Академический Документы
Профессиональный Документы
Культура Документы
RESEARCH:
AN INTRODUCTION
SEVENTH EDITION
Hamdy A. Taha
University o f Arkansas, Fayetteville
Хемди А. Таха
Университет Арканзаса, Фейетвилл
Т аха, Хемди А.
Т24 Введение в исследование операций, 7-е издание.: Пер. с англ. — М.: Издатель
ский дом “В ильямс”, 2005. — 912 с.: ил. — Парал. тит. англ.
ISBN 5-8459-0740-3 (рус.)
ББК 32.973.26-018.2.75
Предисловие 16
Об авторе 19
Глава 3. Симплекс-метод 95
3.1. Стандартная форма задачи ЛП 95
3.1.1. Преобразование неравенств в равенства 95
3.1.2. Свободная переменная 97
Содержание 7
Благодарности
Я благодарен многим моим коллегам и сотням студентов за их советы и крити
ческие замечания о содержании книги. Особо хочу поблагодарить профессоров
М айкла Харнетта (R. Michael H arnett) из университета шт. Канзас, Яссера Хосни
(Yasser Hosni) из Флоридского университета, Гая Карри (Guy Curry) из Техасского
сельскохозяйственного университета, Рафаэля Гутиэреса (Rafael Gutierez) из
университета Техаса в Эль-Пасо, Роберта Льюиса (Robert Lewis) из Инженерного
колледжа менеджмента армии Соединенных Ш татов, Аллена С. Ш ермана (Allen С.
Schuermann) из университета шт. Оклахома и Стивена Ван-Дрю (Steven L. VanDrew)
из университета Мерке.
Мои коллеги по университету Арканзаса — профессоры Ричард Кесседи
(Richard Cassady), М айк Кул (Mike Cole), Эрхан Кутан-оглы (Erhan Kutanoglu),
Скотт Мэйсон (Scott Mason), Хетер Нектманн (H eather N achtm ann) и Мануэль Рос
сетти (Manuel R ossetti) — помогли мне при подготовке книги, и я очень благодарен
им за их дружескую поддержку.
Отдельное спасибо хочу сказать профессорам Джоузу Вентуре (Jose V entura) из
университета шт. Пенсильвания, Джорджу Валенсуэле (Jorge Valenzuela) из Обен-
ского университета, Бураку Экси-оглы (Burak Eksioglu) из Флоридского универси
тета, М айклу Харнетту (Michael H arnett) из университета шт. Канзас и Стивену
Ван-Дрю (Steven VanDrew) из университета Мерке за внимательное прочтение шес
того издания книги и полезные замечания.
18 Предисловие
Хочу также выразить признательность моим редакторам Энн Имхоф (Ann Im hof),
Дороти Марреро (Dorothy M arrero) и Линде Кастилло (Lynda Castillo) за их профес
сиональную работу по подготовке книги.
Я благодарен своему новому издателю Prentice Hall за мягкий и гладкий переход
под его покровительство. Выражаю особую благодарность моим редакторам Бей-
ни М. де Леон (Bayani М. de Leon), Алисе Дворкин (Alice Dworkin) и Редоре Пифиа-
ренда (Rhodora Pefiaranda). Их опыт и компетентность чрезвычайно помогли мне.
Хэмди А. Таха
hat@ engr.uark.edu
ОБ АВТОРЕ
Хэмди А. Т аха (Hamdy A. Taha) — профессор технической инженерии универ
ситета Арканзаса, где он преподает и ведет научную работу в области исследования
операций и имитационного моделирования. Таха автор трех книг (помимо данной)
по целочисленному программированию и имитационному моделированию. Его
книги переведены в Китае, Корее, Испании, Японии, России, Турции и Индонезии.
Таха такж е написал несколько книг в соавторстве. Его статьи напечатаны в журна
лах M anagem ent Science, Operations Research, Interfaces, N aval Research Logistics,
European Journal o f Operations Research и A l l E Transactions.
Профессор Таха назван Senior F ulbright Scholar (ведущим Фулбрайтовским уче
ным) университета Карлоса III (Мадрид, Испания). Он удостоен премии Alumni
Award за достижения в научных исследованиях и премии Nadine Baum Faculty
Teaching Award за плодотворную преподавательскую деятельность (обе премии
присуждены университетом Арканзаса). Он такж е награжден многочисленными
премиями за научную и преподавательскую деятельность в инженерном колледже
университета А рканзас. Хэмди Таха свободно владеет тремя язы кам и и хорошо из
вестен в Мексике и на Среднем Востоке.
Г Л А В А 1
ИССЛЕДОВАНИЕ ОПЕРАЦИЙ:
ЧТО ЭТО ТАКОЕ
Первые формальные разработки по исследованию операций (ИО) были иниции
рованы в Англии во время Второй мировой войны, когда команда британских уче
ных сформулировала и наш ла решение задачи наиболее эффективной доставки во
енного снаряжения на фронт. После окончания войны эти идеи были перенесены
в гражданскую сферу для повышения эффективности и продуктивности экономи
ческой и производственной деятельности. Сегодня теория исследования операций
является основным и неотъемлемым инструментом при принятии решений в са
мых разнообразных областях человеческой деятельности.
Краеугольным камнем исследования операций является математическое моде
лирование. Хотя данные, полученные в процессе исследования математических
моделей, являю тся основой для принятия решений, окончательный выбор обычно
делается с учетом многих других “ нематериальных” (не имеющих числового вы
ражения) факторов (таких как человеческое поведение), которые невозможно ото
бразить в математических моделях.
3. Покупка билета А-В-А для первой недели, причем между датами вылетов
должен быть нонеделышк; для последней недели приобретение билета А-В-А,
между датами которого должна быть среда, причем первый и последний биле
ты должны захватывать последние дни недели; покупка четырех билетов А-В-А,
между датами которых также есть последние дни недели.
Ограничением в данной задаче являю тся дни прибытия: понедельник первой
недели и среда пятой.
В данном случае естественным критерием для оценки возможных альтернатив
является цена билетов. Альтернатива, обеспечивающая наименьшую стоимость
билетов, будет наилучшей. В данном случае имеем следующие варианты.
Альтернатива 1: стоимость билетов = 5 х 400 = 2000 долл.
Альтернатива 2: стоимость билетов = 0,75 х 400 + 4 х 0,8 х 400 + 0,75 х 400 =
= 1800 долл.
Альтернатива 3: стоимость билетов = 5 х (0,8 х 400) = 1600 долл.
Очевидно, что наилучшей является третья альтернатива.
Приведенный пример показывает основные принципиальные составляющие
модели исследования операций (ИО), а именно альтернативы, ограничения и кри
терий отбора альтернатив. Но в различных ситуациях эти составляющие могут
весьма отличаться от аналогичных составляющих других моделей. Чтобы показать
это, рассмотрим следующую задачу. Среди всех прямоугольников с периметром
фиксированной длины L необходимо найти прямоугольник максимальной площ а
ди. Какую длину и ширину будет иметь такой прямоугольник?
В отличие от предыдущего примера здесь количество альтернатив бесконечно,
поскольку длина и ширина прямоугольника могут принимать бесконечное множе
ство значений (но из конечного интервала). Чтобы это свойство задачи выразить
формально, определим возможные альтернативы, задав непрерывные переменные,
соответствующие длине и ширине прямоугольника.
Итак, обозначим через I длину прямоугольника, через w — его ширину. Осно
вываясь на этих обозначениях, ограничения задачи можно сформулировать сле
дующим образом.
1. Ш ирина прямоугольника + длина прямоугольника = половина периметра
прямоугольника.
2. Ш ирина и длина прямоугольника не могут быть отрицательными.
Эти ограничения алгебраически запишутся так.
1. 2 (l + w) = L.
2. l > 0, w> 0.
УПРАЖНЕНИЯ 1.1
1. В примере с билетами определите четвертую возможную альтернативу.
2. В примере с прямоугольником найдите два допустимых реш ения и опре
делите, какое из них лучш е (т.е. какое решение задает прямоугольник
с большей площадью).
3. Найдите оптимальное решение задачи о площади прямоугольника.
(Совет. С помощью ограничений преобразуйте целевую функцию к ф унк
ции, зависящ ей от одной переменной. Затем примените методы дифферен
циального исчисления.)
4. Крис, Джим, Джон и Келли находятся на восточном берегу реки и хотят пере
правиться на западный берег с помощью каноэ. Каноэ может вместить не более
двух человек. Крис, как наиболее сильный из всех своих друзей, может пере
правиться через реку за 1 минуту. У Джима, Джона и Келли на это уйдет соот
ветственно 2, 5 и 10 минут. Если в каноэ находятся два человека, то время пе
реправы определяется по слабейшему пассажиру. Цель друзей заключается
в переправе на западный берег реки по возможности за минимальное время.
a) Найдите не менее двух возможных схем переправы через реку.
b ) Определите критерий оценки альтернатив.
c) Какое минимальное время переправы через реку всех друзей?
24 Глава 1. Исследование операций: что это такое
3. Решение модели.
4. Проверка адекватности модели.
5. Реализация решения.
Из всех пяти приведенных этапов только третий, решение модели, достаточно
точно определен и наиболее прост для реализации в рамках методологии ИО, по
скольку действия на этом этапе основываются на точной математической теории.
Выполнение остальных этапов в значительной мере является искусством, а не нау
кой. Поэтому мы не можем точно описать эти процедуры.
Ф орм ализация проблемы требует исследования той предметной области, где
возникла рассматриваемая проблема. Это начальный этап работы любой команды
аналитиков ИО. В результате такого исследования должны быть получены сле
дующие три принципиальных элемента решаемой задачи: 1) описание возможных
альтернативных решений, 2) определение целевой функции, 3) построение системы
ограничений, налагаемых на возможные решения.
Построение матем атической модели означает перевод формализованной зада
чи, описание которой получено на предыдущем этапе, на четкий язы к математи
ческих отношений. Если получена одна из стандартных математических моде
лей, например, модель линейного программирования, то решение обычно
достигается путем использования существующих алгоритмов. Если же результи
рующая модель очень слож ная и не приводится к какому-либо стандартному ти
пу моделей, то команда ИО может либо упростить ее, либо применить эвристиче
ский подход, либо использовать имитационное моделирование. В некоторых
случаях комбинация математической, имитационной и эвристической моделей
может привести к решению исходной проблемы.
Решение модели, как уже упоминалось, — наиболее простой из всех этапов
реализации методов исследования операций, так как здесь используются извест
ные алгоритмы оптимизации. Важным аспектом этого этапа является анализ чув
ствительности полученного реш ения. Это подразумевает получение дополни
тельной информации о поведении “ оптимального” решения при изменении
некоторых параметров модели. Анализ чувствительности особенно необходим, ко
гда невозможно точно оценить параметры модели. В этом случае важно изучить
поведение оптимального решения в окрестности первоначальных оценок парамет
ров модели.
Проверка адекватности модели предполагает проверку ее правильности, т.е.
определения того, соответствует ли поведение модели в конкретных ситуациях по
ведению исходной реальной системы. Но сначала команда аналитиков ИО должна
удостовериться, что модель не содержит “ сюрпризов” . Другими словами, надо убе
диться, что решение, полученное в рамках построенной модели, имеет смысл и ин
туитивно приемлемо. Формальным общепринятым методом проверки адекватно
сти модели является сравнение полученного решения (поведение модели)
с известными ранее решениями или поведением реальной системы. Модель счита
ется адекватной, если при определенных начальных условиях ее поведение совпа
дает с поведением исходной системы при тех же начальных условиях. Конечно, это
не гарантирует, что при других начальных условиях поведение модели будет сов
падать с поведением реальной системы. В некоторых случаях в силу разных при
чин невозможно прямое сравнение модели с реальной системой или сравнение ре
шений, полученных в рамках этой модели, с известными решениями (например,
из-за отсутствия таких данных). В такой ситуации для проверки адекватности ма
зо Глава 1. Исследование операций: что это такое
ЛИТЕРАТУРА
1. A ltier W. J . The T hinking M anager’s Toolbox: E ffective Processes for Problem
Solving and Decision M aking, Oxford U niversity Press, New York, 1999.
2. Checkland P. System s Thinking, System Practice. W iley, New York, 1999.
3. Evans J . Creative T hinking in the Decision and M anagem ent Sciences, South-
W estern Publishing, Cincinnati, Ohio, 1991.
4. Gass S. M odel World: Danger, Beware the User as a Modeler, Interfaces, Vol. 20,
No. 3, pp. 6 0 -64, 1990.
5. Morris W. On the A rt of Modeling, Management Science, Vol. 13, pp. B 707-B 717,1967.
6. Paulos J . A. Innum eracy: M athem atical Illiteracy and I ts Consequences. Hill and
W ang, New York, 1988.
7. Taha H. Guide to Optim ization Models. C hapter 11.3 in M aynard’s Industrial
E ngineering Handbook, 5th ed. McGraw-Hill, New York, 2001, pp. 11.45-11.65.
8. W illem ain T.R. Insights on M odeling from a Dozen E xperts, Operations Research,
Vol. 42, No. 2, pp. 213-222, 1994.
Литература 31
ВВЕДЕНИЕ В ЛИНЕЙНОЕ
ПРОГРАММИРОВАНИЕ
Линейное программирование (ЛП) — это метод оптимизации моделей, в которых
целевые функции и ограничения строго линейны. ЛП успешно применяется
в военной области, индустрии, сельском хозяйстве, транспортной отрасли, экономике,
системе здравохранения и даже в социальных науках. Широкое использование этого
метода также подкрепляется высокоэффективными компьютерными алгоритмами,
реализующими данный метод. На алгоритмах линейного программирования
(учитывая их компьютерную эффективность) базируются оптимизационные
алгоритмы для других, более сложных типов моделей и задач исследования
операций, включая целочисленное, нелинейное и стохастическое программирование.
Эта глава начинается с изучения моделей с двумя переменными и их графиче
скими реш ениями. Обобщение графического метода решения приводит к алгебраи
ческому симплекс-методу (см. главу 3). Графическое решение такж е показывает
конкретные механизмы разработки и реализации анализа чувствительности задач
ЛП. Глава заканчивается большим количеством примеров формализации и реше
ния практических задач.
1 Автор часто использует в примерах шуточные названия компаний, которые адекватно труд
но перевести на русский язык. Например, в данном случае Reddy Mikks дословно не переводится,
но по-русски это звучало бы как “Охряные смеси” (намек на производимые краски) или как
“Краснощекие бездельники” . Эти названия, как правило, не несут смысловой нагрузки. По
этому в большинстве случаев мы будем оставлять их без перевода. — Прим. перев.
34 Глава 2. Введение в линейное программирование
х2< 2 ,
Xj > О, х2> 0.
Любое решение, удовлетворяющее ограничениям модели, является допустимым.
Например, решение Xj = 3 и х 2 = 1 будет допустимым, так к ак не нарушает ни одного
ограничения, вклю чая условие неотрицательности. Чтобы удостовериться в этом,
подставьте значениях, = 3 и х 2 = 1 в левые части неравенств системы ограничений и
убедитесь, что ни одно неравенство не нарушается. Значение целевой функции при
этом решении будет равно z = 5x3 + 4x1 = 19 (тыс. долл.).
Итак, задача сформулирована, теперь встает вопрос о поиске оптимального допусти
мого решения, доставляющего максимум целевой функции. После некоторых разду
мий приходим к выводу, что задача имеет много (фактически бесконечно много) до
пустимых решений. По этой причине невозможна подстановка значений переменных
для поиска оптимума, т.е. нельзя применить простой перебор всех допустимых реше
ний. Следовательно, необходима эффективная процедура отбора допустимых реше
ний для поиска оптимального. В разделе 2.2 показан графический метод нахождения
оптимального допустимого решения, а в главе 3 — его алгебраическое обобщение.
УПРАЖНЕНИЯ 2.1
1. В модели для компании Reddy M ikks сформулируйте новые ограничения,
исходя из следующих условий.
a) Ежедневный объем производства краски для внутренних работ должен
не менее чем на одну тонну превышать ежедневный объем производства
краски для наружных работ.
b) Ежедневное потребление сырья М2 должно быть не менее 3 т и не более 6 т.
c) Ежедневный объем производства краски для внутренних работ не может быть
меньше ежедневного объема производства краски для наружных работ.
d) М инимальный ежедневный общий объем производства краски обоих ти
пов составляет 3 т.
e) Отношение ежедневного объема производства краски для внутренних работ
к общему объему производства краски обоих типов не должно превышать 0,5.
2. Д ля компании Reddy Mikks найдите оптимальное допустимое реш ение мо
дели среди следующих решений.
a) х, = 1, х 2 = 4;
b) х 1 = 2 , х г = 2;
c) JCj- З , х 2= 1 ,5 ;
d) х, = 2 , х г = 1;
e) х, = 2, х 2 = -1 .
3. Д ля допустимого реш ения Xj = 2, х 2 = 2 в модели компании Reddy Mikks оп
ределите:
a) объем используемого сырья M l;
b) объем используемого сырья М2.
4. Предположим, что компания Reddy M ikks продает свою краску для наруж
ных работ оптовому покупателю со скидкой, зависящей от объема поставок.
В результате доход на тонну продукции составляет 5000 долл., если оптовик
покупает не более 2 т краски в день, и 4500 долл. — в противном случае. Мож
но ли для этой ситуации построить модель линейного программирования?
Пример 2.2.1
Мы используем модель, построенную для компании Reddy Mikks в разделе 2.1, что
бы показать два этапа графического реш ения задачи ЛП.
Этап 1. Построение пространства допуст имы х реш ений.
Сначала проведем оси: на горизонтальной будут указываться значения переменной л,, а
на вертикальной — х2 (рис. 2.1). Далее рассмотрим условие неотрицательности пе
ременных: х, > 0 и х2> 0. Эти два ограничения показывают, что пространство допус
тимых решений будет лежать в первом квадранте (т.е. выше осих, и правее осих2).
неравенству, а какого — нет, может служить точка (0, 0). Например, эта точка удов
летворяет первому неравенству 6хг + 4х2< 24 (здесь 6 х 0 + 4 х 0 = 0 < 24). Это означает,
что точки полупространства, содержащего начальную точку (0, 0), удовлетворяют
этому неравенству. На рис. 2.1 допустимые полупространства показаны стрелочками.
Если точка (0, 0) не удовлетворяет неравенству, допустимым полупространством
будет то, которое не содержит эту точку. Если же прямая проходит через эту точку,
следует в качестве “ тестовой” взять какую-либо другую точку.
Этап 2. П оиск оптимального решения.
Точки пространства допустимых решений, показанного на рис. 2.1, удовлетворяют
одновременно всем ограничениям. Это пространство ограничено отрезками п ря
мых, которые соединяются в угловых точках Л, В, С, D, Е и F. Любая точка, распо
ложенная внутри или на границе области, ограниченной ломаной ABCDEF, являет
ся допустимым решением, т.е. удовлетворяет всем ограничениям. Поскольку
пространство допустимых решений содержит бесконечное число точек, необходима
некая процедура поиска оптимального решения.
Д ля того чтобы найти оптимальное решение, необходимо определить направление
возрастания целевой функции z = 5х1 + 4х2 (напомним, что функцию z следует м ак
симизировать). Мы можем приравнять z к нескольким возрастающим значениям,
например 10 и 15. Эти значения, подставленные вместо z в выражение целевой
функции, порождают уравнения прямых; для значений 10 и 15 получаем уравнения
прямых 5х, + 4х2= 10 и 5xj + 4х2= 15. На рис. 2.2 эти прямые показаны штриховыми
линиями, а направление возрастания целевой функции — жирной стрелкой.2 Целе
вая функция может возрастать до тех пор, пока прямые, соответствующие возрас
тающим значениям этой функции, пересекают область допустимых решений. Точка
пересечения области допустимых решений и прямой, соответствующей максимально
возможному значению целевой функции, и будет точкой оптимума.
На рис. 2.2 видно, что оптимальное решение соответствует точке С. Эта точка яв л я
ется местом пересечения прямых (1) и (2), поэтому ее координаты х1и х2 находятся
к а к решение системы уравнений, задающих эти прямые:
6х, + 4х2 = 24,
х1 + 2х2= 6.
Решением этой системы будет Xj = 3 и х2= 1,5, при этом значение целевой функции
равно z = 5 х З + 4 х 1,5 = 21. Полученное решение означает, что для компании Reddy
Mikks оптимальным выбором будет ежедневное производство 3 т краски для наруж
ных работ и 1,5 т — для внутренних работ с ежедневным доходом в 21 ООО долл.
Не случайно, что оптимальное решение расположено в угловой точке пространства
допустимых решений, где пересекаются две прямые. Если мы изменим наклон
функции z (путем изменения ее коэффициентов), то обнаружим, что в любом случае
решение достигается в одной из угловых точек (или одновременно в нескольких уг
ловых точках). В этом и состоит основная идея построения общего симплексного
алгоритма, который будет рассмотрен в главе 3.
УПРАЖНЕНИЯ 2.2.1
1. Д ля каждого из следующих неравенств определите допустимое полупро
странство, предполагая, что х г, х г > 0:
a) -Зл:, + х г < 6;
b) Xj - 2 х г > 5;
c) 2 х1- 3 х 2<12;
d) - х 2< 0;
e) -Xj + X2> 0.
2. Определите направление возрастания целевой функции z в следующих случаях:
a) максимизировать г = х 1—х 2‘
b) максимизировать z = - 6л:2;
c) максимизировать z = - х х + 2 х г;
d) максимизировать z = -Зл^ + х г.
3. В рам ках модели компании Reddy M ikks постройте пространство допусти
мых решений и найдите оптимальное решение, учитывая (независимо) сле
дующие условия.
a) Ежедневный объем производства краски для наружных работ не должен
превышать 2,5 т.
b ) Ежедневный объем производства краски для внутренних работ должен
быть не менее 2 т.
c) Ежедневный объем производства краски для внутренних работ должен
превышать ежедневный объем производства краски для наружных работ
ровно на одну тонну.
40 Глава 2. Введение в линейное программирование
Диетологи требуют, чтобы в пищевой добавке было не менее 30% белка и не более
5% клетчатки. Фирма Ozark хочет определить рецептуру смеси минимальной стои
мости с учетом требований диетологов.
3 Практически во всех примерах при описании реальных ситуаций автор пользуется сис
темой мер, принятой в США. Мы не стали переводить эти единицы измерения в метриче
скую систему, так как названия единиц никак не влияют ни на описание примеров, ни на
понимание методов, иллюстрируемых ими. — Прим. ред.
2.2. Графическое решение задачи линейного программирования 41
Поскольку пищ евая добавка состоит только из кукурузной и соевой муки, пере
менными для этой задачи, очевидно, будут:
Xj — количество (в фунтах) кукурузной муки, используемой в дневном производст
ве пищевой добавки;
х2— количество (в фунтах) соевой муки, используемой в дневном производстве
пищевой добавки.
Целевая функция равна общей стоимости пищевой добавки, производимой за один
день, и должна быть минимальной. В данном случае это можно записать следую
щим образом:
минимизировать z = 0,3х1+ 0,9х2.
Ограничения модели должны отражать производственные требования и рекомен
дации диетологов. Фирма долж на выпускать не менее 800 фунтов смеси в день; со
ответствующее ограничение будет записано следующим образом:
^ + х2> 800.
Рассмотрим ограничение, связанное с количеством белка в пищевой добавке. Общее
количество белка в смеси, состоящей из.г, фунтов кукурузной муки их, фунтов соевой
муки, равно 0,09х1+ 0,6х2 (фунтов). Это количество должно составлять не менее 30%
от общего объема смеси хг + х2. Отсюда получаем следующее неравенство:
0,09х, + 0,6х2> 0,3(х1+ х 2).
Аналогично строится ограничение для клетчатки:
0,02х, + 0,06х2< 0,05(х1+ лг2).
В последних двух неравенствах переменные хг и х2 надо перенести из правых частей
неравенств в левые. Окончательно модель примет следующий вид.
М инимизировать z = 0,3х1+ 0,9х2
при ограничениях
х, + х2> 800,
0,21xj - 0,30х2< О,
0,03х1- 0,01х2> О,
хР х2> 0.
Нарис. 2.3 показано графическое решение этой задачи. В отличие от модели примера
2.2.1, здесь две прямые, соответствующие неравенствам ограничений, проходят через
начальную точку (0, 0). Д ля того чтобы провести на графике такую прямую, необхо
дима еще одна точка. Координаты этой точки можно найти, подставив в уравнение
прямой любое значение для одной переменной, и затем из этого уравнения вычислить
значение для другой. Например, для второго неравенства из системы ограничений
положим х1= 200, тогда для второй переменной получаем уравнение 0 ,2 1 x 2 0 0 -
0,3х2= 0; отсюда имеем х2 = 140. Таким образом, прямая 0,21х, - 0,30х2 = 0 прохо
дит через точки (0, 0) и (200, 140). Заметим также, в данном случае для определе
ния допустимого полупространства нельзя использовать в качестве “ тестовой”
точку (0, 0), здесь следует взять какую-либо другую, например (100, 0) или (0, 100).
Поскольку в данной модели следует минимизировать целевую функцию, нужно
идти в направлении уменьшения ее значений (это направление на рис. 2.3 показано
стрелкой). Оптимальное решение находится на пересечении прямых х, + х2 = 800
42 Глава 2. Введение в линейное программирование
УПРАЖНЕНИЯ 2.2.2
1. Определите направление убывания следующих целевых функций:
a) минимизировать г = 4 х г - 2 х г;
b) минимизировать г = -З х , + х г;
c) минимизировать г = - х , - 2х2.
2. В задачу “ диеты” добавлено еще одно ограничение: ежедневный расход ку
курузной муки ограничен 450 фунтами. Постройте новое пространство до
пустимых решений и найдите новое оптимальное решение.
3. Найдите оптимальное решение в задаче “ диеты” при условии, что ежеднев
ное производство пищевой добавки не должно превышать 800 фунтов. Имеет
ли такое решение смысл?
4. Джон, помимо занятий в школе, для поддержания надлежащего финансово
го уровня должен подрабатывать не менее 20 часов в неделю. Д ля этого у него
есть прекрасная возможность работать в двух магазинчиках. В первом он
может работать от 5 до 12 часов в неделю, а во втором — от 6 до 10 часов. Оба
магазина предлагают одинаковую почасовую оплату. Джон должен опреде
литься, в каком магазине и сколько ему работать, исходя из фактора
“ напряженности” работы. Основываясь на сведениях, полученных при общении
2.2. Графическое решение задачи линейного программирования 43
subject to
(1 ) 6 00*1 * 4 0 0 *2 *- 24 00
I 2) 1 ООяІ ♦ 2 00я2 6 00
(3 ) 1 .0 0*1 * 1.00x2 <- 100
( 4) 0 ООяІ « 1 00*2 < - 2.00
■Яxj>«0
Рис. 2.4. Графическое решение модели Reddy M ikks, полученное в системе TORA
УПРАЖНЕНИЯ 2.2.3
1. Режим обучения в программе TORA. В программе TORA введите следую
щ ие условия задачи ЛП и укаж и те, что реш ение следует получить в гра
фическом реж им е.
М аксимизировать г = Зх, + 8х2
при выполнении условий
х ,+ х 2> 8 ,
2х, - 3х2< 0,
X, + 2 х 2< 30,
Зх, - х 2> 0 ,
* ,< Ю ,
х 2 - 9,
х „ х 2> 0.
Далее на листе бумаги начертите оси х, и х2 в подходящем для Зтой задачи мас
штабе (в программе TORA можно щелкнуть на кнопке Print Graph (Распечатать
график), которая расположена в верхней правой части окна, чтобы получить раз
графленный лист). Теперь самостоятельно начертите первое ограничение. Д ля
проверки можно щелкнуть на соответствующем ограничении в левой части ок
на программы. Начертите все остальные ограничения. Затем постройте целе
вую функцию. Проверьте, правильно ли вы усвоили графическое решение за
дачи ЛП, повторив все выполненные действия в системе TORA.
2. Рассмотрим модель Reddy Mikks (файл ch2ToraReddyMikks.txt). С помощью
TORA покажите, что оптимальное решение задачи ЛП всегда связано с угловой
точкой пространства решений. Сначала введите (или загрузите) исходную модель
ЛП. Найдите ее графическое решение. Затем, щелкнув на кнопке View/Modify
Input Data (Просмотр/Изменение исходных данных), вернитесь в окно ввода дан
ных и введите представленные ниже уравнения целевых функций. В результа
те вы должны увидеть, что при изменении угла наклона целевой функции оп
тимальные решения будут находиться в различных угловых точках. Цель
этого упражнения — показать, что для того, чтобы найти оптимальное реше
ние задачи ЛП, достаточно знать угловые точки пространства решений.
a) г = 5х, + х 2.
b ) г = 5х, + 4 х2.
c) 2 = х, + Зх2.
d) 2 = - х, + 2х2.
e) 2 = - 2 х , + х 2.
f) 2 = - X, - х 2.
3. В модели “диеты ” (файл ch2ToraD iet.txt) замените целевую функцию сле
дующей:
минимизировать z = 0,8х, + 0,8х2.
Используя графические возможности системы TORA, покажите, что опти
мальное решение связано с двумя различными угловыми точками, причем
в обеих точках оптимальное решение будет одинаковым. В этом случае гово
рят, что задача имеет альт ернат ивны й оптимум. Объясните, какие условия
46 Глава 2. Введение в линейное программирование
привели к такой ситуации, и покажите, что на самом деле задача имеет бес
конечное множество альтернативных оптимумов. Затем напишите формулу
для определения всех таких решений.
4. Рассмотрим следующую модель ЛП:
максимизировать z = 5 х г + 4 х 2
при выполнении условий
бх, + 4 х 2< 24,
6 х г + Зх2< 22,5,
х г + х г < 5,
х, + 2 х 2 < 6,
- х, + х 2< 1,
х 2< 2 ,
х„ х 2> 0.
В ЛП ограничение называется избыточным, если его удаление из модели не
изменяет пространство допустимых событий. Используя систему TORA, оп
ределите, какие ограничения избыточны. Затем покажите, что их удаление
не повлияет на пространство решений и оптимум.
5. Используя систему TORA, покажите, что если в модели Reddy Mikks удалить ог
раничения на ресурсы (первые два ограничения), то пространство решений будет
неограниченным. Что в этом случае можно сказать об оптимальном решении?
Предположим, что в модель Reddy Mikks добавлено еще одно ограничение: х2> 3.
6. Используя систему TORA, покажите, что полученная модель содержит про
тиворечивые ограничения, которые одновременно не могут быть удовлетво
рены. Поэтому модель не имеет допустимых решений.
вает, что это может привести к изменению оптимального решения: оно будет достигать
ся в другой угловой точке пространства решений. Вместе с тем, очевидно, существуют
интервалы изменения коэффициентов Cj и с2, при которых текущее оптимальное реше
ние сохраняется. Задача анализа чувствительности и состоит в получении такой ин
формации. В частности, представляет интерес определение интервала оптимальности
для отношения сг/с 2 (или, что то же самое, для C2/Cj); если значение отношения с1/с 2
не выходит за пределы этого интервала, то оптимальное решение в данной модели со
храняется неизменным. Следующий пример показывает, как можно получить необ
ходимый результат с помощью анализа графического представления модели ЛП.
Пример 2.3.1
Применим процедуру анализа чувствительности к задаче п рим ера2.2.1 (модель
для компании Reddy Mikks). На рис. 2.5 видно, что функция z= 5х2 + 4х2 достигает
максимального значения в угловой точке С. При изменении коэффициентов целе
вой функции г = с,х, + Cj*., точка С останется точкой оптимального решения до тех
пор, пока угол наклона прямой z будет леж ать между углами наклона двух пря
мых, пересечением которых является точка С. Этими прямыми являю тся
6л, + 4хг = 24 (ограничение на сырье M l) и хг + 2хг = 6 (ограничение на сырье М2).
Алгебраически это можно записать следующим образом:
или
с, *0.
2 с, 4
В первой системе неравенств условие Ф0 означает, что прямая, соответствующая
целевой функции, не может быть горизонтальной. Аналогичное условие в следую
щей системе неравенств означает, что эта же прямая не может быть вертикальной.
Из рис. 2.5 видно, что интервал оптимальности данной задачи (он определяется
двумя прямыми, пересекающимися в точке С) не разрешает целевой функции быть
ни горизонтальной, ни вертикальной прямой. Таким образом, мы получили две
системы неравенств, определяющих интервал оптимальности в нашем примере.
(Если с , и с2 могут принимать нулевые значения, интервал оптимальности для от
ношения c j c 2 (или c2/c t) необходимо разбить на два множества, где знаменатели не
обращались бы в нуль. Эта ситуация представлена в упражнении 2.3.1.1.)
Итак, если коэффициенты с, и сг удовлетворяют приведенным выше неравенст
вам, оптимальное решение будет достигаться в точке С. Отметим, если прям ая z =
cjjc, + Cj*., совпадет с прямой хг + 2jcz = 6, то оптимальным решением будет любая
точка отрезка CD. Аналогично, если п рям ая, соответствующая целевой функции,
совпадет с прямой 6л, + 4х2 = 24, то лю бая точка отрезка ВС будет оптимальным
решением. Однако заметим, что в обоих случаях точка С остается точкой опти
мального реш ения.
Приведенные выше неравенства можно использовать при определении интервала
оптимальности для какого-либо одного коэффициента целевой функции, если
предположить, что другой коэффициент остается неизменным. Например, если
48 Глава 2. Введение в линейное программирование
УПРАЖНЕНИЯ 2.3.1
1. Определите графически интервал оптимальности для отношения с ,/с2 в сле
дующих задачах; отдельно рассмотрите случаи, когда коэффициенты сг и с2
могут обращаться в нуль.
a) Максимизировать z = 2хг + Зх2 при выполнении условий
Зх, + 2хг < 6,
- х , + х 2< О,
х „ х 2> 0.
b) Максимизировать z = 6xt + Зх2при выполнении условий
Зх, + 2х2< 6,
2.3. Графический анализ чувствительности 49
х, - х 2< О,
х „ х 2> О.
с) Максимизировать z = х, + х 2 при выполнении условий
-х , + х2< О,
Зх, - х 2< 3,
х „ х 2> 0.
2. В задаче “диеты ” из примера 2.2.2:
a) определите интервал оптимальности для отношения стоимости фунта ку-
курузной муки к стоимости фунта соевой муки;
b ) если стоимость фунта кукурузной муки увеличится на 20% , а стоимость
фунта соевой уменьшится на 5% , то будет ли в этом случае оптимальным
ранее найденное решение?
c) если стоимость фунта кукурузной муки останется фиксированной
(30 центов), а стоимость фунта соевой муки возрастет до 1,10 долл., то ос
танется ли оптимальным ранее найденное решение?
3. Магазин В&К продает два вида безалкогольных напитков: колу А1 известно
го производителя и колу В&К собственного производства. Доход от одной
банки колы А1 составляет 5 центов, тогда как доход от одной банки собст
венной колы — 7 центов. В среднем магазин за день продает не более 500 ба
нок обоих напитков. Несмотря на то что А1 — известная торговая марка, по
купатели предпочитают колу В&К, поскольку она значительно дешевле.
Подсчитано, что объемы продаж колы В&К и А1 (в натуральном исчислении)
должны соотноситься не менее 2:1. Кроме того, известно, что магазин прода
ет не менее 100 банок колы А1 в день.
a) Сколько банок каждого напитка должен иметь магазин в начале рабочего
дня для максимизации дохода?
b ) Определите соотношение доходов от напитков А1 и В&К, при котором со
храняется оптимальное решение, найденное на предыдущем этапе.
4. Мебельная фабрика для сборки столов и стульев привлекает к работе на
10 дней четырех столяров. Каждый столяр тратит 2 часа на сборку стола и 30 ми
нут — на сборку стула. Покупатели обычно приобретают вместе со столом от
четырех до шести стульев. Доход от одного стола составляет 135 долл.
и 50 долл. — от одного стула. На фабрике установлен 8-часовой рабочий день.
a) Определите графически структуру производства (на 10 рабочих дней), ко
торая максимизировала бы суммарный доход.
b ) Определите для найденного решения интервал оптимальности для отно
шения доходов на единицу продукции.
c) Изменится ли найденное выше оптимальное решение, если доходность из
готовления столов и стульев уменьшится на 10% ?
d) Изменится ли найденное выше оптимальное решение, если доходность из
готовления столов и стульев составит соответственно 120 и 25 долл. на
единицу продукции?
5. Банк Elkins в течение нескольких месяцев планирует вложить до
200 000 долл. в кредитование частных лиц (клиентов) и покупок автомоби
лей. Банковские комиссионные составляют 14% при кредитовании частных
50 Глава 2. Введение в линейное программирование
лиц и 12% при кредитовании покупок автомобилей. Оба типа кредитов воз
вращаются в конце годичного периода кредитования. Известно, что около
3% клиентских и 2% автомобильных кредитов никогда не возвращаются.
В этом банке объемы кредитов на покупку автомобилей обычно более чем
в два раза превышают объемы других кредитов для частных лиц.
a) Найдите оптимальное размещение средств по двум описанным видам кре
дитования и определите коэффициент возврата по всем кредитам.
b ) Определите интервал оптимальности для отношения процентных ставок
по двум видам кредитов для найденного на предыдущем шаге оптималь
ного решения.
c) Предположим, что невозврат кредитов составит 4 и 3 % для кредитов ч а
стных лиц и кредитов на покупку автомобилей соответственно. Изменит
ся ли при этом оптимальное решение, полученное выше?
6. Завод Electra производит два типа электрических двигателей, каждый на от
дельной сборочной линии. Производительность этих линий составляет 600
и 750 двигателей в день. Двигатель первого типа использует 10 единиц некоего
комплектующего, а двигатель второго типа — 8 единиц этого же компонента.
Поставщик может обеспечить на день 8000 единиц этих деталей. Доходность
изготовления двигателя первого типа составляет 60, второго — 40 долл.
a) Определите оптимальную структуру ежедневного производства двигателей.
b ) Найдите интервал оптимальности для отношения доходности двигателей.
7. Консервный завод Рореуе перерабатывает за смену 60 000 фунтов спелых по
мидоров (7 пенсов за фунт) в томатный сок и пасту. Готовая продукция паке
тируется в упаковки по 24 банки. Производство одной банки сока требует од
ного фунта спелых помидоров, а одной банки пасты — трети фунта.
Заводской склад может принять за смену только 2 000 упаковок сока и 6 000 упа
ковок пасты. Оптовая цена одной упаковки томатного сока составляет
18 долл., одной упаковки томатной пасты — 9 долл.
a) Определите оптимальную структуру производства консервного завода.
b ) Найдите отношение оптовых цен на продукцию завода, при котором заво
ду будет выгоднее производить больше томатной пасты, чем сока.
8. Мебельная фабрика собирает из готовых комплектующих два вида кухонных
шкафов: обычные и дорогие. Обычный шкаф покрывается белой краской, а до
рогой — лаком. Покраска и покрытие лаком производятся на одном производ
ственном покрасочном участке. Сборочная линия фабрики ежедневно может
собирать не более 200 обычных шкафов и 150 дорогих. Лакирование одного до
рогого ш кафа требует вдвое больше времени, чем покраска одного простого.
Если покрасочный участок занят только лакированием дорогих шкафов, то за
день здесь можно подготовить 180 таких шкафов. Ф абрика оценивает доход
от обычных и дорогих кухонных шкафов в 100 и 140 долл. соответственно.
a) Сформулируйте задачу линейного программирования и составьте опти
мальное ежедневное расписание работы покрасочного участка.
b) Предположим, что в результате конкуренции доход от производства одно
го обычного ш кафа снизился до 80 долл., а дорогого— до 110 долл. Ис
пользуя анализ чувствительности, определите, будет ли в этой ситуации
решение, полученное на предыдущем этапе, оптимальным.
2.3. Графический анализ чувствительности 51
Пример 2.3.2
В модели для компании Reddy Mikks (пример 2.2.1) первые два неравенства пред
ставляют собой ограничения на использование сы рья M l и М2 соответственно.
Напомним, что в данной задаче оптимальное решение достигается в угловой точ
ке С, являю щ ейся точкой пересечения прямы х, соответствующих ограничениям
на сырье M l и М2 (рис. 2.6). При изменении уровня доступности материала M l
(увеличение или уменьш ение текущего уровня, равного 24 т) точка С оптималь
ного реш ения “ плы вет” вдоль отрезка DG. Любое изменение уровня доступности
материала M l, приводящ ее к выходу точки пересечения С из этого отрезка, ведет
к неосуществимости оптимального реш ения в точке С. Поэтому можно сказать,
что конечные точки D = (2, 2) и G = (6, 0) отрезка DG определяют инт ервал осу
ществимости для ресурса M l. Количество сырья M l, соответствующего точке
D = (2, 2), равно 6хг + 4х2 = 6 х 2 + 4 х 2 = 20 т. Аналогично количество сырья, со
ответствующего точке G = (6, 0), равно 6 x 6 + 4 x 0 = 3 6 т. Таким образом, ин
тервал осущ ествимости д л я ресурса M l составляет 20 <Mt < 36 (здесь через M l
Пример 2.3.3
На рис. 2.6 видно, что при изменении количества сырья M l от 20 до 36 тонн
(интервал осуществимости ресурса M l) значения целевой функции г будут соответ
ствовать положению точки С на отрезке DG. Обозначив через ух стоимость единицы
ресурса M l, получим следующую формулу.
изменение значения z при перемещении т. С от D до G
Уі =
изменение количества М[ при перемещении т. С от D до G
Если точка С совпадает с точкой D = (2, 2), то г = 5 х 2 + 4 х 2 = 18 (тыс. долл.), если
же точка С совпадает с точкой G = (6, 0), тогда г = 5 х 6 + 4 х 0 = 30 (тыс. долл.). От
сюда следует, что
30 — 18 3
j, = ——— = — (тыс. долл. на тонну материала M l).
УПРАЖНЕНИЯ 2.3.2
1. Ф абрика W ild W est производит два типа ковбойских ш ляп. Производство
ш ляпы первого типа требует в два раза больше временных ресурсов, чем из
готовление ш ляпы второго типа. Если фабрика будет производить только
ш ляпы второго ти па, то в день она сможет изготовить 400 так и х ш ляп.
Ры нок налагает ограничения на производство ш ляп: не более 150 ш ляп пер
вого и 200 ш ляп второго типа. Доход от производства ш ляп составляет
8 долл. на единицу первого типа и 5 долл. — второго типа.
a) Примените графический метод для определения ежедневного оптималь
ного производства ш ляп обоих типов.
b) Определите стоимость увеличения производства на одну ш ляпу второго
типа и интервал значений числа ежедневного производства этих шляп,
для которого данная стоимость была бы применима.
c) Используя стоимость единицы ресурса, определите, на сколько изменится
максимальный доход фабрики, если ежедневное производство шляп пер
вого типа не будет превышать 120 единиц.
d) Чему равна стоимость увеличения предельного спроса на одну ш ляпу вто
рого типа?
2. Компания производит два вида продукции, А и В. Объем продаж продукта А
составляет не менее 80% от общего объема продаж продуктов А и В. Вместе
с тем, компания не может производить более 100 единиц продукта А в день.
Д ля производства этих продуктов используется одно и то же сырье, поступ
ление которого ограничено 240 фунтами в день. На изготовление единицы
продукта А расходуется 2 фунта сырья, а единицы продукта В — 4 фунта.
Цена одной единицы продуктов А и В составляет 20 и 50 долл. соответственно.
a) Найдите оптимальную структуру производства этой компании.
b) Определите стоимость единицы сырья и интервал изменения потребляе
мого сырья, при котором справедлива данная стоимость.
c) С помощью графического анализа чувствительности определите, как из
менится значение целевой функции при изменении максимального уров
ня производства продукта А на ±10 единиц.
3. Компания на производство двух продуктов в день тратит 10 часов. Производ
ство каждого продукта состоит из последовательного выполнения трех процес
сов. Данные по этим продуктам и процессам приведены в следующей таблице.
1 6 4
2 5 5
3 4 6
Пример 2.4.1
На рис. 2.9 показана выходная распечатка решения задачи ЛП для компании Reddy
Mikks (пример 2.2.1), выполненная программой TORA. На примере этой неодно
кратно исследованной задачи проиллюстрируем решение, полученное с помощью
программы TORA.
Выходные результаты программы разбиты на два основных раздела: числовые ре
зультаты решения задачи и данные анализа чувствительности (раздел Sensitivity
Analysis). В первом разделе представлены оптимальные значения переменных
(первая таблица) и значение целевой функции (Objective value). В рассматриваемом
примере оптимальное значение переменной х1(количество выпускаемой краски для
наружных работ) равно 3 т, а переменной х2 (количество выпускаемой краски для
внутренних работ) — 1,5 т. Соответственно, доход составляет 21 ООО долл.
В следующей таблице данного раздела представлены ограничения (Constraint).
В этой таблице показаны значения дополнительных переменных, остаточных (Slack-),
избыточных (Surplus-І-) и значения правых частей неравенств (столбец RHS4).
Из таблицы видно, что значения дополнительных переменных для первых двух не
равенств равны нулю. Это означает, что сырье M l и М2 потребляется полностью,
без остатка. В третьем и четвертом ограничениях значения дополнительных пере
менных отличны от нуля, т.е. неравенства этих ограничений выполняются строго.
В верхней части раздела Sensitivity Analysis в двух таблицах показаны результаты
анализа чувствительности при изменении по отдельности коэффициентов целевой
4RHS — сокращение от Right Hand Side, т.е. “правая сторона”. — Прим. перев.
58 Глава 2. Введение в линейное программирование
Отметим, что вы должны ввести формулу только в ячейку D5, а затем ее надо
скопировать в ячейки D6:D9. Чтобы правильно скопировать формулы, в формуле
ячейки D5 надо ссылки на ячейки В13 и С13 (содержащих значения х 1и х 2) сделать
абсолютными в виде $В $13 и $С $13. Д ля больших табличных моделей в ячейку
D5 можно ввести формулу
= СУММПРОИЗВ(В5:С5;$В$13:$С$13)
и затем скопировать ее в ячейки D6:D9.
После ввода исходных данных и расчетных формул табличная модель готова
для использования средства Поиск решения. В меню Сервис выберите команду
Поиск решения. Откроется одноименное диалоговое окно, показанное на рис. 2.10.
В этом окне надо ввести адрес ячейки, в которой вычисляется значение целевой
функции, указать, надо ли минимизировать или максимизировать целевую функ
цию, и ввести адреса ячеек, содержащих значения переменных. В нашей модели:
в поле ввода Установить целевую ячейку вводится D5;
устанавливается переключатель Равной максимальному значению;
в поле ввода Изменяя ячейки вводится $В$13:$С$13.
Эта информация указывает средству Поиск решения, что переменные находятся
в ячейках В ІЗ и С13, и надо найти максимум целевой функции, значение которой
вычисляется в ячейке D5.
Далее надо задать ограничения модели, щ елкнув на кнопке Добавить в диало
говом окне Поиск решения. Отрывшееся диалоговое окно Добавление
ограничения предоставляет средства для ввода всех частей ограничений (левой
части, знака неравенства и значения правой части). Используя это окно, вводим
ограничения модели в таком виде.
$D$6:$D$9<=$F$6:$F$9
62 Глава 2. Введение в линейное программирование
построения этих пакетов заключается в том, чтобы иметь готовую пустую алгеб
раическую модель ЛП и затем на основе предоставляемых данных сформировать
конкретную модель. Эти данные могут быть встроены в модель либо могут считы
ваться из внешних файлов и из файлов электронных таблиц. Это делает модель ис
ключительно гибкой, позволяя настраивать ее под те или иные данные.
В этом разделе кратко опишем два популярных пакета решения задач оптими
зации: LINGO и AMPL. Это описание по понятным причинам не будет очень под
робным и всесторонним, но, вместе с тем, даст общее представление о том, как ра
ботают эти пакеты. Оба этих пакета имеют специальные обучающие версии,
которые можно загрузить с W eb-узлов www. 1 i n g o . com и www. a m p l. com.
М оделирование в LINGO. На рис. 2.12 показан листинг модели Reddy Mikks,
созданный в LINGO (файл ch2LingoReddyM ikks.lng). В этом листинге служебные
слова LINGO записаны прописными буквами и выделены полужирным начертани
ем (на самом деле язы к LINGO не чувствителен к регистру символов), остальные
элементы листинга записаны пользователем.
В листингах LINGO строки, начинающиеся с восклицательного знака, являю тся
комментариями и игнорируются процессором LINGO. Все стандартные операторы,
включая комментарии, должны заканчиваться точкой с запятой. Служебные слова
MODEL, SETS и DATA должны заканчиваться двоеточием, однако служебные
слова END, ENDSETS и ENDDATA (закрывающие операторные скобки) не требуют
в конце каких-либо знаков препинания.
В модели на рис. 2.12 входные данные содержатся внутри модели, что не удоб
но, если необходимо найти решение одной и той же модели для разных исходных
данных. Ниже мы покажем, как можно выйти из этой ситуации путем сохранения
данных в отдельных внешних файлах.
Оператор TITLE предваряет название модели. В операторных скобках SETS:
ENDSETS пользователем вводятся имена основных компонентов модели ЛП — ог
64 Глава 2. Введение в линейное программирование
2.4. Компьютерное решение задач ЛП 65
Этот оператор можно вставить в любое место листинга после оператора ENDSETS,
даже в оператор цикла.
Стандартный выходной результат работы программы LINGO представлен на
рис. 2.13. Оптимальное решение записано как Х(Х1) = 3 и Х(Х2) = 1.5 со значением
целевой функции 21. В нижней части выходного отчета выводится список значе
ний дополнительных переменных для каждого ограничения (строки 2 - 5) вместе
с соответствующими двойственными ценами (столбец Dual Prices). В строке 1 при
ведено значение целевой функции. Остальные значения в выходном отчете повто
ряют входные данные модели.
Выходной отчет программы LINGO можно настраивать, выводя только необхо
димые данные. Отметим, что в этот отчет не включаются автоматически результа
ты анализа чувствительности оптимального решения. Вместе с тем LINGO предос
тавляет возможности проведения такого анализа и вывода его результатов.
Мощность и гибкость таких программ, как LINGO, заключается в том, что
входные данные модели не обязательно должны быть включены непосредственно
в модель, как это сделано в листинге на рис. 2.12. Входные данные могут находить
ся во внешних файлах. На рис. 2.14 показан листинг модели Reddy Mikks, где с по
мощью оператора @FILE присоединяются два внешних файла. Содержимое этих
файлов показано на рис. 2.15. Таким образом, заменяя эти файлы другими, можно
просчитывать модель для разных входных данных.
Моделирование в AMPL. Используем ту же модель Reddy Mikks для описания
работы программы AMPL. На рис. 2.16 показан листинг этой модели, созданный
в AMPL (файл ch2AmplReddyM ikks.mod). К ак и в примере LINGO, служебные сло
ва AMPL здесь выделены полужирным шрифтом.
Первым в листинге стоит оператор set, определяющий ограничения и перемен
ные модели с помощью задаваемых пользователем имен Constr и Var (мы сохранили
здесь имена из модели LINGO для того, чтобы можно было сравнить модели
66 Глава 2. Введение в линейное программирование
Далее оператор var задает имя X (имя определяется пользователем) для пере
менных множества Var. В отличие от программы LINGO, где все переменные по
умолчанию предполагаются неотрицательными, в AMPL все переменные изна
чально предполагаются свободными. В модели Reddy M ikks переменные ограничи
ваются условием неотрицательности, поэтому добавляется выражение X{Var}>=0.
После задания имен переменных пользователь определяет имена целевой функ
ции (Total в данном случае) и ограничений — Restrictions. Эти имена используются
в выходном отчете программы.
В последнем разделе листинга задаются входные данные модели. Отметим, что
данные от имен данных в операторах set и param отделяются символами :=.
В моделях AMPL, к ак и в моделях LINGO, входные данные не обязательно
должны включаться в саму модель. В LINGO для присоединения внешних файлов
68 Глава 2. Введение в линейное программирование
сданны м и использовался оператор @ FILE (см. рис. 2.14). В AMPL ситуация не
сколько иная, поскольку эта программа выполняется в среде DOS (а не Windows).
Одпако и эта программа позволяет сохранять данные, вклю чая спецификацию
модели, во внешних файлах, а затем во время исполнения извлекать эти данные.
Например, чтобы найти решение модели Reddy Mikks, в среде программы AMPL
надо выполнить следующие команды:
a m p l: m odel c h 2 A m p lR e d d y M ik k s . m od;
a m p l: s o lv e ;
Здесь в файле ch2AmplReddyM ikks.mod содержится вся спецификация модели,
представленная в листинге на рис. 2.16, включая исходные числовые данные. Если
числовых данных в этой спецификации пет (т.е. в листинге па рис. 2.16 отсутствует
раздел data), но они содержатся в отдельном файле ch2A mplReddyM ikks.dat, следу
ет использовать такие команды,
a m p l: m odel c h 2 A m p lR e d d y M ik k s . m od;
a m p l: d a ta c h 2 A m p lR e d d y M ik k s .d a t;
a m p l: s o lv e ;
Вывод на экран результатов расчета (как и входных данных) обеспечивает ко
манда display. Для примера рассмотрим следующие команды (они должны выпол
няться после команды solve).
am p l: d is p la y T o ta l;
am p l: d is p la y X, rc;
am p l: d is p la y R e s tric tio n s ;
am p l: d is p la y Aij, Rhs;
УПРАЖНЕНИЯ 2.4
1. На рис. 2.17 показаны выходные результаты, полученные с помощью про
граммы TORA для задачи “ диеты ” из примера 2.2.2.
a) Интерпретируйте двойственную цену первого ограничения.
b ) Найдите новое оптимальное решение, если необходимо ежедневно произ
водить не мепее 900 фунтов пищевой добавки.
c) Если стоимость кукурузной изменится до 0,40 долл. за один фунт при не
изменной цене соевой муки, то будет ли текущее решение оптимальным?
2. Задача ЛП из упражнения 2.3.1.7 формулируется следующим образом.
М аксимизировать г = 18jCj + 9 х2
при выполнении условий
24x1 + 8x2< 60 000,
х х < 2000, х 2< 6000,
•"Sensitivity Analysis*"
Variable Current Obj Coeff Min Obj Coeff Max Obj Coeff Reduced Cost
влекательны кредиты физическим лицам и не только из-за того, что коэффициент при
переменной х, в целевой функции минимальный (равен 0,026), но и потому, что приве
денная стоимость таких кредитов превышает (равна 0,0604) все остальные. Приведен
ная стоимость показывает, что “ рентабельность” этой переменной должна возрасти до
0,0604, чтобы кредиты для физических лиц стали привлекательными для инвестиций.
LINEAR PROGRAMMING OUTPUT SUMMARY
Title; Bank Loan Model, Example 2.5-1
Final Iteration No.: 7
Objective Value = 1
“ "Sensitivity Analysis***
Variable Current Obj Coeff Min Obj Coeff Max Obj Coeff Reduced Cost
двойственная цена первого ограничения. Отсюда можно заключить, что любые но
вые вложения следует размещать в виде кредитов на покупку ж илья.
Второе ограничение данной задачи указывает нижнюю границу суммы сельскохозяй
ственных и коммерческих кредитов. Отрицательная двойственная цена (-0,0084) пока
зывает, что увеличение этой границы приведет к уменьшению чистой прибыли банка.
Другими словами, экономически не выгодно устанавливать нижнюю границу для
суммы сельскохозяйственных и коммерческих кредитов. Это еще раз подтверждает,
как было видно при рассмотрении первого ограничения, что любые дополнительные
вложения следует помещать в кредиты на покупку жилья, а не в сельскохозяйствен
ные и коммерческие кредиты. Если мы вообще удалим это ограничение, все инвести
ции переместятся в кредиты на покупку жилья. Проверьте это утверждение, удалив
второе ограничение и решив новую задачу с помощью программы TORA (для этого дос
таточно использовать опцию MODIFY (Изменить) при решении текущей задачи).
необходимо собрать не менее 100 ОООдолл., чтобы этот проект был экономически
осуществимым. Кроме того, известно, что даже в пиковый период водопроводная
сеть не сможет поставить больше 200 ООО галлонов воды в день. В следующей таб
лице приведена стоимость подключения к водопроводной сети одного домика
и указана ежедневная потребность в воде одной средней семьи.
мой земли) равна 4987,53 долл.; это говорит о том, что увеличение общей площади на
один акр должно принести 4987,53 долл. чистой прибыли. Эту информацию можно ис
пользовать для определения цены при покупке дополнительного земельного участка.
Variable Current Obj Coeff Min Obj Coeff Max Obj Coeff Reduced Cost
•--------------- ч
*2
• ------------------------------- ч
*3
• ------------------------------- ч
*4
• ------------------------------- н
х5
• ------------------
*6
‘ "Sensitivity Analysis***
Variable Current Obj Coeff Min Obj Coeff Max Obj Coeff Reduced Cost
Позиции заказа Требуемая ширина рулона (футы) Требуемое количество рулонов (шт.)
1 5 150
2 7 200
3 9 300
Вариант 1 Вариант 2
Вариант 3
Рис. 2.23. Варианты разрезки стандартных рулонов (размеры да
ны в футах )
Если число рулонов шириной 5, 7 или 9 футов, которые были получены в результате
применения какой-либо комбинации вариантов разрезки, превышает количество,
необходимое для выполнения заказа, то разность между ними также следует отнести
к потерям. В первой комбинации при использовании варианта 1 получено 300 -
- 200 = 100 лишних рулонов шириной 7 футов; применение варианта 2 добавляет еще
75 лишних рулонов такой же ширины. Таким образом, дополнительные потери со
ставляют 1 7 5 x (7 x L ) = 1225L куб. футов. Комбинация 2 не производит лиш них
рулонов шириной 7 и 9 футов, но применение варианта 3 приводит к появлению
200 - 150 = 50 лишних рулонов шириной 5 футов, что составляет 50 х (5 х L) = 250L куб.
футов дополнительных отходов бумаги. В результате этих выкладок имеем следующее.
Объем отходов от комбинации 1 = 1425L + 1225L = 2650L куб. футов.
Объем отходов от комбинации 2 = 900L + 250L = 1150L куб. футов.
Очевидно, что комбинация 2 лучше, так как имеет меньше отходов.
Для получения оптимального решения данной задачи необходимо определить все до
пустимые варианты разрезки стандартных рулонов и затем получить все возможные
комбинации этих вариантов. Хотя определить все допустимые варианты разрезки не
сложно, перебор всех комбинаций этих вариантов уже является нетривиальной зада
чей. Здесь необходим систематический подход к организации такого перебора. В дан
ном случае это поможет выполнить модель линейного программирования.
М атематическая модель. Мы должны найти комбинацию вариантов разрезки
(переменные), с помощью которой можно было бы вы полнит ь заказ (ограничения)
с минимальными отходами бумаги (целевая функция).
Переменные надо определить таким образом, чтобы их значения можно было ин
терпретировать в способ разрезки стандартных рулонов бумаги. Поэтому опреде
лим переменные как количество ст андарт ны х рулонов, разрезанны х с помощью
конкретных вариантов. Это определение требует описать все возможные вариан
ты разрезки. Три варианта показаны на рис. 2.23, остальные приведены в следую
щей таблице. Убедитесь, что не пропущены еще какие-нибудь варианты разрезки,
при этом помните, что в допустимом варианте разрезки ширина остатка стандарт
ного рулона должна быть меньше 5 футов.
82 Глава 2. Введение в линейное программирование
5 0 2 2 4 1 0 150
7 1 1 0 0 2 0 200
9 1 0 1 0 0 2 300
Остаток (футы) 4 3 1 0 1 2
•‘ ‘ Sensitivity Analysis***
Variable Current Obj Coeff Min Obj Coeff Max Obj Coeff Reduced Cost
Рис. 2.24. Выходной отчет программы TORA для задачи разрезания рулонов бумаги
УПРАЖНЕНИЯ 2.5
1. Вернитесь к задаче из примера 2.5.1 (модель банковских инвестиций) и ее
решению, приведенному на рис. 2.19.
а) Рассмотрим таблицу, в которой приведены результаты анализа чувстви
тельности правых частей неравенств ограничений. Объясните, почему
84 Глава 2. Введение в линейное программирование
Рассмотрим подробнее эту таблицу. Например, для проекта 1 вложение 1,00 долл.
в начале первого года принесет 0,50 долл. в начале второго года, 0,30 долл. —
вначале третьего года, 1,80 долл. — в начале четвертого и 1 ,2 0 долл. — в на
чале пятого. Д ля остальных проектов данные интерпретируются таким же об
разом. Значение 0,00 показывает, что поступления денег в этом году нет. Инве
стор также может положить деньги в банк под 6,5% годовых. Деньги,
полученные по итогам года, можно реинвестировать в последующие годы.
a) Сформулируйте задачу линейного программирования и найдите решение,
оптимизирующее размещение инвестиций.
b) Используя двойственные цены, определите доходность инвестиций.
c) Если в конце первого года вы планируете истратить 1000 долл. на удо
вольствия, то как это отразится на сумме, получаемой в начале пятого года?
10. Производственная компания Toolco заключила контракт с сетью магазинов авто
товаров AutoMate на поставку 1500 гаечных ключей и 1200 специальных отвер
ток еженедельно. Работая в одну смену, компания Toolco не может выполнить
этот контракт, поэтому вынуждена ввести сверхурочные и воспользоваться ус
лугами субподрядчиков, в результате чего возрастает себестоимость ее инстру
ментов, как показано в следующей таблице. Отметим также, что рыночная це
на гаечных ключей более чем в два раза выше рыночной цены отверток.
1 10 2 3 4 2 500
2 5 3 2 1 2 380
Год 1 2 3 4 5 6 7 8 9 10
Сумма (долл.) 2000 2000 2500 2500 3000 3500 3500 4000 4000 5000
1 50 5 3 2 2 1
2 30 8 4 3 3 2
3 20 10 5 5 4 2
Ежедневное число пассажиров 1000 2000 900 1200
Глава 2. Введение в линейное программирование
1 1000 20 10 30 30 10 30
2 2000 10 20 30 30 10 40
3 3000 5 5 70 20 0 50
1 2 3 4
1 -3 4 -7 15
2 5 -3 9 4
3 3 -9 10 —8
Игрок имеет 500 долл., которые он может поставить только один раз. Шансы
какого-либо исхода игры неизвестны. В условиях этой неопределенности
найдите стратегию, которая максимизировала бы м инимальны й возврат сде
ланной ставки при всех возможных исходах игры.
a) Как игрок должен разложить 500 долл. по четырем полям? (П одсказка.
Чистая прибыль игрока может быть положительной, нулевой или отри
цательной.)
b) Ваш совет игроку о том, как сделать ставки, если появится дополнитель
ная сумма.
ЛИТЕРАТУРА
1. B azaraaM ., Ja rv is J ., Sherall M. Linear Program m ing and N etw ork Flows, 2nd ed.,
W iley, New York, 1990.
2. Schrage L. LINDO: A n O ptim ization M odeling System , T ext and Softw are, 4th ed.,
Boyd and F raser, Danvers, Mass, 1991.
3. W illiam H. Model B uilding in M athem atical Programming, 3rd ed., W iley, New
York, 1990.
КОМПЛЕКСНЫЕ ЗАДАЧИ
2.1. 8 Компания Hi-C по переработке апельсинов производит три продукта: кон
центрат, обычный сок и джем, которые расфасовываются в 5-галонные бан
ки. Д ля джема используются апельсины только первого сорта, а для других
8 Материал для этой задачи взят из статьи “Red Brand Canners”, Stanford Business Cases,
1965, Graduate School of Business, Stanford University (Высшая школа бизнеса Стэнфордско-
го университета).
Глава 2. Введение в линейное программирование
1 800 90 108
2 1200 130 145
3 1650 180 194
Потребность в заготовках
Первый прокатный стан Второй прокатный стан
9 Взято из S. Jain, К. Stott, Е. Vasold. “Orderbook Balancing Using a Combination of Linear Pro
gramming and H euristic Techniques”, Interfaces, Vol. 9, No. 1, November 1978, pp. 5 5 -6 7 .
94 Глава 2. Введение в линейное программирование
СИМПЛЕКС-МЕТОД
Графический способ решения задачи ЛП из главы 2 показывает, что оптималь
ное решение этой задачи всегда ассоциируется с угловой точкой пространства ре
шений (в математике она такж е называется крайней точкой множества). Это явл я
ется ключевой идеей при разработке общего алгебраического симплекс-метода для
решения любой задачи линейного программирования.
Переход от геометрического способа решения задачи ЛП к симплекс-методу лежит
через алгебраическое описание крайних точек пространства решений. Для реализации
этого перехода сначала надо привести задачу ЛП к стандартной форме, преобразовав
неравенства ограничений в равенства путем введения дополнительных переменных.
Основное свойство симплекс-метода заклю чается в том, что решение задачи ЛП
осуществляется итерационно. На каждой итерации алгоритм переходит к новой
угловой точке, которая потенциально может улучшить значение целевой функции.
Этот процесс перехода от одной угловой точки к следующей заканчивается, когда
дальнейшее улучшение значений целевой функции невозможно.
Процесс реализации симплекс-метода включает большое количество однотип
ных громоздких и утомительных вычислений. Это делает компьютер незаменимым
инструментом для решения задач линейного программирования, поскольку вы
числительный алгоритм симплекс-метода позволяет сравнительно легко автомати
зировать вычислнения.
' Отметим, что в русской язычной математической литературе для этих типов переменных не ис
пользуются какие-либо специальные названия — они известны просто как дополнительные пере
менные (хотя иногда их также называют балансными). В неравенствах они различаются тем, что пе
ред остаточной переменной всегда стоит знак “ плюс” , а перед избыточной — “минус” . — Прим. ред.
96 Глава 3. Симплекс-метод
УПРАЖНЕНИЯ 3.1.1
1. В модели компании Reddy Mikks (пример 2.2.1) рассмотрите допустимое ре
шение х х = 3 т и х 2= 1 т. Для этого решения найдите недоиспользование сы
рья M l и М2.
2. В модели “ диеты” (пример 2.2.2) определите превышение над минимальным
допустимым объемом производства пищевой добавки, на которую расходует
ся 500 фунтов кукурузной муки и 600 фунтов — соевой.
3. Дано неравенство 10х, - Зх2> -5 . Покажите, что в результате преобразова
ния, когда сначала обе части неравенства умножаются на -1 , а затем нера
венство преобразуется в равенство, получется такое же равенство, что и в ре
зультате преобразования, когда сначала исходное неравенство преобразуется
в равенство, а затем умножается на -1 .
4. Два изделия, Р1 и Р2, можно произвести на двух различных станках Ml
и М2. Время изготовления любого изделия на любом станке одинаково. Про
изводительность станка M l составляет 200 изделий за смену, а производи
тельность станка М2 — 250 изделий. Мастер планирует сбалансировать ра
бочее время таким образом, чтобы общее количество изделий,
произведенных на одном станке, не превышало более чем на 5 единиц общее
количество изделий, изготовленных на другом станке. Доход от одного изде
лия Р1 составляет 10, а от второго— 15 долл. Запишите эту задачу в стан
дартной форме линейного программирования.
3.1. Стандартная форма задачи ЛП 97
/ = 1, 2,..., m,
Пример 3.1.1
Ресторан быстрого обслуживания McBurger торгует порционными мясными пиро
гами и чизбургерами. На порцию мясного пирога идет четверть фунта мяса, а на
чизбургер — только 0,2 фунта. В начале рабочего дня в ресторане имеется 200 фун
тов мяса, можно еще прикупить мясо в течение дня, но уже с наценкой в 25 центов.
Мясо, оставшееся в конце рабочего дня, жертвуется благотворительной организа
ции. Ресторан получает доход 20 центов от одной порции мясного пирога и 15 цен
тов — от одного чизбургера. К ак и многие другие, этот ресторан не может продать
в день более 900 бутербродов. Какова должна быть доля каждого блюда (т.е. сколь
ко порций мясного пирога и сколько чизбургеров) в ежедневном производстве рес
торана, чтобы максимизировать его доход?
Сначала рассмотрим ограничения. Обозначим через дг, и х2соответственно количество
порций мясного пирога и чизбургеров, производимых рестораном. Для их производ
ства ресторан может либо ограничиться 200 фунтами мяса, либо прикупить еще.
В первом случае получаем ограничение в виде неравенства 0,2 5 * , + 0 ,2 х ,< 2 00, а во
втором— 0,25л-, + 0,2 * 2 > 2 0 0 . Естественно, выбор одного из этих неравенств будет
существенно влиять на возможное оптимальное решение. Так как мы не знаем, какое
из них необходимо, логично заменить их одним равенством 0,25*, +0,2л^ + лг3 = 200,
где*3 — свободная переменная. Фактически свободная переменная лг3 в данной ситуа
ции одновременно играет роли как остаточной, так и избыточной переменной.
Далее построим целевую функцию. Ресторан хочет максимизировать свой доход.
Очевидно, что для максимизации дохода желательно как можно больше продавать
своей продукции, но для этого необходимы дополнительные закупки мяса. В этом
случае переменная лг3 должна быть отрицательной, т.е. должна играть роль избы
точной переменной.
98 Глава 3. Симплекс-метод
УПРАЖНЕНИЯ 3.1.2
1. В некотором машинном центре производятся два изделия, причем на производ
ство одной единицы первого изделия затрачивается 10 минут рабочего времени,
а на единицу второго изделия — 12 минут. Рабочее время машинного центра ог
раничено 2500 минут в день (некоторые операции центр может выполнять па
раллельно); возможно превышение этой величины, но каждая дополнительная
минута работы машинного центра стоит 50 центов. В рабочий день допустимо
производить от 150 до 200 единиц первого изделия, но не более 45 единиц второго.
a) Предполагая, что доход от единицы первого изделия составляет 6,00 долл.,
а второго — 7,50 долл., постройте модель и найдите оптимальное соотно
шение между объемами производства изделий, максимизирующее общий
доход, а такж е дополнительное время работы машинного центра.
b) Если стоимость дополнительного времени работы машинного центра уве
личится до 1,50 долл., будет ли компания использовать это время?
2. Фирма производит три вида изделий, прибыль от которых составляет соот
ветственно 2, 5 и 3 долл. на единицу изделия. Д ля производства этих изделий
фирма располагает 80 рабочими часами ручного труда и 65 часами машинно
го времени. Для производства одной единицы изделия каждого из трех видов
требуется 2, 1 и 2 часа ручного труда и 1, 1 и 2 часов машинного времени со
ответственно. При необходимости фирма может увеличить количество рабо
чих часов ручного труда и количество часов машинного времени, но каждый
дополнительный час ручного труда будет стоить 15, а машинного — 10 долл.
Сформулируйте задачу линейного программирования и найдите ее опти
мальное решение с помощью программы TORA.
3. В задачах ЛП, где есть несколько свободных переменных, преобразование
типа x ^ x j - x " , х*, Xj > 0, удваивает соответствующее число неотрицатель
ных переменных. Но при использовании подстановок x1=x'j -w , x'r w>0
можно k свободных переменных заменить на k + 1 неотрицательных. Ис
пользуя программу TORA, покажите, что эти два метода приводят к одному
и тому же решению следующей задачи ЛП.
Максимизировать z = -2 х , + Зх2 - 2 х г
3.2. Переход от графического решения к алгебраическому 99
при ограничениях
4 х : - х 2- 5*з = 10,
2 х г + Зх2+ 2*з = 12,
х г > 0, х 2, х 3— свободные переменные.
она имеет только одно решение3; если же т < п и система уравнений совместна, то она
имеет бесконечное множество решений. Простая иллюстрация в качестве доказа
тельства: для уравнения х = 2 имеем т = п = 1, а его решение, очевидно, единствен
ное. Д ля уравнения х + у = 1 имеем т = 1 и п = 2, этому уравнению удовлетворяет
бесконечное множество решений (любая точка на прямой х + у = 1 будет решением).
В алгебраическом представлении кандидаты на оптимальное решение (т.е. те же
угловые точки в графическом представлении) определяются из системы линейных
уравнений следующим образом. Пусть т < п (это условие выполняется для боль
шинства задач ЛП), тогда полагаем п - т переменных равными нулю и решаем сис
тему из т уравнений относительно оставшихся т переменных; если решение этой
системы единственно, то оно соответствует угловой точке пространства решений.
Следующий пример иллюстрирует это положение.
Пример 3.2.1
Рассмотрим следующую задачу ЛП с двумя переменными.
М аксимизировать z = 2 х г + Зх 2
при выполнении условий
2 х г + х2 < 4 ,
Xj + 2х,г < 5,
X,, х 2 > 0.
На рис. 3.2 показано пространство решений для этой задачи.
3 Это не совсем верно: совместная система уравнений имеет единственное решение тогда,
когда она невырождена. — Прим. ред.
3.2. Переход от графического решения к алгебраическому 101
К ак видно из примера 3.2.1, при возрастании размера задачи (т.е. при увеличе
нии значений п и т ) процесс перечисления всех угловых точек становится отдель
ной чрезвычайно сложной задачей. Например, при п = 20 и т = 10, когда необхо
димо решить =184756 систем уравнений порядка 10x10, получаем
устрашающую, в вычислительном отношении, задачу. Здесь следует учесть, что за
дачи ЛП размерности 10x20 считаются небольшими — реальные задачи могут
иметь сотни и даже тысячи переменных и ограничений. Однако симплекс-метод
в значительной степени снимает эту проблему, поскольку он рассматривает не все
возможные базисные решения (т.е. угловые точки пространства решений), а только
часть всех допустимых базисных решений.
УПРАЖНЕНИЯ 3.2
1. Проверьте все базисные и небазисные реш ения, приведенные в конце при
мера 3.2.1.
2. Дана следующая задача ЛП.
