Вы находитесь на странице: 1из 21

1.1.

Типовые задачи оптимизации


1.1.1. Откуда появились вопросы
Человек пришел на готовое. В его распоряжении был весь мир.
Чтобы быть сытым, достаточно собирать плоды, выкапывать
съедобные корни, охотиться на зверя. Однако прежде, оказы-
вается, надо ответить на множество вопросов: что, чем, где,
когда и сколько заготавливать?
На вопросы "что, чем?" ответить, видимо, нетрудно: все, что
попадется на пути, с помощью палки и камня. Сложнее ре-
шить "когда и сколько?", особенно, если находишься в полной
зависимости от превратностей окружающего мира и от исхода
охоты. И вот дикарь, мозг которого еще вчера был мозгом
обезьяны, должен принять первое управленческое решение, ис-
ходя из здравого смысла, примерно так же, как это будут де-
лать его интеллектуальные потомки в бесконечно далекий век
космоса и персональных компьютеров. И платой за непра -
вильное решение вопросов, поставленных перед ним самой
жизнью, может оказаться голодная смерть.
А жизнь не стоит на месте. Медленно, но идет вперед. При
этом оказывается, что человеку, который совсем недавно во-
обще ничего не имел, необходима целая уйма вещей, которых
в готовом виде в природе нет: одежда, посуда, оружие, лодки,
дома и так до бесконечности. Значит, чтобы выжить, все необ-
ходимое надо производить, а там, где возникает производство,
возникают новые вопросы.
Прежде всего нужный предмет должен быть спроектирован. И
совсем не важно, где производится проектирование. Вопросы
решаются одни и те же: что, каких размеров, из какого мате -
риала делать? Например, прежде чем приступить к изготовле-
нию самого простого кувшина, необходимо определить, какой
формы должен быть кувшин, чтобы при использовании имею-
щегося количества глины его объем был максимальным. По-
скольку глина, как и любое другое сырье, имеет определенную
стоимость, то этот вопрос может быть сформулирован несколько
иначе: какой формы должен быть кувшин, чтобы при заданной
стоимости его объем был максимальным. Или та же задача, но в
несколько другой постановке: какой формы должен быть кувшин
заданного объема, чтобы его стоимость была минимальной.
Пройдут годы, века, тысячелетия, а такая постановка задачи
сохранится независимо от того, что будут проектировать, по-
тому что при проектировании объективно существует одна из
двух постановок: либо спроектировать изделие заданной стои-
мости с наилучшими свойствами, либо спроектировать изделие с
заданными свойствами, но наименьшей стоимости.
Какая-либо другая постановка задачи проектирования просто
невозможна и поэтому попытка ставить задачу проектирования
как-то иначе приводит лишь к излишней трате ресурсов и вре-
мени. Наилучшее решение этих задач может быть получено
лишь с помощью методов оптимального проектирования, о
которых не знали не только дикари, но которые неизвестны, к
сожалению, и многим нашим современникам.
А тем временем на смену индивидуальному производству при-
ходит массовое производство и возникают новые вопросы, на-
пример, у управляющего производством — кого на какую
работу назначить, т. е. приходится решать задачу, которая будет
называться задачей распределения ресурсов. И еще вопросы. Когда
та или иная работа должна быть начата и окончена, чтобы
ложка была, как говорится, к обеду. Это уже не простое
распределение ресурсов, а целая проблема: распределение ресур-
сов по времени. И если она будет решена неправильно, то мясо
появится задолго до костра, а когда придут на обед, он уже
давно остынет и костер погаснет. Чтобы избежать этого, ресурсы
во времени должны распределяться оптимально.
Кроме того, возникают задачи, которые вообще не имеют ре-
шения. Например, как из комка глины, помещающегося на
ладони, изготовить кувшин, чтобы в нем хранилась вода, кото-
рой хватило бы на семью на целый месяц или как одним хле-
бом накормить все человечество. Такие задачи, но не в такой
очевидной своей невозможностью решения постановке, встре-
чаются в жизни достаточно часто. Настолько часто, что им да -
же дали специальное название: несовместные задачи. Большая
беда таких несовместных задач заключается в том, что нере-
альность их выполнения очевидна далеко не всегда. Получив
задачу, начинают месить глину, чтобы сделать такой кувшин,
на который имеющейся глины не хватит. И это вместо того,
чтобы сначала рассчитать, а потом начать работать.
И еще проблема. При работе с глиной, как и при любой дру -
гой работе, возможны перебои с сырьем, возможно станок
выйдет из строя и т. д. Как тут быть? В дальнейшем, ответы на
эти вопросы можно будет получить в результате решения задач
стохастической оптимизации. Но это будет так не скоро!
Все приведенные вопросы возникли в глубокой древности, как
только появилось производство. Но производство не стоит на
