Тема 2.

Введение в линейное
программирование (ЛП)

1
 § 2.1. Правила построения математической
модели
Этапы формализация проблемы как задачи ЛП :
 понять проблему, составить описательную
(вербальную) модель задачи;
 идентифицировать основные переменные задачи;
 выбрать количественную меру эффективности цели;
 представить эту меру эффективности как линейную
функцию относительно основных переменных;
 идентифицировать и представить все ограничения как
линейные уравнения или неравенства относительно
основных переменных;
 собрать количественные данные или сделать
соответствующие оценки для всех параметров модели.
2
 Математические предположения для задачи ЛП:
 определенность (детерминированность) – все
параметры модели известны точно или могут быть
оценены;
 линейность (эквивалентна пропорциональности и
аддитивности) – все функциональные соотношения
модели линейны относительно основных переменных;
 пропорциональность – эффект влияния
переменной задачи пропорционален значению этой
переменной;
 аддитивность – эффект влияния нескольких
переменных задачи равен сумме эффектов от
каждой переменной;
делимость – все основные переменные задачи могут
принимать произвольные вещественные значения в
определенном диапазоне (бесконечно делимы). 3
Пример 2.1.1.
(Построение оптимального плана производства)

Исходные Расход ресурсов на 1 Запас

ресурсы тонну готовой продукции ресурса

Шоколад Конфеты
Сахар 1 1 4
Какао 5 2 10
Прибыль 5 3

геометрич. решение

4
Переменные:
x1 – суточный объем производства шоколада,
x2 – суточный объем производства конфет.

Целевая функция:
Общая прибыль от реализации суточного плана
определяется функцией
z  5 x1  3 x2

Ограничения: содержательно ограничения на запас

ресурсов можно записать следующим образом

 Расход   Запас 
 ресурса    ресурса 
   
5
Математически ограничения имеют вид (см. таблицу):
 на расход сахара
x1  x2  4; ресурсы Расход ресурсов Запас
ресурса
 на расход какао-бобов Шоколад Конфеты
Сахар 1 1 4
5 x1  2x2  10; Какао 5 2 10

 на знак переменных Прибыль 5 3

x1  0, x2  0.

Математическая модель
max z  max(5 x1  3 x2 )
x1  x2  4;
5 x1  2 x2  10;
x1  0, x2  0.
6
 § 2.2. Задача линейного программирования
Математически задача ЛП – задача нахождения
наибольшего (наименьшего) значения линейной функции
многих переменных при линейных ограничениях типа
равенств (неравенств), когда на переменные задачи есть
(нет) ограничений на знак.
 задача максимизации ЛП  задача минимизации ЛП
max z  max(c1x1   cn xn ) min z  min(c1x1   cn xn )
при ограничениях при ограничениях
ai 1x1   ain xn  bi , i  1, m, a x   a x  b , i  1, m,
i1 1 in n i
x j  0, j  1, n. x j  0, j  1, n.
x j , j  1, n  переменные
z  c1x1   cn xn  целевая функция
x j  0, j  1, n  условие неотрицательности переменной
с j , aij , bi заданные параметры 7
 Вектор X  ( x1 , , xn ) удовлетворяющий всем
ограничениям задачи, называется допустимым
решением задачи ЛП.
 Допустимым множеством решений задачи ЛП
называется множество векторов X  ( x1 , , xn ) , удов-
летворяющих всем ограничениям задачи.

 Вектор X *
 ( x1
*
, , x *
n ), доставляющий максимум
(минимум) функции z при заданных ограничениях, назы-
вается оптимальным решением задачи ЛП.

Наибольшее (наименьшее) значение целевой функции

называется значением задачи ЛП.