М аксимизировать г = 2 x t + З х 2
при ограничениях
х х + З х2< 6,
3jCj + 2х2< 6,
x v х 2>0.
a) Запишите задачу в стандартной форме.
b ) Найдите все базисные решения этой задачи и определите, какие из них
допустимые, а какие — нет.
c) Путем непосредственной подстановки решений в целевую функцию опре
делите наилучшее допустимое базисное решение.
d) Подтвердите графическим способом, что решение, полученное в предыдущем
пункте, является оптимальным. Отсюда следует, что оптимальное решение
можно получить путем перебора множества допустимых базисных решений.
e) Определите, чему на рисунке, где представлено пространство решений,
соответствует недопустимое базисное решение.
3.2. Переход от графического решения к алгебраическому 103
УПРАЖНЕНИЯ 3.3.1
1. На рис. 3.4 показана схема изменения базисных и небазисных переменных
в соответствии с путем А —» В —» С в пространстве решений, представленном
на рис. 3.3. Создайте аналогичную схему для пути А —»D —» С.
2. Вернитесь к графическому решению задачи Reddy Mikks, показанному на
рис. 2.2. Разработайте схему изменения базисных и небазисных переменных
(подобную представленной на рис. 3.4), указав на каждой итерации вводи
мые и исключаемые переменные в соответствии со следующими путями.
a) А —>В —>С.
b) А-» F - » Е -> D -» С.
106 Глава 3. Симплекс-метод
1 1
ВВОДИТСЯ Х2 вводится
і і
г >Г
5, исключается 5, исключается Оптимум
Р ис. 3.4. В водим ы е и и склю ча ем ы е перем енны е в сим плекс-м ет оде
Пример 3.3.1
Используем задачу о компании Reddy Mikks (пример 2.2.1) для рассмотрения дета
лей выполнения симплекс-метода. Эта задача в стандартной форме записывается так:
максимизировать z = 5-ї, + 4х2+ Os, + 0s2 + 0s3+ 0s4
при ограничениях
Базис z *1 x2 Si S2 S3 Решение
z 1 -5 -4 0 0 0 0 0 z-строка
Si 0 6 4 1 0 0 0 24 Si-строка
S2 0 1 2 0 1 0 0 6 вг-строка
S3 0 -1 1 0 0 ЙШ 0 1 вз-строка
Si 0 0 1 0 0 0 1 2 вд-строка
108 Глава 3. Симплекс-метод
Si 6 24 Xi = 24/6 = 4 (минимум)
а>
О)
1 6
и
S2
II
*
х2
і
Базис z Xl хг Si s2 S3 S4 Решение
z 1 -5 -4 0 0 0 0 0
<— S1 0 к,. 6 4 1 0 0 0 - 24 Ведущая строка
S2 0 1 2 0 1 0 0 6
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2
Ведущий столбец
J.
Базис z ' x1 Лг Sl S2 S3 S4 Решение
z 1 0 - 2 /3 ; 5/6 0 0 0 20
*1 0 1 . 2/3 і 1/6 0 0 0 4
0 0 4/3 - 1/6 Ш Д B IS IS
<- 5г їв ш и м
S3 0 0 5/3 ■V 1/6 0 1 0 5
S4 0 0 1 0 0 0 1 2
Отметим, что новая таблица обладает теми же свойствами, что и начальная: только
небазисные переменные хг и равны нулю, в столбце “ Реш ение” представлено но
вое базисное решение (х1= 4 , s2 = 2, s3 = 5, s4 = 2) вместе с новым значением целевой
функции z (= 20). Это результат применения метода Гаусса-Ж ордана.
Из последней таблицы видно, что полученное базисное решение не является опти
мальным, поскольку в z-строке переменная хг имеет отрицательный коэффициент.
Как и в начальной таблице, строку z можно интерпретировать как уравнение
3.3. Алгоритм симплекс-метода 111
2 5
z = —-v, — .s, + 20.
3 ' 6 '
Из последнего уравнения следует, что увеличение значения переменной х 2 (ее те
кущее значение равно нулю) приведет к увеличению значения целевой функции.
Таким образом, переменная х, должна стать вводимой в базис.
Далее определим исключаемую переменную. Д ля этого вычислим отношения пра
вых частей равенств, соответствующих ограничениям, к коэффициентам, стоящим
прих, в этих равенствах.
х, 2 /3 4 Х2 = 4/(2/3) =6
& 4 /3 2 х г - 2/(4/3) = 3/2 (минимум)
S3 5 /3 5 *2 = 5/(5/3) =3
s4 1 2 *2 = 2/1 = 2
2
2. Новая строка z-строка = текущ ая г-строка - ( - —) х новая ведущая строка.
Базис z *1 Хг Si S2 S3 S4 Решение
z 1 0 0 3/4 1/2 0 0 21
*1 0 1 0 1/4 - 1/2 0 0 3
S3 0 0 0 3/8 -5 /4 1 0 5/2
s4 0 0 0 1/8 -3 /4 0 1 1/2
Переменные Оптимальные
Интерпретация
задачи значения
УПРАЖНЕНИЯ 3.3.2
1. Это упражнение должно показать значимую роль условия допустимости
в симплекс-методе. В примере 3.3.1 в первой симплекс-таблице мы исполь
зовали минимальное неотрицательное значение из множества вычисленных
отношений для определения исключаемой переменной. Такой выбор исклю
чаемой переменной гарантирует, что новое значение базисной переменной не
будет отрицательным. Для иллюстрации этого утверждения на первом шаге
вместо переменной Sj исключите из базисного решения переменную s2. Далее
посмотрите на результирующую симплекс-таблицу, вы должны увидеть, что
переменная Sj приняла отрицательное значение (= -12). Это показывает, что
полученное решение недопустимо.
2. Рассмотрим следующее множество ограничений.
х х + 2 хг - 2 х 3+ 4 х 4< 40,
2 x t —х 2 + х 3+ 2 х 4 < 8,
4*! - 2 хг + х 3- х 4 < 10,
х х, х г, х 3, > 0.
114 Глава 3. Симплекс-метод
z 0 -5 0 4 -1 -1 0 0 0 620
Хъ 0 3 0 -2 -3 -1 5 1 12
Хз 0 1 1 3 1 0 3 0 6
Xl 1 -1 0 0 6 -4 0 0 0
далее в разделах 3.4, 4.3 и 7.4.2.) Далее задается точность, с которой будут отобра
ж аться выходные результаты , остается щ елкнуть на кнопке Go То Output Screen
(Перейти к экрану вывода).
На рис. 3.8 представлено окно, в котором показаны результаты расчетов для
каждой итерации для модели Reddy M ikks (файл ch3ToraR eddyM ikks.txt). Чтобы
перейти к следующей итерации, щ елкните на кнопке Next Iteration (Следующая
итерация, это реж им пошагового выполнения). Чтобы сразу получить окончатель
ный ответ, щ елкните на кнопке All Iterations (Все итерации). Если вы выполняете
вычисления в пошаговом реж име, то на каждой итерации можно указать вводимую
и исключаемую переменные, щ елкнув на соответствующих столбце и строке. Если
ваш выбор корректен, то столбец закрасится зеленым цветом, а строка — красным.
В противном случае получите сообщение об ошибке. Такой тип вычислений должен
помочь вам понять основные базовые концепции симплекс-метода без громоздких
вычислений по методу Гаусса-Ж ордана.
i TORA D :\W o r k \T o r a F ile s \c h 3 T o r a R e d d y M ik k s .tx t
LINEAR PROGRAMMIN G
УПРАЖНЕНИЯ 3.3.3
1. Дана следующая задача ЛП.
М аксимизировать z = хг + х 2+ З х 3+ 2xt
при ограничениях
дс, + 2 х 2 - 3 * , + 5 х 4 < 4,
118 Глава 3. Симплекс-метод
3.4.1. М-метод
Пусть задача ЛП записана в стандартной форме (см. раздел 3.1). Д ля любого ра
венства і, в котором не содержится дополнительная остаточная переменная, введем
искусственную переменную Д., которая далее войдет в начальное базисное реше
ние. Но, поскольку эта переменная искусственна (другими словами, не имеет ни
какого “ физического смысла” в данной задаче), необходимо сделать так, чтобы на
последующих итерациях она обратилась в нуль. Д ля этого в выражение целевой
функции вводят штраф.
Переменная Ą с помощью достаточно большого положительного числа М ш тра
фуется путем ввода в целевую функцию выражения -M R , в случае максимизации
целевой функции и выражения +М Д — в случае минимизации. Вследствие этого
штрафа естественно предположить, что процесс оптимизации симплекс-метода
приведет к нулевому значению переменной R t. Следующий пример проясняет дета
ли этого метода.
Пример 3.4.1
Минимизировать г = 4xt + х2
при выполнении условий
3х1+ ;t2 = 3,
4дг1+ Зх2> 6,
х, + 2хг< 4,
xv x2>0.
Стандартная форма этой задачи получается в результате добавления дополнитель
ной (избыточной) переменной х3 во второе неравенство и дополнительной
(остаточной) переменной х4 в третье неравенство. Эта задача в стандартной форме
будет записана следующим образом.
Минимизировать z = 4хг + х2
при выполнении условий
Зх, + х2 = 3,
4хх + Зх2- х3 = 6,
х, + 2хг + xt = 4,
JCj, JC2, JC3, > 0.
В полученной задаче первое и второе уравнения не имеют дополнительных
(остаточных) переменных, которые можно ввести в базисное решение. Поэтому
введем в эти уравнения искусственные переменные Л1 и R2, а в целевую функцию
добавим штраф M RX+ M R2. В результате получим следующую задачу ЛП.
М инимизировать z = 4дг1+ х2 + МЛ, + MR2
при выполнении условий
3х1+ х 2 + Л1= 3,
4дг1 + Зх2 - х3 + R2 = 6 ,
*, + 2х„ + * 4 = 4,
JCj, JC2, JSC3, JC4, / г 1( / г 2, > 0 .
Базис Xl X2 X3 Fh fh Xi Решение
z -4 -1 0 -M -M 0 0
Яі 3 1 0 1 0 0 3
fk 4 3 -1 0 0 6
Xt 1 2 0 0 0 1 4
Базис *1 хг хз Я, я2 Xd Решение
z - 4 + 7М :■ -1 + 4 М -М 0 0 0 9М
■Яі 3 1 0 1 0 0 3
я2 4 і з -1 0 1 0 6
X4 1 2 0 0 0 1 4
Базис X1 хг хз Я Яг х4 Решение
СО
z 0 (1 + 5/VQ/3 -М 0 0 4 + 2М
І
X1 1 1/3 0 1/3 0 0 1
fi. В ІЙ Ш 5/3 -1 -4 /3 0 2
х4 0 3/5 0 -1 3 0 1 3
УПРАЖНЕНИЯ 3.4.1
1. Завершите решение задачи из примера 3.4.1 и получите оптимальное решение.
2. Найдите решение задачи из примера 3.4.1 с помощью программы TORA
(файл ch3ToraM m ethodEx3-4-l.txt), используя команду Iterations^M-method
(Итерации^М -метод). Сравните решения при М = 1 , М = 1 0 и М = 1000. Ка
кое заключение можно сделать из этого эксперимента?
3. В примере 3.4.1 найдите начальную симплекс-таблицу для каждого из сле
дующих (независимых) случаев и подсчитайте коэффициенты 2 -строки после
определения всех искусственных переменных.
a) Третье ограничение имеет вид х г + 2 х 2> 4.
b) Второе ограничение имеет вид 4 х х + Зд:2< 6.
c) Второе ограничение имеет вид 4 х х + Зл:2 = 6.
d) Целевая функция имеет вид: максимизировать z = 4 х х + *2.
4. Существует следующее множество ограничений.
- 2 xi + 3x2 = 3, (1 )
4xi + 5x2 > 10 , (2 )
xi + 2хг < 5, (3)
6 xi + 7X2 < 3, (4)
4xi + 8x2 > 5, (5)
X 1, Х2 > 0.
М аксимизировать z —2 х : + Ьх2
при ограничениях
Зх, + 2 х 2 > 6 ,
2 х г + х 2< 2,
х„ х 2>0.
Пример 3.4.2
К задаче из примера 3.4.1 применим двухэтапный метод.
Этап 1
М инимизировать г = Л, + R2
при ограничениях
Зх, + х2+ Л, = 3,
4х, + Зх2 - х3 + R2 = 6 ,
X, + 2х2+ х4 = 4,
^ ii X 2i х 3, X ą, 7?j, R 2, —
Базис *1 *2 *з R^ fh *4 Решение
г 0 0 0 -1 -1 0 0
Яі 3 1 0 1 0 0 3
Яг 4 3 -1 0 0 6
ш ш
*4 1 2 0 0 0 1 4
124 Глава 3. Симплекс-метод
Базис *1 хг *3 Я, я 2 *4 Решение
г 0 0 0 --1 L ; -1 0 0
хг 0 1 -3 /5 - 4 /5 3/5 0 6/5
*4 0 0 1 1 -1 1 1
Х3+Х* = !>
-^1, Хд, Х4^ 0 .
Обратите внимание па то, что после первого этапа исходная задача претерпела не
которые изменения, которые учитывают полученное базисное решение. Этой
трансформированной задаче соответствует следующая таблица.
Базис Xl *2 хз Xi Решение
z -4 -1 0 0 0
Х\
1 0 1/5 0 3/5
хг 0 -3 /5 0 6/5
Хі 0 0 1 1 1
Базис *1 хг х3 хд Решение
г 0 0 1/5 0 18/5
х, 1 0 1/5 0 3/5
х2 0 1 -3 /5 0 6/5
х4 0 0 1 1 1
УПРАЖНЕНИЯ 3.4.2
1. Ответьте на следующие вопросы.
a) Почему на первом этапе двухэтапного метода всегда минимизируется
сумма искусственных переменных?
b) Если в задаче ЛП требуется найти максимум целевой функции, то следует
ли на первом этапе максимизировать сумму искусственных переменных?
126 Глава 3. Симплекс-метод
z -5 0 -2 -1 -4 0 0
хг 2 1 1 0 1 0 2
Я -5 0 -2 -1 -4 1 0
3. Неограниченные решения.
4. Отсутствие допустимых решений.
При изучении этих случаев основное внимание мы уделим, во-первых, теоре
тическому обоснованию причин, приводящих к таким ситуациям, и, во-вторых,
их практ ическим интерпретациям применительно к реальным задачам.
3.5.1. Вырожденность
В ходе выполнения симплекс-метода проверка условия допустимости может
привести к неоднозначному выбору исключаемой переменной. В этом случае на
следующей итерации одна или несколько базисны х переменных примут нулевое
значение. Тогда новое решение будет вырожденным.
В вырожденном решении нет никакой опасности, за исключением небольших
теоретических неудобств, которые мы далее кратко обсудим. С практической
точки зрения вырожденность объясняется тем, что в исходной задаче присутст
вует по крайней мере одно избыточное ограничение. Д ля того чтобы лучше по
нять практические и теоретические аспекты явления вырожденности, рассмот
рим численный пример. Графическая интерпретация задачи поможет наглядно
разобраться в этом явлении.
Начальная z -3 -9 0 0 0
Вводится хг *3 1 4 1 0 8
Исключается х3 Хі 1 2 0 1 4
Первая z -3 /4 0 9/4 0 18
Оптимум хг 0 1 1/2 -1 /2 2
*1 1 0 -1 2 0
Оптимальное
вырожденное
решение
УПРАЖНЕНИЯ 3.5.1
1. Рассмотрите графическое представление пространства решений (рис. 3.10).
Предположим, что выполнение симплекс-метода начинается из точки А, оп
тимальное решение соответствует точке D, а целевая функция такова, что
в точке А вводимой переменной будет X,.
a) Покажите (на рисунке) крайние точки, которые соответствуют последова
тельности симплекс-итераций, приводящих к точке оптимума.
b ) Определите максимально возможное число симплекс-итераций, необхо
димых для достижения оптимального решения.
х 3<1,
х„ х2, х 3, х 4 > 0 .
Интересно отметить, что если сделать все коэффициенты в этой задаче целы
ми (путем умножения на соответствующие множители), то алгоритм сим
плекс-метода достигнет оптимального решения за конечное число итераций
(проверьте это!).
(Предостережение. Не используйте программу TORA в автоматическом режиме,
так как в этом случае циклические вычисления будут выполняться бесконечно.)
Р и с . 3 .1 1 . А л ь т е р н а т и в н ы е о п т и м у м ы в п р и м е р е 3 .5 .2
При а=0 (jtp.rJ) = (З, 1), что соответствует точке С. При а = 1 получаем
= (0, 5/2) — это точка В. Если значение а леж ит строго между 0 и 1, получа
ем внутренние точки отрезка ВС.
УПРАЖНЕНИЯ 3.5.2
1. Д ля следующей задачи ЛП найдите не менее трех альтернативных опти
мальных базисных решений. Запиш ите такж е общее выражение для всех не
базисных альтернативных оптимальных решений, частными случаями кото
рых будут найденные ранее решения.
М аксимизировать г = х, + 2хг + 3x 3
при выполнении условий
д:1 + 2 х г + 3*3 < 1 0 ,
я, + х 2< 5,
* ,< 1 ,
х х, х г, х 3 > 0 .
2. Покажите с помощью программы TORA, что следующая задача ЛП имеет
альтернативные оптимальные решения и все они небазисные. Д ля этой зада
чи представьте на плоскости пространство решений и прямую, соответст
вующую целевой функции.
М аксимизировать г = 2 х х - х 2 + Зд:3
при выполнении условий
я, - х 2+ 5х3< 10,
2 х х - х 2+ 3*3 < 40,
х 2, х г > 0 .
3. Покажите с помощью программы TORA, что в следующей задаче ЛП опти
мальное решение вырождено, и все существующие альтернативные решения
являю тся небазисными.
М аксимизировать z = Зд:1 + х 2
при выполнении условий
д:1 + 2 хг < 5,
я, + х 2- х 3< 2 ,
7хг + З д :2 - 5 * 3 < 2 0 ,
х г, х 3> 0 .
z -2 *Л г 4 - “ 1 ,fs 0 0 0
хз 1 1 0 10
Ха 2 0 1 40
Из этой таблицы видно, что в качестве вводимой переменной можно взять как
так и х2. Поскольку переменная х1 имеет максимальный (по абсолютной величине)
отрицательный коэффициент в z-строке, именно ее следует ввести в базисное реше
ние. Однако заметим, что во всех ограничениях коэффициенты, стоящие перед пе
ременной х2, отрицательны или равны нулю . Это означает, что значение перемен
ной х2 может возрастать до бесконечности, и при этом не нарушается ни одно
ограничение. Поскольку увеличение на 1 значения переменной х 2 приводит к уве
личению на 1 значения целевой функции, следовательно, неограниченное увеличе
ние значения переменной х2 ведет к неограниченному увеличению значения целе
вой функции. Эта ситуация проиллюстрирована на рис. 3.12. На этом рисунке
видно, что пространство допустимых решений не ограничено в направлении оси х 2,
и значение целевой функции может быть каким угодно большим.
Р и с . 3 . 1 2 . Н е о г р а н и ч е н н о с т ь р е ш е н и я в п р и м е р е 3 .5 .3
3.5. Особые случаи применения симплекс-метода 135
УПРАЖНЕНИЯ 3.5.3
1. В задаче из примера 3.5.3 с помощью программы TORA покажите, что при
менение симплекс-метода, когда согласно условию оптимальности вычисле
ния начинаются с переменной д:1 в качестве вводимой, обязательно приведет
к неограниченному решению.
2. Дана следующая задача ЛП.
М аксимизировать z = 20л:, + 10x 2 +
при выполнении условий
Зх, - 3x 2 + 5*3 < 50,
х х+ < 10,
Х 1 ~ х г + 4*3 - 2 0 ,
х х, х г, х 3>0.
a) Рассмотрев ограничения, определите направление (по оси х х, х 2 или^з),
в котором пространство допустимых решений не ограничено.
b ) Без дополнительных вычислений сделайте заключение относительно оп
тимального значения целевой функции.
3. В некоторых плохо построенных моделях ЛП пространство допустимых ре
шений может быть неограниченным даже тогда, когда задача имеет конечное
(ограниченное) оптимальное решение. Такое может случиться, если при по
строении ограничений допущены ошибки. В больших задачах иногда трудно
визуально определить, является ли пространство допустимых решений огра
ниченным. Разработайте процедуру определения неограниченности про-
• странства решений.
М
СМ
Начальная z -3 -3 м 0 0 -1 2 М
I
I
Вводится х г Хз 2 1 0 1 0 2
Исключается хз Я 3 4 -1 0 1 12
Первая z 1 +5 М 0 м 2 + AM 0 4 -4 М
(псевдооптимум) хг 2 1 0 1 0 2
Я -5 0 -1 -4 1 4
УПРАЖНЕНИЯ 3.5.4
1. Компания производит изделия трех типов T l, Т2 и ТЗ. На их изготовление
расходуется материал M l и М2 согласно данным следующей таблицы.
Р а с х о д м а т е р и а л о в н а е д и н и ц у и здел ия
М атериал Т1 Т2 ТЗ
М1 3 5 6
М2 5 3 4
ЛИТЕРАТУРА
1. Bazaraa М., Ja rv is J ., Sherali М. Linear Program m ing and Network Flows, 2nd ed.,
Wiley, New York, 1990.
2. Dantzig G. Linear Program m ing and E xtensions, Princeton U niversity Press, P rin
ceton, N .J., 1963. (Русский перевод: Данциг Дж. Л инейное программирование,
его применение и обобщение. — М.: Прогресс, 1966.)
3. D antzig G., Thapa М. L inear P rogram m ing 1: In tro d u tio n , S p rin g er, New
York, 1997.
4. Nering E., Tucker A. Linear Programming and Related Problems, Academic Press,
Boston, 1992.
5. Schrage L. O p tim iza tio n M odeling w ith LIN G O , LINGO S ystem s, Inc., Chicago,
1999.
6 . Taha H. Linear Programming, C hapter II—1 in Handbook of Operations Research,
J. Moder and S. Elm aghraby (eds.), Van N ostrand Reinhold, New York, 1978.
(Русский перевод: Исследование операций: в 2-х томах. Под ред. Дж. Моудера,
С. Элмаграби. — М.: Мир, 1981.)
138 Глава 3. Симплекс-метод
КОМПЛЕКСНЫ Е ЗАДАЧИ
3.1. Небольшой консервный завод производит пять типов консервов на основе
трех видов свежих фруктов. Завод имеет два производственных цеха, кото
рые при необходимости могут наращивать выпуск продукции. В настоящее
время производственные цеха работают в одну смену, но без труда могут пе
рейти на двух- или трехсменную работу. Реальным ограничением наращи
вания выпуска продукции является только объем поставляемых на перера
ботку свежих фруктов. Поскольку объемы холодильных камер ограничены,
желательно, чтобы все фрукты перерабатывались в течение рабочего дня.
Молодой аналитик, специалист по исследованию операций, горит желанием
увеличить уровень производства этого завода. После анализа производствен
ной ситуации он сформулировал задачу линейного программирования. Зада
ча включает пять переменных (для пяти видов продукции) и три ограничения
(для трех видов сырья). Теория ЛП говорит о том, что в задаче с пятью пере
менными и тремя ограничениями оптимальное решение не может содержать
более трех базисных переменных. Следовательно, оптимальное решение
предполагает производство не более трех видов продукции. “Ага, — подумал
аналитик, — производство этой компании явно не оптимально.”
Он добился встречи с менеджером по производству для обсуждения построен
ной модели ЛП. Менеджер, подробно ознакомившись с задачей, нашел, что
модель адекватно отображает сложившуюся производственную ситуацию.
А налитик объяснил, что согласно теории ЛП, поскольку задача имеет толь
ко три ограничения, оптимальный план производства не должен содержать
более трех видов продукции, и поэтому завод должен прекратить выпуск
двух бесприбыльных видов продукции. Менеджер, внимательно выслушав
аналитика, сказал, что его компания не может прекратить выпуск двух ви
дов продукции, так как это не выгодно предприятию. Но, чтобы согласовать
теорию и практику, он предложил добавить в модель еще два ограничения,
тогда будет пять ограничений, и в этом случае оптимальное решение долж
но разрешить производство всех пяти видов продукции.
Это предложение немного смутило аналитика, так к ак очевидно, что до
бавление новых ограничений не может улучш ить оптимальное решение,
однако он смог честно ответить менеджеру, что данное предложение со
гласуется с теорией ЛП.
Как разрешить этот “ парадокс” ?
3.2. Транспортная компания, специализирующаяся на перевозках грузов, имеет
множество терминалов, расположенных в “ стратегических” точках по всей
Комплексные задачи 139
ДВОЙСТВЕННОСТЬ И АНАЛИЗ
ЧУВСТВИТЕЛЬНОСТИ
Оптимальное решение задачи линейного программирования определяется те
ми условиями, которые наш ли отражение в модели в момент ее формирования.
В реальной ж изни условия, формирующие модель, не остаются неизменными.
В связи с этим особое значение приобретают средства, позволяющ ие оценить и з
менения в оптимальном реш ении, вызванные изменениями в параметрах исход
ной модели. Таким средством является анализ чувст вит ельност и. Он предлага
ет эффективные вы числительны е методы, позволяю щ ие изучить динамическое
поведение оптимального реш ения.
Мы уже встречались с анализом чувствительности (на элементарном уровне)
в разделе 2.3. В этой главе мы подробнее рассмотрим методы анализа чувствитель
ности, основанные на теории двойственности.
при ограничениях
'£j ailx J = bi, i = 1 , 2 , . . . , т ,
і
x > 0 , j = 1, 2, /і.
142 Глава 4. Двойственность и анализ чувствительности
двойственной *1 *2 Xj Хп
задачи C1 сг с, Сп
Уі Эц a-iг ... • а,; Зі п to1
Уг а21 322 вг/ Эгп
.
Уп Эт1 3irQ Этп Ьт
j-e ограничение двойственной Коэффициенты целевой
задачи функции двойственной
задачи
Пример 4.1.1
Прямая задача Прямая задача в стандартной форме Двойственные переменные
Максимизировать Максимизировать
г = 5xi + 12x2 + 4 х з z = 5xi + 12хг + 4хз + 0х<
при ограничениях при ограничениях
Xi + 2 X 2 + Х з < 10, Х1 +2X2 + Х з + Х 4 = 10, У1
2xi - хг + Зхз = 8, 2xi - хг + Зхз + 0x4 = 8, уг
xi, хг, хз > 0 . xi, хг, хз, Х4 2: 0.
Д войственная задача
Минимизировать w = Юу, + 8;у2
при ограничениях
Уі + 2 У і > 5 ,
2у і - у 2 > 1 2 ,
Уі + 3 у г > 4,
у. + 0 у 2 £ 0, }
} => (у, > 0, у 2 — свободная переменная).
УгУг — свободные
Пример 4.1.2
Прямая задача Прямая задача в стандартной форме Двойственные переменные
Минимизировать z = 15xi + 12хг Минимизировать z = 15xt + 12хг + Охіз + 0X4
при ограничениях при ограничениях
Х1 + 2 X2 > 3 , Xt + 2 X2 - Хз + 0X4= 3, У1
2xi - 4X2 < 5, 2xt - 4 X2 + О хз + Х4 = 5, п
X1 ,X 2 > 0. Х1 . Х 2, Хз, Х4 > 0.
Двойственная задача
Максимизировать w = Зу, + Ъу2
при ограничениях
У, + 2у2 < 15,
2 у х - ±Уг ^ 12,
-З '^ О С и л и ^ ^ О ),
Пример 4.1.3
Прямая задача Прямая задача в стандартной форме Двойственные
переменные
Максимизировать г = 5xi + 6x2 Подстановка х , = x,ł - х ~ приводит к задаче:
Двойственная задача
М инимизировать w = 5 ^ + Зу2 + 8у3
при ограничениях
У і- ^ + 4 ^ ^ 5
, ^ Л = > У, ~Уг+*Уъ = 5-
- у , + У 2 - 4 у 32 -5
ух — свободная переменная,
Уг' Уз---свободные переменные (избыточное условие).
Первое и второе ограничения двойственной задачи заменены одним ограничением
в виде равенства. Здесь действует следующее правило: свободной переменной пря
мой задачи соответствует ограничение в виде равенства двойственной задачи, и, на
оборот, ограничению в виде равенства прямой задачи соответствует свободная пе
ременная двойственной задачи.
УПРАЖНЕНИЯ 4.1
1. Д ля задачи из примера 4.1.1 запишите двойственную задачу, предполагая,
что определяется не максимум целевой функции, а ее минимум.
2. В примере 4.1.2 сформулируйте двойственную задачу, предполагая, что
в прямой задаче этого примера добавлено третье ограничение Зх, + х 2 —4.
3. На основе задачи из примера 4.1.3 покажите, что даже если изменить тип оп
тимизации (с максимизации на минимизацию целевой функции), то все рав
но свободным переменным прямой задачи будут соответствовать в двойст
венной задаче ограничения в виде равенств.
4. Запишите двойственные задачи для следующих прямых задач ЛП.
a) М аксимизировать z = - 5 х х + 2х2
b ) при ограничениях
4.1. Определение двойственной задачи 145
2х, + Зх2< 5,
х „ х 2>0.
c) М инимизировать z —бх, + Зх 2
при ограничениях
6 х, - З х 2 + х 3> 2 ,
Зх, + 4 х 2+ х 3> 5,
х „ х 2, х 3>0.
d) М аксимизировать z = х г + х 2
при ограничениях
2х, + х 2 = 5,
Зх, - х 2 = 6 ,
x v х 2 — свободные переменные.
5. Вернитесь к задаче из примера 4.1.1. Применение симплекс-метода к прямой
задаче ЛП, записанной в стандартной форме, требует введения искусственной
переменной во второе ограничение для получения начального базисного реше
ния. Покажите, что введение искусственной переменной не влияет на построе
ние двойственной задачи, поскольку искусственная переменная прямой задачи
порождает избыточное ограничение двойственной задачи.
6 . Истинны или ложны следующие утверждения?
a) Задача, двойственная к двойственной, совпадает с исходной прямой задачей.
b ) Если в прямой задаче есть ограничение в виде равенства, то соответст
вующая переменная двойственной задачи обязательно будет свободной.
c) Если в прямой задаче ограничение имеет вид неравенства типа “<” , то со
ответствующая переменная в двойственной задаче будет неотрицательной
(неположительной), в зависимости от того, следует в прямой задаче м ак
симизировать или минимизировать целевую функцию.
d) Если в прямой задаче ограничение является неравенством типа “ >” , то со
ответствующая переменная в двойственной задаче будет неотрицательной
(неположительной), в зависимости от того, следует в прямой задаче ми
нимизировать или максимизировать целевую функцию.
e) Свободная переменная прямой задачи порождает в двойственной задаче
ограничение в виде равенства.
7. В следующей таблице приведены правила построения двойственных задач,
которые часто приводятся в литературе по исследованию операций и линей
ному программированию. Покажите, что эти правила являю тся частными
случаями общих правил, приведенных в табл. 4.2.
Опэаничения Пеоеменные
> о <0
< о >0
= о Свободная
Пеоеменные Опэаничения
>0 о >
<0 о <
Свободная о =
146 Глава 4. Двойственность и анализ чувствительности
^ а т1 а т2 ■ а яп J чPm j
Например,
1 2
(11, 2 2 , 3 3 ) 3 4 =(1 x 1 1 + 3 x 2 2 + 5 x 3 3 , 2 x 1 1 + 4 x 2 2 + 6 x 3 3 ) = (2 4 2 ,3 0 8 ).
5 6
/ И \
/
Например,
УПРАЖНЕНИЯ 4.2.1
1. Даны следующие матрицы.
Единичная матрица
(Начальная таблица)
Столбцы
коэффициентов <
ограничений
(Общая таблица)
Р ис. 4.1. С хем ат ическое пр ед ст а влени е на ч а льн о й и общ их си м п лек с-т а б ли ц
УПРАЖНЕНИЯ 4.2.2
1. Вернитесь к таблице с оптимальным решением примера 3.3.1.
a) Определите в этой таблице обратную матрицу.
b ) Покажите, что вектор значений в столбце “ Решение” (без значения z-строки)
равен произведению обратной матрицы на вектор правых частей исход
ных ограничений.
2. Повторите упражнение 1 для последней таблицы примера 3.4.1.
2
Единичная матрица без дополнительных преобразований образуется только тогда, ко
гда начальный базис составляют дополнительные остаточные переменные. — П рим . ред.
4.2. Соотношения между прямой и двойственной задачами 149
Метод 1
Вектор-строка исходных
Оптимальные значения ' Обратная матрица
коэффициентов целевой функции
двойственных в оптимуме прямой
при базисных переменных
переменных задачи
в оптимуме прямой задачи
Элементы в вектор-строке исходных коэффициентов целевой функции должны
быть перечислены в таком порядке, в каком базисные переменные перечислены
встолбце “ Базис” в симплекс-таблице. Этот метод рассмотрен в примере 4.2.1.
Метод 2
Оптимальное решение двойственной задачи можно получить из следующего
уравнения.
'Коэффициент при j -й ' Разность между левой и правой'
переменной в г-строке частями у-го неравенства
прямой задачи двойственной задачи
Поскольку двойственной к двойственной задаче будет прямая задача (проверьте!),
эти методы симметричны относительно прямой и двойственной задач. Их можно ис
пользовать для определения оптимального решения одной задачи непосредственно из
симплекс-таблицы, содержащей оптимальное решение другой. Данное обстоятельст
во обусловливает возможность проведения вычислений именно по той задаче (прямой
или двойственной), которая требует меньших вычислительных ресурсов (меньший
объем вычислений имеет задача с меньшим количеством ограничений). После нахо
ждения оптимального решения решаемой задачи оптимальное решение обратной за
дачи определяется одним из описанных методов (см. упражнение 4.2.3.1).
Пример 4.2.1
Рассмотрим следующую задачу ЛП.
М аксимизировать г = 5xt + 12хг + 4х3
при ограничениях
xt + 2х2+ х3< 1 0 ,
2хг - х 2+ Зх3 = 8 ,
^11 х2, ^ j - 0 .
Чтобы подготовить задачу к решению симплекс-методом, надо добавить дополни
тельную остаточную переменную x t в первое ограничение и искусственную пере
менную R во второе. В результате прямая задача и соответствующая ей двойствен
ная будут определены следующим образом.
г -5 - 2 М -1 2 + М -4 - 3 М 0 0 -8 М
0 х4 1 2 1 1 0 10
Я 2 -1 3 0 1 8
г -7 / 3 -4 0 / 3 0 0 4 .3 + М 32 / 3
г -3 / 7 0 0 40 7 -4 .3 +М 368/7
3 Х2 0 1 -1 / 5 2/5 -1 / 5 : 12/5
( 2/5 -1/5^1
Обратная матрица симплекс-таблицы с оптимальным решением имеет вид I I.
Отметим, что каж дое уравнение вклю чает только одну неизвестную, поэтому ре
шение двойственной задачи существует всегда и находится легко. Т ак бывает
всегда, когда ограничения двойственной задачи связаны с начальными базисны
ми переменными.
Конечно же, ничего не мешает использовать другие переменные при построении
уравнений, необходимых для определения значений переменных двойственной за
дачи. Например, ограничения, ассоциируемые с переменными xt и х3, порождают
следующие уравнения (проверьте!):
у 1 + 2уг - 5 = 0 ,
у, + З у , - 4 = | .
УПРАЖНЕНИЯ 4.2.3
1. С помощью программы TORA решите двойственную к следующей задачу ЛП
и затем найдите оптимальное решение прямой задачи.
М инимизировать z = 5 х г + &х2 + Зх 3
при ограничениях
5Xj + 5 х2+ Зх 3 > 50,
х г + х 2- х 3> 2 0 ,
7хх + 6 х2 - 9х3> 30,
5Xj + 5 х 2 + Ъхг > 35,
2Xj + 4 х 2 - 15х3 > 10,
12Xj + 10х 2 > 90,
- х 2- 1 0 х 3 > 20 ,
x v х г, х 3 > 0 .
2. Дана следующая задача линейного программирования.
М аксимизировать z = 5 хх + 2 хг + З х3
при ограничениях
Xj + 5 х 2 + 2 х3 = 30,
Xj - 5 х 2 - 6х3< 40,
х 2, х 3> 0 .
О пт имальное решение этой задачи удовлетворяет уравнению (получено из
z-строки симплекс-таблицы)
z + Oxj + 2 3 х2+ 7х3+ (5 + М )х 4+ 0х 5 = 150,
где искусственная переменная x t и дополнительная переменная х 5 входили
в начальное базисное решение. Запишите соответственную двойственную задачу
и найдите ее оптимальное решение, исходя из приведенного уравнения.
152 Глава 4. Двойственность и анализ чувствительности
Отметим, что формула 2 такая же, какая используется в методе 2 (раздел 4.2.3)
для определения оптимального решения двойственной задачи.
Пример 4.2.2
На основе задачи из примера 4.2.1 покажем, как использовать формулы 1 и 2. Из
оптимальной симплекс-таблицы этой задачи получаем
2/5 -1/5
обратная матрица =
1/5 2/5
С помощью формулы 1 вычислим коэффициенты в столбцах ограничений опти
мальной симплекс-таблицы.
Столбец коэффициентов Обратная матрица Столбец исходных
ограничений, соответствующий из оптимальной коэффициентов ограничений,
переменной л:, симплекс-таблицы соответствующий переменной хи
га-сн:
Аналогично вычисляю тся другие столбцы коэффициентов ограничений.
Столбец коэффициентов 2/5
ограничении, соответствующий
переменной х2
1/5 2/5 Г 1-1
УПРАЖНЕНИЯ 4.2.4
1. В задаче из примера 4.1.2 с помощью программы TORA (выполнив команду
Iterations o M -m eth od ) определите элементы симплекс-таблицы первой итера
ции. Затем с помощью формул 1 и 2 найдите значения всех элементов опти
мальной симплекс-таблицы.
2. Дана следующая задача ЛП.
М аксимизировать г = 4 х 1+ 14х2
при ограничениях
2 * ,+ 7 * ,+ *, = 21,
7 х{+ 2 хг + x t = 2 1 ,
х г, х 2, х 3, x t >0.
Проверьте оптимальность и допустимость следующих базисных решений.
1/7 0)
a) Базисные переменные (х 2, дс4), обратная матрица =
-2 / 7 1
0 1/2
b) Базисные переменные (х 2, х 3), обратная матрица =
1 -7 / 2
х « Г 7/ 4 5 -2 / 4 5 )
с) Базисные переменные (х2, дс,), обратная матрица = I ^j .
1/2 0'
d) Базисные переменные (хр x t), обратная матрица =
-7 / 2 1,
4.2. Соотношения между прямой и двойственной задачами 155
Ґ\/2 -1/4 0^
с) Базисные переменные (х 2, х 3, х 6), обратная матрица = 0 1/2 0
-2 1 1
3 /7 —1/7 j
iii) Базисные переменные (х 2, дс3), обратная матрица =
.1/7 2 /7 У
Базис Х\ хг Хз Ха *5 Решение
z 0 0 0 3 2 ?
Хз 0 0 1 1 -1 2
хг 0 1 0 1 0 6
Х\ 1 0 0 -1 1 2
Базис *1 хг Хз *4 Хь Решение
z 0 a 7 d е 150
*1 1 Ь 2 1 0 30
*5 0 с -8 -1 1 10
Пример 4.2.3
В примере 4.2.1 прямая и двойственная задачи имеют допустимые решения х{ —О,
л:2= 0, *3 = 8/3 и у, = 6 , у г = 0. Для этих решений значения целевых функций соответст
венно равны г = 3 2 /3 и w = 60. Для оптимальных решений х, = 26/5, х2= 12/5, х3 = 0
и Vj = 29/5, у2= -2 /5 имеем z = w = 54,8. Таким образом, приведенные значения целевых
функций подтверждают сформулированное соотношение.
Из соотношения следует, что для всех допустимых решений прямой и двойствен
ной задач значения целевой функции задачи минимизации всегда будут верхним
пределом значений целевой функции задачи максимизации. Таким образом, ите
рационное решение задачи максимизации ведет к возрастанию значений целевой
функции, а итерационное решение задачи минимизации — к ее убыванию. В итоге,
при успешном завершении процессов вычисления прямой и двойственной задач
приходим к точке “ равновесия” , где значения целевых функций задач максимиза
ции и минимизации становятся равными.
УПРАЖНЕНИЯ 4.2.5
1. Определите интервалы изменения значений целевой функции в следующих
задачах ЛП.
а) М инимизировать г = 5х, + 2 х г
при ограничениях
х г- х 2> 3,
2 х х + Здс2> 5,
х„ х 2> 0 .
Ь) М аксимизировать z = х х + 5 х 2 + З * 3
при ограничениях
х , + 2х2+ дс3 = 3,
2 х х - х 2 = 4,
х 2, х 3>0.
с) Максимизировать z = 2 х х + х 2
при ограничениях
- х 2< 1 0 ,
2*, < 40,
* 1, дс2 > 0 .
158 Глава 4. Двойственность и анализ чувствительности
d) М аксимизировать г = Зх, + 2 х г
при ограничениях
2 * ,+ * ,< 3 ,
Зл^ + 4 дс2> 12,
*„ х 2> 0 .
2. В упражнении 1, а обозначим через j/t и у г переменные двойственной задачи.
Определите, какая из следующих пар решений прямой и двойственной задач
является оптимальной.
a) х х = 3, х 2= 1; i/j = 4, j/2 = 1.
b) *, = 4, х г = 1 ; у 1= 1 ,у г = 0.
c) х { = 3, х 2= 0; = 5, у 2= 0.
Строгое равенство здесь достигается только тогда, когда решения прямой и двойст
венной задач оптимальны.
Рассмотрим сначала вариант оптимума, т.е. когда z = w. Исходя из представления
прямой задачи как модели распределения ресурсов, можно считать, что величина
z соответствует величине дохода (в долларах3). Поскольку b — общее доступное ко
личество ресурса і, равенство z = w можно переписать следующим образом.
Доход (долл.) = (количество ресурса і) х (доход (долл.) на единицу ресурса і).
Пример 4.3.1
Приведем формулировки прямой и двойственной задач, описывающие модель про
изводства компании Reddy M ik k s из примера 2.1.1.
3 Читатель вместо долларов может, конечно, подставить любую другую денежную едини
цу — это не принципиально для понимания изложенного материала. — П р и м . ред.
160 Глава 4. Двойственность и анализ чувствительности
Напомним вкратце, что в этой модели описывается производство двух видов краски
(для внутренних и наружных работ) на основе двух видов сырья M l и М2 (ресурсы 1 и 2)
с учетом рыночных условий, выражаемых третьим и четвертым ограничениями. Зада
ча состоит в определении объемов производства красок каждого вида (в тоннах), при
которых будет получен максимальный доход (в тыс. долл.).
Оптимальное решение двойственной задачи показывает, что стоимость единицы
первого ресурса (сырье M l) составляет у1 = 0,75 (или 750 долл. за тонну), а второго
(сырье М2) — у2 = 0,5 (или 500 долл. за тонну). В разделе 2.3.3 мы графически по
казали, что приведенные значения стоимостей справедливы, если значение первого
ресурса не выходит из интервала (20, 36), а второго — из интервала (4, 6,67) (эти
же результаты алгебраически будут получены в разделе 4.5.1). Таким образом,
расход сырья M l может возрасти с 24 до 36 тонн, что приведет к соответствующему
увеличению дохода на величину 12 х 750 = 9000 долл. Аналогично количество вто
рого ресурса (сырье М2) можно увеличить с 6 до 6,67 тонн с увеличением дохода на
величину 0,67 х 500 = 335 долл. Но еще раз напомним, что подобные расчеты при
менимы только тогда, когда увеличение числа используемых ресурсов не выходит
за приведенные выше интервалы значений. Конечно, это не означает, что количе
ство используемых ресурсов в принципе не может выходить за указанны е пределы.
Однако приведенные выше стоимости ресурсов определены только для ситуации,
когда количество этих ресурсов не выходит за указанны е пределы.
Д ля третьего и четвертого ресурсов двойственные цены (оптимальное решение
двойственной задачи) равны нулю. Это указывает на то, что данные ресурсы неде-
фицитны. Поэтому их стоимость равна нулю.____________________________________
УПРАЖНЕНИЯ 4.3.1
1. В задаче из примера 4.3.1 подсчитайте оптимальный доход при выполнении
следующих условий.
a) Ограничение для первого ресурса: 6 * t + 4 х г < 22.
b) Ограничение для второго ресурса: х г + 2 х г < 4,5.
c) Четвертое ограничение: х г < 10.
2. Электротехническая компания NWAC производит четыре типа кабеля для
оборонного ведомства. Каждый тип кабеля подвергается четырем последова
тельным операциям: разделка, пайка, оплетка и проверка. В следующей таб
лице приведены данные, характеризующие производство кабелей.
Пример 4.3.2
Фабрика игрушек TOYCO собирает три вида игрушек: модели поездов, грузовиков
и легковых автомобилей; при сборке каждого вида используется три типа операций.
Ежедневный фонд рабочего времени на каждую операцию ограничен предельными ве
личинами 430,460 и 420 минут. Доход на одну игрушку каждого вида составляет соот
ветственно 3, 2 и 5 долл. На каждой из трех операций для сборки модели поезда тре
буется 1, 2 и 1 минуты рабочего времени. Соответствующее время для сборки моделей
грузовиков и легковых автомобилей составляет (2 ,0 , 4) и (1, 2 ,0 ) минут (нуль указы
вает на то, что соответствующая операция не выполняется).
Обозначив через лг,, х 2 и х 3 количество собираемых ежедневно моделей трех видов,
получаем прямую и двойственную задачи ЛП.
УПРАЖНЕНИЯ 4.3.2
1. В задаче из примера 4.3.2 предположим, что время выполнения второй опе
рации при сборке модели поезда сокращено с 3 до 1,25 минуты. На сколько
должно быть сокращено время выполнения первой операции, чтобы произ
водство этой игрушки стало доходным?
2. В задаче из примера 4.3.2 предположим, что фабрика игрушек рассматрива
ет возможность производства еще одного вида игрушки — модели пожарной
машины. При сборке этой модели первая операция не используется, а вторая
и третья требуют соответственно 1 и 3 минуты для сборки одной модели. До
ход от одной модели пожарной машины составляет 4 долл. Посоветуете ли
вы фабрике производить эти игрушки?
3. Компания использует токарные и сверлильные станки для производства четы
рех типов деталей: РР1, РР2, РРЗ и РР4. В следующей таблице представлены
технологические данные, характеризующие производство этих деталей.
Токарный 2 5 3 4 5300
Сверлильный 3 4 6 4 5300
значения целевой функции, пока не будет достигнута точка оптимума. Такой алго
ритм иногда называют прямы м симплекс-методом.
В этом разделе рассмотрим две другие разновидности симплекс-метода: двойст
венный симплекс-метод и обобщенный симплекс-метод. В двойственном симплекс-
методе решение задачи ЛП начинается с недопустимого, но лучшего, чем оптималь
ное, решения. Последовательные итерации этого метода приближают решение к об
ласти допустимости без нарушения оптимальности (точнее, “ супероптимальности” )
промежуточных решений. Когда будет достигнута область допустимых решений,
процесс вычислений заканчивается, так к ак последнее решение будет оптималь
ным. В обобщенном симплекс-методе комбинируются элементы прямого и двойст
венного методов. Начальное решение в этом методе будет и неоптимальным, и не
допустимым. На последующих итерациях базисные решения могут быть как
допустимыми, так и недопустимыми. На последней итерации решение должно
быть и оптимальным, и допустимым (если, конечно, такое решение существует).
Эти три алгоритма — прямой, двойственный и обобщенный — дают основу для
проведения анализа чувствительности, как будет показано в разделе 4.5.
Пример 4.4.1
Дана следующая задача ЛП.
Минимизировать z = Зх, + 2х2
при ограничениях
Зх, + х2 > 3,
4х, + Зх2 > 6 ,
х, + х 2 < 3,
х,, х2 > 0 .
Сначала первых два неравенства умножаются на -1 , чтобы привести их к неравенст
вам типа Начальная симплекс-таблица этой задачи имеет следующий вид.
z -3 -2 0 0 0 0
Хз -3 -1 1 0 0 -3
Хл -4 -3 0 1 0 -6
*5 1 1 0 0 1 3
Поскольку Zj - Cj < 0 для всех 7 = 1 ,..., 5, начальное базисное решение (х3 = -3 , хА= - 6,
х6= 3) является оптимальным и недопустимым.
Двойственное условие допустимости указывает на переменную х4 (= - 6 ) как на ис
ключаемую из базиса. Теперь применим двойственное условие оптимальности для
определения вводимой переменной. Д ля этого используем следующую таблицу.
Перем енны е х\ хг хз xs
Xt-с тр о к а , щ j - 4 - 3 0 1 0
z ,-с , 2 Z. ~~
Отношение —------- , . , ■
z -1 / 3 0 0 -2 / 3 0 4
*3 -5 / 3 0 1 -1/3 0 -1
хг 4/3 1 0 -1 / 3 0 2
*5 -1 / 3 0 0 1/3 1 1
z 0 0 -1 / 5 -3 / 5 0 21/ 5
Х\ 1 0 -3 / 5 1/5 0 3/5
хг 0 1 4/5 -3 / 5 0 6/5
*5 0 0 -1 / 5 2/5 1 6/5
УПРАЖНЕНИЯ 4.4.1
1. На рис. 4.3 показано пространство решений, соответствующее задаче мини
мизации целевой функции z = 2jc, + х 2. Предполагается, что поиск решения
выполняется двойственным симплекс-методом; оптимальное решение соот
ветствует точке F = (0,5, 1,5).
4.4. Разновидности симплекс-метода 167
Пример 4.4.2
Рассмотрим задачу из упражнения 4.4.1.4, а. В качестве начальной таблицы можно
принять следующую симплекс-таблицу, где представлено начальное решение
(х4, х ь, х6), которое не оптимально (из-за переменной х3) и не допустимо (так как х 4 = - 8).
(Заметим, что в этой таблице первое равенство умножено на -1 для того, чтобы пока
зать недопустимость решения непосредственно в столбце “ Решение” .)
Базис X1 хг хз Ха Хъ Хв Решение
z 0 0 -2 0 0 0 0
Ха 1 -2 2 1 0 0 -8
Хъ -1 1 1 0 1 0 4
2 -1 4 0 0 1 10
Базис X1 хг хз Ха Хъ Хв Решение
z 0 0 -2 0 0 0 0
Ха -1 /2 1 -1 -1 /2 0 0 4
хъ -1 /2 0 2 1/2 1 0 0
3/2 0 3 -1 /2 0 1 14
4.5. Анализ чувствительности оптимального решения 171
УПРАЖНЕНИЯ 4.4.2
1. Задача ЛП из упраж нения 4.4.1.4, с не имеет допустимого решения. Пока
жите, что это свойство задачи ЛП можно определить с помощью обобщенного
симплексного алгоритма.
2. Задача ЛП из упражнения 4.4.1.4, d не имеет ограниченного решения. По
кажите, что это свойство задачи ЛП можно определить с помощью обобщен
ного симплексного алгоритма.
Первые три ситуации рассмотрены в этом разделе. Четвертая ситуация как ком
бинация второй и третьей представлена в комплексной задаче 4.3.
172 Глава 4. Двойственность и анализ чувствительности
Базис Xi хг хз Х4 Х5 хв Решение
z 4 0 0 1 2 0 1350
Пример 4.5.1
Предположим, что фабрика игрушек TOYCO планирует расширить производство
своей продукции путем увеличения возможностей сборочных линий на 40%, что
даст следующий фонд рабочего времени для каждого вида сборочной операции:
602, 644 и 588 минут соответственно. Эти изменения влияют только на правые час
ти неравенств ограничений (и на оптимальное значение целевой функции). Н ахо
дим новое базисное решение задачи.
- -- 0
'6 0 2 ) '1 4 0 '
644 = 322
00
00
Ul
^28,
- — 0
х2' 2 4 '450' '110
х3 = 1 . 460 = 230
о
О
1
2 ,400,
1
О
1-2 1 \)
Базис *1 х2 *3 Ха хь *6 Решение
z 4 0 0 1 2 0 1370
хг - 1 /4 1 0 1/2 - 1 /4 0 110
Хв 2 0 0 -2 1 1 -4 0
Базис *1 *2 хз xą *5 хв Решение
2_________________ 5__________ 0__________ 0__________ 0_________ 5/2________ 1/2__________ 1350
УПРАЖНЕНИЯ 4.5.1
1. В модели для фабрики TOYCO 20-минутная часть фонда рабочего времени
третьей операции перенесена в фонд рабочего времени второй операции.
Улучшит ли это оптимальное решение?
2. Предположим, что фабрика TOYCO планирует изменить фонды рабочего
времени сборочных операций следующим образом.
оО
'450'
оо
Неделя , 1 2 3 4 5 6 7 8
Расход корма (фунты) 0,26 0,48 0,75 1,00 1,30 1,60 1,90 2,10
Для того чтобы цыплята к 8 -й неделе могли достичь определенного веса, их ра
цион должен удовлетворять определенным требованиям к калорийности. Хотя
обычно список кормов очень большой, мы ограничимся тремя основными ин
гредиентами: известняк, зерно и соевая мука крупного помола. Требования
к качественному составу рациона такж е ограничим только тремя показателя
ми: кальций, белок и клетчатка. В следующей таблице приведены обобщенные
данные по их содержанию в кормовых ингредиентах.
Пример 4.5.2
Пусть в задаче о фабрике игрушек TOYCO нас интересует интервал допустимости
для значения фонда рабочего времени первой операции. Заменим вектор коэффи
циентов правых частей ограничений вектором
'4 3 0 + 0,^
460
V 420 ,
Переменная D, представляет изменение фонда рабочего времени первой операции
по сравнению с текущим уровнем в 430 минут. Текущее базисное решение останет
ся допустимым, если все базисные переменные останутся неотрицательными. От
сюда получаем следующую систему неравенств.
Г ! -1 о!
ро 2 4 '430 + 0 ,) 100 + - ^ ( °)
о1
X,3 = 1 460 __ 0
о
'1
О
230
г
\" Ь /
2 ч 420
— / 42 0 -2 D ,J
0
,-2 1 1,
Первое неравенство х2> 0 порождает D, > -200, второе неравенство х3> 0 не зависит от D,,
третье х6> 0 дает условие D, < 10. Таким образом, текущее базисное решение останется
допустимым при выполнении неравенств -200 < D, < 10. Это эквивалентно следующему
интервалу допустимости для фонда рабочего времени первой операции.
430 - 200 < Фонд рабочего времени операции 1 < 430 + 10
или
230 < Фонд рабочего времени операции 1 < 440.
Изменение значения целевой функции, соответствующее изменению Dv равно D j v
где у, — стоимость (в долларах) одной минуты фонда рабочего времени первой опе
рации (т.е. двойственная цена этого ресурса).
Чтобы проиллюстрировать использование данного интервала допустимости, предпо
ложим, что фонд рабочего времени первой операции изменился от 430 до 400 минут.
Текущее базисное решение остается допустимым, поскольку новое значение фон
да рабочего времени первой операции принадлеж ит интервалу допустимости.
176 Глава 4. Двойственность и анализ чувствительности
00
V 100+ -(-30)
2
*3 = = 230
230
00
О
Ч-О 20 - 2(—30)
Для вычисления нового значения целевой функции сначала найдем значения двойст
венных цен, для чего применим метод 1 из раздела 4.2.3, т.е. используем формулу
Вектор-строка исходных
Оптимальные значения Обратная матрица
коэффициентов целевой функции
двойственных в оптимуме прямой
при базисных переменных
переменных У задачи
в оптимуме прямой задачи
На основании этой формулы получаем
— —- о
Ь г л -л М 2’5’0) =( 1, 2,0).
о
-2
Таким образом, стоимость одной минуты фонда рабочего времени первой операции
равна у, = 1 долл. Тогда изменение оптимального дохода составит Dlyl = -3 0 х 1 =
= -3 0 долл. Следует помнить, что данная стоимость минуты фонда рабочего времени
первой операции, равная у , = 1 долл., справедлива только для указанного выше ин
тервала изменения D,. Любое изменение, выходящее за этот интервал, приводит
к недопустимому решению. В таком случае следует использовать двойственный сим-
плекс-метод для поиска нового решения, если оно существует.
Аналогичную процедуру можно использовать при определении интервалов допус
тимости для переменных D2 и D3, равных изменению фондов рабочего времени вто
рой и третьей сборочных операций (см. упражнение 4.5.2.1). Определение интерва
лов допустимости для Dv D2 и D3, как описано выше, и их соотношения
с переменными у ,, у, и Уз двойственной задачи корректны только тогда, когда эти
ресурсы рассматриваются независимо друг от друга. Далее мы рассмотрим воз
можность одновременного изменения всех трех ресурсов, в этом случае текущий
вектор коэффициентов правых частей ограничений необходимо заменить на вектор
с элементами 430 + D,, 460 + D2 и 420 + D3(упражнение 4.5.2.2).
УПРАЖНЕНИЯ 4.5.2
1. Пусть в задаче о фабрике игрушек TOYCO переменные D2 и D3 представляют
изменения фондов рабочего времени второй и третьей операций.
a) Определите интервалы для D2 и D3, гарантирующие допустимость текуще
го реш ения. Предполагается, что изменения фондов рабочего времени
каждой операции выполняются по отдельности.
b ) Определите стоимость одной минуты фондов рабочего времени второй
и третьей операций.
4.5. Анализ чувствительности оптимального решения 177
Резистор г 2 3 1200
Конденсатор 2 1 1000
Микросхема 0 4 800
Доход на одно изделие (долл.) 3 4
Базис XI хг S1 S2 S3 Решение
*1 1 0 - 1 /4 3/4 0 450
S3 0 0 -2 2 1 400
хг 0 1 1/2 - 1 /2 0 100
*1 1 0 0 -1 /5 215 - 1 /5 74
*3 0 0 1 0 0 1 10
180 Глава 4. Двойственность и анализ чувствительности
Пример 4.5.3
Предположим, что фабрика игрушек TOYCO изменила конструкцию выпускаемых
моделей, и теперь для их производства необходима четвертая сборочная операция.
Ежедневный фонд рабочего времени этой операции составляет 500 минут. Время вы
полнения этой операции при сборке одной игрушки различных видов составляет со
ответственно З, 1 и 1 минуту. В результате получаем новое ограничение: Зх, + хг +
+ х3< 500. Это ограничение является избыточным, поскольку оно удовлетворяется
при текущем оптимальном решении = 0, х2= 100 и х3= 230. Таким образом, теку
щее оптимальное решение остается неизменным.
Теперь предположим, что в модели фабрики игрушек TOYCO время выполнения
новой четвертой операции составляет соответственно 3, 3 и 1 минуту при сборке
одной игрушки каждого вида. В этом случае четвертое ограничение Зх, + Зхг +
+ х3< 500 не будет избыточным, и текущее оптимальное решение ему не удовлетво
ряет. Мы должны ввести новое ограничение в симплекс-таблицу, где представлено
текущее оптимальное решение.
хг -1 /4 1 0 1/2 - 1 /4 0 0 100
Хв 2 0 0 -2 1 1 0 20
X1 3 3 1 0 0 0 1 500
182 Глава 4. Двойственность и анализ чувствительности
хг -1 /4 1 0 1/2 -1 /4 0 0 100
хв 2 0 0 -2 1 1 0 20
Xl 9/4 0 0 -3 /2 1/4 0 1 -3 0
УПРАЖНЕНИЯ 4.5.3
1. Пусть в модели фабрики игрушек TOYCO время выполнения четвертой опе
рации составляет соответственно 4, 1 и 2 минуты при сборке одной игрушки
каждого вида. Найдите оптимальное решение задачи, предполагая, что фонд
рабочего времени четвертой операции составляет а) 570 минут, Ь) 548 минут.
2. Вторичные ограничения. Вместо решения задачи ЛП с учетом всех ограниче
ний можно сначала определить так называемые вторичные ограничения и на
первом этапе решения задачи исключить их из рассмотрения. Вторичными ог
раничениями являются те, которые, как мы подозреваем, лиш ь в малой степе
ни влияют (или совсем не влияют) на оптимальное решение. После определе
ния такие ограничения исключаются из множества ограничений задачи,
и далее решается задача только с оставшимися ограничениями. Затем по очереди
проверяются вторичные ограничения. Если полученное ранее оптимальное
решение удовлетворяет вторичному ограничению, такое ограничение отбрасы
вается совсем. Ё противном случае оно вводится в множество ограничений за
дачи и продолжается поиск нового оптимального решения. Этот процесс вы
полняется до тех пор, пока не исчерпаются все вторичные ограничения.
Примените описанную процедуру к следующей задаче ЛП.
М аксимизировать z = 5 x t + 6 х2 + Зх 3
при ограничениях
5х, + Ъх2+ Зх 3 < 50,
х, + х 2 - х 3< 2 0 ,
7х, + 6 х2 - 9х3< 90,
5х, + Ьх2 + 5х3< 35,
1 2 *, + 6х2<90,
х 2 - 9 х 3< 20,
х 2, х 3> 0 .
4.5. Анализ чувствительности оптимального решения 183
Пример 4.5.4
Предположим, что фабрика игрушек TOYCO проводит новую ценовую политику
относительно своих изделий. В соответствии с этим доход от одной модели поезда,
грузовика и легкового автомобиля составляет соответственно 2, 3 и 4 долл. Получа
ем новую целевую функцию для этой модели
максимизировать z = 2х, + Зх2 + 4х3.
Таким образом,
новые коэффициенты при базисных переменных х2, х3и х 6= (3, 4, 0).
По формулам метода 1 из раздела 4.2.3 вычислим значения двойственных пере
менных.
'
— —- о
2
(Л.У2.Л) =(3.4.0) і 1
о 2’ 4’
-2
„ 3
*4: У>-° = 2 '
х2 - 1 /4 1 0 1/2 -1 /4 0 100
хз 3 /2 0 1 0 1/2 0 23 0
х6 2 0 0 -2 1 1 20
УПРАЖНЕНИЯ 4.5.4
1. Проверьте оптимальность решения задачи о фабрике TOYCO для следующих
целевых функций. Если решение неоптимально, найдите новое оптимальное
решение. (Симилекс-таблица с оптимальным решением для данной задачи
представлена в начале раздела 4.5.)
a) г = 2 x t + х 2 + 4 х 3,
b ) г = Зх, + &х2 + х 3,
c) z = 8х, + З х2 + 9 х 3.
2. Проверьте оптимальность решения задачи о компании Reddy Mikks
(пример 4.3.1) для следующих целевых функций. Если решение неопти
мально, найдите новое оптимальное решение. (Симплекс-таблица с опти
мальным решением для данной задачи представлена в примере 3.3.1.)
a ) г = 3 x t + 2х 2,
b) z = 8х, + Ю х2,
c) г = 2 х , + 5 х 2.
4.5. Анализ чувствительности оптимального решения 185
Пример 4.5.5
В задаче о фабрике TOYCO запишем целевую функцию следующим образом.
М аксимизировать z = (3 + dt)xt + 2х2+ 5х3.
Найдем интервал оптимальности для изменения dr
Мы должны следовать той же процедуре, которая описана выше. Но так как перемен
ная л:, не входит в оптимальный базис, значения двойственных переменных не изменят
ся и останутся такими же, как в исходной задаче (т.е. уг — 1, у2= 2, у3—0). Более того,
поскольку переменная x t небазисная, то в 2-строке изменится только ее коэффициент,
а все остальные коэффициенты останутся неизменными (почему?). Это означает, что
нам необходимо применить формулу 2 из раздела 4.2.4 только к ограничению двой
ственной задачи, соответствующего переменнойx t.
x t: y t + Зу2 + у3 - (3 + dt) = 1 + 3x2 + 0 - (3 + d%
) = 4 - dr
Поскольку рассматривается задача максимизации, исходное решение будет оптималь
ным до тех пор, пока выполняется неравенство 4 - d t >0 или d,< 4. Это эквивалентно
утверждению, что текущее решение останется оптимальным до тех пор, пока в целе
вой функции коэффициент при*, не превысит величины 3 + 4 = 7.
Теперь рассмотрим изменение d2 коэффициента при переменной х2 в выражении це
левой функции:
максимизировать z = З*, + (2 + d2)x2+ 5*3.
Различие здесь по сравнению с предыдущем случаем заключается в том, что пере
менная х2 входит в оптимальный базис, и поэтому изменение ее коэффициента из
менит значения двойственных переменных и, следовательно, значения коэффици
ентов в 2-строке, соответствующих всем небазисным переменным (напомним, что
коэффициенты в 2-строке, соответствующие базисным переменным, останутся рав
ными нулю независимо от изменения целевой функции). Используя метод 1 из разде
ла 4.2.3, вычисляем значения двойственных переменных:
186 Глава 4. Двойственность и анализ чувствительности
-2 1
УПРАЖНЕНИЯ 4.5.5
1. Пусть в задаче б фабрике TOYCO доход от одной модели легкового автомоби
ля составляет 5 + d 3 долл. Определите интервал для величины d3, сохраняю
щий текущее оптимальное решение.
2. В задаче о фабрике TOYCO, используя решения из примера 4.5.5 и предыдущего
упражнения, укажите, будет ли текущее решение оптимальным для следующих
(независимых) ситуаций. Если решение изменится, найдите новое.
a) Доход от одной модели поезда возрос от 3 до 5 долл. До 8 долл.
b) Доход от одной модели поезда уменьшился от 3 до 2 долл.
c) Доход от одной модели грузовика увеличился от 2 до 6 долл.
d) Доход от одной модели легкового автомобиля уменьшился от 5 до 2 долл.
3. Пусть в задаче о компании Reddy Mikks коэффициенты целевой функции
претерпели следующие изменения (каждое изменение рассматривается как
отдельная задача).
a) Доход от одной тонны краски для наруж ны х работ составляет 5 + d x
ты с. долл.
b) Доход от одной тонны краски для внутренних работ составляет 4 + d 2
тыс. долл.
Изменения d , и d 2 могут быть как положительными, так и отрицательными.
Применяя подходящее условие оптимальности к коэффициентам 2-строки
оптимальной симплекс-таблицы, определите интервалы для величин d x и d2,
сохраняющие текущее оптимальное решение.
4.5. Анализ чувствительности оптимального решения 187
Пример 4.5.6
Оптимальное реш ение задачи ЛП о фабрике игруш ек TOYCO показы вает, что
производство моделей поездов нерентабельно. Поэтому фабрика планирует заме
нить производство этих моделей выпуском модели пожарной маш ины, причем ее
сборка будет осущ ествляться с использованием тех же производственных мощно
стей. Доход от новой игруш ки ожидается в 4 долл. за одну модель. Ее время
4.5. Анализ чувствительности оптимального решения 189
z 4 0 0 -1 Й 1 2 0 1350
*6 2 0 0 1 -2 1 1 20
УПРАЖНЕНИЯ 4.5.6
1. В исходной модели фабрики игрушек TOYCO производство моделей поездов
не входит в оптимальный производственный план. Ситуация на рынке игру
шек не позволяет увеличить отпускную цену этих моделей. Поэтому фабрика
решила усовершенствовать сборочные операции данной модели. Это привело
к уменьшению времени выполнения каждой из трех сборочных операций на
р % . Найдите значение р, при котором выпуск моделей поездов становится
190 Глава 4. Двойственность и анализ чувствительности
ЛИТЕРАТУРА
1. B azaraa М., Ja rv is J ., Sherali М. L inear Program m ing and Network Flows, 2nd ed.,
W iley, New York, 1990.
2. Bradley S., Hax A., M agnanti T. Applied M athem atical Programming, Addison-
W esley, Reading, MA, 1977.
3. N ering E., Tucker A. Linear Program m ing and Related Problems, Academic Press,
Boston, 1992.
КОМПЛЕКСНЫЕ ЗАДАЧИ
4.1. 4 Компания MANCO производит три вида продукции: P I, Р2 и РЗ. В произ
водственном процессе используются материалы M l и М2, обрабатываемые на
станках С1 и С2. В следующей таблице приведены данные, характеризующие
производственный процесс.
ТРАНСПОРТНЫЕ МОДЕЛИ
Транспортные модели (задачи) — специальный класс задач линейного про
граммирования. Эти модели часто описывают перемещение (перевозку) какого-
либо товара из пункта отправления (исходный пункт, например место производст
ва) в пункт назначения (склад, магазин, грузохранилище). Назначение транспорт
ной задачи — определить объем перевозок из пунктов отправления в пункты на
значения с минимальной суммарной стоимостью перевозок. При этом должны
учитываться ограничения, налагаемые на объемы грузов, имеющихся в пунктах
отправления (предложения), и ограничения, учитывающие потребность грузов
в пунктах назначения (спрос). В транспортной модели предполагается, что стоимость
перевозки по какому-либо маршруту прямо пропорциональна объему груза, пере
возимого по этому маршруту. В общем случае транспортную модель можно приме
нять для описания ситуаций, связанных с управлением запасами, управлением
движением капиталов, составлением расписаний, назначением персонала и др.
Хотя транспортная задача мож ет быть реш ена как обычная задача линейно
го программирования, ее спец и альн ая структура позволяет разработать алго
ритм с упрощ енными вы числениям и, основанны й на сим плексны х отнош ениях
двойственности. В данной главе будет показан этот алгоритм и его тесная связь
. с симплекс-методом.
Объемы
предложений
Пример 5.1.1
Автомобильная компания MG Auto имеет три завода в Лос-Анджелесе, Детройте
и Новом Орлеане и два распределительных центра в Денвере и Майами. Объемы
производства заводов компании в следующем квартале составят соответственно
1000, 1500 и 1200 автомобилей. Е ж еквартальная потребность распределительных
центров составляет 2300 и 1400 автомобилей. Расстояния (в милях) между завода-
ми и распределительными центрами приведены в табл. 5.1.
Таблица 5.1
Денвер Майами
Таблица 5.2
Денвер (1) Майами (2)
Таблица 5.3
Денвер Майами Объем производства
80 215
Лос-Анджелес
Хц X l2 1000
100 108
Детройт
1000
2300
1500
1400
Майами
1200
Новый Орлеан
Рис. 5.2. Схема оптимальных перевозок
Чтобы получить в программе TORA решение транспортной задачи, в меню Main Menu
выберите команду Transportation Model (Транспортная модель). Затем в меню SOLVE/MODIFY
выберите команду Solve^Final solution. Более подробно решение транспортных задач в про
грамме TORA описано в разделе 5.3.3.
196 Глава 5. Транспортные модели
Пример 5.1.2
В рамках модели компании MG Auto предположим, что завод в Детройте уменьшил
выпуск продукции до 1300 автомобилей (вместо 1500, как было ранее). В этом случае
общее количество произведенных автомобилей (3500) меньше общего числа зака
занных (3700). Таким образом, очевидно, что часть заказов распределительных
центров Денвера и Майами не будет выполнена.
Поскольку в данной ситуации спрос превышает предложение, для восстановления ба
ланса введем фиктивный завод (пункт отправления), производящий 200 (3 7 0 0 - 3500)
автомобилей. Назначим нулевую стоимость транспортных перевозок от фиктивного за
вода до пунктов назначения, поскольку такого завода не существует. В принципе,
стоимость транспортных перевозок от фиктивного пункта назначения может иметь
любое положительное значение. Например, чтобы гарантировать выполнение всех
заказов распределительного центра Майами, можно назначить очень высокую стои
мость перевозок (штраф) от фиктивного завода до Майами.
В табл. 5.4 представлена сбалансированная модель и ее оптимальное решение. Ре
шение показывает, что фиктивный завод поставит в Майами 200 автомобилей. Это
означает, что для данного распределительного центра из заказа на 1400 автомоби
лей не будет поставлено 200 автомобилей.
Таблица 5.4
Денвер Майами Объем производства
Г
80 215
Лос-Анджелес
1000 1000
100 108
Детройт
1300 1300
102 68
Новый Орлеан
1200 1200
0 0
Фиктивный завод
200 200
Предположив, что заказ распределительного центра Денвера составляет всего 1900 ав
томобилей, получим ситуацию, когда предложение превышает спрос. В этой ситуации
необходимо ввести фиктивный пункт назначения, “ поглощающий” избыточное пред
ложение. Здесь также можно назначить нулевую стоимость перевозок в фиктивный
пункт назначения, если не требуется выполнения каких-то особых условий. Напри
мер, если необходимо вывести всю продукцию какого-либо завода, следует назначить
очень высокую стоимость перевозок от этого завода до фиктивного пункта назначения.
В табл. 5.5 показана новая модель и ее оптимальное решение (полученное с помо
щью программы TORA). Решение показывает, что 400 автомобилей завода Детрой
та не востребованы.
Таблица 5.5
Денвер Майами Фиктивный центр
80 215 0 І
■ ■ ■ н н н
Лос-Анджелес
1000 1000
100 108
Детройт
900 200 400 1500
102 68 1 0
Новый Орлеан ...... .. :.a c i;4
1200 1200
Спрос 2300 1400 400
УПРАЖНЕНИЯ 5.1
1. Истинны или ложны следующие утверждения?
a) Для сбалансированности транспортной модели может понадобиться ввести
как фиктивные пункты отправления, так и фиктивные пункты назначения.
b ) Объем перевозок в фиктивный пункт назначения равен объему превыше
ния предложения над спросом.
c) Объем перевозок из фиктивного пункта отправления равен разности меж
ду спросом и предложением.
2. В каждом из следующих случаев определите, следует ли ввести фиктивный пункт
отправления или фиктивный пункт назначения, чтобы сбалансировать модель.
a) Предложение: а, = 10, а 2= 5, а 3= 4, а 4= 6. Спрос: Ьг = 10, Ь2= 5, Ьа= 7, bt = 9.
b) Предложение: а, = 30, а 2 = 44. Спрос: Ь, = 25, Ь2 —30, Ь3= 10.