месте, оно непрерывно развивается. Для обеспечения монопо-
лии на производство и сбыт изделий, а также для защиты от
посягательств феодалов, ремесленники одной и той же или
родственных специальностей объединяются в союзы-цехи.
Первые цехи — булочников, мясников, свечников, башмачни-
ков — появились в X в.
Каждый цех живет по своему уставу, в котором расписано все.
Живи — и радуйся. А на деле — война не на живот, а на
смерть. Продавцы гусей, которые по уставу имеют право ва-
рить и продавать "всякий мясной товар в шерсти и пуху", су -
дятся с продавцами кур, которым разрешено заниматься
продажей "мяса, побывавшего на огне". И длится этот судеб-
ный процесс с 1509 г. всего лишь по 1578 г.
Точно так же портные судятся с лоскутниками, ремонтирую-
щими одежду. Портные не позволяют лоскутникам ставить при
ремонте новый материал, а лоскутники под видом ремонта пе-
ределывают одежду почти заново. Этот судебный процесс затя-
нулся ни много ни мало на 500 лет — с XIII по XVIII в.
Все это следствие того, что при решении возникающих споров
не используют понятие критерий. Но пока еще никому неиз-
вестно, что не выбрав критерия, любое решение принимать
очень трудно, а оптимальное просто невозможно. Ведь оказы -
вается, что перед тем как принять решение, надо знать, что мы
хотим. А хотим мы, как правило, чтобы все было лучше. При
этом не всегда знаем, что мы понимаем как под словом "все",
так и под словом "лучше". Если смысл этих слов не определен,
значит критерий не принят. А если критерий не принят, то и
оптимального решения быть не может.
Вот и судятся продавцы гусей и кур, портные и лоскутники,
чьи критерии совершенно различны. И вместо того, чтобы
договориться о критериях, они тратят время и деньги на бес-
конечные суды. Тем временем объем работы растет. Во главе
цеха появляются избранные всеми ремесленниками старши -
ны — люди, освобожденные от выполнения непосредственных
производственных обязанностей. Пока на весь цех старшина
один. А вопросов полно: и номенклатуру выбрать, и спрос изу-
чить, и объем выпуска определить, и цену установить, и запа-
сы сырья обеспечить, и людей назначить на работы, и сырье
распределить по исполнителям и многое, многое другое. Ана-
логичные вопросы ремесленник-одиночка решал и раньше, но
с объединением в цехи существенно увеличивается объем ра-
бот, а вместе с этим и число решаемых вопросов. И появляется
у старшины помощник — счетовод, письмоводитель, бюрократ
и дармоед, ничего не производящий и ничего не решающий.
Первая ласточка будущего управленческого аппарата.
И надо ему отвечать на все уже упомянутые вопросы. Но это
еще не все. Оказывается, что при решении почти каждого во-
проса необходимо знать ответы на дополнительные бесчислен-
ные вопросы, которые можно объединить в две группы:
□ что будет, если...
□ что надо, чтобы...
А это уже вопросы анализа, без ответа на которые обоснованное
решение принять невозможно. Основные вопросы, требующие
решения, если еще и не всегда сформулированы, то объективно
уже существуют:
□ проектирование изделия: либо заданной стоимости с наи
лучшими свойствами, либо с заданными свойствами наи
меньшей стоимости;
О задачи распределения ресурсов вообще и задачи
распределения ресурсов во времени; О задачи стохастической
оптимизации; П выбор критерия; О анализ принимаемого
решения.
Но обоснованные ответы на эти вопросы появятся ох как не
скоро!
Впереди научно-техническая революция, развитие техники,
совершенствование технологии, изменение номенклатуры, сы-
рья, оборудования. Возрастет объем производства: появятся
мануфактуры, фабрики, заводы, монополии, будут выпускаться
компьютеры и космические корабли, невероятных успехов дос-
тигнет технология превращения сырья в готовую продукцию.
И лишь вопросы, возникающие в производстве при проекти-
ровании, управлении и изготовлении останутся теми же: что,
каких размеров, из чего, кому, где, когда, сколько, в какой по-
следовательности...? Только число таких вопросов существенно
увеличится, а плата за ошибку неимоверно возрастет. Попро-
буем хотя бы примерно оценить эту плату.
Допустим, при интуитивном распределении людей на работы
возможность их использования по сравнению с оптимальным
вариантом, который можно получить с помощью компьютера,
ухудшается всего лишь на 3%. Это очень небольшая ошибка,
которую и заметить можно далеко не всегда.
Такая ошибка, скажем, в суконном цехе XV в. с 40 работаю-
щими привела бы к недоиспользованию одного человека. В
наши дни, если принять, что в производстве занято 50 млн.
чел., такая ошибка аналогична снижению трудовых ресурсов на
1,5 млн.! Естественен вопрос: нельзя ли избежать подобных
ошибок, использовав для принятия решений компьютер. Ответ
на этот вопрос — книга, которая у вас в руках.

