Методы исследования управляющей деятельности объектов и процессов

Методы построения математических моделей исследуемых процессов и разработка критериев качества их протекания. Количественное обоснование оптимальных решений. Область определения систем линейных неравенств. Методология решения задач симплекс-методом.

Рубрика Программирование, компьютеры и кибернетика
Вид курсовая работа
Язык русский
Дата добавления 24.03.2012
Размер файла 822,0 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

3

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. РАЗРАБОТКА ОПТИМАЛЬНОЙ СХЕМЫ ОСВОЕНИЯ ЛЕСОСЕКИ

2. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ЗАДАЧИ ОПТИМИЗАЦИИ КОНКРЕТНОГО ПРОЦЕССА ИЛИ ОБЪЕКТА ЭКСПЕРИМЕНТАЛЬНЫМ ПУТЕМ С ИСПОЛЬЗОВАНИЕМ МАТЕМАТИЧЕСКИХ МЕТОДОВ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА

3. ОБЛАСТЬ ОПРЕДЕЛЕНИЯ СИСТЕМ ЛИНЕЙНЫХ НЕРАВЕНСТВ

4. РЕШЕНИЕ ЗАДАЧ СИМПЛЕКС?МЕТОДОМ

5. РАЗРАБОТКА ОПТИМАЛЬНОГО ПЛАНА ВЫПУСКА ПРОДУКЦИИ КОНКРЕТНЫМ ЦЕХОМ ПРЕДПРИЯТИЯ

6. РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ и РЕШЕНИЕ ТРАНСПОРТНОЙ ЗАДАЧИ ОПТИМАЛЬНОГО ПЛАНА ПОСТАВОК ЛЕСОМАТЕРИАЛОВ В ПЛОТАХ С ПЛОТОСТОЯНОК ПОСТАВЩИКА НА РЕЙДЫ ЛЕСОЗАВОДОВ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ВВЕДЕНИЕ

математический симплекс неравенство линейный

В настоящее время на передовых предприятиях механизация и автоматизация производственных процессов достигли высокого уровня. Дальнейшее эффективное развитие этих производств, особенно в условиях конкурентной борьбы, возможно при широком внедрении методов оптимизации. Методы оптимизации определяют порядок поиска оптимальных решений и иногда структуру технических средств, преимущественно ЭВМ, используемых для достижения этой цели. Эти методы получили развитие в последние сорок лет. В результате сложилась совокупность новых подходов и способов решения задач и планирования, проектирования и управления производственной деятельностью предприятия.

Методы исследования управляющей деятельности объектов и процессов изучает курс «Исследование операций». Предмет исследования операций включает методы построения математических моделей исследуемых процессов и разработку критериев качества их протекания, используемых при поиске оптимальных решений. Это в большей степени синтетическая наука, включающая математический, экономический, инженерно-технический и другие аспекты.

Цель исследования операций - количественное обоснование оптимальных решений.

Под операцией понимается совокупность действий, направленных на достижение поставленных целей. Цель операции - достижение заранее запланированного результата.

Показателем эффективности операции служит критерий оптимальности или ,иначе говоря, критерий качества ее протекания.

Выбор варианта, при котором критерий оптимальности достигает, в зависимости от поставленной цели, максимума или минимума, является оптимальным решением. Поиск оптимального решения обычно достигается путем математического моделирования операций и решения с привлечение математических методов и вычислительной техники.

Наряду с исследованием операций параллельно развиваются дисциплины «Системотехника» и «Теория оптимального управления».

Системотехника отличается от исследования операций широтой решаемых задач. Она рассматривает вопросы управления целыми отраслями, вопросы снабжения, обороны, гидрологические и экологические проблемы и т. д.

В «Теории оптимального управления» решаются те же задачи, что и в курсе «Исследование операций», но круг объектов значительно уже. Например, работа отдельных объектов (сплоточная машина, сортировочные устройства и т.д.), систем управления объектом (флотом, автомобильным транспортом и т.д.) и производственные процессы на уровне цехов и реже на уровне всего предприятия в целом.

1. ВЫБОР ОПТИМАЛЬНОЙ СХЕМЫ РАЗРАБОТКИ ЛЕСОСЕКИ

Таблица1 Задание

N

Трактор

Х, м

Y, м

QР, м3

QМ, м3

C1, руб

C2, руб

CЗ, руб

CР, руб

CМ, руб

NТ, чел

T, мин

T1, с

T2, с

S

Р

1

ЛТ-154

1500

500

2,5

190

5

0,4

35

3.9

8

2

420

1.64

1840

6

4

Разработка оптимальной схемы разработки лесосеки производится в два этапа.

1 Проверка целесообразности строительства дороги на лесосеке определяется условиями, при которых затраты, связанные со строительством, и затраты на трелевку к лесопогрузочным пунктам внутри контура лесосеки меньше или равны затратам на трелевку к лесопогрузочным пунктам, расположенным у существующей дороги, то есть:

(1)

где С12 - стоимость строительства 1м уса, волока, руб.

Ly - протяженность уса или волока на лесосеке, м.

Ст - себестоимость содержания трелевочного трактора за смену (См) с заработной платой рабочих (Ср), обслуживающих его, руб.

Р1, Р2 - производительность трактора на трелевке леса к лесопогрузочному пункту в внутри контура лесосеки и к лесопогрузочному пункту у лесовозной дороги, м3/см.

Са - удельная себестоимость вывозки единицы объема древесины на единицу длины пути, руб.

Qл - запас леса на лесосеке, м3.

Сменная производительность трактора Р1 и Р2 выражаем:

(2)

(3)

где Т - продолжительность рабочей смены, мин.

- коэффициент использования времени за смену.

Qр - средняя рейсовая нагрузка на машину, м3.

Lср - среднее расстояние трелевки внутри контура лесосеки, м.

Vср - средняя скорость движения трактора, м/с.

Т2 - время набора и отцепки пачки хлыстов, с.

