ее многоугольник решений ограничен. Каждое из неравенств (2.2) и (2.3), как отмечалось выше, определяет полуплоскость с граничными прямыми: a_i1x₁ + a_i2x₂ + a_i3x₃ = b_i,(i = 1, 2, ..., n), х₁=0, х₂=0. Линейная функция (2.1) при фиксированных значениях Z является уравнением прямой линии: С₁х₁ + С₂х₂ = const. Построим многоугольник решений системы ограничений (2.2) и график линейной функции (2.1) при Z = 0 (рис. 2.1). Тогда поставленной задаче линейного прграммирования можно дать следующую интерпретацию. Найти точку многоугольника решений, в которой прямая С₁х₁ + С₂х₂ = const опорная и функция Z при этом достигает минимума.

Значения Z = С₁х₁ + С₂х₂ возрастают в направлении вектора N =(С₁, С₂), поэтому прямую Z = 0 передвигаем параллельно самой себе в направлении вектора Х. Прямая дважды становится опорной по отношению к многоугольнику решений (в точках А и С), причем минимальное значение принимает в точке А. Координаты точки А (х₁, х₂) находим, решая систему уравнений прямых АВ и АЕ.

Если многоугольник решений представляет собой неограниченную многоуголь-ную область, то возможны два случая.

Случай 1. Прямая С₁х₁ + С₂х₂ = const, передвигаясь в направлении вектора N или противоположно ему, постоянно пересекает многоугольник решений и ни в какой точке не является опорной к нему. В этом случае линейная функция не ограничена на многоугольнике решений как сверху, так и снизу.

Случай 2. Прямая, передвигаясь, все же становится опорной относительно многоугольника решений. Тогда в зависимости от вида области линейная функция может быть ограниченной сверху и неограниченной снизу, ограниченной снизу и неограниченной сверху, либо ограниченной как снизу, так и сверху.

4. Примеры задач, решаемых графическим методом

Решим графическим методом задачи использования сырья и составления рациона.

Задача использования сырья. Для изготовления двух видов продукции Р₁ и Р₂используют три вида сырья: S₁, S₂, S₃. Запасы сырья, количество единиц сырья, затрачиваемых на изготовление единицы продукции, а так же величина прибыли, получаемая от реализации единицы продукции, приведены в таблице 1.

Таблица 1

Вид сырья	Запас сырья	Количество единиц сырья, идущих на изготовление единицы продукции
		Р1	Р2
S1	20	2	5
S2	40	8	5
S3	30	5	6
Прибыль от единицы продукции, руб.	50	40

Необходимо составить такой план выпуска продукции, чтобы при ее реализации получить максимальную прибыль.

Решение.

Обозначим через х₁ количество единиц продукции Р₁, а через х₂ - количество единиц продукции Р₂. Тогда, учитывая количество единиц сырья, расходуемое на изготовление продукции, а так же запасы сырья, получим систему ограничений:

2х₁ + 5х₂ 20

8х₁ + 5х₂ 40

5х₁ + 6х₂ 30

которая показывает, что количество сырья, расходуемое на изготовление продукции, не может превысит имеющихся запасов. Если продукция Р₁ не выпускается, то х₁=0; в противном случае x₁ 0. То же самое получаем и для продукции Р₂. Таким образом, на неизвестные х₁ и х₂ должно быть наложено ограничение неотрицательности: х₁ 0, х₂ 0.

Конечную цель решаемой задачи - получение максимальной прибыли при реализации продукции - выразим как функцию двух переменных х₁ и х₂. Реализация х₁ единиц продукции Р₁ и х₂ единиц продукции Р₂ дает соответственно 50х₁ и 40х₂ руб. прибыли, суммарная прибыль Z = 50х₁ + 40х₂ (руб.)

Условиями не оговорена неделимость единица продукции, поэтому х₁ и х₂ (план выпуска продукции) могут быть и дробными числами.

Требуется найти такие х₁ и х₂, при которых функция Z достинает максимум, т.е. найти максимальное значение линейной функции Z = 50х₁ + 40х₂ при ограничениях

2х₁ + 5х₂ 20

8х₁ + 5х₂ 40

5х₁ + 6х₂ 30

х₁ 0, х₂ 0.

Построим многоугольник решений.

Для этого в системе координат х₁Ох₂ на плоскости на плоскости изобразим граничные прямые

2х₁ + 5х₂ = 20 (L₁)

8х₁ + 5х₂ = 40 (L₂)

5х₁ + 6х₂ = 30 (L₃)

х₁ = 0, х₂ = 0.