1.1.2. Основные методы решения задач


Человек хорошо или плохо решает все возникающие перед
ним задачи. Процесс принятия решений может быть неформа-
лизованным и формализованным. Принятие неформализован-
ных решений — это творчество, если угодно, искусство.
Чтобы принять неформализованное решение, человеку зачас-
тую ничего не надо. Есть вопрос. Пусть даже не совсем четкий.
Сел, подумал, решил. Правда, никакой гарантии правильности
решения при этом нет. Достаточно часто человек принимает
решение вообще без всяких обоснований, руководствуясь так
называемым здравым смыслом, опытом, интуицией и другими
аналогичными понятиями, которые никому совершенно ничего
не объясняют. А потом для убедительности и убеждения самого
себя и других придумывают достаточно веские и обоснованные
причины, доказывающие правильность интуитивно принятого
решения.
Что же касается формализованных решений, то они принима-
ются по четким рекомендациям. При этом различные люди,
руководствуясь этими рекомендациями, будут принимать одни
и те же решения. Принятие формализованных решений — нау-
ка. Этому можно научить. Принятие формализованных реше-
ний базируется на двух основных методах: логическом модели-
ровании и оптимизации.
При логическом моделировании используются так называемые
правила, которые составляют высококвалифицированные спе-
циалисты, а применяют правила те люди, кто должен прини-
мать решения.
Правила определяют, что надо делать в тех или иных случаях. Для
этого служат логические функции: И, ИЛИ, ЕСЛИ, НЕ. Самое
простое правило выглядит примерно так: ЕСЛИ идет дождь, ТО
возьми зонт. Это правило можно уточнить: ЕСЛИ идет дождь И
надо выйти из дома, ТО возьми зонт ИЛИ одень плащ.
Очевидно, что с помощью подобных уточнений можно давать
достаточно конкретные рекомендации по принятию решений в
весьма сложных ситуациях.
Такие правила являются хорошей подсказкой при принятии
решений исполнителями более низкой квалификации. Для
реализации логического моделирования на компьютерах разра-
ботан специальный язык ПРОЛОГ (Программирование ЛО-
Гики). Но логическое моделирование не является предметом
рассмотрения нашей книги. Книга посвящена методу оптими-
зации как средству принятия оптимальных решений.
Принятие оптимальных решений базируется на "трех китах": О
математической модели; D решении задачи на компьютере;
О исходных данных.
Начнем с "кита №1" — математической модели. Математика
всегда пыталась давать ответы на возникающие вопросы. И
если, сравнительно недавно, надо было подсчитать число сде-
ланных топоров, то теперь математику используют и для при-
нятия оптимальных решений.
Математическое моделирование имеет два существенных пре-
имущества: дает быстрый ответ на поставленный вопрос, на
что в реальной обстановке могут потребоваться иногда даже
годы; предоставляет возможность широкого экспериментиро-
вания, осуществить которое на реальном объекте зачастую
просто невозможно.
Чтобы моделирование было успешным, надо выполнить три
правила, которые, по мнению древних, являются признаком
мудрости. Эти правила, применительно к задачам математиче-
ского моделирования, формулируются так:
□ учитывать главные свойства моделируемого объекта;
П пренебрегать его второстепенными свойствами;
О уметь отделить главные свойства от второстепенных.
Составление математической модели начинается с содержа-
тельной постановки задачи. На этом этапе приходится иметь