Величины Т, , Qр, Lср, Vср и Т2 в обоих случаях можно считать одинаковыми. С учетом этого, подставим значения Р1 и Р2 в неравенство (1) и преобразовав его, получим

(4)

Принимая Ст = См + Ср, = 0,85, Vср = 1 / Т1 и 60·Са·Т··Qр·Vср = (0,1…0,2)Ст, получаем

где Т1 - среднее время пробега 1м пути, с.

В тоже время действительный объем леса на лесосеке размером 1500 · 500 м, при запасе на 1 га 190 м3 равен

Q = 10-4 · 1500·500 · 190 = 14250 м3.

Так как Q > Qл (14250 м3 > 7012.2 м3 ), то строительство уса на лесосеке целесообразно.

За оптимальный или наиболее выгодный вариант схемы разработки лесосеки принимается такая схема, при которой сумма удельных денежных затрат на строительство усов, волоков, лесопогрузочных пунктов и затрат на трелевку была бы минимальной, то есть

(5)

где Ly, LB - протяженность усов и волоков на лесосеке, м.

N - число лесопогрузочных площадок.

Рсм - сменная производительность трелевочного трактора, м3.

С3 - стоимость строительства одного лесопогрузочного пункта.

Протяженность усов на лесосеке зависит от схемы прокладки уса S (рисунок 1), их числа М и числа лесопогрузочных пунктов на одном из них К.

Рисунок 1-Схема расположения усов на лесосеке

Максимальная ширина лесосеки, отводимый в рубку, как правило, не превышает 2000 м, поэтому число усов, входящих на лесосеку, можно принять не более четырех, а число лесопогрузочных пунктов на одном усу К может быть любым, но не более Кмах.

(6)

где Хмах - максимальная длина (ширина) лесосеки, м.

Вmin- минимальная длина делянки, примыкающей к одному лесопогрузочному пункту.

Можно принимать равной длине самого пункта, м.

Принимаю: М = 1, К = 1.

Протяженность усов и волоков определяется по формуле:

(7)

где КЗ - коэффициент удлинения волоков, принимаю КЗ = 1,1

Число лесопогрузочных площадок определяется

N = 2K · M; (8)

N = 2· 1· 1 = 2 шт.

Размеры делянки можно определить по формулам

(9)

(10)

,

Схема расположения волоков на делянке показано на рисунке 2

Рисунок 2-Схема разработки делянки.

Протяженность магистральных волоков:

(11)

Длину волоков на лесосеке определим по следующей зависимости:

Lв = · N · K3 (12)

Lв = 1581,14· 2 · 1,1=3478,51м

В зависимости от схемы расположения волоков на делянке среднее расстояние трелевки определяется по формуле

Lср = (K1 ·B + K2 ·A) ·K3 (12)

где К1, К2 - коэффициенты, зависящие от схемы расположения волоков.

Lср = (300+ 100)·1,1 = 440м.

С учетом Lср сменная производительность трактора Рсм определяется по формуле

(13)

Согласно компьютерной распечатке выбираем наиболее оптимальный вариант. Расчеты приведены ниже.

Протяженность усов на лесосеке зависит от схемы прокладки уса S (рисунок 3), их числа М и числа лесопогрузочных пунктов на одном из них К.

Схема расположения усов на лесосеке - Рисунок 3

Принимаю: М = 2, К = 1.

Рассчитаем протяженность усов и волоков

Рассчитаем число лесопогрузочных площадок

N = 2· 1· 2 = 4 шт.

Рассчитаем размеры делянки

,

Схема расположения волоков на делянке показано на рисунке 4

Схема разработки делянки - Рисунок 4.

Протяженность магистральных волоков

Общая протяженность волоков на лесосеке определяется

LВ =375·4·1,1 = 1650 м

В зависимости от схемы расположения волоков на делянке среднее расстояние трелевки определяется по формуле

Lср = (0,25·500+ 0,5·375)·1,1 = 343,75 м

С учетом Lср сменная производительность трактора Рсм определяется по формуле

После этого необходимо рассчитать общую площадь лесопогрузочных пунктов на лесосеке.

Для определения общей площади лесопогрузочных пунктов на лесосеке SЛП рассчитаем площадь, занимаемую сортиментами SС, и площадь, необходимую для подъезда трелевочного трактора к штабелю STT.

Удельный объем лесоматериалов, складируемых на 1 м2 площади, определим по следующей зависимости,м32

V1 = h?k,

где h - высота штабеля сортиментов, м;

\

k - коэффициент полнодревесности штабеля сортиментов (табл. 6).

V1сосна = 2,5?0,65 = 1,625,

V1ель = 2,5?0,68 = 1,7,

Площадь для складирования запаса лесоматериалов на лесосеке при временном отсутствии вывозки определим по формуле, м2

Длина штабеля сортиментов,м

где lc - длина сортиментов, м.

Определим площадь, необходимую для подъезда трелёвочного трактора к штабелю, м2

STT = Lш?bTT ,

где bTT - ширина колеи трелёвочного трактора, м.

bTT = 3,7.

STT сосна = 2659,56.

STT ель = 2542,27.

Площадь лесопогрузочных пунктов на лесосеке определим по следующей зависимости, м2

SЛП = SC + STT .

SЛП сосна = 4384,62 + 2659,56 = 7044,18

SЛП ель = 4191,175+ 2542,27 = 6733,44

SЛП общ =7044,18 + 6733,44 = 13777,6

Далее определим величину площади лесопогрузочных пунктов относительно площади лесосеки, %

Данное значение величины площади лесопогрузочных пунктов соответствует требованиям при организации лесосечных работ.

2. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ЗАДАЧИ ОПТИМИЗАЦИИ КОНКРЕТНОГО ПРОЦЕССА ИЛИ ОБЪЕКТА ЭКСПЕРИМЕНТАЛЬНЫМ ПУТЕМ С ИСПОЛЬЗОВАНИЕМ МАТЕМАТИЧЕСКИХ МЕТОДОВ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА

Построение математической модели задачи оптимизации рассмотрим на конкретном процессе - определение держащей силы запашного якоря.