Решить задачу ЛП  означает найти оптимальное реше-

ние и значение целевой функции.
8
§ 2.3. Геометрическая структура множества допустимых
решений в задаче ЛП
Множество M  R n называется выпуклым, если для двух
любых точек этого множества X 1, X 2  M и любого числа
   0,1 выполняется условие:
 X 1  1    X 2  M

Точка X 0  M называется крайней (экстремальной)

точкой множества М, если из условия
X 0   X 1  1    X 2 , X 1, X 2  M,    0,1
следует, что
X 0  X1  X 2
9
 Линейное ограничение типа неравенства задает в R n
отрицательное (положительное) полупространство
 i   X ai 1x1   ain xn  bi 

   X a x
i

i1 1  
 ain xn  bi  ,
ограниченное многомерной плоскостью
 i   X ai 1x1   ain xn  bi .
 
Множество M   M   i  называется
i



многогранным множеством . 

Свойства множества доп. решений задачи ЛП:

• выпуклое,
• замкнутое,
• многогранное.
10
 § 2.4. Геометрический метод решения
задачи ЛП
Пример 2.4.1. Решим графически задачу из примера 2.1.1:
max z  max(5 x1  3 x2 ),
x1  x2  4,
5 x1  2 x2  10, grad z( x1, x2 )   5,3 
x1  0, x2  0. 5x1  3x2  const  прямая

Градиент функции y  f ( x1, x2 ) :

 f f 
grad f ( x1, x2 )  f ( x1, x2 )   , 

 1x x 2 
Свойства:
• показывает направление наибольшего возрастания
функции,
• направлен перпендикулярно касательной к линии
уровня функции f ( x1, x2 ) . const 11
 Геометрический метод реализуется
Этап 1: 1 x1  x2  4  2  5 x1вдва
2x2 этапа:
 10
•построение допустимого множества решений ЗЛП,
 x1  4 оптимального
•нахождение  x1  0 0
x1  2  x1задачи
решения ЛП.
   
x2  x2  0  x2  4  x2  0  x2  5

Этап 2:
5  * 2
 x1*  x2*  4  x1  3
 * 
4
 1  2  10
*
 x *  10
B
5 x 2 x
 2 3
grad z   5,3 


z x ,x *
1
*
2  2
 5 3
3
10 40
3

3

x1
O 2  2 4 1 Слайд 17 12
 Теорема 2.4.1. (об оптимальных экстремальных
точках).
Если в задаче ЛП существует оптимальное решение, то
существует и оптимальная экстремальная (угловая,
крайняя) точка.
Алгоритм графического метода для задач ЛП  n  2 :
 записать каждое ограничение как равенство и
нарисовать прямую;
 найти для каждого ограничения допустимую область
и множество допустимых решений задачи ЛП;
 найти градиент целевой функции
нарисовать линию уровня целевой функции
z  x1, x2   0;
сдвигать линию уровня в направлении градиента, до
последней точки пересечения с множеством доп.
решений.
13
При решении задачи ЛП возможны случаи:
1. Задача ЛП имеет единственное решение (см.
примеры 2.4.1).

• min
*
X
•
*
X max
grad z

2. Задача ЛП имеет бесконечное множество решений

(альтернативные решения).
X*
•

X **
grad z •
14
 При решении задачи ЛП возможны случаи:

3. Задача ЛП не имеет оптимального решения:

• неограниченность множества • пустота множества
допустимых решений допустимых решений

15
 §2.5. Анализ на чувствительность
Первая задача на чувствительность:

ограничения
активные неактивные
(связывающие) (несвязывающие)

дефицитные недефицитные
ресурсы ресурсы
Цели:
 макс. увеличение запаса дефицитного ресурса,
позволяющее улучшить значение целевой функции;
 макс. уменьшение запаса недефицитного ресурса, не
меняющее значение целевой функции.
16
 Ресурс 1
x1  x2  4  L   0,5 

x2 b1  4, b1  x1  x2  0  5  5,
b1  5  4  1
5 L z  L   5 x1  3 x2  5  0  5  3  15
40 5
4
1z  z  L   z  B   15  
3 3

x1
2
 2 4 1 17
 Ресурс 2
5 x1  2x2  10  K   4,0 

x2 b2  10, b2  5 x1  2 x2  5  4  20,

b2  b2  b2  20  10  10
z  K   5 x1  3 x2  5  4  3  0  20
40 20
4
 2z  z  K   z  B   20  
3 3