3. На основе табл. 5.4 из примера 5.1.2 (здесь введен фиктивный завод) интер
претируйте решение, при котором фиктивный завод “ поставит” 150 автомо
билей распределительному центру в Денвере и 50 автомобилей распредели
тельному центру в Майами.
4. Как в табл. 5.5 из примера 5.1.2 учесть требование, что завод в Детройте
должен отправить заказчикам все свои автомобили?
198 Глава 5. Транспортные модели
5. Пусть в примере 5.1.2 (табл. 5.4) введены штрафы в размере 200 и 300 долл. за
каждый недопоставленный автомобиль в распределительные центры Денве
ра и Майами соответственно. Кроме того, поставки из Лос-Анджелеса
в Майами не планируются изначально. Постройте транспортную модель
и найдите схему оптимальных перевозок с помощью программы TORA.
6. Три электрогенерирующие станции мощностью 25, 40 и 30 миллионов кВ т/ч
поставляют электроэнергию в три города. М аксимальная потребность в элек
троэнергии этих городов оценивается в 30, 35 и 25 миллионов кВ т/ч. Цены за
миллион кВ т/ч в данных городах показаны в табл. 5.6.
Таблица 5.6
Город
1 2 3
1 600 700 400
Станция 2 320 300 350
3 500 480 450
Таблица 5.7
Бензохранилище
1 2 3
1 120 180 —
Завод 2 300 100 80
3 200 250 120
5.1. Определение транспортной модели 199
Таблица 5.8
Покупатели
1 2 3 4
1 1 2 3 2
Хозяйства 2 2 4 1 2
3 1 3 5 3
Таблица 5.9
Дилеры
1 2 3 4 5 Предложения
1 100 150 200 140 35
Центры 2 50 70 60 65 80
3 40 90 100 150 130
Спрос 100 200 150 160 140
Таблица 5.10
Модель
М1 М2 М3 М4 Всего
Завод
Лос-Анджелес 700 300 1000
Детройт 500 600 — 400 1500
Новый Орлеан 800 400 — — 1200
Распоеделительный центр
Денвер 700 500 500 600 2300
Майами 600 500 200 100 1400
Таблица 5.11
Распределительный центр Заменяемая часть спроса (%) Взаимозаменяемые модели
Денвер 10 М1, М2
20 М3, М4
Майами 10 М1, М3
5 М2, М4
5.2. Нетрадиционные транспортные модели 201
Таблица 5.12
1 2 3 4 Объем производства
Период производства м )
© © ©
50 50/ 130 70/ 180 30 \ 270
Период спроса
© © "©
4В табл. 5.13 буква М означает достаточно большое положительное число. — Прим. ред.
204 Глава 5. Транспортные модели
Таблица 5.13
1 (Пн.) 2 (Вт.) 3 (Ср.) 4 (Чт.) 5 (Пт.) 6 (Сб.) 7 (Вс.) 8 (Остаток)
1 12 12 12 12 12 12 12 0
(Новые) 24 2 98 124
2 М * : 6 6 3 3 3 3 0
(Пн.) 10 8 6 24
3 ■ 'Ш 1' ЇЇ'С м 6 6 3 3 3 0
(Вт.) 6 6 12
4 ■ ■ '4W - ,, м М 6 6 3 3 0
(Ср.) 14 14
5 м ;6,ЙМ Ш М ^й. М 6 6 3 0
(Чт.) 12 8 20
6 М М М 6 6 0
(Пт.) 14 4 18
7 'M jg - м ШШ- М М 6 0
(Сб.) 14 14
8 м М м М М М М 0
(Вс.) 22 22
24 12 14 20 18 14 22 124
УПРАЖНЕНИЯ 5.2
1. Пусть в примере 5.2.1 стоимость хранения продукции зависит от месяца,
в котором она произведена, и составляет для первых трех месяцев соответст
венно 40, 30 и 70 центов за хранение единицы продукции. Величина штрафа
за просроченные заказы и величины производственных расходов остаются
такими же, как и в примере 5.2.1. С помощью программы TORA найдите оп
тимальное решение и интерпретируйте полученный результат.
2. Пусть в примере 5.2.2 также имеется 3-дневный сервис по заточке полотен
пил, использованных в понедельник и вторник; при этом стоимость заточки
одного полотна составляет 1 долл. Сформулируйте задачу заново и интерпре
тируйте ее оптимальное решение, полученное с помощью программы TORA.
3. Пусть в примере 5.2.2 заточенные полотна, не использованные сразу после за
точки, отправляются на хранение, причем стоимость хранения одного полотна
в течение дня составляет 50 центов. Переформулируйте задачу и интерпрети
руйте ее оптимальное решение, полученное с помощью программы TORA.
5.2. Нетрадиционные транспортные модели 205
Таблица 5.14
Вид работ
1 2 3 4 5
1 10 2 3 15 9
Тип 2 5 10 15 2 4
станка 3 15 5 14 7 15
4 20 15 13 — 8
Таблица 5.15
Лесной массив
1 2 3
Пример 5.3.1
Транспортная компания занимается перевозкой зерна специальными зерновозами
от трех элеваторов к четырем мельницам. В табл. 5.16 показаны возможности от
грузки зерна (предложения) элеваторами (в зерновозах) и потребности (спрос) мель
ниц (также в зерновозах), а также стоимость перевозки зерна одним зерновозом от
элеваторов к мельницам. Стоимость перевозок с, приведена в сотнях долларов.
В данной задаче требуется определить структуру перевозок между элеваторами
и мельницами с минимальной стоимостью. Д ля этого необходимо вычислить объе
мы перевозок xlt между i-м элеватором и j -й мельницей.
Таблица 5.16
Мельницы
1 2 3 4 Предложение
см
о
10 2 11
1
*12
X
*11 *14
со
12 7 9 20
Элеваторы 2
(сумма предложений равна сумме спроса), одно из этих равенств должно быть из
быточным. Таким образом, транспортная модель имеет т + п - 1 независимых ог
раничений, отсюда следует, что начальное базисное решение состоит из т + п - 1
базисных переменных. Например, начальное решение в примере 5.3.1 содержит
3 + 4 - 1 = 6 базисных переменных.
Специальная структура транспортной модели для построения начального реше
ния позволяет применить следующие методы (вместо использования искусствен
ных переменных, как это делается в симплекс-методе).
1. Метод северо-западного угла.
2. Метод наименьшей стоимости.
3. Метод Фогеля.
Различие этих методов заключается в “ качестве” начального решения, т.е.
“ удаленности” начального решения от оптимального. В общем случае метод Фоге
ля дает наилучшее решение, а метод северо-западного угла — наихудшее. Однако
метод северо-западного угла требует меньшего объема вычислений.
Метод северо-западного угла. Выполнение начинается с верхней левой ячейки
(северо-западного угла) транспортной таблицы, т.е. с переменной х и .
Пример 5.3.2
Если применить описанную процедуру к задаче из примера 5.3.1, получим началь
ное базисное решение, представленное в табл. 5.17. В этой таблице стрелками пока
зана последовательность определения базисных переменных.
*34 = 1 0 -
Таблица 5.17
1 2 3 4 Предложение
10 2 20 11
5 ...... і -1,0 15
12 : 7 9 20
т
5 ...... ■- 1 5 ...... >- 5 25
4 14 16 : 18
Т
10 10
5 15 15 15
Пример 5.3.3
Применим метод наименьшей стоимости к задаче из примера 5.3.1.
1. Ячейка (1, 2) имеет наименьшую в таблице стоимость (2 долл.). Наибольшее
значение, которое можно присвоить переменной х12, равно 15. В этом случае
удовлетворяются ограничения, соответствующие первой строке и второму
столбцу. Вычеркиваем второй столбец, предложение первой строки и спрос вто
рого столбца принимают нулевые значения.
2. Следующей ячейкой с наименьшей стоимостью в незачеркнутой части табли
цы будет (З, 1). Присвоим переменной х31 значение 5 и вычеркнем первый
столбец. Ограничение по предложению, соответствующее третьей строке, ста
нет равным 10 - 5 = 5.
3. Продолжая процедуру, последовательно присваиваем переменной х23 значение 15,
переменной хи — значение 0; далее находим х34 = 5 и х24 = 10 (проверьте!).
Процесс поиска начального решения представлен в табл. 5.18. Стрелками показана
последовательность присвоения переменным значений. Итак, мы получили сле
дующее начальное базисное решение (состоящее из 6 переменных):
II
=1 5 > * н
О
II
*23 “ -1 5 , = 10,
•*31 “ ~ *34 “ 5.
Таблица 5.18
1 2 3 4 Предложение
10 2 20 11
-15 , о.
/12 7 /9 20
г 15 10
4
: 4 .-•*■*14 16 18
!t
5 ■’ 5
Спрос 5 15 15 15
Ш аг 3.
а) Если не вычеркнута только одна строка или только один стол
бец с нулевым спросом или предложением, вы числения зак ан
чиваются.
б) Если не вычеркнута только одна строка (столбец) с положи
тельным предложением (спросом), в этой строке (столбце) мето
дом наименьшей стоимости находятся базисные переменные,
и вычисления заканчиваются.
в) Если всем невычеркнутым строкам и столбцам соответствуют
нулевые объемы предложения и спроса, методом наименьшей
стоимости находятся нулевые базисные переменные, и вычис
ления заканчиваются.
г) Во всех остальных случаях необходимо перейти к п. 1.
Пример 5.3.4
Применим метод Фогеля к задаче из примера 5.3.1. В табл. 5.19 показан первый
набор вычисленных штрафов.
Поскольку третья строка имеет наибольший штраф (10) и в этой строке наимень
шая стоимость содержится в ячейке (З, 1), присваиваем переменной х31 значение 5.
В этом случае полностью выполняется ограничение первого столбца, его вычерки
ваем. Новый набор пересчитанных штрафов показан в табл. 5.20.
Теперь первая строка имеет наибольший штраф 9. Поэтому мы присваиваем значе
ние 15 переменной х12, которой соответствует минимальная стоимость в первой
строке. В этом случае одновременно выполняются ограничения и для первой стро
ки, и для второго столбца. Вычеркнем второй столбец, положив объем предложе
ний, соответствующий первой строке, равным нулю.
Таблица 5.19
1 2 3 4 Штрафы для строк
10 2 20 11 10-2 = 8
1
15
12 7 9 20 9 -7 = 2
2
25
4 14 16 18 14-4=10
3
5 10
5 15 15 15
Штрафы для столбцов 10-4 = 6 7-2 = 5 16-9 = 7 18-11=7
212 Глава 5. Транспортные модели
Таблица 5.20
Штрафы для строк
10 2 20 11 1 1 -2 = 9
•
15 15
12 7 9 20 9 -7 = 2
25
14 16 18 1 6 -1 4 = 2
X\4
5 5
0 15 15 15
Штрафы для столбцов _ 5 7 7
Продолжая этот процесс, находим, что на следующем шаге вторая строка будет
иметь наибольший штраф (20 - 9 = 11). Поэтому переменной х23 присваиваем зна
чение 15. В результате будет вычеркнут третий столбец, во второй строке останется
нереализованным предложение объемом в 10 единиц. Остается невычеркнутым
только четвертый столбец с положительным неудовлетворенным спросом объемом
в 15 единиц. Применяя метод наименьшей стоимости к этому столбцу, последова
тельно получаем л-,4 = 0, х31 = 5 и х24 = 10 (проверьте!). Соответствующее значение
целевой функции равно
z = 15 х 2 + 0 х 11 + 1 5 x 9 + 10 х 20 + 5 x 4 + 5x 18 = 475 долл.
В данном случае значение целевой функции такое же, как и при методе наимень
шей стоимости. Но обычно метод Фогеля дает наилучшее начальное решение для
транспортной задачи.
У П Р А Ж Н Е Н И Е 5.3.1
>»
1. Найдите начальные решения методами северо-западного угла, наименьшей
стоимости и Фогеля для следующих транспортных задач.
Ь) с)
0 2 1 6 1 2 6 7 5 1 8 12
2 1 5 7 0 4 2 12 2 4 0 14
2 4 3 7 3 1 5 11 3 6 7 4
5 5 10 10 10 10 9 10 11
Пример 5.3.5
Решим транспортную задачу из примера 5.3.1, используя начальное решение
(табл. 5.21), полученное методом северо-западного угла в примере 5.3.2.
Таблица 5.21
1 2 3 4 Предложение
10 2 20 11
1
5 10 15
12 7 9 20
2
5 15 5 25
4 14 16 18
3
10 10
Спрос 15 15 15
Определение вводимой переменной среди текущих небазисных (т.е. среди тех пе
ременных, которые не входят в начальное базисное решение) основано на вычисле
нии коэффициентов z-строки, соответствующих небазисным переменным,
с использованием метода потенциалов (который, как будет показано в разделе 5.4,
основан на соотношениях двойственности задачи ЛП).
В методе потенциалов каждой строке і и каждому столбцу j транспортной таблицы
ставятся в соответствие числа (потенциалы) и, и vy. Д ля каждой базисной перемен
ной х, потенциалы и, и v( (как показано в разделе 5.4) удовлетворяют уравнению
СЛ
СЛ
11
и2 + 1/4 = 20
II
*2 4
£
і
*3 4 1/3 + 1/4 = 18 1/4 = 15 -> из = 3
И так, им еем
ui = 0, w2 = 5 , иъ - 3,
v , = 10, v2 - 2 , v3 = II
II
Далее, используя найденные значения потенциалов, для каждой небазисной пере
менной вычисляются величины ut + Vj - с, . Результаты вычисления этих величин
приведены в следующей таблице.
*3 1 ł /з + i/i —С31 = 3 + 10 —4 = 9
*3 2 из + i/г —Сз2 = 3 + 2 — 14 = —9
*3 3 t/з + і/з —сзз = 3 + 4 — 16 = —9
Базис________ Xu *12 хіз уі4 *21 х-п х2з х24 хзі х32 х3з хз4
z 0 0 -1 6 4 3 О 0 0 9 -9 -9 О
Таблица 5.22
і/, = 10 1/2 = 2 і/з = 4 1/4 = 15 Предложение
10 2 20 11
щ =0
5 10 -1 6 4 15
12 7 9 20
и2 = 5
3 5 15 5 25
4 14 16 18
t/з - 3
9 -9 -9 10 10
Спрос 5 15 15 15
Таблица 5.23
vi = 10 v2 = 2 v3 = 4 v4 = 15 Предложение
10 2 20 11
5 - 0-* - 1 0 + 0
+ * -16 4
12 :7 ..9 20
5 - 0 - --•■'15 •• •5 + 0
3 + +
4 14 16 : 18
►10-0
+ 9 -9 -9
Спрос 5 15 15 15
Отсюда следует, что наибольшее значение, которое может принять 0, равно 5, при
этом переменные лп и х.п обращаются в нуль. Поскольку только одна переменная
исключается из базиса, в качестве исключаемой можно выбрать как х и , так и хгг.
Остановим свой выбор н ал п.
Определив значение для вводимой переменной (х31 = 5) и выбрав исклю чаемую
переменную , далее следует откорректировать зн ачен ия базисны х переменных,
соответствующих угловым ячейкам замкнутого цикла, к ак показано в табл. 5.24.
Поскольку перевозка единицы груза по маршруту (З, 1) уменьшает общую стои
мость перевозок на 9 долл. (= иъ + v, - с31), суммарная стоимость перевозок будет на
9 х 5 = 45 долл. меньше, чем в предыдущем решении. Таким образом, новая сум
марная стоимость перевозок будет равна 520 - 45 = 475 долл.
Имея новое базисное решение, следует повторить вычисления потенциалов, как
показано в табл. 5.24. Новой вводимой в базис переменной будет х и . Замкнутый
цикл, соответствующий этой переменной, позволяет найти ее значение (х14 = 10)
и исключаемую переменную х24.
Новое решение, показанное в табл. 5.25, на 4 х 10 = 40 долл. уменьшает значение
целевой функции. Таким образом, новая суммарная стоимость перевозок составля
ет 475 - 40 = 435 долл. Теперь новые значения величин + v; - с,, для всех небазис
ных переменных д: отрицательные. Поэтому решение, представленное в табл. 5.25,
оптимально.
Таблица 5.24
vi = l v2 = 2 v3= 4 v4= 15
10 2 20 11
«1 = 0 1 5 -0 - —0
А
-9 -16 + : 4
12 і 7 .. 9 т 20
и2 = 5 0 + 0- •15 • • 1 0 - 0
-6 +
4 14 16 18
w3= 3 5 5
-9 -9
Спрос 5 15 15 15
5.3, Решение транспортной задачи 217
Таблица 5.25
i/i = - 3 1/2 = 2 1/з = 4 1/4 = 11 Предложение
10 2 20 11
и 1= 0
-1 3 5 -1 6 10 15
12 7 9 20
1/2 = 5
-1 0 10 15 -4 25
4 14 16 18
Мз = 7
5 -5 -5 5 10
Спрос 5 15 15 15
TRANSPORTATION MODEL
* На рис. 5.5 часть строк этого диапазона и диапазона В20:К29 скрыты. — Прим. ред.
5.3. Решение транспортной задачи 219
Р и с. 5.5. Р е ш е н и е з а д а ч и и з п р и м е р а 5 .3 .1 , п о л у ч е н н о е с п ом ощ ью ср ед ст ва
П о и с к р е ш е н и я
На основе этих входных данных можно получить еще одну интересную форму
лировку транспортной модели. Р азличия проявятся в структуре выходных дан
ных и в определении параметров средства Поиск решения. В модель такж е доба
вится раздел промежуточных вычислений — клю чевая часть табличной модели.
В нашей модели разделы вы ходны х данны х и промежуточных вы числений будут
полностью автоматизированы. Пользователю достаточно будет ввести параметры
средства Поиск решения (и исходные данные, конечно же).
На рис. 5.6 показано решение примера 5.2.5 с использованием новой формули
ровки задачи (файл ch5SolverN etw orkB asedTransportation.xls). Решение задачи
находится в столбце В (начиная с ячейки В22) под заголовком “ Поток” . Названия
маршрутов были сгенерированы автоматически на основе названий пунктов от
правления и назначения в разделе входных данных и находятся в столбце А
(начиная с ячейки А22 и ниже).
Основные формулы, с помощью которых вы числяется оптимальное решение,
содержатся в разделе промежуточных вычислений. В столбце Е (начиная с ячей
ки Е21) находятся порядковые номера пунктов отправлений и назначений, при
чем сначала идут пункты отправлений. Эта информация, а такж е номера пунктов
отправлений и назначений используются для числового представления путей
модели. Например, пункт отправления 1 (ячейка Н21) в пункт назначения 4
(ячейка 121) обозначают путь от пункта отправления S1 в пункт назначения D1.
На основе информации из столбцов Н и I в столбце F (начиная с ячейки F21)
строятся формулы для вычисления потока через узел. В частности, в ячейке F21
содержится следующая формула5.
=СУММЕСЛИ($Н$21:$Н$121;$Е21;$В$22:$В$122)-
-СУММЕСЛИ($1$21:$1$121;$Е21;$В$22:$В$122)
Затем эта формула была скопирована в диапазон F22:F121.
В сущности, в формуле СУММЕСЛИ вычисляется чистый поток (вход-выход) че
рез каж дый узел, перечисленный в столбце Е (начиная с ячейки Е21). Важно отме
тить, что в данной стандартной транспортной модели с помощью формулы можно
эффективно вычислить сумму выходных потоков из каждого пункта отправления
или сумму входных потоков в каж дый узел пункта назначения. Несмотря на то что
необходимо использовать две отдельные формулы для представления выходных
потоков в пунктах отиравлений и входных потоков в пунктах назначений, при ис
пользовании основных сетевых моделей (которые обсуждаются в главе 6) все вы
числения можно объединить в одной формуле.
Д ля каждого узла величина потока вычисляется по формуле:
входной поток - выходной поток = чистый поток.
Нам необходимо определить объем чистого потока для каждого узла. В столбце G
(начиная с ячейки G21) содержатся данные, которые автоматически копируются из
раздела входных данных с помощью функции ИНДЕКС. Заметьте, что чистый поток
для узла пункта отправления имеет положительный знак, в то время как для узлов
пунктов назначения чистый поток имеет отрицательное значение. Необходимость
использования отрицательных значений чистого потока для узлов пунктов назна
чений обусловлена тем, как определен поток через узлы сети в столбце F.
5 Идея использования функции СУММЕСЛИ для представления баланса потоков в сети по
заимствована из статьи С. Т. Ragsdale, “ Solving Network Flow Problems ill a Spreadsheet” ,
COMPASS News, No. 2, Spring 1996, pp. 4, 5. Остальная часть таблицы, частичная автоматиза
ция вычислений и раздел промежуточных вычислений разработаны автором.
5.3. Решение транспортной задачи 221
А В с D .£ . ' -F G н J IК L I
1 j Общая сетевая модель
2 Входные данные:
3'. К-во п. отправления 3 ■-<ма>симун 10
4 К-во п. назначения 4 «максимум 10
5 Пр.способностьЬ п)? п гизмеииете на V , есги w * чается пр спосоОность
6 Мат. ица дольны х стоимостей
,п D1 02 ГО D4 Предложение
6 S1 10 2 20 11 15
S2 12 7 9 20 25
to S3 4 14 16 18 10
18 Спрос 5 15 15 15
IS ’Оптимальное решение: Промежуточные вычисления:
20 ООщая стоимость 435 Имя Узел Поток Спрос От В Уд. стоимость
21 От- в Поток Пр спос. S1 1 1S 15 1 А 10
22 S1-D1 0 99999S S2 2 ! 25 25 1 5 2
23 S1 -D2 В 999999 S3 3 10 10 1 Є 20
24 S1-D3 0 999999 D1 4 -5 -3 1 7 11
2S S1 -D4 10 999999 D2 5 -15 -15 2 4 12
26 S2-D1 0 999999 D3 6 -15 -15 2 5 7
27 S2-D2 10 999999 D4 7 -15 -IS 2 Є 9
28 S2-D3 IS 999999 2 7 20
29 S2-D4 0 999999 3 А 4
30 S3-D1 S 399999 3 5 14
31 S3-D2 0 999999 3 Є 16
32 S3-D3 0 999999 3 7 1В
33 S3-D4 S 999999
34
Поиск решения ЕШ
Установить целевую «чайку ■j$B$20 2J Выполнить
I
Равной: нама«альному значению рачению: 1°
Зарыть I
F ниаинапьному знач»**о
Изменяя ячейки',-- -
|$В$22:$В$ЗЭ Предположить 1
:©раничения: •- — Параметры
і
, $B$22.*Bt33<=$Ct22:$C$33 * Добавить I
' $F$21:$Ft27 -$G$21:$G$27
Іфмениіь
Восстановить I
, ралить І
ZJ Справка
-
_ w.— ^ ■-
Р ис. 5.6. Р еш ен и е п р и м ер а 5.3.1, п о л уч ен н о е с и сп о льзо ва н и ем сет ей
Теперь для реш ения задачи осталось только задать параметры средства Поиск
решения. Целевая ячейка уже содержит следующую общую формулу, которую не
нужно изменять для моделей, размер которых не превышает 10 х 10.
=CyMMnPOH3B(B22:B122;J21:J121)
Осталось заполнить поля Изменяя ячейки и Ограничения в диалоговом окне сред
ства Поиск решения. На рис. 5.6 показано, что в поле Изменяя ячейки содержится
ссылка $В$22:$В$33.
В строках 22:33 содержатся все возможные маршруты модели, которые изме
няю тся в соответствии с размерами транспортной задачи.
Ограничения можно сформулировать следующим образом.
Поток на маршруте (г, j) < пропускной способности на маршруте (г, j),
(входной поток - выходной поток) через узел j = спрос в узле j.
Д ля первого множества ограничений левая часть выражения соответствует зна
чениям в столбце В (начиная с ячейки В22), а правая часть — значениям в столбце
С (начиная с ячейки С22). Например, на рис. 5.6 первой группе ограничений соот
ветствует такое выражение.
$В$22:$В$33 <= $С$22:$С$33
Значения для второго множества ограничений содержатся в столбцах F и G,
а выражение выглядит следующим образом.
$F$21:$F27 = $G$21:$G$27
Условия неотрицательными можно задать в диалоговом окне Параметры поиска
решения, которое появляется после щ елчка на кнопке Параметры в окне средства
Поиск решения6.
Решение транспортной задачи в программе LINGO. На рис. 5.7 представлена
модель LINGO для транспортной задачи примера 5.3.1 (файл ch5LingoTrans.lg4).
Используемые в модели имена не нуждаются в пояснениях. Обратите внимание на
то, что имена пунктов отправлений (S I, S2, S3) и пунктов назначений (D l, D2, D3,
D4) можно ввести так, как показано на рисунке, вместо того, чтобы включать их
в раздел DATA (Данные) модели.
УПРАЖНЕНИЯ 5.3.2
1. В табл. 5.26 приведены исходные данные (в долл.) для трех транспортных
задач.
a) Используя начальное решение, полученное методом северо-западного уг
ла, найдите их оптимальное решение.
b) В программе TORA сравните начальные решения, полученные методами
северо-западного угла, наименьшей стоимости и Фогеля.
c) Решите задачи с помощью средства Excel Поиск решения.
d) Реш ите задачи с помощью программы LINGO.
6 Следует быть внимательным, поскольку стандартная версия средства Поиск решения, вхо
дящая в поставку Excel, обладает некоторыми “ особенностями” . Если в диалоговом окне
Параметры поиска решения установить слишком маленькое значение в поле Относительная
погрешность (например, 0,000000001), будет выдано непонятное сообщение о том, что модель не
удовлетворяет условиям линейности. Кроме того, выходные результаты будет легче читать, если
их округлить (например, число 1Е-14 должно отображаться как 0, а 9,999999999 — как 10).
5.3. Решение транспортной задачи 223
MODEL:
TITLE: T ra n s p o rta tio n m odel, Example 5.3-i;
SETS:
f r o m / S I S2 S 3 / : s u p p l y ;
t o / D l D2 D3 D 4 / : d e ma n d ;
r o u te (from, t o ) :c o s t , sh ip ;
ENDSETS
MIN=0SUM( r o u t e ( I , J ) : c o s t ( I , J ) * s h i p ( i , J ) ) ;
! subject to;
0FOR (
t o ( J ) : 0 SUM{ f r o m { I ) : s h i p ( I , J ) ) = d e m a n d ( J )
);
@FOR(
f r o m ( I ) :0SUM(to(J) : s h i p ( I , J ) ) = s u p p ly ( I)
);
DATA:
s u p p ly = 1 5 25 10;
d e m a n d = 5 15 15 1 5 ;
cost=10 2 2 0 11
12 7 9 20
4 14 1 6 18;
ENDDATA
END
Таблица 5.26
а) Ь) с)
0 2 1 6 0 4 2 8 — 3 5
2 1 5 9 2 3 4 5 7 4 9
2 4 3 5 1 2 0 6 1 8 6
5 5 10 7 6 6 5 6 19
Таблица 5.27
5 1 7 10
6 4 6 80
3 2 5 15
75 20 50
Таблица 5.29
10 10
20 20 40
10 20 20
Минимизировать z =
;=i ,*i
при выполнении ограничений
У = 1.2,..., и,
ы
x tj > 0, для всех і и /.
Логично предположить, что оптимальное решение обращает первое или вто
рое множество неравенств в равенства (в зависимости от того, будет ли вы
полняться неравенство ^ а , > ^ й уили Контрпример, опровер
гающий это предположение, представлен в табл. 5.30.
Таблица 5.30
1 1 2 5
6 5 1 6
2 7 1
при ограничениях
и. + Vj < с для всех і и j,
ul n v j — свободные переменные,
где
'а — предложение (объем грузов) пункта отправления г,
bf — спрос (заявка на грузы) пункта назначения j,
сч — стоимость перевозки единицы груза из пункта отправления I в пункт
назначения j,
uj — двойственная переменная, соответствующая ограничению на предло
жение пункта отправления г,
Vj— двойственная переменная, соответствующая ограничению на спрос
пункта назначения /.
Из формулы 2 раздела 4.2.4 следует, что коэффициент при переменной х
в выражении целевой функции должен быть равен разности между левой
и правой частями соответствующего ограничения двойственной задачи, т.е. ве
личине ut + v - ctj. Но к а к мы уже знаем, эта величина долж на быть равной нулю
для каждой базисной переменной. Другими словами, для этих переменных
должно выполняться равенство ut + v = ctj. Имея т + п - 1 таких равенств и ре
226 Глава 5. Транспортные модели
УПРАЖНЕНИЯ 5.3.3
1. Запиш ите двойственную задачу для транспортной модели из примера 5.3.5
(см. табл. 5.21). Вычислите оптимальное значение целевой функции двойст
венной задачи с помощью значений двойственных переменных, приведенных
в табл. 5.25, и покаж ите, что найденное значение совпадает с оптимальным
значением целевой функции транспортной задачи.
2. В транспортной модели одной из двойственных переменных присваивается
произвольное значение. Это означает, что одному и тому ж е базисному реше
нию прямой задачи соответствует не единственный набор значений двойст
венных переменных. Это противоречит положениям теории линейного про
грамм ирования, где значения двойственных переменных вы числяю тся как
произведение вектора коэффициентов целевой функции, стоящих при ба
зисных переменных, на обратную матрицу соответствующего базиса (см. ме
тод 1 из раздела 4.2.3). Покажите, что в транспортной модели обратная мат
рица всегда определяется однозначно, в то время как вектор коэффициентов
целевой функции, стоящих при базисных переменных, можно определить не
единственным образом. В частности, покажите, что если коэффициенты ctj за
менить на ctj + k для всех і и j, где k — произвольная константа, то оптималь
ные значения переменных x tj не изменятся. Покажите, что присвоение одной
двойственной переменной произвольного значения эквивалентно прибавлению
к коэффициентам ctj некой константы к.
Таблица 5.31
Работы
1 Си С12 Сіл 1
2 С21 С22 С2л 1
Работники ... ... ...
п Сл1 Сл2 Спп 1
1 1 1
Пример 5.4.1
Трое детей Джоя Клини — Джон, Карен и Терри — желают подзаработать немного де
нег на школьную экскурсию в местный зоопарк. М-р Клини выбрал три вида работ, ко
торые дети выполнить могут за определенную плату: стрижка газона, уборка гаража
и мойка семейного автомобиля. Чтобы избежать ненужных споров между детьми, он
опросил каждого (конечно, по секрету), сколько за каждый вид работ они хотят по
лучить. Результаты опроса (в долл.) представлены в табл. 5.32.
Таблица 5.32
Стрижка газона Уборка гаража Мойка машины
Джон 15 10 9
Карен 9 15 10
Терри 10 12 8
Таблица 5.33
Стрижка газона Уборка гаража Мойка машины Минимумы по строкам
Джон 15 10 9 Pi = 9
Карен 9 15 10 Дг = 9
Терри 10 12 8 Рз = 8
Таблица 5.34
Стрижка газона Уборка гаража Мойка машины
Джон 6 1 0
Карен 0 6 1
Терри 2 4 0
Минимумы по столбцам ф = 0 <*> = 1 «Й = 0
Таблица 5.35
Стрижка газона Уборка гаража Мойка машины
Джон 6 0 0
Карен 0 5 1
Терри 2 3 0
Пример 5.4.2
Предположим, что в примере 5.4.1 представлено четыре ребенка и четыре вида ра
бот. Таблица 5.36 соответствует матрице стоимостей для этой задачи (данные пред
ставлены в долл.).
Таблица 5.36
Виды работ
1 2 3 4
1 1 4 6 3
Дети 2 9 7 10 9
3 4 5 11 7
4 8 7 8 5
Таблица 5.37
Виды работ
1_________________2________________ 3________________4
1 0 3 2 2
Дети 2 2 0 0 2
3 0 1 4 3
4 3 2 0 0
Таблица 5.38
Виды работ
Дети
Таблица 5.39
Виды работ
1 2 3 4
1 0 2 1 1
Дети 2 3 0 0 2
3 0 0 3 2
4 4 2 0 0
УПРАЖНЕНИЯ 5.4
1. Реш ите задачи о назначениях, представленные в табл. 5.40.
Таблица 5.40
а) б)
3 8 2 10 3 3 9 2 3 7
8 7 2 9 7 6 1 5 6 6
6 4 2 7 5 9 4 7 10 3
8 4 2 3 5 2 5 4 2 1
9 10 6 9 10 9 6 2 4 5
5.4. Задача о назначениях 231
Таблица 5.41
Виды работ
1 2 3 4
1 50 50 — 20
Рабочие 2 70 40 20 30
3 90 30 50 —
4 70 20 60 70
Таблица 5.42
Дата отправления из Далласа Дата возвращения в Даллас
Понедельник, 3 июня Пятница, 7 июня
Понедельник, 10 июня Среда, 12 июня
Понедельник, 17 июня Пятница, 21 июня
Вторник, 25 июня Пятница, 28 июня
Таблица 5.43
г Новые станки
1 2 3 4
1 10 2 4 3
Старые 2 7 1 9 5
станки 3 0 8 6 2
4 11 4 0 7
£*♦=1, У = 1.2,..., л,
jc(. = 0 или 1.
Оптимальное решение данной задачи ЛП останется неизменным, если ко всем
элементам какой-либо строки или столбца матрицы стоимостей (с,.) прибавить кон
станту или вычесть ее из этих элементов. Д ля доказательства этого обозначим через
р. и q константы, вычитаемые из элементов строки і и столбца у соответственно. Та
ким образом, стоимость с изменится и будет равна
Пример 5.5.1
Два автомобильных завода Р 1 и Р2 связаны с тремя дилерами D l, D2 и D3, имеющи
ми два транзитных (перевалочных) центра Т 1 и Т2, как показано на рис. 5.9. Заводы
Р 1 и Р2 производят 1000 и 1200 автомобилей. Заказы дилеров составляют соответст
венно 800, 900 и 500 автомобилей. Стоимость перевозок одного автомобиля (в сотнях
долларов) показана на рис. 5.9 возле соответствующих дуг.
Таблица 5.44
Г1 72 01 02 03
Р1 3 4 м М м 1000
Р2 2 5 : м М м 1200
Л 0 7 8 6 м В
72 м 0 М 4 9 В
01 м м 0 5 М В
02 м м м 0 3 В
в в 800 + В 900 + В 500
УПРАЖНЕНИЯ 5.5е
1. В транспортной сети, показанной на рис. 5.11, осуществляются перевозки из
пунктов 1 и 2 в пункты 5 и 6 через транзитные пункты 3 и 4. Стоимость пере
возок показана на этом же рисунке.
a) Постройте транспортную модель с промежуточными пунктами и соответ
ствующую ей обычную транспортную модель.
b) Решите транспортную задачу и покаж ите на схеме маршруты доставки
грузов из пунктов отправления в пункты назначения.
8 Для решения задач этого набора упраж нений используйте программы T O R A , Excel (со
средством Поиск реш ения) и L IN G O .
236 Глава 5. Транспортные модели
Таблица 5.45
Фабрики Магазины
1 2 1 2 3
Т
Фабрики 1 0 6 I 7 8 9
I
2 6 0 I 5 4 3
Г
Магазины 1 7 2 I 0 5 1
I
2 1 5 1 1 0 4
1
3 8 9 1 7 6 0
5.5. Транспортная модель с промежуточными пунктами 237
5. На рис. 5.13 показана сеть нефтепроводов. Узлы этой сети соответствуют на
сосным и принимающим станциям. Расстояния (в милях) между станциями
приведены на схеме сети. Стоимость транспортировки одного галлона нефти
между двумя станциями пропорциональна длине нефтепровода, соединяю
щего эти станции. Сформулируйте транспортную задачу с промежуточными
пунктами и найдите ее оптимальное решение для перекачки нефти из пунк
тов 1 и 3 в пункты 2 и 4.
6. Задача нахож дения крат чайш его пут и. Чтобы найти кратчайш ий путь
между пунктами 1 и 7 транспортной сети, показанной на рис. 5.14, сфор
мулируйте транспортную задачу с промежуточными пунктами. Расстояния
между промежуточными пунктами показаны на рисунке. (Совет. Пусть в
пункте 1 есть предложение в одну единицу, а в пункте 7 — спрос такой же
величины.)
1, для ограничения і,
-I , для ограничения j ,
О, в противном случае.
Стоимость трудоустройства одного рабочего (долл.) 100 130 180 220 250
ЛИТЕРАТУРА
1. B azaraaM ., Ja rv is J ., Sherali M. Linear Programming and Network Flows, 2nd ed.,
W iley, New York, 1990.
2. D antzig G. Linear Programming and E xtensions, Princeton U niversity Press, P rin
ceton, N. J ., 1963. (Русский перевод: Данциг Д ж . Линейное программирование,
его применение и обобщение. — М.: Прогресс, 1966.)
3. M urty К. Netw ork Programming, Prentice H all, Upper Saddle R iver, N .J., 1992.
КОМПЛЕКСНЫ Е ЗАДАЧИ
5.1. 9 Компания ABC Cola имеет завод по производству безалкогольных напит
ков в северной части островного государства Таванда. Напитки выпускают
ся в трех различных упаковках: возвращаемых стеклянных бутылках,
алюминиевых консервных банках и невозвращаемых пластмассовых бу
ты лках. Стеклянные бутылки складируют и затем возвращают на завод для
повторного использования.
9 Задача построена на материалах статьи Cheng Т., Chiu С. “A Case Study of Production Expan
sion Planning in a Soft-Drink Manufacturing Company”, Omega, Vol. 16, No. 6, pp. 5 2 1 -5 3 2 ,1 9 8 8 .
Комплексные задачи 239
Таблица 5.46
Года
Вид упаковки 1 2 3 4 5
Возвращаемая стеклянная 2400 2450 2600 2800 3100
Банки 1750 2000 2300 2650 3050
Невозвращаемая пластмассовая 490 550 600 650 720
Таблица 5.47
Года
Вид упаковки 1 2 3 4 5
Таблица 5.48
Склад Доля (в процентах)
N1 85
N2 15
С1 60
С2 40
S1 80
S2 20
Таблица 5.49
Транспортные расходы на одну упаковку (долл.)
Склад Существующий завод Завод в центральном районе Завод в южном районе
N1 0,80 1,30 1,90
N2 1,20 1,90 2,90
C1 1,50 1,05 1,20
C2 1,60 0,80 1,60
S1 1,90 1,50 0,90
S2 2,10 1,70 0,80
Таблица 5.50
1 2 3 4 5 6 7 8 9 Возможности
карьеров
1 22 26 12 10 18 18 11 8,5 20 960
2 20 28 14 12 20 20 13 10 22 201
3 16 20 26 20 1,5 28 6 22 18 71
4 20 22 26 22 6 ОО 2 21 18 24
5 22 26 10 4 16 оо 24 14 21 99
Потребности 62 217 444 315 50 7 20 90 150
стройплощадок
10 Задача построена на материалах статьи Perry С., Ilief М. “Earth M oving on Construction
P rojects”, Interfaces, Vol. 13, No. 1, pp. 7 9 -8 4 , 1983.
Комплексные задачи 241
Таблица 5.51
1 2 3 4 5 6 7 8 9
1
2
3
4
5
Таблица 5.52
Маршрут
Откуда Куда Количество заказов
ЦС С1 2000
ЦС С2 1500
ЦС П1 4800
ЦС П2 3000
ЦС ПЗ 1200
С1 П1 1000
С1 ПЗ 1100
С1 П4 1500
С1 П5 1800
С2 П2 1900
С2 П5 600
С2 П6 2200
Таблица 5.53
ЦС С1 С2 П1 П2 ПЗ П4 П5 П6
ЦС 0 5 45 50 30 30 60 75 80
С1 5 0 80 38 70 30 8 10 60
С2 45 80 0 85 35 60 55 7 90
П1 50 38 85 0 20 40 25 30 70
П2 30 70 35 20 0 40 90 15 10
ПЗ 30 30 60 40 40 0 10 6 90
П4 60 8 55 25 90 10 0 80 40
П5 75 10 7 30 15 6 80 0 15
П6 80 60 90 70 10 90 40 15 0
Таблица 5.54
Рейс Отлет из города А Прилет в город В Рейс Отлет из города В Прилет в город А
СЕТЕВЫЕ МОДЕЛИ
В рамках теории исследования операций рассматривается большое количество
практических задач, которые можно сформулировать и решить как сетевые моде
ли. Недавние исследования показывают, что не менее 70% реальных задач матема
тического программирования можно представить в виде сетевых моделей. Приве
дем несколько конкретных примеров.
1. Проектирование газопровода, соединяющего буровые скважины морского
базирования с находящ ейся на берегу приемной станцией. Целевая функция
соответствующей модели должна минимизировать стоимость строительства
газопровода.
2. П оиск кратчайш его марш рута м еж ду двум я городами по сущ ествую щ ей
сети дорог.
3. Определение максимальной пропускной способности трубопровода для
транспортировки угольной пульпы от угольных ш ахт к электростанциям.
4. Определение схемы транспортировки нефти от пунктов нефтедобычи к неф
теперерабатывающим заводам с минимальной стоимостью транспортировки.
5. Составление временного графика строительных работ (определение дат нача
ла и заверш ения отдельных этапов работ).
Решение приведенных задач (как и многих аналогичных) требует применения
различных сетевых оптимизационных алгоритмов. В этой главе будут рассмотрены
следующие пять алгоритмов.
1. Алгоритм нахождения минимального остовного дерева (пример 1).
2. Алгоритм поиска кратчайш его пути (пример 2).
3. Алгоритм определения максимального потока (пример 3).
4. Алгоритм минимизации стоимости потока в сети с ограниченной пропускной
способностью (пример 4).
5. Алгоритм определения критического пути (пример 5).
Задачи, вытекающ ие из перечисленных примеров, можно сформулировать
и решать как задачи линейного программирования. Однако специфическая струк
тура этих задач позволяет разработать специальные сетевые алгоритмы, более эф
фективные, чем стандартный симплекс-метод.
244 Глава 6. Сетевые модели
У П Р А Ж Н Е Н И Я 6.1
Пример 6.2.1
Телевизионная компания планирует подключение к своей кабельной сети пяти но
вых районов. На рис. 6.4 показана структура планируемой сети и расстояния
(в милях) между районами и телецентром. Необходимо спланировать наиболее
экономичную кабельную сеть.
Альтернативные
ребра
Итерация 6
(Минимальное остовное дерево)
Рас. 6.5. Последовательные ит ерации вы полнения алгоритма построения
минимального остовного дерева
Например, на первой итерации ребро (1, 2) имеет наименьшую стоимость (т.е. наи
меньшее расстояние между пунктами сети) среди всех других ребер, соединяющих
узел 1 с узлами множества С, (отметим, что узел 6 не имеет ребра, непосредственно
соединяющего его с узлом 1). П о это м у / = 2 и С, = {1, 2}, Сг = {3, 4, 5 , 6 } .
Решение в виде минимального остовного дерева получено на 6-й итерации (рис. 6.5).
Минимальная длина кабеля для построения такой сети равна 1 + 3 + 4 +
+ 3 + 5 = 1 6 милям.
248 Глава 6. Сетевые модели
УПРАЖНЕНИЯ 6.2
1. Решите задачу из примера 6.2.1, начиная с узла 5 (вместо узла 1), и убеди
тесь, что будет получено то ж е самое решение.
2. Найдите минимальное остовное дерево для сети из примера 6.2.1 при выпол
нении каждого из следующих условий в отдельности.
a) Узлы 5 и 6 связаны 2-мильным кабелем.
b ) Узлы 2 и 5 не связаны.
c) Узлы 2 и 6 связаны 4-мильным кабелем.
d) Узлы 1 и 2 связаны кабелем длиной 8 миль.
e) Узлы 3 и 5 связаны кабелем длиной 2 мили.
f) Узел 2 не связан непосредственно с узлами 3 и 5.
6.2. Алгоритм построения минимального остовного дерева 249
1 1 ,6
2 2. 3, 7, 8, 9, 12, 13, 15
3 3, 5, 10, 14
4 2, 7, 8, 11, 12, 13
5 3, 5, 10, 11, 14
6 1 ,4 ,5 , 9 ,1 0
7 2, 5, 7, 9, 10
8 3, 4, 15
9 4, 10
10 3, 8, 10, 14, 15
Год покупки 1 2 3
9800
Эту задачу можно сформулировать как задачу нахождения кратчайш его пути, если
вместо вероятностей использовать логарифмы вероятностей. Тогда произведение
вероятностей преобразуется в сумму логарифмов вероятностей: если р,*= Рі><
р 2 х ... x p k — вероятность не быть остановленным на маршруте 1—>2—»...—>к, тогда
log р 1к = log р, + log р 2 + ... + log pk.
С точки зрения математики задача максимизации вероятности р 1к эквивалентна за
даче максимизации величины logpu . Поскольку logpu < 0 , задача максимизации
величины logpu эквивалентна задаче минимизации -lo g p u . Заменив на рис. 6.10
вероятности р к на величины -logp*, получаем сеть (рис. 6.11), к которой можно
применить алгоритм определения кратчайш его пути.
Оптимальное решение, показанное в нижней части рис. 6.12, требует семи перели
ваний из бидона в бидон.
УПРАЖНЕНИЯ 6.3.1
1. Создайте заново модель замены оборудования из примера 6.3.1, предполагая,
что автомобиль до замены должен эксплуатироваться не менее 2-х и не более
4-х лет. Стоимость замены автомобилей в 2001-2005 годах приведена в сле
дующей таблице.
254 Глава 6. Сетевые модели
ток. Если узел j уже имеет метку [и., k\, полученную от другого узла k, и,
если ц, + dtj < иг тогда метка [и k\ заменяется на [ц( + dtj, і].
b) Если все узлы имеют постоянные метки, процесс вычислений заканчива
ется. В противном случае выбирается метка \ur, s] с наименьшим значени
ем расстояния иг среди всех временны х меток (если таких меток несколь
ко, то выбор произволен). Полагаем і = г и повторяем этап L
Пример 6.3.4
На рис. 6.14 показана транспортная сеть, состоящая из пяти городов (расстояния меж
ду городами (в милях) приведены возле соответствующих дуг сети). Необходимо найти
кратчайшие расстояния от города 1 (узел 1) до всех остальных четырех городов.
1 [0 ,-] Постоянная
2 [0 + 100, 1] = [100, 1] Временная
3 [0 + 30, 1] = [30, 1] Временная
г
Среди узлов 2 и 3 узел 3 имеет наименьшее значение расстояния
(и3= 30). Поэтому статус метки этого узла изменяется на “ постоянная” .
1 [0 ,-] Постоянная
2 [100, 1] Временная
3 [3 0 ,1 ] Постоянная
1№ ПГп
Программа TORA такж е может прим енять алгоритм Д ейкстры для реш ения се
тевых задач. Д ля этого в меню SOLVE/MODIFY выберите команду Solve problemO
Iterations1^ Dijkstra’s algoritm (Алгоритм Д ейкстры ). На рис. 6.16 показано выходное
окно TORA с реш ением задачи из примера 6.3.4 (файл ch6T oraD ijkstraE x6-3-4.txt).
« Т 0 IWotkUo FiIk V h*Tor4f)i)kxtr f A 4 4 Ы «. J
NETWORK MODELS
т іM ‘ ч а т ц ч . ї д і - i m im
•......an n» MД |I
гф k«iivio «■
_______________________________________________ OMKSTP ■ S S H Q 'I ES • » Ц Т Е Д < « ч ,1 H ________________________________________________
pSe1 r і ■ pul D pt'.-i —і
Tl • Еж . p i* 6 4
Hod*
fteidlron 1
1 [0.00, -]
IV W 1J
O pt «і - n
УПРАЖНЕНИЯ 6.3.2
1. На рис. 6.17 показана транспортная сеть, соединяю щ ая восемь городов,
и расстояния между ними. Найдите кратчайш ие марш руты между следую
щ ими городами.
a) Города 1 и 8.
b ) Города 1 и 6.
c) Города 4 и 8.
d) Города 2 и 6.
2. Найдите кратчайш ие пути между узлом 1 и всеми остальными узлами сети,
представленной на рис. 6.18.
3. Найдите оптимальное решение задачи из упраж нения 6.3.1.1.
4. Найдите оптимальное решение задачи из упраж нения 6.3.1.2.
5. Найдите оптимальное реш ение задачи из упраж нения 6 .3.1.4.
6.3. Задача поиска кратчайшего пути 259
— с/12 ... dy d in
с/21 — ... d 2j dm
dn da da dm
— 2 ... І n
1 — ... ] n
So = ... ... ... ... ...
1 2 ... J' n
... ...
1 2 ] —
то делаем следующее:
a) создаем матрицу Dt путем замены в матрице элемента dtj
суммой dlk + dkj,
b) создаем матрицу S k, меняя в матрице S k_l элемент st/ на ft. Пола
гаем ft = ft + 1 и повторяем этап ft.
Поясним действия, выполняемые на ft-м этапе алгоритма, представив матрицу
Dk_l так, как она показана на рис. 6.20. На этом рисунке строка k и столбец k явля
ются ведущими. Строка і — любая строка с номером от 1 до f t- 1, а строка р —
произвольная строка с номером от ft + 1 до п. Аналогично столбец / представляет
любой столбец с номером от 1 до ft - 1, а столбец q — произвольный столбец с номе
ром от ft + 1 до п. Треугольный оператор выполняется следующим образом. Если
сумма элементов ведущих строки и столбца (показанных в квадратиках) меньше
элементов, находящ ихся на пересечении столбца и строки (показаны в кружках),
соответствующих рассматриваемым ведущим элементам, то расстояние (элемент
в кружке) заменяется суммой расстояний, представленных ведущими элементами.
После реализации п этапов алгоритма определение по матрицам Dn и S n крат
чайшего пути между узлами і и j выполняется по следующим правилам.
1. Расстояние между узлами і и у равно элементу dtj в матрице Dn.
2. Промежуточные узлы пути от узла і к узлу j определяем по матрице S n.
Пусть st/ = ft, тогда имеем путь і —» ft —» j. Если далее slk = ft и sk/ = j, тогда
считаем, что весь путь определен, так как найдены все промежуточные уз
лы . В противном случае повторяем описанную процедуру для путей от узла
і к узлу ft и от узла ft к узлу j.
6.3. Задача поиска кратчайшего пути 261
Ведущий
Столбец столбец Столбец
j к Я
Пример 6.3.5
Найдем для сети, показанной на рис. 6.21, кратчайш ие пути между любыми двумя
узлами. Расстояния между узлами этой сети проставлены на рисунке возле соот
ветствующих ребер. Ребро (3, 5) ориентированно, поэтому не допускается движе
ние от узла 5 к узлу 3. Все остальные ребра допускают движение в обе стороны.
О, S,
1 2 3 4 5 1 2 3 4 5
1 — 10 СО 00 1 — 2 3 4 5
2 йР!?- 13 2 1 — 1 4 5
3 10 13 — 6 15 3 1 1 — 4 5
4 .00 5 6 — 4 4 1 2 3 — 5
5 00 ot) 00 4 — 5 1 2 3 4 —
Ог S2
1 2 3 4 5 1 2 3 4 5
1 — 3 /ИО;:.. 8 00 1 — 2 3 2 5
2 3 — 5 X 2 1 — 1 4 5,
3 10 ■д.—Е; 15 3 1 1 — 4 5
4 8 5 т *1 — 4 4 2 2 3 — 5
5 00 00 •К'ОЙ;- 4 — 5 1 2 3 4 —
D3 S3
1 2 3 4 5 1 2 3 4 5
1 — 3 10 8 25 1 — 2 3 2 3
2 3 — 13 5ts 28 2 1 — 1 4 3
3 10 13 — 15 3 1 1 — 4 5
4 5 6 — 4 2 2 3 — 5
5 00 .Ф 00 4 — 5 . 1 2 3 4 —
6.3. Задача поиска кратчайшего пути 263
Da s4
1 2 3 4 5 1 2 3 4 5
1 — 3 10 8 12 1 — 2 3 2 4
2 3 — 11 5 9 2 1 — 4 4 4
3 10 11 — 6 10 3 1 4 — 4 4
4 8 5 6 — 4 4 2 2 3 — 5
5 12 9 10 4 — 5 4 4 4 4 —
Программа TORA такж е может применять алгоритм Флойда для решения сете
вых задач. Д ля этого в меню S O LV E/M O D IFY выберите команду Solve problem^
Iterations^ Floyd’s algoritm (Алгоритм Флойда). Н а рис. 6.22 показано выходное ок
но TORA с решением задачи из примера 6.3.5 (файл ch6ToraFloydEx6-3-5.txt).
УПРАЖНЕНИЯ 6.3.3
1. В задаче из примера 6.3.5 определите кратчайш ие пути между следующими
парами узлов.
a) От узла 5 к узлу 1.
b ) От узла 3 к узлу 5.
c) От узла 5 к узлу 3.
d) От узла 5 к узлу 2.
2. Примените алгоритм Флойда к сети, показанной на рис. 6.23. Заметьте, что
ребра (7, 6) и (6, 4) ориентированы. Определите кратчайш ие пути между сле
дующими парами узлов.
264 Глава 6. Сетевые модели
томврмвммт.ппнмик)
C ^IMflXOVSCHWV*ТЯ1Aflngія
ttми«
•ГфШ Ащр 0 ,0 1 1 1 9
_____________________________________________FLOYD S SHORTEST ROUTE ALGORITHM_____________________________________
r S e le c t O u tpu t O p tio n —л
Ite ratio ns
a) От узла 1 к узлу 7.
b) От узла 7 к узлу 1.
c) От узла 6 к узлу 7.
Для каждого уэла определяется только одно ограничение, задающее баланс по
тока, проходящего через данный узел:
общий входной поток = общий выходной поток.
Ф ормализация 2. Эта формализация фактически определяет двойственную за
дачу к прямой задаче, формализованной первым способом. Поскольку количество
ограничений в первой формализации равно количеству узлов, двойственная задача
будет иметь столько же переменных, сколько узлов в сети. Эти переменные будут
свободными (т.е. могут принимать как положительные, так и отрицательные зна
чения), так как в прямой задаче все ограничения выражаются в виде равенств.
Пусть
у. — переменная двойственной задачи, ассоциированная с узлом j.
Считая узлы s и t начальным и конечным узлами сети, двойственная задача за
пишется следующим образом.
М аксимизировать z = у, - уг
при ограничениях
!/.-!/,< сц для всех возможных пар і и j,
все і/, свободные переменные.
266 Глава 6. Сетевые модели
Пример 6.3.6
Рассмотрим сеть из примера 6.3.4. Предположим, что необходимо определить
кратчайш ий путь из узла 1 в узел 2. Таким образом, здесь s = 1 и t = 2. На рис. 6.25
показано, как одна единица потока входит в узел 1 и выходит из узла 2.
Минимизировать z = 100 30 20 10 60 15 50
Узел 1 -1 -1 = -1
Узел 2 1 -1 1 = 1
Узел 3 1 1 -1 -1 =0
Узел 4 1 -1 -1 =0
Узел 5 1 1 =0
Двойственная переменная 0 1 0 1 0 1 0
УПРАЖНЕНИЯ 6.3.4
1. В примере 6.3.6, используя обе формализации, найдите кратчайшие пути
для следующих пар узлов.
a) От узла 1 до узла 5.
b) От узла 2 до узла 5.
|$В$20:$В$39 5] г^эедполгокить 1
Ограничения. Параметры j
|$F$19:$F$23 = $G$19:$G$23 Добавить |
_
Изменить I
*■*” Восстановить
"1""1"
5£далить | -----
J — С правка J
—
Рис. 6.26. В ы ч и с л е н и е к р а т ч а й ш е го п у т и в E x c e l
После того как будут введены значения спроса и предложения, рабочий лист пе
ресчитывается автоматически. Выделенные столбцы В, С, F и G содержат исходные
данные задачи, необходимые для использования средства Поиск решения. Д иапа
зон В20.В39 (изменяемые ячейки для средства Поиск решения) содержит величины
потоков, проходящие по каждой дуге. Столбец С содержит значение пропускных
способностей дуг (диапазон С20:С39). В задаче поиска кратчайшего пути эти про
пускные способности в вычислениях не участвуют, поэтому они имеют
“бесконечные” значения (равные 99999). Ограничения модели представляют ба
лансы потоков, проходящих через каж дый узел. Как показано в разделе 5.3.3,
с помощью функций СУММЕСЛИ вычисляю тся чистые потоки через каждый узел,
для чего используются данные из столбцов I и J . Все эти вычисления выполняются
автоматически. Все, что необходимо сделать вам для решения задачи, — это ука
зать диапазон изменяемых ячеек и задать ограничения в диалоговом окне средства
Поиск решения. На рис. 6.26 видно, что изменяемые ячейки составляют диапазон
В20:В39, а ограничения задаются в виде равенства F19:F23=G19:G23.
Решение N1-N3 = 1, N3-N4 = 1 и N4-N2 = 1, показанное на рис.6.26, дает общее
расстояние 55 миль. Это решение означает, что кратчайш ий путь проходит через
узлы 1 —» 3 —» 4 —» 2.
УПРАЖНЕНИЯ 6.3.5
1. Измените рабочую книгу ch6SolverShortestRoute.xls применительно к задаче
примера 6.3.4, чтобы найти кратчайшие пути между следующими парами узлов.
a) От узла 1 до узла 5.
b ) От узла 4 до узла 3.
2. Измените рабочую книгу ch6SolverShortestR oute.xls применительно к задаче
из упражнения 6.3.1.2, чтобы найти кратчайш ий путь между узлами 4 и 7.
заводы
Рис. 6.27. Сеть, свя зы ва ю щ а я скваж ины , насосны е с т а н ц и и и неф т еперегонны е заводы
© - 5 ------------
Рис. 6.28. О бозначение п р о п у с к н ы х способност ей
Пример 6.4.1
Рассмотрим сеть, показанную на рис. 6.29. Н а этом рисунке при обозначении про
пускных способностей двунаправленных ребер придерживались соглашения, при
нятого ранее (рис. 6.28). Например, для ребра (3, 4) пропускная способность в на
правлении 3 —> 4 равна 10, а в направлении 4 —> 3 — только 5.
Г
Разрез 2
і
/
/
1 (1 .2 ), (1 ,3 ), (1 ,4 ) 10 + 30 + 20 = 60
2 (1 ,3 ), (1 ,4 ), (2, 3), (2, 5) 30 + 10 + 40 + 30 = 110
3 (2, 5), (3, 5), (4, 5) 30 + 20 + 20 = 70
Вывод, который можно сделать на основе этих трех разрезов, заклю чается в том,
что максимальный поток не может превыш ать 60 единиц. Но мы не можем сказать,
каков максимальный поток на самом деле, так как не перебрали все возможные
разрезы сети. К сожалению, перебор всех разрезов является непростой задачей. По
этому для определения максимального потока в сети не используются алгоритмы,
основанные на полном переборе разрезов. В следующем разделе будет показан эф
фективный алгоритм вычисления максимального потока.
УПРАЖНЕНИЕ 6.4.1
1. Д ля сети, показанной на рис. 6.29, проведите еще два разреза и найдите их
пропускные способности.
[5,1] [5,3]
[оо, п] [оо, п]
[5,2] 15,1]
Путь: 1-+3-+2-+4,/, = 5 Путь: 1->3->2->4,/2 = 5 Сквозны х путей нет
а) б) в)
Рис. 6.30. И сп о ль зо ва н и е о ст а т о чн ы х п р о п у с к н ы х способност ей д л я вы ч и с л е н и я пот ока
Пример 6.4.2
Найдем максимальный поток в сети из примера 6.4.1 (рис. 6.29). На рис. 6.31
предлагается графическая иллюстрация выполнения алгоритма. Считаем полез
ным сравнить описание выполняемых алгоритмом вычислительных итераций с их
графическим представлением.
Итерация 1. Положим остаточные пропускные способности (с:/, ct) всех ребер рав
ными первоначальным пропускным способностям (C^.C-i) .
[оо, n [oo, n
[ 20, 1]
O'—^[30, 1]
a)/, = 20
[30, 2] [ 20, 2]
[ 10, 1]
[oo
д)/5=ю
Рис. 6.31. Последовательное выполнение алгоритма нахождения максимального потока
Итерация 3
Ш аг 1. Назначаем а, = оо и помечаем узел 1 меткой [оо, — ]. Полагаем / = 1.
Ш аг 2. 5, = {2, 3,4}.
Ш агЗ . к= 2, назначаем аг = с12= шах{10, 10, 10} = 10 и помечаем узел 2
меткой [10, 1]. Полагаем /' = 2 и возвращаемся к ш агу 2.
Ш аг 2. <>2= { 3 ,5 } .
Ш агЗ. к = 3 и а3 = с23 = 30. Помечаем узел 3 меткой [30, 2]. Полагаем /' = 3
и возвращаемся к шагу 2.
УПРАЖНЕНИЯ 6.4.2
1. В задаче из примера 6.4.2
a) для всех ребер определите величины неиспользованных пропускных спо
собностей;
b ) найдите величину потока, проходящего через узлы 2, 3 и 4;
c) можно ли увеличить максимальный поток в сети путем повышения про
пускных спесобностей в направлениях 3 -> 5 и 4 -> 5?
2. Найдите максимальный поток и значения потоков, проходящих через каж
дое ребро сети, показанной на рис. 6.33.
3. Три нефтеперегонных завода транспортируют свою продукцию двум распредели
тельным терминалам по сети трубопроводов, которая включает и насосные стан
ции (рис. 6.34). Направления потоков в сети показаны стрелками, пропускные
способности отдельных сегментов сети указаны в миллионах баррелей в день.
a) Определите ежедневную производительность каждого нефтеперегонного
завода, соответствующую максимальной пропускной способности сети
трубопроводов.
b ) Определите ежедневную потребность каждого распределительного терми
нала, соответствующую максимальной пропускной способности сети тру
бопроводов.
c) Определите ежедневную пропускную способность каждой насосной стан
ции, соответствующую максимальной пропускной способности сети тру
бопроводов.
6.4. Задача о максимальном потоке 277
Iteration 1
Stirling Flow Matrix
N1 N2 N3 N4 N5
N1 ■■ 1 10,00 EED
N2 40.001 0.Ю Jw
N3 ■ S K Q 1K E E j
' ,TT 1
N4 ■ B Q M B E 3 5,001
N5 ■ В Е Н Ш З 0.00 j 0.00 1
Iteration 2: Bi eaktlii ongli flow = :20.00
Labels. 10
( ( . ] гзкзо.оо.і] і?чіо.оо.з]
N1 N2 N3 N4 N5
N1
М2 0.00
№ 20,001
0.00 j
0.00 1
Iter ati - 1 : n •гам * u f 1’ fłow ■- <n nn
L jb e ta c 11 [0, 120 ,00,1 ] |3 [40,00,2] I * ([10,00,3] [5)[20,0^,4]
N1 № N3 N4
Р и с. 6.32. Р еш ен и е за д а ч и и з пр и м ер а 6.4.25
4 .
Пусть в сети из предыдущего упраж нения (рис. 6.34) пропускная способность
насосной станции 6 ограничена 60 миллионами баррелей в день. Найдите
максимальную пропускную способность сети с учетом этого ограничения.
5. Зерно из трех зерн охран и л и щ доставляется на грузовиках четы рем п ти
цеводческим ф ерм ам , при этом некоторы е зерн охран и лищ а не могут
278 Глава 6. Сетевые модели
Фермы
2 3
1 30 5 0 40 20
Зернохранилища 2 0 0 5 90 20
3 100 40 30 40 200
200 10 60 20
Ральф 3, 4 или 5
Мэй 1
Бен 1 или 2
Ким 1, 2 или 5
Кен 2
1 1 ,2 , 3
2 2 ,3
3 1 ,4
4 3 ,4
Общество Студент
1 1 ,2 , 3
2 1 ,3 , 5
3 3 ,4 , 5
4 1 ,2 , 4 ,6
Секция Студент
естественных наук 1 ,2 ,4
гуманитарных наук 3, 4
инженерных наук 4, 5, 6
Каждый студент может быть принят только в одну секцию. Могут ли быть
представлены в совете все четыре студенческих общества?
10. М аксим альны й и миним альны й потоки в сети с ниж ними границами про
пускны х способностей. В этом разделе во время поиска максимального по
тока в сети неявно предполагалось, что нижние границы пропускных спо
собностей всех ребер равны нулю. В некоторых задачах нижние границы
пропускных способностей могут быть строго положительными. В таком слу
чае возникает интерес к вычислению как максимального, так и минимально
го потоков в сети (см. комплексную задачу 6.3 в конце главы). Наличие по
ложительных ниж них границ пропускных способностей вызывает
определенные затруднения, так как в этом случае сеть вообще может не
иметь допустимого потока. М аксимальный и минимальный потоки в сети
можно найти, выполняя следующие действия.
Ш аг 1. Найдите начальное допустимое решение для сети с положитель
ными ниж ними границами пропускных способностей.
280 Глава 6. Сетевые модели
Дуга (/, У) (k Щ)
(1 .2 ) (5, 20)
(1 ,3 ) (0, 15)
(2, 3) (4, Ю )
(2, 4) (3, 15)
(3 ,4 ) (0, 20)
Пример 6.4.3
В задаче вычисления максимального потока в сети, показанной на рис. 6.29
(пример 6.4.2), s = 1 и f = 5. В следующей таблице приведена соответствующая за
дача ЛП с двумя различными целевыми функциями, одна из которых максимизи
рует поток, выходящ ий из узла 1 (функция z J , вторая максимизирует поток, вхо
дящий в узел 5 (функция z2).
*1 2 *1 3 *1 4 *2 3 *2 5 Х34 *3 5 *4 3 *4 5
Максимизировать Zi 1 1 1
Максимизировать гг 1 1 1
Узел 2 1 -1 -1 =0
Узел 3 1 1 -1 -1 1 =0
Узел 4 1 1 -1 -1 =0
Пропускная способность 20 30 10 40 30 10 20 5 20
УПРАЖНЕНИЯ 6.4.3
1. Решите задачу из упражнения 6.4.2.2 как задачу линейного программирования.
2. Решите задачу из упражнения 6.4.2.5 как задачу линейного программирования.
ностей дуг (диапазон С20:С39). Все эти вычисления выполняются автоматически. Все,
что необходимо сделать вам для решения задачи, — это указать диапазон изменяемых
ячеек и задать ограничения в диалоговом окне средства Поиск решения. Н а рис. 6.35
видно, что изменяемые ячейки составляют диапазон В20:В39, а ограничения задают
ся как F20:F22=G20:G22 (баланс потоков для узлов 2, 3 и 4) и В20:В39<=С20:С39
(ограничения пропускных способностей дуг). Отметим, что целевая ячейка устанав
ливается автоматически и ее не надо изменять. Следует установить переключатель
Равной максимальному значению, поскольку реш ается задача максимизации.
$В$20:$В$39
Огряпшежя; Раранвтры |
Решение N1-N2 = 20, N l-N 3 = 30, N l-N 4 = 10, N2-N5 = 20, N 3 -N 4 = 1 0 , N3-
N5 = 20 и N4-N5 = 20, показанное на рис. 6.35, дает максим альны й поток, равный
60 единицам.
6.5. Задача нахождения потока наименьшей стоимости 283
УПРАЖНЕНИЯ 6.4.4
1. Решите задачу из упражнения 6.4.2.2 с помощью средства Поиск решения.
2. Решите задачу из упражнения 6.4.2.5 с помощью средства Поиск решения.
Щ щ
Vij> uip
X,i
Пример 6.5.1
Компания GrainCo снабжает зерном из трех зернохранилищ три птицеводческие
фермы. Предложение зернохранилищ составляет 100, 200 и 50 тысяч бушель зер
на, а спрос ферм — 150, 80 и 120 тысяч бушель соответственно. Компания может
транспортировать зерно по железной дороге, за исключением трех маршрутов, где
используется автомобильный транспорт.
На рис. 6.37 показаны возможные маршруты между зернохранилищ ами и птице
водческими фермами. Зернохранилищ а представлены узлами 1, 2 и 3; их предло
жения указаны метками [100], [200] и [50] соответственно. Фермы обозначены уз
лами 4, 5 и 6 с величинами спроса [-150], [-80] и [-120]. Маршруты
транспортировки зерна показаны на рис. 6.37 дугами, соединяющими узлы сети.
Дуги (1, 4), (3, 4) и (4, 6) соответствуют автомобильным маршрутам. Эти маршруты
имеют верхние и нижние границы пропускных способностей. Например, по мар
шруту (1, 4) можно провести от 50 до 80 тысяч бушелей зерна. Другие маршруты
соответствуют железнодорожному транспорту, пропускная способность которого
практически не ограничена. Стоимость транспортировки одного бушеля зерна по
казана возле каждой дуги.
[-1 5 0 ]
УПРАЖНЕНИЯ 6.5.1 »
1. Компания разрабатывает 4-этапный план производства некоего продукта со
гласно следующим данным.
1 100 24 1
2 110 26 2
3 95 21 1
4 125 24 2
Расстояние от школы до
Школа Количество учащихся общины национальных меньшинств “обычной” общины
(не более) 1 2 3 1 2
1 1500 20 12 10 4 5
2 2000 15 18 8 6 5
Количество учащихся 500 450 300 1000 1000
{j,k)*A {iJHA
т г щ к -у . ifj+ ig)
(D -(h?uip
ir t r O - («у hp
xij xij
Puc. 6.38. Исключение нижних границ пропускных способностей
Пример 6.5.2
Запишем задачи линейного программирования для сети (см. рис. 6.37) до и после
исключения нижних границ пропускных способностей.
Основные ограничения формулируемой задачи линейного программирования свя
заны с определением входных и выходных потоков, протекающих через каждый
узел, что порождает следующую задачу ЛП.
Минимизировать 3 4 1 5 6 1 2 2 4
Узел 1 1 1 1 = 100
Узел 2 -1 1 1 = 200
Узел 3 -1 -1 1 1 = 50
Узел 4 -1 -1 1 = -15 0
Узел 5 -1 -1 1 = -8 0
Узел 6 -1 -1 = -12 0
Х 34 ~ *3 4 ^ 0 »
*46 = * « + 1 0 0 -
Минимизировать 3 4 1 5 6 1 2 2 4
Узел 1 1 1 1 = 50
Узел 2 -1 1 1 = 200
Узел 3 -1 -1 1 1 = -2 0
Узел 4 -1 -1 1 = -1 3 0
Узел 5 -1 -1 1 = -8 0
Узел 6 -1 -1 = -2 0
Верхние границы 00 00 30 00 00 50 ОС 20 00
*12 *13 X1-J. *15 *23 *24 *25 *34 *35 *45 S1 S2 S3 S4
Min 100 130 180 220 100 130 180 100 130 100
Янв. 1 1 1 1 -1 100
Фев. 1 1 1 1 1 1 -1 120
Март 1 1 1 1 1 1 -1 80
Апр. 1 1 1 1 -1 170
Янв. 1 1 1 1 -1 100
Фев. -1 1 1 1 1 -1 20
Март -1 -1 1 1 1 -1 -4 0
Апр. -1 -1 -1 1 1 -1 90
Май -1 -1 -1 -1 1 -1 7 0
*1 5
УПРАЖНЕНИЯ 6.5.2
1. Сформулируйте задачу линейного программирования, минимизирующую
стоимость потока в сети, показанной на рис. 6.41, до и после исключения
нижних границ пропускных способностей дуг.
[20]
Ъ)
Месяц 1 2 3 4 5
Пример 6.5.4
Сеть трубопроводов связывает две станции опреснения воды с двумя городами.
Ежедневное предложение опреснительных станций составляет 40 и 50 миллионов
галлонов воды, города ежедневно потребляют 30 и 60 миллионов галлонов воды.
К аж дая станция трубопроводами соединена с каждым городом непосредственно,
однако они могут такж е перекачивать воду в города через специальную насосную
станцию. Кроме того, станция 1 может транспортировать воду на станцию 2, а го
род 1 — в город 2. Д анная сеть сбалансирована, так как в ней суммарный спрос ра
вен суммарному предложению. Описанная сеть показана на рис. 6.43.
И терация 0
Ш аг 0. Определение начального допустимого базисного реш ения. Нетруд
но построить остовное дерево (на рис. 6.44 показано сплошными
дугами) для рассматриваемой сети. Отсюда получаем начальное
допустимое базисное решение. Обычно, чтобы найти такое реше
ние, используется метод введения искусственных переменных
(подробности см. в [2]).
На рис. 6.44 показано, что базисному решению соответствуют дуги
(1, 3), (1, 4), (2, 3) и (3, 5) с потоками 30, 10, 50 и 60 единиц соот
ветственно. Оставшиеся дуги (показаны пунктиром) представляют
небазисные переменные. Запись х(с) показывает, что через соот
ветствующую дугу с пропускной способностью с проходит поток X.
По умолчанию считается, что х = 0 и с = оо.
6.5. Задача нахождения потока наименьшей стоимости 293
с .2= 0 - (-5 ) - 3 = 2
z 25- c 25~ 5 (-1 5 )-1 -9
Z45- C 45= - 5 - ( - 1 5 ) - 4 = 6
Итерация 1
Ш а г і. Определение вводимой в базис переменной. При решении системы
уравнений
w, = 0,
wL- Wj = cLj для базисных дуг (i,j)
получим значения переменных двойственной задачи.
Дуга (1, 3): w, - w3 = 7 w3 = -7 .
Дуга (1, 4): w, - w4 = 5 w4 = -5 .
Дуга (2, 3): w2- w3 = 2 w2 = -5 .
Дуга (3, 5): w3- ws = 8 ws = -1 5 .
Теперь вычисляем разности zLj - ctj для небазисных переменных.
Дуга (1, 2): w, - w2- с12= 0 - (-5 ) - 3 = 2.
Дуга (2, 5): w, - w, - с„ = (-5 ) - (-15) - 1 - 9.