На лесосплаве наиболее широко применяются якоря классического типа (сплавные, однорогие, двурогие, якоря Матросова) с фиксированной или поворотной лапой.

На величину держащей силы якорей F основное влияние оказывают три параметра:

- длина веретена L;

- длина лапы или стойки h;

- угол атаки лапы ;

Рисунок 6-Схема запашного якоря обычного типа

При исследовании запашного якоря используем план полного трехфакторного эксперимента. Входными параметрами являются L; h; ; выходным - держащая сила F. Входные параметры задаются интервалами варьирования. Нижний уровень этих факторов обозначаем -1, верхний +1.

Для запашного якоря вводим обозначения; Х1, Х2, Х3 - параметры якоря, соответствующие , h, L,.

Все коэффициенты подсчитываем по результатам опытов. Расчетная матрица для определения коэффициентов приведена в таблице2.

Каждый опыт повторяется несколько раз и значения выходного параметра это средние арифметические значения держащей силы якоря в каждом опыте: F1, F2, F3,…F8.

Таблица 2- Расчетная матрица для определения коэффициентов.

N опыта

Факторы

Fi

Fср

Х1

Х2

Х3

F1

F2

F3

F4

F5

1

-

-

-

180

200

220

200

200

200

800

2

+

-

-

220

210

210

230

220

218

280

3

-

+

-

260

280

260

250

270

264

520

4

+

+

-

220

230

230

230

230

228

80

5

-

-

+

160

180

160

180

170

170

400

6

+

-

+

180

190

180

190

180

184

120

7

-

+

+

230

220

210

210

220

218

280

8

+

+

+

240

210

230

240

230

230

600

Статистическую обработку результатов законченного эксперимента начинаем с оценке дисперсии воспроизводимости опытов, затем проверяем значимость коэффициентов уравнения регрессии и его адекватность.

Проверка воспроизводимости опытов.

При трехфакторном эксперименте выполняем восемь опытов. В свою очередь каждый опыт включает серию из n экспериментов.

Для каждого опыта по результатам серии экспериментов подсчитываем значение построчной дисперсии:

(14)

где F, Fj - держащая сила в каждом конкретном эксперименте серии и ее среднее арифметическое значение в серии.

Для 1-го опыта

(200-180)+(200-200)+(200-220)+(200-200) +(200-200)=800

Аналогично подсчитываем значение построчной дисперсии для оставшихся опытов.

После этого для всех опытов определяем сумму квадратов ошибок:

(15)

В результате дисперсия S2, характеризующая ошибку эксперимента, определяем по формуле:

(16)

Для оценки воспроизводимости вычисляем экспериментальное значение числа Кохрена Gэ и сравниваем с табличным Gт:

(17)

где - наибольшее значение построчной дисперсии.

Gт = 0,3919;

Так как условие выполняется, то можно принять гипотезу об однородности дисперсий опытов. Точность опыта достаточна.

Проверка значимости коэффициентов уравнения регрессии.

Математическая модель (уравнение регрессии) ,получаемая при реализации плана полного трехфакторного эксперимента ,имеет следующий вид:

y = b0+b1·x1+b2·x2+b3·x3+b1,2·x1·x2+b1,3·x1·x3+b2,3·x2·x3+b1,2,3·x1·x2·x3, (18)

где y - выходной фактор;

b0, b1, b2, b3 - коэффициенты при линейных членах;

x1, x2, x3- входные факторы;

b1,2, b1,3, b2,3- коэффициенты ,характеризующие взаимодействие 1-го порядка; b1,2,3- коэффициент ,характеризующий взаимодействие 3-го порядка.

В общем случае уравнение регрессии имеет восемь коэффициентов bi. В каждом случае значимость этих коэффициентов разная. Оценка значимости позволяет выяснить незначимые коэффициенты регрессии, то есть те, которые в уравнении регрессии можно приравнять к нулю.

; b2 = b3 =

b1,2 = b1,3 = b2,3 = b1,2,3 =

Оценка значимости проводится с помощью t - критерия Стьюдента.

Для каждого коэффициента регрессии вычисляем отношение:

(19)

где -абсолютное значение исследуемого коэффициента регрессии.

Sb - среднеквадратичное отклонение.

(20)

Полученное значение tрасч сравниваем с табличным tтабл=2,0418.

Коэффициенты регрессии для которых выполняется условие tрасч tтабл, являются незначимыми и исключаются из уравнения регрессии.

Т.к tрасч1, tрасч2,3 являются незначимыми, то их исключаем из уравнения регрессии. Отсюда получается уравнение:

y = b0 + b2·x2 + b3·x3 + b1,2·x1·x2 + b1,3·x1·x3 + b1,2,3·x1·x2·x3,

Проверка адекватности уравнения регрессии

Результаты этой проверки позволяют сделать вывод ,пригодно ли полученое уравнение регрессии для описания описания конструкции запашного якоря. Физический смысл метода адекватности заключается в проверке гипотизы об однородности дисперсии адекватности S и дисперсии, характеризующей ошибку эксперимента , S. Проверку на адекватность выполняют с помощью критерия Фишера :

Fф=, (2.16)

где - значения держащей силы якоря в каждом из восьми опытов, замеренные и подсчитанные по уравнению регрессии.

Например для первого опыта ( см. таблицу)

= b0 + b2·x2 + b3·x3 + b1,2·x1·x2 + b1,3·x1·x3 + b1,2,3·x1·x2·x3

= 214+ 21·x2 - 13,5·x3 - 7·x1·x2 + 5,5·x1·x3 + 6,5·x1·x2·x3

= 198,5; = 214,5; = 267,5; = 229,5; = 173,5; =185,5;

= 216,5; = 226,5;

где L- число коэффициентов в уравнениях регрессии за вычетом незначимых;

S2 -дисперсия, характеризующая ошибку эксперемента ;

Вычисленное число Фишера при доверительной вероятности 0,95 сравниваем с табличным ,так как расчетное значение не превосходит табличное

Fф,расч.= 1,51 < 3,3 = Fф,табл.,то уравнение регрессии адекватно описывает результаты эксперимента.