дело со специалистами в предметной области (по управлению,
проектированию, разработке технологических процессов и т. д.).
Эти специалисты — люди, как правило, очень добросовестные,
однако, прекрасно зная свой предмет, не всегда имеют пред-
ставление о том, что именно требуется для принятия опти-
мального решения. Поэтому содержательная постановка задачи
зачастую оказывается перенасыщенной сведениями, которые
для постановки задачи совершенно излишни.
Но в жизни, к сожалению, не всегда бывает легко отделить
главное от второстепенного и составить приемлемую матема-
тическую модель. Составление модели — это искусство, твор-
чество. До какого-то уровня научить можно, но не более того.
А там, где творчество, очень важны личные качества: знания,
способности, если угодно, талант.
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" в
полной мере относятся к составлению математических моде-
лей. Не вызывает сомнения, что для успешного принятия оп-
тимального решения необходимо знать, что такое математи-
ческая модель, и представлять, каким образом компьютер на-
ходит это решение.
Если модель описывает зависимость между исходными данны-
ми и искомыми величинами, то алгоритм представляет собой
последовательность действий, которые надо выполнить, чтобы
от исходных данных перейти к искомым величинам.
Никто не смешивает диагноз заболевания с методом лечения.
Так же и здесь. Можно считать, что математическая модель —
это аналог диагноза, а алгоритм — метода лечения.
Ксати, не совсем обычное слово "алгоритм", которое мы бу -
дем широко использовать в книге, по мнению историков, име-
ет такое происхождение. В IX в. в Багдаде жил арабский
ученый Аль-Джафар Магомет бен Муса Хорезми, родом из Хи-
вы (ныне город в Узбекистане). Автор работ по астрономии и о
солнечных часах, он также написал учебник по математике для
купцов и стряпчих, в котором употребил не римские, как было
принято, а арабские цифры. Его основополагающие трактаты
по арифметике и алгебре в XII в. были переведены на латин-
ский язык и оказали большое влияние на развитие математики
в Западной Европе. Сокращенное имя этого ученого — Аль
Хорезми, которое на латинском языке было написано как Ал-
горитми. Вот откуда произошло слово "алгоритм".
Алгоритмы задач принятия решений настолько сложны, что
без применения компьютера реализовать их практически не-
возможно. Итак, мы подошли ко "второму киту" — компьюте-
ру. Компьютер с помощью программного обеспечения
реализует алгоритмы поиска оптимального решения, которые
преобразуют исходные данные в искомый результат. Таким
программным обеспечением, выполняющим поиск оптималь-
ных решений, является Excel 7.0 для Windows 95. Поиску опти-
мальных решений с помощью Excel 7.0 и посвящена наша
книга. Следует отметить, что в части поиска оптимальных ре-
шений Excel 5.0 для Windows 3.1 отличается несущественно от
Excel 7.0 для Windows 95.
И, наконец, "третий кит" — исходные данные. Никакая хоро-
шая сходимость алгоритма, никакое быстродействие и опера-
тивная память компьютера не заменят достоверности исходных
данных. По этому поводу можно было бы сказать много пра-
вильных слов, но мы ограничимся лишь тем, что приведем хо-
рошо известную пословицу: что посеешь, то и пожнешь! От
себя добавим: и никакие комбайны (то бишь математические
модели и программы) не заменят качественных семян!