Дуга (4, 5): w4- ws - c4S= (-5 ) - (-15) - 4 = 6.
Таким образом, дуга (2, 5) будет введена в базисное решение.
Шаг 2. Определение исключаемой из базиса переменной. На рис. 6.44
видно, что дуга (2, 5) совместно с базисными дугами (2, 3) и (3, 5)
образует цикл. По определению остовное дерево не может содер
жать циклов. Поскольку поток через дугу (2, 5) должен возрасти,
необходимо выровнять потоки через дуги, составляющие цикл та
ким образом, чтобы новое решение осталось допустимым. Д ля это
го поток через дугу (2, 5) пометим знаком “ + ” , потоки через дру
гие дуги ц и к л а — знаком “ + ” или в зависимости от того,
будут ли совпадать направления потоков в этих дугах с направле
нием потока в дуге (2, 5) при обходе цикла против часовой стрел
к и .5Пометки дуг цикла показаны на рис. 6.44.
При определении максимального потока, протекающего через ду
гу (2, 5), необходимо придерживаться следующих правил.
1. М аксим альны й поток через дугу (4, 5), определяемый пропускной способно
стью, равен оо.
2. М аксимальное увеличение потока через дугу (1, 4) равно 35 - 30 = 5 единиц.
3. М аксимальное уменьшение потока через дугу (1, 3) равно 10 единиц.
4. М аксимальное уменьшение потока через дугу (3, 5) равно 30 единиц.
Таким образом, поток через дугу (4, 5) можно увеличить до 5 единиц; эта дуга вхо
дит в базис, а дуга (1, 4) с потоком в 35 единиц исключается из базиса.
Выполнив подстановку х и = 35 - х41, получим сеть, показанную на рис. 6.46, где ду
ги (1, 3), (2, 3), (3, 5) и (4, 5) формируют остовное дерево сети (базисное решение).
Для дуги (1, 4) с обратным направлением потока изменена стоимость прохождения
потока до -5 долл. Проверьте самостоятельно, что в уравнения для потоков в узлах
1 и 4 будет добавлено 5 единиц входного потока.
2\г~ с\г~ ®“ (- 5) - 3 - 2
z41-c41= - 11 - 0 - (-5) = -6
z52~ с52= - 15 - (-5) - (-1) = -9
Z 1 3 ~ с 13= ®_ (- 5) - 7 = -2
z4i-C4i = - 9 - ° - ( - 5) = -4
z52- с52= - 13 - (-3) - (-1) = -9
Оптимальное решение:
*12=5, *1з= О
дг14= 35 - О= 35
хгъ= 25
*25= 30 - 0 = 30
*3 5 = 2 5 « * 4 5 = 5
Суммарная стоимость = 490
Рис. 6.47. Сеть на итерации 3
УПРАЖНЕНИЯ 6.5.3
1. Реш ите задачу из упражнения 6.5.1.1 с помощью симплексного алгоритма
для сетей с ограниченной пропускной способностью. Покажите такж е, что
эту задачу можно решить к ак транспортную.
2. Реш ите задачу из упражнения 6.5.1.2 с помощью симплексного алгоритма
для сетей с ограниченной пропускной способностью. П окажите такж е, что
эту задачу можно решить к ак транспортную.
3. Решите задачу из упражнения 6.5.1.3 с помощью симплексного алгоритма
для сетей с ограниченной пропускной способностью.
4. Решите задачу из упражнения 6.5.1.4 с помощью симплексного алгоритма
для сетей с ограниченной пропускной способностью.
5. Реш ите задачу из упраж нения 6.5.1.5 с помощью симплексного алгоритма
для сетей с ограниченной пропускной способностью.
6. Реш ите задачу из примера 6.5.3 с помощью симплексного алгоритма для се
тей с ограниченной пропускной способностью.
7. Электрическая компания Вайоминга транспортирует по трубопроводам
угольную пульпу от трех шахт (1, 2 и 3) к трем электростанциям (4, 5 и 6).
Каждый трубопровод может транспортировать не более 10 тонн пульпы в час.
Стоимость транспортировки одной тонны пульпы (в долл.), а такж е предложе
ние ш ахт и спрос электростанций представлены в следующей таблице.
4 5 6 Предложение
1 5 8 4 8
2 6 9 12 10
3 3 1 5 18
Спрос 16 6 14
Ограничения: Параметры I
УПРАЖНЕНИЯ 6.5.4
1. Реш ите следующие задачи с помощью средства Поиск решения.
a) Задача из упражнения 6.5.3.3.
b ) Задача из упражнения 6.5.3.4.
c) Задача из упражнения 6.5.3.7.
d) Задача из упражнения 6.5.3.8.
б
На рис. 6 .4 9 строки от 11 до 15 и столбец К скрыты для экономии места.
6.6. Методы сетевого планирования 299
Г* * * * * ——- —
Icctx)
! в
а) б)
Рис. 6.52. И с п о ль зо ва н и е ф и кт и вн о го
процесса д л я п р а ви льно го от ображ ения
последоват ельного вы п о л н е н и я процессов
Пример 6.6.1
Издатель имеет контракт с автором на издание его книги. Н иже представлена по
следовательность (упрощенная) процессов, приводящ ая к реализации проекта из
дания книги. Необходимо разработать сеть для этого проекта.
УПРАЖНЕНИЯ 6.6.1
1. Постройте сеть проекта, содержащего процессы, помеченные латинскими
буквами от А до L, с учетом следующих отношений предшествования.
a) Первые процессы А, В и С проекта могут выполняться параллельно.
b ) Процессы А и В предшествуют процессу D.
c) Процесс В предшествует процессам Е, F и Н.
d) Процессы F и С предшествуют процессу G.
e) Процессы Е и Н выполняются перед процессами I и J.
f) Процессы С, D, F и J предшествуют процессу К .
g) Процесс К выполняется перед процессом L.
h) Проект заканчивается после заверш ения процессов I, G и L.
2. Постройте сеть проекта, содержащего процессы, помеченные латинскими
буквами от А до Р, с учетом следующих отношений предшествования.
a) Первые процессы А, В и С проекта могут выполняться параллельно.
b ) Процессы D, Е и F следуют за процессом А.
c) Процессы I и G выполняются после процессов В и D.
d) Процесс Н следует за процессами С и G.
e) Процессы К и L выполняются после процесса I.
f) Процесс J следует за процессами Е и Н.
g) Процессы М и N следуют за процессом F, но не могут начаться до завер
ш ения процессов Е и Н.
h) Процесс О следует за процессами М и I.
i) Процесс Р — за процессами J, L и О.
j) Проект заканчивается после заверш ения процессов К, N и Р.
3. Фундамент здания должен состоять из четырех железобетонных блоков. При
создании каждого блока выполняются следующие виды работ: 1) земляные
(рытье котлована), 2) закладка арматуры, 3) заливка бетона. Земляные работы
под очередной железобетонный блок не могут начаться до тех пор, пока не бу
дут завершены все работы на предшествующем блоке. Такое же ограничение су
ществует для бетонных работ. Постройте сеть процессов закладки фундамента.
4. Допустим, в предыдущем упражнении одновременно с земляными работами
может быть выполнено 10% работ по созданию водопроводно-
канализационной сети здания, но в любом случае эти работы должны на
чаться до заливки фундаментных блоков бетоном. Кроме того, по 5% этих
работ можно выполнить при достижении 95% готовности каждого фунда
ментного блока. Постройте сеть строительных работ.
5. Выявление общественного мнения предполагает выполнение следующих ра
бот: разработка и печать опросных листов, наем и транспортировка интер
вьюеров, выбор участников опроса, пересылка заполненных опросных лис
тов и анализ полученных данных. Постройте сеть этих работ,
предварительно сформулировав необходимые предположения о последова
тельности их выполнения.
6. В следующей таблице приведены работы (процессы), выполняемые при
строительстве нового каркасного дома. Разработайте сеть этих работ.
302 Глава 6. Сетевые модели
Предшествующий Длительность
Процесс
процесс (дни)
А Определение объема работ — 1
В Извещение пользователей о временном А 0,5
отключении электросети
С Подвозка материалов и оборудования А 1
D Предварительные работы А 0,5
Е Заготовка опор и материалов С, D 3
F Развозка опор Е 3,5
G Определение нового местоположения опор D 0,5
Н Разметка местоположения опор G 0,5
1: Земляные работы для установки новых опор Н 3
J: Установка новых опор F, 1 4
К Ограждение старой линии F, 1 1
L: Прокладка новых проводов J, К 2
М: Обустройство новой линии L 2
N Натяжка проводов L 2
О Подрезка деревьев D 2
Р Отключение старой электролинии В, М, N, О 0,1
Q Подключение новой электролинии Р 0,5
R Уборка территории Q 1
S Удаление проводов старой линии Q 1
Т Удаление опор старой линии S 2
и Возврат материалов и оборудования R, Т 2
Предшествующий Длительность
процесс (дни)
А: Принятие окончательного решения о покупке автомобиля — 3
В: Поиск потенциального покупателя имеющегося А 14
автомобиля
С: Составление списка желаемых моделей машин А 1
D: Исследование желаемых моделей С 3
Е: Консультации у автомехаников С 1
F: Сбор рекламных материалов продавцов автомобилей С 2
G: Обобщение полученной информации D, Е, F 1
Н: Выбор трех наиболее подходящих моделей G 1
I: Знакомство “в натуре" с выбранными моделями Н 3
J: Сбор финансовой информации Н 2
К: Выбор одного автомобиля I, J 2
L: Выбор продавца автомобиля К 2
М: Выбор автомобиля желаемого цвета L 4
N: Повторная дорожная проверка выбранной модели L 1
О: Покупка нового автомобиля В, М, N 3
304 Глава 6. Сетевые модели
Пример 6.6.2
Найдем критический путь для сети проекта, показанной на рис. 6.54. Длитель
ность всех процессов дана в днях.
Обозначения: _
А Проход вперед : П—
Проход назад: —
Критический путь: © —
Конец Начало
прохода. прохода
назад назад
Начало f Конец
прохода прохода
вперед вперед
Проход вперед
Узел 1. Полагаем d j = 0.
Узел 2. П2 = Dj + D12 = 0 + 5 = 5.
Узел 3. П 3 = тах{П] + DI3, П 2 + D23} = тах{0 + 6, 5 + 3} = 8.
Узел 4. П 4 = П2 + D24 = 5 + 8 = 13.
Узел 5. П5 = тах{П3 + D3S, П 4 + D45} = тах{8 + 2, 13 + 0} = 13.
У зел 6. П 6 = тах{П3 + D36, П 4 + D46, П5 + D J =
= тах{8 + 11, 13 + 1, 13 + 12} = 25.
Таким образом, расчеты показывают, что проект можно выполнить за 25 дней.
306 Глава 6. Сетевые модели
Проход назад
Узел 6 . Полагаем Д6 = П 6 = 25.
Узел 5. Д5 = Д6 - D56 = 25 - 12 = 13.
Узел 4. Д4 = тіп{Д6 - Di6, Д5 - D45} = min{25 - 1 , 1 3 - 0 } = 13.
Узел 3. Д3 = тіп{Д 6 - D36, Д5 - D35} = min{25 - 11, 13 - 2} = 11.
Узел 2. Д2 = тіп{Д4 - D24, Д3 - D23} = min{13 - 8 , 11 - 3} = 5.
Узел 1. Д; = тіп{Л3 - D13, Д2 - DI2} = тіп{11 - 6 , 5 - 5} = 0.
Вычисления без ошибок всегда приводят к результату Aj = 0.
Результаты вычислений, выполняемых при проходах вперед и назад, показаны на
рис. 6.54. П равила определения критических процессов показы ваю т, что кри ти
ческий путь составляю т процессы 1 - > 2 - > 4 - > 5 —> 6 , т.е. этот путь проходит от
начального узла 1 до конечного узла 6 . Сумма длительностей критических про
цессов (1, 2), (2, 4), (4, 5) и (5, 6 ) равна длительности всего проекта (т.е. 25 дней).
Отметим, что процесс (4, 6 ) удовлетворяет первым двум условиям критического пути
(Д4 = П 4 = 13 и Д6 = П 6 = 25), но не удовлетворяет третьему условию (П 6 - П 4* D46). По
этому данный процесс не является критическим.
УПРАЖНЕНИЯ 6.6,2
1. Найдите критический путь для сети проекта, показанной на рис. 6.55.
Проект А Проект Б
Рис. 6.56. С ет и про ект о в д л я уп р а ж нен и я 2
Пример 6.6.3
Построим временной график проекта из примера 6.6.2 (см. рис. 6.54).
Предварительный временной график проекта можно начертить, используя макси
мальные интервалы выполнения каждого процесса. В результате получим график,
представленный на рис. 6.57. Сделаем два замечания.
1. Критические процессы (показаны на графике сплошными линиями) располага
ются последовательно друг за другом без временных зазоров и перекрытий. Та
ким образом, их суммарная длительность равна длительности выполнения всего
проекта (в данном случае 25 дней).
2. Некритические процессы (показаны на графике пунктирными линиями) пред
ставлены максимальными интервалами выполнения, которые превышают ре
альную длительность выполнения этих процессов. Поэтому необходимо каким-
то образом определиться с началом выполнения этих процессов.
Как выбрать время начала выполнения некритического процесса? Обычно предпо
читают начинать некритические процессы по возможности в самый ранний срок.
В этом случае остается запас времени (остаток максимального интервала выполне
ния), который можно использовать для реш ения неожиданно возникш их во время
выполнения процесса проблем. Вместе с тем при необходимости можно перенести
начало выполнения какого-либо процесса. Допустим, если в нашем примере во
время выполнения процессов Е и F (см. рис. 6.57) используется одно и то же обору
дование, причем в каж ды й момент времени его можно задействовать только для
одного процесса, значит, можно исключить временное наложение этих процессов,
начав процесс F после заверш ения Е.
308 Глава 6. Сетевые модели
Дни
Р ис. 6.57. П р ед ва р и т ель н ы й врем енной граф ик в ы п о л н е н и я проект а
Pvi.
..-A
-O r
T fif
FFt = ą - n , - D t
&
D>,
Пример 6.6.4
Вычислим запасы времени для некритических процессов в сети проекта из приме
ра 6 .6.2 и на основе этих расчетов построим окончательный временной график проекта.
Общие и свободные запасы времени некритических процессов представлены в сле
дующей таблице. Такие расчеты можно проводить непосредственно на сети проек
та, как показано на рис. 6.54.
со
II
С (2, 3) 3 1 1 - 5 - 3 = 3
I
Е (3, 5 ) 2 1 3 - 8 - 2 = 3 1 3 - 8 - 2 = 3
F (3, 6 ) 11 2 5 - 8 - 11 = 6 2 5 -8 -1 1 = 6
Н (4, 6 ) 1 2 5 -1 3 -1 = 11 25-13 - 1 = 11
310 Глава 6. Сетевые модели
д е i t n 't o f bf
УПРАЖНЕНИЯ 6.6.3
1. Дан процесс ( і ,;') длительностью самый ранний срок его начала — Q
и самый поздний срок его заверш ения — Д.. Определите самый ранний срок
заверш ения этого процесса и самый поздний срок его начала.
2. Чему равны общий и свободный запасы времени критических процессов?
3. Д ля следующих процессов определите максимальный сдвиг начала их вы
полнения (относительно самого раннего срока начала выполнения), который
не нарушает никаких отношений следования с другими процессами.
a) TF = 10, FF = 10, D —4.
b) TF = 10, FF = 5, £> = 4.
c) TF = 10, ^ = 0,1» = 4.
4. В задаче из примера 6.6.4 на основе значений запасов времени ответьте на
следующие вопросы.
a) Пусть процесс В начался в 1-й день от начала выполнения всего проекта,
а процесс С — в 5-й день (см. рис. 6.57). Каков самый ранний срок начала
процессов Е и F?
b)Пусть процесс В начался на 3-й день от начала выполнения проекта,
а процесс С — на 7-й. Каков самый ранний срок начала процессов Е и F?
c) Может ли процесс В начаться после 6 -го дня от начала выполнения проекта?
5. Пусть в проекте из примера 6.6.2 (рис. 6.54) длительность процессов В и F
возросла до 20 и 25 дней соответственно.
a) Определите критический путь.
b) Найдите общие и свободные запасы времени для некритических процес
сов и пометьте при необходимости их “ красными ф лаж кам и ” .
c) Пусть процесс А начался на 5-й день от начала выполнения всего проекта. Оп
ределите по возможности самые ранние сроки начала процессов С, D, Е и Н.
d) Предположим, для выполнения процессов F, G и Н необходимо одно и то
ж е оборудование. Определите минимально необходимое количество этого
оборудования.
6 . Вычислите запасы времени и расставьте “ красные ф лаж ки ” процессам про
ектов, показанных на рис. 6.56. Затем постройте временные графики при со
блюдении следующих условий.
П роект А
1. Процесс (1, 5) не может начаться раньше 14-го момента времени.
2. Процессы (5, 6 ) и (5, 7) используют одинаковое оборудование, которое в лю
бой момент времени может использоваться только в одном процессе.
3. Все другие процессы начинаются так рано, как только возможно.
П роект Б
1. Процесс (1, 3) должен начаться так рано, как только возможно, с учетом то
го, что процессы ( 1 , 2 ), ( 1 , 3) и ( 1 , 6 ) используют одинаковое оборудование,
которое в любой момент времени может использоваться только в одном процессе.
2. Все другие процессы начинаются так рано, как только возможно.
6.6. Методы сетевого планирования 313
Пример 6.6.5
Н иже дана формулировка задачи из примера 6.6.2 (см. рис. 6.54) в терминах се
тевых моделей линейного программирования. Отметим, что узлы 1 и 6 являю тся
соответственно начальным и конечным узлами.
А В С D Е F Фиктивный н G
Максимизировать z 5 6 3 8 2 11 0 1 12
Узел 1 -1 -1 = -1
Узел 2 1 -1 -1 =0
Узел 3 1 1 -1 -1 =0
Узел 4 1 -1 -1 =0
Узел 5 1 1 -1 =0
Узел 6 1 1 1 =1
Ограничение А В С D Е F Фиктивный G Н
УП Р А Ж Н Е Н И Я 6.6.4
Все вычисления метода СРМ, которые описаны в разделах 6.6.2 и 6.6.3 выпол
нимы, если заменить значения длительностей D процессов оценками D .
Теперь можно определить вероятность того, что узел j модели будет достигнут
в заранее запланированное время Sr Пусть е.— время наискорейшего достижения
узла j. Поскольку длительности выполнения процессов, которые ведут от начального
узла к узлу j, — случайные величины, то е такж е является случайной величиной.
Предположив, что все процессы в сети статистически независимы, можно определить
среднее (математическое ожидание) М{е} и дисперсию var{e;} следующим образом.
Если существует только один путь от начального узла к узлу j, то среднее является
суммой ожидаемых длительностей D выполнения всех процессов, входящих в этот
путь, а дисперсия равна сумме дисперсий v тех ж е процессов. С другой стороны, если
к узлу j ведет более одного пути, то до того, как будут вычислены среднее и диспер
сия, необходимо найти вероятностное распределение длительности выполнения про
цессов, которые составляют самый длинный путь. Эта задача достаточно сложная,
поскольку она эквивалентна задаче, вычисляющей распределение максимума не
скольких случайных величин. Д ля упрощения этой задачи среднее М{е] и дисперсия
var{e.} вычисляются только для пути, для которого сумма ожидаемой длительности
выполнения процессов максимальна. Если несколько путей имеют равные значения
среднего, то выбирается тот, для которого дисперсия больше, поскольку этот путь от
ражен наименее четко, и поэтому будет вычислена более общая оценка вероятностей.
После того как будет вычислено среднее М{е] и дисперсия var{e}, вероятность того,
что узел j будет достигнут в запланированное время S p можно вычислить по формуле
е - М { е ,} -М { е ,.}
P{e,*Sl} = P = P{z<K,},
л/ v аг{ё/} yjv аг{е,}
316 Глава 6. Сетевые модели
' Vvar!e^
Случайная величина г имеет среднее 0 и стандартное отклонение 1 (см. прило
жение В). В данном случае использование нормального распределения оправдано
тем, что е. является суммой независимых случайных переменных. Согласно ц е н
т р а л ь н о й п р е д е л ь н о й т е о р е м е (см. раздел 12.5.4) величина ej приближенно распре
делена по нормальному закону.
Пример 6.6.6
Рассмотрим проект из примера 6.6.2. Чтобы не повторять вычисление критиче
ского пути, значения а , т и Ь, представленные в таблице ниж е, были выбраны так,
чтобы Dtj = D:j для всех і и
А 1-2 ( 3 ,5 ,7 ) E 3-5 (1 .2 , 3)
В 1-3 (4, 6, 8) F 3-6 (9, 11, 13)
С 2-3 ( 1 ,3 ,5 ) H 4-6 ( 1 ,1 ,1 )
D 2-А (5 ,8 ,1 1 ) G 5-6 (10, 12, 14)
С р е д н и е D:J и д и с п е р с и и VtJ д л я р а з л и ч н ы х п р о ц е с с о в д а н ы в с л е д у ю щ е й т а б л и -
ц е . З а м е т ь т е , ч т о д л я ф и к т и в н о г о п р о ц е с с а ( а , т , Ъ) = ( 0 , 0 , 0 ) , п о э т о м у е го сред нее
и диспер сия т а к ж е равны н ул ю .
Узел j Стандартное
Самый длинный путь Среднее пути S, К) P(z<Kj)
отклонение пути
2 1-2 5,00 0,67 5,00 0 0,5000
3 1-2-3 8,00 0,94 11,00 3,19 0,9993
4 1-2-4 13,00 1,20 12,00 -0 ,8 3 0,2033
5 1-2-4-5 13,00 1,20 14,00 0,83 0,7967
6 1-2-4-5-6 25,00 1.37 26,00 0,73 0,7673
[ нет
T it • : Ex ( f i t 6 6.-6
P A 4 H A N A f*D S T D . D E V IA • N
Node lon ge st РлМ B<ised on Mean Din dltons Meat» Din dlion Sid. L)evi.ition
2 12 5,00 0.67
3 12 J 8,00 0.94
4 12 4 13,00 1,20
5 1. 2- 4- 5 13,00 1,20
6 1 -2 4 5 6 МЛО W
УПРАЖНЕНИЕ 6.6.5
1. Н иж е приведены оценки (а, т, Ь) для проектов из упраж нения 6 . 6 .2.2. Д ля
всех узлов проекта определите вероятности того, что эти узлы будут достиг
нуты без задерж ек.
318 Глава 6. Сетевые модели
Проект А Проект Б
ЛИТЕРАТУРА
1. A huja R., M agnati Т., Orlin J . Network Flows: Theory, Algorithms and Applica
tions, P rentice Hall, Upper Saddle R iver, N .J., 1993.
2. B azaraa М., Ja rv is J ., Sherali H. Linear Programming and Network Flow, 2nd ed.,
W iley, New York, 1990.
3. Evans J . R ., M inieka E. Optimization Algorithms for Networks and Graphs, 2nd ed.,
Marcel Dekker, New York, 1992.
4. M u rty K . Network Programming, P rentice Hall, Upper Saddle River, N .J ., 1992.
КОМПЛЕКСНЫЕ ЗАДАЧИ
6.1. Любитель свежего воздуха, ж итель Сан-Франциско (СФ), планирует во
время своего 15-дневного отпуска посетить четыре национальных парка:
Йосемитский (ЙО), Йеллоустонский (ЙЕ), Гренд-Тетон (ГТ) и Маунт-
Рушмор (МР). Во время путешествия, которое начнется и закончится в Сан-
Ф ранциско, он планирует посетить парки в таком порядке:
СФ-»ЙО-»ЙЕ-»ГТ-»МР-»СФ. На осмотр каждого парка отводится 2 дня. От
одного парка до другого можно добраться либо самолетом, либо автомоби
лем. Если пользоваться самолетом, то перелет между любыми парками
(а такж е между парками и Сан-Франциско) занимает примерно полдня. Ес
ли путешествовать на автомобиле, то марш рут СФ - ЙО занимает полдня,
ЙО - ЙЕ — 3 дня, ЙЕ - ГТ — один день пути, ГТ - МР — два дня, и воз
вращение из МР в СФ требует 3 дня. В общем случае проезд на автомобиле
дешевле перелета на самолете, но, естественно, путешествие на автомобиле
занимает больше времени. Разработайте наиболее дешевый маршрут посе
щ ения национальных парков (т.е. определите вид транспорта на каждом
Высота полки (дюймы) Фиксированная цена (долл.) Цена (долл.) за фут длины полки
12 25 5,50
10 25 4,50
8 22 3,50
6 22 2,50
Сколько и каки х полок необходимо для библиотеки, если учесть, что книги
меньшего размера могут храниться на полках для книг большего размера?
6.3. Судоходной ком пании необходимо доставить пять партий груза из пор
тов А, В и С в порты D и Е. Сроки доставки грузов приведены в следую
щей таблице.
1 из А в D 10
2 из А в Е 15
3 из В в D 4
4 из В в Е 5
5 из С в Е 18
A В С D E
A 3 4
В 3 2
С 3 5
D 2 2 2 ■
E 3 1 4
ТЕОРИЯ ЛИНЕИНОГО
ПРОГРАММИРОВАНИЯ
Эта глава представляет строгий математический фундамент теории линейного
программирования (ЛП). Здесь будет обоснован симплекс-метод и теория двойст
венности. Кроме того, будут рассмотрены такие эффективные вычислительные а л
горитмы, как модифицированный симплекс-метод, метод декомпозиции, метод
решения задач, содержащих ограничения на значения переменных, и методы па
раметрического программирования. В заключение будет представлен алгоритм
Кармаркара, полностью отличный от симплекс-метода. Этот алгоритм наиболее
эффективен при решении очень больших задач ЛП.
В этой главе используется аппарат матричной алгебры. Читатель, не знакомый
с матричной алгеброй, может обратиться к приложению А.
а б
Р ис. 7.1. П рим еры вы п у к ло го и не вы п у к ло го множ ест в
322 Глава 7. Теория линейного программирования
Пример 7.1.1
П окажем, что следующее множество является выпуклым.
Таким образом (поскольку a t + a 2 = 1), х, < 2 и х 2< 3. Так как коэффициенты a t и ctj
неотрицательны, то координаты такж е удовлетворяют условиям неотрицательности.
УПРАЖНЕНИЯ 7.1.1
1. Покажите, что множество Q = {*,, дс2 1 дс, Ч- дс2 < 1, ^ 0 , л:2 > 0} выпуклое. Су
щественно ли в данном случае условие неотрицательности переменных?
2. П окажите, что множество Q = {*,, дс2| x t> 1 или л:2> 2} не является выпуклым.
3. Найдите графически крайние точки выпуклого множества
Q = {дс,, дс2| + л:2< 2, х х >0, х г > 0}.
Затем покаж ите, что все пространство допустимых решений, совпадающее
с множеством Q, можно определить как выпуклую комбинацию этих край
них точек. Таким образом, будет доказано, что любое ограниченное про
странство решений в общем случае определяется только крайними точками.
4. Представьте внутреннюю точку (З, 1) пространства решений, показанного на
рис. 7.2, как выпуклую комбинацию крайних точек А, В, С и D, где каждая
крайняя точка долж на иметь строго положительный весовой коэффициент.
7.1. Основы симплекс-метода 323
£ рЛ = Ь ,
м
где вектор — j -й столбец матрицы А. Подмножество из т векторов Р; формирует
базис В тогда и только тогда, когда эти векторы линейно независимы . Для этого
необходимо (и достаточно), чтобы определитель матрицы В, состоящей из данных
т. векторов, был отличен от нуля, т.е. det(B) * О.1 В этом случае матрица В называ
ется невырожденной. Обозначим через Хв вектор из т переменных, ассоциирован
ных с векторами Р;, составляющих невырожденную матрицу В. Тогда Х в будет ба
зисным решением, если он будет решением системы ВХв = Ь.
Пусть В"1 — матрица, обратная к матрице В (напомним, что матрица В невыро
жденная). Тогда базисное решение находим по формуле:
Хв = В 1Ь.
Если выполняется неравенство B“'b > 0, тогда Хв будет допустимым решением.
В заключение отметим, что количество базисных решений у системы из т. урав
нений с п неизвестными не превышает величины
т\(п-т)\
Пример 7.1.2
Найдем и классифицируем (как допустимые или недопустимые) все базисные ре
шения следующей системы уравнений
1 3 -1
х,
2 -2 -2
В следующей таблице показаны все базисные реш ения. Матрица, обратная к мат
рице В, вычислена методами, приведенными в разделе А .2.7.
2 -2
ч
7
4,
1 Здесь и далее автор обозначает через В как базис, т.е. совокупность базисных векторов,
так и матрицу, составленную из этих векторов. Это не приводит к недоразумениям, так как
и з контекста всегда понятно, о чем идет речь. — Прим. ред.
7.1. Основы симплекс-метода 325
Р b
Поскольку у нас только два уравнения ( т = 2), базис должен состоять из двух век
торов, выбранных среди Р,, Р 2 и Р 3. Из рис. 7.3 видно, что пары векторов (Р,, Р2)
и (Р 2 Р3) могут быть базисами, поскольку векторы в этих парах независимы. Но пара
векторов (Рр Р3) не может составить базис, так как эти векторы линейно зависимы.
Алгебраический подход к определению базиса требует, чтобы определитель матри
цы, составленной из векторов, претендующих на роль базисных, был отличен от
нуля. Вычисления определителей показывают, что пары векторов (Р,, Р 2) и (Р 2 Р 3)
будут базисами, а векторы (Р,, Р 3) не могут составить базис.
326 Глава 7. Теория линейного программирования
УПРАЖНЕНИЯ 7.1.2
1. Представленные ниж е системы уравнений а) и б) имеют единственные ба
зисные реш ения, система в) — бесконечно много решений, а г) не имеет
реш ения. Д окаж ите это, представив реш ения графически на плоскости. На
основании данны х примеров выведите общие закономерности, определяю
щие у системы уравнений единственное реш ение, бесконечно много реше
ний или отсутствие решений.
д) -2 4 е) -2
1 -2 О
С Ж )-С )
Для любой симплексной итерации будем обозначать через Х в базисный вектор
переменных, а через Св — вектор коэффициентов целевой функции, соответст
вующих этому базису. Поскольку все небазисные переменные равны нулю, стан
дартная задача ЛП будет сведена к задаче с целевой функцией z = СВХ Ви ограниче
ниями ВХв = Ь, где текущ ее решение удовлетворяет следующему уравнению.
В этой таблице необходимо вычислить только обратную матрицу В-1, так как
другие элементы таблицы получаются из исходных данных задачи.
Представленная симплекс-таблица имеет большое значение, так как является
основой всех вычислительных алгоритмов линейного программирования. В част
ности, на ней основаны модифицированный симплекс-метод, метод решения задач
с ограниченными переменными и метод декомпозиции, которые будут описаны
в следующих разделах.
Пример 7.1.3
Рассмотрим следующую задачу ЛП.
М аксимизировать z = x t + 4 х г + 7х 3 + 5xt
при ограничениях
2 х г + х г + 2 х 3 + 4xt = 10 ,
3 x t - х 2- 2 х 3 + 6 jc4 = 5,
х 2, х 3, x t > 0 .
Пусть В = (P t, Р 2) является допустимым базисом.
328 Глава 7. Теория линейного программирования
\5 5J
3-1-2 6 0 12 0
Базис Х1 хг хз Ха Решение
г 0 0 1 —3 19
хз 1 0 2 0 3
Хг 0 1 0 2 4
Еще раз подчеркнем, что в этой таблице основные вычисления связаны с нахожде
нием обратной матрицы В-1, другие элементы таблицы получаются на основе вы
численной матрицы В"1 и исходных данных задачи.
УПРАЖНЕНИЯ 7.1.3
1. Пусть в примере 7.1.3 В = (Р3, Р4). Покажите, что соответствующее базисное ре
шение является допустимым и постройте соответствующую симплекс-таблицу.
2. Дана следующая задача ЛП.
М аксимизировать z = 5 х г + 12хг + 4 х 3
при ограничениях
+ 2 дс2 + лгэ + л:4 = 1 0 ,
2 х х - 2 х 2- х3 = 2,
х г, х а, x t > 0 .
Определите, какие из следующих наборов векторов образуют базис: (Р,, Р2),
(Р ., Р з). (Р з, P J -
7.2. Модифицированный симплекс-метод 329
z 0 0 0 3 2 ?
Хз 0 0 1 1 -1 2
х2 0 1 0 1 0 6
XI 1 0 0 -1 1 2
Базис X, Хи Решение
х8 B‘ 1D В-1 В"1Ь
0 ,у = 1 , 2 , ..., п.
Д ля данного базисного вектора Х в и соответствующих базиса В и вектора коэф
фициентов целевой функции Св на каждой итерации вычисления значений сим-
плекс-таблицы выполняются по следующим формулам (см. раздел 7.1.2).
z + £ ( z , - c , ) x , = C e B - 'b
У=1
УПРАЖНЕНИЯ 7.2.1
1. Д ана следующая задача ЛП.
М аксимизировать z = с,дс, + с 2л:2 + с 3x a + ctx t
при ограничениях
Р,*, + Р2л:2 + Р3х3 + Р4х4 = Ь,
х 2, х 3, x t > 0 .
Векторы P t, Р 2, Р 3 и Р 4 показаны на рис. 7.4. Предположим, что текущ им ба
зисом является В = (P t, Р 2).
г - Е сл = ° >
>=1
332 Глава 7. Теория линейного программирования
2 Этот вопрос можно переформулировать без “ экономического” подтекста: при каких ус
ловиях переменная Xj может быть представлена в оптимальном решении? — Прим. ред.
3 В большинстве руководств по линейному программированию, включая первые шесть
изданий этой книги, приводится метод вычисления обратной матрицы на основе ее мульти
пликативного представления (см. раздел А .2 .7). Поскольку в симплекс-методе последова
тельные базисы отличаются только одним вектор-сТолбцом, мультипликативное представ
ление обратной матрицы позволяет не вычислять заново обратную матрицу на очередной
итерации симплекс-метода, а получать ее из обратной матрицы предыдущ ей итерации, что
значительно упрощает вычисления. Автор удалил описание этого метода получения обрат
ной Матрицы из данной главы, так как он не рассчитан на машинную реализацию вследст
вие возможны х серьезны х проблем, порож даем ы х ош ибками округления. Обычно в про
граммах, реализующ их симплекс-метод, для вычисления обратной матрицы использую тся
другие численные методы, такие как м етод деком позиции (разлож ения на две треуголь
ные матрицы). В частности, программа TORA использует метод деком позиции.
334 Глава 7. Теория линейного программирования
Пример 7.2.1
С помощью модифицированного симплекс-метода решим заново задачу о компании
Reddy M ikks из раздела 2.1. Решение этой задачи обычным симплекс-методом дано
в разделе 3.3.2. Сравнение двух решений данной задачи показывает, что оба метода
выполняют одну и ту ж е последовательность действий.
Представим в матричном виде рассматриваемую задачу, уж е приведенную к стан
дартной форме:
максимизировать г = (5, 4, 0, 0, 0, 0)(дс,, х 2, х 3, дс4, дс5, х 6)Т
при ограничениях
•*1
( 6 4 1 0 0 0 ' х2 '24
1 2 *3 0 1 0 0 6
-1 1 0 0 1 0 *4 1
, 0 1 0 0 0 к *5 U
Л,
В0 = (Р 3, Р 4, Р 5, Р 6) = 1, В-1 =1.
Таким образом,
ХВе = В-, Ь = ( 2 4 ,6 ,1 ,2 ) Т, 2 = С*Х* = 0 .
7.2. Модифицированный симплекс-метод 335
В-'Р, = ( в , 1 , - 1 , 0 ) г.
Следовательно,
X, = ш і п |^ , у , — , — j = min{4, 6 , — , — } = 4,
Базис *1 хг хз Xi xs *6 Решение
z -5 -4 0 0 0 0 0
хз 6 24
Х4 1 6
XS -1 1
Х6 0 2
Итерация 1
Х«, = (* 1 > *4. *5. *б ) > С » = ( 5 >0 >0 >° ) '
6 0 0 01
1 1 0 0
в, = (Р,, P4iР5,Р6)=
-10 10
0 0 0 1
Св В"' =1 - ,0 ,0 ,0 I.
2 5
te j - СХ - 2 . 3 = С я Д ‘ ( р 2. Р з ) - ( с 2> С з) =
3’ 6
Отсюда следует, что вводимым в базис будет вектор Р 2.
Вы числения условия допустимости
х ч = (*i> *4» ^е)7 = (4 >2- 5>2 )Т-
2 4 5
В,_1Рг =| т - т - т - 1 1 ■
З- 3’ З-
Следовательно,
6 4 0 0^1
1 2 0 0
В2 = ( Р „ Р 2, Р 5, Р 6) =
- 1 1 1 0
0 1 0 1
Находим
( т 0 0
' і о о
В2‘ = з 1 о
і з 0 1
Отсюда получаем
X* = В-Ъ=[ 3 , | , | , 1 1 , Z = C Ą . = 2 1 .
с „ в -'
Оптимальное решение:
= 3, х 2 = 1,5, г = 21.
7.2. Модифицированный симплекс-метод 337
УПРАЖНЕНИЯ 7.2.2
1. В примере 7.2.1 представьте результаты вычислений, выполненных на пер
вой и второй итерациях, в виде симплекс-таблиц.
2. Реш ите модифицированным симплекс-методом следующие задачи ЛП.
a) М аксимизировать z = 6 л:, - 2 х г + Злг3
при ограничениях
2 л:, - х г + 2 х 3 < 2 ,
х г + 4 х 3 < 4,
х 2, х 3 > 0 .
b) М аксимизировать z = 2 х г + х 2 + 2х 3
при ограничениях
4л:, + Зл:2 + 8л:3< 12,
4л:, + л:2 + 12л:3 < 8 ,
4л:, - л:2 + Зл:3< 8 ,
x v х 2, х 3 > 0 .
c) М инимизировать z = 2л:, + л:2
при ограничениях
Зл:, + л:2 = 3,
4л:, + 3л:2 > 6,
л:, + 2л:2< 3,
л:,, л:2 ^ 0 .
d) М инимизировать z = 5л:, - 4л:2 + 6 л:3 + 8 л:4
при ограничениях
л:, + 7л:2 + Зл:3 + 7л:4< 46,
Зл:, - л:2 + л:3 + 2 л:4 < 20 ,
2 л:, + Зл:2 - л:3 + л:4 > 18,
л:,, л:2, л:3, л:4 > 0 .
3. Реш ите следующую задачу ЛП с помощью модифицированного симплекс-
метода, используя в качестве начального базиса вектор Х Ви = (х2, л:4, л:5)т.
М инимизировать z = 7х 2 + 11л:3 - 10л:4 + 26л:6
при ограничениях
л:2 *“ л-з + Л-5
л:2 - л:3 + л:4 + Зл:6 = 8 ,
(В-'РУ),.<0 .
(В-Р,),.
Пример 7.3.1
Решим следующую задачу ЛП вышеописанным методом решения задач с ограни
ченными переменными.
М аксимизировать г = Зх, + Ъу + 2х 3
при ограничениях
х, + у + 2 х 3 < 14,
2 х і + 4у + Злг3 < 43,
0 < л г,< 4, 7 <у< 10, 0 < лг3< 3.
Поскольку переменная у ограничена положительной константой не только сверху,
но и снизу, производим замену у = х 2 + 7, где 0 < л:2< 1 0 - 7 = 3.
Во избежание излиш них вычислительных сложностей здесь мы применим не мо
дифицированный симплекс-метод, а обычный симплекс-метод в виде компактных
симплекс-таблиц.
Итерация 0
Базис *1 хг хз Хі хъ Решение
z -3 -5 -2 0 0 35
Х4 1 1 2 1 0 7
*5 2 4 3 0 1 15
Имеем В = В"1 = I и Хв = (дс4, х й)т= B"'b = (7, 15)т. Принимая переменную л:2 в качестве
вводимой в базис переменной (z 2- с 2 = -5 ), получаем В"'Р 2 = (1, 4)т. Отсюда следует
. Г7 151
0, = m injy, — = 3,75 , что соответствует переменной дс5,
/
Базис Xl хз Хі Xs Решение
Х2
z -3 5 -2 0 0 50
Хі 1 -1 2 1 0 4
Хъ .. 2 -4 3 0 1 3
0 2 — ОО (поскольку В’
Т ак к ак по условию задачи х, < 4, получаем значение, принимаемое переменной я,.
jc, = шіп{1,5, °°, 4} = 1,5 (= 0,).
В данной ситуации переменная де, становится базисной со значением 1,5, перемен
н ая x s выводится из базиса и принимает нулевое значение. Получаем следующую
симплекс-таблицу.
Базис Xi / Хз ха XS Решение
Х а. 0 1 1/2 1 -1 /2 5/2
X1 1 -2 3/2 0 1/2 3/2
►
= 1,25 , что соответствует базисной переменной х г
Таким образом, переменная х 2' вводится в базис (со значением 1,25), из которого
исключается переменная х, с ненулевым значением, равным ее верхней границе.
Применяем подстановку дс, = 4 - х[ и получаем следующую симплекс-таблицу.
Базис / / Хз ха х5 Решение
xi
ха 0 1 1/2 1 -1 /2 5/2
/ -1 -2 3/2 0 1/2 -5 /2
Базис / / Решение
Х1 х-> Хз ха Х5
Ха -1 /2 0 5/4 1 -1 /4 5/4
/ 1/2 1 - 3 /4 0 -1 /4 5/4
Х2
УПРАЖНЕНИЯ 7.3.1
1. Д ана следующая задача линейного программирования.
М аксимизировать z = 2х, + х 2
при ограничениях
х, + х 2 < 3,
0 < х, < 2 , 0 < х 2< 2 .
a) Решите задачу графическим способом и определите последовательность
крайних точек пространства решений, ведущих к оптимальному решению.
b ) Реш ите задачу с использованием метода решения задач с ограниченными
переменными и покажите, что данный метод порождает ту ж е последова
тельность крайних точек пространства решений, приводящую к опти-'
мальному решению, что и графический способ.
c) К ак алгоритм решения задач с ограниченными переменными распознает
крайние точки пространства решений?
2. Реш ите следующую задачу ЛП методом решения задач с ограниченными пе
ременными.
М аксимизировать z = 6 х, + 2 х г + 8 дс3 + 4х 4 + 2 xs + 10дсе
при ограничениях
8 jc, + х 2 + 8X3 + 2 х 4 + 2xs + 4х 6 < 13,
0 ś * , ś l , / = l , 2 , ...,6.
344 Глава 7. Теория линейного программирования
Базис хГ х; Решение
b) М аксимизировать г = де, + 5 х 2 - 2 х 3
при ограничениях
4*, + 2 х г + 2 х 3< 26,
х, + З.г2 + 4дс3> 17,
О < д:, < 2 , 0 < х г < 3, 0 < дс3 (х 3 сверху не ограничена).
Подразделение
1
Подразделение
Независимые 2
ограничения
Подразделение
л
DnXn = Ьл
Xy> 0 , /'= 1 , 2 , л.
При необходимости ограничения в виде неравенств с помощью дополнительных
переменных преобразуются в равенства.
Метод декомпозиции основан на определении к райних точек множеств
{Х; ID X . = Ь;, Х; > 0}, j —1,2, ..., л. Д ля этого необходимо, чтобы каждое множество
{ X |D X = b , Х; >0} было ограниченным. Это требование выполнимо всегда, по
скольку при необходимости для любого множества j можно добавить искусственное
ограничение IX; < М , где М — достаточно большое положительное число.
Обозначим через Y jk, k = 1, 2, ..., Кр крайние точки множества {Х( | D(X; = b(,
Ху> 0}. Тогда можно записать
Х / = Е Р Л > / = 1 ,2 ,..., л ,
*=1
Kj
где > 0 для всех k и /, причем =1.
*=1
Теперь переформулируем исходную задачу в терминах крайних точек и полу
чим так называемую главную задачу, определяемую следующим образом.
*1 Ki к*
М аксимизировать z = Ż C .YuPu + ■■■+ X ^ » Y»*P"*
к-\ к=\ к=]
при ограничениях
ZPu = 1.
к -I
b , = 1.
k=\
IX = 1.
*-1
где
cjk = C,Y,k и Р ,
О
Напомним: чтобы определить, какая из небазисных переменных p;ł должна
войти в базис, следует найти
zJ4 . - c k.= m in {zjk- c jk}.
1 1 и о веем j и к 4 1
Если zrk. - сґк. < О, тогда в соответствии с условием оптимальности задачи мак
симизации переменная р „j, долж на войти в базис. При выполнении обратного нера
венства считаем, что оптимальное решение достигнуто.
Теперь покажем, как можно вычислить разность zrk. - c rk. . “ Секрет” вычисле
ний заклю чается в равенстве
m in { г jk - с к}= m in { m in {zJk - с к}] .
но в е е м / и к 1 1 JJ
Это равенство вытекает из того, что каждое выпуклое множество, определяемое огра
ничениями D X = b , X > 0 , имеет собственное независимое множество крайних точек.
В соответствии с этим равенством мы можем найти разность z,.k. - с:,к, за два этапа.
ления “ вводимых” крайних точек Y ^,. Такой подход не требует определения всех
крайних точек всех л выпуклых множеств. После того к ак требуемая крайн яя точ
ка определена, нетрудно определить все элементы вектора Р^„. На основе этой ин
формации мы можем определить исключаемую переменную. Далее с помощью мо
дифицированного симплекс-метода вычисляем следующую обратную матрицу В"1.
Пример 7.4.1
Решим с помощью метода декомпозиции следующую задачу ЛП.
М аксимизировать z —Зх, + 5 х 2 + х 3 + х 4
при ограничениях
х, + х г + дс3 + х 4 < 40,
5дс, + х 2 < 12,
х 3 + х 4 > 5,
х 3 + 5xt < 50,
х„ х 2, х 3, х 4 > 0 .
Данную задачу можно разбить на две подзадачи, которым будут соответствовать
следующие множества переменных:
Xi (Хр Х2) , Х 2 (Хд, Х4) .
1 1 1 0 0 0 0 1 0 =1
0 0 0 1 1 1 0 0 1 =1
C1 = (3, 5), А, = (1 ,1 ). C2 = (1, 1), Aa = (1, 1).
Пространство решений D 1X 1 < bi: Пространство решений D2X 2 < Ьг:
Итерация 0
X B = (xs, x 6, х 7)т= ( 4 0 , 1 , 1)г,
Св = (0, -М , - М ) , В = В 1 = I.
И терация 1
Подзадача 1 (j = 1). Имеем
А,Х^
Zi~Ci=CgB~' 1 -с л =
О
( 1. 1)
(3,5) 1 = - З х 1- 5 х 2- М .
\ Х2 ;
( 1. 1)
= (0, - М , ~ М ) - ( 1, 1)
= -х 3- х 4-М .
при ограничениях
х 3 + х 4>5,
Отсюда В 'Р П = (12, 1, 0)т. Имея Хв = (д:5, х 6, х 7)т= (40, 1, 1)т, делаем вывод, что из ба
зисного решения следует исключить переменную д:6 (искусственную переменную).
Новый базис получается путем удаления из базиса вектора, соответствующего пе
ременной х д, и введения в базис вектора Р и. Получим (проверьте!)
1 12 (Л
В= 1 О
0 К
-12 0^
1 0
0 1
Отсюда В~'Р22 = (50, О, 1)г. Поскольку Хв = (дс5, ри, х 7)г = (28, 1, 1)г, из базисного
решения следует исключить переменную xs.
Находим новый базис и новую обратную матрицу В’ 1 (проверьте!)
5 0 1 2 0 '
В = 0 1 0
1 0 1,
( - - Н о
50 50
в 1 = 0 1 0
--І- н 1
ч 50 50
Небазисная п ерем енная х ь. Исходя из вида главной задачи, разность - с} для пе
ременной х ь необходимо вычислять отдельно.
25- с 5 = СвВ ‘Р 6 - с 6 =
+ ^ . 4 8 - ^ . - лЛ > , 0 , 0 ^ 0 = >+ ^ .
I 50 50 Г 50
Отсюда вытекает, что переменная х 5 не может улучш ить решение.
Из приведенных вычислений следует, что вводимой в базис будет переменная р23,
соответствующая крайней точке Y23. Д ля определения исключаемой переменной
вычисляем следующее.
'5 ^
7.4. Метод декомпозиции 353
Отсюда В~'Р23 = (1/10, 0, 9 /1 0 )г. Поскольку Х в = (р22, рп, х 7)т= (14/25, 1, 11/25)г, из
базисного решения следует исключить искусственную переменную х 7.
Находим новый базис и новую обратную матрицу В ' 1 (проверьте!).
г 50 12 5'
В= 0 1 0
, 1 0 1/
( і 12 5
45 45 45
В 1= 0 1 0
1 12 50
ч ~45 45 45
Итерация 4
Подзадача 1 (j = 1 ) . w , = ~ 2 х 1 - 4х 2 + 48. Получаем г,‘ - с,' = w, = 0 .
Подзадача 2 (j = 2 ) . w 2= 0jc4 + 0 x s + 48 = 48.
Небазисная переменная х ь. z 5 - с 5 = 1. Отсюда следует, что решение, полученное на
третьей итерации, оптимально.
С помощью обратной подстановки вычисляем оптимальное решение исходной задачи,
х; - (*„ х / = pnYn = 1(0, 1 2 )Г= (0 , 12)Г,
х ; = (х3, х / = p 22y 22 + p 23y 23 =
УПРАЖНЕНИЯ 7.4.1
1. В каждой из следующих систем ограничений графически найдите допусти
мые крайние точки и определите пространство допустимых решений как
функцию этих крайних точек. Если пространство решений не ограничено,
добавьте необходимое искусственное ограничение.
а)
jc, + 2 х 2< 6 ,
2xt +jc2< 8 ,
- х , + jc2< 1 ,
х2<2 ,
х „ х 2> 0 .
354 Глава 7. Теория линейного программирования
b)
2 х, + х 2 < 2 ,
Зх, + 4 х г > 12,
х„ х 2 > 0 .
c)
х, - х 2< 1 0 ,
2 х , < 40,
х„ х 2 > 0 .
2. В примере 7.4.1 крайние точки подпространств { X j D ^ ^ b , , Х,>0}
и {Х21D 2X 2 = b 2, Х 2> 0} можно найти графически. Используйте эту информа
цию, чтобы сформулировать в явном виде главную задачу. Затем покажите,
что применение к главной задаче модифицированного симплекс-метода по
рождает такую ж е последовательность вводимых в базис переменных рд, как
и последовательное решение отдельных подзадач 1 и 2 .
3. Дана следующая задача линейного программирования.
М аксимизировать z = де, + Здс2 + 5х 3 + 2х 4
при ограничениях
2х, + х 2 < 9,
х, + 4 х 2 < 8 ,
5х, + Зх 2 + 4х 3 > 10,
х 3 - 5 х 4 < 4,
х 3 + х 4 < 10 ,
х,, х 2, х 3, х 4 > 0 .
Постройте в явном виде главную задачу (для этого используйте крайние точ
ки подпространств, найденные графически) и затем решите ее модифициро
ванным симплекс-методом.
4. Реш ите задачу из предыдущего упражнения методом декомпозиции и срав
ните процесс решения при использовании разных алгоритмов.
5. Примените метод декомпозиции к следующей задаче.
М аксимизировать z = 6 х, + 7х 2 + Зх 3 + 5х 4 + х 6 + х 6
при ограничениях
х, + х 2 + х 3 + х 4 + х 6 + х 6 < 50,
х, + х 2 < 1 0 ,
х 2< 8 ,
5х 3 + х 4< 12,
х 6 + х 6 > 5,
х 5 + 5х 6 < 50,
Xj, х 2, Хд , х 4, х6, х 6 ^ 0.
6 . Продумайте необходимые изменения в применении метода декомпозиции
к задаче минимизации, затем решите следующую задачу.
Минимизировать z = 5х, + Зх 2 + 8 х 3 - 5х 4
7.5. Двойственность 355
при ограничениях
х, + х г + х 3 + х 4 > 25,
5 jc, + х 2< 20,
5jc, - х 2 > 5,
х 3 + х л = 20 ,
Хр х 2, х3, х 4 ^ 0 .
7. Реш ите следующую задачу методом декомпозиции.
М инимизировать z = 10(/, + 2уг + 4у 3 + 8 у 4 + у ь
при ограничениях
Уг + 4 у 2 - у 3 > 8 ,
2 у х+ у г + у 3 > 2 ,
Зу, + у, + уь > 4,
+ 2^4 “ ^5 ^ 10>
У У У 3>У4’ Уъ^°-
(Совет. Рассмотрите сначала задачу, двойственную к данной.)
8 . Пусть при применении метода декомпозиции количество общих ограничений
в исходной задаче равно г. Покажите, что целевую функцию для подзадачи j
можно записать следующим образом.
М инимизировать wt = zt - су= (C„RA; - С )Х; + Св \ г+1
7.5. ДВОЙСТВЕННОСТЬ
Двойственные задачи и соотношения двойственности на элементарном уровне
мы изучали в главе 4. В этом разделе рассмотрим теорию двойственности на более
строгом (доказательном) уровне, в частности, представим доказательства соотно
шений двойственности, которые являю тся основой анализа чувствительности
(см. главу 4). Эти теоретические построения послужат фундаментом для описанных
далее методов параметрического программирования.
при ограничениях
YA >С,
Y — вектор свободных переменных (т.е. не имеющих ограничений в знаке).
УПРАЖНЕНИЯ 7.5.1
1. Докаж ите, что задача, двойственная к двойственной задаче, совпадает с ис
ходной (прямой) задачей.
2. Пусть прямая задача имеет вид: минимизировать 2 = {СХ| А Х > Ь , Х >0}.
Сформулируйте соответствующую двойственную задачу.
Пример 7.5.1
В следующей задаче ЛП оптимальный базис равен В = (Р,, Р 4). Сформулируем
двойственную задачу и найдем ее оптимальное решение, используя оптимальный
базис прямой задачи.
М аксимизировать z = Зх, + 5 х г
при ограничениях
я, + 2 х г + *3 = 5,
- х , + З.г2 + х 4 = 2,
х „ х г, х 3, х 4 > 0 .
Двойственная задача имеет следующий вид.
М инимизировать w = 5у, + 2у 2
при ограничениях
У і-У г^З,
2yl + 3y2Z5,
Уі’ Уг - 0-
Имеем В = (*:,, х У , тогда Св = (3, 0). Оптимальный базис и его обратная матрица
равны следующему.
0' '1 о4
1 и В '= 1 1
ч J к
Переменные прямой и двойственной задач имеют следующие значения.
(*,, х4)г = B~'b = (5, 7)Т,
(Уі, Уг) - С.В-1- (3, 0).
Оба реш ения допустимы и z = w = 15 (проверьте!). Таким образом, реш ения оп
тимальны .
УПРАЖНЕНИЯ 7.5.2
1. Проверьте правильность формулировки двойственной задачи в приме
ре 7.5.1. Проверьте графически, что прямая и двойственная задачи не имеют
недопустимых решений.
2. Дана следующая задача линейного программирования.
М аксимизировать г = 50х, + 30х2 + 10х 3
при ограничениях
2 х, + х 2 = 1 ,
2 х г —-5 ,
4х, + *3 = 6 ,
Xj, х 2, х 3 —0 .
a) Сформулируйте и запиш ите двойственную задачу.
b ) Покажите с помощью непосредственной проверки, что прямая задача не
имеет допустимого решения.
7.5. Двойственность 359
Пример 7.6.1
Рассмотрим задачу ЛП.
М аксимизировать z = (3 - 6 0 дс, + (2 - 21) х г + (5 + 51) х 3
при ограничениях
+ 2 х г + х 3< 40,
Зх, + 2х3< 60,
X, + 4 х г < 30,
х 2, х 3>0.
Здесь C(t) = (3 - 6 1, 2 - 2 1, 5 + 51), t > 0. Введем дополнительные (остаточные) пере
менные х 4, x s и х в.
Оптимальное решение при t0 = 0.
Базис Xl х2 Хз Ха *5 *6 Решение
z 4 0 0 1 2 0 160
*2 -1 /4 1 0 1/2 -1 /4 0 5
хз 3/2 0 1 0 1/2 0 30
Хв 2 0 0 -2 1 1 10
со
5*
( х 2, Х3, Х 6)
II
1 0 ) 7-,
о
Х »„
12 -I4 O'
в-' = 0 і 0
-2 1 1
I _ |г
B,= , В,- =
О
0 2 0
■О
о
,0 0
к
Отсюда получаем
*6 f = B-‘b =
= (X
4> ^ 3 ’
C* ( 0 = (0 ,5 + 51, 0 ).
Д ля небазисных векторов Pj, Р 2 и Р 5 условия оптимальности можно записать сле
дующим образом.
t X1 Х2 Хз
0 < t< 1 ЗО 1 6 0 + 140Г
t> 1 ЗО 150 + 150/
У П Р А Ж Н Е Н И Я 7.6.1
Пример 7.6.2
Рассмотрим задачу ЛП.
М аксимизировать z = 3jCj + 2 х2 + 5х3
при ограничениях
Xj + 2 х 2 + х 3 < 40 - f,
Зх, + 2 х3< 60 + 2t,
Xj + 4 х 2 < 30 - It,
x v х 2, х 3 > 0 .
Предполагается, что t > 0.
Оптимальное решение этой задачи при t = t0 = 0 приведено в примере 7.6.1. Имеем
X* = (х2, х 3, х 6)т= (5, 30, 10)г,
364 Глава 7. Теория линейного программирования
х, = 30 + 1 > 0
Эти неравенства выполняются при t < 10/3. Таким образом, tx= 10/3, и базис В0остает
ся допустимым при изменении параметра t в интервале 0 < t< 10/3. Отметим, что здесь
значения базисных переменных х 2, х 3и х 6изменяются при изменении параметра t.
Значение базисной переменной х 6 (= 10 - 3 1) равно нулю при f = f, = 10/3 и стано
вится отрицательным для t > 10/3. Следовательно, при t — 10/3 необходимо опре
делить новый базис В,. Д ля этого применим модифицированный симплекс-метод
(см. упражнение 7.2.2.5). Исключаемой из базиса будет переменная х6.
Новый базис при t = 10/3.
Имея переменную х 6 в качестве исключаемой из базиса, определяем вводимую в ба
зис. Поскольку
Х д, = ( * 2, *з> х / И с «„ ( 0 = (2 > 5 > °)>
ТО
Далее вычисляем
{(В-'РД.
0
45 = (строка в В0
О * 1.4.5
- ', ассоциированная с х6) (Р„ Р 4, Р 5) =
- ( - 2 ,1 , 1 ) (P l f P 4, P , ) -
= (2 , - 2 , 1 ).
'2 1 Г
В ,= ( Р 2,Р3,Р4) = 0 2 0 ,
ч4 0 0,
/ \
о о 4
в; = о о
\ 2 J
7.6. Параметрическое линейное программирование 365
V 4 "0"
= 30 + / > 0
х з
- 1 0 + 31 ,0 ,
I 2
Это условие показывает, что В] остается допустимым базисом для 10/3 < t < 30/7.
При t = t 2 = 3 0 /7 новый базис можно получить с помощью модифицированного
двойственного симплекс-метода, при этом исклю чаем ой из базиса будет пере
менная х 2.
Новый базис при t 2 = 30/7.
Определив исключаемую переменную х 2, находим вводимую переменную следую
щим образом. Поскольку
Х8, = (х2, х 3, х 4)ти С4 (0 = ( 2 , 5 , 0),
то
Далее вычисляем
- ^ 0 . 0 , l j ( P 1, P „ Р.) =
t X1 хг Хз z
0 < Г < И 0 /3 0 5 -Г 30 + t 160 + 3 1
УПРАЖНЕНИЯ 7.6.2
1. Д ля задачи из примера 7.6.2 найдите первое критическое значение t x и опре
делите векторы, составляющие матрицу В,, для следующих случаев.
a) b(f) = (40 + 2f, 60 - 31, ЗО + 6 t f .
b) b(f) = (40 - t, 60 + 21, 30 - Ы)т.
2. Проведите параметрический анализ оптимального решения следующей зада
чи ЛП, предполагая, что t > 0.
М инимизировать г = 4 х х + х 2 + 2хг
при ограничениях
Зл:, + х 2 + 2х3 = 3 + 31,
4Xj + Зх3 + 2х3> 6 + 2 1,
х х + 2 x 2 + 5х3 < 4 - f,
х г, х 2, х 3> 0 .
3. При выполнении параметрического анализа в этом разделе предполагалось,
что оптимальное решение задачи ЛП при t = 0 получено обычным симплекс-
методом. Однако в некоторых ситуациях предпочтительнее получать опти
мальное решение двойственным симплекс-методом (раздел 4.4). Разработай
те схему проведения параметрического анализа для такого случая и выполните
анализ задачи ЛП из примера 4.4.1, предполагая, что вектор правых частей ог
раничений задачи задан следующим выражением (считаем, что t > 0 ).
b(f) = (3 + 2 f, 6 - і, 3 - 4t)T
4. Реш ите задачу из упражнения 2, предполагая, что вектор правых частей ог
раничений задан следующим выражением.
Ь (0 = (3 + Зі2, 6 + 2 t \ 4 - t2f
Затем решите эту же задачу при условии, что параметр t может принимать
к ак положительные, так и отрицательные значения.
Пример 7.7.1
Рассмотрим следующую задачу.
М аксимизировать г = у х + у2
приограничениях
У>+2у2<2,
y t, y , z o -
С помощью дополнительной переменной у 3> О преобразуем ограничение у х + 2у2 < 2
в равенство:
*Л+2г/2 + г/3 = 2.
Теперь введем неравенство
Уі + У2+ У г ^ и >
где U — достаточно большое положительное число, но такое, которое не удаляло
бы ни одной допустимой точки исходного пространства решений. В данном приме
ре, исходя из равенства г/, + 2у2 + у 3 = 2, достаточно взять U, равное 5. После введе
ния еще одной дополнительной переменной у 4 получаем
У ,+ У2 + Уъ+ Уа = ^>-
Теперь можно сделать уравнение г/, + 2у2 + у 3 = 2 однородным, умножив его правую
часть на (г/, + у2 + у 3 + у4)/5, поскольку последнее соотношение равно 1. Таким обра
зом, после приведения подобных членов получаем
3У, + 8у2 + Зг/3 - 2ул = 0.
Чтобы преобразовать равенство ух+ у2+ у3+ у4= 5 в уравнение, определяющее симплекс,
введем новые переменные x t = y j b , і = 1, 2, 3, 4. Получаем следующую задачу ЛП.
М аксимизировать z = 5 x t + Ьх2
при ограничениях
З х, + 8л:2 + Зл:3 - 2х 4 = 0,
х 1+ х г + х 3 + х 4 = 1,
x t > 0, і = 1, 2, 3, 4.
Теперь обеспечим выполнение условия, что точка Х = (1 / я , 1 /я, ..., 1/я), являю
щаяся центром (барицентром) симплекса, будет удовлетворять однородному урав
нению. Д ля этого от левой части каждого однородного уравнения отнимем искусст
венную переменную с коэффициентом, равным алгебраической сумме всех
коэффициентов левой части уравнения (в данном случае имеем 3 + 8 + 3 - 2 = 12).
Эта искусственная переменная такж е прибавляется к уравнению симплекса и в ви
де штрафа появляется в выражении целевой функции. В нашем примере искусст
венная переменная х 5войдет в задачу ЛП следующим образом.
М аксимизировать z = 5 хх + Ьх2 - М х ъ
при ограничениях
3 х 1 + 8х2 + 3jc3 - 2х 4 - 12хй = 0,
х х + х 2 + х 3 + х 4 + х ъ= 1,
x t > 0, і = 1, 2, ..., 5.
Для этой системы уравнений новый центр симплекса ( 1 / 5 ,1 /5 ,..., 1/5) является
допустимым решением однородного уравнения. Значение константы М в выраж е
нии целевой функции должно быть достаточно большим, чтобы привести перемен-
ную х нк нулевому значению (сравните с М -методом из раздела 3.4.1).______________
370 Глава 7. Теория линейного программирования
Пример 7.7.2
Рассмотрим еще раз задачу из примера 7.7.1.
Максимизировать z = г/, + у 2
при ограничениях
Ух + 2Уг < 2,
Ух> Уг - °-
Начнем с формулировки прямой и двойственной задач.
Максимизировать уо = У: + Уг Минимизировать Wo = 2 W i
при ограничениях при ограничениях
У1 +2уг<2, w >і ]
2*4*1J
у : , уг > 0. Wi > 0.
U 8 8 8 8 8 8 8 J
удовлетворяла системе АХ = 0. Это условие можно выполнить для однородной сис
темы (т.е. для системы, у которой правые части уравнений равны нулю), если соот
ветствующий коэффициент при искусственной переменной х е в любом уравнении
систем будет равен сумме всех остальных коэффициентов этого уравнения. С уче
том этого замечания получаем следующую преобразованную задачу ЛП.
Минимизировать z = х е
при ограничениях
х х + х 2 - 2 х4 - 0х8 = О,
х х + х 2 + х 3 + х 4 + х 5 + х в - М х 7 - (6 - М )х е = О,
х х + 2хг + х 3 - 2 х7- 2xs = О,
х 4- х 5- х 7 + x s = О,
х х + х 2 + х 3 + х 4 + х ь + х 6 + х 7 + х е = 1,
х .> 0 ,; = 1 ,2 .......8.
Отметим, что решение этой задачи дает оптимальные решения как прямой, так
и двойственной задач.
Теперь опишем основные этапы алгоритма Кармаркара. На рис. 7.7, а показано ти
пичное трехмерное пространство решений, определяемое однородной системой ограни
чений АХ = 0, состоящей из одного уравнения. В данном случае пространство решений
совпадает с отрезком прямой А В, лежащим внутри симплекса IX = 1 , причем точка
(1 /3 ,1 /3 ,1 /3 ) является допустимой внутренней точкой пространства решений. Анало
гично на рис. 7.7, б показано четырехмерное пространство решений (треугольник
ABC), определяемое однородной системой ограничений, такж е состоящей из одного
уравнения. В этом случае центром симплекса является точка (1 /4 ,1 /4 ,1 /4 ,1 /4 ) .
Глава 7. Теория линейного программирования
(0,0,0,1)
Х = -^ .
lDtY
По определению min СХ = 0. Отсюда следует, что значение lD tY должно быть
положительным. В таком случае исходная задача ЛП преобразуется в следующую.
М инимизировать z = CDtY
при ограничениях
ADtY = 0,
1 Y -1 ,
Y > 0.
5 Здесь надо уточнить, что центр этой сферы находится в барицентре симплекса. Далее
в этом разделе, не оговаривая этого явно, везде предполагается, что центры всех сфер совпа
дают с барицентром симплекса. — Прим. ред.
374 Глава 7. Теория линейного программирования
Преобразованная задача имеет тот же тип, что и исходная. Мы можем опять на
чать решение этой задачи с точки Y = (1 /л , 1 /л ........1/л ), являю щ ейся центром
симплекса, и повторить действия, выполненные на предыдущем этапе. После каж
дой итерации на основании полученного Y-решения нетрудно вычислить значения
исходных Х-переменных.
Теперь покажем, как определить новую точку решения для преобразованной за
дачи. На любой k -й итерации задача имеет следующий вид.
М инимизировать z = CD4Y
при ограничениях
AD*Y = О,
Y леж ит в шаре радиуса аг.
Поскольку шар радиуса а г является частью пространства допустимых решений,
определяемого ограничениями IX = 1, X > 0, эти ограничения можно исключить из
рассмотрения. Можно показать, что решение последней задачи вычисляется по
следующей формуле
где Р =
и вычисляем
7.7. Метод Кармаркара 375
Пример 7.7.3
Рассмотрим следующую задачу ЛП, которая уже приведена к форме, нооСходимой
для выполнения алгоритма Кармаркара.
М инимизировать z = 2 хг + 2хг - З х 3
при ограничениях
х х - 2хг + х 3 = 0,
х х + х 2 + х 3 = 1,
х х, х 2, х 3^ 0 .
Эта задача удовлетворяет всем условиям алгоритма К армаркара, а именно точка
X = (1/3, 1/3, 1/3) удовлетворяет уравнению я, - 2 хг + х 3= 0 и оптимальное значе
ние целевой функции равно нулю (оптимальным решением является вектор
(О, 0,6, 0,4)).
Итерация 0
с = (2, 2 ,- 3 ) , А = ( - 1 ,- 2 , 3 ) ,
1 _ 2
Х .= I I I г = — а
з’ з’ з Тб ~~ 9
( 1 0 o'
3
D„ = 0 і 0
3
0 0 і
з/
Итерация 1
13 0 0
c D0 = ( 2 , 2 - 3 ) 0 3 о -Iff-".
0 0 і
Ч и
10 0
AD0 = (-1 , -2 ,3 ) 0 і3 о
0 0 ЗУ
‘
О. л 1 і14 о
з з
(РРТ = 0 гІ J
1 1 1 V
1 1
f 1
Ґ\ 0 o '
' 3
''I o'1
I - РГ(РРГ) 'Р = 0 1 0
1
3
1 1 1
,0 0
k 1
376 Глава 7. Теория линейного программирования
( 25 -20 -5 Л
_1_
20 16 4
’ 42
-5 4 1
Отсюда получаем
/п
' 25 -20 -5 n 3 < 25 л
2 і
с = [ I - P r( P P V P ] ( C D / = 1 -20 16 4 Ъ ~ І2 6 -20
42
1 -5 4 1 , 1 -ь 1 -5 ,
Далее находим
V
Y m, =
Г' 1 О - - х2 - =1 х -------------х
1 1
— х (2 5 ,-2 0 ,-5 ) =
806 U 3 3j 9 -Уб 0,257172 126 V'
1 D ,Y „ o » « = j ( l , l , l ) ( 0 , 2 6 3 3 4 0 , 0 , 3 8 9 3 2 8 , 0 , 3 4 7 3 3 2 ) г = ^ .
Теперь найдем X;
Г) V --j Y
*новос
х
1= m у =
]--------= у = ( 0 ,2 6 3 3 4 0 ,0 ,3 8 9 3 2 8 ,0 ,3 4 7 3 3 2 / ,
нов1>с 4’’'
новое _
Z, = 0 ,2 6 3 3 4 .
И терация 2
0,263340 0 0
cD, = (2 ,2 ,-3 ) 0 0,389328 0 =(0,526680,0,778656, -1,041996)
0 0 0,347332
0,263340 О О
AD, = (1, - 2,1) О 0,389328 О =(-0,263340, -0,778656,1,041996)
О 0 0,347332
-0,263340 1
0,26334 -0,778656 1,041996^ 0,567727 О
-0,778656 1
(рр'У 1 1 1 J 1,041996 1
О 0,333333
I - РГ
(РР') р
О
о
'-0,263340
0,567727 О -0,263340 -0,778656 1,041996^1
= 0 1 0 - -0,778656
О 0,33333 1 1 1 у
о
О
к 1,041996
7.7. Метод Кармаркара 377
' 0 ,6 2 7 2 9 6 -0 ,4 4 9 7 4 6 -0 ,1 7 7 5 5 0 ^
-0 ,4 4 9 7 4 6 0 ,3 2 2 4 5 1 0 ,1 2 7 2 9 5
ч- 0 , 1 7 7 5 5 0 0 ,1 2 7 2 9 5 0 ,0 5 0 2 5 4
Далее вычисляем
с = [ I - P r( P P T P ] ( C D / =
' 0 ,6 2 7 2 9 6 -0 ,4 4 9 7 4 6 -0 ,1 7 7 5 5 0 ' ' 0 ,5 2 6 6 8 0 ^ ' 0 ,1 6 5 1 9 3 4
-0 ,4 4 9 7 4 6 0 ,3 2 2 4 5 1 0 ,1 2 7 2 9 5 0 ,7 7 8 5 5 6 = -0 ,1 1 8 4 3 5
ч- 0 , 1 7 7 5 5 0 0,127 295 0 ,0 5 0 2 5 4 / -1 ,0 4 1 9 9 6 -0 ,0 4 6 7 5 7 ,
Отсюда получаем
1 1
у - f i l i ) . ł x ________
- х - x (0 ,1 6 5 1 9 3 , - 0 , 1 1 8 4 3 5 , - 0 , 0 4 6 7 5 7 ) r =
ново. І^ з ’ з ’ з ^ 9 0 ,2 0 8 5 7 1
D , Y B0B« = 0 0 ,3 8 9 3 2 8 0 0 ,3 8 4 8 4 9 = 0 ,1 4 9 8 3 2
0 0 0 ,3 4 7 3 3 2 , 0 ,3 5 3 6 7 1 0 .1 2 2 8 4 1 ^
\
=0 , 3 4 1 5 3 1 ,
0 ,2 0 1 6 1 6
.
Di У л новое _
0 ,4 3 8 7 0 7
ID Y
A Ł , I 1 новое
0 ,3 5 9 6 7 7
z = 0,201615.
Выполнив еще один этап алгоритма, получим решение, которое будет еще ближе
к оптимальному (0, 0,6, 0,4). Кармаркар предлагает дополнительный этап, кото
рый позволяет перейти от полученного решения к оптимальной крайней точке. К
сожалению, мы не имеем возможности рассмотреть его здесь.
УПРАЖНЕНИЯ 7.7
1. С помощью программы TORA покажите, что решение преобразованной зада
чи ЛП, приведенной в конце примера 7.7.2, дает оптимальное решение п ря
мой и двойственной исходных задач. (Совет. Положите М = 10 и задайте
точность не менее 5 десятичных знаков.)
2. Преобразуйте следующую задачу ЛП к виду, необходимому для применения
метода Кармаркара.