Вывод: Наибольшее влияние оказывает высота стойки. При увеличении угла атаки лапы и высоты стойки держащая сила якоря увеличивается.

Уравнение регрессии в натуральном масштабе:

;

;

;

; ; .

;

факторы уравнения заменяем: х1 заменяем на б; х2 на h; и х3 на L.

3. ОБЛАСТЬ ОПРЕДЕЛЕНИЯ СИСТЕМ ЛИНЕЙНЫХ НЕРАВЕНСТВ

Математическая модель любой задачи линейного программирования в окончательном варианте формулируется в виде системы m линейных неравенств с n переменными, которая может быть или неопределенной (иметь бесконечное множество решений) или несовместной ( не иметь ни одного решения). Несовместные системы в задачах оптимизации не рассматриваются.

Решение задач оптимизации следует начинать с выяснения области определения системы.

1. Дано уравнение:

1) 5

2. Дано неравенство:

2)

3. Имеем математическую модель задачи в виде системы из четырех уравнений:

Вначале рассмотрим уравнение (1) и изобразим его на плоскости (смотри рисунок 7). Допустимым решением уравнения (1) является точка начала координат.

Рисунок 7 - Уравнение 5

Множеством допустимых решений неравенства (2) является выпуклое, незамкнутое множество АВС с одной угловой точкой и 1-м базисным решением А(0;3/8) (смотри рисунок 8)

Рисунок 8 - Неравенство

Множеством допустимых решений математической модели в виде системы из четырёх уравнений (3) является отрезок AB. Все точки этого отрезка удовлетворяют одновременно всем неравенствам ,(смотри рисунок 9).

Рисунок 9-Координаты точек А(0;0); В(2;0)

Решение задач планирования выпуска продукции.

Таблица 3- Исходные данные:

Ресурсы:

Вид продукции

Располагаемые ресурсы

П1

П2

Трудовые

9

13

65

Материальные

11

12

74

Финансовые

8

11

81

Границы:

Верхняя

9

8

-

Нижняя

1

-

-

Прибыль

5

2

-

Перед предприятием поставлена задача определить максимальную прибыль

F1 = 5Х1 + 2Х2 max

Математическая модель задачи принимает вид системы неравенств:

1) 9Х1 + 13Х2 65; 4) Х1 9

2) 11Х1 + 12Х2 74; 5) Х2 8

3) 8Х1 + 11Х2 81; 6) Х1 1

Определим графически множество решений каждого неравенства этой системы.

1) Х1 = 0 Х2 5; 3) Х1 = 0 Х2 81/11;

Х2 = 0 Х1 65/9; Х2 = 0 Х1 81/8;

2) Х1 = 0 Х2 37/6; 4) Х1 9;

Х2 = 0 Х1 74/11; 5) Х2 8

6) Х1 1

Область определения системы представляет собой многоугольник АBCD с четырьмя угловыми точками, соответствующими пяти базисным решениям А(1;0) ; В(1;4,3); С(5,2;1,4) ; D(6,72;0) (смотри рисунок 10).

При решении рассматриваемой задачи могут быть поставлены разные цели и, следовательно, получены разные варианты решения.

1. Целевая функция вида: F1 = 5Х1 + 2Х2 max

Решением задачи является самая удаленная точка, это точка D.

Решение: Х1 =6,72; Х2 = 0;

Тогда F1 = 6,72?5 + 0?2 = 33,6.

По неравенствам приведенных выше подсчитываем расход ресурсов.

9·6,72+ 13·0 = 60,48; 11·6,72 + 12·0= 73,92; 8·6,72 + 11·0 = 53,76;

2. Целевая функция вида: F2 = Х1 max

Максимуму функции соответствует наиболее удаленная точка D с координатами Х1 = 6,72; Х2 = 0;

3. Целевая функция вида: F3 = Х2 max

Соответствующая прямая, расположенная в начале ординат, будет совпадать с осью Х2. Решением задачи является наиболее удаленная точка B с координатами Х1 = 1; Х2 = 4,3

4. Целевая функция вида: F4= Х1 + Х2 max

Решением задачи является наиболее удаленная точка B с координатами Х1 = 1 и Х2 = 4,3;

5. Целевая функция вида: F5= 9Х1 + 13Х2 min

Решением задачи является наиболее удаленная точка A с координатами Х1 = 1 и Х2 = 0;

Результаты оптимальных решений для каждого из представленных вариантов приведены в таблице 4

Таблица 4 - Результаты расчётов

Целевая функция

Угловая точка

Число продуктов

Значение целевой функции

Прибыль

Расход

Х1

Х2

Трудовые

Материальные

Финансовые

F1

D

6,72

0

33,6

33,6

60,48

73,92

53,76

F2

D

6,72

0

6,72

33,6

60,48

73,92

53,76

F3

B

1

4,3

4,3

13,6

64,9

62,6

55,3

F4

B

1

4,3

5,3

13,6

64,9

62,6

55,3

F5

А

1

0

9

5

9

11

8

4. РЕШЕНИЕ ЗАДАЧ СИМПЛЕКС?МЕТОДОМ

В отличии от геометрического симплекс - метод универсален. Этим методом можно решить любую задачу линейного программирования.

Суть метода в том, что любой задаче линейного программирования соответствует область определения с конечным числом угловых точек и, следовательно, базисных решений. Одно из базисных решений является оптимальным. По симплекс - методу базисные решения в определенной последовательности анализируются до выхода на оптимальный вариант.

Решим симплекс - методом простейшую задачу оптимального плана выпуска продукции.

Задание:

Таблица 5- Исходные данные:

Номер варианта

Виды ресурсов

Виды продукции

Запасы ресурсов

А1

А2

А3

А4

21

1

5

0

6

2

1500

2

4

2

2

1

1900

3

3

0

2

4

700

Прибыль

3

2

2

1

Цель задачи - определить оптимальный план выпуска продукции

( Х1, Х2, Х3, Х4 ), при котором прибыль максимальна.