1.2. Классификация задач


оптимизации 1.2.1. Пример
математической модели
Чтобы не отпугнуть читателя сложными математическими фор-
мулами, для составления модели возьмем самое простое изде-
лие. Это будет даже не кувшин, форму которого описать доста-
точно трудно. Будем проектировать бак, имеющий форму пря-
моугольного параллелепипеда, объем которого

где a, b, h — стороны бака.


Итак, мы подошли к задаче составления нашей первой модели.
Прежде чем составить математическую модель, необходимо
сформулировать содержательную постановку задачи, которая
может быть следующей. Требуется определить размеры бака,
объемом V = 2000, чтобы на его изготовление пошло как мож-
но меньше материала, площадь которого

Такая постановка может быть записана следующим образом:


Эта запись читается так: минимизировать величину S при ус-
ловии, что V = 2000. Подставим в (1.1.3) значения V (1.1.1) и S
(1.1.2), тогда получим:

К этим зависимостям добавим очевидное для нас, но необхо-


димое для компьютера, условие, согласно которому все сторо-
ны прямоугольника могут быть только положительными
величинами. Это условие запишем так:

тогда получим нашу первую математическую модель задачи


поиска оптимального решения:

Эта модель состоит из трех составляющих: целевой функции


(ЦФ), ограничения (ОГР), граничных условий (ГРУ). Смысл
этих составляющих рассмотрим чуть позже.

1.2.2. Общий случай задачи оптимизации


Как же выглядит постановка задачи оптимизации в общем ви-
де? Чтобы ответить на этот вопрос, перейдем от первой модели
(1.1.5) к общему случаю. Обозначим искомые переменные в
общем виде xi = a, xi = b, Хз = h. Тогда (1.1.5) запишем так:
И нетрудно видеть, что (1.1.7) является частным случаем зада-
чи, которая в общем случае записывается так:

Систему (1.1.8) принято записывать более компактно.

Запись (1.1.9) и является общей формой записи задачи опти-


мизации. В эту систему, как и в нашу первую модель (1.1.5)
входят три составляющие.

1. ЦФ — целевая функция или критерий оптимизации, показы


вает, в каком смысле решение должно быть оптимальным,
т. е. наилучшим. При этом возможны 3 вида назначения це
левой функции:
□ максимизация;
□ минимизация;
□ назначение заданного значения.
2. ОГР — ограничения устанавливают зависимости между пере
менными. Они могут быть как односторонними, например:

так и двусторонними
При решении задачи оптимизации с помощью Excel такое
двустороннее ограничение записывается в виде двух одно-
сторонних ограничений

3. ГРУ — граничные условия показывают, в каких пределах мо-


гут быть значения искомых переменных в оптимальном ре-
шении.
Решение задачи, удовлетворяющее всем ограничениям и гра-
ничным условиям, называется допустимым. Если математиче-
ская модель задачи оптимизации составлена правильно, то
задача будет иметь целый ряд допустимых решений. Поясним
это положение. Важной характеристикой задачи оптимизации
является ее размерность, определяемая числом переменных п и
числом ограничений т. Соотношение этих величин является
определяющим при постановке задачи оптимизации. Возмож-
ны три соотношения n < m, n = т, п > т, которые мы и рас-
смотрим.

Здесь п = 1, m = 2. Очевидно, что такие задачи решения не


имеют.

В данном случае п = ш = 2. Такое соотношение п и т — это


необходимое условие для решения системы уравнений.
Для внимательного читателя добавим, что когда мы говорим о
количестве уравнений, то имеем в виду только линейно-
независимые уравнения. Напомним, что линейно-зависимыми
называются такие уравнения, когда одно из них образуется ум-
ножением левой и правой части другого уравнения на посто-
янное число или сложением нескольких уравнений.
Очевидно, что система

в которой n = m = 2 решения не имеет, т. к. эти уравнения ли-


нейно-зависимые.