М аксимизировать z = і/, + 2у2
при ограничениях
У\~ У г - 2,
2j/i + J/2- 4,
Уі’ У г*0 -
378 Глава 7. Теория линейного программирования
x t + х 2+ х 3 + х 4 = 1,
л : , , л : 2, х 3, х 4> 0.
5. Выполните три итерации алгоритма Кармаркара для реш ения следующей
задачи ЛП.
М аксимизировать г = 2л:, + л:2
при ограничениях
л:, + л:2< 4 ,
л:,, л:2> 0.
ЛИТЕРАТУРА
1. Bazaraa М., Ja rv is J ., Sherali М. Linear Programming and N etw ork Flows, 2nd ed.,
W iley, New York, 1990.
2. Hooker J . K arm arkar’s Linear Programming Algorithm , Interfaces, Vol. 16, No. 4,
pp. 75-90, 1986.
3. N ering E., Tucker A. Linear Programming and Related Problems, Academic Press,
Boston, 1992.
КОМПЛЕКСНЫЕ ЗАДАЧИ
7.1. Имеем координаты трех точек:
А = (6, 4, 6, -2 ), В = (4, 12, -4 , 8) и С = (-4 , 0, 8, 4).
Разработайте процедуру, которая позволяла бы определить, является ли
данная точка выпуклой комбинацией заданных точек. С помощью этой
процедуры проверьте, будут ли следующие точки выпуклыми комбинация
ми точек А , В и С.
а) (3 ,5 , 4, 2),
б) (5, 8, 4, 9).
Комплексные задачи 379
при ограничениях
х, = х ’ - ^ °V V і = 1, 2 ,..../и,
I * NB
все я. и ї ; > 0 ,
где N B — множество индексов небазисных переменных. Предположим, что
на текущую базисную переменную х, = х' налагается ограничение х. > dt, где
dt — наименьшее целое, большее х‘ ■ После введения этогоограничения
оцените верхнюю границу оптимального значения целевой функции. По
вторите процедуру оценки верхней границы при наложении ограничения
х, < е,, где ej — наибольшее целое, меньше х ] .
7.7. Рассмотрим следующую задачу линейного программирования.
М инимизировать z = (10t - 4) je, + (4 1 - 8) x 2
при ограничениях
2 x t + 2x 2 + x 3 = 8,
4jc, + 2 x 2 + x t = 6 - 2 t ,
х х, х г, х 3, х 4>0,
где -o®< t < ° о. С помощью параметрического анализа получены следующие
результаты:
при - ° ° < t< - 5 оптимальный базис: В = (Р,, Р 4),
при —5 < £ < —1 оптимальный базис: В = (Р,, Р 2),
при -1 < t < 2 оптимальный базис: В = (Р2, Р 3).
Найдите все критические значения параметра t при t > 2.
ГЛАВА 8
ЦЕЛЕВОЕ ПРОГРАММИРОВАНИЕ
Модели линейного программирования, рассмотренные в предыдущих главах,
предполагали оптимизацию только одной целевой ф ункции. Но возможны ситуа
ции, когда в модели присутствует несколько (возможно, конфликтующих между
собой) целевых функций. Например, честолюбивый политик может пообещать
уменьшение национального долга и, одновременно, снижение ставок налогов.
В таких ситуациях иногда невозможно найти единственное решение, оптимизи
рующее все конфликтующие целевые функции. Поэтому нужно искать компро
миссное решение, учитывающее “ важность” каждой целевой функции.
В этой главе представлены методы целевого программирования (многокрите
риальной оптимизации)1для решения задач линейного программирования с нескольки
ми целевыми функциями. Основное назначение этих методов— преобразование ис
ходной задачи с несколькими целевыми функциями в задачу ЛП с одной целевой
функцией. После решения преобразованной задачи получаем так называемое эффек
тивное решение, поскольку может не существовать оптимального решения, достав
ляющего оптимум всем частным целевым функциям исходной задачи.
Пример 8.1.1
Файрвилл — небольшой городок, в котором проживает около 20 тысяч жителей.
Предположим, городской совет разрабатывает ставки местного налогообложения.
Ежегодная база налогообложения недвижимости составляет 550 миллионов долла
ров. Ежегодная база налогообложения розничных и оптовых продаж составляет 35
и 55 миллионов долларов соответственно. Ежегодное потребление городом бензина
оценивается в 7,5 миллионов галлонов. Городской совет планирует разработать
систему налоговых ставок, основанную на перечисленных базах налогообложения
и учитывающую следующие ограничения и требования.
+ J4+ - J4 = 2.
xp> > 0,
s ', s; > 0 , i = 1, 2, 3, 4.
Минимизировать Gt =
Колеса Сиденья
1 500 300
2 600 280
3 640 360
1 5 3
2 6 2
3 4 6
4 7 4
1 5 3
2 6 2
386 Глава 8. Целевое программирование
Пример 8.2.1
Новое рекламное агентство, в составе которого 10 рекламных агентов, получило
контракт на рекламу нового продукта. Агентство может провести рекламную а к
цию на радио и телевидении. В следующей таблице приведены данные о количестве
людей, охватываемых тем или иным видом рекламы, стоимость этой рекламы
и количество необходимых рекламных агентов. Все эти данные отнесены к одной
минуте рекламного времени.
Радио Телевидение
Рекламная аудитория (млн. чел.) 4 8
Стоимость (тыс. долл.) 8 24
Количество рекламных агентов 1 2
УПРАЖНЕНИЯ 8.2.1
1. Реш ите задачу из упражнения 8.1.1, предполагая, что в обобщенную целе
вую функцию все частные целевые функции входят с одинаковыми весовыми
коэффициентами. Будет ли в этом случае достигнут оптимум всех частных
целевых функций?
2. Пусть в задаче упражнения 8.1.2 привлечение посетителей средней возрастной
группы в два раза важнее, чем привлечение посетителей других возрастных
групп. Найдите соответствующее решение и проверьте, будет ли достигнут
оптимум всех частных целевых функций.
8.2. Алгоритмы целевого программирования 389
30 4 5 40 000
39 5 10 48 000
44 2 14 38 000
48 0 18 36 000
37 3 9 41 000
предполагая при этом ограничение вида р, < р‘ .) С этой точки зрения правило ис
ключения столбцов, если отвлечься от его теоретической привлекательности, не
имеет особых вычислительных преимуществ по сравнению с описанной выше про
цедурой. Но ради объективности мы продемонстрируем, как работает правило ис
ключения столбцов в примере 8.2.3. В следующем примере покажем использование
описанной выше упрощенной процедуры реш ения задач с приоритетами.
Пример 8.2.2
Решим методом приоритетов задачу из примера 8.2.1. Предположим, что наи
больший приоритет имеет частная целевая ф ункция, соответствующая условию,
налагаемому на объем рекламной аудитории.
Этап 0. Gt >- G2, где
G,: минимизировать j* (условие по рекламной аудитории),
G2: минимизировать si (условие по бюджету).
Этап 1. Решаем первую задачу ЛП.
М инимизировать Gt = s*
при выполнении ограничений
4хг + 8 х 2 + j,ł - 5j~ = 45 (условие по рекламной аудитории),
8jc, + 24jc2+ si - si = 100 (условие по бюджету),
х х + 2 х 2 < 10 (ограничение по рекламным агентам),
хх < 6 (ограничение на рекламу по радио),
x v x 2, s * , j~ , s i , s~2 > 0 .
8jc1 + 2 4 х 2 + si - si = 100,
х х+ 2х2 < 10,
х ,< 6 ,
Х1УХ2, 5, , s l, s; > 0.
В новой формулировке этой задачи на одну переменную меньше, чем в первой задаче.
Пример 8.2.3
Цели, поставленные в задаче из примера 8 .2 .2 , можно переформулировать сле
дующим образом.
Ц ель 1. М аксимизировать объем рекламной аудитории (Z5,).
Цель 2. М инимизировать стоимость рекламной кампании (Р2).
Математически эти цели можно выразить с помощью следующих целевых функций.
М аксимизировать Р х = 4jc1 + 8хг,
м и н и м и зи ровать^ = 8 ^ + 24х2.
Отдельные ограничения на желаемый объем рекламной аудитории и стоимость
рекламной кампании в данном случае излиш ни, поскольку для этих величин мы
получим границы после решения соответствующих задач.
Получили новую задачу.
М а к с и м и з и р о в а т ь = 4 х 1 + 8 х 2,
минимизировать Р2 = 8х1 + 24jc2
8.2. Алгоритмы целевого программирования 393
при ограничениях
дг, + 2 х 2 < 1 0 ,
дг,<6,
дг,,дг2>0.
Сначала решим эту задачу с помощью процедуры, описанной в примере 8.2.2.
Этап 1. Решаем первую задачу ЛП.
М аксимизировать Z5, = 4дс, + 8дг2
при ограничениях
дг, + 2х2< 10,
дг, <6,
дг,, д*2 > 0 .
Этап 2. Добавим ограничение 4дс, + 8дг2>40, которое гарантирует, что решение, полу
ченное на предыдущем этапе, не будет ухудшено, и решаем следующую задачу ЛП.
М инимизировать Л, = 8л:, + 24хг
при ограничениях
дг, + 2х 2 < 1 0 ,
дг, < 6,
4дс, + 8 дг2 > 40,
дг,,дг2> 0.
Программа TORA дает следующее оптимальное решение этой задачи:
Р2= 96 ООО долл., дг, = 6 минут и дг2 = 2 минуты. Мы получили тот же объем реклам
ной аудитории (Рх = 40 млн. чел.), но за меньшую стоимость. Это результат того,
что здесь мы искали оптимальные значения соответствующих величин, а не просто
удовлетворяли ограничениям, как в примере 8.2.2.
Теперь решим ту же задачу, используя правило исключения столбцов. Это правило
применяется последовательно к строкам симплекс-таблицы, соответствующим ча
стным целевым функциям.
Первая задача ЛП. М аксим изация объема реклам ной аудитории. При решении
этой задачи симплекс-таблица содержит строки, соответствующие как целевой
функции Pv так и целевой функции Р2. Строка целевой функции Р2 пока играет
пассивную роль, но будет изменена перед решением второй задачи ЛП.
Первая задача решается за две симплексные итерации, как показано в следующей
таблице.
Нижняя часть этой таблицы показывает оптимальное решение дг, = 0, дг2 = 5 и Рх = 40
первой задачи.
394 Глава 8. Целевое программирование
S2 1 0 1 6
Правило исклю чения столбцов применяется перед решением второй задачи для
удаления из симплекс-таблицы с оптимальным решением первой задачи небазис
ной переменной X j , ДЛЯ которой Zj - Cj Ф0. Такие переменные, приняв положитель
ные значения в задаче с более низким приоритетом, ухудшают решение задач с бо
лее высоким приоритетом.
Вторая задача ЛП. М иним изация стоимости реклам ной кампании. Правило ис
клю чения столбцов удаляет переменную sv для которой г, - с, = 4. Из /^-строки
приведенной выше симплекс-таблицы видно, что если не удалить переменную і,, то
на первой итерации реш ения второй задачи она долж на войти в базис, при этом из
базиса будет исключена переменная хг После этого будет получено оптимальное
решение второй задачи (в этом решении х1= х г = 0), которое ухудшает оптимальное
решение первой, поскольку теперь Рх = 0 вместо Рх = 40, к ак было ранее.
В данном случае вторая задача ЛП является задачей минимизации. После удале
ния переменной 5, в базис вводится небазисная переменная х, со значением разно
сти Zj - Cj, равным 4 (> 0), что может улучш ить значение целевой функции Рг.
В следующей симплекс-таблице показаны две итерации решения второй задачи
ЛП. /^-строку можно удалить из этой таблицы, так к ак она не участвует в процессе
поиска оптимального реш ения задачи с целевой функцией Рг.
хг 1/2 1 0 5
S2 1 0 1 6
Pi 40
2 Рг 0 0 -4 96
хг 0 1 -1 /2 2
*1 1 0 1 6
УПРАЖНЕНИЯ 8.2.2
1. Пусть в задаче из примера 8.2.2 бюджет рекламной компании возрос до
110 ООО долл. Ж елаемы й объем рекламной аудитории остался неизмен
ным — 45 млн. чел. Найдите решение данной задачи методом приоритетов.
2. Решите задачу из упраж нения 8.1.1, используя следующую иерархию при
оритетов частных целевых функций: G, у G3 у G3 у Gt.
3. Вернитесь к задаче из упражнения 8.1.2. Пусть частные целевые функции,
описывающие количество привлеченных посетителей подросткового, средне
го и старшего возрастов, обозначаются соответственно G,, и G3. Решите эту
задачу при следующих иерархиях приоритетов частных целевых функций:
a) Gt у G3 у G3,
b) G3 y Ог у <?,.
4. С помощью метода приоритетов решите задачу из упражнения 8.1.3, предпо
лагая, что порядок приоритетов частных целевых функций совпадает с по
рядком их описания в задаче.
ЛИТЕРАТУРА
1. Cohon Т. L. M ultiobjective Program m ing and Planning. Academic Press, New
York, 1978.
2. Ignizio J . P ., Cavalier T.M. L inear Programming. Prentice-H all, U pper Saddle
River, N J, 1994.
3. Steuer R. E. M ultiple Criteria O ptimization: Theory, Computations, and Applica
tion, W iley, New York, 1986.
КОМПЛЕКСНЫЕ ЗАДАЧИ
8.1. 1 Лесозаготовительная компания использует три участка леса площадью
100 ООО, 180 ООО и 200 000 акров для заготовки древесины и последующих ле
сопосадок. Древесная продукция компании разбита на три основные катего
рии: пиломатериал, клееная фанера и древесная измельченная масса. Для
каждого участка лесного массива возможны различные альтернативные ва
рианты его эксплуатации, которые различаются стоимостью разработок,
арендной платой, периодом чередования вырубок и лесопосадок, объемом
произведенной продукции. Эти альтернативы показаны в следующей таблице.
ЦЕЛОЧИСЛЕННОЕ ЛИНЕЙНОЕ
ПРОГРАММИРОВАНИЕ
Целочисленное линейное программирование (ЦЛП) ориентировано на решение
задач линейного программирования, в которых все или некоторые переменные
должны принимать целочисленные (или дискретные) значения. Несмотря на ин
тенсивные исследования, проводимые на протяжении последних десятилетий, и з
вестные вычислительные методы решения задач ЦЛП далеки от совершенства. На
сегодня не существует надежных вычислительных алгоритмов решения таких задач.
В настоящей главе рассматриваются сначала примеры задач целочисленного
программирования, а затем методы их решения.
1 5 1 8 20
2 4 7 10 40
3 3 9 2 20
4 7 4 1 15
5 8 6 10 30
Доступный капитал 25 25 25
(млн. долл.)
398 Глава 9. Целочисленное линейное программирование
УПРАЖНЕНИЯ 9.1.12
1. В модели распределения капиталовложений из примера 9.1.1 предположим,
что проект 5 должен быть обязательно выбран, если выбирается либо проект
1, либо 3. Измените математическую модель, включив в нее новое ограниче
ние, и решите полученную задачу с помощью программы TORA.
2. Рассмотрите задачу о загрузке самолета грузами пяти типов. Вес объем
и,, а так ж е стоимость г, единицы груза каж дого типа приведены в следую
щей таблице.
1Для решения задач ЦЛП в программе TORA из основного меню выберите команду Inte
ger Programming (Целочисленное программирование). После ввода исходных данных (файл
Ch9ToraCapitalBudgetEx9-l-l.txt) перейдите в выходное окно и для получения оптимально
го решения выберите Automated В&В (Автоматические вычисления методом ветвей и границ).
2Задачи 3-6 в адаптированном виде заимствованы из книги Malba Tahan. El Hombre Que
Calculaba, Editorial Limusa, Mexico City, 1994, pp. 39-182.
9.1. Примеры задач целочисленного программирования 399
Груз і Вес единицы груза, Объем единицы груза, Стоимость единицы груза,
IV,- (тонны) vi (куб. ярд) п (100 долл.)
1 5 1 4
2 8 8 7
3 3 6 6
4 2 5 5
5 7 4 4
рос реш ил осуществить такой же план и, повторив деление на три части ос
тавш ейся суммы, присвоил себе еще и монету, которая осталась после де
л ен и я. На третью ночь третий матрос взял третью часть того, что осталось,
и одну дополнительную монету, которая осталась после деления. Когда ко
рабль достиг берега, старш ий помощ ник капитана разделил остаток денег
поровну между тремя матросами и снова осталась одна монета. Старший
помощ ник отлож ил эту монету в сторону и вручил матросам предназначен
ные им равные части. Сколько денег было в самом начале? Сформулируйте
задачу в виде задачи ЦЛП и найдите оптимальное решение, используя про
грамму TORA. (Совет. Задача имеет бесконечно много целочисленных ре
ш ений. Предположите для удобства, что следует определить минимальную
сумму денег, которая удовлетворяет условиям задачи. У величивая затем
полученное решение на 1, рассмотрите его к а к нижнюю границу и получи
те новое минимальное решение. П родолж ая таким образом, можно най
ти формулу для общего реш ения.)
7. Имеются следующие слова, состоящие из трех букв: AFT, FAR, TVA, ADV,
JOE, FIN, OSF и KEN. Предположим, что буквам алфавита приписаны числа
(метки), начиная с А = 1 и заканчивая Z = 26. Каждое слово помечается чис
лом, равным сумме числовых меток составляющих его трех букв. Например,
слово AFT имеет метку 1 + 6 + 20 = 27. Необходимо выбрать пять из задан
ных восьми слов таким образом, чтобы получить максимальную суммарную
метку. Вместе с тем выбранные пять слов должны удовлетворять следующе
му условию: (сумма меток первых букв) < (сумма меток вторых
букв) < (сумма меток третьих букв).
Сформулируйте задачу в виде задачи ЦЛП и найдите ее оптимальное реше
ние, используя программу TORA.
8. Фирма, специализирующаяся на грамзаписи песен, заключила договор с вос
ходящей звездой эстрады на запись восьми песен. Продолжительность песен
равна 8, 3, 5, 5, 9, 6, 7 и 12 минут соответственно. Фирма планирует исполь
зовать для записи двусторонние кассеты. К аждая сторона имеет длитель
ность звучания 30 минут. Фирма намерена распределить песни на две сторо
ны кассеты сбалансированным образом. Это значит, что продолжительность
звучания песен на каждой стороне кассеты должна быть примерно одинако
вой (насколько это возможно). Сформулируйте задачу в виде задачи ЦЛП
и найдите оптимальное решение.
9. Рассмотрите задачу из предыдущего упражнения, предположив, что харак
тер мелодий песен диктует условия, согласно которым третья и четвертая
песни не могут быть записаны на одной стороне кассеты. Сформулируйте за
дачу в виде задачи ЦЛП. Возможно ли использование 25-минутной (для ка
ждой стороны) кассеты для записи 8 песен? Если нет, используйте модель
ЦЛП, чтобы определить минимальную емкость кассеты для записи.
9.1. Примеры задач целочисленного программирования 401
УПРАЖНЕНИЯ 9.1.2
1. Компания планирует производство некоторой продукции на трех станках,
которой должно быть изготовлено не менее 2000 единиц. М инимальная про
изводительность любого станка равна 500 единиц. Следующая таблица со
держит необходимую информацию для рассматриваемой задачи.
1 2 3 Объем производства
1 10 15 12 1800
2 17 14 20 1400
3 15 10 11 1300
Логично расположить телефоны на пересечениях улиц так, чтобы каж дый телефон
мог обслуживать по меньшей мере две улицы. Из рис. 9.1 видно, что данное распо
ложение улиц требует не более восьми телефонов.
Определим, что переменная х. равна 1, если телефон расположен на перекрестке j
(j= 1, 2, ..., 8), и 0 в противном случае.
Условия задачи требуют установки по меньшей мере одного телефона на каждой из
11 улиц (от А до К). Поэтому задачу можно сформулировать следующим образом.
М инимизировать z = х х + х г + х 3 + х 4 + х й + х 6 + х 7+ х е
при ограничениях
404 Глава 9. Целочисленное линейное программирование
УПРАЖНЕНИЯ 9.1.3
1. Компания ABC занимается доставкой грузов пяти потребителям. Можно вы
брать следующие маршруты перевозки грузов.
Маршрут Потребители
1 1, 2, 3, 4
2 4, 3, 5
3 1, 2, 5
4 2, 3, 5
5 1, 4, 2
6 1, 3, 5
ABC 1 2 3 4 5
ABC 0 10 12 16 9 8
1 10 0 32 8 17 10
2 12 32 0 14 21 20
3 16 8 14 0 15 18
4 9 17 21 15 0 11
5 8 10 20 18 11 0
Категория Кандидатуры
Женщины а, Ь, с, d, в
Мужчины f, 9, h, /, /
Студенты а, b, с, j
Администраторы в, f
Преподаватели d, д, h, і
1 2 3 4 5 6
1 0 23 14 18 10 32
2 23 0 24 13 22 11
3 14 24 0 60 19 20
4 18 13 60 0 55 17
5 10 22 19 55 0 12
6 32 11 20 17 12 0
406 Глава 9. Целочисленное линейное программирование
1 5 25 19
2 20 22 12
3 15 35 34
*3 + s3 - s3 =35-15,
x,, x2, хъ, sx, sx, i,+, si, j , , Jj SO,
У \ 2 * У\3> У 23 ® ИЛИ 1 .
408 Глава 9. Целочисленное линейное программирование
УПРАЖНЕНИЯ 9.1.4
1. Игральная доска состоит из девяти равных квадратов, расположенных 3x3.
Требуется заполнить каждый квадрат числом из интервала от 1 до 9 таким об
разом, чтобы сумма чисел каждой строки, каждого столбца и каждой диагона
ли была равна 15. Определите числа в каждом квадрате для следующих случаев.
a) Числа в каждой строке и каждом столбце различны.
b ) Числа во всех квадратах различны.
Запиш ите сформулированную задачу в виде задачи ЦЛП с ограничениями
и решите ее с помощью программы TORA.
2. Станок используется для производства двух взаимозаменяемых видов про
дукции. Производительность станка позволяет за день изготовить не более
20 единиц продукции первого вида и 10 единиц второго вида. Существует
альтернативная наладка станка, позволяющая ежедневно изготовлять не бо
лее 12 единиц продукции вида 1 и 22 единицы вида 2. Анализ рынка показы
вает, что максимальный суммарный спрос на два вида продукции составляет
35 единиц ежедневно. Предположим, что прибыль от производства единицы
продукции первого и второго вида составляет 10 и 12 долл. соответственно.
К акая из двух возможных настроек станка должна быть выбрана? Сформу
лируйте задачу в виде задачи ЦЛП и решите ее с помощью программы TORA.
(Примечание. Сформулированная двухмерная задача может быть решена пу
тем перебора возможных решений после графического построения простран
ства допустимых решений. Этого нельзя сделать в «-мерной задаче.)
3. Н екая компания производит три вида продукции. Ежедневные временные
затраты и потребности сырья, необходимые на изготовление одной единицы
продукции, приведены в следующей таблице.
этой продукции в двух цехах своего производства. Цехи отличаются главным об
разом ресурсом рабочего времени и сырья, как показывает следующая таблица.
Цех Ресурс рабочего времени (часов в рабочий день) Ресурс сырья (фунты в день)
1 100 100
2 90 120
Изделие 1
Изделие 2
0 1 2
К 3
а б
Рис. 9.4. Пространства решений для упражнения 6
Пример 9.2.1
Рассмотрим следующую задачу целочисленного линейного программирования.
Максимизировать z = Ъхх + 4 х2
при ограничениях
х , + х 2< 5,
Юх, + 6х2< 45,
х х, х 2~2. 0 и целые.
На рис. 9.5 пространство допустимых решений задачи целочисленного линейного про
граммирования представлено точками. Соответствующая начальная задача линейного
программирования (обозначим ее ЛПО) получается путем отбрасывания условий цело
численности. Ее оптимальным решением будет х х = 3,75, х 2= 1,25 и z = 23,75.
Поскольку оптимальное решение задачи ЛПО не удовлетворяет условию целочис
ленности, метод ветвей и границ изменяет пространство решений задачи линейного
программирования так, что в конечном счете получается оптимальное решение за
дачи целочисленного линейного программирования. Д ля этого сначала выбирается
одна из целочисленных переменных, значение которой в оптимальном решении
задачи ЛПО не является целочисленным. Например, выбирая х х (= 3,75), замечаем,
3 Общую задачу ЦЛП можно выразить через двоичные переменные следующим образом.
Любая целочисленная переменная х, значения которой не превышают конечной верхней
границы и (т.е. 0 < х < и), может быть выражена через двоичные переменные с помощью
представления х = 2° _v0+ 2і у, + 21у2+...+ 21у,., где k — наименьшее целое число, удовлетво
ряющее условию 2‘* '-1 > и ,а _у0, V..... _у( — двоичные переменные.
412 Глава 9. Целочисленное линейное программирование
что область 3 < х х < 4 пространства допустимых решений задачи ЛПО не содержит
целочисленных значений переменной х х и, следовательно, может быть исключена
из рассмотрения, как бесперспективная. Это эквивалентно замене исходной задачи
ЛПО двумя новыми задачами линейного программирования ЛП1 и ЛП2, которые
определяются следующим образом:
х2
У нас есть три нерассмотренные подзадачи, которые должны быть решены, — ЛП1,
ЛПЗ и ЛП4. Предположим, что мы произвольно выбрали первой задачу ЛП4. Эта за
дача не имеет решения и, следовательно, является прозондированной. В качестве
следующей выберем подзадачу ЛПЗ. Ее оптимальным решением является х 1= 4,5,
х2= 0 и 2 = 22,5. Нецелочисленное значение переменной я, (= 4,5) порождает две вет
ви решений при x, < 4 и x, > 5 и соответствующие им подзадачи ЛП5 и ЛП6. При этом
пространство решений ЛП5 = пространство решений ЛПО + (я, > 4) + (х 2< 0) +
+ (я, < 4) = пространство решений ЛПО + (я, = 4) + (х2< 0),
пространство решений ЛП6 = пространство решений ЛПО + (я, > 4) + (х 2< 0) +
+ (я, > 5) = пространство решений ЛПО + (я, > 5) + (х2< 0).
Теперь не рассмотрены подзадачи ЛП1, ЛП5 и ЛП6. Подзадача ЛП6 прозондирова
на, так как не имеет допустимых решений. Подзадача ЛП5 имеет целочисленное
решение (х, = 4, х 2= 0, 2 = 20) и, следовательно, порождает нижнюю границу
(2 = 20) оптимального значения целевой функции задачи ЦЛП. Теперь остается
лишь подзадача ЛП1, решение которой такж е является целочисленным (x, = 3,
х 2 = 2, 2 = 23). Следовательно, нижнюю границу значений целевой функции пола
гаем равной 23. Так как все подзадачи прозондированы, оптимальным решением
задачи ЦЛП является решение, соответствующее последней нижней границе,
а именно х 1= 3, х 2 = 2 и 2 = 23.
416 Глава 9. Целочисленное линейное программирование
a) Если задача ЛПі прозондирована, ниж няя граница изменяется только при
условии, что найдено лучшее решение задачи ЦЛП. Если все подзадачи
прозондированы, необходимо закончить вычисления: оптимальным ре
шением задачи ЦЛП является то, которое соответствует текущей нижней
границе, если такая существует. Иначе положить і = і + 1 и повторить шаг 1.
b ) Если задача ЛПі не прозондирована, переходим к шагу 2 для выполнения
ветвления.
Ш аг 2. Вет вление. Выбираем одну из целочисленных переменных х , оптималь
ное значение л* которой в оптимальном решении задачи ЛПі не является
целым числом. Исключаем из пространства допустимых решений область
+ l (где [ у ] — наибольшее целое, не превосходящее у ) путем
формирования двух подзадач ЛП, которые соответствуют ограничениям
^ *[■*;] и ^> [.*;.]+ i.
УПРАЖНЕНИЯ 9.2.1
1. Решите задачу ЦЛП из примера 9.2.1 методом ветвей и границ, начиная с пере
менной х2 как переменной ветвления. Решите подзадачи с помощью программы
TORA, используя опцию MODIFY (Изменить) для задания верхней и нижней
границ. Начните с решения подзадачи, включающей ограничение х, < [.cj] .
2. Постройте дерево подзадач, получаемое при использовании метода ветвей
и границ для каждой из приведенных ниже задач. Д ля удобства в нулевом
узле в качестве переменной ветвления всегда выбирайте х г
a) Максимизировать z = Зх, + 2хг
при ограничениях
2х, + 5хг < 9,
4х, + 2хг < 9,
x v хг > 0 и целые.
b) М аксимизировать z = 2 x t + З х2
при ограничениях
5х, + 7 х 2< 35,
4х, + 9хг < 36,
х,, х 2> 0 и целые.
c) Максимизировать z = x, + х 2
при ограничениях
2х, + 5 х 2 < 16,
бх, + 5хг < 27,
x v хг > 0 и целые.
d) М инимизировать z = 5х, + 4 х 2
при ограничениях
Зх, + 2хг > 5,
2х, + Зх2> 7,
x v хг > 0 и целые.
e) М аксимизировать z = 5х, + 1х2
при ограничениях
2х, + х 2< 13,
б*, + 9х2<41,
x v х2> 0 и целые.
418 Глава 9. Целочисленное линейное программирование
IN TEG E R PROGRAMMIN G
O b te c tive V a lu e Bounds
( 7 Activate b o n d * to fathom nodes
S e arch T ie e Coiot C odes — IN T E G E R P R O G R A M M IN G B Ł B A L G O R IT H M
Node not yet nveAeated -S e le c t O utput O ption — UBomJ>23,75 (conłnuou* max)
Л Node fathomed e i-g u id e d B iB »
Node under nve ri® A on L B o u n d -2 3 .0 0
Ц Cunentbettsotubon O ccissatnode 20
T itie : B A B , E x a m p le 9 2 -1
' N10
1 -2 3 ,7 5
*1-3,75
<Nf) N>1
N 20
x 1 < -3 *1> -4
v z - 23 ,0 0 z - 23,33
in te g e r x?
B e it LBound
УПРАЖНЕНИЯ 9.2.2
1. Следующее упражнение было создано д ля того, чтобы продемонстрировать
неестественное поведение метода ветвей и границ в некоторы х ситуациях
даж е для небольших по размеру задач. В частности, обратите внимание на то,
сколько подзадач будет проверено прежде, чем будет найден оптимум.
М инимизировать у
при выполнении условий
2(хх + х 2 + ...+ х 16) + у = 15.
Все переменные двоичные.
9.2. Методы решения задач целочисленного программирования 421
Пример 9.2.2
Продемонстрируем применение метода отсекающих плоскостей для решения сле
дующей задачи ЦЛП.
М аксимизировать z = 1хг + 10jc2
при ограничениях
-jCj + Здс2< 6,
Ч х ^ х ^ З 5,
Яр х 2> 0 и целые.
Данный метод путем добавления отсечений (отсекающих плоскостей) преобразует
пространство допустимых решений соответствующей задачи линейного программи
рования в выпуклый многогранник, вершина которого, соответствующая оптимуму,
является целочисленной и представляет решение исходной задачи. На рис. 9.12 по
казан пример двух таких отсечений. Мы начинаем с оптимального решения непре
рывной задачи линейного программирования (jCj, дс2) = (4,5, 3,5) и z = 66,5. Затем
прибавляем отсечение I, которое вместе с ограничениями исходной задачи линейного
программирования приводит к оптимальному решению (лс,, х 2) = (4 у , 3) с z = 62. По
сле этого прибавляется отсечение И, которое вместе с отсечением I и исходными огра
ничениями приводит к оптимальному решению (jCj, х 2) = (4 ,3 ) с z = 58. Последнее
решение является полностью целочисленным, как и требуется.
9.2. Методы решения задач целочисленного программирования 423
л^-уравнение: х, - - ^ х , + -^ x t =4±.
424 Глава 9. Целочисленное линейное программирование
Так как в этом примере z, дс1 и х 2 должны быть целочисленными и все они на дан
ный момент имеют дробные значения в оптимальной симплекс-таблице, любое из
трех уравнений можно использовать в качестве производящей строки для построе
ния отсечения. Выберем (произвольно) для этой цели z-уравнение.
1 -Ю -
-И-Ч)-
Разлож ение коэффициентов производящей г-строки приводит к следующему
уравнению.
z+(2+i b +(i+^K=(66+ł)-
При переносе всех целочисленных слагаемых в левую часть уравнения, а всех
дробных слагаемых в правую часть получаем следующее.
z7 + zx3
4. 2 г +x4
4-Х — 00
6 6 = 2 22х3 ------22х4.
—--------—
г — г
+ M 0+#
х 1 + ( - 1 22 4=(4 +ł)-
Соответствующим отсечением является
21 _ _ 3 _ , 1
9.2. Методы решения задач целочисленного программирования 425
Аналогично
Х2 + (° + 2ї )Х3 + (° + 2 2 К = (3 + 2)'
Следовательно, в данном случае отсечение имеет вид
——х — —х + —^ 0
22 3 22 4 + 2
Любое из трех отсечений может быть использовано на первой итерации метода от
секающих плоскостей. Поэтому нет необходимости строить все три отсечения перед
выбором одного из них.
Выбирая (произвольно) отсечение, порожденное х 2-строкой, записываем его сле
дующим образом.
~ 2 2 Х3 ~ 2 2 Х4 + S\ = - 2 1 51 - ° (отсечение О-
Это ограничение добавляется в качестве дополнительного в оптимальную сим
плекс-таблицу задачи.
Базис *1 Хг хз х4 S1 Решение
Базис *1 хг хз х4 S1 Решение
z 0 0 0 1 g 62
хг 0 1 0 0 1 3
Xl 1 0 0 1/7 -1/7
ц
Хз 0 0 1 1/7 -22/7
ц
v K K +(-1+fh-K)-
Соответствующее отсечение имеет вид
базис Хх Хг Хз ха Si S2 Решение
z 0 0 0 1 9 0 62
хг 0 1 0 0 1 0 3
хх 1 0 0 1/7 -1/7 0
*7
хз 0 0 1 1/7 -22/7 iiim Ц
S2 0 0 0 -1/7 -6/7 і -4/7
Базис *1 хг хз ХА Si S2 Решение
z 0 0 0 0 3 7 58
хг 0 1 0 0 1 0 3
хх 1 0 0 0 -1 1 4
хз 0 0 1 0 -4 1 1
ха 0 0 0 1 6 -7 4
УПРАЖНЕНИЯ 9.2.3
1. В примере 9.2.2 покаж ите графически, может ли каждое из следующих ог
раничений служить в качестве правильного отсечения.
a ) дс1 + 2 х 2< 1 0 .
x v ї 2> 0 и целые.
5. Решите следующие задачи методом отсекающих плоскостей и сравните оп
тимальное целочисленное решение с решением, полученным путем округле
ния соответствующего оптимального непрерывного решения.
а) М аксимизировать z = 4 х г + 6 х 2+ 2х3
при ограничениях
4 jc] - 4 jc2<5,
—JCj + 6 х 2< 5,
-Xj + х 2+ jc3<5,
дс1, x 2, x 3> 0 и целые.
428 Глава 9. Целочисленное линейное программирование
каждый пункт только один раз, называется циклом; цикл, проходящий через все
пункты, называется полным, в противном случае — частичны м или подциклом.)
В задаче коммивояжера с п городами можно определить такие переменные:
J 1,если город j достижим из города і,
U [0,в противном случае.
Имея значения dtj, расстояния от города і до города j (считается, что dtl = °° при
і - j), задачу коммивояжера можно формализовать следующим образом.
М инимизировать
/=і і --і
при ограничениях
—l , i 1 ,2 , ...,/i,
х ц = 0 или 1,
реш ение ДОЛЖНО быть ПОЛНЫМ ЦИКЛОМ.
Ограничения задачи, кроме последнего, определяют обычную задачу о назначе
ниях (см. раздел 5.4). В общем случае нет гарантии, что оптимальное решение за
дачи коммивояжера может быть получено путем решения соответствующей задачи
о назначениях, т.е., что оптимальное решение задачи о назначениях образует пол
ный цикл. Более вероятно, что оно будет содержать частичные циклы , соединяю
щие вместе некоторые подмножества узлов сети. На рис. 9.13 показана задача
коммивояжера, состоящая из 5-ти городов. Ребра, соеди н яю щ и е узлы (города) се
ти, соответствуют дорогам с двухсторонним движением. На этом рисунке показано
решение задачи коммивояжера и частичные циклы, соответствующие решению за
дачи о назначениях. Если задача о назначениях формирует полный цикл, то это бу
дет оптимальным решением задачи коммивояжера. Если оптимальное решение за
дачи о назначениях состоит из нескольких частичных циклов, то в эту задачу
добавляются специальные ограничения, удаляющие решения с частичными цик
лами. Такие ограничения будут показаны далее в этом разделе.
Пример 9.3.1
Дневной график работы предприятия, производящего краски, включает изготов
ление партий белой (Б), желтой (Ж ), красной (К) и черной (Ч) красок. Так как
предприятие использует одно и то же оборудование для изготовления всех четырех
типов краски, необходима его надлежащ ая чистка между изготовлением различ
ных партий краски. Приведенная ниже таблица содержит время чистки оборудо
вания в минутах, если за изготовлением краски, указанной в строке, следует изго
товление краски, указанной в столбце. Например, если за белой краской следует
ж елтая, то время чистки равно 10 минут. Поскольку за определенным цветом
краски не может следовать такой же цвет, то соответствующее время чистки пола
гается равным бесконечности. Необходимо определить оптимальную последова
тельность дневного производства четырех типов краски, которая минимизирует
суммарное время чистки оборудования.
Белый оо 10 17 15
Желтый 20 ОО 19 18
Черный 50 44 ОО 25
Красный 45 40 20 ОО
Метод полного перебора контуров практически применим лиш ь для задач малой
размерности. Например, сеть с 11 узлами имеет 10! = 3 628 800 контуров. Следова
тельно, требуется более эффективный подход к решению таких задач.
Определим переменные х равными 1, если узел j достигается из узла г, и 0 в про
тивном случае. Необходимым условием для контура (цикла) является то, что узел г
связывается лишь с одним узлом и узел j достигается лиш ь из одного узла. Считая
М достаточно большим положительным числом, мы можем записать задачу пред
приятия, производящего краски, следующим образом.
М инимизировать г = М х ББ 4- 10хЕЖ4- П х БЧ4- 15лсв/г 4- 20х ЖБ + М х жж4- 19хЖЇ 4-
4-18хжк 4- 5 0 хЧБ 4- 44хЇЖ 4- М х чч 4- 2 5 хч1с 4- 45л; и + 4:0хкж4- 20*^,, 4- М х кк
при ограничениях
Х ББ "*■ Х БЖ "*■ Х БЧ Х БК ~
Х ЖБ Х ЖЖ Х ЖЧ Х ЖК ^ ’
Х ЧБ Х ЧЖ Х ЧЧ Х ЧК ~ ^ >
Х КБ Х КЖ Х КЧ Х КК ~ ^ >
Х ББ Х ЖБ Х ЧБ Х КБ ~
Х БЖ Х ЖЖ Х ЧЖ Х КЖ ~ ^ >
Х БЧ Х ЖЧ Х ЧЧ Х КЧ ~
Х БК Х ЖК Х ЧК Х КК ~ ^ ’
УПРАЖНЕНИЯ 9.3.1
1. Менеджер проектов имеет 10 сотрудников, которые работают над шестью
проектами, причем каж дый работает одновременно над несколькими проек
тами, как показано в следующей таблице.
1
2
3
4
Сотрудники 5
6
7
8
9
10
432 Глава 9. Целочисленное линейное программирование
А Б В Г Д
А 0 120 220 150 210
Б 120 0 80 110 130
В 220 110 0 160 185
Г 150 110 160 0 190
Пример 9.3.2
В следующей матрице записаны расстояния между 5 городами задачи коммивояжера.
10 9Л
ОО 2
9
1
2
( Т )
Рис. 9.14. Дерево подзадач решения задачи коммивояжера методом ветвей и границ
434 Глава 9. Целочисленное линейное программирование
УПРАЖНЕНИЯ 9.3.2
1. Решите задачу примера 9.3.2, начав с удаления частичного цикла 2-5-4-2.
При прохождении дерева подзадач примените следующие правила.
a) На каждом уровне дерева подзадач исследуйте подзадачи слева направо.
Переходите на следующий уровень только после того, как будут рассмот
рены все подзадачи текущего уровня.
b)Исследуйте подзадачи “ вертикально” , начиная от нулевого узла и после
довательно проходя по ветвям, пока не будут рассмотрены все подзадачи
одной последовательности ветвей.
2. Реш ите методом ветвей и границ задачу из упражнения 9.3.1.1.
3. Решите методом ветвей и границ задачу из упражнения 9.3.1.2.
4. Решите методом ветвей и границ задачу из упражнения 9.3.1.3.
Пример 9.3.3
В следующей матрице записаны расст ояния между 4 городами задачи коммивояжера.
13 21 26n
10 °° 29 20
1К«= 30 20 ~ 5
,12 30 7
Данная задача коммивояжера формішизуется как соответствующая задача о назна-
чениях плюс следующие дополните,гсьные ограничения, исключающие из решения
частичные циклы. Все переменные х 1 двоичные, все переменные ut неотрицательные,
Задача решается как частично-целоч деленная задача линейного программирования.
^1 1 ^12 ^13 ^14 ^21 ^22 ^23 Х 24 ^31 ^32 ^33 ^34 ^41 ^42 ^43 ^44 ^2 ^3
4 1 -1 <3
4 1 -1 <3
4 -1 1 <3
4 1 -1 <3
4 -1 1 <3
4 -1 1 <3
УПРАЖНЕНИЯ 9.3.3
1. Решите следующие задачи коммивояжера методом отсекающих плоскостей.
ОО 43 21 20'
10 ОО 9 22
а) Задача с матрицей расстояний W
20 10 ОО 5
42 50 27 °°,
ЛИТЕРАТУРА
1. Nemhauser G., Wolsey L. In teg er and Combinatorial O ptimization, W iley, New
York, 1988.
2. Salkin H., M athur K. Foundations of Integer Programming, N orth-H olland, New
York, 1989.
3. Taha H. Integer Programming: Theory, Applications, and Computations, Academic
Press, Orlando, FL, 1975.
4. Wolsey L. Integer Programming, W iley, New York, 1998.
КОМПЛЕКСНЫЕ ЗАДАЧИ
9.1. Развиваю щ аяся компания владеет 90 акрами земли в растущей столичной
зоне, где планирует построить офисные здания и торговый центр. Создан
ная собственность сдается в аренду на 7 лет и затем продается. Цена каж до
го здания оценивается в 10 раз выше суммы чистого дохода, полученного за
последний год от сдачи здания в аренду. Компания оценивает, что проект
будет включать торговый центр площадью в 4,5 миллиона квадратных фу
тов. Бизнес-план предусматривает строительство трех высотных офисных
зданий и четырех зданий с садом.
Перед компанией стоит задача составления расписания работ. Если строи
тельство завершается очень рано, построенные здания могут остаться не
востребованными; если строительство завершается очень поздно, могут
быть потеряны потенциальные арендаторы. Потребности в офисных пло
щадях на следующие 7 лет, вычисленные на основе соответствующего изу
чения рынка, показаны в следующей таблице.
438 Глава 9. Целочисленное линейное программирование
Здания с садом Площадь (кв. футы) Высотные здания Площадь (кв. футы)
1 60 000 1 350 000
2 60 000 2 450 000
3 75 000 3 350 000
4 75 000 —
Показатели гимнасток
1 2 3 4 5 6
Опорный прыжок 6 9 8 8 4 10
Брусья 7 9 7 8 9 5
Бревно 9 8 10 9 9 8
Вольные упражнения 6 6 5 9 10 9
4 Задача основана на материалах статьи E llis P ., Corn R. “U sin g B ivalent Integer Pro-
-ram m ing to Select Teams of Intercollegiate W om en’s G ym nastic Com petition”, Interfaces,
V o l.14, No. 3, 1984, pp. 4 1 -4 6 .
Комплексные задачи 439
Из зоны с кодом
В центр 501 918 316 417 314 816 502 606
Даллас 14 35 29 32 25 13 14 20
Атланта 18 18 22 18 26 23 12 15
Луисвилл 22 25 12 19 30 17 26 25
Денвер 24 30 19 14 12 16 18 30
Литл-Рок 19 20 23 16 23 11 28 12
Мемфис 23 21 17 21 20 23 20 10
Сан-Луис 17 18 12 10 19 22 16 22
Компания ABC собирается выбрать три или четыре рекламных центра. Где
они должны быть расположены?
9.4. 6 Электрическая компания, обслуживающая сельские районы, хочет опреде
лить количество своих сервисных центров и их местоположение. Компания об
служивает 5 районов, в которых проживает следующее число потребителей.
Район 1 2 3 4 5
К-во потребителей 400 500 300 600 700
Сервисный центр
Район 1 2 3 4 5
1 40 100 20 50 ЗО
2 120 90 80 ЗО 70
3 40 50 90 80 40
4 80 70 110 60 120
5 90 100 40 110 90
ДЕТЕРМИНИРОВАННЫЕ МОДЕЛИ
ДИНАМИЧЕСКОГО
ПРОГРАММИРОВАНИЯ
Динамическое программирование (ДП) определяет оптимальное решение п-
мерной задачи путем ее декомпозиции на п этапов, каж дый из которых представ
ляет подзадачу относительно одной переменной. Вычислительное преимущество
такого подхода состоит в том, что мы занимаемся решением одномерных оптими
зационных подзадач вместо большой л-мерной задачи. Фундаментальным принци
пом ДП, составляющим основу декомпозиции задачи, является оптимальность.
Так как природа каждого этапа решения зависит от конкретной оптимизационной
задачи, ДП не предлагает вычислительных алгоритмов непосредственно для к аж
дого этапа. Вычислительные аспекты решения оптимизационных подзадач на к а
ждом этапе проектируются и реализуются по отдельности (что, конечно, не исклю
чает применения единого алгоритма для всех этапов).
Мы можем решить эту задачу посредством полного перебора всех маршрутов меж
ду узлами 1 и 7 (имеется пять таких маршрутов). Однако в большой сети полный
перебор является неэффективным с вычислительной точки зрения.
Чтобы решить эту задачу с помощью методов динамического программирования, сна
чала разделим ее на этапы. Вертикальные пунктирные линии на рис. 10.2 очерчивают
три этапа задачи. Далее выполняются вычисления для каждого этапа в отдельности.
есть три возможных маршрута, по которым можно достичь узла 5, а именно (2, 5),
(3, 5) и (4, 5). Эта информация вместе с кратчайш ими расстояниями к узлам 2, 3,
и 4 определяет кратчайш ее (накопленное) расстояние к узлу 5 следующим образом.
Кратчайший ^ Расстояние от
= min
путь к узлу 5 J ,=- 3J узла і к узлу 5,
7 + 12 = 19
8+ 8 = 16 = 12 (из узла 4).
5+ 7 = 12
Аналогично для узла 6 имеем следующее.
^Кратчайший Кратчайший | Расстояние от
= min . +
путь к узлу 6 I ,=34 путь к узлу I ) узла і к узлу 6
8+ 9 = 17
= min^ ? = 17 (изузлаЗ).
[5+ 13 = 18] v ’
УПРАЖНЕНИЯ 10.1
1. Решите задачу из примера 10.1.1, предполагая, что используются следую
щие длины маршрутов:
</(1,2) = 5, </(1,3) = 9, </(1,4) = 8,
d(2, 5)= 10, d(2,6)= 17,
</(3, 5) = 4, d(3, 6) = 10,
d(4, 5) = 9, d(4, 6) = 9,
d(5, 7) = 8,
d(6, 7) = 9.
2. Я — заядлый турист. Прошлым летом мы с другом отправились в пятиднев
ный поход по прекрасным Белым Горам в штате Нью-Гемпшир. Мы решили
ограничить наше путешествие территорией, на которой расположены три
хорошо известные вершины: Вашингтон, Джефферсон и Адамс. Гора Ва
шингтон имеет шестимильную тропу от подножия до вершины. Аналогич
ные тропы гор Джефферсона и Адамса имеют длину 4 и 5 миль соответствен
но. Тропы, соединяющие подножия этих трех гор, имеют следующую длину:
3 мили между вершинами Вашингтона и Джефферсона, 2 мили между вер
шинами Джефферсона и Адамса и 5 миль между вершинами Адамса и Ва
шингтона. В первый день мы стартовали от подножия вершины Вашингтона
и вернулись в эту же точку к концу пятого дня. Нашей целью было пройти
как можно более длинный путь. Мы такж е решили подниматься каждый
день только на одну вершину и располагаться лагерем у подножия той горы,
на которую мы решили восходить на следующий день. Кроме того, мы реши
ли, что не будем подниматься на одну и ту же вершину в течение двух дней
подряд. Каким было расписание нашего похода?
Пример 10.2.1
Рекуррентное уравнение для алгоритма обратной прогонки в примере 10.1.1 имеет вид
/,(* ,)= min {d(xi,x ^ ) + f ^ (дгы )}, / = 1,2,3,
' все допустимые Ł
(л /.хм )-маршруты
Хз Xi = 7 f3{x з) х'
5 9 9 7
6 6 6 7
х2 х3 = 5 х3 = 6 k{x2)
2 12 + 9 = 21 — 21 5
3 8 + 9 = 17 9 + 6=15 15 6
4 7 + 9=16 1 3 + 6 = 19 16 5
Х\ *. = 2 х2 = 3 Хг = 4 M *t) хг
1 7 + 21 = 28 8 + 15 = 23 5 + 16 = 21 21 4
УПРАЖНЕНИЯ 10.2
1. Д ля задачи из упражнения 10.1.1 получите рекуррентное соотношение об
ратной прогонки и используйте его для получения оптимального решения.
2. Д ля задачи из упражнения 10.1.2 получите рекуррентное соотношение об
ратной прогонки и используйте его для получения оптимального решения.
3. Определите кратчайш ий маршрут между городами 1 и 7 на сети дорог, пред
ставленной на рис. 10.3. Определите этапы и состояния системы с помощью
алгоритма обратной прогонки, а затем решите задачу.
где/„^(л^і) = 0.
Ш аг 2. Выразим лг^, как функцию дг,- для гарантии того, что левая часть по
следнего уравнения является функцией лиш ь дг,. По определению
X j-x Ul представляет собой вес, загруженный на этапе /, т.е. х -
*/+1 = w,mi или xUt = Xj- WjiTij. Следовательно, рекуррентное уравнение
приобретает следующий вид.
/;(х ;)= max Ь - П * / = 1,2,..., п.
от,-«0.1.. -J4
«0. I .... W '
Пример 10.3.1
В 4-тонный самолет загружаются предметы трех наименований. Приведенная ни
же таблица содержит данные о весе одного предмета w, (в тоннах) и прибыли г,
(в тысячах долларов), получаемой от одного загруженного предмета. К ак необхо
димо загрузить самолет, чтобы получить максимальную прибыль?
Предмет і IV; гі
1 2 31
2 3 47
3 1 14
Так как вес одного предмета w, для всех наименований и максимальный вес W при
нимают целочисленные значения, состояние X; может принимать лиш ь целочис
ленные значения.
Этап 3. Точный вес, который может быть загружен на этапе 3 (предмет наименования
3), заранее неизвестен, но он должен принимать одно из значений 0, 1...... 4 (так как
W = 4 тонны). Состояния х3= 0 и х3= 4 представляют собой крайние случаи, когда пред
меты третьего наименования совсем не загружаются или загружают самолет полно
стью. Остальные значения х3(= 1, 2 или 3) предполагают частичную загрузку самолета
предметами третьего наименования. Действительно при этих значениях х3 все остав
шиеся емкости самолета могут быть заполнены предметами третьего наименования.
Так как вес ш3 одного предмета третьего типа равен 1 тонне, максимальное количе
ство единиц этого типа, которое может быть загружено, равно [4/1] = 4. Это означа
ет, что возможными значениями х 3 будут 0, 1, 2, 3 и 4. Решение т3 является допус
тимым лиш ь при условии, что w3m3< x 3. Следовательно, все недопустимые
альтернативы (те, для которых w3m3> х 3) исключены. Следующее уравнение явля
ется основой для сравнения альтернатив на этапе 3.
10.3. Приложения динамического программирования 449
X} т 3= 0 ту = 1 т 3= 2 тз = 3 тз = 4 Ыхз) »h
0 0 — — — — 0 0
1 0 14 — — — 14 1
2 0 14 28 — 28 2
3 0 14 28 42 42 3
4 0 14 28 42 56 56 4
Этап 2.
4
Л (*:) = max{47т, + / 3(х, -Зот,)}, тах{/л: } 3
= 1.
0 0 +0 =0 — 0 0
1 0 + 14=14 — 14 0
2 0 + 28 = 28 — 28 0
3 0 + 42 = 42 47 + 0 = 47 47 1
4 0 + 56 = 56 4 7 + 14 = 61 61 1
Этап 1.
4
/,(л г,) = тах{31т + /,( де, —2/и,)}, max{ »/,} = = 2.
(К, v .2
х, mi =0 т, = 1 гп\ = 2 M * i)
ч
0 0 +0 =0 — — 0 0
1 0 + 14=14 — — 14 0
2 0 + 28 = 28 3 1 + 0 = 31 — 31 1
3 0 + 47 = 47 31 + 1 4 = 45 — 47 0
4 0 + 61 = 61 31 + 28 = 59 62 + 0 = 62 62 2
На рис. 10.5 показаны этапы вычислений для задачи примера 10.3.1. Вычисле
ния выполняю тся последовательно по этапам и пользователю необходимо предос
Количество этапов, N = 3 D3
Ограничение загрузки, W = 4 G3
Текущий этап = 3 С4
w3 = 1 Е4
гЗ = 14 G4
т З = (0 ,1 ,2 , 3 ,4 ) D6:H6
Отметим, что допустимыми значения для т 3 являю тся числа 0, 1, ..., [W /w3] =
= [4/1] = 4 так же, как в примере 10.3.1. Рабочий лист автоматически проверяет
правильность значений т , и выводит соответствующие сообщения в строке 5
(сообщения вида “yes” (“ да” ), “по” (“ нет” ) и “delete” (“ исключить” )).
После ввода данных для этапа 3 рабочий лист “ ож ивает” и выполняет все необ
ходимые вычисления автоматически (в столбцах В:Р). Значения -111111 указы
вают, что соответствующий вариант загрузки недопустим. Оптимальное решение
(/з, т 3) этого этапа приведено в столбцах О и Р. В столбце А выводятся значения / 4.
Поскольку вычисления начинаются с этапа 3, / 4 = 0 для всех значений х 3. Поэтому
ячейки А9:А13 оставлены пустыми (или могут быть заполнены нулями).
Закончив вычисления этапа 3, необходимо выполнить следующие шаги для соз
дания постоянной записи оптимального реш ения текущего этапа и подготовки ра
бочего листа к следующему этапу вычислений.
Ш аг 1. Скопируйте значения х 3 (диапазон С9:С13) и вставьте их в ячейки
диапазона Q5:Q9, где будет храниться оптимальное решение 3-го
этапа. Далее скопируйте значения (/,, тъ) (диапазон 09:Р13)
и вставьте их в диапазон R5:S9. Напомним, что необходимо скопи
ровать и вставить только значения (а не формулы, по которым вы
числялись эти значения). Д ля этого после копирования данных
и выделения диапазона, где будут вставлены эти данные, выпол
ните команду ПравкаОСпециальная вставка и после появления од
ноименного диалогового окна установите в нем переключатель
Значения; затем щелкните на кнопке ОК.
Ш аг 2. Скопируйте значения f 3 из диапазона R5:R9 в диапазон А9:А13 (без
использования диалогового окна Специальная вставка).
Ш агЗ. Введите число 2 в ячейку С4, а также новые значения w2, г2 и т2.
На этом заканчивается подготовка к выполнению этапа 2.
После выполнения этапа 2 рабочий лист следует подготовить к этапу 1 так же,
как описано выше. После заверш ения этапа 1 полученное оптимальное решение
интерпретируется точно так же, как показано в примере 10.3.1.
2 Я мог бы автоматизировать все вычисления на рабочем листе, чтобы сразу получить ко
нечный результат. Но я предпочел вовлечь пользователя в процесс получения решения. Уси
лия со стороны пользователя для этого необходимы минимальные, а наградой ему за эти уси
лия (я надеюсь) будет углубленное понимание вычислительных деталей решения задачи ДП.
452 Глава 10. Детерминированные модели динамического программирования
Этап 3
Эman 2
1 ' * -- ŁI - B j I C I d ' e I F - -I O . H .......................
, I I J ; "К
> f■ ~
L I ™
ł W 1 "N l O
■ — . p . Q R i «Sw T
- ij -U i ; . V ;
1 1 1 Dynamic P io ora m m tn a (Bachwaid) Kn psack M odel I
12 Input Data am* Matre C a ktifcition * 1I Ouput S olution Sum m ary I
I 3 Number o f atM M aJH J I Res. BnwŁ W * 4 -•*to x w s e v‘ ,|,,iiv c a n rd aed 1 x f m x f m
I 4 . u f i e i i t ełaoe=| ? •К Ї- J 1?* 47 Этап 3 Этап 2
S 4r»m2Yi i/ v m e *2 1 , Stage 0 0 0 0 0 0
6 mЇ* • 1 і Optvnum 1 14 1 1 14 0
7 S ta fle l r2*m2* 0 47 Solution 2 26 2 2 26 0
6 fJ w2*m2- 0 3 f2 m2 3 42 3 3 47 1
9 0 x2- 0 0 111111 0 0 4 56 4 4 61 1
10 14 x2- 1 14 111111 14 0
11 26 x2 - 2 26 111111 26 0
12 42 x2 - 3 42 47 47 1
13 56 x2 - 4 56 61 61 1
14..
Этап /
A В С D E F 0 H I J К ^ L M N 0 ,P О R !S i I U V
1 I Dynamic Р ю щ а гги п т д (B ackw aid) Knapsack M odel
2 Data and Sta • Catculationa O uout S ołuti« n Sum m ary
3 N um bei o f sta J Res. Ы W- 4 X f m X f m
4 'u n e m s la e * 1 M i t i1 « 51 Этап 3 Этап 2
S h r * m 1 v * lu tc o r r * c t es s Stage 0 0 0 0 0 0
6 m1=* • 2 Opttnum 1 14 1 1 14 0
7 Stage? r1 *m1 =* 0 31 62 Solution 2 26 2 2 26 0
6 12 w1 *m1« 0 2 4 fl ml 3 42 3 3 47 1
S 0 x1- 0 0 111111 111111 0 0 4 56 4 4 61 1
10 14 x l- 1 14 111111 111111 14 0 ЭталЗ
11 26 x l- 2 26 31 111111 31 1 0 0 0
12 47 x l- 3 47 45 111111 47 0 1 14 0
13 61 Х І* 4 61 59 62 62 2 2 31 1
14 3 47 0
15 4 62 2
16 .
УПРАЖНЕНИЯ 10.3.13
1. В задаче примера 10.3.1 определите оптимальное решение, предполагая, что
максимальная грузоподъемность самолета составляет 3 тонны.
2. Решите задачу о загрузке из примера 10.3.1 для каждого из следующих случаев.
a) wt = 4, г,= 70, w2= 1, r2= 20, w3= 2, r3= 40, W = 6.
b) Wj = 1, rt = 30, w2= 2, r2= 60, w3= 3, r3= 80, W = 4.
3. Турист собирается в путешествие по дикой местности и должен упаковать
в рю кзак предметы трех видов: пищ у, средства первой помощи и одежду.
Объем рюкзака составляет 3 кубических фута. Каждая единица пищи занимает
3 т-.
В этих упраж нениях там, где возмож но, выполните вычисления вручную, а затем про
верьте полученные результаты с помощью шаблона Excel chlOKnapsack.xls.
10.3. Приложения динамического программирования 453
1 1200 78 7
2 1000 64 4
3 1100 68 6
4 1000 62 5
5 1200 85 8
454 Глава 10. Детерминированные модели динамического программирования
М инимизировать z = y] + у* + ...+ у*
при условиях
У \ У г-У й = с ,
0, і = 1, 2,..., п .
у ,>
Уі>0, i = 1,2,
Найдите решение задачи при условии, что п = 3, с = 1 0 , Д уі)= У і+ 5,
fly2) = 5у2+ 3 и /СУз) = уз - 2.
Пример 10.3.2
Строительный подрядчик оценивает минимальные потребности в рабочей силе на
каждую из последующих пяти недель следующим образом: 5, 7, 8, 4 и 6 рабочих
соответственно. Содержание избытка рабочей силы обходится подрядчику
в 300 долл. за одного рабочего в неделю, а наем рабочей силы на протяжении одной
недели обходится в 400 долл. плюс 200 долл. за одного рабочего в неделю.
В ыражая С| и С2 в сотнях долларов, имеем следующее.
ON
сз-
Ь, = 5, Ь2=7, Ь3= 8, Ь4
II
II
С, Or, - b,) = 3(х, - bj), х, > bn і = 1,2,.. .,5,
С2(х, - xLl) = 4 + 2(х, --Xl.,), Xj>xui, і = 1,2,..., 5.
Этап 5. (bs = 6)
С'\х* —6) + С:(х<—Xą) Оптимальное решение
Цхі)
СО
II
А
4 3x0 + 4 + 2x2 = 8 8 є
5 3x0 + 4 + 2x1 = 6 6 є
6 3x0 + 0 = 0 0 є
Этап 4. (£>4 = 4)
С](х4- 4) + Сг(х4 - х3) + Ь(Хі ) Оптимальное решение
СЛ
II
II
&
Xt = 6 « *з ) х\
*
Этап 3. (Ь} = 8)
Сі(х3 - 8) + Сг(хъ - х2) + &(х3) Оптимальное решение
h(Xi)
СО
S?
%
II
■*з
7 3x0 +4 + 2x 1 + 6 = 12 12 8
8 3x0 + 0 + 6 = 6 6 8
Этап 2. (£>2 = 7)
С](х2- 7) + С2<х3 - х2) + h(x2) Оптимальное решение
Xi х2 = 7 х2 = 8 fl(Xi)
8 3x0 + 0 + 12 = 12 3x1 + 0 + 6 = 9 9 8
10.3. Приложения динамического программирования 457
Этап 1. (&, = 5)
С,(х, - 5) + С2(х і - Хо) + fi(xi) Оптимальное решение
Хо X] = 5 Хі = 6 X] =7 X] =8 М*о) х;
Номер недели (!) Минимум рабочей сипы (Ь,) Количество фактически Решение
работающих (х,)
1 5 5 Нанять 5 рабочих
2 7 8 Нанять 3 рабочих
3 8 8 Ничего не менять
4 4 6 Уволить 2 рабочих
5 6 6 Ничего не менять
УПРАЖНЕНИЯ 10.3.2
1. Решите задачу из примера 10.3.2 при следующих минимальных потребно
стях в рабочей силе.
a) 6, = 6 ,Ь 2= 5, Ь3= 3, bi = 6, Ъъ= 8.
b) bt = 8, Ь2= 4, Ь3= 7, Ь4 = 8, Ьй= 2.
2. Пусть в примере 10.3.2 каждому уволенному рабочему выплачивается вы
ходное пособие в размере 100 долл. Найдите оптимальное решение задачи.
3. Туристическое агентство организовывает недельные поездки в Египет.
В соответствии с договором на ближ айш ие четыре недели агентство долж но
обеспечить туристические группы арендными автомобилями в количестве
семь, четыре, семь и восемь штук соответственно. Агентство заклю чает до
говор с местным дилером по прокату автомобилей. Дилер назначает аренд
ную плату за один автомобиль 220 долл. в неделю плюс 500 долл. за любую
арендную сделку. Агентство, однако, может не возвращать арендованные
автомобили в конце недели, и в этом случае оно должно будет платить
только арендную плату в 220 долл. Каково оптимальное решение пробле
мы, связанной с арендой автомобилей?
4. К омпания на следующие четыре года заклю чила контракт на поставку
авиационных двигателей, по 4 двигателя в год. Доступные производствен
ные мощности и стоимость производства меняются от года к году. Компа
ния может изготовить пять двигателей за 1-й год, шесть — за 2-й, три — за
3-й и пять — за 4-й. Стоимость производства одного двигателя на п ротя
ж ении следующих четырех лет равна соответственно 300 000, 330 000,
350 000 и 420 000 долл. В течение года компания может произвести больше
458 Глава 10. Детерминированные модели динамического программирования
гДе/„.і(-) = 0.
Пример 10.3.3
Компания планирует определить оптимальную политику замены используемого
в настоящее время трехлетнего механизма на протяжении следующих 4 лет (п = 4),
т.е. вплоть до начала пятого года. Приведенная таблица содержит относящиеся
к задаче данные. Компания требует обязательной замены механизма, который на
ходится в эксплуатации 6 лет. Стоимость нового механизма равна 100 000 долл.
10.3. Приложения динамического программирования 459
0 20 000 200 —
1 19 000 600 80 000
2 18 500 1200 60 000
3 17 200 1500 50 000
4 15 500 1700 30 000
5 14 000 1800 10 000
6 12 200 2200 5 000
Если однолетний механизм заменяется в начале второго или третьего года, то заме
нивший его механизм к началу следующего года также будет однолетним. К тому же,
в начале 4-го года 6-летний механизм обязательно должен быть заменен, если он еще
эксплуатируется; в конце 4-го года все механизмы продаются (77) в обязательном по
рядке. На схеме сети также видно, что в начале второго года возможны только меха
низмы со сроком эксплуатации 1 или 4 года. В начале третьего года механизм может
иметь возраст 1, 2 или 5 лет, а в начале четвертого — 1, 2, 3 или 6 лет.
460 Глава 10. Детерминированные модели динамического программирования
Этап 4.
С 3 Оптимум
ł K0 + s ( ? + 1 ) - c ( 0 KO)+s(0 + s ( 1 ) - c ( O ) - / М Решение
1 19,0 + 6 0 - 0 , 6 = 78,4 20 +80 + 80 - 0,2 - 100 = 79,8 79,8 3
2 18,5 + 5 0 - 1 , 2 = 67,3 20 + 60 + 80 - 0,2 - 100 = 59,8 67,3 С
3 17,2 + 3 0 - 1,5 = 45,7 20 + 50 + 80 - 0,2 - 100 = 49,8 49,8 3
6 Необходима замена 20 + 5 + 80 - 0 , 2 - 1 0 0 = 4,8 4,8 3
Этап 3.
С 3 Оптимум
Этап 2.
С 3 Оптимум
ł / ( 0 - c ( 0 + 6(f + 1) KO) + s ( 0 - c ( O ) - / + f j ( 1 ) h (0 Решение
1 1 9 , 0 - 0 , 6 + 67,1 = 8 5 ,5 20 + 80 - 0,2 - 100 + 85,7 = 85,5 85,5 С или 3
4 1 5 , 5 - 1 , 7 + 19,6 = 33,4 20 + ЗО - 0,2 - 100 + 85,7 = 35,5 35,5 3
Этап 1.
С 3 Оптимум
(/ - 3)—-| 3 _ Продажа
УПРАЖНЕНИЯ 10.3.3
1. Постройте сеть и найдите оптимальное решение в задаче из примера 10.3.3
в каждом из следующих случаев.
a) В начале первого года имеется механизм, находящ ийся в эксплуатации
2 года.
b ) В начале первого года имеется механизм, находящийся в эксплуатации 1 год.
c) В начале первого года куплен новый механизм.
2. Мой тринадцатилетний сын занимается собственным бизнесом — косит га
зоны десяти клиентам. Каждому клиенту он косит траву три раза в год, по
лучая за один скошенный газон 50 долл. Он купил косилку за 200 долл. На
протяжении первого года затраты на содержание и использование косилки
равны 120 долл., и через год они увеличиваются на 20%. Одногодичная ко
силка может быть продана за 150 долларов, и с каждым годом ее стоимость
уменьшается на 10%. Мой сын планирует продолжить свой бизнес, пока ему
не исполнится 16 лет, и считает, что более выгодно менять косилку через
каждые два года. Он объясняет это тем, что цена новой косилки увеличива
ется за год лиш ь на 10%. Справедливо ли его решение?
3. Группа ферм владеет трактором двухлетней давности и планирует разрабо
тать стратегию его замены на следующие пять лет. Трактор должен эксплуа
тироваться не менее двух и не более пяти лет. В настоящее время новый
трактор стоит 40 000 долларов, и эта цена за год увеличивается на 10%. Те
кущ ая годичная стоимость эксплуатации трактора составляет 1300 долларов
и, как ожидается, будет увеличиваться на 10% в год.
a) Сформулируйте задачу в виде задачи о кратчайш ем пути.
b) Постройте соответствующее рекуррентное уравнение.
c) Определите оптимальную стратегию замены трактора на следующие пять лет.
4. Рассмотрим задачу замены оборудования на протяжении п лет. Цена новой
единицы оборудования равна с долларов, а стоимость продажи после t лет
эксплуатации равна s(t) = n - t при п > t и нулю — в противном случае. Годич
ная прибыль от эксплуатации является функцией возраста оборудования t
и равна r(t) = п - t2 при п > t и нулю — в противном случае.
462 Глава 10. Детерминированные модели динамического программирования
Поскольку премиальные за п-й год являю тся частью накопленной денежной суммы
от инвестиций, в вы раж ения для s„ добавлены qnl и qn2.
И так, в данном случае рекуррентное уравнение для обратной прогонки в алго
ритме динамического программирования имеет вид
10.3. Приложения динамического программирования 463
Пример 10.3.4
Предположим, вы хотите инвестировать 4000 долл. сейчас и 2000 долл. в начале
каждого года, от второго до четвертого, считая от текущего года. Первый банк вы
плачивает годовой сложный процент 8% и премиальные на протяжении следую
щих четырех лет в размере 1,8, 1,7, 2,1 и 2,5% соответственно. Годовой сложный
процент, предлагаемый вторым банком, на 0,2% ниже, чем предлагает первый
банк, но его премиальные на 0,5% выше. Задача состоит в максимизации накоп
ленного капитала к концу четвертого года.
Используя введенные выше обозначения, имеем следующее.
Pj = 4 000 долл., Рг = Ра= Pt = 2 000 долл.,
а, = (1 +0,08) = 1,08,
а, = (1 +0,078)= 1,078,
Чп = 0,018, Чп = 0,017, Чп = 0,021, ЧіХ = 0,025,
<у12= 0,023, цгг = 0,022, q32= 0,026, qu = 0,030.
Этап 4.
О птимальное решение
Состояние fi ( x 4)
п
Х4 1,108X4 0
Этап 3.
/э(*э)= т к { * з + Л(*«)}.
где
53 = (1,082 - 1,078% + 1,078’* ,= 0,00432/, + 1,1621*,,
*4= 2000 - 0,005/3+ 0,026*,.
Следовательно,
/ 3(-г3)= max {0,00432/ 3+ 1,162Ц +1,108(2000-0,005/3+ 0,026*3)} =
Оптимальное решение
Состояние 6(хз)
п
Хз 2216 + 1,1909x3 0
Этап 2.
f A Xl ) = ™ x { S2+f}(X})}’
где
s2= (1,083- 1,0 783)/2+ 1,0783х2= 0,006985/2+ 1,25273х2,
х3 = 2000 - 0,005/2+ 0,022х2.
Следовательно,
/ , (jt2) = m ax { 0 ,0 0 6 9 8 5 / 2 + 1,2521 х 2 + 2 2 1 6 + 1 ,1 9 0 9 ( 2 0 0 0 - 0 ,0 0 5 / 2 + 0 ,0 2 2 х 2)} =
= т а х { 4 5 9 7 ,8 + 0 ,0 0 1 0 3 0 5 / 2 + 1,27893jc2}.
Оптимальное решение
Состояние Н хг)
Хг 4597,8 + 1,27996X2 хг
Этап 1.
/,(*,)= т ^ { * , + / 2(*2)},
где
s, = (1,084 - 1,0784)/! + 1,0784х, = 0,01005/, + 1,3504х„
х2 = 2000 - 0,005/, + 0,023х,.
Следовательно,
/,(*,)= ш {0,01005/, +1,3504*, +4597,8 + 1,27996(2000 - 0,005/, + 0,023*,)} =
= max {7157,7 + 0,00365/. + 1,37984*,}.
0SA«л,1 J
Оптимальное решение
Состояние М х,)
А'
УПРАЖНЕНИЯ 10.3.4
1. Решите задачу из примера 10.3.4, предполагая, что г, = 0,085, г2- 0,08. Кроме
того, пусть Р 1= 5000 долл., Р2= 4000 долл., Р3= 3000 долл. и Р4 = 2000 долл.
2. Некий инвестор с начальным капиталом в 10 000 долл. должен решить в конце
каждого года, сколько денег истратить и сколько инвестировать. Каждый инве
стированный доллар возвращает а = 1,09 долл. в конце года. Истраченные у дол
ларов на протяжении каждого года приносят удовлетворение, определяемое ко
личественно как эквивалент получения g { y )~ 4 y долларов. Решите задачу
с помощью методов динамического программирования для периода в п = 5 лет.
3. Фермер имеет k овец. В конце каждого года он принимает решение, сколько
овец продать и сколько оставить. Прибыль от продажи одной овцы в і-й год
равна pi. Количество овец в конце /-го года удваивается к концу (/ + 1)-го года.
Фермер планирует в конце п-то года полностью продать овец.
a) Получите общее рекуррентное уравнение для реш ения задачи.
b) Решите задачу при следующих данных: п = 3 года, k = 2 овцы, р, = 100 долл.,
р 2= 130 долл., р 3= 120 долл..
Пример 10.4.1
Предприятие обрабатывающей промышленности выпускает два вида продукции.