Математическая модель задачи принимает вид:

1 + 6Х3 + 2Х4 ? 1500;

1 + 2Х2 + 2Х3+ Х4 ? 1900;

1 + 2Х3 + 4Х4 ? 700;

Целевая функция: П = 3Х1 + 2Х2 + 2Х3 + Х4 max

Для решения задачи систему неравенств превратим в систему линейных уравнений, для чего введем новые переменные Х5, Х6, Х7.

1 + 6Х3 + 2Х4 + Х5 ? 1500;

1 + 2Х2 + 2Х3+ Х4 + Х6 ? 1900;

1 + 2Х3 + 4Х4 + Х7 ? 700;

Так как система состоит из трех уравнений с семью неизвестными, то число основных переменных равно трем, а не основных - четырем.

Нулевой шаг: на этом этапе необходимо найти любое базисное решение. Принимаем за основные переменные Х5, Х6, Х7, а не основные Х1, Х2, Х3, Х4 приравниваем к нулю.

Х5 =1500-5Х1 -6Х3 - 2Х4;

Х6 =1900 - 4Х1 - 2Х2 -2 Х3- Х4;

Х7 =700 - 3Х1 - 2Х3 - 4Х4;

П = 3Х1 + 2Х2 + 2Х3 + Х4;

Получили базисное решение (Х1 = 0, Х2 = 0, Х3 =0 , Х4 = 0, Х5 = 1500, Х6 = 1900, Х7 = 700). Решение является допустимым, так как все переменные положительны поэтому проверяем его на оптимальность. Решение не оптимально, так как в выражении целевой функции есть коэффициенты с положительными знаками.: П = 0, предприятие ничего не выпускает, поэтому прибыль равна нулю.

При переходе к следующему базисному решению одну из не основных переменных, с наибольшим положительным коэффициентом, переводим в основные переменные, а одну из основных (ту которая первая обращается в нуль, при вводе новой основной переменной) в не основные.

Первый шаг:

Х5 = 0 если Х1 = 475;

Х6 = 0 если Х1 = 300;

Х7 = 0 если Х1 = 233,33;

Следовательно Х1 переводим в основные переменные, а Х7 в не основные.

Х1 = 700/3 - 2·Х3/3 - 4·Х4/3 - Х7/3

Х5 = 1000/3 - 8·Х3/3 + 14·Х4/4 + 5·Х7/3

Х6 = 2900/3 - 2·Х2 + 2·Х3/3 + 13·Х4/3 + 4·Х7/3

П = 700 + 2·Х2 - 3·Х4 - Х7

Получили базисное решение (Х1 = 700/3; Х2 = 0; Х3 =0 ; Х4 = 0; Х5 = 1000/3; Х6 = 2900/3; Х7 = 0). Прибыль П = 700 Решение является допустимым, так как все переменные положительны поэтому проверяем его на оптимальность. Решение не оптимально, так как в выражении целевой функции есть коэффициенты с положительными знаками

Второй шаг: На этом шаге в основные переводим Х2, так как эта переменная имеет наибольший положительный коэффициент.

Х6 = 0 если Х2 =483,33;

В не основные переводим Х6.

Х2 = 1450/3 + Х3/3 + 13Х4/6 - Х6/2 + 2·Х7/3

Х5 = 1000/3 - 8Х3/3 + 14·Х4/3 + 5Х7/3

Х1 = 700/3 - 2·Х3/3 - 4·Х4/3 - Х7/3

П = 5000/3 + 2Х3/3 + 4Х4/3 - Х6+ Х7/3

Получили базисное решение (Х1 = 700/3; Х2 = 1450/3; Х3 =0 ; Х4 = 0; Х5 = 1000/3; Х6 = 0; Х7 = 0). Прибыль П = 5000.

Решение является допустимым, так как все переменные положительны поэтому проверяем его на оптимальность. Решение не оптимально, так как в выражении целевой функции есть коэффициенты с положительными знаками

Третий шаг: На этом шаге в основные переводим Х4, так как эта переменная имеет наибольший положительный коэффициент.

Х2 = 0 если Х4 = -223,08;

Х5 = 0 если Х4 = -71,43;

Х1 = 0 если Х4 = 175;

Следовательно Х4 переводим в основные переменные, а Х1 в не основные.

Х2 = 1725/2 - 13Х1/8 - 3Х3/4 - Х6/2 + Х7/8

Х4 = 175 - 3Х1/4 - Х3/2 - Х7/4

Х5 = 1150 - 7·Х1/2 - 5·Х3 + Х7/2

П = 1900 - Х1 - Х6

Получили базисное решение (Х1 = 0; Х2 = 1725/2; Х3 =0 ; Х4 = 175; Х5 = 1150; Х6 = 0; Х7 = 0). Прибыль П = 1900. Полученное решение является оптимальным, так как все переменные в целевой функции - отрицательны.

Таким образом, в принятой системе ограничений для получения максимальной прибыли П = 1900 руб. необходимо изготовить 863 единиц продукции 2 типа. Продукцию 1 и 3 типа выпускать не выгодно. На складе остается 1500 единиц ресурсов первого вида и 700 единиц ресурсов третьего вида

5. РАЗРАБОТКА ОПТИМАЛЬНОГО ПЛАНА ВЫПУСКА ПРОДУКЦИИ КОНКРЕТНЫМ ЦЕХОМ ПРЕДПРИЯТИЯ

Имеется предприятие - мебельная фабрика, с определённым запасом материалов на складе, и перечень продукции. Необходимо определить выпуск, какой продукции наиболее выгоден для данного предприятия.

По заданным размерам определяем потребность единицы продукции в пиломатериалах. По результатам строим матрицу.

a = 600 мм.

b = 900 мм.

c = 600 мм.

d = 400 мм.