В этом случае может быть бесчисленное множество значений


xi и Х2, которые удовлетворяют данному уравнению.
До сих пор мы рассматривали соотношения между п и т для
ограничений в виде уравнений. Достаточно часто ограничения
записываются в виде неравенств. Посмотрим, что будет в этих
случаях на примере неравенства

Вводом дополнительной переменной yi > О перейдем от задан-


ного неравенства к уравнению

Для этого уравнения п = 2, m = 1 и, значит, оно имеет бесчис-


ленное множество решений.

то их можно записать в виде

В этом случае общее число переменных х, и у„ равное N, будет

а число уравнений остается прежним, равным т.


Если в общем случае ограничения имеют вид
Очевидно, что N = n + m>m, и система имеет бесчисленное
множество решений. Значит, если ограничениями являются
неравенства, то система всегда имеет бесчисленное множество
решений.
Таким образом, условие п > т — это непременное требование
для задач оптимизации. Заметим, что такую систему уравнений,
для которых n = m, можно рассматривать как задачу оптимиза-
ции, имеющую одно допустимое решение, и решать ее как
обычную задачу оптимизации, назначая в качестве целевой
функции любую переменную.
Итак, мы знаем, что система ограничений при n > m имеет
бесчисленное множество решений. Что же делать дальше? Что-
бы из всех возможных решений выбрать только одно, необхо-
димо договориться, по какому признаку мы это будем делать.
Естественно, хочется, чтобы выбранное решение оказалось
правильным. Но что такое правильное решение? Сказать, что
решение правильное или неправильное — это значит дать
оценку, которая может оказаться весьма субъективной. Поэто-
му в дальнейшем не будем говорить о правильных решениях,
потому что мы просто не знаем, что это такое. Наш разговор
будет об оптимальных решениях. Что же касается оптималь-
ного решения, название которого происходит от лат. optimus
(наилучший), то здесь все четко и определенно.
Оптимальное решение — это наилучшее. Но решения, наи-
лучшего во всех смыслах, быть не может. Оно может быть наи-
лучшим, т. е. оптимальным, только в одном, строго установ-
ленном смысле.
Принимающий решение должен абсолютно точно представ-
лять, в чем заключается оптимальность решения, т. е. по како-
му критерию (от греч. kriterion — мерило, оценка, средство для
суждения) принимаемое решение должно быть оптимально.
Критерий часто называют, и мы уже называли, целевой функ-
цией. Критерий выбирается тем человеком, кто принимает ре-
шение. В общем случае с помощью критерия можно оценивать
качества как желательные (например, прибыль, производи-
тельность, надежность), так и нежелательные (затраты, расход
материала, простои оборудования). Тогда в первом случае
стремятся к максимизации критерия, а во втором — к его ми-
нимизации.
Так, если при принятии решения требуется максимизировать
какую-то величину, например, прибыль, производительность
или надежность, то в этом случае для оптимального решения
критерий будет иметь самое большое значение из всех допус-
тимых. Если же требуется минимизация критерия (затраты,
расход материала, простой оборудования), то для оптимального
решения критерий будет иметь самое меньшее значение из
всех допустимых.
Стремление к оптимизации — это естественное состояние че-
ловека. Человек по своей природе является прирожденным оп-
тимизатором. Он занимается оптимизацией, потому что ему
необходимо экономить свои ограниченные запасы энергии,
ресурсов, времени. Каждый шаг человека, каждое принимае-
мое им решение — это зачастую неосознанное действие для
того, чтобы получить оптимальный результат. И не случайно
это естественное поведение человека нашло отражение в по-
словицах "Рыба ищет, где глубже, а человек — где лучше", что
соответствует задаче максимизации, и "Из двух зол выбирают
меньшее" — задаче минимизации.
Итак, задача имеет оптимальное решение, если она удовлетво-
ряет двум требованиям:
О есть реальная возможность иметь более одного решения,
т. е. существуют допустимые решения;
□ имеется критерий, показывающий, в каком смысле при-
нимаемое решение должно быть оптимальным, т. е. наи-
лучшим из допустимых.
По сути дела, задачи оптимизации вокруг нас. Чтобы в них
разобраться, необходимо прежде всего их систематизировать.
Этим мы и займемся в следующем разделе.