K x1
4
2 18
Результаты решения первой задачи анализа на
чувствительность оформляются в виде таблицы:

Ресурс Тип (статус) Максимальное Максимальное

ресурса изменение изменение
запаса дохода
Ресурс 1 дефицитный 1 5/3
Ресурс 2 дефицитный 10 20/3

19
 Вторая задача на чувствительность
(вычисление стоимости ресурсов):
Теневая (двойственная) цена ресурса показывает
на сколько изменится доход при изменении запаса деф.
ресурса на единицу.
Вычисляется по формуле:
Максимальное увеличение дохода
yi 
Максимальное увеличение запаса i -го ресурса

5 20 3 2
y1  y2  
1 10 3
Вывод: расширение производства за счет увеличения
запаса первого ресурса наиболее выгодно.

20
 max z  5 x1  3 x2
Третья задача на чувствительность x1  x2  4,
(чувствительность к изменению цен): 5 x1  2 x2  10,
grad z   5, c2 
x1  0, x2  0.
grad z   5,3 

grad z   c1,3  целевая

функция
z  c1x1  c2 x2
a11x1  a12 x2  b1 1
B a21x1  a22 x2  b2  2 

Диапазон оптимальности активные

1   z   2 ограничения
tg1  tg z  tg 2
2 z 1 a11 c1 a21 1 c1 5
    
1 c2 2
 2 z 1 a12 c2 a22 21
max z  5 x1  3 x2
Диапазон оптимальности
x1  x2  4,
5 x1  2 x2  10, 1 c1 5
 
x1  0, x2  0. 1 c2 2

1 5 5
если c1  5    , 2  c2  5
1 c2 2

B 1 c1 5 15
если c2  3    , 3  c1 
1 3 2 2

22
Торговля валютой
Арбитраж – получение прибыли в результате
обменных операции.

Таблица текущих обменных операций:

1 2 3 4 5
1  0,639 5,3712 1,5712 98,89
2 1,5648  8,4304 2,459 154,77
3 0,1856 0,1186  0,2921 18,412
4 0,6361 0,4063 3,4233  62,94
5 0,0101 0,0645 0,05431 0,0158 

23
 Математическая модель
Пусть начальный валютный портфель содержит по
одной единице каждого вида валют.
aij  количество валюты j, которое дают за единицу
валюты i, aii  1.
Таблица (матрица) текущих Переменные:
обменных курсов: xij  количество валюты i,
 a11 a12 a1n  которое меняется на
a a a  валюту j.
A   21 22 2n 

   x11 x12 x1n 

  x x x 
 n1 n 2
a a a nn 
X   21 22 2n 

 
 
Обменная  n1
x x n2 x nn 

операция 24
 Цель: целью обменной операции является
максимизация прибыли.
Количественная мера прибыли валюта 1
(можно любую другую валюту).
Целевая функция:
Прибыль = Доход – Затраты
 X   R X  C X 
CX стоимость портфеля, выраженная в единицах
валюты 1,
C  X   a11  a21   an1  const.
R  X   доход от валютной операции,
R  X   a11x11  a21x21   an1xn1 
  a12 x12  a22 x22   an 2 xn 2  a21 
  a1n x1n  a2n x2n   ann xnn  an1. 25
Ограничения:

x11  x12   x1n  1

x21  x22   x2 n  1

x n1  x n 2   xnn  1
0  xij  1

Пусть X * оптимальное решение,

если   X   0  арбитраж есть,
*

если   X *   0  арбитража нет.

26