б1 = 25 мм.

e = 140 мм.

б2 = 40 мм.

H = 800 мм.

a = 500 мм.

b = 1400 мм.

d = 360 мм.

Н=800 мм.

с=560 мм.

е=530 мм.

б1 = 25 мм.

б2=20 мм.

б3=30 мм.

б4=20 мм.

f=100 мм.

a = 1100 мм.

b = 700 мм.

d = 200 мм.

б1 = 25 мм.

б3 = 30 мм.

б4 = 30 мм.

H = 800 мм.

a = 2300 мм.

b = 660 мм.

d = 200 мм.

б = 35 мм.

d = 120 мм.

k = 25 мм.

Таблица 6 -Виды пиломатериалов

Типы сырья

Виды продукции

Запасы ресурсов

тумбочка

Стол кухонный

Дверь

Стол письменный

Д.40-2

1,68

500

Д25-3

4,5

5,88

400

Д30,1

7,7+5,72

600

Д25.1

15,4

500

Д35,3

5,44

200

Д30,2

2,4

1200

Д20,2

5,16

1200

Д20,3

5,3

200

ДВП

0,66

3,036

250

Б40

3,1

700

Б35

6,18

800

Б30

0,8

900

Прибыль

1100

1000

700

1500

Математическая модель задачи принимает вид

Целевая функция

Преобразуем систему...

После преобразования получим:

Получили базисное решение: (0; 0; 0; 0; 250; 900; 600; 500; 400; 700; 500; 800;200;1200;1200;200).

П = 0.

Вывод: предприятие ничего не выпускает, поэтому прибыль равна нулю.

Второй шаг:

Переводим в основные Х4, так как он имеет наибольший положительный коэффициент в целевой функции, тогда:

Х9 =0, если Х4 = 68,027;

Х14 = 0, если Х4 = 500;

Х15 = 0, если Х4 = 232,558;

Х16 = 0, если Х4 = 37,736;

Х9 = 178,112 - 4,5Х2 +1,109Х16

Х14 = 1109,434+ 0,453Х16

Х15 = 1005,282 + 0,974Х16

F = 56604 + 1100Х1 + 1000Х2 + 700Х3 -283,019Х16max;

Получили базисное решение: (0; 0; 0; 37,736; 250; 900; 600; 500; 178,122; 700; 500; 800;200;1109,434;1005,282; 0). F =56604р. Полученное решение является допустимым, но не оптимальным, так как в целевой функции есть коэффициенты с положительным знаком.

Третий шаг:

Переводим в основные Х1 ,так как он имеет наибольший положительный коэффициент в целевой функции, тогда :

Х5 =0, если Х1 = 378,788;

Х6 = 0, если Х1 = 1125;

Х7 = 0, если Х1 = 44,709;

Х8 = 0, если Х1 = 32,468;

В не основные переводим Х8. Выразим Х1 из уравнения Х8 , подставим его значение в другие уравнения, где есть значение Х1. После преобразований получим :

Х5 = 228,571 -0,0429Х8-3,036 Х3;

Х6 = 874,026 -0,0519Х8;

Х7 = 164,286-0,871Х8 ;

F = 92318,8+1000Х2 + 700Х3 -71,429Х8 - 283,019Х16max;

Получили базисное решение: (32,468; 0; 0; 37,736; 228,571; 874,026; 164,286; 0; 178,122; 700; 500; 800;200;1109,434;1005,282; 0). F= 92318,8р. Полученное решение является допустимым, но не оптимальным, так как в целевой функции есть коэффициенты с положительным знаком.

Четвертый шаг:

Переводим в основные Х2 ,так как он имеет наибольший положительный коэффициент в целевой функции, тогда :

Х9 =0, если Х2 = 88,889;

Х10 = 0, если Х2 = 225,806;

Х11 = 0, если Х2 = 297,619;

В не основные переводим Х9 Выразим Х2 из уравнения Х9 , подставим его значение в другие уравнения, где есть значение Х2. После преобразований получим :

Х10 = 424,444 + 4,051Х4 +0,689Х9;

Х11 = 350,667 + 1,286Х4 + 0,373Х9;

F = 131898 -71,429Х8 -222,222 Х9 + 700Х3 - 36,472Х16max;

Получили базисное решение: (32,468; 88,889; 0; 37,736; 228,571; 874,026; 164,286; 0; 0; 424,444; 350,667; 800;200;1109,434;1005,282; 0). F =131898. Полученное решение является допустимым, но не оптимальным, так как в целевой функции есть коэффициенты с положительным знаком.

Пятый шаг:

Переводим в основные Х3 ,так как он имеет наибольший положительный коэффициент в целевой функции, тогда :

Х5 =0, если Х3 = 75,287;

Х12 = 0, если Х3 = 129,4498;

Х13 = 0, если Х3 = 36,765;

В не основные переводим Х13 Выразим Х3 из уравнения Х13 , подставим его значение в другие уравнения, где есть значение Х3. После преобразований получим :

Х12 = 424,444 + 4,051Х4 +0,689Х9;

Х5 = 116,953 -0,0429Х8+0,558 Х3;

F = 157634 -71,429Х8 -222,222 Х9 - 128,675Х13 - 36,472Х16max;

Получили базисное решение: (32,468; 88,889; 36,765; 37,736; 228,571; 874,026; 164,286; 0; 0; 424,444; 350,667; 424,44;200;1109,434;1005,282; 0). F =157634. Полученное решение является оптимальным, так как все переменные в целевой функции - отрицательны.

Таким образом, в принятой системе ограничений для получения максимальной прибыли F = 157634 руб. необходимо изготовить 33 тумбочек,89 кухонных столов, 37дверей, 38 письменных столов.

6. РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ и РЕШЕНИЕ ТРАНСПОРТНОЙ ЗАДАЧИ ОПТИМАЛЬНОГО ПЛАНА ПОСТАВОК ЛЕСОМАТЕРИАЛОВ В ПЛОТАХ С ПЛОТОСТОЯНОК ПОСТАВЩИКА НА РЕЙДЫ ЛЕСОЗАВОДОВ

Метод потенциалов применяется преимущественно для решения транспортных задач и основан на последовательном анализе различных сочетаний связей поставщиков и потребителей с целью выхода на оптимальный вариант.