Производственный процесс составляет 430 минут в день. Д ля производства едини
цы продукции первого вида требуется 2 минуты, а второго — 1 минута. На дневной
объем производства продукции первого вида ограничений нет (кроме возможностей
производственного процесса), максимальный ежедневный спрос на второй вид про
дукции равен 230 единиц. Реализация единицы продукции первого вида приносит
прибыль в 2 долл., а второго— 5 долл. Необходимо найти оптимальное решение
задачи максимизации прибыли методами динамического программирования.
Д анная задача является следующей задачей линейного программирования.
М аксимизировать z = 2хг + 5 х2
при ограничениях
2х1+ х 2<430,
х г < 230,
х,, х 2>0.
Элементы модели динамического программирования таковы.
1. Этап і соответствует продукции /, / = 1, 2.
2. Альтернативой х, на і-м этапе является объем производства продукции /, / = 1,2.
3. Состояние (v]? w,) представляет количество ресурсов, необходимое для произ
водства продукции вида 1 и 2 (производственное время и ограничение на спрос)
и используемое на этапах 1 и 2.
4. Состояние (v2, w2) представляет количество ресурсов, необходимое для произ
водства продукции вида 1 и 2 (производственное время и ограничение на спрос)
и используемое на этапе 2.
Этап 2. Пусть / 2(v2, w2) представляет максимальную прибыль для этапа 2 (прибыль
от выпуска продукции вида 2) при заданном состоянии (v2, w2). Тогда
/ 2(v2, и-2)= Qmax {5 .ї 2}.
Следовательно, max{5x2} имеет место при х 2= min{v2, w2}. Имеем следующее реше
ние для второго этапа.
Оптимальное решение
Состояние f2(v2, w2) x2
(v2, w2) 5 min{v2, w2} min{v2, w2}
10.4. Проблема размерности 467
Этап 1.
/i(vi, Wi)= max {2*1 + / 2(v, —2jc,, w,)j- = max {2*, + 5min(v,-2*,,w,)}.
Оптимизация на первом этапе требует реш ения минимаксной задачи, что в общем
случае является достаточно сложным делом. Д ля рассматриваемой задачи имеем
у, = 430 и wt —230, что дает 0 < 2х, < 430. Так как min(430 - 2хг 230) представляет
собой нижнюю огибающую двух пересекающихся прямых (проверьте!), то
„ [230, 0<х, < 100,
min(430 - 2х„ 230) = 4
1 [430 - 2*,, 100<х, <215
Оптимальное решение
Состояние f l ( V l , WО Xi
УПРАЖНЕНИЯ 10.4
1. Решите следующие задачи линейного программирования методами динами
ческого программирования.
a) Максимизировать г = 4х, + 14х2
при ограничениях
2х,+ 7х 2<21,
7х, + 2 х2< 21,
х„ *2> 0 .
b) Максимизировать z = 8х, + 1х2
при ограничениях
2х, + х2< 8,
5х, + 2 х2< 15,
x v х 2> 0 и целые.
468 Глава 10. Детерминированные модели динамического программирования
с) М аксимизировать г = 7 Ą + 6xt + 5 xl
при ограничениях
х, + 2х2< 10,
х, - Зх2< 9,
х,, х 2> 0.
2. Пусть в задаче из примера 10.3.1 о загрузке предметов п наименований огра
ничения самолета по весу и объему представлены величинами W и V соответ
ственно. Величины vv„ V/ и г, представляют соответственно вес, объем и при
быль, отнесенные к одному предмету наименования і. Необходимо записать
рекуррентное уравнение обратной прогонки для алгоритма динамического
программирования решения сформулированной задачи.
ЛИТЕРАТУРА
1. Bertsekas D. Dynam ie Programming: D eterm inistic and Stochastic M odels, Prentice
Hall, Upper Saddle River, N.J., 1987.
2. Denardo E. D ynam ic P rogram m ing Theory and Application, P rentice Hall, Upper
Saddle R iver, N .J ., 1982.
3. D reyfus S., Law A. The A rt and Theory of D ynam ic Program m ing, Academic
P ress, New Y ork, 1977.
4. Sniedovich M. D ynam ic Programming, Marcel Dekker, New York, 1991.
КОМПЛЕКСНАЯ ЗАДАЧА
10.1. К омпания проверяет состояние оборудования в конце каждого года и на
основании этого принимает следующее решение: либо использовать его
еще один год, либо заменить. Однако оборудование, которое находилось
в эксплуатации три года, подлежит замене в обязательном порядке. Ком
пания планирует разработать стратегию замены имеющегося оборудова
ния на следующие 10 лет. Соответствующая информация содержится
в приведенной ниж е таблице. Считается, что в начале первого года все
оборудование новое.
Комплексная задача 469
ДЕТЕРМИНИРОВАННЫЕ МОДЕЛИ
УПРАВЛЕНИЯ ЗАПАСАМИ
Как в бизнесе, так и в производстве обычно принято поддерживать разумный
запас материальных ресурсов или комплектующих для обеспечения непрерывно
сти производственного процесса. Традиционно запас рассматривается к ак неиз
бежные издерж ки, когда слишком низкий его уровень приводит к дорогостоящим
остановкам производства, а слишком высокий — к “ омертвлению” капитала. З а
дача управления запасами — определить уровень запаса, который уравновешивает
два упомянутых крайних случая.
Важным фактором, определяющим формулировку и решение задачи управле
ния запасами, является то, что объем спроса на хранимый запас (в единицу времени)
может быть или детерминированным (достоверно известным), или вероятност
ным (описанным вероятностным распределением). В этой главе рассматриваются
детерминированные модели управления запасами. Вероятностные модели (обычно
более сложные) обсуждаются в главе 16.
Все эти стоимости должны быть выражены как функции искомого объема зак а
за и интервала времени между заказами.
472 Глава 11. Детерминированные модели управления запасами
* +„ u
2_ 12
D
Оптимальное значение объема заказа у определяется путем минимизации по у
функции ТСЩу). Предполагая, что у является непрерывной переменной, получаем
необходимое условие минимума (в виде уравнения), из которого можно найти оп
тимальное значение у
d T C U (y ) KD h
--------—- = —+ —= 0.
dy у 2
Это условие является такж е и достаточным, так как функция ТСЩу) выпуклая.
Решение данного уравнения определяет экономичный объем заказа у .
2KD
На рис. 11.2 представлено изменение уровня запаса во времени при условии, что
срок выполнения заказа L меньше продолжительности цикла заказа t’0 , что в об
щем случае выполняется не всегда. В противном случае определяется эффектив
ный срок L ' выполнения заказа в виде
Le = L - n t ’0 ,
где п — наибольшее целое, не превышающее L /t'0. Такое решение оправдывается
тем, что после п циклов (длиной f* каж дый) ситуация управления запасами стано
вится такой же, к ак если бы интервал между размещением одного заказа и получе
нием другого был равен L r. Следовательно, точка возобновления заказа имеет место
при уровне запаса LtD единиц продукции, и стратегия управления запасами может
быть переформулирована следующим образом.
Заказывать у* единиц продукции, как только уровень запаса опускается до LJD единиц.
Пример 11.2.1
Неоновые лампы в университетском городке заменяются с интенсивностью 100 штук в
день. Подразделение материального обеспечения городка заказывает эти лампы с опре
деленной периодичностью. Стоимость размещения заказа на покупку ламп составляет
100 долларов. Стоимость хранения лампы на складе оценивается в 0,02 долл. в день.
Срок выполнения заказа от момента его размещения до реальной поставки равен 12
дней. Требуется определить оптимальную стратегию заказа неоновых ламп.
Н а основании приведенных данных имеем следующее.
11.2. Статические модели управления запасами 475
Так как срок выполнения заказа L = 12 дней превышает продолжительность цикла i'0
(= 10 дней), необходимо вычислить Lr. Число целых циклов, заключенных в L, равно
п = (наибольшее целое < L / 1'0 ) = (наибольшее целое < 12/10) = 1.
Следовательно,
Le = L - n t l = 1 2 - 1 x 1 0 = 2 дня.
Поэтому точка возобновления заказа имеет место при уровне запаса
L eD — 2 х 100 = 200 неоновых ламп.
Оптимальная стратегия заказа неоновых ламп может быть сформулирована сле
дующим образом.
Заказать 1000 лам п, как только уровень их запаса уменьшается до 200 единиц.
Дневные расходы, связанные с содержанием запаса в соответствии с оптимальной
стратегией, равны
1000
2
D 100
УПРАЖНЕНИЯ 11.2.1
1. В каждом из следующих случаев дефицит не допускается, а время выполне
ния заказа от момента его размещ ения до реальной поставки равно 30 дней.
Требуется определить оптимальную стратегию управления запасами и соот
ветствующие дневные затраты.
a) К = 100 долл., h = 0,05 долл., D = 30 единиц в день.
b) К = 50 долл., h = 0,05 долл., D = 30 единиц в день.
c) К = 100 долл., h = 0,01 долл., D = 40 единиц в день.
d) К = 100 долл., h —0,04 долл., D = 20 единиц в день.
476 Глава 11. Детерминированные модели управления запасами
2. Ресторан заказы вает мясной фарш в начале каждой недели для удовлетворе
ния недельного спроса в 300 фунтов. Ф иксированная стоимость размещения
заказа равна 20 долл. Стоимость замораживания и хранения одного фунта
фарша обходится ресторану примерно в 0,03 долл. в день.
a) Определите недельные затраты ресторана, связанные с существующей
стратегией создания запаса.
b) Определите оптимальную стратегию управления запасами, предполагая,
что время выполнения заказа от момента его размещ ения до реальной по
ставки равно нулю.
c) В ычислите разность между текущ им и недельны ми затратам и рестора
на и теми, которы е определяю тся оптим альной стратегией управления
запасам и.
3. К омпания хранит на складе продукцию, которая потребляется с интенсив
ностью 50 единиц в день. За размещ ение заказа ком пания каж ды й раз пла
тит 20 долл. Стоимость хранения единицы продукции на складе обходится
в 0,35 долл. в неделю.
a) Определите оптимальную стратегию управления запасами, если предпо
ложить, что время выполнения заказа от момента его размещения до ре
альной поставки равно 1 неделе.
b) Определите оптимальное количество заказов в течение года (считая, что
год имеет 365 дней).
4. Отдел снабжения компании предложил две стратегии управления запасами.
С тратеги я 1. Объем зак аза 150 единиц при точке возобновления заказа
в 50 единиц и времени выполнения заказа 10 дней.
С тратеги я 2. Объем зак аза 200 единиц при точке возобновления заказа
в 75 единиц и времени выполнения заказа 15 дней.
Затраты на оформление заказа равны 20 долл., а стоимость хранения едини
цы продукции на складе обходится в 0,02 долл. в день.
a) Какую из двух стратегий следует утвердить?
b) Если бы вы отвечали за разработку стратегии управления запасами, како
ва была бы ваша рекомендация?
5. Магазин прессует и складывает в поддоны пустые картонные упаковочные ко
робки для их последующей переработки. За день штабелируется пять поддо
нов. Стоимость хранения одного поддона на заднем дворе магазина составляет
0,10 долл. в день. Компания, которая перевозит поддоны в перерабатывающий
центр, устанавливает оплату в 100 долл. за аренду своего погрузочного обору
дования плюс 3 долл. за перевозку каждого поддона. Изобразите графически
изменение количества поддонов с течением времени и разработайте оптималь
ную стратегию доставки поддонов в перерабатывающий центр.
6. Отель использует внешнюю прачечную для стирки полотенец. За день в отеле
накапливается 600 грязных полотенец. Прачечная забирает эти полотенца и
заменяет их чистыми через постоянные промежутки времени. Стоимость од
нократной доставки полотенец в прачечную и обратно равна 81 доллар.
Стирка одного полотенца обходится в 0,60 долл. Стоимость хранения в отеле
грязного и чистого полотенец равна 0,02 долл. и 0,01 долл. соответственно.
11.2. Статические модели управления запасами 477
ТСЩ
I II -*+«-111—
TCU2(Q) = TCU1( y J
или
ci ° + !^ - + !f = TCUl( y J -
Затраты
Затраты
Пример 11.2.2
Автомобильная мастерская специализируется на быстрой замене масла в автомо
билях. М астерская покупает автомобильное масло в большом количестве по 3 долл.
за галлон. Цена может быть снижена до 2,50 долл. за галлон при условии, что мас
терская покупает более 1000 галлонов. За день в мастерской обслуживается около
150 автомобилей, и на каж дый из них для замены требуется 1,25 галлона масла.
М астерская хранит на складе большие объемы масла, что обходится в 0,02 долл.
в день за один галлон. Стоимость размещ ения заказа на большой объем масла равна
20 долл. Срок выполнения заказа — 2 дня. Требуется определить оптимальную
стратегию управления запасами.
Дневное потребление масла равно
D - 125 автомобилей х 1,25 галлона = 187,5 галлона в день.
Такж е имеем
h = 0,02 долл. за галлон в день,
К = 20 д о л л .за заказ,
L = 2 дня,
с, = 3 долл. за галлон,
с2 = 2,50 долл. за галлон,
q = 1000 галлонов.
Этап 1. Вычисляем
2KD 2x20x187,5
y„, = J --------= ---------------------- =612,37 галлонов.
V h V 0,02
Так к ак q = 1000 больше у т= 612,37, переходим к этапу 2.
Этап 2. Вычисляем Q.
TCUl(ym) = c lD + ™ + ' ^ =
У,„ 2
, ,оп с 20x187,5 0,02x612,37 пс
= 3x187,5 + ----------- + —--------------= 574,75.
612,37 2
Уравнение для Q имеет вид
2 ( 2 х (2,5x187,5-574,75)^ 2x20x187.5
+1 0,02 J 0,02 “ ’
или Q2 - 10599,74Q + 375000 = 0.
Решением этого уравнения будет Q = 10564,5 (> у т). Следовательно,
Зона II = (612,37, 10564,5),
Зона III = (10564,5, °о).
П оскольку q (= 1000) находится в зоне II, оптим альны й объем зак аза равен у =
= q = 1000 галлонов.
При заданном сроке выполнения заказа в 2 дня точкой возобновления заказа явля
ется 2D = 2 х 187,5 = 375 галлонов. Следовательно, оптимальная стратегия управ
ления запасами формулируется следующим образом.
Заказат ь 1000 галлонов масла, когда уровень запаса понижается до 375 галлонов.
11.2. Статические модели управления запасами 481
Реш ение задачи в Excel. Шаблон Excel chllE O Q .xls разработан для решения об
щей задачи управления запасами, описанной в упражнении 11.2.1.9. Его такж е мож
но использовать для реш ения задачи экономичного размера заказа с разрывами цен.
Н а рис. 11.5 показано решение с помощью этого шаблона задачи экономичного
размера заказа с разрывами цен примера 11.2.2. Д ля решения задачи сначала необ
ходимо ввести исходные данные в ячейки СЗ:С11 раздела Input data. Если в данной
задаче не используются какие-либо предусмотренные шаблоном исходные данные, то
в соответствующие ячейки вводится число —1. Например, для реш ения общей задачи
управления запасами без разрыва цен в ячейки СЗ:С5, где должны содержаться зна
чения Cj, q и с2, вводится значение —1. Если введены не корректные исходные данные,
то будет выведено соответствующее сообщение об ошибке. На рабочем листе шаблона
выводятся к ак выходные результаты расчетов (раздел Model output results), так и ре
зультаты промежуточных вычислений (раздел Model intermediate calculations).
' В M c > .P - .H
1 Generalized Economic Order Quantity (EOQ)
2 Input data: Enter -1 in column С if data element is not apoljcable to your model
3 і Item cost, c1 = 3
4 lOtv discount lim it,«, * 1000
5 jltem cost, c2 - 2.5
6 Setup cost, К - 20
7 Demand rate, D = 187.5
8 Production rate, a = -1
9 Unit holding cost, h = 0.02
10 'Unit penalty cost, p - -1
11 Lead time. L » 2
12 (Model output results:
13 )rder qty, y* = 1000 00
14 Shortage qty.w* = 0.00
15 Reorder point, R = 375.00
16 CU(y*) = 482 50
17. Purchase/prod. Cost = 468.75
18 Jetup cost/unit time = 3.75
19 iHolding cost /unit time = 10.00
20 shortage cost/unit time = 0 00
21 ’Optimal inventory policy: Order 1000.00 units whenever level drops to 375 00 units
22 Model intermediate calculations:
23 ym = 612.37
24 TCU1(ym)= 574.75
25 Q-equation: Q**2 - 10599 7449*Q + 375000 0000 = 0
26 Q = 10564 25
27 cycle length. tO = 5.33
28 Optimization zone = II
29 ,Effectice lead time, Le = 2.00
УПРАЖНЕНИЯ 11.2.2
1. Вернитесь к задаче из упраж нения 11.2.1.6. Стоимость стирки одного гряз
ного полотенца равна 0,60 долл., но она может быть снижена до 0,50 долл.,
если отель поставляет в прачечную по меньшей мере 2500 единиц полотенец.
Следует ли отелю воспользоваться скидкой?
2. П родукция используется с интенсивностью 30 единиц в день. Стоимость хра
нения единицы продукции равна 0,05 долл. в день, стоимость размещ ения
зак аза составляет 100 долл. Предположим, что дефицит продукции не до
пускается, стоимость закупки равна 10 долл. за единицу продукции, если
объем закупки не превыш ает 500 единиц, и 8 долл. в противном случае. Оп
ределите оптимальную стратегию управления запасами при условии, что
срок выполнения зак аза — 21 день.
482 Глава 11. Детерминированные модели управления запасами
при ограничениях
Z “'-я - А'
у, > 0 , t = 1, 2, ..., п.
Алгоритм решения этой задачи можно описать следующим образом.
Этап 1. Вычисляются оптимальные объемы заказов без учета ограниче-
ния по вместимости склада:
11.2. Статические модели управления запасами 483
— = - Т а у , + А = 0.
дЛ 11
Второе уравнение показывает, что ограничение по вместимости склада в опти
мальной точке должно удовлетворяться в форме равенства.
Из первого уравнения следует, что
2Кр,
У' ~ ^ - 2 Я У
Полученная формула показывает, что у] зависит от оптимального значения Я*
множителя Л агранж а. Кроме того, при X = 0 значение у’ является решением зада
чи без ограничения.
Значение X может быть найдено следующим образом. Так как по определению
в поставленной выш е задаче минимизации Л < 0 , мы последовательно уменьш а
ем Я на достаточно малую величину и используем ее в данной формуле для вы
числения соответствующего значения у " . Искомое значение X приводит к значе
ниям у], i = l , 2, ..., п, которые удовлетворяют ограничению по вместимости
склада в форме равенства.
Пример 11.2.3
В С D E F G H
1 Constrained multi-item EOQ — [sum(ay)<A
2 Input data:
3 Nbr. of items = 3 II.
4 IConstraint RHS, A 25 Enter 0 if sum(ay), 1 if sum(a/y) 0
5 Iteml Item2 Item3
6 Setup cost, К = 10 5 15
7 Demand rate, D = 2 4 4 1
8 Holding cost, h = 0.3 0.1 0.2
9 Parameter, a = 1 _______ II ______ I I ________
Initial X :
X decrement =
Output:
Calculations: Last tow gives the appioximate optimum
14 Л У1 V2 УЗ
15 0 000000 11 55 20.00 24.49
16 -0 100000 8 94 11.55 17.32
17 -0.200000 7 56 8.94 14.14
18 -0.300000 6.67 7.56 12.25
19 -0.400000 6.03 6.67 10.95
20
УПРАЖНЕНИЯ 11.2.33
1. Приведенные ниже данные относятся к задаче управления запасами для п я
ти видов продукции.
h _ п'а KD
~2Й Л7" " ’
где
1>, 1>, _
а=-&— , KD = —------ .
п п п
Примените это начальное значение в задаче из примера 11.2.3.
150 150
і і
і і
УПРАЖНЕНИЕ 11.3.1
1. Определите суммарные потребности в комплектующих S в соответствии
с рис. 11.7 в каждом из следующих случаев.
a) Поставка продукции M l осуществляется каж ды й квартал.
b) Поставка продукции M l осуществляется раз в три квартала.
Затраты
Уровень Уровень Уровень Уровень.
I II III хчУ
О Объем производства
Рис. 11.8. Выпуклая функция затрат
Пример 11.3.1
Компания производит специальные вы тяж ки, которые используются в домашних
каминах в период с декабря по март. В начале отопительного сезона спрос на эту
продукцию низкий, в середине сезона он достигает своего пика и уменьшается
к концу сезона. У читывая популярность продукции, компания может использо
вать сверхурочные работы для удовлетворения спроса на свою продукцию. Сле
дующая таблица содержит данные о производственных мощностях компании
и объемах спроса на протяжении четырех месяцев.
Возможности производства
Месяц Обычный режим работы (единицы) Сверхурочные (единицы) Спрос (единицы)
1 90 50 100
2 100 60 190
3 120 80 210
4 110 70 160
Таблица 11.1
1 2 3 4 Избыток
Я, 90 90
о. 10 30 10 5 0 -» 4 0 -» 1 0
6 6,1 6,2 0
9 9,1 9,2 0
Ог 60 60
6 6,1 0
Яз 120 120
9 9,1 0
Оз 80 80
6 0
Я, 110 110
9 0
о4 50 20 7 0 -» 2 0
Начиная с первого столбца маршрут (Я,, 1) имеет самую дешевую себестоимость пе
ревозки, и мы назначаем перевозку максимально возможного объема, а именно
m in(90, 100) = 90 единиц, что оставляет 10 единиц неудовлетворенного спроса
в первом столбце. Далее переходим к следующему по себестоимости маршруту
(О,, 1) первого столбца и определяем перевозку m in(50, 10) = 10 единиц, что теперь
полностью удовлетворяет спрос для первого периода.
После удовлетворения спроса для первого периода мы переходим ко второму
столбцу. Определение перевозок в этом столбце происходит следующим образом:
100 единиц по маршруту (R2, 2), 60 единиц по маршруту (0 2, 2) и 30 единиц ио
маршруту (О,, 2). Этим маршрутам соответствуют себестоимости “ перевозок” в 6, 9
и 9,10 долл. При этом маршрут (Яр 2), транспортные расходы на единицу продук
ции для которого равны 6,10 долл., не рассматривается, так как весь запас R i был
израсходован для первого периода.
Продолжая аналогичным образом, мы удовлетворяем спрос для третьего, а затем
и четвертого столбцов. Оптимальное решение, выделенное жирным шрифтом
в табл. 11.1, интерпретируется следующим образом.
11.3. Динамические задачи экономичного размера заказа 491
Период Производство
Период 1 (обычный режим работы) Изготовить 90 единиц продукции для первого периода
Период 1 (сверхурочный режим работы) Изготовить 40 единиц продукции: 10 для периода 1, 30
для периода 2 и 10 для периода 3
Период 2 (обычный режим работы) Изготовить 100 единиц продукции для второго периода
Период 2 (сверхурочный режим работы) Изготовить 60 единиц продукции для периода 2
Период 3 (обычный режим работы) Изготовить 120 единиц продукции для третьего периода
Период 3 (сверхурочный режим работы) Изготовить 80 единиц продукции для периода 3
Период 4 (обычный режим работы) Изготовить 110 единиц продукции для четвертого периода
Период 4 (сверхурочный режим работы) Изготовить 50 единиц продукции для периода 4;
осталась неиспользованной производственная
мощность на 20 единиц продукции
(единицы) 1 2 3 4
1 -3 1 2 2 3
4 -1 1 1 4 5 4
1 2 -1 5 2 4 7 5
1 6 -2 5 5 6 10 7
Затраты на хранение одного изделия 0,30 0,35 0,20 0,25
до следующего этапа (долл.)
Суммарный спрос (единицы) 11 4 17 29
492 Глава 11. Детерминированные модели управления запасами
г1 г2 г/ г /+ 1 г„
*1 х2 . X, , * /+ Г
)С?
с гг ^ С *
Dx Di Dn
где с,(z,) — функция предельных производственных затрат при заданном значении z,.
Алгоритм динамического программирования с общей функцией стоимости. По
скольку дефицит не допускается, задача управления запасами сводится к вычисле
нию значений z,, минимизирующих суммарные затраты, связанные с размещением
заказов, закупкой и хранением продукции на протяжении п этапов. Затраты на хра
нение на г-м этапе для простоты предполагаются пропорциональными величине
Пример 11.3.2
Требуется найти оптимальную стратегию в трехэтапной системе управления запа
сами, которая формулируется ниже. Начальный запас равен х, = 1 единице про
дукции. Предполагается, что предельные затраты на приобретение продукции со
ставляют 10 долл. за каждую единицу для первых трех единиц и 20 долл. — за
каждую дополнительную единицу.
Период /' Спрос, D, (единицы) Затраты на оформление заказа, К, (долл.) Затраты на хранение, Л, (долл.)
1 3 3 1
2 2 7 3
3 4 6 2
Функция производственных затрат для периода і равна С/г,) = K t + сЦг) для zt > 0, где
494 Глава 11. Детерминированные модели управления запасами
0 0 0 + 55 = 55 17 + 34 = 27 + 23 = 50 2
51 50
1 3 3 + 76 = 79 20 + 55 = 30 + 34 = 40 + 23 = 63 3
75 64 63
2 6 6 + 97 = 23 + 76 = 33 + 55 = 43 + 34 = 63 + 23 = 77 3
103 99 88 77 86
3 9 9 + 118 = 26 + 97 = 36 + 76 = 46 + 55 = 66 + 34 := 86 + 23 = 100 4
127 123 112 101 100 109
4 12 12 + 139 = 29 + 118 = 39 + 97 = 49 + 76 = 69 + 55 := 89 + 34 = 109 + 23 123 5
151 147 136 125 124 123 = 132
Э тап 3. D 3 = 4, x t = 0.
Сз(*з) + Лз*4 + k (x 4+ D3 — Z3) Оптимальное
Zs = 0 1 2 3 4 решение
1 5 5 1
2 2 7 1
3 3 9 1
4 3 7 1
496 Глава 11. Детерминированные модели управления запасами
Период 1
В C D Е F G Н I J К S ' T ’ U V W X Y Z
1 General (Forwaid) D н а т іс Pioqramming Inventory Model
2 Number of periods, N * 3 Current period* Optimum solution
3 K1- 3 I M « d(z1>- 10 20 3 Summary
4 Period 1 2 3 x f z к f z
5 Dfl to 3)= 2 I 2 4 Период 1
Є A n z1 values correct? Optimum 0 23 2
7 Period 0 z1= 2 3 4 5 6 7 8 Penodl 1 34 3
6 fO C1(z1)= 23 33 53 73 93 113 133 f1 z1 2 55 4
9 «2= 0 23 1111111 1111111 1111111 1111111 1111111 1111111 23 2 3 76 5
10 x2= 1 1111111 34 1111111 1111111 1111111 1111111 1111111 34 3 4 97 6
11 x2= 2 1111111 1111111 55 1111111 1111111 1111111 1111111 55 4 5 118 7
12 x2= 3 1111111 1111111 1111111 76 1111111 1111111 111111 76 5 6 139 8
x2= 4 1111111 1111111 1111111 1111111 97 1111111 111111 97 6
14 x2= 5 1111111 1111111 1111111 1111111 1111111 116 111111 118 7
15 x2= 6 1111111 1111111 1111111 1111111 1111111 1111111 139 139 8
16
Период 2
в С D E F G H 1 k 1 c; T U I V V/ X >
Geneiat (Forward) Dynamic Programming Inventory Model
Number of periods, N - 3 Current period» 2 Optimum solution
K1- 7 h1= 3 d(z1) 10 20 3 Summarv
4 Period 1 2 3 X z X f z
- D(1 to 3)= 2 ] 2 4 I Пеоиод 1 Период 2
.Are z1 valtM rom ct? Ve- \es ,e \es Optimum 0 23 2 0 50 2
7 Peiiod 1 z2= 0 2 3 4 5 6 Period2 1 34 3 1 63 3
8 C2(z2)= 0 17 27 37 57 77 97 f2 z2 2 55 4 2 77 3
l f1
9 23 x3= 0 55 51 50 1111111 1111111 1111111 1111111 50 2 3 76 5 3 100 4
10 34 x3= 1 79 75 64 63 1111111 1111111 1111111 63 3 4 97 6 4 123 5
П 55 x3= 2 103 99 88 77 86 1111111 1111111 77 3 5 118 7
Г 76 x3= 3 127 123 112 101 100 109 1111111 100 4 6 139 8
і: 97 x3= 4 151 147 136 125 124 123 132 123 5
14 118
15 139
16
Период З
Пример 11.3.3
Рассмотрим четырехэтапную модель управления запасами при следующих исход
ных данных.
Этап 1. D, = 61.
Ci(Zi) + ft1X2 Оптимальное
z, = 6 1 87 177 244 решение
Заказ на этапе 1 1 1 ,2 1 ,2 ,3 1 ,2 , 3 ,4
для этапов
Этап 2. D2 = 26.
СгСзг) + ІЬХз + f:(x3 + Ог - гг) Оптимальное
решение
It
26 116 183
О
Заказ на этапе 2 — 2 2 ,3 2, 3 ,4
для этапов
Этап 3. D3= 9 0 .
Сз(гз) + Лз*4 + k(Xi + D3 -Z 3) Оптимальное
Z3 = 0 90 157 решение
Заказ на этапе 3 — 3 3 ,4
для этапов
11.3. Динамические задачи экономичного размера заказа 499
Хъ Л4 Х5 C Ą z t) =0 204 fA{xs) 2*
Заказ на этапе 4 — 4
для этапов
Реш ение в Excel задачи уп равлен ия зап асам и с постоянными или невозрас
таю щ ими предельны ми затратам и . Ш аблон Excel c h i lW ag n e rW h itin .x ls, предна
значенный д ля реш ения этих задач, подобен шаблону chllD y n am icIn v en to ry .x ls,
описанному выш е. Различие между ними заклю чается только в том, что в шаблоне
c h llW a g n e rW h itin .x ls используются общие платеж и для состояний х и альтерна
тивных значений 2 . Д ля упрощ ения расчетов оптовые скидки не допускаю тся. На
рис. 11.11 показаны вычисления первого периода д ля задачи из примера 11.3.3.
Ш аблон ограничен максимум 10 периодами.
В
t- F H P • •
D
1 Wagner-Whitin (Forward) Dynamic Programming Inventory Model
Number of eriods N= 4 Current erlodB| 1
3 Period 1 2 3 4
4 c(1 to 4] - 2 2 2 2 і Optimum Solution
K(1 to 4) - 98 114 185 70 Summer
h(1 to 4) • 1 1 1 3 X f z X f z
7 D(1 to 4) “J 61 26 90 67 Current period 1
Are z1 values со ■> - 1 q і с 0 itimum Ó I 220, 61
Period 0 z1- 61 1 87 177 244 I Period 1 2 6 ^ 298 87
ro C1(z1)= 220 272 1 452 586 I f1 I Z1 116 568 177
x2= 0 220 ІІ1111 1111111 1111111 220 I 61 183 769 244
x2=. 26 111111 298 1111111 1111111 298 I 87
x2=| 116 111111 ІІ1111 568 1111111 568 1 177
14 x2= 183 ІІ1111 И1111 1111111 769 769 1 244
Р и с . 11 .1 1 . В ы ч и с л е н и я в E x c e l п е рвого п е р и о д а д л я з а д а ч и и з п р и м е р а 11.3 .3
УПРАЖНЕНИЯ 11.3.4
1. С помощью ш аблона c h llW a g n e rW h itin .x ls реш ите задачу из примера
11.3.3, предполагая, что начальны й запас — 80 единиц.
2. Реш ите следующую 10-этапную детерминированную задачу управления за
пасами, предполагая, что исходный запас — 50 единиц.
500 Глава 11. Детерминированные модели управления запасами
1 150 6 1 100
2 100 6 1 100
3 20 4 2 100
4 40 4 1 200
5 70 6 2 200
6 90 8 3 200
7 130 4 1 300
8 180 4 4 300
9 140 2 2 300
10 50 6 1 300
Пример 11.3.4
Найдем оптимальную стратегию управления запасами в следующей 6-этапной за
даче. Стоимость единицы продукции равна 2 долл. для любого периода.
Этап t D, щ 1 ,0 7CU(1, Г)
1 10 20 20/1 = 20,00
2 15 20 + 1 х 15 = 35 35/2 = 17,50
3 7 35 + (1 + 1) х 7 = 49 49/3 = 16,33
4 20 49 + (1 + 1 + 1) х 20 = 109 109/4 = 27,25
И терация 2 ( i= 4, K t = 18 долл.)
Этап t D, Щ 4, 0 TCU(A , 0
4 10 18 18/1 = 18,00
5 13 18 + З х 13 = 57 52/2 = 28,50
Так к ак t = 5, на пятом этапе заказы вается 13 единиц для этапа 5. Полагаем далее
і = 5 + 1 = 6. Так к ак і = 6, то это последний этап планирования. Мы должны зака
зать на шестом этапе 25 единиц для этого ж е этапа.
В следующей таблице сравниваются реш ения, полученные эвристическим методом
и точным методом динамического программирования. Мы исключили из части
таблицы, содержащей результаты динамического программирования, стоимость
закупки единицы продукции, так к ак этот параметр в вычислениях с помощью эв
ристического метода не учитывается.
пользовались в задаче. В частности, причиной этого мож ет быть чрезвы чайная не
равномерность стоимостей разм ещ ения заказов для этапов 5 и 6. Тем не менее этот
пример показы вает, что эвристический метод не обладает способностью “ смотреть
вперед” в поисках лучш его производственного плана. Н апример, размещение на
пятом этапе заказов для этапов 5 и 6 (вместо разм ещ ения их в отдельности) может
сэкономить 25 долл., что уменьш ит суммарные затраты производственного плана,
предложенного эвристическим методом, до 97 долл.
О Р Q R ^
Sllver-Meal Heuristic Inventory Model
2 In put data:
3 Number o f periods, N = ■«■Maximum 14 periods
4 Period t:
5 Setup cost, K t> 20 17 10 18 90
6 Holding cost, h t :
7 _________ Demand, Dt = 10 19 20 13 25
Є
9 Solution complete Model calculations: Optimum solution (Total cost = Я 2 2 00)'
10 Start Iteration at Period Period TC
Vя 1 1 10 10 ООО 20 00
12 2 15 25 1.00 35 00
13 3 7 32 2 00. 49.00
14 4 20 52 3 00 109.00
J5] 5 13 65| І Щ 187.00
1В 6 25 90 7 00 362.00 Order 32 in period 1 for periods 1 to 3, cost - S49.00
17 і
18 4 4 20 20 0.00 16.00
І9 5 13 33 3.00. 57.00
20 6 I 25 58 +4.Ó0 157.00 Older 20 in period 4 tor periods 4 to 4, cost - S18.00
21 I
22 5 5 13 13 0.00 ~ 5.00
23 6 25 38 1.00 30.00 |Ordsr 13 in period 5 for periods 5 to 5, cost - S5.00
24 _J_ __ L I '
25 6 6 25 25 0.00 50.00 lOrdsr 25 in peiiod sto r penods e to 6, cost - $50.00
УП Р А Ж Н Е Н И Я 11.3.5
ЛИТЕРАТУРА
1. Silver Е., Руке D. and Peterson R. Inventory M anagem ent and Production Plan
ning and Scheduling, 3rd ed., W iley, New York, 1998.
2. Tersine R. Principles of Inventory and M aterials M anagem ent, 3rd ed., North
Holland, New York, 1988.
3. W aters C. In ventory Control and M anagem ent, W iley, New York, 1992.
КОМПЛЕКСНЫЕ ЗАДАЧИ
11.1. Распределительный центр универмага специализируется на ежедневной
покупке и хранении предметов торговли, вышедших из моды. Постоянный
спрос на такие предметы поступает от многочисленных торговых точек
Комплексные задачи 505
Комплектующие Продукция
Стоимость размещения заказа (долл.) 80 100
Стоимость хранения единицы в неделю (долл.) 2 5
Срок изготовления (недели) 2 3
Год
Месяц 1 2 3 4 5
Январь 10 11 10 12 11
Февраль 50 52 60 50 55
Март 8 10 9 15 10
Апрель 99 100 105 110 120
Май 120 100 110 115 110
Июнь 100 105 103 90 100
Июль 130 129 125 130 130
Август 70 80 75 75 78
Сентябрь 50 52 55 54 51
Октябрь 120 130 140 160 180
Ноябрь 210 230 250 280 300
Декабрь 40 46 42 41 43
Р[Е}= lim—.
п
Приведенное определение означает, что если эксперимент повторяется бесконечное
число раз (п —>оо), искомая вероятность представляется граничным значением дро
би т /п . Это определение можно проверить, проведя эксперимент с бросанием моне
ты, исходами которого являю тся выпадение герба (Г) и решетки (Р). Чем большее
число раз бросается монета (проводится эксперимент), тем ближе оценки Р{Р}
и Р{Г} к теоретическому значению 0,5.
508 Глава 12. Основы теории вероятностей
По определению
0 < Р{Е} < 1,
где вероятность Р{Е} равна 0, если событие Е невозможно, и 1, если оно досто
верно. Например, в эксперименте с ш естигранной игральной костью выпадение
семерки является невозможным событием, тогда к а к любое целое число от 1 до
6 — событие достоверное.
УП Р А Ж Н Е Н И Я 12.1.1
Пример 12.1.1
Рассмотрим эксперимент с игральной костью. В данном случае пространство собы
тий представляет собой множество {1, 2, 3, 4, 5, 6}. Д ля симметричной кости имеем
Определим события
Е = {1, 2, 3 или 4},
F = {3, 4 или 5}.
12.1. Законы теории вероятностей 509
P { £ F } = P {3 } + /’ { 4 } = i + i = i .
p {e + f } = p {e } + p { f } - p { e f } Ą Ą Ą Ą .
Чисто интуитивно этот результат понятен, так как событие (Е + F) = {1, 2, 3, 4, 5},
очевидно, имеет вероятность 5/6.
УПРАЖНЕНИЯ 12.1.2
P{E]F} =^ } ’ P{F}>°-
Если событие Е содержится в событии F (т.е. множество исходов Е является под
множеством множества исходов F), тогда P{EF) = Р{Е).
Два события Е и F являю тся независимыми тогда и только тогда, когда выпол
няется равенство P { E \F } = Р{Е}. В этом случае формула условной вероятности
сводится к следующему
P{EF} = P{E}P{F}.
Пример 12.1.2
Предположим, вы участвуете в игре, в которой другой человек бросает игральную
кость. Вы не можете видеть игральную кость, но вам сообщается некоторая инфор
мация об исходах бросания кости. Вам необходимо предсказать возможный исход
каждого бросания кости. Определим вероятность того, что исходом будет число 6 при
условии, что вам сообщили о том, что исходом бросания кости является четное число.
Пусть Е = {6}; определим F = {2, 4 или 6}. Следовательно,
У П Р А Ж Н Е Н И Я 12.1.3
гдеР(В} > 0 .
Случайная величина х
Характеристики плотности Дискретная Непрерывная
Область определения х= а, а + 1 b а< х<Ь
Условия неотрицательности р(х) > 0, А*) - 0,
и нормировки
Ь
\f(x)d x = \
\~а
a
Пример 12.2.1
Рассмотрим ситуацию с бросанием игральной кости. Пусть х є {1, 2, 3, 4, 5,6} —
случайная величина, представляющ ая количество выпавш их очков. Тогда
плотность вероятности и функция распределения вероятности случайной
величины х определяются следующим образом.
Р(Х) = —, X = 1,2,...,6.
v ’ 6
На рис. 12.1 приведены графики этих двух функций. Плотность вероятности р(х)
является равномерной дискретной функцией, так как любые значения случайной
величиной принимаются с одинаковыми вероятностями.
/ Ы = —, 0<х<п1.
v ' Ш
Функция распределения F(X) случайной величины х вычисляется по формуле
Пример 12.3.1
В течение первой недели каждого месяца я, как и большинство людей, оплачиваю
все свои счета и отвечаю на некоторые письма. С этой целью я обычно покупаю 20
почтовых марок. Число используемых марок является случайной величиной, при
нимающей значения от 10 до 24 с равными вероятностями. Найдем, чему равно
среднее число оставшихся марок.
Пусть х — количество используемых марок, тогда плотность вероятности х такова:
р ( х ) = — , х = 10,11,..., 24.
ь ,
^ ( х - М {jc })' p(jc), если х — дискретная случайная величина,
1=0
D{x} = Ь
Пример 12.3.2
Вычислим математическое ожидание и дисперсию для каждого из двух экспери
ментов, рассмотренных в примере 12.2.1.
Ситуация 1 (бросание игральной кости). Здесь плотность вероятности равна
p(jc) = —, х = 1,2,..., 6. Следовательно,
6
мм=1Ш+2Ш+зШ+4Ш+5Ш+бШ=з'5’
0 { л-} = ^ [ ( 1 - 3 ,5 ) : + ( 2 - 3 , 5 ) 2 + ( 3 - 3 , 5 ) 2 + ( 4 - 3 , 5 ) 2 + ( 5 - 3 , 5 ) 2 + ( 6 - 3 , 5 ) : ] = 2,917 .
Ситуация 2 (вращ ение стрелки). Пусть длина стрелки равна единице. Тогда
/ ( * ) = — , 0 < х < 3 ,1 4 .
v ’ 3,14
У П Р А Ж Н Е Н И Я 12.3.2
. . (Ь-аУ
D\x} = ±------
1 1 12
ь, ь,
Jćfr, \ d x j ( *,,x,) = l,
О] л»
А,
/,(*,) = }f{xvxi)dx2,
а1
Ъ,
f i ( x i ) = l f ( x „ x 2) d x „
Пример 12.3.3
П артия изделий содержит четыре дефектных (Д) и шесть качественных (К) изде
лий. Случайным образом выбирается и проверяется одно изделие. Затем, не воз
вращ ая его, выбирают и тестируют другое. Пусть случайные величины х, и х 2 пред
ставляют исходы тестирования первого и второго изделий соответственно.
1. Определим плотность совместного распределения вероятностей случайных
величин X, и х 2.
2. Найдем маргинальную плотность вероятности случайной величины х 2.
3. Предположим, мы получаем 5 долл. за каждое качественное изделие из вы
бранных и платим 6 долл., если изделие бракованное. Найдем математиче
ское ожидание и дисперсию выигрыш а после двух испытаний.
Обозначим через p ( x v х 2) плотность совместного распределения вероятностей слу
чайных величин Xj и х 2, а через р ^ х ,) и р 2( х 2) — их маргинальные плотности веро
ятностей. Определим сначалаPj(Xj) как
Мы знаем, что исход х 2 второго испытания зависит от х,. По этой причине для оп
ределения р 2( х 2) сначала определим плотность p ( x v х 2) совместного распределения
вероятностей случайных величин Xj и х 2, после чего можно будет определить мар
гинальную плотность вероятности р 2( х 2). Имеем
Р{х2 = К \ х х= К } Л ,
Р{хг = К \х і = Д } Л ,
P{x1= fl\x x = K } Ą ,
Р{Х2 = Д \ ХІ= Д } Л .
Д ля определения р(х,, х2) воспользуемся формулой Р{АВ) = Р{А I В)Р{В) (см. раздел
12.1.2). Получаем следующее.
12.3. Математическое ожидание и моменты случайной величины 519
Хг =К Хг =Д Рі(*і)
Р(Х1, Хг) = x-t = К 5/15 4/15 9/15
хі=Д 4/15 2/15 6/15
РгШ 9/15 6/15
ожидаемый выигрыш = (5 + j
+ (5 - j +
ковариация =
(5х5) й ) +(5х(_6))(^ )+(_6х5)й ) +(_6х(_6))(и).
- 0 , 6 х 0 , 6 = -3 ,2 3 .
И так,
дисперсия = 29,04 + 29,04 + 2 (-3 ,2 3 ) = 51,62.
У П Р А Ж Н Е Н И Е 12.3.3
хг =5 *2=7
СО
я
XI = 1 II0,2 0 0,2
р<*1, х2) = *1 =2 0 0,2 0
*1=3 0,2 0 0,2
Пример 12.4.1
Некая работа сопряжена с десятью поездками на автомобиле между двумя городами.
Выполнив все 10 поездок, работник может отдыхать остаток дня, что является доста
точным стимулом для превышения скорости. Опыт показывает, что вероятность полу
чения штрафа за превышение скорости в каждой поездке туда и обратно равна 40 %.
1. Какова вероятность того, что рабочий день закончится без получения штрафа?
2. Если штраф равен 150 долл., то каково среднее значение дневного штрафа?
Вероятность быть оштрафованным в одной поездке равна р = 0,4. Следовательно,
вероятность того, что рабочий день закончится без штрафа, равна
/5{х = 0} = С° (0,4)° (0,6)'° = 0,006047.
Это значит, что шанс закончить рабочий день без штрафа меньше одного процента.
Средний штраф = 150М{д:} = 80(пр) = 80 х 10 х 0,4 = 320 (долл.).
Р{х = к} = ^ ~ , к = 1 ,2 ,....
Пример 12.4.2
Заказы на ремонт небольших электродвигателей поступают в мастерскую случай
ным образом, примерно 10 заказов в день.
1. Каково среднее количество электродвигателей, которые поступают ежеднев
но в мастерскую?
2. Какова вероятность того, что на протяжении одного часа не поступит ни од
ного заказа, если мастерская открыта 8 часов в день?
Среднее количество заказов, которые поступают ежедневно в мастерскую, равно
Я = 10. Д ля вычисления вероятности того, что на протяжении одного часа не посту
пит ни одного заказа, необходимо подсчитать скорость поступления заказов в час,
т.е. в среднем = 10/8 = 1,25 заказа в час. Следовательно,
(X 1 25<V~u 'i
Р{нет заказов за 1 час} = ------- = Ь.— ------ = 0,2865.
1 ! 0! 1
У П Р А Ж Н Е Н И Я 12.4.2
1. Клиенты прибывают в учреждение обслуживания в соответствии с распреде
лением Пуассона со скоростью четыре клиента в минуту. Какова вероятность
того, что по крайней мере один клиент прибудет в любой заданный 30-
секундный интервал времени?
2. Распределение Пуассона с параметром Я аппроксимирует биномиальное
распределение с парам етрам и п и р при условии, что п — достаточно
большое полож ительное число, р — очень малое число, а Я примерно
равно пр (с матем атической точки зрен и я это означает, что п —> °°, р - » О
и пр —> Я). П родемонстрируйте это на ситуации, когда известно, что изго
12.4. Некоторые распределения вероятностей 523
М {4 = 1 D{x} = ±
Пример 12.4.3
Автомобили прибывают на заправочную станцию случайно, в среднем каждые
2 минуты. Вычислите вероятность того, что интервал между последовательными
прибытиями автомобилей не превысит 1 минуты.
Искомая вероятность имеет вид Р {х< А }, здесь А = 1 минута. Вычисление требуе
мой вероятности эквивалентно вычислению значения функции распределения слу
чайной величины х .
А
к =і прибытия в минуту.
Следовательно,
Р{д:<1} = 1 - е = 0,39.
УП Р А Ж Н Е Н И Я 12.4.3
о
Отметим, что около 99 % площади под кривой плотности нормального распре
деления находится в интервале ц - 3 а< х< ц + Ъ о . Этот факт известен под названи
ем “ правило трех сигм” .
Пример 12.4.4
Внутренний диаметр цилиндра должен иметь размер (спецификацию) 1±0,3 дюй
ма. Процесс механической обработки таких деталей подчиняется нормальному
распределению с математическим ожиданием 1 и стандартным отклонением 0,1
дюйма. Требуется определить процент продукции, удовлетворяющей требованиям
спецификации.
526 Глава 12. Основы теории вероятностей
Пусть случайная величина х равна диаметру цилиндра. Вероятность того, что ци
линдр будет удовлетворять требованиям спецификации, равна
Р{ 1 - 0 ,0 3 < je < 1 + 0 ,0 3 } = Р{0 ,9 7 < д: < 1 ,03}.
При 1 и <7= 0,1 эту вероятность можно выразить через стандартное нормальное
распределение следующим способом.
Р {0,97 < л: < 1,03} = p j 0’^7 " 1 < z < 1’° 3 ~ 1| = Р { -0 ,3 ś z < 0 ,3 } =
У П Р А Ж Н Е Н И Я 12.4.4
Пример 12.5.1
Данные, приведенные в следующей таблице, представляют время обслуживания
(в минутах) 60 посетителей в некотором сервисном центре.
0,7 0,4 3,4 4,8 2,0 1,0 5,5 6,2 1,2 4,4
1,5 2,4 3,4 6,4 3,7 4,8 2,5 5,5 0,3 8,7
2,7 0,4 2,2 2,4 0,5 1,7 9,3 8,0 4,7 5,9
0,7 1,6 5,2 0,6 0,9 3,9 3,3 0,2 0,2 4,9
9,6 1,9 9,1 1,3 10,6 3,0 0,3 2,9 2,9 4,8
8,7 2,4 7,2 1,5 7,9 11,7 6,3 3,8 6,9 5,3
528 Глава 12. Основы теории вероятностей
t (минуты)
Рис. 12.6. Эмпирическая плотность вероятности
и функция распределения
8,646 минут2.
3 Команда С ерв и с^А н ал из данных будет доступна только тогда, когда к Excel присоеди
нена надстройка Пакет анализа, которая автоматически не присоединяется при установке
Excel. Чтобы присоединить эту надстройку, выберите команду Сервис^Надстройки и в диа
логовом окне Надстройки установите флажок Пакет анализа. — Прим. ред.
4 В диалоговом окне Анализ данных предлагается много различных средств статистиче
ского анализа. В частности, средство Описательная статистика можно использовать для вы
числения среднего и стандартного отклонения (даже если остальные выходные результаты
этого средства вы использовать не будете).
5Рабочая книга chllSampleMeanVar.xls защищена от изменений, поэтому она не руси
фицирована. Данные, вычисляемые в этом шаблоне, легко получить с помощью встроенных
функций Excel СРЗНАЧ, ДИСП, МАКС, МИН и других. — Прим. ред.
530 Глава 12. Основы теории вероятностей
рочных данны х (в поле ввода Входной интервал вводится А 8:Е 19) и границ интер
валов (в поле ввода Интервал карманов вводится F 8:F 19), к ак показано на рис. 1 2 .7 .
Такж е в группе Параметры вывода установите ф лаж ки Интегральный процент
и Вывод графика. После щ елчка на кнопке О К на новом рабочем листе будет по
строена гистограмма (см. рис. 12.8).
А В С D E F
1 Sample Mean and Variance +Histogram
2 .Output:
3 (Sample size 60 Mean 3 9367
4 Minimum 0 2000 Variance 8.9105
5 Maximum 11 7000 Std Dev 2.9850
6 Input:
7 Enter data in A8:E100 Bln
8 07 34 2 55 12 0 9999
9 15 34 37 25 o: 1 9999
10 27 22 05 93 4 , 2 9999
11 07 52 09 33 0? 3 9999
12 96 91 106 03 2У 4 9999
13 87 72 79 63 69 5 9999
14 04 48 1 62 44 6 9999
15 24 64 48 55 87 7 9999
16 04 24 17 8 5.9 8 9999
17 16 06 39 02 4.9 9 9999
18 19 13 3 29 4f 10 9999
19 24 15 11 7 38 5. 11 9999
Ги с т о г р а м м а кш
Входные данные
Входной интервал- |$А$8:$Е$19
Отмена
Интервал карманов' |tF$8:$F$l9
5J
Справка
Г MeTW
Параметры вывода
Выходной интервал [
^ Нсюьмрабо^ £><т: |
Новая рабочая дога
А В Е F
Каоман Частота'Интвгоапьный %
0.9999 11 18.33% Гистограмма
1.9999 _ 8 31.67%
4 2.9999 9 46 67% 12 120 00 %
5 3~9999 7 58 33% 10 100 .00 %
4.9999 6 68.33%
8 60.00% Г I Частота
7 5.9999 5 76.67%
6 9999 4 83.33% 6 Б0 00%
-Интегральный %
7.9999 2 86.67% 4 40.00% ~
8.9999 3 91 67% 2 20 .00 %
11 9.9999 3 96.67% 0 00%
12 10 9999 1 98.33%
13 11 9999 1 100.00% О- V Ъ- 4,.- Л.
14 Еще 0 100.00%
Пример 12.5.2
Проверим данные из примера 12.5.1 на принадлежность предполагаемому экспо
ненциальному распределению.
Первой задачей является уточнение параметров плотности вероятности и функции
распределения, которые определяют теоретическое распределение. Из примера
12.5.1 следует, что Т = 3,934 минуты, поэтому Я. = 1 /3 ,9 3 4 = 0,2542 для предпола
гаемого экспоненциального распределения (см. раздел 12.4.3). Соответствующая
плотность вероятности и ф ункция распределения имеют следующий вид.
/ (г) = 0,2542e4US42', f>0,
Г = 1
СО
О
II
12.5. Эмпирические распределения 533
о " D Е
f a - ”, ) *
УПРАЖНЕНИЯ 12.5.1
1. Следующие данные представляют время (в минутах) между прибытием кли
ентов в некий центр обслуживания.
При 95% -ном доверительном уровне проверьте гипотезу о том, что данная вы
борка имеет равномерное распределение, при этом используйте следующую
дополнительную информацию о теоретическом равномерном распределении.
12.5. Эмпирические распределения 535
ЛИТЕРАТУРА
1. Feller W. A n Introduction to Probability Theory and Its Applications, 2nd ed., Vols.
1 and 2, Wiley, New York, 1967. (Существует русский перевод первого издания: Фел-
лер В. Введение в теорию вероятностей и ее приложения. — М.: Мир, 1967. — 2 т.)
2. Papoulis A. Probability and Statistics, Prentice Hall, Upper Saddle River, N .J., 1990.
3. Parzeń E. M odern Probability Theory and I ts Applications, W iley, New York, 1960.
4. Ross S. Introduction to Probability Models, 5th ed., Academic Press, New York, 1993.
МЕТОДЫ ПРОГНОЗИРОВАНИЯ
Принимая решения, мы определяем планы на будущее. Следовательно, исполь
зуемые при этом данные должны соответствовать последующим событиям. Напри
мер, в теории управления запасами мы обосновываем наши реш ения посредством
спроса на определенные виды продукции в течение определенного планового пе
риода. Аналогично в финансовом планировании необходимо предсказать структуру
денежного потока в будущем на основе структуры текущих денежных потоков.
В этой главе рассматриваются три методики прогнозирования изменений интере
сующих нас переменных как функций времени: прогнозирование с использованием
скользящего среднего, прогнозирование путем экспоненциального сглаживания и рег
рессионное прогнозирование. Будут также показаны реализации этих методов в Excel.
Пример 13.1.1
В табл. 13.1 представлены объемы спроса на некое изделие за прошедшие 24 меся
ца. Необходимо с помощью методики скользящего среднего дать прогноз объема
спроса на следующий месяц (здесь t = 25).
Таблица 13.1
Месяц t Спрос y t Месяц t Спрос у,
1 46 13 54
2 56 14 42
3 54 15 64
4 43 16 60
5 57 17 70
6 56 18 66
7 67 19 57
8 62 20 55
9 50 21 52
10 56 22 62
11 47 23 70
12 56 24 72
Когда значение реального спроса в 25 месяце будет известно, его следует использо
вать для вычисления новой оценки объема спроса для 26 месяца в виде средней ве
личины спроса 23, 24 и 25 месяцев.
Средство вычисления скользящего среднего является составной частью надстройки
Пакет анализа Excel. Д ля его использования выполните команду СервисОАнализ
13.1. Прогнозирование с использованием скользящего среднего 539
С*0/(Ьч4ЯЩее с р е д н е е ВЕЗ
Входные данные
|$В$2:$В$25
ок
Вводной і*нтереал:
I
Интервал:
Параметры вьеода
Вдоодной интервал: |$С$2
5J
Скользящее среднее
2 1 46 #Н/Д
- Фактический
3 2 56 #Н/Д
80 - Прогноз
4 3 54 52
5 4 43 51 70
6 5 57 51 33333 60
7 6 56 52
50
8 7 67 60
9 8 62 61.66667 40
10 9 50 59.66667 30
11 10 56 56 20
12 11 47 51
13 12 56 53 10
14 13 54 52 33333 о
15 14 42 50 66667 7 10 13 16 19 22
16 15 64 53 33333 Точка данных
17 16 60 55 33333
18 17 70 64 66667
19 18 66 65 33333
20 19 57 64 33333
21 20 55 59 33333
1 Команда С ерв и сО А н ал из данны х будет доступна только тогда, когда к E xcel присоеди
нена надстройка П ак ет анал иза, которая автоматически не присоединяется при инсталляции
E xcel. Чтобы присоединить эту надстройку, выберите команду С ерв ис^ Н ад стр о йки и в диа
логовом окне Надстройки установите ф лаж ок П акет анал иза. — Прим. ред.
540 Глава 13. Методы прогнозирования
УПРАЖНЕНИЯ 13.1
1. В примере 13.1.1 оцените объем спроса для t = 25, используя п = 12 в качест
ве базы скользящего среднего. Какой эффект имеет большее значение п
с точки зрения подавления тенденции изменения данных?
2. Число кондиционеров, проданных за последние 24 месяца, приведено
в табл. 13.2. Проанализируйте эти данные с точки зрения применимости ме
тода скользящего среднего.
Таблица 13.2
Месяц Продажа Месяц Продажа
1 25 13 40
2 15 14 35
3 30 15 50
4 38 16 60
5 58 17 66
6 62 18 90
7 85 19 105
8 88 20 85
9 60 21 60
10 40 22 55
11 40 23 50
12 38 24 45
Таблица 13.3
Год__________1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
Автомобиль 1042 1182 1224 1338 1455 1613 1644 1699 1790 1885
Самолет 500 522 540 612 715 790 840 900 935 980
Таблица 13.4
Год 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
Продажа 21,0 23,2 23,2 24,0 24,9 25,6 26,6 27,4 28,5 29,6
по семестрам: осень (1), весна (2) и лето (3). Необходимо использовать эти дан
ные для оценки числа слушателей в следующем году. Проанализируйте приве
денные данные с точки зрения применимости метода скользящего среднего.
Таблица 13.5
Населенный пункт, где проводятся курсы лекций
Семестр 1 2 3 4 5
1989
1 288 136 48 165 59
2 247 150 49 168 46
3 117 69 14 61 15
1990
1 227 108 41 108 28
2 239 106 46 128 43
3 101 50 15 54 16
1991
1 240 126 31 104 46
2 261 134 19 83 38
3 138 48 9 56 32
1992
1 269 149 17 90 51
2 301 113 25 54 28
3 119 50 14 17 6
1993
1 226 102 22 16 30
2 241 110 16 0 24
3 125 46 7 0 12
1994
1 231 88 2 0 1
2 259 66 3 0 27
3 102 23 0 0 0
Определим величину а {0 < а < 1) как константу сглаж ивания, и пусть известны
значения временного ряда для прошедших t моментов времени у х, у2, ..., уг Тогда
оценка y'ltl для момента времени t + 1 вычисляется по формуле
Коэффициенты при yt, yt_lt yt_2, ... постепенно уменьшаются, тем самым эта проце
дура приписывает больший вес последним (по времени) данным.
Ф ормулу для вычисления у'ІЛІ можно привести к следующему (более простому)
виду:
У„і = о у ,+ ( 1 -а ){ с 0 ',.1+ а (1 - а );у (_2+ а ( 1 - а ) 2;у,_3+ ...| = а)>, + (1 -а );у ‘ .
Таким образом, значение у"н можно вычислить рекуррентно на основании значения у’ .
Вычисления в соответствии с этим рекуррентным уравнением начинаются с того, что
пропускается оценка у\ для t = 1 и в качестве оценки для f = 2 принимается наблю
денная величина для t = 1, т.е. у\ = у, . В действительности же для начала можно ис
пользовать любую разумную процедуру. Например, часто в качестве оценки у'0 берется
усредненное значение у, по “ приемлемому” числу периодов в начале временного ряда.
Выбор константы сглаживания «является решающим моментом при вычислении
значения прогнозируемой величины. Большее значение а приписывает больший вес
последним наблюдениям. На практике значение аберут в пределах от 0,01 до 0,30.
Пример 13.2.1
Применим метод экспоненциального сглаж ивания к данным из примера 13.1.1 при
а = 0,1.
При вычислениях пропускается у* и принимается, что у‘ = у, = 46 единиц. Для
примера последовательно вычислим
Уз =ау2 + ( 1 - а ) ^ =0,1x56 + 0,9x46 = 47 ,
Э ксп о не н ц и а л ь но е с гл а ж и в а н и е В х
Входные данные
Вводной интервал. |$8$2:$8$25
OK
Отмена
фактор затухания: |0,9
А В С ~>
1 Месяц t Спрос yt Прогноз
2 1 46 #н/д Экспоненциальное сглаживание
3 2 56 46
4 3 54 47
80
5 4 43 47.7
6 5 57 47 23 70
7 6 56 48 207 60
8 7 67 48 9863
50 Н
9 8 62 50 78767
*- Фактический
10 9 50 51 9089 40
»—Прогноз
11 10 56 51 71801 30
12 11 47 52 14621
20
13 12 56 51 63159
14 13 54 52 06843 10
15 14 42 52 26159 0
16 15 64 51.23543
1 4 7 10 13 16 19 22
17 16 60 52 51189 Точка данных
18 17 70 53 2607
19 18 66 54 93463
20 19 57 56 04117
1 20 55 56 13705
S = Y J( y . - d - b x i ) 2 .
1=1
! =-2 £ ( л - . - Щ . О ,
^ = - 2 ^ ( у ,- а - Ь х : ) х ,- 0 .
а = у - Ьх,
Ż x> і*
гдел; = —— , ;у= —— .
n n
Приведенные соотношения показывают, что сначала необходимо вычислить Ь,
а затем величину коэффициента а.
Вычисленные значения а и ft имеют силу при любом вероятностном распределе
нии случайных величин уг Однако если yt являю тся нормально распределенными
случайными величинами с одинаковым стандартным отклонением, можно устано
вить доверительный интервал для среднего значения оценки при х = х° (т.е. для
у0 = а + Ьх°) в виде интервала
13.3. Регрессионный анализ 545
пу X
J ^ x f - n x '- j j r y f - n y 2
Пример 13.3.1
Применим модель линейной регрессии к данным из примера 13.1.1, которые для
удобства приведены в табл. 13.6.
Таблица 13.6
Месяц, Xi Спрос, у,- Месяц, Xi Спрос, у,
1 46 13 54
2 56 14 42
3 54 15 64
4 43 16 60
5 57 17 70
6 56 18 66
7 67 19 57
8 62 20 55
9 50 21 52
10 56 22 62
11 47 23 70
12 56 24 72
Из данных этой таблицы получаем следующее.
546 Глава 13. Методы прогнозирования
, 17842-24x57,25x12,5
о = ------------------------- г------ = 0,58,
4900 - 24x12,5
а = 5 7 ,2 5 -0 ,5 8 х 12,5 = 50.
Таким образом, оценка спроса представляется формулой
/ = 5 0 + 0 , 58л:.
Например, при* = 25 получаем / = 50 + 0,58 х 25 = 64,5 единицы.
Вычисляем коэффициент корреляции:
17842-24x57,25x12,5
= 0,493.
4900 - 24 х 12,52) (80254 - 24 х 57,252)
/ „ч / (х ° -1 2 ,5 ) '
(50 + 0,58* ) ± 15,35W0,042 + - '
1150
Чтобы продемонстрировать применение этой формулы, вычислим интервал пред
сказания для оценки спроса на следующий месяц (х° = 25). В этом случае коэффи
циент 0,042 должен быть заменен на 1,042,2 и соответствующий интервал предска
зания определяется как (6 4 ,5 + 1 6 ,6 6 ) или (4 7 ,8 4 ,8 1 ,1 6 ). Следовательно, можно
сказать, что с вероятностью 95 % спрос для х = 25 будет находиться между 47,84
и 81,16 единицами.
Таблица 13.7
X У У* (y -y f
1 46 50,58 20,98
2 56 51,16 23,43
3 54 51,74 5,11
4 43 54,32 86,86
5 57 52,90 16,81
6 56 53,48 6,35
7 67 54,06 152,77
8 62 54,64 54,17
9 50 55,22 27,25
10 56 55,80 0,04
11 47 56,38 87,98
12 56 56,96 0,92
13 54 57,54 12,53
14 42 58,12 259,85
15 64 58,70 28,09
16 60 59,28 0,52
17 70 59,86 102,82
18 66 60,44 30,91
19 57 61,02 16,16
20 55 61,60 43,56
21 52 62,18 103,63
22 62 62,76 0,58
23 70 63,34 44,53
24 72 63,92 65,29
I U - : И,*)1 = 1205,64
5. Д окаж ите, что при линейной регрессии сумма разностей между расчетными
и предсказанными величинами по всем исходным данны м равна нулю, т.е.
выполняется равенство
/=1
Г* J
2 я 46 Р е гр е с с и я
3 2! 56 Входные данные
4 зі 54
Входной интервал Y |$В$2:$В$25
5 4І 43
6 5! 57 Вводной интервал X f$A$2:$A$25j 3
7 6І 56 Оправка
67 Г~ М етки Г Константа - ноль
8 7І
У 8; 62 Г уровень надеж ности; [І5 %
10 і 9І 50
Параметры вывода
11~ і 1°; 56
12 її : 47 Выходной интервал: U
13~ 12І 56 ** Новый рабочий лист;
14 13і 54 ’ Новая рабочая & *іга
15 14І 42 Остатки
16 is; 64і Г“ Остатки Г Срафик остатков
17 іє; 60 Г Стандартизованные остатки W Граф ик подбора
18 171 70 і
19 18І 66 Нормальная вероятность
Г“ Граф ик формальной вероятности
20 19; 57.
21 20; 55'.
гг 211 52
ЛИТЕРАТУРА
1. Brown В. L. and O’Connell. Forecasting and Tim e Series: A n Applied Approach
D uxbury P ress, Belm ont, CA, 1993.
2. Brown R. G. Sm oothing, Forecasting, and Prediction o f Discrete Tim e Series, P ren
tice Hall, U pper Saddle R iver, N .J ., 1972.
3. M ontgom ery D. and Peck E. Introduction to L inear Regression A nalysis, Wiley,
New Y ork, 1991.
4. W illis R. E. A Guide to Forecasting fo r P lanners and M anagers, P ren tice H all, Up
p er Saddle R iver, N .J ., 1987.
і
Это не значит, что в условии неопределенности полностью отсутствует информация
о задаче. Речь идет о том, что имеющиеся данные трудно или невозможно классифицировать
по степени значимости их для принятия решения, и что для этих данных, рассматриваемых
как реализации случайных величин или процессов, неизвестна или не может быть опреде
лена их функция распределения или другие статистические характеристики. — Прим. ред.
550 Глава 14. Теория игр и принятия решений
Пример 14.1.1
Мартин Ганс — выпускник-отличник средней школы, который получил полную
стипендию от трех университетов: А, В и С. Для того чтобы выбрать университет,
Мартин сформулировал два основных критерия: местонахождение университета
и его академическая репутация. Будучи отличным учеником, он оценивает академи
ческую репутацию университета в пять раз выше, чем его местонахождение. Это при
водит к тому, что репутации университета приписывается вес примерно 83 %, а его
местонахождению— 1 7 % . Далее Мартин использует системный анализ (сущность
его излагается ниже) для оценки трех университетов с точки зрения их местонахож
дения и репутации. Проведенный анализ дает следующие оценки.
Университет
Критерии А В С
Местонахождение 12,9% 27,7% 59,4%
Репутация 54,5% 27,3% 18,2%
Структура задачи принятия решений приведена на рис. 14.1. Задача имеет единст
венный иерархический уровень с двумя критериями (местонахождение и репута
ция) и три альтернативных реш ения (университеты А, В и С).
Решение:
Критерий иерархии
1-го уровня:
Альтернативы:
Ун. А Ун. В Ун. С Ун. А Уи.В Ун. С
(0 , 1 2 9 ) ( 0 ,2 7 7 ) (0 ,5 9 4 ) ( 0 ,5 4 5 ) (0 ,2 7 3 ) (0 ,1 8 2 )
і L L J J J
Решение:
Критерий
иерархии
1-го уровня:
Критерий
иерархии Местополс1ЖЄНИЄ (Р[) Репута дня (р2) Местополсикение (q\) Репутаїіщя (q2)
2-го уровня:
Ун. А Ун. В Ун. С Ун. А Ун. В Ун. С Ун. А Ун. В Ун. С Ун. А Ун. В Ун. С
Альтернативы:
(Ри) Оіг) (Різ) (Р21) (Р22) ( Р г 3) («») (?іг) (?.з) (?2l) (Чгт) (?2з)
і ____ і ______ і
і
і
і
Ун. А = р(р[ хрп +р2 хр2]) + ?(?1 х qu +q2xq2l)
УПРАЖНЕНИЕ 14.1.1
Пример 14.1.2
Покажем, как определяется матрица сравнения А для задачи выбора Мартина из
примера 14.1.1. Начнем с главного иерархического уровня, который имеет дело
с критериями академической репутации университета и его местонахождения.
С точки зрения Мартина, академическая репутация университета значительно
важнее его местонахождения. Следовательно, он приписывает элементу (2, 1) мат
рицы А значение 5, т.е. а 21 = 5. Это автоматически предполагает, что а12= 1/5. Обо
значив через R и L критерии репутации университета и его местонахождения, мож
но записать матрицу сравнения следующим образом.
L R
А=
Относительные веса критериев Rw. L могут быть определены путем деления элемен
тов каждого столбца на сумму элементов этого же столбца. Следовательно, для
нормализации матрицы А делим элементы первого столбца на величину 1 + 5 = 6 ,
элементы второго— на величину 1 + 1/5 = 1,2. Искомые относительные веса wR
и wL критериев вычисляю тся теперь в виде средних значений элементов соответст
вующих строк нормализованной матрицы А. Следовательно,
L R Средние значения элементов строк
N=
14.1. Принятие решений в условиях определенности — метод анализа иерархий 553
В результате вычислений получили wR= 0,83 и wL= 0,17, т.е. те веса, которые пока
заны на рис. 14.1. Столбцы матрицы N одинаковы, что имеет место лиш ь в случае,
когда лицо, принимающее решение, проявляет идеальную согласованность
в определении элементов матрицы А. Этот тезис детальнее обсуждается ниже.
Относительные веса альтернативных решений, соответствующих университетам А,
В и С, вычисляются в пределах каждого критерия R и L с использованием следую
щих двух матриц сравнения.
В С
А
А, = В 2
С 2
Отсюда следует, что матрица сравнений А может быть получена из матрицы N пу
тем деления элементов і-го столбца на wt (это процесс, обратный к нахождению
матрицы N из А). И так, получаем следующее.
W,.
W..
V ,v\ 2
Используя приведенное определение матрицы А, имеем
з.
И ’„
Ч ї
w2 ЛW, w2
w., = = п
.К. nw„.
_Ł JJL ... 1
где nmax> п. В этом случае, чем ближе птвх к п, тем более согласованной является
матрица сравнения А. В результате в соответствии с методом анализа иерархий вы
числяется коэффициент согласованности в виде
с*=Я ,
RI
где
Z a,:W. =
tj / max і ’
і = 1, 2 *,...,и.
/=і
Поскольку H\ = 1 , легко проверить, что
n ( n \
Это значит, что величину nmax можно определить путем вычисления вектор-столбца
Aw с последующим суммированием его элементов.
Пример 14.1.3
В примере 14.1.2 матрица AŁявляется несогласованной, так как столбцы матрицы
Nł неодинаковы. Требуется исследовать согласованность матрицы A Ł.
Вычислим значение лпих. Из данных примера 14.1.2 имеем
vv, =0,129, w2 =0,277, vv3 =0,594.
Следовательно,
1
5 "0,129'j '0,3863
А ;w = 1 0,277 = 0,8320
2 .0,594, 1,7930
і
Отсюда получаем
556 Глава 14. Теория игр и принятия решений
СІ = = 3 ,0 1 1 3 - 3 = 0,00565,
л -1 3 -1
^ - l , 9 f c 2 ) = j;9 8 x l=()
п 3
СЛ = а = О 00565 =
RI 0 ,6 6
Реализация метода анализа иерархий в Excel. Шаблон Excel chl4A H P.xls разрабо
тан для решения задач принятия решений, у которых максимальный размер матриц
сравнения не превышает 8 x8 . Так же, как и в шаблонах Excel, описанных в главах 10
и 1 1 , здесь пользователю необходимо некоторые действия выполнить вручную.
Н а рис. 14.3 показано применение этого ш аблона для реш ения задачи примера
14.1.22. М атрицы сравнения вводятся по одной за раз в верхнюю часть раздела
входных данных. П орядок, в котором вводятся матрицы сравнения не важ ен, тем
не менее, будет больше пользы , если рассматривать их в порядке иерархии. После
ввода коэффициентов матрицы сравнения в разделе выходных результатов в ниж
ней части рабочего листа появится соответствующ ая нормированная матрица,
а такж е ее коэффициент согласованности CR. Д алее вы долж ны скопировать значе
ния весов w в столбце J и вставить их в область Solution summary (правая часть таб
лицы ). Д ля вставки не забудьте выполнить команду Вставка ^С пециальная
вставкаО Значения, чтобы скопировать значения, а не формулы. Эти действия сле
дует повторять для всех матриц сравнения.