1.2.3. Классификация математических


моделей
Важным этапом изучения явлений, предметов, процессов явля-
ется их систематизация, которая обычно завершается класси-
фикацией по ряду признаков, а поскольку признаков может
быть достаточно много, то и выполненные классификации
могут различаться между собой. Любая классификация должна
преследовать достижение поставленных целей. Выбор цели оп-
ределяет набор тех признаков, по которым она будет прово-
диться.
Наша цель — показать, что совершенно различные по своему
содержанию задачи оптимизации можно решать с помощью
Excel 7.O. В связи с этим рассмотрим классификацию (рис. 1.2.1)
по виду математических моделей, которые включают следую-
щие элементы:
□ исходные данные;
□ искомые переменные;
О зависимости.

Рис. 1.2.1

Исходными данными для математической модели являются: це-


левая функция F(Xj), левые части ограничений g,(Xj) и их пра-
вые части Ь,. Как видно из рис. 1.2.1, исходные данные могут
быть детерминированными и случайными. Детерминированными
называются такие исходные данные, когда при составлении
модели их точные значения известны. В достаточно распро-
страненных задачах распределения ресурсов точное значение
имеющегося ресурса, а также других элементов, входящих в
модель, может быть заранее неизвестно. В таких случаях эти
элементы модели являются случайными величинами
Искомые переменные могут быть непрерывными и дискретными.
Непрерывными называются такие величины, которые в задан-
ных граничных условиях могут принимать любые значения.
Дискретными называются такие переменные которые могут
принимать только заданные значения. Целочисленными называ-
ются такие дискретные переменные, которые могут принимать
только целые значения.
Зависимости между переменными (как целевые функции, так и
ограничения) могут быть линейными и нелинейными. Напомним,
что линейными называются такие зависимости, в которые пе-
ременные входят в первой степени и с ними выполняются
только действия сложения или вычитания. Если же перемен -
ные входят не в первой степени или с ними выполняются
другие действия, то зависимости являются нелинейными. При
этом следует иметь в виду, что если в задаче хоте бы одна за-
висимость нелинейная, то и вся задача является нелинейной.
Сочетание различных элементов модели образует различные
классы задач оптимизации, которые требуют разных методов
решения. Основные классы задач оптимизации приведены на
рис. 1.2.2.
Все эти задачи являются частными случаями общей задачи оп-
тимизации (1.1.9) и подробно рассматриваются в тех главах,
которые указаны на рис. 1.2.2.