Реализацию метода рассматриваем на примере организации поставки древесины флотом лесосплавного предприятия семи лесозаводам с четырех лесостоянок. Схема расположения на рейде лесостоянок, обозначенных прямоугольниками, и лесозаводов, обозначенных кружками, приведены на рисунке 8.

Рисунок 12 ? Схема расположения поставщиков и потребителей: ? - плотостоянки;_ - лесозаводы

Запасы древесины на лесостоянках и потребности заводов в древесине приведены в таблицах 7 и 8.

Таблица 7- Запасы древесины на лесостоянках

Номер лесостоянки.

1

2

3

4

Запас древесины, м3

32000

16000

17000

21000

Суммарный объем поставки составляет - 86000 м3.

Таблица 8- Потребности заводов в древесине.

Номер лесозавода

1

2

3

4

5

6

7

Потребность в древесине, м3

17000

16000

15000

18000

14000

17000

9000

Суммарный объем потребности в древесине составляет - 106000 м3.

Расстояние от каждой лесостоянке до каждого лесозавода определяем по схеме рейда.

Удельная себестоимость в рублях на 1 км 1 м3 древесины составляет 10 руб. / км.

Расстояния и себестоимости транспортировки древесины приведены в табл. 9

Таблица 9- Расстояния и себестоимости транспортировки древесины.

№ маршрута

№ плотостоянки

№ лесозавода

L, км

Себестоимость, руб

1

1

1

8,6

86

2

1

2

12,1

121

3

1

3

6,7

67

4

1

4

12,8

128

5

1

5

16,3

163

6

1

6

8,3

83

7

1

7

16,8

168

8

2

1

5,8

58

9

2

2

9,5

95

10

2

3

4,2

42

11

2

4

10,8

108

12

2

5

13,0

130

13

2

6

5,8

58

14

2

7

14,2

142

15

3

1

12,9

129

16

3

2

12,2

122

17

3

3

8,0

80

18

3

4

3,7

37

19

3

5

8,3

83

20

3

6

6,2

62

21

3

7

7,1

71

22

4

1

11,3

113

23

4

2

14,9

149

24

4

3

5,3

53

25

4

4

9,4

94

26

4

5

14,1

141

27

4

6

4,5

45

28

4

7

12,9

129

Метод потенциалов применим только к закрытым транспортным задачам, т.е. когда объем древесины на лесостоянках равен потребности лесозаводов. Для обеспечения этого требования считаем, что на рейде имеется еще одна лесостоянка №5 с фиктивным объемом равным разнице между потребностью лесозаводов и поставкой лесостоянок. Эта разница равна 6 тыс.м3.

При решении задачи необходимо определить, с каких лесостоянок, на какие лесозаводы и в каких объемах необходимо поставлять древесину, для того чтобы были обеспечены минимальные суммарные затраты на перевозку.

В начале решения задачи составляем матрицу таблицу 10.

В правый верхний угол каждой клетки записываем значение себестоимости, а внизу заносим значение объема поставки, распределенное по так называемому правилу северо-западного угла.

После составления матрицы определяем потенциалы лесостоянок аi и bi , для чего принимаем потенциал первой лесостоянки аi равным нулю и записываем его в правый верхний угол матрицы. Потенциалы остальных лесостоянок и лесозаводов определяем через базисные клетки по зависимости:

ai = Ci,j - bj;

bj = Ci,j - ai;

Затем в левые верхние углы небазисных клеток вносим их потенциалы, определенные по зависимости:

Пi,j = ai + bj;

Решение задачи является оптимальным в том случае, если во всех клетках выполняется условие:

Пi,j Ci,j

Если условие не выполняется, то на базе клетки с наибольшей разностью потенциалов строится цикл перераспределения объемов поставок.

Таблица 10 -Матрица для решения задачи

№ лесостоянки

Номер лесозавода

Ресурсы m3

ai

1

2

3

4

5

6

7

1

86

121

68

67

134

128

181

163

85

83

85

168

32

0

17

15

2

60

58

95

42

108

155

130

59

58

59

142

16

-26

1

15

0

3

-11

129

24

122

-29

80

37

84

83

-12

62

-12

71

17

-97

17

4

46

113

84

149

28

53

94

141

45

45

129

21

-40

1

14

6

5

1

0

36

0

-17

0

49

0

96

0

11

0

0

20

-85

9

Потребность

17

16

15

18

14

17

9

bj

86

121

68

134

181

85

85

П=17·86+15·121+1·95+15·42+0·108+17·37+1·94+14·141+6·45+9·0=6969;

Таблица 11- Матрица для решения задачи

№ лесостоянки

Номер лесозавода

Ресурсы m3

ai

1

2

3

4

5

6

7

1

86

121

68

67

134

128

181

163

85

83

181

168

32

0

17

15

2

60

58

95

42

108

155

130

59

58

155

142

16

-26

1

15

0

3

-11

129

24

122

-29

80

37

84

83

-12

62

84

71

17

-97

17

4

46

113

84

149

28

53

94

141

45

14

129

21

-40

1

3

17

5

-95

0

-60

0

-113

0

-47

0

0

-96

0

0

20

-181

11

9

Потребность

17

16

15

18

14

17

9

bj

86

121

68

134

181

85

181

П=5913;