А В С D E iF I J К в L N _ 0 [
1 AHP-Analytie Hierarchy Process |
2 1 Input: Comparison matrix Solution summary
3 Matrix name: AL A
4 'Matrix size= 3 « M a imum 8 R 0.B3333
5 Matrix data: UA UB UC L 0.16667
6 I UA 1 0.5 0.2 AR AL
7 UB 2 1 0.5 UA 0.54545 UA 0.12B5
~8 UC 5 2 1 UB 0.27273 UB 0.27661
9 UC 0 1B1B2 UC 0.59469
14 1 Col sum G 3.5 1.7
15 і Output: Normalized martix
16 I nMax=| 3 0074E | CR=| 0 0056 |
UA UB UC Weight
17 1
18 UA 0.12500 0.142B6 0.11765 0 12B50
19 , UB 0.25000 0.2B571 0.29412 0 27661 I Final ranking
20 UC 0.62500 0 57143 0.5BB24 0.594B9 UA= 0.47596
21 UB= 0.27337
22 UC= 0.25066
I
23
2
Из-за ошибок округления результаты, полученные в Excel, немного отличаются от тех, кото
рые были получены в примерах 14.1.2 и 14.1.3 (в Excel получены более точные результаты).
14.1. Принятие решений в условиях определенности — метод анализа иерархий 557
После того как в столбцах K:R будут записаны значения весов для всех матриц
сравнения, можно использовать эти данные для создания формул, необходимых
для сравнения альтернативных вариантов. Выполнить эту операцию в Excel не
сложно. На рис. 14.3 в диапазоне К 20:К27 представлены результаты ранжирова
ния альтернатив. В ячейке К20 содержится формула
=$L$4*$L8+$L$5*$N8
По этой формуле вычисляется оценка для университета А. После создания этой
формулы скопируйте ее, а затем вставьте в ячейки К21 и К22. Во вставленных
формулах относительные ссылки автоматически изменятся так, что новые форму
лы будут вычислять оценки для университетов В и С.
Можно усовершенствовать формулы в ячейках К20:К22 так, чтобы непосредст
венно в ячейке отображались названия альтернатив. Такая формула для альтерна
тивы университета А (обозначается как UA) выглядит следующим образом.
=$К8 &"= "&TEKCT($L$4*$L7+$L$5*$N7;"####0.00000")
Заметьте, что названия альтернатив содержатся в ячейках К 8:К10. Вам надо само
стоятельно ввести эти названия.
Процедуру вычисления оценок альтернативных вариантов можно без труда распро
странить на любое количество уровней иерархии. Если формула для первой альтерна
тивы была создана правильно, то ее же можно использовать и для других альтернатив
ных вариантов, просто скопировав ее в последующие строки того же столбца. Но не
забывайте, что все ссылки на ячейки должны быть абсолютными, кроме ссылок на
альтернативы, в которых фиксированным должен быть только столбец.
УПРАЖНЕНИЯ 14.1.2
, Ас = J
II
1
о
1 1 3
2 5
р М 1
И 5 О v4
S J м
S s
A0 = J : J
М M
Ф М Ф М
^ СБ =
Ф
..
fl ^2 ^ СП -
ф
..
f> 11
3
Із ij
’
М
U ij М
Ф М Ф М
ф
f* Vі ф '1 2 "
Аре~ м
3 А ’ «7 -
м
..
ІЗ Ij li 'J
Проанализируйте ситуацию, связанную с принятием решения, и выработай
те соответствующее предложение.
6 . Решив купить автомобиль, человек сузил свой выбор до трех моделей: M l ,
М2 и М 3. Факторами, влияющими на его решение, являются: стоимость ав
томобиля (С), стоимость обслуживания (О), стоимость поездки по городу (Г)
и сельской местности (М). Следующая таблица содержит необходимые дан
ные, соответствующие трехгодичному сроку эксплуатации автомобиля.
Пример 14.2.1
Предположим, что вы хотите вложить на фондовой бирже 10 ООО долл. в акции од
ной из двух компаний: А или В. А кции компании А являю тся рискованными, но
могут принести 50 % прибыли от суммы инвестиции на протяжении следующего
года. Если условия фондовой биржи будут неблагоприятны, сумма инвестиции
может обесцениться на 20 % . Компания В обеспечивает безопасность инвестиций
с 15 % прибыли в условиях повышения котировок на бирже и только 5 % — в ус
ловиях понижения котировок. Все аналитические публикации, с которыми можно
познакомиться (а они всегда есть в изобилии в конце года), с вероятностью 60 %
прогнозируют повышение котировок и с вероятностью 40 % — понижение котиро
вок. В какую компанию следует вложить деньги?
Информация, связанная с принятием решения, суммирована в следующей таблице.
Альтернативные решения При повышении котировок (долл.) При понижении котировок (долл.)
Эта задача может быть такж е представлена в виде дерева решений, показанного на
рис. 14.4. На этом рисунке используется два типа вершин: квадратик представляет
14.2. Принятие решений в условиях риска 561
Б К
Н 800 200
В -2 5 0 0 1000
Простой +5 +7 +8
Специальный -1 0 +5 +30
Глобальный +2 +7 +20
/ ( р ) = { а Ра"'’
[О в противном случае.
О, в противном случае.
Пример 14.2.2
В примере 14.3.1 априорные вероятности 0,6 и 0,4 повышения и понижения котировок
акций на бирже были определены из наличных публикаций финансового характера.
Предположим, вместо того, чтобы полностью полагаться на эти публикации, вы реши
ли провести личное исследование путем консультаций с другом, который хорошо раз
бирается в вопросах, касающихся фондовой биржи. Друг высказывает общее мнение
“ за” или “ против” инвестиций. Это мнение в дальнейшем определяется количественно
следующим образом. При повышении котировок его мнение с 90%-ной вероятностью
будет “ за ” , при снижении котировок вероятность его мнения “ за ” уменьшится до
50 %. Каким образом можно извлечь пользу из этой дополнительной информации?
Мнение друга фактически представляет условные вероятности “ за-против” при
заданных состояниях природы в виде повыш ения и понижения котировок. Введем
следующие обозначения:
V, — мнение “ за” ,
і — мнение “ против” ,
14.2. Принятие решений в условиях риска 567
т, — повышение котировок,
т2— понижение котировок.
Мнение друга можно записать в виде вероятностных соотношений следующим образом.
P{v, I/и,} = 0,9, P{v, | т2) = 0 , 1 ,
Р{і>2|/н,} = 0,5, P{ v2\ т2} = 0,5.
С помощью этой дополнительной информации задачу выбора решения можно
сформулировать следующим образом.
1. Если мнение друга “ з а ” , акции какой компании следует покупать — А или В?
2. Если мнение друга “ против” , то, опять-таки, — акции какой компании следует
покупать — А или В?
Рассматриваемую задачу можно представить в виде дерева решений, показанного
на рис. 14.5. Узлу 1 здесь соответствует случайное событие (мнение друга) с соот
ветствующими вероятностями “ за ” и “ против” . Узлы 2 и 3 представляют выбор
между компаниями А и В при известном мнении друга “ за” или “ против” соответ
ственно. Узлы 4 -7 соответствуют случайным событиям, связанным с повышением
и понижением котировок.
Повышение котировок (т;)
$5000
Р{т}|i>,} =0.730
Инвестиции в А
Понижение котировок (т2)
-$2000
Мнение "за" (v,) / >{m2|v]} =0.270
Повышение котировок (т,)
$1500
/ >{m!|v!} =0.730
Инвестиции в В
Понижение котировок (т2)
$500
Р{т2|vj> = 0.270
© Повышение котировок (mt)
$5000
Р{т j|v2> = 0.231
Инвестиции в А
Понижение котировок (т2)
-$2000
Мнение "против" (v2) Р{т2|v2} = 0.769
Повышение котировок (т,)
$1500
Р { т ^ 2} = 0 .2 3 1
Инвестиции в В
Понижение котировок (т2)
$500
P{m2\v2) = 0.769
Puc. 14.5. Дерево решений с апостериорными вероятностями
m2 0,5 0,5
v2
Р{т„ V/) ■ Я?1 0,54 0,06
тг 0,20 0,20
РЫ P{v2)
0,74 0,26
р {щ К}=:
V2
m-i 0,730 0,231
тг 0,270 0,769
14.2. Принятие решений в условиях риска 569
А В С I.0 I E L М ■N ‘ ł
1 Bayes Posterior Probabilities
2 Input Data Output Results
3 |P{v|m} (10 x 10) maximum P{v,m}
4 P{m} j v1 v2 v1 v2
-5- ml 0 .6 1 0.9 0.1 0 5400 0 0600
де- m2 0 .4 1 0.5 0.5 0.2000 0 2000
15 Input Data Error Messages P{v}
16 0.7400 0.2600
17 Ш
' ш Щ Щ т В- P{m|v}
18 0.7297 0.2308
19 m2 0.2703 0.7692
Рис. 14.6. В ы ч и сл е н и е в E x c e l а п о ст ер и о р ны х ве
ро ят но ст ей д л я прим ера 14.2.2
Зі аг
S1 0,15 0,85
S3 0,85 0,15
14.2. Принятие решений в условиях риска 571
УПРАЖНЕНИЯ 14.2.3
1. Допустим, вы — студент университета ш тата Арканзас, и имеете сильное
желание присутствовать на следующем баскетбольном матче. Проблема
в том, что входной билет стоит 10 долл., а у вас есть лиш ь 5 долл. Вы можете
рискнуть 5 долл. в игре в покер с шансами 50 на 50 удвоить свою сумму или
совсем ее проиграть.
a) Будете ли вы, исходя из реальной стоимости денег, искушать судьбу, иг
рая в покер?
b ) У читывая ваше сильное желание присутствовать на матче, переведите на
личные деньги в функцию полезности.
c) Основываясь на функции полезности, которую вы построили, примете ли
вы участие в игре в покер?
2. Семья переехала в местность, где возможны землетрясения, и собирается по
строить дом. Решается вопрос, стоит ли строить дом в соответствии с высо
кими стандартами, рассчитанными на сейсмическую зону. Строительство
дома в соответствии с такими стандартами обойдется в 850 ООО долл., а без их
учета — в 350 000 долл. В случае землетрясения (его вероятность равна
0 , 0 0 1 ) восстановление дома, построенного без соответствующих стандартов,
обойдется в 900 000 долл. Примените в этой ситуации рассмотренную выше
процедуру использования лотереи, предполагая, что ш кала полезности из
меняется от 0 до 1 0 0 .
3. Инвестиция в 10 000 долл. в предприятие с высоким уровнем риска имеет
шанс 50 на 50 увеличить эту сумму до 14 000 долл. на протяжении следую
щего года либо уменьшить ее до 8 000 долл. Это значит, что чистый доход со
ставит либо 4000 долл., либо -2 0 0 0 долл.
a) Принимая позицию нейтрального к риску инвестора и ш калу полезности
от 0 до 1 0 0 , определите полезность 0 долл. чистого дохода и соответст
вующую “ нейтральную” вероятность.
b) Пусть два инвестора А и В определили следующие “ нейтральны е” веро
ятности.
Вероятность
Чистая прибыль (долл.) Инвестор А Инвестор В
-2 0 0 0 1,00 1,00
-1 0 0 0 0,30 0,90
0 0,20 0,80
1000 0,15 0,70
2000 0,10 0,50
3000 0,05 0,40
4000 0,00 0,00
т Ь * П1'(а1’*')}'
Если величина v(at, s.) представляет потери, используется минимаксный критерий,
который определяется следующим соотношением.
S1 S2 М а к с и м у м стр ок
аі 11 ООО 90 11 0 0 0
s^ S2 М а к си м ум стр ок
аг 0 9910 9910
Пример 14.3.1
Национальная школа выживания подбирает место для строительства летнего лагеря
в центре Аляски в целях тренировки людей на выживание в условиях дикой приро
ды. Ш кола считает, что число участников сбора может быть 200, 250, 300 или 350
человек. Стоимость летнего лагеря будет минимальной, поскольку он строится для
удовлетворения только определенных небольших потребностей. Отклонения в сторо
ну уменьшения или увеличения относительно идеальных уровней потребностей вле
кут за собой дополнительные затраты, обусловленные строительством избыточных
(неиспользуемых) мощностей или потерей возможности получить прибыль в случае,
когда некоторые потребности не удовлетворяются. Пусть переменные а ,-а 4 представ
ляют возможные размеры лагеря (на 200, 250, 300 или 350 человек), а переменные
s - s 4 — соответствующее число участников сбора. Следующая таблица содержит мат
рицу стоимостей (в тысячах долларов), относящуюся к описанной ситуации.
S1 S2 S3 S4
ai 5 10 18 25
a2 8 7 12 23
аз 21 18 12 21
34 ЗО 22 19 15
ai 5 10 18 25 25
a2 8 7 12 23 23
a3 21 18 12 21 21 <- минимакс
34 30 22 19 15 30
ai 0 3 6 10 10
32 3 0 0 8 8 <- минимакс
аз 16 11 0 6 16
34 25 15 7 0 25
ai 5 25 25 - 2 0 а
82 7 23 23-1 6 а
ГО
со
аз 12 21
I
34 15 30 30-1 5 а
У П Р А Ж Н Е Н И Я 14.3
D Е L М
Decision Under Uncertainty_____
Enter x to select method: Output Results
Laplace
Minimax
Savage
Hurwicz Optimum strategies
7 'input (cost) Matrix: Maximum size = (10x10) a2 a3 a2 a2
8 81 s2 s3 s4 Laplace Minimax Savage Hurwicz
9 a1 5 10 18 25 14 5 25 10 15
10 a2 8 7 12 23 12 5 23 8 15
11 a3 21 18 12 21 18 21 16 165
12 a4 30 22 19 15 21 5 30 25 22 5
13
Р и с. 14.8. Р еш ен и е в E x c e l пр и м ер а 14.3.1
S1 S2 S3
ai 85 60 40
a2 92 85 81
a3 100 88 82
S1 S2 S3 S4
зі -2 0 60 30 -5
a2 40 50 35 0
з3 -5 0 100 45 -1 0
ад 12 15 15 10
1 100 5
2 40 12
3 150 3
4 90 8
Ат am i 3/л2 amn
Пример 14.4.1
Две компании А и В продают два вида лекарств против гриппа. Компания А реклами
рует продукцию на радио ( А { ) , телевидении ( А 2) и в газетах ( А 3) . Компания В , в допол
нение к использованию радио (5,), телевидения ( В 2) и газет ( В 3) , рассылает такж е по
почте брошюры ( B J . В зависимости от умения и интенсивности проведения рек
ламной кампании, каж дая из компаний может привлечь на свою сторону часть
клиентов конкурирующей компании. Приведенная ниже матрица характеризует
процент клиентов, привлеченных или потерянных компанией А .
в, Вг S3 Bt Минимумы строк
Аі 8 - 2 9 -3 -3
А> 6 5 6 8 5 максимин
Лз -2 4 -9 5 -9
Максимумы столбцов 8 5 9 8
минимакс
Пример 14.4.2
Два игрока А и В играют в игру, основанную на подбрасывании монеты. Игроки од
новременно и независимо друг от друга выбирают герб (Г) или реш ку (Р). Если ре
зультаты двух подбрасываний монеты совпадают (т.е. ГГ или РР), то игрок А полу
чает оди н доллар от игрока В. Иначе игрок А платит один доллар игроку В.
Следующая матрица платежей игроку А показывает величины минимальных эле
ментов строк и максимальных элементов столбцов, соответствующих стратегиям
обоих игроков.
Вг Вр Минимумы строк
Аг 1 -1 -1
Ар -1 1 -1
Максимумы столбцов 1 1
М аксиминная и м иним аксная величины (цены) для этой игры равны -1 долл. и 1
долл. соответственно. Т ак к а к эти величины не равны между собой, игра не имеет
реш ения в чистых стратегиях. В частности, если игрок А использует стратегию
А Г, игрок В выберет стратегию Вр, чтобы получить от игрока А один доллар. Если
это случится, игрок А может перейти к стратегии Ар, чтобы изменить исход игры
и получить один доллар от игрока 5. Постоянное искуш ение каждого игрока пе
рейти к другой стратегии указывает на то, что реш ение в виде чистой стратегии
неприемлемо. Вместо этого оба игрока долж ны использовать надлежащ ую слу
чайную комбинацию своих стратегий. В рассматриваемом примере оптимальное
значение цены игры находится где-то между максиминной и минимаксной цена
ми для этой игры:
максиминная (ниж няя) цена < цена игры < минимаксная (верхняя) цена.
Следовательно, в данном случае цена игры должна леж ать в интервале [-1 , 1], из
меряемом в долларах.
14.4. Теория игр 583
УПРАЖНЕНИЯ 14.4.1
1. Определите решение, определяемое седловой точкой, соответствующие чис
тые стратегии и цену игры для следующих игр, в которых платежи заданы
для игрока А.
а)
б, б2 Вз в4
а, 8 6 2 8
Аг 8 9 4 5
Аз 7 5 3 5
Ь)
б, Вг Вз б4
А, 4 -4 -5 6
Аг -3 -4 -9 -2
Аз 6 7 -8 -9
Aą 7 3 -9 5
Ь)
б, Вг бз б4
/>1 -1 9 6 8
Аг -2 10 4 6
Аз 5 3 0 7
Aą 7 -2 8 4
с)
d)
б. Вг Вз Bą
А, 3 7 1 3
4 8 0 -6
Лз 6 -9 -2 4
У1 уг - Уп
а Вг ... Вп
XV. Ах Я11 Зі2 ... Зіп
1 —xi : А2 321 322 ••• 32п
Пример 14.4.3
Рассмотрим следующую игру 2x4, в которой платежи выплачиваю тся игроку А.
S, Вг Вз 64
А, 2 2 3 -1
А2 4 3 2 6
2 +^ = 2 из Уравнения прямой 3,
- 7 ^ | + 6 = ^ из уравнения прямой 4.
Для игры, в которой и грокА имеет т стратегий, а игрок В — только две, реш е
ние находится аналогично. Главное отличие состоит в том, что здесь строятся гра
фики функций, представляющ их ожидаемые платеж и второго игрока, соответст
вующие чистым стратегиям игрока А. В результате ведется поиск минимаксной
точки верхней огибающей построенных прямых.
УПРАЖНЕНИЯ 14.4.2
Д а н а с л е д у ю щ а я и гр а д в у х л и ц с н у л ев о й с у м м о й .
В, Вг Вз
Ал 5,0 50,0 50,0
Аг 1,0 1,0 0,1
Аз 10,0 1,0 10,0
Ż1Ż;=1v > »
588 Глава 14. Теория игр и принятия решений
Реш ение м атри чны х и гр методами линейного програм м ирования. Теория игр
находится в тесной связи с линейным программированием, так к ак любую конеч
ную игру двух л иц с нулевой суммой можно представить в виде задачи линейного
программирования и наоборот. Д ж . Данциг [3] отмечает, что, когда в 1947 году
создатель теории игр Дж. фон Нейман впервые ознакомился с симплекс-методом,
он сразу установил эту взаимосвязь и обратил особое внимание на концепцию двой
ственности в линейном программировании. Этот раздел иллюстрирует решение
матричных игр методами линейного программирования.
Оптимальные значения вероятностей xt, і = 1, 2, ..., т, игрока А могут быть оп
ределены путем решения следующей максиминной задачи.
у г + у, + — +г/„ = і,
..., п.
1/ , > 0 , / = 1, 2,
Используя процедуру, аналогичную приведенной выше для игрока А, приходим
к выводу, что задача для игрока В сводится к следующему.
М инимизировать w —v
при ограничениях
у, + уг + ... +Уп= 1,
14.4. Теория игр 589
i/.> 0 , ] = 1 , 2 , ..., п,
V не ограничена в знаке.
Две полученные задачи оптимизируют одну и ту же (не ограниченную в знаке)
переменную V , которая является ценой игры. Причиной этого служит то, что зада
ча игрока В является двойственной к задаче игрока А (вам предлагается доказать
это утверждение в упражнении 14.4.3.5, используя определение двойственности из
главы 4). Это означает, что оптимальное решение одной из задач автоматически
определяет оптимальное решение другой.
Пример 14.4.4
Решим следующую матричную игру методами линейного программирования.
Bi Вг В3 Минимумы строк
Ал 3 -1 -3 -3
Аг -2 4 -1 -2
Аз -5 -6 2 -6
Максимумы столбцов 3 4 2
V + Зхг + х2 - 2х3< О,
х1+ х2 + х3= 1 ,
*^3—
Vне ограничена в знаке.
Оптимальным решением является хг = 0,39, х2 = 0,31, х3 = 0,29 и v = -0 ,9 1 .
Задача линейного программирования д ля игрока В
М инимизировать z = v
при ограничениях
v - S y l + y 2 + Sy3> 0 ,
v + 2yl - 4 y 2+ y 3>0,
v + 5yI + 6y2- 2 y 3>0,
У і + Уг+ Уз= 1 >
y lty 2, y 3> О,
v не ограничена в знаке.
Оптимальным решением является ух—0,32, у2= 0,08, уъ= 0,60 h v = -0,91.
590 Глава 14. Теория игр и принятия решений
В программе TORA д ля реш ения игр двух игроков с нулевой суммой надо выбрать
команду Zero-sum G am esO Solve^L P-based (Игры с нулевой суммой 1^ Р еш и ть ^ К ак
задачу ЛП). На рис. 14.10 показан результат реш ения задачи примера 14.4.4 (файл
ch 14ТoraGamesEx 14-4-4).
PI iy e i A s O p tim a l M l ateyies-
ST** gy
P ro b A i Ł
Player в s ( ptim<il Stivstpgi s:
S t r tllff Н Е Л Н 02 83
Р Г 0 М )П У 0,01 0,80
И луе і A 's LP F o n nu latio ii:
_________ v xl x2
1,00 0,00 0ДЮ
\O0 2,00 bflO < Г" 0,00
1.00 4,00 0,00
5.00 _1,00 2k00 4 _Qjm
1.00 1,00 1,00 1,00
t-TMtr'd(yhp
VeWModify Irr* 0
Рис. 14.10. Р еш ение программой T O R A игры д в у х игроков с нулево й сум м ой и з примера 14.4.4
УПРАЖНЕНИЯ 14.4.3
UA, 3 -2 1 2
ua2 2 3 -3 0
UA3 -1 2 -2 2
UA 4 -1 -2 4 1
ЛИТЕРАТУРА
1. C henS. and Hwang С. Fuzzy Multiple Attribute Decision Making, S pringer-V erlag,
Berlin, 1992.
2. Clemen R. J . and Reilly T. Making Hard Decisions: An Introduction to Decision
Analysis. 2nd ed., Duxbury, Pacific Grove, CA, 1996.
592 Глава 14. Теория игр и принятия решений
КОМПЛЕКСНЫЕ ЗАДАЧИ
14.1. 5 Руководитель цеха рассматривает три возможных решения относительно
существующего фрезерного станка.
1. Модифицировать имеющийся станок, установив на нем автоматическую
подачу (АП).
2. Купить новый станок с программным управлением (ПУ).
3. Заменить станок обрабатывающим центром (ОЦ).
Три альтернативы оцениваются на основе двух критериев: денежный
и функциональный. Следующая таблица содержит необходимые данные.
Критерий АП ПУ ОЦ
Денежный
Начальная стоимость (долл.) 12 000 25 000 120 000
Стоимость обслуживания (долл.) 2 000 4 000 15 000
Стоимость обучения персонала (долл.) 3 000 8 000 20 000
функциональный
Производительность (изделия/день) 8 14 40
Время наладки (минуты) 30 20 3
Металлические отходы (фунты/день) 440 165 44
5 Этот пример взят из работы W eber S. “A M odified A n alytic H ierarchy Process for A uto
m ated M anufacturing D ecision s”, Interfaces, V ol.2 3 , N o. 4, 1993, pp. 7 5 -8 4 .
Комплексные задачи 593
6 Этот пример взят из работы M illet I. “A N ovena to Saint A nthony, or How to Find Inven
tory by N ot Looking”, Interfaces, Vol. 24, N o. 2, 1994, pp.6 9 -7 5 .
7 Этот пример взят из работы Gaballa A . “Planning Callout R eserves for A ircraft Delays” ,
Interfaces, Vol. 9, N o. 2, P art 2, 1979, p p .7 8 -8 6 .
594 Глава 14. Теория игр и принятия решений
Вероятность вызова
8:00 707 3
9:00 707 6
707 2
10:00 707 3
11:00 707 2
707 4
15:00 747 6
16:00 747 4
19:00 747 1
ВЕРОЯТНОСТНОЕ ДИНАМИЧЕСКОЕ
ПРОГРАММИРОВАНИЕ
Вероятностное динамическое программирование (ДП) отличается от детерми
нированного, описанного в главе 1 0 , тем, что состояния и прибыли на каждом эта
пе являются случайными1. Модели вероятностного ДП возникают, в частности, при
рассмотрении стохастических моделей управления запасами и в теории марков
ских процессов принятия решений. Этим двум темам посвящены главы 16 и 19, по
этому в настоящей главе они не рассматриваются. В этой главе описываются неко
торые примеры достаточно общего содержания, призванные показать
стохастическую природу ДП.
t=i
Обоснование рекуррентного уравнения сводится к следующему. При первом
вращении колеса (t = 1 ) состоянием системы является у = 0 , ибо игра только нача
лась. Следовательно, /ДО) = p j 2( 1) 4- p 2f2(2) + ■■■ + p nf2(ri). После выполнения послед
него вращ ения колеса (г = т) остается лиш ь один выбор — закончить игру незави
симо от исхода у m-го вращ ения. Следовательно, fm(,(у) = 2у.
Рекуррентные вычисления начинаются с fm+l, заканчиваю тся при /,(0) и сводят
ся таким образом к т + 1 вычислительному этапу. Так как Д( 0) представляет собой
ожидаемую прибыль от всех т вращений колеса, а игра обходится игроку в х дол
ларов, получаем следующее.
Ожидаемая прибыль = /,(0) - х.
Пример 15.1.1
Предположим, что по периметру колеса русской рулетки расставлены числа от 1 до 5.
Вероятности pi остановки колеса на числе / соответственно равны следующему: р, = 0,3,
р2= 0 ,2 5 ,ръ= 0 ,2 ,р4= 0,15,/;5= 0,1. Игрок платит 5 долл. за возможность сделать небо-
лее четырех вращений колеса. Определим оптимальную стратегию игрока для каж
дого из четырех вращений и найдем соответствующий ожидаемый выигрыш.
Этап 5.
/,(/)= 2/
Оптимальное решение
Исход 4-го вращения, j f5G) Решение
1 2 Закончить
2 4 Закончить
3 6 Закончить
4 8 Закончить
5 10 Закончить
Этап 4.
/ 4(/) = m a \ { 2 j , p lf 5( l ) + p :f 5( 2) + р / 5( 3) + р / 5( 4) + р / 5( 5) } =
= тах{2у, 0,3 х 2 + 0,25 х 4 + 0,2 х 6 + 0,15х8 + 0,1 х 10}
= тах{2у, 5}.
15.1. Азартная игра 597
1 2 5 5 Вращать
2 4 5 5 Вращать
3 6 5 6 Закончить
4 8 5 8 Закончить
5 10 5 10 Закончить
Э та п 3 .
— т а х { 2 у , 0 ,3 х 5 + 0 ,2 5 х 5 + 0 ,2 х 6 + 0 ,1 5 х 8 + 0,1 х 10} =
= та х {2 у , 6 ,1 5 } .
Э та п 2.
= т а х { 2 / , 0 ,3 х 6 ,1 5 + 0 ,2 5 х 6 ,1 5 + 0 , 2 x 6 , 15 + 0 , 1 5 x 8 + 0 , 1 x 1 0 } =
= та х {2 у , 6, 812 5} .
Э т а п 1.
р Оптимальная стратегия
вращения
1 Начало игры; вращать
2 Продолжить игру, если исходом первого вращения есть 1, 2 или 3;иначе закончить
3 Продолжить игру, если исходом второго вращения есть 1, 2 или 3; иначе закончить игру
4 Продолжить игру, если исходом третьего вращения есть 1 или 2; иначе закончить игру
У П Р А Ж Н Е Н И Я 15.1
где fn+t(xn+,) = хп^,, так как после n -го года инвестиции нет. Отсюда следует, что
О, если 7 < О,
jc„, если 7 > 0.
дг„, если 7 < 0,
(1+7)*,,, если г > 0.
Пример 15.2.1
Пусть в предыдущей модели инвестирования объем инвестиции составляет С= 10 ООО долл.
на 4-летний период. Существует 40%-ная вероятность того, что вы удвоите деньги, 2 0% -
ная— останетесь при своих деньгах и 40% -ная— потеряете весь объем инвестиции.
Необходимо разработать оптимальную стратегию инвестирования.
Используя принятые в модели обозначения, получаем следующее.
С = 10 ООО, п = 4, m = 3,
р , = 0 , 4 , /> 2 = 0 , 2 , /> 3 = 0 ,4 ,
г, = 2 , г2= 0 , г3= - 1 .
Этап 4.
F = 0 , 5 x 0 ,1 + 0 ,2 x 0 + 0 , З х ( - 1 ) = 0 ,2 ,
/ 4СО = (! + г )х 4= 1, 2 х 4.
Отсюда получаем
Оптимальное решение
Состояние U( ха )
у\
Х4 1,2 х4 х4
Этап 3.
Поэтому имеем
Оптимальное решение
Состояние Ыхз) у\
Хз 1,44 х3 Хз
Этап 2.
f 2(x2) = max {pj^{x1+rty1) + p1f y{x1+r1y1) + p j ^ + г.у,))^
()<v2<<s
= max |0,5х1,44(дг2 + v2) + 0,2xl,44(.v2 +0у2) + 0,3х1,44[дг2 + (-l)y 2J| =
= max {1, 44jc, +0,288y2} = 1,728лґ2.
Отсюда следует
Оптимальное решение
Состояние ^(Хг) Уг
хг 1,728 X2 хг
Этап 1.
f { x ,) = max { p j 2(x,+rlyl) + p2f 2(х, + r2yt) + p j r(х, + r,y,)} =
= max {o,5x 1,728( jc, +у| ) + 0,2х1,728(дг| +0у| ) + 0,3х1,728[дг| + (-l)y ,]| =
= max {l,728x + 0,3456y.} = 2, 0736jc,.
( K v, <• t. *
•
Имеем
Оптимальное решение
Состояние f,(X l)
у\
Xi 2 ,0 7 3 6 Xi Х1
У П Р А Ж Н Е Н И Я 15.2
Год г, h Гг р , Р2 Pi
Вероятность спроса
Вероятность спроса
0 0,10 0,02 0
1 . 0,20 0,03 0,15
2 0,30 0,10 0,25
3 0,20 0,25 0,30
4 0,10 0,30 0,15
5 0,10 0,15 0,10
6 0 0,05 0,025
7 0 0,05 0,025
8 0 0,05 0
/( * ,) = Оmax
^ У .ЇХ , ^ As(
+ J
і=
Р{А} = ± Р { А \ В І }Р{ВІ ).
7-І
В нашем случае fi+l(xi + rky ) играет роль вероятности Р{А | Б у}.
15.3. Максимизация вероятности достижения цели 603
Пример 15.3.1
Некий индивидуум планирует инвестировать 2 ООО долл. Имеющиеся варианты
позволяют удвоить эту сумму с вероятностью 0,3 или потерять ее с вероятностью
0,7. А кции продаются в конце года, а в начале следующего года все деньги или их
часть снова инвестируются. Этот процесс повторяется на протяж ении трех лет.
Целью является м аксим изация вероятности достиж ения суммы в 4 ООО долл.
в конце третьего года.
В соответствии с обозначениями данной модели имеем rl = 1 с вероятностью 0,3
и г2 = - 1 с ве роятностью 0,7.
Приведенная ниже табл. 15.1 содержит детали вычислений для данного этапа.
Все заш трихованные ячейки таблицы являю тся неподходящими, так как не
удовлетворяют условию у 3 < х 3. Кроме того, при выполнении вычислений можно за
метить, что
Р { х 3 + У3Z 4} = О, если х 3 + у 3 < 4,
Р{х3 - у3 > 4} = 0, если дг3—у 3 < 4.
В противном случае эти вероятности равны 1.
Хотя приведенная таблица и свидетельствует о том, что сущ ествую т альтерн а
тивные оптимумы д л я х 3 = 1, 3, 4, 5, 6 , 7 и 8 , оптим альны й (последний) столбец
содержит лиш ь наименьш ие оптим альны е зн ачен ия у 3. Это объясняется тем,
что инвестор не собирается инвестировать больше того, что необходимо для
достиж ения поставленной цели.
Этап 2.
Этап 1.
ші Щ Шг X
ІІІІР в N- N.
сГ со о со
щ +о +Ó
jjl
щ я ш * оII X II
II ішіі ш со о
£ о" о* X
щШ У к X
г- N- N^
о" со о" со о"
Ж И + сГ + 3 + со
ШЁ о
lllll щш II II X (1
ІІ їїж со о со о со о
5со* о V о < о* X
* X
N- N-__ N. N..
o" о ” о ' о '
+ со + со + «о + со
о —о т—о т—о
I. < II у II X 11
co о со о со о со о
o о X о о X
* X < X
N- N- N. N.
o о“ о" o'
+ СО + со + + со +
т- О" T—о т—о т—о ▼“
X II <к * II < II X II
II СО о co о со о ГО о со Т"
СП
is О X o X о X о X o’ X
X X X X
h- N.. N- N.
o о~ о" о
+ <0 + со + +
T—о“ т—о" т—г— т—
X II X II X II X II
II co. о со_ о со Г- со V
& o" X о“ X о" X о* X
X X X X
N- N.. N. N.
o' о о о”
+ со + + +
T—о" т—т— т— т—
X II X II X и X II
II co о со. т- со г- со
0,ЗР{Хз + уз > 4} + 0,7Р{Хз - уз > 4}
2, o” X о" X о" X о* X
X X X X
N- N- N.. N-
o о о~ о
+ + + + і
4— т— т— т— т— т—
X и X II X II X II
ї co. т - со т- со со чіГ
N-
£ o' X о’ X сГ X о“ X О*
X X X X +
N. N .. rw
o Ó о* о* Ss
СМ +
Таблица 15.1
+ +
т- ч- + + V)
4- ч- т-
*»
X II X II X II X II
ii co со со со (Q чіГ
СО
СП
o X о X о X о" X 7 o '
>§
£ X О ł- <N co Tt
Литература 605
Таблица 15.3
0,3f2(xi + yi) + 0,7f2(xi - уі) Оптимум
Xl у, = 0 Уі = 1 уі = 2 fi у,
2 0 , 3 x 0,3 + 0 , 7 x 0,3 = 0,3 0,3 x 0,51 + 0 , 7 x 0,09 = 0,216 0,3 x 1 + 0 , 7 x 0 = 0,3 0,3 0
УПРАЖНЕНИЯ 15.3
1. В примере 15.3.1 этап 1 решения задачи показывает, что существует два аль
тернативных оптимума: у г = 0 и y i = 2. Покажите, что применение стратегии
у 1= 2 (т.е. инвестировать все деньги в начале первого года) не изменяет резуль
тата инвестиционной политики на протяжении трех лет, а именно, соответст
вующая максимальная вероятность достижения цели сохраняется равной 0,3.
2. Решите задачу из примера 15.3.1, если целью инвестора является максими
зация вероятности достижения по меньшей мере суммы в 6 0 00 долл. к кон
цу третьего года. Инвестор имеет в своем распоряжении 1000 долл., и веро
ятность удвоения суммы на протяжении каждого года равна 0 , 6 .
3. Вы и ваш друг хотите сыграть в казино в следующую игру. Вы делаете опреде
ленную ставку, и каждый из вас независимо подбрасывает симметричную мо
нету. За каждый доллар суммы ставки казино заплатит три доллара (что дает
чистую прибыль в 2 долл.), если в результате подбрасывания выпадут две реш
ки. Иначе вы теряете сумму ставки. Если вы с другом имеете в сумме один дол
лар, определите стратегию игры, считая, что целью является максимизация
вероятности окончания трех игр с суммой в 4 долл.
ЛИТЕРАТУРА
1. B ertsekas D . Dynamic Programming: Deterministic and Stochastic Models, P ren
tice Hall, Upper Saddle R iver, N. J ., 1987.
2. Cooper L . and Cooper M . Introduction to Dynamic Programming, Pergamon Press,
New York, 1981.
3. Sm ith D . Dynamic Programming: A Practical Introduction, Ellis Horwood, Lon
don, 1991.
КОМПЛЕКСНАЯ ЗАДАЧА
15.1. Компания использует грузовые автомобили для доставки заказов покупате
лям и планирует заменить свои автомобили на прРяжении последующих
пяти лет. Годовые затраты, связанные с использованием нового грузовика,
являю тся нормально распределенной случайной величиной с математиче
ским ожиданием 300 долл. и среднеквадратическим отклонением 50 долл.
М атематическое ожидание и среднеквадратическое отклонение годовых
эксплуатационных затрат через год возрастают на 10 %. Стоимость нового
грузового автомобиля в настоящее время равна 20 000 долл. и через год воз
растет, как ожидается, на 12 % . Грузовые автомобили используются чрез
вычайно интенсивно, поэтому существует вероятность того, что каж ды й из
них может окончательно сломаться в любое время. Можно сдать старый ав
томобиль при покупке нового. При этом стоимость старого автомобиля за
висит от того, находится ли он в рабочем состоянии. В начале шестого года
автомобиль подлежит продаже по цене, которая такж е зависит от его со
стояния (аварийное или рабочее). Приведенная ниже таблица содержит
данные, описывающие ситуацию в зависимости от возраста автомобиля.
ВЕРОЯТНОСТНЫЕ МОДЕЛИ
УПРАВЛЕНИЯ ЗАПАСАМИ
В главе 11 изложены основы теории управления запасами в условиях определенно
сти1. В этой главе рассматриваются вероятностные модели управления запасами,
в которых значение спроса является случайной величиной с известным распределением
вероятностей. Рассмотренные модели подразделяются на модели с непрерывным и на
модели с периодическим контролем уровня запаса. При этом класс моделей с периоди
ческим контролем включает как одноэтапные, так и многоэтапные модели.
О /.
№
N ( 0, 1)
Площадь = о
Пример 16.1.1
В примере 11.2.1, где речь ш ла об управлении запасом неоновых ламп в универ
ситетском городке, был определен экономичный размер заказа в 1000 ламп. Тре
буется определить размер резервного запаса таким образом, чтобы вероятность
истощения запаса не превыш ала а = 0,05 при условии, что дневной спрос яв л яет
ся нормально распределенной случайной величиной с математическим ож идани
ем D = 100 ламп и среднеквадратическим отклонением о = 10 ламп, т.е. имеет
распределение N( 1 0 0 , 1 0 ).
Как следует из примера 11.2.1, эффективное время выполнения заказа L равно
2 дня. Следовательно,
Ці = DL= 100 х 2 = 200 единиц,
единиц.
Из таблицы стандартного нормального распределения (прилож ение В) опреде
ляем Ко к = 1,645. Следовательно, размер резервного запаса вы числяется сле
дующим образом.
В > 14,14 х 1,645 = 23 лампы.
При экономичном размере заказа у* = 1000 единиц оптимальная политика управ
ления запасами с объемом резерва В состоит в заказе 1000 ламп, как только объем
запаса уменьшается до 223 единиц (= В + juL= 23 + 2 х 100).
610 Глава 16. Вероятностные модели управления запасами
У П Р А Ж Н Е Н И Я 16.1.1
к
Так как в модели предполагается, что р пропорционально лиш ь объему дефици
та, ожидаемые потери, связанные с неудовлетворенным спросом, за один цикл рав
ны pS. Поскольку единица времени содержит D / y циклов, то ожидаемые потери,
обусловленные дефицитом, составляютp D S / y за единицу времени.
Результирую щ ая функция общих потерь за единицу времени TCU имеет сле
дующий вид.
Следовательно, имеем
(1)
(2)
Так как из уравнений (1) и (2) у* и R* нельзя определить в явном виде, для их по-
иска используется численный алгоритм, предложенный Хедли и Уайтин (Hadley,
W hitin) [1]. Доказано, что алгоритм сходится за конечное число итераций при ус
ловии, что допустимое решение существует.
При R = 0 последние два уравнения соответственно дают следующее.
У= —
Пример 16.1.2
Электротехническая компания использует в производственном процессе канифоль
в количестве 1000 галлонов в месяц. Размещение заказа на новую поставку канифоли об
ходится фирме в 100 долл. Стоимость хранения одного галлона канифоли на протя
жении одного месяца равна 2 долл., а удельные потери от ее дефицита — 1 0 долл. за
один галлон. Статистические данные свидетельствуют о том, что спрос в период по
ставки является случайной величиной, равномерно распределенной от 0 до 10 0 гал
лонов. Надо определить оптимальную политику управления запасами для компании.
Используя принятые в модели обозначения, имеем следующее.
D = 1000 галлонов в месяц,
К= 10 0 долл. за размещение заказа,
/( = 2 долл. за один галлон в месяц,
р= 10 долл. за один галлон,
f t x ) = 1 /1 0 0 , 0 < х < 100,
М{х) = 50 галлонов.
Сначала необходимо проверить, существует ли допустимое решение задачи. Ис
пользуя уравнения для V и у , получаем следующее.
. 10 x 1000
у = ---------- ==5000
5000 галлонов.
галлонов.
2
(3)
Л, = 100 — . (4)
50
Теперь используем уравнения (3) и (4), чтобы найти решение.
Итерация 1.
И терация 2.
R2
S = —!— R, + 50 = 0,19971 галлонов.
200
И терац ия 3.
D2
S = —— R?+50 = 0,20399 галлонов.
200
В С D j K
1 Continuous Review Model
2 Input data:
3 Demand rate, D = 1000
4 SetuD cost, К = 100
Unit holding cost, h 2
6 I Unit penaity cost, р 10
7 'Uniform limits(a, b)= 0 | 1М
ITolerance = 0.000001
9 Optimum solution:
10 Order quantity, y* = 319 438282
11 Reorder point, R* = 93 611234
12 Total expected cost = 826.10
13 ,iteratvie calculations:
14 Iteration і Уі Ri Si
15 0 316.227766 0.000000 0 000000
16 1 316 227766 93 675445 0.200000
17 2 319 374388 93.612512 0.204000
18 3 319.437005 93.611260 0.204080
19 4 319.438257 93 611235 0.204082
20 5 319 438282 93.611234 0.204082
УП РА Ж Н ЕН И Я 1 6 .1 .2
D<y D> у
-r— t
t ?
у Т
і у -°
t t -Время
D -у
М {C(y)} = c ( y - x ) + h j ( y - D ) f ( D ) d D + p X
j ( D- y ) f ( D) dD.
О у
Можно показать, что функция М{С{у)} является выпуклой по у и, таким образом,
имеет единственный минимум. Следовательно, вычисляя первую производную
функции М{С(у)} по у и приравнивая ее к нулю, получим
c +h j f ( D ) d D - p ~ j f ( D ) d D =О
О у
или
с + hP{D < у) + р(1 - P{D < у}) = 0.
Отсюда имеем
P{D<y} = Р-с
p +h
Правая часть последней формулы известна как критическое отношение. Значение
у определено только при условии, что критическое отношение неотрицательно, т.е.
р > с. Ситуация, когда р < с, является бессмысленной, так как это предполагает, что
стоимость закупки единицы продукции выше потери от неудовлетворенного спроса.
Ранее предполагалось, что спрос D является непрерывной случайной величи
ной. Если же D является дискретной величиной, то плотность распределения веро
ятностей f(D) определена лиш ь в дискретных точках и функция затрат вычисляет
ся в соответствии с формулой
M\C(y)} = c ( y - x ) + h'£i ( y - D ) f ( D ) + p £ ( D- y ) f ( D) .
Эти условия в данном случае являю тся достаточными, так как функция М{С(у)}
выпукла. Применение этих условий после некоторых алгебраических преобразова
ний приводит к следующим неравенствам для определения у .
Пример 16.2.1
Владелец газетного киоска должен определить количество экземпляров газеты USA
Now, которые должны быть в продаже в начале каждого дня. Он покупает экземп
ляр газеты за 30 центов, а продает за 75 центов. Продажа газеты обычно происхо
дит с 7.00 до 8.00 часов утра. Оставшиеся к концу дня экземпляры газеты повторно
выставляются для продажи по цене 5 центов за экземпляр. Сколько экземпляров
газеты должен закупить владелец каждое утро, если дневной спрос описывается
одним из следующих вероятностных распределений.
1. Нормальным распределением с математическим ожиданием 300 экземпляров
и стандартным отклонением 20 экземпляров.
2. Дискретной плотностью распределения j{D), заданной в виде следующей таблицы.
т 0,1 0 ,2 0 ,4 0 ,2 0,1
p +h 45 + 25
20
Следовательно, оптимальный объем заказа равен у —284,2 (или примерно 284) эк
земпляров.
618 Глава 16. Вероятностные модели управления запасами
УПРАЖНЕНИЯ 16.2.1
p { D - y - x) - J T h - p { D - y'}-
2. Спрос на продукцию в течение единственного периода удовлетворяется мгно
венно в начале периода. Соответствующая плотность распределения вероят
ностей является экспоненциальной со средним 10 единиц. В силу сложности
оценки стоимостных параметров объем заказа определяется таким образом,
что вероятность либо излиш ка, либо дефицита не превышает 0,1. Можно ли
удовлетворить оба условия одновременно?
3. В одноэтапной модели управления запасами стоимость закупки единицы про
дукции равна 10 долл., а стоимость ее хранения — 1 долл. Найдите допусти
мую область значений удельных потерь от неудовлетворенного спроса в опти
мальном случае, если объем заказа равен 4 единицы. Также предполагается,
что спрос удовлетворяется мгновенно в начале периода, и что плотность рас
пределения величины спроса представляется следующей таблицей.
D 0 1 2 3 4 5 6 7 8
т 0 ,0 5 0,1 0,1 0 ,2 0 ,2 5 0 ,1 5 0 ,0 5 0 ,0 5 0 ,0 5
Так как К является константой, минимум величины М{С.(у)} такж е должен дости
гаться при у , к ак показано на рис. 16.6.
s S У
Заказывать Не заказывать
Рис. 16.6. Определение оптимальной ве
личины заказа
620 Глава 16. Вероятностные модели управления запасами
Пример 16.2.2
Дневной спрос на продукцию в течение одного периода удовлетворяется мгно
венно в начале периода. Спрос является случайной величиной, равномерно
распределенной от 0 до 10 единиц. Стоимость хранения единицы продукции на
протяж ении периода равна 0 ,5 0 долл., а ш траф за деф ицит единицы продук-
16.2. Одноэтапные модели 621
ZZ£ = M Z M = 0,8.
p +h 4,5 + 0,5
Так как
то S = у' = 8 .
Ожидаемое значение функции затрат определяется следующим образом.
V | ^ 1
У П Р А Ж Н Е Н И Я 1 6 .2 .2
+ ] [ r y , + a r ( D - y i) - p { D ~ y i)]f(D)dD +
у.
+a\F{y-D)f(D)dD),
0
где x и у представляют собой уровни запаса на каждом этапе до и после получения
заказа соответственно.
Оптимальное значение у можно определить из приведенного ниже необходимого
условия, которое в данном случае есть такж е достаточным, так к ак ф ункция ож и
даемой прибыли F(x) является вогнутой.
^ = - c - h ] f ( D ) d D + \ ( \ - a ) r + p ] f ( D ) d D + a f F^ ~ D'>f (D)dD=0.
dF (y - D)
Величина — 1-------определяется следующим образом. Если на начало следующего
Эу
этапа уровень запаса еще составляет @ (> 0 ) единиц, то прибыль на этом этапе воз
растает на величину с/3, так к а к объем последующего заказа уменьшается именно
на эту величину. Это означает, что
ЭF ( y - D )
Эу
Следовательно, необходимое условие принимает вид
- c - h j f ( D ) d D + [ ( \ - a ) r + p ] 1- \ f ( D ) d D +ac~jf(D)dD= 0.
0 \ 0 J о
’г
о р + ft + ( 1 - а ) г
УП РА Ж Н Е Н И Я 16.3
1. Рассмотрим двухэтапную вероятностную модель управления запасами, в ко
торой спрос накапливается, а заказы поступают с нулевым запаздыванием.
Спрос в каж ды й период описывается постоянной плотностью вероятности на
интервале от 0 до 10. Стоимостные параметры модели таковы:
цена продажи единицы продукции — 2 долл.,
цена покупки единицы продукции — 1 долл.,
стоимость хранения единицы продукции — 0 ,1 0 долл.,
штраф за дефицит единицы продукции — 3 долл.,
коэффициент дисконтирования — 0 , 8 .
624 Глава 16. Вероятностные модели управления запасами
ЛИТЕРАТУРА
1. Hadley G. and W hitin Т., Analysis of Inventory Systems, Prentice Hall, Upper Saddle
R iver, N. J ., 1963. (Русский перевод: Хедли Д ж ., Уайтин Т. Анализ систем
управления запасами. — М.: Наука, 1969.)
2. Silver Е. and Peterson R. Decision Systems for Inventory Management and Produc
tion Planning, 2nd ed., Wiley, New York, 1985.
3. Tersine R. Principles of Inventory and Materials Management, N orth Holland,
New York, 1982.
КОМПЛЕКСНЫЕ ЗАДАЧИ
16.1. 2 Телефонная компания управляет телефонными центрами, которые пре
доставляют услуги клиентам по месту жительства в своих регионах. Суще
ствует более 60 моделей телефонных аппаратов, которые предлагаются
2 Этот пример взят из работы Cohen R. and Dunford F. “Forecasting for Inventory Control: An
Example of When “Sim ple” Means “Better”, Interfaces, Vol. 16, No. 6, pp. 9 5 -9 9 , 1986.
Комплексные задачи 625
Установленные аппараты 0 1 2 3 4
Частота 189 89 20 4 1
3 Этот пример взят из работы H olt A . “M ulti-Item Inventory Control for F luctuating Reor
der Intervals”, Interfaces, Vol. 16, N o. 3, pp. 6 0 -6 7 , 1986.
626 Глава 16. Вероятностные модели управления запасами
2,3 10 8 1
2,6 4 6 0
0,4 1 4 2
2,0 8 6 2
1,2 7 0 2
1,4 0 10 1
1,7 1 2 0
1,3 0 5 2
1,1 9 4 3
1,8 4 6 2
1,6 2 0 0
0,5 5 3 1
2,1 10 7 2
2,3 4 12 4
2,4 8 9 3
2,1 10 8 5
2,2 9 13 2
1,8 12 8 4
0,7 6 4 2
2,1 5 4 0
Проверка по критерию согласия для всех приведенных данных (см. главу 12)
показывает, что распределение коэффициентов спроса (объем заказа, делен
ный на длину цикла) для трех наименований продукции является распреде
лением Вейбулла /(г), плотность вероятности которого задается формулой
г> О,
СИСТЕМЫ МАССОВОГО
ОБСЛУЖИВАНИЯ
Ожидание того или иного вида обслуживания является частью нашей повсе
дневной жизни. Мы ожидаем, чтобы пообедать в ресторане, мы стоим в очереди
к кассам в продовольственных магазинах и выстраиваемся в очередь в почтовых
отделениях. Однако феномен ож идания характерен не только для людей: детали,
поставленные в очередь для обработке на станке; группа пассажирских самолетов,
ожидающих разрешения на посадку в аэропорту; автомобили, движение которых
приостановлено сигналом светофора на пути их следования и т.п. К сожалению,
феномен ожидания нельзя исключить без чрезмерных расходов. И лиш ь на одно
мы можем надеяться — на возможность сокращения времени нежелательного
ожидания в очереди до некоторых терпимых пределов.
Пример 17.1.1
Посетители ресторана быстрого питания жалуются на медленное обслуживание.
В настоящее время в ресторане работают три кассира. Управляющий поручил консал
тинговой фирме провести расследование жалобы. В результате была обнаружена сле
дующая зависимость между числом кассиров и временем ожидания обслуживания.
Число кассиров 1 2 3 4 5 6 7
Среднее время ожидания (мин.) 16,2 10,3 6,9 4,8 2,9 1,9 1,3
Уровень обслуживания
Рис. 17.1. С т оим ост ная м одель сист ем ы обслуж ивания
УП Р А Ж Н Е Н И Я 17.1
Число кассиров 1 2 3 4 5 6 7
Простой (%) 0 8 12 18 29 36 42
У П Р А Ж Н Е Н И Я 17.2
Следовательно,
Пример 17.3.1
При обслуживании сложного агрегата всегда существует запасной блок для немед
ленной замены в случае поломки. Время выхода из строя агрегата (или его запасно
го блока) является случайной величиной, распределенной по экспоненциальному
закону, и в среднем происходит каж ды е 40 минут. Оператор, обслуживающий аг
регат, утверждает, что агрегат “ имеет привычку” выходить из строя каж ды й вечер
около 20:30. Проанализируем утверждение оператора.
Средняя интенсивность отказов агрегата равна Я = 60/40 = 1,5 отказа в час. Следо
вательно, плотность экспоненциального распределения времени отказа имеет вид
Л 0 = 1,5е’1А, / > 0.
Что касается заявления оператора, то и без вычислений видно, что оно не может соот
ветствовать действительности, так как не согласуется с тем, что время между отказа
ми агрегата распределено по экспоненциальному закону и, следовательно, является
случайным. Д ля подтверждения или опровержения заявления оператора нельзя ис
пользовать вероятность того, что отказ будет происходить в 20:30, так как вероят
ность такого события зависит от времени дня (относительно 20:30), когда зта вероят
ность вычисляется. Например, если вычисления выполняются в 20:20, то вероятность
того, что утверждение оператора окажется справедливым зтим вечером, равна
УПРАЖНЕНИЯ 17.3
1. Объясните связь между интенсивностью поступления заявок на обслужива
ние Я и средним временем между последовательными их поступлениями.
В каки х единицах измеряется каж д ая из этих величин?
2. В каждом из следующих случаев определите среднюю интенсивность (в час)
поступлений заявок на обслуживание Я и среднее время между их последова
тельными поступлениями.
a) Каж ды е 10 минут происходит одно поступление.
b) Каж ды е 6 минут происходит два поступления.
c) Число поступлений за 30 минут равно 10.
d) Средний интервал между последовательными поступлениями равен 0,5 часа.
17.3. Экспоненциальное распределение в системах массового обслуживания 635
-, и = 0, 1, 2 ,...
и!
В данном случае мы получили дискретную плотность вероятности распределения
Пуассона с математическим ожиданием М{п 11} = At поступлений за время t. Дис
персия распределения Пуассона такж е равна At.
Полученный результат означает, что всякий раз, когда временные интервалы
между моментами последовательных поступлений заявок распределены по экпо-
ненциальному закону с математическим ожиданием 1/Я, число поступлений зая
вок в интервале, равном t единиц времени, характеризуется распределением Пуас
сона с математическим ожиданием At. Верным является и обратное утверждение.
Соответствие между экспоненциальным распределением (с интенсивностью по
ступлений Я) и распределением Пуассона показано в следующей таблице.
Экспоненциальное Распределение
распределение Пуассона
Функция распределения
II
IA
5
Pn(7)
Вероятность, что не произойдет ни P{t > А] = е“* Ро(А) = е " *
одного события в течение времени А
Пример 17.4.1
В небольшом ш тате каж ды е 12 минут рождается ребенок. Время между рождения
ми распределено по экспоненциальному закону. Требуется определить следующее.
17.4. Модели рождения и гибели. 639
УП РА Ж Н ЕН И Я 17.4.1
Ls = 5,00000
Ws =
A 6 С щ рщ m l D -m b l .
M/M/c/GD/N/K Queueing Model
2 Input Data (to enter an infinite value, type i or infinity):
3 5і 0
4 C “ op
5 Sy . Llm.. N= infinity! Source limit. К “ I Infinity
6 Output Results (Pur* Birth Model):
■7
infinit
Ls = L La =
9 Ws =| W q=|
10 n Pn CPn 1-CPn
11 0 0 0067379470 0 0067379470 0 9932620530
1„ 1 0 0336897350 0 0404276820 0 9595723180
V 2 0 0842243375 01246520195 0 8753479805
14 3 01403738958 0 2650259153 0 7349740847
14 4 01754673698 0 4404932851 0.5595067149
11 5 01754673698 0 6159606548 0 3840393452
17 6 01462228081 0 7621834630 0.2378165370
7 01044448630 0 8666283259 0.1333716741
8 0 0652780393 0 9319063653 0 0680936347
9 0 0362655774 0 9681719427 0 0318280573
10 0 0181327887 0 9863047314 0 0136952686
11 0 0082421767 0 9945469081 0 0054530919
Ł. 12 0 0034342403 0 9979811484 0 0020188516
P N( t + h ) = p N(t)(l - //ft),
Pn(t + h ) = p n(t)(l - juh) + p n+i(t)juh, 0 < n < N ,
Pott + h ) = p a(t)( 1 )
При h —> ? получим
pH 0 = -w v (0 >
л ( 0 = _ № " (0 + № - і ( 0 ’ 0 < n < N,
р ( Л = Щ 2 ------- — , „ = 1 ,2 ,
"V ’ ( N -п)!
Ро(‘) = і ~ Т ІРЛ‘)’
/1=1
которое называется усеченным распределением Пуассона.
Пример 17.4.2
Секция цветов бакалейно-гастрономического магазина складирует 18 дюжин роз
в начале каждой недели. В среднем продается 3 дюжины роз в день (за один раз
продается дю жина роз), но действительный спрос подчиняется распределению Пу
ассона. К ак только уровень запаса снижается до 5 дюжин, делается новый заказ на
поставку 18 дюжин роз в начале следующей недели. Запасы по своей природе тако
вы, что все неиспользованные до конца недели розы приходят в негодность и лик
видируются. Требуется вычислить следующие параметры системы.
1. Вероятность размещения заказа к концу каждого дня недели.
2. Среднее количество роз, которые будут ликвидированы к концу недели.
Так к а к розы покупаются с интенсивностью // = 3 дюжины в день, то вероятность
того, что заказ будет размещен в конце дня t, равна
5 ( 3 / ) 18' " е - 3'
Рп<5(0 =Ро(0 +P\{t) + ... +Ps(l) =Ро(0 + ' =1’2’ - ’7-
7ҐІ (18-и)!
С помощью программы TORA получим следующие результаты расчетов (файл
chi 7ToraQueuesExl 7-4-2 .txt).
t (дни) 1 2 3 4 5 6 7
tf 3 6 9 12 15 18 21
0,0000 0,0088 0,1242 0,4240 0,7324 0,9083 0,9755
Среднее количество роз, которые будут ликвидированы к концу недели (I = 7), вы
числяется (с использованием программы TORA) следующим образом.
18
УП РА Ж Н Е Н И Я 1 7 .4.2
Иг Мп /*п+1
Р ис. 17.3. Д и а гр а м м а и н т е н си вн о ст ей переходов
Аналогично
( ожидаемая интенсивность 'j
= ( ^ + м„)р„-
^выходного потока в состоянии п )
Рі = Ро-
Д ля n = 1 получаем
^оРо МтРг
Подставляя сюда р, = (Д0///,)р 0 и упрощ ая полученное выражение, имеем
(проверьте!)
Рг '■ V O Ро-
Po, п = 1, 2 , ...
Пример 17.5.1
Бакалейный магазин работает с тремя кассами. Вывеска возле касс извещает поку
пателей, что в любой момент будет открыта дополнительная касса, к ак только чис
ло покупателей в любой очереди превысит 3. Это означает, что если число покупа
телей меньше четырех, то работать будет лиш ь одна касса. Если число покупателей
от четырех до шести, то будет работать две кассы. Если имеется больше шести по
купателей, будут открыты все три кассы. Покупатели подходят к кассам в соответ
ствии с распределением Пуассона с математическим ожиданием 10 человек в час.
Время обслуживания одного покупателя в кассе распределено по экспоненциаль
ному закону со средним 12 минут. Определим в установившемся режиме вероят
ность р п, что п покупателей стоят в очереди в кассу.
Из формулировки задачи имеем следующее.
Ап= Л = 10 покупателей в час, п = 0 , 1 , ...,
Следовательно,
(Ю
17.5. Общая модель системы массового обслуживания 647
Ра :
ТІ® —
- і'т ЇЇїїЬ —
-ІТ ЇЙ Ї—
^ Ш Ш 'М т Г
Значение р 0 определяется из уравнения
Ро Ро 2 + 4 + 8 + 8 + 8 + 8 + 8 | | j + 8 f | j + s f | l +••■ = 1
p J3 1 + 8
1+lf Г I і + - = 1.
Ро 31 + 8 = 1.
1-
Следовательно,р 0= 1/35.
Зная р 0, можно определить любую вероятность, имеющую отношение к задаче. Н а
пример, вероятность того, что будет работать лиш ь одна касса, вычисляется как
вероятность нахождения в системе не больше трех клиентов, т.е.
Ро + Рі + Рі + Рз= (1 + 2 + 4 + 8 )(1 /3 5 )а 0,273.
Здесь предполагается, что в бакалейном магазине будет открыта к ак минимум одна
касса, даже в том случае, когда вовсе нет покупателей.
Вероятности р п можно использовать для определения численных значений функ
циональных характеристик рассматриваемой системы. Например, среднее количе
ство неработающих касс равно
Зр 0 + 2 (р, + р 2 + р 3) + 1 (р4 + р 6 + р 6) + 0 (р7 + р 8 + ...) = 1 касса.
У П РА Ж Н Е Н И Я 17.5
и
и* = 2- + 5, /1 = 1,2,3,4.
d — дисциплина очереди,
е — максимальная емкость (конечная или бесконечная) системы (количество
клиентов в очереди плюс число клиентов, приняты х на обслуживание),
f — емкость (конечная или бесконечная) источника, генерирующего клиентов.
Ls=Y,np„,
п-1
А, = Z ( " - с)л.-
л=г+1
4 = ^ w q.
Эти соотношения справедливы при достаточно общих условиях. Параметр А
представляет собой эффективную интенсивность поступления клиентов в систему
обслуживания. Он равен (исходной) интенсивности поступления клиентов Л, когда
все прибывающие клиенты имеют возможность попасть в обслуживающую систе
му. Если же некоторые клиенты не имеют такой возможности по той причине, что
она заполнена (например, заполненная автостоянка), то Ляфф< Л. Позже мы пока
жем,’ к ак вычисляется Лэфф .
Существует такж е прямая зависимость между величинами W s и W . По опреде
лению
( Средняя продолжительность'] ( Среднее время ^ ( Среднее время
^ пребывания в системе J ^пребывания в очередиJ ^ обслуживания
Математически это записывается в следующем виде
Ws =Wq + ~.
ц
Теперь можно получить формулу, связывающую L, и Lq, умножая обе части по
следнего соотношения на Л^ и используя формулу Литтла. В результате получаем
£, = V
— •
ц
По определению разность между средним числом находящ ихся в системе кли
ентов Ls и средним числом клиентов в очереди Lq равна среднему количеству заня
ты х узлов обслуживания с . Следовательно, имеем
c =L' - L = h j * '
Ц
Поэтому коэффициент использования узлов обслуживания вычисляется как отно
шение с / с .
17.6. Специализированные системы обслуживания с пуассоновским распределением 653
Пример 17.6.1
Автостоянка для посетителей колледжа имеет всего пять мест. Автомобили прибы
вают на стоянку в соответствии с распределением Пуассона с интенсивностью
шесть автомобилей в час. Время пребывания автомобилей на стоянке является экс
поненциально распределенной случайной величиной со средним 30 мин. Посетите
ли, которые не могут найти свободного места на стоянке непосредственно по при
бытии, могут временно ожидать освобождения места на территории стоянки.
Таких мест для ожидания на стоянке имеется три. Если и стоянка, и все места для
ожидания заполнены, то прибывшие автомобили вынуждены искать другую авто
стоянку. Требуется определить следующее:
а) вероятностьр птого, что в системе находится п автомобилей,
б) эффективную интенсивность поступления автомобилей на стоянку,
в) среднее количество автомобилей на стоянке,
г) среднее время нахождения автомобиля в очереди на территории стоянки,
д) среднее количество заняты х мест на автостоянке.
Прежде всего, заметим, что место для стоянки в рассматриваемой ситуации высту
пает в роли сервиса, так что система имеет всего с = 5 средств обслуживания. М ак
симальная вместимость системы равна 5 + 3 = 8 автомобилей.
Вероятность р п может быть определена как частный случай из общей модели, рас
смотренной в разделе 17.5. Например, имеем
Лп= 6 автомобилей в час, п = 0 , 1 , 2 , .. ., 8,
5 — = 1 0 автомобилей в час, и = 6 ,7 ,8 .
V30j
Следовательно, из соотношений, полученных в разделе 17.5, вычисляем
Р„ =<
п 1 2 3 4 5 6 7 8 8
рп 0,14436 0,21654 0,21654 0,16240 0,09744 0,05847 0,03508 0,02105
654 Глава 17. Системы массового обслуживания
wq=wt - ~ .
ц
Так как
W, = - Ł - = - - 1286 = 0,53265 часа,
5,8737
ТО
УП РА Ж Н ЕН И Я 17.6.1
Предполагаем, что р < 1, тогда геометрический ряд имеет конечную сумму 1/(1 - р),
поэтому р 0 = 1 - р.
Следовательно, общая формула для р пимеет вид
Р„ = ^ -Р)Р"> п = 1 , 2 , . . . , ( р < 1 ) .
Эти значения вероятностей р п (включая вероятность р0) соответствуют геометриче
скому распределению.
656 Глава 17. Системы массового обслуживания
При выводе формулы для р п предполагалось, что р < 1. Это означает, что для
достижения системой стационарного режима функционирования необходимо, что
бы интенсивность поступления клиентов Я была строго меньше интенсивности об
служивания //. Если Я > //, геометрический ряд является расходящимся, и, следова
тельно, вероятности р п стационарного состояния не существуют. В этом случае
система обслуживания будет функционировать в нестационарном режиме, когда
длина очереди со временем неограниченно возрастает.
Среднее число находящ ихся в системе клиентов Lt как функциональная харак
теристика обслуживающей системы вычисляется по следующей формуле:
= 1 1
X ц (1 —р) ц-Л .’
r t = w. - ± = . - Р
ц ц( 1 - р ) ’
c = L , - L = р.
Пример 17.6.2
Автоматическая мойка для автомобилей имеет только один моечный бокс. Автомо
били прибывают в соответствии с распределением Пуассона со средним 4 машины
в час и могут ожидать обслуживания на стоянке рядом с автомойкой. Время мойки
автомобиля является экспоненциально распределенной случайной величиной с ма
тематическим ожиданием 10 мин. Автомобили, которые не помещаются на стоян
ке, могут ожидать на прилегающей к автомойке улице. Это значит, что практиче
ски нет ограничений на емкость системы обслуживания. Хозяин автомойки хочет
определить количество мест на стоянке для автомобилей.
Д ля рассматриваемой задачи имеем Я = 4 автомобиля в час и //= 60/10 = 6 автомо
билей в час. Так как р = Я///< 1, то система может функционировать в стационар
ном режиме.
Результаты использования программы TORA для решения рассматриваемой задачи,
представленные на рис. 17.6, получены путем введения данных в следующем поряд
ке: Я = 4, //= 6 , с = 1, емкость системы равна со и емкость источника такж е равна со.
Результаты решения показывают, что среднее количество автомашин, ожидающих
в очереди, равно Z,? = 1,33 автомашины. Мы не можем рассматривать Lq в качестве
единственного аргумента при определении искомого количества мест на стоянке,
ибо при расчете долж на учитываться максимально возможная длина очереди. На
пример, можно рассчитать количество мест на стоянке, при котором по меньшей
мере 90 % прибывших автомобилей найдет место на стоянке.
С N. СМ ОО О) см LO о о N. т— со N.
CL LO N. О) со LO N. оо оо О) О) О) О)
СО N. оо оо О) О) О) О) О) О) О) О) О)
<D О) О) О) О) О) О) О) О) О) О) О) О) О)
> О) О) О) О) О) О) О) О) О) О) О) О) О)
J9 о" <э о ' <э о" о ' <э о" о' о' о' о' о"
з
E
з
О
с
Q_
т— со т— со LO о N. со см т—
N. N. LO со см т— т— о о о о о
т— т— о о о о о о о о о о о
о о о о о о о о о о о о о
о о о о о о о о о о о о о
X2 о" о ' о" о ' о" о" о ' о" о" о' о' о ' <э
CO
О
со T f Ю CD S . со О) О т—СМсо Tf LO
см см см см CMCM
_ N. со
O (D
O CD
О CD £ со
Е
3
О
с
Q_ со см LO N. о со т—т—N. оо LO N.
со см т— N. оо О) см LO о со N. оо LO
со см со оо LO со О) О) со оо LO со см
со см О) со Tf см т— т— о о о о
со см о о о о о о о о о о
n о" о ' о" о" о" о о" о" о" о" о" о" о"
03
n
H °g .
о
Title: Example 1 7 .6 -2
II §w . о CMCO Tf LO CD К СО О) О CM
it CM°
II (1)
га га
XJ XJ
XI XI
E E
ra ra
658 Глава 17. Системы массового обслуживания
|пШ
Таким образом, необходимо s > 5 мест на стоянке.
УП Р А Ж Н Е Н И Я 17.6.2
где г,' — время, необходимое для завершения обслуживания клиента, который уже на
ходится в средстве обслуживания системы, a t2, t3, ..., tn— интервалы времени, которые
потребуются для обслуживания п - 1 клиентов, которые находятся в очереди. Вели
чина tn+1 представляет собой время обслуживания только что прибывшего клиента.
Обозначим через ш (г|п + 1) условную плотность вероятности г, где условием
служ ит наличие в обслуживающей системе п клиентов на момент прибытия нового.
Поскольку время обслуживания в системе распределено по экспоненциальному за
кону, который обладает свойством отсутствия последействия (раздел 17.3), вели
чина t[ такж е распределена по экспоненциальному закону. Следовательно, г пред
ставляет собой сумму п + 1 независимых случайных величин, каж дая из которых
подчиняется одному и тому же экспоненциальному распределению. К ак известно
из теории вероятностей, в этом случае функция ш(г| п + 1 ) будет плотностью веро
ятности гамма-распределения с параметрами ц и п + 1. Отсюда следует, что
2
Этот пункт можно пропустить без ущерба для понимания дальнейшего материала.
17.6. Специализированные системы обслуживания с пуассоновским распределением 661
4 T) = Ż w ( T i ” + l ) p . = Ё ц ^
п=0 п-0 П,] е ( 1~ р )р " =
= (1 - = ц (1 - р ) е -и(' х > 0.
п=о и!
Таким образом показано, что случайная величина г имеет экспоненциальное рас
пределение с математическим ожиданием W $= 1 /Д 1 - р).
Пример 17.6.3
В модели работы автомойки из примера 17.6.2 вполне обоснованным является
предположение о том, что обслуживание выполняется в соответствии с дисципли
ной очереди FCFS. Определим надежность использования величины W, в качестве
оценки времени ожидания в системе. Д ля этого оценим часть клиентов, время
ожидания которых превышает Ws. Используя формулу Wt = 1/Д1 - р), получаем
w;
P{x>Ws} = l - Jw(T)rfT = e"M(l' p,lr' = е_| -0,368.
0
Следовательно, при дисциплине очереди FCFS для 37 % клиентов время ожидания
превысит значение Ws. Этот процент каж ется чрезмерно большим, особенно если
учесть, что текущее значение Ws для рассматриваемой системы обслуживания также
является большим (0,5 часа). Заметим, что найденная вероятность (е 1 = 0,368) не за
висит от интенсивностей Я и // модели (М/М/1): (FCFS/co/co); это в свою очередь оз
начает, что ее величину нельзя уменьшить. Следовательно, если мы проектируем
систему на основании средней величины Ws, то следует ожидать, что для 36,8 %
клиентов время ожидания превысит среднее время ожидания в системе.
Существует две возможности улучшить ситуацию: 1) увеличить интенсивность об
служивания клиентов ц для уменьшения значения Ws до приемлемого уровня или 2)
выбрать интенсивность обслуживания клиентов таким образом, чтобы вероятность
того, что время ожидания превысит заранее определенную величину (скажем, 10 ми
нут), была меньше приемлемо малой величины (например, 10% ). Первая возмож
ность эквивалентна поиску такого значения //, что Ws <Т , а вторая — вычислению
такого значения //, что р |т > f j < а , где Т и а должны определяться пользователем.
УП Р А Ж Н Е Н И Я 17.6.3
следующий вид:
Ро(! + Р + Р + ••• + р") = 1 .
Отсюда получаем
Ра= і
Следовательно,
Р„ = п = 0, 1, ..., N .
N+\’
17.6. Специализированные системы обслуживания с пуассоновским распределением 663
( 1 - р ) ( 1 - р - ' ) ’
Пример 17.6.4
Рассмотрим ситуацию с автомойкой автомобилей из примера 17.6.2. Пусть станция
имеет четыре места для стоянки автомобилей. Если все места на стоянке заняты,
вновь прибывающие автомобили вынуждены искать другую автомойку. Хозяин
хочет определить влияние ограниченного количества мест для стоянки автомоби
лей на потери клиентов.
В обозначениях, приняты х в модели, максимальная вместимость системы равна
дг= 4 + 1 = 5. Исходными данными для программы TORA являю тся числа 4, 6 , 1, 5
и оо соответственно, а выходные данные представлены на рис. 17.7.
Так как емкость системы равняется N = 5 , доля потерянных клиентов составляет
р5= 0,04812, что при круглосуточной работе моечной станции эквивалентно потере
(Лр5) х 24 = 4 х 0,04812 х 24 = 4,62 автомобилей в день. Решение относительно уве
личения количества мест для стоянки автомобилей должно основываться на сумме
потерь автомойки.
Анализируя ситуацию с другой стороны, замечаем, что среднее время пребывания
клиента в обслуживаю щ ей системе ^ = 0,3736 (примерно 22 мин.), т.е. меньше
30 мин., как это было в примере 17.6.3, когда всем прибывающим автомобилям
разрешалось встать в очередь. Уменьшение этого показателя обслуживающей сис
темы примерно на 25 % обеспечено за счет потери около 4,8 % потенциальных
клиентов из-за ограниченного количества мест на стоянке автомобилей.