1.3. Последовательность работ


при принятии оптимальных решений
1.3.1. Основные этапы работ
Основные этапы работ при принятии оптимальных решений
следующие:
1. Выбор задачи — это важнейший вопрос. Решение задачи,
особенно достаточно сложной, — очень трудное дело, тре
бующее много времени. И если задача выбрана неудачно, то
это может привести не только к справедливому сожалению
о потерянном времени, но, что более печально, к разочаро
ванию в применении методов оптимизации. Каким же ос
новным требованиям должна удовлетворять задача?
Таких требований два:
□ должно существовать, как минимум, два варианта ее ре
шения; ведь если вариантов решения нет, значит, и вы
бирать не из чего;
□ надо четко знать, в каком смысле искомое решение
должно быть наилучшим. Если же мы четко не знаем,
чего хотим, то математические методы, реализованные
даже на самом лучшем компьютере, помочь не смогут.
Выбор задачи завершается ее содержательной постановкой.
2. Содержательная постановка задачи является переходным
мостиком от желания решить задачу к ее формулировке в
такой форме, на основании которой было бы ясно, каковы
элементы математической модели:
□ исходные данные: величины детерминированные или
случайные;
□ искомые переменные: непрерывные или дискретные;
О пределы, в которых могут находиться значения искомых
величин в оптимальном решении;
□ зависимости между переменными: линейные или нели
нейные;
□ критерии, по которым следует находить оптимальное
решение.
Хорошо сформулированная содержательная постановка — ос-
нова успешного составления математической модели.
3. Составление математической модели — очень ответственный
этап работ. О математических моделях, этом "ките № 1", на
котором базируется принятие оптимальных решений, мы
уже говорили.
4. Сбор исходных данных является необходимым этапом работы
при поиске оптимального решения. Прежде чем ввести ис
ходные данные в компьютер, их, естественно, необходимо
собрать, причем не все имеющиеся, как это иногда пытают
ся делать, а лишь те, которые входят в математическую мо
дель. Следовательно, сбор исходных данных не только
целесообразно, но и необходимо производить лишь после
того, как будет сформулирована математическая модель.
Решение задач большой размерности целесообразно начать с
контрольного примера. Цель контрольного примера — прове-
рить правильность математической модели, поэтому он может
быть весьма ограниченной размерности. Это потребует собрать
на начальном этапе работы небольшое количество исходных
данных для быстрой оценки правильности составленной модели.
5. Решение задачи — это, естественно, центральный вопрос,
который подробно рассмотрен в данной книге для каждого
класса задач оптимизации.
6. Анализ решения — важнейший инструмент принятия опти
мальных решений. О нем подробно — в следующем разделе.
7. Принятие оптимального решения — конечный этап работы.
Надо четко себе представлять, что решение принимает не
компьютер, не Excel, а тот человек, который должен отве
чать за результаты принятого решения.
8. Графическое представление результата решения и анализа —
мощный фактор наглядности информации, необходимой
для принятия решения.
Следует подчеркнуть, что оптимальное решение — это не те
величины, которые получены при поиске, выполненном Excel,
а результат всесторонней оценки как решений, полученных с
помощью поиска, так и тех значений, которые были определе-
ны в ходе произведенного анализа.
Таковы основные этапы принятия оптимального решения, ко-
торые будут многократно иллюстрироваться на примерах ре-
шения различных задач, рассматриваемых в книге.

1.3.2. Анализ решаемых задач


В современной медицине никто не будет устанавливать диаг-
ноз и выписывать лекарства, т. е. принимать решение, без ре -
зультатов анализа. К сожалению, при принятии решений в
экономике и технике так бывает далеко не всегда.
Мощным средством анализа является математическая модель.
Не стоит покупать ружье, чтобы сделать только один выстрел.
Нецелесообразно тратить время и средства на составление ма-
тематической модели, чтобы по ней выполнить один единст-
венный расчет.
Математическая модель, как мы уже говорили, является пре-
красным средством получения ответов на широкий крут самых
разнообразных вопросов, возникающих при принятии опти-
мальных решений.
Виды анализа, выполняемого на основе математической моде-
ли, приведены на рис. 1.3.1.
Поясним некоторые вопросы.
На этапе постановки задачи производится анализ с целью ответа
на вопросы: "что будет, если..?" и/или "что надо, чтобы..?".
Анализ с целью ответа на первый вопрос называется вариант-
ным анализом; на второй — решениями по заказу.
Вариантный анализ бывает следующих видов:
□ Параметрическим будем называть такой анализ, который
заключается в решении задачи при различных значениях
некоторого параметра. Примеры параметрического анализа
приводятся в книге неоднократно.
□ Под структурным анализом будем понимать решение зада
чи оптимизации при различной структуре ограничений.
О Многокритериальный анализ — это решение задачи по раз-
ным целевым функциям.
□ Если исходные данные, используемые при решении зада-
чи, зависят от соблюдения дополнительных условий, то
такой анализ называется анализом при условных исходных
данных.

Рис. 1.3.1

Во вторую группу задач анализа — решения по заказу — входят


задачи, целью которых является решение задачи оптимизации
при заданных значениях: переменных, левых частей ограниче-
ний, целевой функции.
Кроме анализа, выполняемого на этапе постановки задачи,
мощным средством, помогающим принять решение, является
анализ полученного оптимального решения. Задачи,'выполняе-
мые при анализе оптимального решения, приведены также на
рис. 1.3.1. Их решение базируется на некоторых теоретических
положениях, рассмотренных в главах 3 и 5.