Таблица 12- Матрица для решения задачи

№ лесостоянки

Номер лесозавода

Ресурсы m3

ai

1

2

3

4

5

6

7

1

86

121

68

67

109

128

156

163

60

83

156

168

32

0

17

15

2

60

58

95

42

83

108

130

34

58

130

142

16

-26

1

15

0

3

14

129

49

122

-4

80

37

84

83

-12

62

84

71

17

-72

17

4

71

113

106

149

53

53

94

141

45

141

129

21

-15

1

3

17

5

-70

0

-35

0

-88

0

-47

0

0

-96

0

0

20

-156

11

9

Потребность

17

16

15

18

14

17

9

bj

86

121

68

109

156

60

156

П=5913

Таблица 13- Матрица для решения задачи

№ лесостоянки

Номер лесозавода

Ресурсы m3

ai

1

2

3

4

5

6

7

1

86

121

68

67

128

128

156

163

79

83

162

168

32

0

17

15

2

60

58

95

42

102

108

130

53

58

136

142

16

-26

1

15

0

3

-5

129

30

122

-23

80

37

65

83

-12

62

71

17

-91

17

3

4

52

113

87

149

34

53

94

122

141

45

128

129

21

-34

4

17

5

-70

0

-35

0

-88

0

-28

0

0

-77

0

0

20

-156

14

6

Потребность

17

16

15

18

14

17

9

bj

86

121

68

128

156

79

162

П=5985;

Таблица 14- Матрица для решения задачи

№ лесостоянки

Номер лесозавода

Ресурсы m3

ai

1

2

3

4

5

6

7

1

86

121

70

67

124

128

158

163

75

83

158

168

32

0

16

16

2

58

93

95

42

96

108

130

47

58

130

142

16

-28

1

15

0

3

-1

129

34

122

-17

80

37

71

83

-12

62

71

17

-87

14

3

4

52

113

91

149

40

53

94

128

141

45

128

129

21

-30

4

17

5

-72

0

-37

0

-88

0

-34

0

0

-53

0

0

20

-158

14

6

Потребность

17

16

15

18

14

17

9

bj

86

121

70

124

158

75

158

П=5872;

Таблица 15- Матрица для решения задачи

№ лесостоянки

Номер лесозавода

Ресурсы m3

ai

1

2

3

4

5

6

7

1

86

121

67

124

128

158

163

75

83

158

168

32

0

1

16

15

2

58

93

95

39

42

96

108

130

47

58

130

142

16

-28

16

0

3

-1

129

34

122

-20

80

37

71

83

-12

62

71

17

-87

14

3

4

56

113

91

149

37

53

94

128

141

45

128

129

21

-30

4

17

5

-72

0

-37

0

-97

0

-34

0

0

-83

0

0

20

-158

14

6

Потребность

17

16

15

18

14

17

9

bj

86

121

67

124

158

75

158

П=5827;

Как видно из последнего плана во всех клетках выполняется условие: Пi,j Ci,j

Данный план оптимален.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1 Митрофанов А.А., Камусин А.А. Моделирование и оптимизация процессов лесопромышленных производств: Учебное пособие. - Архангельск: Изд-во Арханг. гос. техн. ун-та, 2003. - 118 с.

2 Митрофанов А.А. Якоря на лесосплаве: Методические указания к лабораторным работам. - Архангельск: РИО АЛТИ, 1988. - 25 с.

3 Ширшов С.И Моделирование процессов лесозаготовок на ЭВМ: Методические указания к выполнению лабораторных работ. - Архангельск: РИО АЛТИ, 1989.-29с.

Размещено на Allbest.ru


Подобные документы

  • Сущность математических моделей, классификация и принципы их построения. Анализ операционного исследования. Этапы решения задачи принятия оптимальных решений с помощью ЭВМ. Примеры задач линейного программирования. Математические методы экспертных оценок.

    курсовая работа [56,0 K], добавлен 20.11.2015

  • Построение и использование математических и алгоритмических моделей для решения линейных оптимизационных задач. Освоение основных приемов работы с инструментом "Поиск решения" среды Microsoft Excel. Ввод системы ограничений и условий оптимизации.

    лабораторная работа [354,7 K], добавлен 21.07.2012

  • Методы исследования операций и их использование в организационном управлении. Общая задача линейного программирования и некоторые методы ее решения. Теория двойственности и двойственные оценки в анализе решений линейных оптимизационных моделей.

    курс лекций [71,1 K], добавлен 03.10.2008

  • Методы решения задач параметрической оптимизации. Решение однокритериальных задач с параметром в целевой функции и в ограничениях. Решение многокритериальной задачи методом свертки критериев, методом главного критерия, методом последовательных уступок.

    курсовая работа [1,5 M], добавлен 14.07.2012

  • Широкое применение вычислительной техники как в общей математике, так и в одном из её разделов – математических методах. Ознакомление с решением задач линейного программирования симплекс-методом и графически. Составлена программа на языке Delphi.

    курсовая работа [57,1 K], добавлен 04.05.2010

  • Сущность задач оптимизации и методы их решения с ориентацией на современные средства компьютерной техники. Область допустимых решений. Структура оптимизационной модели. Проверка правильности нахождения точек координат методом половинного деления.

    курсовая работа [2,4 M], добавлен 25.04.2015

  • Моделирование бизнес-процессов как средство поиска путей оптимизации деятельности компании. Методология SADT (структурный анализ и проектирование), семейство стандартов IDEF и алгоритмические языки в основе методологий моделирования бизнес-процессов.

    реферат [21,7 K], добавлен 14.12.2011

  • Численные методы решения задач. Решение алгебраических и трансцендентных уравнений. Уточнение корня по методу половинного деления. Решение систем линейных уравнений методом итераций. Методы решения дифференциальных уравнений. Решение транспортной задачи.

    курсовая работа [149,7 K], добавлен 16.11.2008

  • Использование объектно-ориентированной методологии при программировании математических процессов. Среда языка программирования Delphi для решения математических задач. Объектно-ориентированные, декларативные и императивные языки программирования.

    дипломная работа [1,8 M], добавлен 14.09.2011

  • Алгоритм решения систем линейных уравнений методом Гаусса, его этапы. Система уравнений для определения коэффициентов сплайна, представляющая собой частный случай систем линейных алгебраических уравнений. Программная реализация, тестовый пример.

    курсовая работа [431,8 K], добавлен 15.06.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.