Взяв какую-нибудь точку, например, начало координат, установим, какую полуплоскость определяет соответствующее неравенство (эти полуплоскости на рис. 2.3 показаны стрелками). Многоугольником решений данной задачи является ограниченный пятиугольник ОАВСD.

Для построения прямой 50х₁ + 40х₂ = 0 строим радиус-вектор N = (50;40) = 10(5;4) и через точку O проводим прямую, перпендикулярную ему. Построенную прямую Z = 0 перемещаем параллельно самой себе в направлении вектора N. Опорной по отношению к многоугольнику решений эта прямая становится в точке С, где функция Z принимает максимальное значение. Точка С лежит на пересечении прямых L₁и L₂. Для определения ее координат решим систему уравнений

8x₁ + 5х₂ = 40

5х₁ + 6х₂ = 30

Оптимальный план задачи: х₁ = 90/23 = 3,9; х₂ = 40/23 = 1,7. Подставляя значения х₁и х₂ в линейную функцию, получаем Z_max = 50 3,9 + 40 1,7 = 260,3

Таким образом, для того чтобы получить максимальную прибыль в размере 260,3 руб., необходимо запланировать производство 3,9 ед. продукции Р₁ и 1,7 ед. продукции Р₂.

Задача составления рациона. При откорме каждое животное ежедневно должно получать не менее 9 ед. питательного вещества S₁, не менее 8 ед. вещества S₂ и не менее 12 ед. вещества S₃. Для составления рациона используют два вида корма. Содержание количества елиниц питательных веществ в 1 кг каждого вида корма и стоимость 1 кг корма приведены в таблице 2.

Таблица 2

Питательные вещества	Количество единиц питательных веществ в 1 кг корма.
	Корм 1	Корм 2
S1	3	1
S2	1	2
S3	1	6
Стоимость 1 кг корма, коп.	4	6



Необходимо составить дневной рацион нужной питательности, причем затраты на него должны быть минимальными.

Решение.

Для составления математической модели обозначим через х₁ и х₂ соответственно количество килограммов корма 1 и 2 в дневном рационе. Принимая во внимание значения, приведенные в таблице 2.2, и условие, что дневной рацион удовлетворяет требуемой питательности только в случае, если количество единиц питательных веществ не меньше предусмотренного, получаем систему ограничений

3х₁ + х₂ 9

х₁ + 2х₂ 8

х₁ + 6х₂ 12

х₁ 0, х₂ 0.

Если корм 1 не используется в рационе, то х₁=0; в противном случае x₁ 0. Аналогично имеем х₂ 0. То есть должно выполняться условие неотрицательности переменных: х₁ 0, х₂ 0.

Цель данной задачи - добиться минимальных затрат на дневной рацион, поэтому общую стоимость рациона можно выразить в виде линейной функции Z = 4х₁ + 6х₂(коп.)

Требуется найти такие х₁ и х₂, при которых функция Z принимает минимальное. Таким образом, необходимо найти минимальное значение линейной функции Z = 4х₁ + 6х₂ при ограничениях

3х₁ + х₂ 9

х₁ + 2х₂ 8

х₁ + 6х₂ 12

х₁ 0, х₂ 0.



Построим многоугольник решений. Для этого в системе координат х₁Ох₂ на плоскости изобразим граничные прямые

3х₁ + х₂ = 9 (L₁)

х₁ + 2х₂ = 8 (L₂)

х₁ + 6х₂ = 12 (L₃)

х₁ = 0, х₂ = 0.

Взяв какую-нибудь точку, например, начало координат, установим, какую полуплоскость определяет соответствующее неравенство. В результате получим неограниченную многоугольную область с угловыми точками А, В, С, D.

Для построения прямой 4х₁ + 6х₂ = 0 строим радиус-вектор N = (4;6) и через точку O проводим прямую, перпендикулярную ему. Построенную прямую Z = 0 перемещаем параллельно самой себе в направлении вектора N. Из риc. 2.4 следует, она впервые коснется многогранника решений и станет опорной по отношению к нему в угловой точе В. Если прямую перемещать дальше в направлении вектора N, то значения линейной функции на многограннике решений возрастут, значит, в точке В линейная функция Z принимает минимальное значение.

Точка В лежит на пересечении прямых L₁ и L₂. Для определения ее координат решим систему уравнений

3x₁ + х₂ = 9

х₁ + 2х₂ = 8

Имеем: х₁ = 2; х₂ = 3. Подставляя значения х₁ и х₂ в линейную функцию, получаем Z_min = 4 2 + 6 3 = 26.

Таким образом, для того, чтобы обеспечить минимум затрат (26 коп. в день), необходимо дневной рацион составить из 2 кг корма 1 и 3 кг корма 2.

5. Обобщение графического метода решения задач линейного программирования

Вообще, с помощью графического метода может быть решена задача линейного программирования, система ограничений которой содержит n неизвестных и m линейно независимых уравнений, если N и M связаны соотношением N - M = 2.

Действительно, пусть поставлена задача линейного программирования.

Найти минимальное значение линейной функции Z = С₁х₁+С₂х₂+... +С_Nx_N при ограничениях

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N = b₁

(2.3)a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N = b₂

a_М1x₁ + a_М2x₂ + ... + a_МNХ_N = b_М

x_j 0 (j = 1, 2, ..., N)

где все уравнения линейно независимы и выполняется cоотношение N - M = 2.

Используя метод Жордана-Гаусса, производим M исключений, в результате которых базисными неизвестными оказались, например, M первых неизвестных х₁, х₂, ..., х_M, а свободными - два последних: х_М+1, и х_N, т. е. система ограничений приняла вид

x₁ + a_1,М+1x_М+1 + a_1NХ_N = b₁

(2.4)x₂ + a_2,М+1x_М+1 + a_2NХ_N = b₂

x_М + a_{М, М+1}x₂ + a_МNХ_N = b_М

x_j 0 (j = 1, 2, ..., N)

С помощью уравнений преобразованной системы выражаем линейную функцию только через свободные неизвестные и, учитывая, что все базисные неизвестные - неотрицательные: х_j 0 (j = 1, 2, ..., M), отбрасываем их, переходя к системе ограничений, выраженных в виде неравенств. Таким образом, окончательно получаем следующую задачу.

Найти минимальное значение линейной функции Z = С_М+1х_М+1+С_Nx_N при ограничениях

a_1,М+1x_М+1 + a_1NХ_N b₁

a_2,М+1x_М+1 + a_2NХ_N b₂

a_М,М+1x_М+1 + a_МNХ_N b_М

x_М+1 0, х_N 0

Преобразованная задача содержит два неизвестных; решая ее графическим методом, находим оптимальные значения x_М+1 и х_N, а затем, подставляя их в (2.4), находим оптимальные значения х₁, х₂, ..., х_M.

Пример.

Графическим методом найти оптимальный план задачи ли-нейного программирования, при котором линейная функция Z = 2х₁ - х₂ + х₃ - 3х₄ + 4х₅ достигает максимального значения при ограничениях

х₁ - х₂ + 3х₃ - 18х₄ + 2х₅ = -4

2х₁ - х₂ + 4х₃ - 21х₄ + 4х₅ = 2

3х₁ - 2х₂ + 8х₃ - 43х₄ + 11х₅ = 38

x_j 0 (j = 1, 2, ..., 5)

Решение.

Используя метод Жордана-Гаусса, произведем три полных исключения неизвестных х₁, х₂, х₃. В результате приходим к системе

х₁ + х₄ - 3х₅ = 6

х₂ + 7х₄ + 10х₅ = 70

х₃ - 4х₄ + 5х₅ = 20

x₁ = 6 - х₄ + 3x₅, х₂ = 70 - 7х₄-10х₅, х₃ = 20 + 4х₄ -5х₅.

Подставляя эти значения в функцию и отбрасывая в системе базисные переменные, получаем задачу, выраженную только через свободные переменные х₄ и х₅: найти максимальное значение линейной функции Z = 6х₄ + 15х₅ - 38 при ограничениях

х₄ - х₅ 6

7х₄ + 10х₅ 70

- 4х₄ + 5х₅ 20

х₄ 0, х₅ 0.

Построим многогранник решений и линейную функцию в системе координат х₄Ох₅. Заключаем, что линейная функция принимает максимальное значение в угловой точке В, которая лежит на пересечении прямых 2 и 3. В результате решения системы

7х₄ + 10х₅ = 70

4х₄ + 5х₅ = 20

находим: х₄ = 2, х₅ = 28/5. Максимальное значение функции Z_max = -38 + 12 + 84 = 58.

Для отыскания оптимального плана исходной задачи подставляем найденные значения х₄ и х₅. Окончательно получаем: х₁ = 104/5, х₂ = 0, х₃ = 0, х₄ = 2, х₅ = 28/5.



Литература

1. Математические методы анализа экономики /под ред. А.Я. Боярского. М., Изд-во Моск. Ун-та, 1983.

2. А.И. Ларионов, Т.И. Юрченко “Экономико-математические методы в планировании: Учебник - М.: Высш. школа, 1984.

3. Ашманов С.А. “Линейное программирование”,- М.: 1961.

Размещено на Allbest.ru