664 Глава 17. Системы массового обслуживания
Ls = 1,42256 Lq = 0,78797
Ws= 0,37362 Wq =____0,20695
УПРАЖНЕНИЯ 17.6.4
1. В примере 17.6-4 определите следующие величины.
a) Вероятность того, что прибывший автомобиль сразу же попадет в моеч
ный бокс.
b ) Среднее время ожидания клиентов до начала обслуживания.
c) Среднее количество свободных мест на стоянке автомобилей.
d) Вероятность того, что все места на стоянке автомобилей заняты.
e) Уменьшение (в процентах) среднего времени обслуживания клиентов при
уменьшении среднего времени пребывания клиента в системе примерно
до 10 мин. (Совет. Используйте метод проб и ошибок в работе с програм
мой TORA для реш ения зтого упраж нения.)
2. Рассмотрите ситуацию с автомойкой из примера 17.6.4. Определите такое
количество мест для стоянки автомобилей, при котором процент автомоби
лей, которые не могут найти место на стоянке, ограничен значением 1 %.
3. П арикмахер Иосиф обслуживает клиентов в соответствии с экспоненциаль
ным распределением со средним значением 12 мин. Иосиф очень популярен
среди клиентов, поэтому они прибывают (в соответствии с распределением
Пуассона) с интенсивностью, намного большей, чем он может обслужить
(шесть клиентов в час). На самом деле парикмахеру хотелось бы, чтобы ин
тенсивность поступления клиентов уменьшилась примерно до четырех кли
ентов в час. Поэтому он пришел к мысли ограничить количество стульев
в зале ож идания, чтобы вновь прибывающие клиенты, обнаружив, что все
стулья заняты , уходили в поисках иного обслуживания. Сколько стульев
следует Иосифу разместить в зале ожидания, чтобы реализовать свой план?
4. Конечная сборка электрических генераторов на электропредприятии проходит
в соответствии с распределением Пуассона со средним значением 10 генераторов
в час. Затем генераторы с помощью ленточного конвейера транспортируются
в отдел технического контроля для испытаний. На конвейере может находиться
17.6. Специализированные системы обслуживания с пуассоновским распределением 665
п 0 1 2 3 4 5
р„ 0,399 0,249 0,156 0,097 0,061 0,038
Следовательно,
X" X"
Ро- ~ТТ Ро ' ГРо’ п<с,
м (2 ц )(3 ц )...(и ц ) п\(і
Рп =
X" X"
r / v ' , „-с „ Ро : — Ро- п>с■
ц ( 2 ц )...( с - 1 ) ц (с ц ) " ~ с!с (і
Z - + - - < 1.
i-р
V С)
Ро-
*=о *=0 С с! c!c ł=0 \ c j (с-1 )!(с-р )
Поскольку Язфф = Л, то Lt = Lq + рг, значения для W t и W q можно найти, разделив на Я
значения L. и L .
Пример 17.6.5
В небольшом городке функционируют две службы такси. Каж дая из них располагает
двумя автомобилями, и по имеющейся информации заказы на обслуживание делятся
службами практически поровну. Это подтверждается тем фактом, что заказы в дис
петчерские отделения обеих служб поступают с одной и той же интенсивностью, рав
ной 8 вызовам в час. Среднее время выполнения одной заявки составляет 12 минут.
17.6. Специализированные системы обслуживания с пуассоновским распределением 667
УП Р А Ж Н Е Н И Я 17.6.5
3 Здесь имеется в виду, что есть одна очередь, но клиенты обслуживаются несколькими
сервисами (в данном примере сервисы — это кассы). — Прим. ред.
17.6. Специализированные системы обслуживания с пуассоновским распределением 669
1~ 7 Г\7/------ГРо. Т = 0,
( с - 1)!(с - р )
,(П = с -ц (с -р )7 '
“F i T * ™
(Совет, Преобразуйте систему обслуживания с с каналами в эквивалентную
одноканальную, для которой
P{t >Т} = P{minf( > г} = {е-»т)с =е~*т.
= + (( с - 1n.F
) ! ( с - -р -'1n
) l[—
с-p ' еЙ
<ѓД'1'J} т- °-
(Подсказка. Распределение случайной величины г представляет собой сверт
ку распределений времени ожидания в очереди Т (см. упражнение 15) и вре
мени обслуживания.)
;Ро> Oś п<с,
Рп =
где
N с-1 \
1- І *
Ż
я=Н—
П +- с!| 1 - £
Ро =
Z Ł + Ł (« - „ , )
~ 0 п\ с!
И Ч £ - ( N —с + 1) 1
■fXf /V
Можно такж е показать, что для ситуации, когда р/ с = 1, выражение для Lq имеет
следующий вид:
, р ' ( ^ - с ) ( ^ - с + 1)_ р ,
2с! Ро' с
Пример 17.6.6
Пусть в задаче, связанной с объединением служб такси, которая рассматривалась
в примере 17.6.5, известно, что объединенная служба такси не имеет финансовых
возможностей для покупки новых автомашин. Друг нового хозяина советует ин
формировать пассажиров о возможных задерж ках с прибытием заказанной авто
машины, как только список ожидающих клиентов достигает шести. Эта мера, не
сомненно, заставит новых клиентов искать обслуживания в другом месте, что
уменьшит время ожидания тех клиентов, которые уже ожидают в очереди. Необ
ходимо узнать, насколько полезным является совет друга.
672 Глава 17. Системы массового обслуживания
Ls = 4,23984 1,15421
СГ
II
Ws = 0,27481 Wq = 0,07481
УПРАЖНЕНИЯ 17.6.6
1. В примере 17.6.6 определите следующие показатели.
a) Среднее количество свободных такси.
b) Вероятность того, что клиент, вызывающий такси, будет последним из
тех, кто ставится в очередь.
c) Максимальное число ожидающих в очереди клиентов при условии, что
время ожидания не превыш ает трех минут.
17.6. Специализированные системы обслуживания с пуассоновским распределением 673
где
Таким образом,
В результате получаем
Р „ = ^ ~ , п= 0, 1, 2, ...
Пример 17.6.7
Инвестор вкладывает 1000 долл. в месяц в специальный тип облигаций фондовой
биржи. Так как инвестор должен ждать возможности хорошей “ покупки” , фактиче
ское время совершения этой покупки является случайным. Инвестор обычно держит
облигации в среднем три года, но продаст их в случайный момент времени, когда
представится такая возможность. Хотя инвестор известен как хитрый биржевой иг
рок, опыт прошлого показывает, что около 25 % облигаций теряют в цене примерно
20 % в год. Остальные 75 % облигаций повышаются в цене примерно на 12 % в год.
Оценим среднюю стоимость акций инвестора на протяжении длительного периода.
Эту ситуацию можно представить в виде модели (М/М/ж) : (GD/oo/oo), так как инве
стор не должен ждать в очереди, чтобы купить или продать облигации. Среднее
время между размещениями заказа равняется 1 месяц, что дает значение Я = 12 об
лигаций в год. Интенсивность продажи облигаций равна ju= 1/3 облигаций в год.
При указанны х значениях Я и ц получаем
Ls = р = —= 36 облигаций.
И
Средняя годовая стоимость облигаций инвестора на протяжении длительного пе
риода оценивается следующей величиной:
(0,25LSх 1000)(1 - 0,20) + (0,75Lj х 1000)( 1 + 0,12) = 37 440 долл.
УПРАЖНЕНИЯ 17.6.7
1. В примере 17.6.7 вычислите следующие показатели.
a) Вероятность того, что инвестор продаст все свои облигации.
b) Вероятность того, что инвестор будет иметь больше 10 облигаций.
c) Вероятность того, что инвестор будет иметь от 30 до 40 облигаций.
676 Глава 17. Системы массового обслуживания
о, п>К,
В этой модели трудно получить в замкнутой форме выражение для Ls или Lq, и,
следовательно, они должны вычисляться в соответствии с их определением:
Пример 17.6.8
Компания располагает цехом, насчитывающим 22 станка. Известно, что каждый
станок выходит из строя в среднем один раз в два часа. На его ремонт уходит
в среднем 12 мин. К ак время между поломками станков, так и время, необходимое
для ремонта, являю тся экспоненциально распределенными случайными величи
нами. Компания заинтересована в определении минимального числа механиков,
необходимых для обеспечения “ плавной” работы цеха.
Описанную ситуацию можно проанализировать, исследуя производительность
станков как функцию числа механиков. Такая мера производительности может
быть определена в следующем виде.
Производительность Количество станков - сломанные станки , „„
:-------------------------------------------------х 100 =
станков Количество станков
= -- хЮО.
22
Количество механиков, R 1 2 3 4
Производительность станков (%) 45,44 80,15 88,79 90,45
Рост производительности (%) — 34,71 8,64 1,66
Р и с . 1 7 .1 0 . С р а в н и т е л ь н ы е х а р а к т е р и с т и к и с и с т е м ы и з п р и м е р а 1 7 .6 .8 , п о л у ч е н н ы е с по
м о щ ь ю п р о г р а м м ы TO RA
УПРАЖНЕНИЯ 17.6.8
1. В примере 17.6.8 выполните следующее.
a) Проверьте значения величин Яэфф, которые приведены в листинге на
рис. 17.10.
b) Подсчитайте среднее число свободных механиков при R = 4.
c) Вычислите вероятность того, что все механики свободны при R = 3.
d) Вычислите вероятность того, что большинство механиков свободны при
R = 3 и R = 4.
2. В примере 17.6.8 определите и затем вычислите производительность работы
механиков при R = 1, 2, 3, 4. Используйте эту информацию вместе с показа
телем производительности станков для решения вопроса о количестве меха
ников, которых компании следует принять на работу.
17.6. Специализированные системы обслуживания с пуассоновским распределением 679
Пример 17.7.1
Пусть в задаче об автомойке из примера 17.6.2 сделано дополнительное предполо
жение, что установлено новое оборудование, поэтому время обслуживания для всех
автомобилей является постоянным и равным 10 мин. К ак новое оборудование
влияет на функционирование автомойки?
-О
4 - 1,333 автомобилей,
6) 2Ґ і - ±
6
1,333 „
Ws = ------ = 0,333 часа,
4
О. 667
IV = -------= 0,167 часа.
? 4
Интересно отметить, что, несмотря на то, что интенсивности как поступления кли
ентов, так и обслуживания в рассматриваемой модели такие же, как и в пуассонов-
ском случае из примера 17.6.2 (Л = 4 автомобиля в час и //= 1 /М{/} = 6 автомобилей
в час), среднее время ожидания в рассматриваемом случае меньше, так как время
обслуживания является постоянным, о чем свидетельствует следующая таблица.
( М І М П ) : (GD/oo/oo) ( М Ю П ) : (GD/oo/oo)
Ws (часы) 0,5 0,333
Wq (часы) 0,333 0,167
УПРАЖНЕНИЯ 17.7
1. В примере 17.7.1 вычислите процент времени, когда оборудование простаивает.
2. Реш ите задачу из примера 17.7.1, предположив, что распределение времени
обслуживания задается следующим образом.
a) Равномерное на интервале от 8 до 20 мин.
b) Нормальное с ц = 12 минут и а = 3 мин.
c) Дискретное со значениями, равными 4, 8 и 15 мин., и вероятностями 0,2,
0 ,6 и 0 ,2 соответственно.
3. Фирма устанавливает деревянные крыши в новых и старых жилых домах
в штате Арканзас. Будущие клиенты обращаются за услугами фирмы случай
ным образом с интенсивностью 9 работ за месяц (30 дней) и заносятся в очередь
в соответствии с принципом “ первым приш ел— первым обслуживаешься” .
Дома отличаются своими размерами, но есть основания утверждать, что
площади крыш равномерно распределены между 150 и 300 кв. единицами
(1 кв. единица = 100 кв. футов). Рабочая бригада за день может выполнить рабо
ты на 75 кв. единицах площади крыш и. Определите следующие показатели.
a) Среднее количество невыполненных заказов по установке крыш.
b ) Среднее время, которое клиент вынужден ждать до заверш ения уста
новки кры ш и.
682 Глава 17. Системы массового обслуживания
с) Если рабочая бригада за день сможет выполнить работы на 150 кв. едини
цах площади кры ш , как это повлияет на среднее время ожидания завер
ш ения установки крыш и?
4. Фирма Оптика изготавливает очки в соответствии с рецептами, которые полу
чает от своих клиентов. Каждый рабочий специализируется на изготовлении оп
ределенных типов очков. Фирма испытывает некоторые затруднения с изготов
лением бифокальных и трифокальных типов очков. Рабочие получают 30 заказов
на восьмичасовой рабочий день. Время изготовления очков по рецепту нормаль
но распределено с математическим ожиданием 1 2 мин. и стандартным отклоне
нием 3 мин. Затем рабочий проверяет очки, затрачивая на это от 2 до 4 мин.
С равномерным распределением соответствующего времени, после чего может
приступить к выполнению нового заказа. Определите следующие показатели.
a) Процент времени простоя рабочего.
b ) Среднее количество невыполненных заказов на изготовление бифокаль
ных и трифокальных типов очков.
c) Среднее время выполнения заказа.
5. Изделие поступает на обработку в соответствии с распределением Пуассона
с интенсивностью одно изделие в единицу времени. Обработка изделия требует
выполнения двух последовательных операций, за которыми следит один рабо
чий. Д ля выполнения первой операции используется полуавтоматический ста
нок, который выполняет свои операции точно за 28 мин. На второй операции
осуществляются незначительные изменения и регулировка, и время ее выпол
нения зависит от качества изделия после первой операции. Время выполнения
второй операции равномерно распределено на интервале от 3 до 6 мин. Так как
выполнение каждой операции требует полного внимания рабочего, нельзя на
чать обработку нового изделия на полуавтоматическом станке до тех пор, пока
не будет выполнена вторая операция для обрабатываемого изделия.
a) Определите количество изделий, ожидающих обработки на полуавтома
тическом станке.
b ) Чему равен процент времени простоя рабочего?
c) Сколько в среднем требуется времени для обработки изделия обеими
операциями?
6 . Модель (М/ D / 1 ): (GD/=o/co). Покажите, что для ситуации, когда время об
служ ивания постоянно (в этом случае D{t) = 0), формула П оллачека-
Хинчина принимает следующий вид:
' 2(1-р)*
где
СОС — средняя общая стоимость в единицу времени,
СТС — средняя стоимость обслуживания в единицу времени,
СТО — средняя стоимость ожидания в единицу времени.
Простейшим видом функций СТС и СТО являю тся линейные функции:
СТС(х) = С,*,
СТО(х) = С ^ „
где
С, — удельная стоимость на единицу х в единицу времени,
С2 — “ цена” ожидания в единицу времени на (ожидающего) клиента.
Следующие два примера иллюстрируют использование стоимостной модели.
В первом примере предполагается, что х равняется интенсивности обслуживания jj,
во втором — количеству параллельных сервисов с.
Пример 17.9.1
И здательская фирма покупает высокоскоростной копировальный аппарат для
коммерческих целей. Продавцы предложили четыре модели копировальных аппа
ратов, характеристики которых приведены в следующей таблице.
1 4 4,32 12,50
2 4 5,18 3,39
3 4 7,20 1,25
4 4 9,50 0,73
УПРАЖНЕНИЯ 17.9.1
1. В примере 17.9.1 выполните следующее.
a) Проверьте правильность вычисленных в примере значений р 2, /и3и /иА.
b ) Предположим, что за задержку выполнения заказа штрафом в сумме 80 долл.
за работу в день облагаются лиш ь те работы, которые не выполняются
к концу дня. Д ля какой модели копировального аппарата общая стои
мость в день будет самой низкой?
2. М еханическая мастерская нанимает механика для обслуживания парка из
10 станков. Рассматриваются две кандидатуры. Первый кандидат может вы
полнять ремонтные работы с интенсивностью 5 станков в час, и ему надо платить
686 Глава 17. Системы массового обслуживания
Пример 17.9.2
На инструментальный склад, где работают несколько служащих, поступают заявки
на замену режущего инструмента в соответствии с распределением Пуассона со средним
значением 17,5 заявки в час. Каждый служащий может выполнить в среднем 10 заявок
в час. Стоимость найма нового служащего на склад составляет 12 долл. в час. Потери,
связанные с ожиданием станка, оцениваются примерно в 50 долл. в час. Необходимо
определить число работников для рассматриваемой системы обслуживания.
Описанная ситуация соответствует модели (М/М/с), в которой требуется опреде
лить оптимальное значение с. Следовательно, х = с, и соответствующая стоимост
ная модель имеет вид
СОС(с-) = С,с + C2L,(c) =12 с + 50Ls(c).
Заметим, что L,(c) является функцией количества служащ их на складе.
688 Глава 17. Системы массового обслуживания
2 7,467 397,35
3 2,217 142,35
4 1,842 140,10
5 1,769 148,45
6 1,754 159,70
УПРАЖНЕНИЯ 17.9.2
1. Решите задачу из примера 17.9.2, предполагая, что С1= 20 долл. и С2 = 45 долл.
2. К омпания владеет насосной станцией трубопровода, агрегаты которой ра
ботают в непрерывном режиме. Время между последовательными выхода
ми из строя каждого из агрегатов экспоненциально распределено со сред
ним значением 20 часов. Время ремонта любого агрегата такж е имеет
экспоненциальное распределение со средним значением 10 часов. На стан
ции имеются 1 0 агрегатов, которые обслуживаются двумя механиками по
ремонту. Заработная плата каждого из них составляет 18 долл. в час. Поте
ри, связанны е с выходом из строя одного агрегата, оцениваю тся в 30 долл.
в час. К омпания изучает возможность п рин яти я на работу еще одного ме
ханика по ремонту агрегатов.
a) Будет ли какая-либо экономия, если принять на работу еще одного меха
ника по ремонту агрегатов?
b ) Чему равны потери, связанные с выходом из строя одного агрегата, когда
работают два механика? А если работают три механика?
3. Компания арендует для служебных целей автоматическую телефонную ли
нию по цене 1500 долл. в месяц. Сотрудники аппарата компании используют
телефонную линию в рабочее время, что в сумме составляет 200 часов в ме
сяц. Остальное время телефонная линия используется для других целей
и для компании является недоступной. В течение рабочего дня арендуемой
телефонной линией пользуются 10 0 сотрудников компании, каждому из ко
торых она может понадобиться в любое время, но в среднем 2 раза на про
тяж ении восьмичасового рабочего дня с экспоненциальным распределени
ем времени между звонками. Служащ ий компании во всех случаях ждет
освобождения телефонной линии, если она занята, при этом испытываемое
им неудобство оценивается в 1 цент за минуту ож идания. Предполагается,
что во время ожидания служащим освобождения линии не возникает по
требности в других звонках. Обычная стоимость минуты разговора (без ис
пользования арендованной телефонной линии) составляет в среднем 50 центов,
17.9. Модели принятия решений в теории массового обслуживания 689
Пример 17.9.3
Допустим, что в примере 17.9.2 необходимо определить такое количество служа
щих на складе, чтобы среднее время ожидания инструмента было меньше 5 мин.
Одновременно требуется, чтобы процент времени, в течение которого персонал
мастерской остается свободным, не превышал 20 % .
Заметим, что и без вычислений очевидным является тот ф акт, что уровень пред
почтительности в 5 мин. для времени ож идания инструмента (т.е. здесь H's <5)
является недостижимым, так как из данных задачи следует, что среднее время об
17.9. Модели принятия решений в теории массового обслуживания 691
С 2 3 4 5 6 7 8
Ws (минуты) 25,6 7,6 6,3 6,1 6,0 6,0 6,0
Х(%) 12,5 41,7 56,3 65,0 70,8 75,0 78,0
УПРАЖНЕНИЯ 17.9.3
LX c ' ) - k { c + ^ ) ^ ^ L s {c - \ ) - L s { c ) .
ЛИТЕРАТУРА
1. Hall R. Queueing Methods for Service and Manufacturing, P rentice Hall, Upper
Saddle R iver, N. J ., 1991.
2. L ipsky L. Queueing Theory, A Linear Algebraic Approach, M acm illan, New
Y ork, 1992.
3. M orse P. Queues, Inventories, and Maintenance, W iley, New York, 1958.
4. P arzen E. Stochastic Processes, Holden-Day, San Francisco, 1962.
5. S aaty T . Elements of Queueing Theory with Applications, Dover, New York, 1983.
6. Tijm s H.C. Stochastic Models — An Algorithmic Approach, W iley, New York, 1994.
КОМПЛЕКСНЫЕ ЗАДАЧИ
17.1. 5 Б анк в своей деятельности использует традиционную линию , где клиен
ты обслуживаю тся, не выходя из автомаш ины , и две “ автоматические”
линии, которые соединены с внутренней частью банка пневматическим
контейнером. Б ан к хотел бы расш ирить сущ ествующие средства обслу
ж и ван ия, чтобы прибываю щий на автомаш ине клиент смог завершить
свое дело в банке в среднем не более чем за 4 минуты. Это ограничение по
времени было основано на психологических исследованиях, которые по
казы ваю т, что нетерпение клиентов проявляется на основе движ ения ми
нутной стрелки часов между двумя метками, что для большинства часов,
установленных в банках, соответствует пяти минутам. Д ля сбора необхо
димой информации группа специалистов по исследованию операций изу
чила действия кассиров, которые работают в банке. После некоторого оз
наком ления с работой системы один из членов группы отметил заметное
отличие времени, которое тратит клиент в линии обслуж ивания, и време
ни, когда кассир выполняет необходимые банковские операции. Действи
тельно время, которое автомобиль проводит в системе, состоит из 1 ) осоз
н ания, что впереди стоящ ий автомобиль уехал, 2 ) движ ения к окну
кассира, 3) передачи кассиру необходимых указан ий , 4) необходимых
действий кассира и 5) выхода из системы. На протяж ении первой, второй
0 30
1 90
2 99
3 102
4 120
5 100
6 60
7 47
8 30
9 20
10 12
11 10
12 4
0 < ł < 10 61
10 < f < 20 34
20 < ł < ЗО 15
ЗО < ł < 40 5
40 < ł < 50 8
50 < ł < 60 4
60 < ł < 70 4
70 < ł < 80 3
80 < ł < 90 2
2/10 6 6 9 6 8 8 7 7
29/10 9 8 5 9 5 5 6 8
4/11 6 6 5 7 7 8 6 5
1/12 9 5 9 7 5 7 5 5
19/1 6 5 8 5 9 8 8 6
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
Имитационное моделирование является мощным инструментом исследования
поведения реальных систем. Методы имитационного моделирования позволяют со
брать необходимую информацию о поведении системы путем создания ее компью
теризованной модели. Эта информация используется затем для проектирования
системы. Имитационное моделирование не решает оптимизационных задач, а ско
рее представляет собой технику оценки значений функциональных характеристик
моделируемой системы.
Современное имитационное моделирование применяется в основном для иссле
дования ситуаций и систем, которые можно описать как системы массового обслу
живания. Это не ограничивает применение имитационного моделирования, по
скольку на практике любую ситуацию исследования операций или принятия
решений можно в той или иной мере рассматривать как систему массового обслу
живания. По этой причине методы имитационного моделирования находят широ
кое применение в задачах, возникающих в процессе создания систем массового об
служивания, систем связи; в экономических и коммерческих задачах, включая
оценки поведения потребителя, определение цен, экономическое прогнозирование
деятельности фирм; в социальных и социально-психометрических задачах; в зада
чах анализа военных стратегий и тактик.
Предшественником современного имитационного моделирования считается ме
тод Монте-Карло, основная идея которого состоит в использовании выборки слу
чайных чисел для получения вероятностных или детерминированных оценок ка
ких-либо величин. Основное различие между современными методами имитации
и методом Монте-Карло заключается в том, что в последнем время не является обя
зательным фактором, а получаемые оценки “ статичны” . Метод Монте-Карло при
меняется для вычисления площадей фигур, ограниченных кривыми, или, в более
общем случае, вычисления кратных интегралов; вычисления констант (например
к, равной 3,14159...); обращения матриц и т.п.
Имитация является случайным экспериментом, поэтому любой результат, по
лученный путем имитационного моделирования, подвержен экспериментальным
ошибкам и, следовательно, как в любом статистическом эксперименте, должен ос
новываться на результатах соответствующих статистических проверок. Это важное
замечание мы подчеркиваем на протяжении всей главы.
698 Глава 18. Имитационное моделирование
Пример 18.1.1
Используем метод Монте-Карло для оценки площади круга, уравнение окружности
которого имеет вид
(х - I )2 + (у - 2 )2 = 25.
Круг имеет радиус г = 5 см, и его центр находится в точке (х, у) = (1, 2).
Процедура оценки площади требует заключения круга в описанный около него
квадрат, сторона которого равна диаметру круга (рис. 18.1). Вершины квадрата оп
ределяются непосредственно из геометрических свойств фигуры.
(-4, 7) (6, 7)
Оценка площади круга основана на предположении, что все точки квадрата равно
вероятны. Предположим, что выборка состоит из наблюдений п точек квадрата, и т
из них попали внутрь круга или на окружность. Тогда
/(>-)
кп = —
10 , - Ъ < у < 1 .
В табл. 18.1 приведен небольшой список случайны х чисел из интервала [0, 1].
Эти числа сгенерированы с использованием специальны х методов, которые опи
саны в разделе 18.4.
Таблица 18.1
0,0589 0,3529 0,5869 0,3455 0,7900 0,6307
0,6733 0,3646 0,1281 0,4871 0,7698 0,2346
0,4799 0,7676 0,2867 0,8111 0,2871 0,4220
0,9486 0,8931 0,8216 0,8912 0,9534 0,6991
0,6139 0,3919 0,8261 0,4291 0,1394 0,9745
0,5933 0,7876 0,3866 0,2302 0,9025 0,3428
0,9341 0,5199 0,7125 0,5954 0,1605 0,6037
0,1782 0,6358 0,2108 0,5423 0,3567 0,2569
0,3473 0,7472 0,3575 0,4208 0,3070 0,0546
0,5644 0,8954 0,2926 0,6975 0,5513 0,0305
Пусть Rl wR2 — различные случайные числа из интервала [0, 1]. Тогда координаты
(.V, у) точек квадрата можно выразить через эти случайные числа:
х = -4 + [6 - (-4)]/?, = - 4 + 10Rv
у = -3 + [7 - (-3)]Л 2 = - 3 + 10Л2.
Используя приведенные формулы, мы можем сгенерировать равномерно распреде
ленную случайную точку (х, у) квадрата для каждой пары случайных чисел (RltR2).
Сгенерированная точка (х, у) попадает внутрь круга, если
( * - 1 )2 + Су- 2)2< 25.
Например, если /?, = 0,0589 и R2 = 0,6733, то
х = -4 + ЮЛ, = -4 + 10 х 0,0589 = -3,411,
у = - 3 + 10R2 = -3 + 10 х 0,6733 = 3,733.
Так как величина (-3 .411 - I )2 + (3.733 - 2 )2 = 22,46 меньше 25, следовательно,
точка (х, у) попадает внутрь круга.
Исследуем теперь влияние случайной выборки на точность оценки площади круга.
Точность оценки можно повысить, увеличив объем одной выборки и/и ли повторив
эксперименты (прогоны) на разных выборках (но одинакового размера).
Хотя вычисление отдельных выборочных значений относительно просто, создание
выборки достаточно большого объема требует больших вычислений. Шаблон Excel
ch l 8 Circle.xls создан для выполнения вычислений рассматриваемого примера
(рис. 18.2). Входными данными для вычислений являются радиус круга (ячейка С5),
координаты центра круга (ячейки С6 и С7), размер выборки (ячейка С4) и количество
прогонов (ячейка СЗ). В ячейку Е4 вводится число имитаций (т.е. количество полных
повторений экспериментов с тем же количеством прогонов). Например, если объем вы
борки п равен 30 000 и число имитаций равно 3, то шаблон автоматически вычислит
результаты для выборок объема 30 000, 60 000 (2 имитации) и 90 000 (3 имитации).
700 Глава 18. Имитационное моделирование
На рис. 18.2 показаны оценки площади круга д л я объема выборки 30 000, количе
ства выборок 5 и числа имитаций 3. Точная площ адь круга равна 78,54 см2, мето
дом Монте-Карло получили оценки от А = 78,533 до А = 78,490 см2. Отметим, что
стандартное отклонение изменяется от значения s = 0,308 при п = 30 000 до
s = 0,191 при п = 90 000. Это говорит о том, что точность оценки повы ш ается при
увеличении объема выборки.
Если в шаблоне щ елкнуть на командной кнопке Press to Execute Monte Carlo
(Выполнить метод М онте-Карло), то будут получены новые оценки путем повтор
ных вычислений с новой последовательностью случайны х чисел.
Ввиду того, что оценки площади имеют разброс, важ но, чтобы результаты экспе
римента, связанного с моделированием, были выраж ены в виде доверительных ин
тервалов, показываю щ их величину отклонения от точного значения. В рассматри
ваемом примере, если А представляет собой точное значение площ ади, а А и s2 —
среднее и дисперсию при числе экспериментов N, то 100(1 -а )% -н ы й доверитель
ный интервал для А задается в виде
УПРАЖНЕНИЯ 18.1
1. В условиях примера 18.1.1 вычислите площадь круга, используя из
табл. 18.1 два первых столбца в качестве источника случайных чисел из ин
тервала [0, 1]. (Для удобства выбирайте из первого столбца, a R2 — из вто
рого, двигаясь при этом сверху вниз.) Сравните полученный результат с ре
зультатами вычислений в Excel, показанны ми на рис. 18.2.
2. Пусть уравнение окружности имеет вид (л: - 3)"! + (у + 2)2 = 16.
a) Найдите соответствующие плотности вероятностей f(x) и f(y). Покажите,
как с помощью пары случайных чисел (Rt, R2) из интервала [0, 1] можно
получить выборочную точку (дг, у).
b) С помощью шаблона Excel c h l 8 Circle.xls оцените площадь круга при
п = 100 000 и N = 10. Постройте 95% -ны й доверительный интервал для
оценки площади круга.
3. Примените метод Монте-Карло для вычисления площади озера, показанного
на рис. 18.3. Д ля получения значений случайных чисел из интервала [0, 1]
используйте два первых столбца табл. 18.1.
Мили
Рис. 18.3. П л а н озера д л я у п р а ж н ен и я 3
УПРАЖНЕНИЯ 18.2
1. Распределите по категориям приведенные ниже ситуации с точки зрения их
принадлежности к дискретному или непрерывному типу (они такж е могут
быть комбинацией обоих типов). В каждом случае укаж ите цель создания
имитационной модели.
a) Заказы на деталь поступают на склад случайным образом. Заказ, который
не может быть выполнен сразу из наличного запаса, должен ожидать при
бытия новых поставок.
b) На численность населения земного шара влияет наличие полезных иско
паемых, производство пищ и, экологические условия, уровни образова
ния, здравоохранения и капитальные вложения.
c) Товары прибывают на приемную платформу автоматизированного склада
на поддонах. Поддоны погружаются на нижний ленточный конвейер
и поднимаются лифтом на верхний конвейер, который перемещает их
к коридорам. Коридоры обслуживаются кранами, которые снимают под
доны с конвейера и помещают их в складские бункеры.
2. Объясните, почему вы согласны (или не согласны) со следующим утвержде
нием: “ Большинство моделей дискретного моделирования в той или иной
704 Глава 18. Имитационное моделирование
Пример 18.3.1
Металлообрабатывающий цех получает два вида работ: обычную и срочную. Все
работы выполняются последовательно на двух обрабатывающих центрах с обшир
ными буферными зонами. Считается, что срочные работы всегда имеют приоритет
перед обычными. Охарактеризуем события в описанной ситуации.
Рассматриваемая ситуация состоит из двух сдвоенных очередей, соответствующих
двум обрабатывающим центрам. На первый взгляд, можно согласиться со следую
щим определением событий в описанной ситуации.
А Н : обычная работа поступает в центр 1;
А21: срочная работа поступает в центр 1;
Д11: обычная работа уходит из центра 1;
Д21: срочная работа уходит из центра 1;
А12: обычная работа поступает в центр 2;
А22: срочная работа поступает в центр 2;
Д 1 2 : обычная работа уходит из центра 2 ;
Д22: срочная работа уходит из центра 2.
В действительности мы точно имеем лиш ь два события: прибытие (новой) работы
в цех и выход (выполненной) работы из цеха. Заметим сначала, что события Д11
и А12 совпадают и являю тся неразличимыми. Это же замечание применимо к со
бытиям Д21 и А22. Далее в дискретной имитационной модели мы можем использовать
18.3. Элементы дискретного моделирования 705
одно событие (прибытие или уход) для обоих типов работ, просто приписывая собы
тию “ ярлы к” , атрибут которого указывает тип работы. (В данном случае можно рас
сматривать в качестве атрибута персональный идентификационный номер работы.)
Принимая эту аргументацию, приходим к выводу, что события в модели сводятся
к 1) поступлению А (в цех) и 2) уходу Д (из каждого центра). Действия, связанные
с уходом, будут зависеть от обрабатывающего центра, на котором это происходит.
Определив основные события имитационной модели, покажем теперь, как модель
функционирует. На рис. 18.4 дано схематическое представление типичных место
нахождений событий на шкале времени имитации. После выполнения всех дейст
вий, связанных с текущим событием, имитационная модель “ перепрыгивает” к дру
гому событию, которое непосредственно за ним следует. По сути, имитация
возникает в те моменты, когда происходят события.
УПРАЖНЕНИЯ 18.3.1
1. Опишите дискретные события, необходимые для моделирования следующей
ситуации. Два вида работ поступают из двух различных источников. Все ра
боты выполняются на единственной машине, причем преимущество имеют
работы, поступающие из первого источника.
2. Работы поступают с постоянной скоростью на карусельный конвейер. Три
станции обслуживания (серверы) расположены равномерно вокруг конвейе
ра. Если станция свободна, то работа снимается с конвейера для выполнения.
Иначе работа находится на вращающемся конвейере до тех пор, пока не ос
вободится какой-либо сервер. Выполненная работа складируется в приле
гающей зоне для отправки в другой цех. Определите дискретные события,
необходимые для моделирования этой ситуации.
3. Автомобили прибывают по двум линиям в банк, где клиенты обслуживают
ся, не выходя из машины. М аксимальная емкость каждой линии составляет
четыре машины. Если обе линии заполнены, то прибывший автомобиль уез
жает в поисках другого банка. Если в любой момент на одной из линий по мень
шей мере на два автомобиля больше, чем на другой, то последний автомобиль из
706 Глава 18. Имитационное моделирование
/, = - ^ i j l n ( l - 0 , 9 ) = 0,577 ч = 3 4 ,5 мин.
УПРАЖНЕНИЯ 18.3.2
1. Пусть в модели из примера 18.3.2 первый клиент поступает в начальный мо
мент времени 0. Используя первые три случайных числа первого столбца
табл. 18.1, сгенерируйте время прибытия следующих трех клиентов и нане
сите полученные события на временную ш калу.
2. Равномерное распределение. Пусть время, необходимое для обработки детали
на станке, равномерно распределено на интервале [а , Ь], а < Ь , т.е.
/ ( f ) = — , a<,t<b.
b-a
Найдите выражение для вычисления случайного числа t при заданном зна
чении случайного числа R.
3. В небольшой цех с одним станком заказы поступают случайным образом.
Время между поступлениями заказов распределено по экспоненциальному
закону с математическим ожиданием 2 часа. Время, необходимое для вы
полнения заказа, является случайной величиной, равномерно распределен
ной на интервале [1,1, 2], измеряемом в часах. Пусть первый заказ поступает
в момент времени, равный нулю. Определите время поступления и выполне
ния первых пяти заказов, используя случайные числа из интервала [0 , 1 ],
помещенные в первом столбце табл. 18.1.
4. Запрос на дорогую запасную деталь для пассажирского самолета равен 0, 1, 2
или 3 единицы в день с вероятностями 0,2, 0,3, 0,4 и 0,1 соответственно. Цех
технического обеспечения полетов имеет на складе 5 упомянутых деталей
и немедленно восстановит запас до этого же уровня, если их останется на
складе меньше двух единиц.
a) Разработайте процедуру получения случайных значений величины запроса.
b) Сколько дней пройдет до первого пополнения запаса деталей? Используйте
последовательные значения случайных чисел R из первого столбца табл. 18.1.
5. В имитационной модели телевизионные блоки проверяются на наличие де
фектов. В 80 % случаев блок успешно проходит проверку и упаковывается,
иначе он ремонтируется. Символически эту ситуацию можно представить
одним из двух способов.
Выполнить ремонт с вероятностью 0,2, упаковать с вероятностью 0,8.
У паковать с вероятностью 0,8, выполнить ремонт с вероятностью 0,2.
Эти два способа каж утся эквивалентными. Однако при моделировании этой
ситуации с помощью одной и той же заданной последовательности случай
ных чисел из интервала [0 , 1 ] эти представления могут дать различные ре
зультаты (в виде “выполнить ремонт” или “ упаковать” ). Объясните, почему.
6. Игрок подбрасывает симметричную монету до тех пор, пока не появится ее
лицевая сторона (герб). Результирую щ ая выплата равна 2", где п — число
подбрасываний до появления лицевой стороны монеты.
a) Разработайте имитационную модель игры.
b ) Используйте случайные числа из первого столбца табл. 18.1, чтобы опре
делить накопленное значение выплаты после того, как лицевая сторона
монеты появится два раза.
7. Треугольное распределение. В имитационном моделировании при недостатке
данны х часто невозможно определить вероятностное распределение, соот
ветствующее моделируемым ситуациям. Во многих таких случаях может
18.3. Элементы дискретного моделирования 709
, Ь<х<с.
( с - Ь) { с- а)
Ь) Получите три значения, соответствующие треугольному распределению
с параметрами (1, 3, 7), используя для этого три первых случайных числа
первого столбца табл. 18.1.
8 . Разработайте процедуру получения случайных значений, подчиняющихся
распределению, плотность вероятности которого состоит из прямоугольника,
граничащего слева и справа с двумя прямоугольными треугольниками
(вертикальными катетами этих треугольников являю тся стороны прямо
угольника). Соответствующие основания левого треугольника, прямоуголь
ника и треугольника справа равны [а, Ь], [Ь, с] и [с, d], а < b < с < d. Каждый
треугольник имеет высоту, равную высоте прямоугольника.
Определите пять случайных значений, которые соответствуют описанному
выше распределению с набором параметров (а, Ь, с, d) = (1, 2, 4, 6 ), используя
при этом пять первых случайных чисел из первого столбца табл. 18.1.
9. Геометрическое распределение. Покажите, как можно получить случайное
значение, подчиняющееся геометрическому распределению
f(x) = р ( 1 - р ) \ х = 0 , 1 , 2 , ...,
где х — число неудач в схеме Бернулли до первого появления успеха, р — веро
ятность успеха, 0 < р < 1. Сгенерируйте пять случайных значений прир = 0,6.
10. Распределение Вейбулла.' Покажите, как можно получить случайное значе
ние, подчиняющееся распределению Вейбулла, плотность вероятности кото
рого имеет вид
Отсюда получаем
і > ^ > / г р /і = о.
Проиллюстрируем описанный подход на следующем примере. Пусть необходимо
получить случайное значение, соответствующее распределению Пуассона со сред
ней частотой Л = 4 события в час, при t —0,5 часа. Это нам дает е~* = 0,1353. Ис
пользуя случайные числа первого столбца табл. 18 1, замечаем, что Л, = 0,0589
меньше е м = 0,1353. Следовательно, п = 0.
Для удобства в практических задачах п обычно выбирается равным 12, что приво
дит предыдущую формулу к виду у = ju+ djc - 6 ).
Для демонстрации этого метода предположим, что необходимо получить случайное
значение, соответствующее нормальному распределению JV(1 0 , 2 ) (математическое
ожидание ц = 10 и стандартное отклонение сг= 2). Вычисляя сумму первых 12 слу
чайных чисел из первого и второго столбцов табл. 18.1, получаем х=> 6,1094. Сле
довательно, у = 10 + 2(6,1094 - 6 ) = 10,2188.
Неудобство этой процедуры состоит в том, что необходимо генерировать 12 случай
ных чисел из интервала [0 , 1 ] для получения одного выборочного значения, соответ
ствующего рассматриваемому нормальному распределению, что делает ее малоэф
фективной с вычислительной точки зрения. В соответствии с более эффективной
процедурой решения этой же задачи необходимо использовать преобразование
х = ^ - 21п(Л,) со$(2 яЛ, )•
712 Глава 18. Имитационное моделирование
Бокс и Мюллер (Box and Muller) [1] доказали, что случайная величина х является
стандартной нормально распределенной случайной величиной, т.е. имеет распре
деление N(0, 1). Следовательно, у = //+ ах дает значение, подчиняющееся нормаль
ному распределению N(/j, о). Эта процедура является более эффективной, так как
требует генерирования всего двух случайных чисел из интервала [0 , 1 ].
В действительности данный метод (метод Бокса-М юллера) является еще более эф
фективным, так как Бокс и Мюллер доказали, что предыдущая формула дает дру
гое значение, такж е имеющее нормальное распределение 7V(0, 1 ), если cos(2 яЛ2) за
менить на sin(2я/?2). Это значит, что два случайных числа Я, и /?2 из интервала [0,1]
можно использовать для одновременного получения двух значений, соответствую
щ их нормальному распределению Л^(0 , I ) .3
В качестве иллюстрации применим метод Бокса-М юллера для нахождения значе
ний, подчиняющихся нормальному распределению N(10, 2). Два первых случай
ных числа первого столбца табл. 18.1 приводят к следующим значениям, подчи
няю щ имся нормальному распределению N(0 , 1 ):
х, = ^/-21п(0,0589) cos(2?rx 0,6733) «-1,103,
УПРАЖНЕНИЯ 18.3.34
1. В задаче примера 18.3.3 вычислите случайное значение, соответствующее
распределению Эрланга при т = 4 и X = 5.
2. В задаче примера 18.3.4 сгенерируйте три случайных значения, соответст
вующих распределению Пуассона для одночасового периода при математиче
ском ожидании 5 событий в час.
3. В задаче примера 18.3.5 сгенерируйте два случайных значения, соответст
вующих нормальному распределению N(8, 1 ), используя как метод сверток,
так и метод Бокса-М ю ллера.
4. Работы поступают в металлообрабатывающий цех в соответствии с распреде
лением Пуассона с математическим ожиданием шесть работ в день. Цех име
ет пять обрабатывающих центров, на которые контролер направляет полу
ченные работы строго по очереди. Определите одно случайное значение
интервала между получением работ на первом обрабатывающем центре.
5. Проведен стандартный тест ACT среди выпускников одного класса средней
ш колы небольшого городка. Результаты теста являю тся нормально распре
/( * ) = * = 0, 1, 2 ,...,
h(x) = х — , -оосхсоо.
\g{y)dy
5 _
В русскоязычной математической литературе этот метод иногда также называют мето
дом отказов, что больше соответствует английскому названию acceptance-rejection method.
— Прим. ред.
714 Глава 18. Имитационное моделирование
УПРАЖНЕНИЯ 18.3.4
1. В примере 18.3.6 продолжите выполнение процедуры метода отбора до полу
чения следующего приемлемого случайного значения.
2. Рассмотрим плотность вероятности бета-распределения из примера 18.3.6.
Определите двухступенчатую “ пирамидальную” мажорирующую функцию
g(x) с двумя равными скачками величины 0,75. Получите случайное значе
ние, соответствующее бета-распределению, с использованием новой мажори
рующей функции и тех же случайных чисел из интервала [0 , 1 ] (табл. 18.1),
которые использовались в примере 18.3.6. Вывод, который можно здесь сде
лать, сводится к тому, что использование более точной мажорирующей
функции повышает вероятность принятия полученного значения как иско
мого. Заметьте, однако, что объем вычислений, связанных с использованием
новой функции, увеличился.
716 Глава 18. Имитационное моделирование
/ 2(') = тЬ 18</<22.
Rn = —, « = 1,2, ...
т
18.4. Генерирование случайных чисел 717
Пример 18.4.1
Используя м ультипликативны й метод сравнений, сгенерируем три случайных чис
ла при следующих начальны х данных: 6 = 9, с = 5, и0 = 11 и т = 12.
и, = ( 9 x l l + 5 ) m o d l 2 = 8, Л, = = 0 , 66 6 7 ,
и2 = ( 9 x 8 + 5 ) m o d l 2 = 5, R2 = ~ ^ = 0 , 4 1 6 7 ,
щ = ( 9 x 5 + 5 ) m o d l 2 = 4, R3 = - ^ = 0 , 3 3 3 3 .
* E x c e l обладает н е с к о л ь к и м и в с т р о е н н ы м и с р е д с т в а м и ге н е р и р о в а н и я с л у ч а й н ы х ч и с е л .
Т а к , ф у н к ц и я С Л Ч И С ге н е р и р у е т р а в н о м е р н о р а сп р е д е л е н н ы е н а и н те р в а л е [0 , 1 ] ч и с л а ,
ср е д с т во Генерация случайных чисел и з н а д с т р о й к и Пакет анализа п о зв о л я е т ге н е р и р о в а ть
с л у ч а й н ы е ч и с л а , и м е ю щ и е р а з л и ч н ы е в е р о я т н о с т н ы е р а сп р е д е л е н и я , в т о м ч и с л е р а в н о
м е р н о е , н о р м а л ь н о е , П у а с с о н а . — П р и м . ред.
718 Глава 18. Имитационное моделирование
УПРАЖНЕНИЯ 18.4
Время Т Событие
13,37 Уход клиента 1
42,48 Приход клиента 2
Уход клиента 1 в момент Т = 13.37. Так как очередь пуста, средство обслужива
ния становится свободным. В то ж е время фиксируем, что система была занята от
момента времени Т = 0 до Т = 13,37. Имеем следующий скорректированный пере
чень будущих событий (в данном случае имеется только одно событие).
Время Т Событие
Время Т Событие
Время Т Событие
57,22 Уход клиента 2
60,81 Приход клиента 4
Уход клиента 2 в момент Т = 57,22. Клиент 3 покидает очередь для начала об
служ ивания. Время его ожидания в очереди равно
W 3= 57,22 - 43,22 = 3,73 мин.
Время ухода (время окончания обслуживания) третьего клиента:
Т = 57,22 + (10 + 5 x 0 , 5 9 3 3 ) = 70,19 мин.
Список будущих событий принимает следующий вид.
Время Т Событие
60,81 Приход клиента 4
70,19 Уход клиента 3
Время Т Событие
Время Т Событие
Время Т Событие
81,08 Уход клиента 4
Время Т Событие
92,82 Уход клиента 5
Из рис. 18.8 видно, что площадь под кривой длины очереди в действительности рав
на сумме времен ожидания трех клиентов, которые формировали очередь. Поэтому
W, + W 2 + W 3 + W 4 + W b= 0 + 0 + 3,73 + 9,38 + 19,25 = 32,36 мин.
722 Глава 18. Имитационное моделирование
Длина очереди
Занятость системы
-? і- Ч «— Чг —►
(*— Ь — Ча -Н*- #5 -Н
УПРАЖНЕНИЯ 18.5.1
1. Предположим, что в парикмахерской, о которой шла речь в разделе 18.5.1,
работают два парикмахера, и клиенты обслуживаются согласно принципу
“ первым приш ел — первым обслуживаеш ься” . Предположим такж е, что
время стриж ки является случайной величиной, равномерно распределенной
на интервале от 15 до 30 мин.; время между приходом клиентов распределе
но по экспоненциальному закону с математическим ожиданием 10 мин. Смо
делируйте вручную работу системы на протяжении 75 единиц времени. Из
полученных результатов имитации определите среднее время ож идания к л и
ента, среднее число ожидаю щ их клиентов и среднюю занятость парикмахе
ров. Используйте случайные числа из табл. 18.1.
2. Классифицируйте следующие переменные к ак зависящ ие либо от количества
событий, либо от времени.
a) Время отказа электронного прибора.
b ) Объем запаса некоторого изделия.
c) Объем заказа на некоторый товар, внесенный в инвентарную опись.
d) Количество бракованных изделий в партии.
e) Время, необходимое для оценки результатов теста.
f) Количество автомобилей на стоянке агентства по прокату автомобилей.
3. Следующая таблица представляет изменение числа ожидающ их в очереди
клиентов в зависимости от времени имитации.
18.5. Механика дискретной имитации 723
0< Г<3 0
3 < Г<4 1
4 < Т< 6 2
6< Г<7 1
7 < Т< 10 0
1 0 < Т< 12 2
12 < Т < 18 3
18 < Т <20 2
20 < Г < 2 5 1
0 < Т< 10 0
10 < Г < 2 0 1
20 < Г < 3 0 2
30 < Г < 3 5 1
35 < Г < 4 0 0
40 < Г < 6 0 1
60 < Г <70 2
70 < Т< 75 3
75 < Г < 8 0 2
80 < Г <90 1
E F G H J J К L М
Simulation of a S ingle-S erver Q ueueing Model
Nbr of arrivals = «M axim um 500 Simulation Calculations
E n ter x in column A to s e le c t interarrival Nbr InterArvlTirrServiceTime ArrvlTime DepartTime Wq Ws
C on stan t = 1 5 53 10.63 0 00 10.63 0.00 10.63
* Exponential: 0.07 2 14 32 10 35 5.53 21.10 5 30 15.66
Uniform: a = 3 25 67 12.66 10.65 33.65 1 34 14 00
Triangular 3 = 4 1 63 12 11 45 72 57 63 0.00 12 11
E n ter x in column A to s e le c t serv ice 5 4 16 12.54 47.35 70 37 10 46 23.02
C on stan t = 6 6.01 12 66 51.53 63.23 16 64 31 70
Exponential: 7 4 64 12.06 56 43 05.30 24.70 36 67
Uniform: В 22 12 10.16 63 27 105 46 32.03 42 21
Triangular 9 1 66 13 16 65.30 116.67 20 00 33 26
O utput Summary 10 20 41 14.96 67.25 133.65 31.42 46 40
4 v. facility utilization = 0 02 11 6 47 13.41 107 66 147 06 25.00 39.40
І 5~j Percent idleness (%) = 7.02 12 10.62 14 12 114.13 161 17 32.03 47 04
16 . /laximum queue length= 3 13 11.50 12.32 124.05 173.50 36.22 46 54
17 |Av. queue length, Lq = 13 14 43 67 14.67 136 45 166 16 37.04 51.71
18 |Av. nbr in system. Ls = 2 05 : 15 1561 13.62 160.32 201 76 7.64 21.46
19 queue time, Wq = 15.33 16 10.15 1346 106.13 215.25 5.65 10 11
20 A« system time, Ws = •57 67 17 15.23 13.06 206.26 220 21 6.06 22 03
21 Sum(ServiceTime) = 250 75 1B 16 56 10.66 221.51 240 00 7.70 16 56
'22 Sum(Wq) = 306 63 10 21 65 11.07 240.10 252.06 0 00 11 07
23 SumfWsj =_________ 557 3B 20 13.62 10.56 261.75 272.31 0 00 10 56
Из формулы видно, что клиент не может быть обслужен, пока сервис не освобо
дится. И так, из формулы и рис. 18.9 видно, что
время ухода клиента 3 = тах{18,89, 26,41} -I-14,86 = 41,25.
Теперь обратим внимание на то, к ак формируются статистические данные мо
дели. Сначала заметим, что для клиента і время ожидания в очереди W?(i) и время
пребывания в системе Ws(i) вы числяется по таким формулам:
время ухода ' время прихода^ ("время обслуживания']
W(i)-
кл и ен та/ . кл и ен та/ клиента/
УПРАЖНЕНИЯ 18.5.2
1. Используя исходные данные из раздела 18.5.1, выполните в Excel имитацию
1 0 поступлений клиентов и постройте график изменения использования сер
виса и длины очереди к ак функцию от времени имитации. Проверьте, что
площади под соответствующими кривыми равны сумме времени обслужива
ния и сумме времени ожидания.
2. Имитируйте модель типа М / М/ 1 для 500 поступлений при условии, что интен
сивность поступлений X равна 4 клиентам в час и интенсивность обслуживания
ц составляет 6 клиентов в час. Повторите имитацию 5 раз (обновив значения на
рабочем листе нажатием клавиши <F9>) и определите 95% -ные доверитель
ные интервалы для всех полученных оценок показателей работы модели.
3. Комплектующие для телевизоров поступают по конвейеру каж ды е 11,5 мин.
для проверки на испытательном стенде, обслуживаемом одним оператором.
Д етальная информация по работе испытательного стенда недоступна. Тем не
менее, по оценке оператора, он тратит “ в среднем” 9,5 мин. на проверку од
ной детали. В наихудшем случае время проверки не превышает 15 мин., а
для некоторых комплектую щ их время проверки составляет менее 9 мин.
a) Используйте шаблон Excel для имитации проверки 200 комплектующих
для телевизоров.
b ) Н а основе 5 имитаций оцените среднее число комплектующ их, ожидаю
щ их проверки, и среднее время использования испытательного стенда.
__ ____
Время имитации
Пример 18.6.1
На рис. 18.11 показано изменение длины очереди в системе обслуживания с одним
сервисом (модель простой очереди) к ак функции времени. Период имитации со
ставляет Т = 35 часов, а длина переходного периода оценивается в 5 часов. Необхо
димо получить 5 наблюдений, т.е. п = 5. Соответствующая длина интервала
времени для каждой группы равна (35 - 5)/5 = 6 часов.
Длина
очереди Q
Переходный
период ( Группа 1 ( Группа 2 , Группа 3 Группа 4 Группа 5 (
Л4=6_ Г ]
- ,---------- r J Ц
_J Л 5= 1 5 ~ Ц
1 1 1 1 1 1 1 1 1 1 I 1 I 1 1 1 і , !" | , , 1 і 1 1 і і ---1---L.-.L Л . .J I
5 10 15 20 25 30 35
Время имитации
Пусть Q' представляет среднюю длину очереди в группе Так как длина очереди
является переменной, зависящей от времени, то
в , = — , і= 1, 2 ,..., 5
t
где А,- — площадь под кривой длины очереди, t — длина интервала времени для
группы. В рассматриваемом примере t = 6 часов.
18.6. Методы сбора статистических данных 729
Наблюдение / 1 2 3 4 5
А 14 10 11 6 15
2,33 1,67 1,83 1,00 2.5
а
Выборочное среднее = 1,87 Выборочная дисперсия = 0,35
Ź O * . - 1 )2
--------------------------.
п-\
Эта формула является лиш ь приближением точного значения дисперсии, так как
не учитывает эффекта автокорреляции между последовательными группами. Точ
ную формулу можно найти в работе [2 ].
п
где
па (п-\)(па -а,) . , Л
У' ~ Т rib-bt ’
ь , ь ,
J— , Ь = ±
п п
В этом случае доверительный интервал для математического ожидания можно
найти с помощью выборочного среднего у и стандартного отклонения величин у:.
Пример 18.6.2
На рис. 18.13 показано число занятых обслуживающих устройств в одноканальной сис
теме обслуживания с тремя параллельными обслуживающими устройствами. Длина
периода имитации — 35 единиц времени, а длина переходного периода — 4 единицы
времени. Требуется оценить среднее значение использования сервисов методом циклов.
После отбрасывания переходного периода получаем четыре цикла, общей характе
ристикой начала каждого из которых является незанятость всех трех обслужи
вающих устройств. Результаты вычислений приведены в следующей таблице.
18.6. Методы сбора статистических данных 731
Занятость Переходный
оборудования / период
1 1 1 1 і І i I 1 і і 1 ! i I 1 1 Г" і , , Г~1 і , , г Н , . 1 , і
Время имитации
Цикл / а, Ьі
1 12 9
2 6 5
3 10 10
4 6 7
a = 8,5 b = 7 ,7 5
А В Г С D E
1 Regenerative (Cycles) Method
л Input Data Output Results
3 'No. Batches I 'd К Uf a ПО
4 •I bi
4Г
5 12 9 1.3870968 8 5000
6 6 6 1 1563275 7 7500
10 10 0.9585253 Average yi J 1.0973
6 7 0 8870968 Std Dev уі =| 0 2243
'э
0-100 10, 2 0 ,1 3 ,1 4 ,8 ,1 5 , 6 ,8
100-200 12, 3 0 ,1 0 ,1 4 ,1 6
200 - 300 1 5 ,1 7 ,2 0 , 22
300 - 400 10, 20, 3 0 ,1 5 , 25, 31
400 - 500 1 5 ,1 7 , 20, 14, 13
500 - 600 25, 30, 15
УП Р А Ж Н Е Н И Я 18.77
1. К л и ен т ы сл у ч а й н ы м о б р а зо м п р и бы в аю т н а п о ч т о в о е о т д е л е н и е , в котором
р аботаю т тр и с л у ж а щ и х . В р ем я м е ж д у и х п р и х о д а м и я в л я ет ся сл у ч а й н о й
в е л и ч и н о й , р а с п р е д е л е н н о й по эк с п о н е н ц и а л ь н о м у з а к о н у с м а т ем а ти ч еск и м
о ж и д а н и е м 5 м и н . В р е м я , за т р а ч и в а ем о е с л у ж а щ и м н а о б с л у ж и в а н и е к л и
е н т а , и м еет э к с п о н е н ц и а л ь н о е р а с п р е д е л ен и е с м а т е м а т и ч ес к и м о ж и д а н и е м
10 м и н . В се п р и бы в а ю щ и е к л и ен ты ф о р м и р у ю т е д и н у ю о ч ер ед ь и ож и д а ю т
п ервого о св ободи в ш его ся с л у ж а щ ег о . И сп о л ь зу й те и м и т а ц и о н н у ю м о д ел ь сис
тем ы д л я и ссл едов а н и я ее работы на п р о т я ж е н и и 4 8 0 м и н ., чтобы оп р едел и ть
a) с р ед н ее ч и сл о к л и е н т о в , о ж и д а ю щ и х в о ч ер ед и ;
b) ср ед н ю ю за н я т о с т ь с л у ж а щ и х .
2 . Т ел ев и зи о н н ы е б л о к и п р и б ы в а ю т д л я п р о в ер к и н а л е н т о ч н ы й к о н в ей ер с п о
с т о я н н о й ск о р о ст ь ю п я т ь е д и н и ц в ч а с. В р ем я п р о в е р к и б л о к а я в л я ет ся с л у
ч а й н о й в е л и ч и н о й , р а в н о м ер н о р а с п р е д ел е н н о й м е ж д у 1 0 и 1 5 м и н . П р ед ы
д у щ и й оп ы т п о к а зы в а е т , что 2 0 % п р о в е р е н н ы х б л о к о в д о л ж н ы бы ть
о т р егу л и р о в а н ы и о т п р а в л ен ы на п о в т о р н у ю п р о в ер к у . В р ем я р егу л и р о в к и
т а к ж е я в л я е т с я сл у ч а й н о й в е л и ч и н о й , р а в н о м ер н о р а с п р е д е л е н н о й м е ж д у 6
и 8 м и н . И с п о л ь зу й т е и м и т а ц и о н н у ю м о д е л ь си с т ем ы д л я и с сл е д о в а н и я ее
работы н а п р о т я ж е н и и 4 8 0 м и н ., чтобы вы ч и сл и ть
a ) с р е д н е е в р ем я , н е о б х о д и м о е д л я п р о в ер к и о д н о г о б л о к а ;
b) с р ед н ее к о л и ч ес т в о п о в т о р н ы х п р о в ер о к , к о т о р ы е д о л ж е н п р о й т и т ел ев и
зи о н н ы й б л о к п е р е д в ы х о д о м и з си ст ем ы .
3. М ы ш ь н а х о д и т с я в л а б и р и н т е и о т ч а я н н о п ы т а ет ся и з н ег о вы б р а т ь ся . П р о
в ед я в п о п ы т к а х вы бр ать ся от 1 д о 3 м и н . с р а в н о м ер н ы м р а сп р ед е л е н и е м ,
в 3 0 % сл у ч а ев о н а н а х о д и т в ы х о д и з л а б и р и н т а . В с л у ч а е н е у д а ч и о н а бр оди т
б е с ц е л ь н о от 2 д о 3 м и н . с р а в н о м ер н ы м р а сп р е д е л е н и ем и , в к о н ц е к он ц ов ,
о ст а н а в л и в а ет ся в м е с т е , о т к у д а о н а н а ч и н а л а , н о л и ш ь д л я т о го , чтобы п о
пр обов ать ещ е р а з. М ы ш ь м о ж е т п ы тать ся вы бр ать ся н а с в о б о д у ст о л ь к о раз,
с к о л ь к о о н а х о ч е т , н о в с е м у есть п р е д е л . И ст р а т и в м н о г о эн е р г и и н а м н о го
числ енн ы е попы тки вы браться на свободу, м ы ш ь н еп р ем ен н о ум р ет, если не ус
пеет вы браться за п ер и од вр ем ен и , и м ею щ и й н ор м ал ьное распр едел ение с м ате
м ат и ч еск и м о ж и д а н и е м 1 0 м и н . и стан дар тн ы м о т к л о н ен и ем 2 м и н . П остройте
и м и т а ц и о н н у ю м о д ел ь д л я о ц ен к и в ер оя тн ости т о го , что м ы ш ь освободи тся .
С этой цел ью п р ед п о л о ж и т е, что в м одел и буд ет и сп ол ьзован о 1 0 0 м ы ш ей.
4 . Н а ф и н а л ь н о й ст ад и и сбор к и автом обил ь д в и ж е т с я по к о н в ей ер у м е ж д у двум я
п ар ал л ел ь н ы м и р абоч и м и м ест а м и , чтобы м о ж н о бы л о в ы п ол н я ть работы как
с л е в о й , так и с п р а в о й ст о р о н ы о д н о в р е м е н н о . В р е м я в ы п о л н ен и я работ
с к а ж д о й стор оны я в л я ет ся р авн ом ер но р а сп р ед ел ен н о й сл у ч а й н о й вел ич иной
с и н т ер в а л о м и зм е н е н и я от 1 5 д о 2 0 м и н . и о т 1 8 д о 2 2 м и н . со о т в ет ств ен н о .
ЛИТЕРАТУРА
1. B o x G . an d M u lle r М . “A N o te o n th e G e n e r a tio n o f R a n d o m N o r m a l D e v ia t e s ” , A n
n a ls o f M a t h e m a t i c a l S t a t i s t i c s , V o l. 2 9 , p p .6 1 0 - 6 1 1 , 1 9 5 8 .
2 . L aw A . an d K e lto n W . S i m u l a t i o n M o d e l i n g & A n a l y s i s , 3 rd e d ., M c G r a w -H ill, N e w
Y o rk , 2 0 0 0 .
3 . R o s s S . A C o u r s e o f S i m u l a t i o n , M a c m illa n , N e w Y o r k , 1 9 9 0 .
4. R u b e n s te in R ., M ela m ed B . a n d S h a p ir o A . M o d e r n S i m u l a t i o n a n d M o d e l i n g ,
W ile y , N e w Y o r k , 1 9 9 8 .
5. T ah a A . S i m u l a t i o n M o d e l i n g a n d S I M N E T , P r e n tic e H a ll, U p p e r S a d d le R iv e r ,
N .J ., 1988.
МАРКОВСКИЕ ПРОЦЕССЫ
ПРИНЯТИЯ РЕШЕНИЙ
В эт о й гл ав е р а ссм о т р е н о п р и м е н е н и е м е т о д о в д и н а м и ч е с к о г о п р о г р а м м и р о в а
н и я д л я р е ш е н и я с т о х а с т и ч е с к и х за д а ч , гд е п р о ц е с с п р и н я т и я р е ш ен и й м о ж н о
п р едстави ть к он еч н ы м ч и сл о м со с т о я н и й . П е р е х о д н ы е в е р о я т н о с т и м е ж д у с о с т о я
н и я м и о п и сы в а ю т м а р к о в с к у ю ц е п ь 1. С тр у к т у р а в о з н а г р а ж д е н и й в п о д о б н о м п р о
ц ессе п р ед ст а в и м а в в и д е м а т р и ц ы , эл е м е н т а м и к о т о р о й я в л я ю т с я в ел и ч и н ы д о х о
д а (и л и за т р а т ы ), в о з н и к а ю щ и е п р и п е р е х о д е и з о д н о г о с о с т о я н и я в д р у г о е .
М атрица п е р е х о д н ы х в е р о я т н о ст е й и м а т р и ц а д о х о д о в за в и с я т от а л ь т ер н а т и в р е
ш ен и я , к о т о р ы м и р а сп о л а г а ет л и ц о , п р и н и м а ю щ ее р е ш е н и е . Ц ел ь ю за д а ч и я в л я
ется ф о р м и р о в а н и е о п т и м а л ь н о й ст р а т е г и и , м а к с и м и зи р у ю щ е й о ж и д а е м ы й д о х о д
от п р о ц есса , и м е ю щ е г о к о н е ч н о е и л и б е с к о н е ч н о е ч и с л о эт а п о в .
1 2 3
П е р е х о д н ы е в е р о я т н о ст и в м а т р и ц е Р' п о к а зы в а ю т , ч т о п р о д у к т и в н о ст ь почвы
в т ек у щ е м г о д у н е л у ч ш е , ч ем в п р е д ы д у щ е м . Н а п р и м е р , ес л и с о с т о я н и е почвы
в т е к у щ е м г о д у у д о в л ет в о р и т е л ь н о е (с о с т о я н и е 2 ), т о в с л е д у ю щ е м г о д у о н о м о ж ет
о с т а т ь ся у д о в л ет в о р и т ел ь н ы м с в е р о я т н о с т ь ю 0 ,5 и л и ста ть п л о х и м (с о с т о я н и е 3)
с т ой ж е в ер о я т н о сть ю .
В р езу л ь т а т е р а зл и ч н ы х а г р о т е х н и ч е с к и х м е р о п р и я т и й с а д о в н и к м о ж е т и зм е
н и т ь п е р е х о д н ы е в ер о я т н о с т и Р1 . О бы ч н о д л я п о в ы ш ен и я п р о д у к т и в н о с т и почвы
п р и м е н я ю т с я у д о б р е н и я . Э ти м ер о п р и я т и я п р и в о д я т к н о в о й м а т р и ц е п ер е х о д н ы х
вер оятн остей Р2 .
1 2 3
1 ' 0,3 0,6 0,1
Р2= 2 0,1 0,6 0,3
L/1
3 О 0,4 0,55
О
Ч т обы р а ссм о т р ет ь за д а ч у п р и н я т и я р е ш е н и й в п ер сп е к т и в е, с а д о в н и к св я зы в а
ет с п е р е х о д о м и з о д н о г о с о с т о я н и я почвы в д р у г о е ф у н к ц и ю д о х о д а (и л и ст р у к т у р у
в о з н а г р а ж д е н и я ), к о т о р а я о п р е д е л я е т п р и б ы л ь и л и у б ы т о к з а о д н о г о д и ч н ы й п ер и
од в за в и с и м о с т и от с о с т о я н и й , м е ж д у к о т о р ы м и о с у щ е ст в л я е т с я п е р е х о д . Т ак как
с а д о в н и к м о ж е т п р и н я т ь р е ш е н и е и сп о л ь зо в а т ь и л и н е и сп о л ь зо в а т ь у д о б р е н и я ,
е г о д о х о д и л и у б ы т о к б у д ет и зм е н я т ь с я в за в и с и м о с т и от п р и н я т о го р е ш е н и я . М ат
р и ц ы R 1 и R 2 о п р ед ел я ю т ф у н к ц и и д о х о д а (в с о т н я х д о л л .) и с о о т в ет ст в у ю т м а т р и
ц а м п е р е х о д н ы х в ер о я т н о с т е й Р 1 и Р 2.
R4 M I=
2 3
5 -П
R 4 о
3 -2
Э л ем ен ты Ą м атр и ц ы R 2 уч и т ы в а ю т за тр а ты , с в я за н н ы е с п р и м ен ен и ем у д о б р ен и я .
Н а п р и м ер , есл и си ст ем а н а х о д и т с я в со ст о я н и и 1 и о ст а ется в этом со с т о я н и и и в сл е
д у ю щ е м го д у , т о д о х о д состави т = 6 , е сл и ж е у д о б р е н и я не и сп о л ь зу ю т ся , г \ = 1 .
К а к а я ж е за д а ч а п р и н я т и я р е ш е н и й с т о и т п е р е д са д о в н и к о м ? С н ач ал а н е о б х о
д и м о у с т а н о в и т ь , б у д е т л и д е я т е л ь н о с т ь с а д о в н и к а п р о д о л ж а т ь с я о гр а н и ч ен н о е
ч и с л о л е т и л и б еск о н е ч н о . В с о о т в ет ст в и и с эт и м р а ссм а т р и в а ю т ся за д а ч и п р и н я т и я
р е ш ен и я с к о н еч н ы м и б е ск о н е ч н ы м ч и с л о м эт а п о в . В о б о и х с л у ч а я х , и м ея р езу л ь та
ты х и м и ч еск о го а н ал и за почвы (с о с т о я н и е си ст ем ы ), са д о в н и к д о л ж е н вы брать н а и
л у ч ш у ю ст р атеги ю п ов еден и я (у д о б р я т ь и л и н е у д о б р я т ь п оч в у). П р и этом оп ти м ал ь
н ость п р и н я т ого р еш ен и я о сн ов ы вается н а м а к с и м и за ц и и о ж и д а е м о г о д о х о д а .
С а до в н и к а м о ж е т т а к ж е и н т е р е с о в а т ь о ц е н к а о ж и д а е м о г о д о х о д а по за р а н е е о п
р е д е л е н н о й ст р а т ег и и п о в е д е н и я п р и том и л и и н о м с о с т о я н и и с и с т е м ы . Н а п р и м ер ,
о н м о ж е т п р и н я т ь р еш е н и е в с ег д а п р и м е н я т ь у д о б р е н и я , е с л и с о с т о я н и е почвы
п л о х о е (с о с т о я н и е 3 ). В т а к о м с л у ч а е го в о р я т , что п р о ц есс п р и н я т и я р е ш е н и й о п и
с ы в а ет ся с т а ц и о н а р н о й с т р а т е г и е й .
19.2. Модель динамического программирования с конечным числом этапов 739
К а ж д о й с т а ц и о н а р н о й ст р а т е г и и со о т в е т с т в у ю т св о и м а т р и ц ы п е р е х о д н ы х в е р о
я тн ост ей и д о х о д о в , к о т о р ы е м о ж н о п о ст р о и т ь н а о с н о в е м а т р и ц Р1, Р2, R1 и R2. Н а
п р и м ер , д л я с т а ц и о н а р н о й с т р а т е г и и , т р е б у ю щ е й п р и м е н е н и я у д о б р е н и я т о л ь к о
тогда, к о г д а с о с т о я н и е почвы п л о х о е (с о с т о я н и е 3 ), р е зу л ь т и р у ю щ и е м а т р и ц ы п е
р ех о д н ы х в е р о я т н о ст ей и д о х о д о в за д а ю т с я с л е д у ю щ и м и в ы р а ж е н и я м и .
'0 ,2 0,5 0,3 ' '1 6 3 '
р = 0 0,5 0,5 , R= 0 5 1
L/1
О
0,4 0,55,
О
,6 3 -2 ,
Э ти м а т р и ц ы о т л и ч а ю т с я от Р1 и R1 т о л ь к о т р е т ь е й с т р о к о й , в к л ю ч е н н о й в н и х
и з м ат р и ц Р2 и R2. П р и ч и н а эт о го в т о м , ч т о Р2 и R2 — м а т р и ц ы , со о т в е т с т в у ю щ и е
с и т у а ц и и , к о г д а у д о б р е н и я п р и м е н я ю т с я п р и л ю б о м с о с т о я н и и п оч в ы .
УПРА Ж Н Е Н И Я 19.1
1. В за д а ч е с а д о в н и к а о п р е д е л и т е м а т р и ц ы Р и R, с о о т в е т с т в у ю щ и е с т а ц и о н а р
н о й ст р а т е г и и , т р е б у ю щ ей и с п о л ь зо в а н и я у д о б р е н и й п р и у д о в л е т в о р и т е л ь
н ом и п л о х о м с о с т о я н и я х п оч в ы .
2. О п р ед ел и т е все с т а ц и о н а р н ы е ст р а т е г и и в п р и м е р е с с а д о в н и к о м .
II
г'= И 1 =
я
0
О
1 /
о
ч0
0,3 0,6 0,1 '6 5 -Г
ОЙ
II
:И =
0,05 0,4 0,55 6 3 -2 ,
З а д а ч у са д о в н и к а м о ж н о п р ед ст а в и т ь к а к з а д а ч у д и н а м и ч е с к о г о п р о г р а м м и р о
ван ия (Д П ) с к о н еч н ы м ч и с л о м эт а п о в с л е д у ю щ и м о б р а зо м . П у ст ь ч и сл о с о с т о я н и й
д л я к а ж д о г о эт а п а (г о д а ) р авн о т (3 в п р и м е р е с с а д о в н и к о м ). О бо зн а ч и м ч е р е з f n(i)
о п ти м ал ьн ы й о ж и д а е м ы й д о х о д , п о л у ч е н н ы й н а э т а п а х от п д о N в к л ю ч и т ел ь н о
пр и у с л о в и и , ч т о с и с т е м а н а х о д и т с я в н а ч а л е эт а п а п в с о с т о я н и и і.
О б р а т н о е р ек у р р е н т н о е у р а в н е н и е , с в я зы в а ю щ ее f n и f n+l, м о ж н о за п и с а т ь в в и д е
н а эт а п е п + 1 с в ер о я т н о сть ю р* . В в е д я о б о зн а ч е н и е
>1
р е к у р р ен т н о е у р а в н е н и е Д П м о ж н о за п и с а т ь с л е д у ю щ и м о б р а зо м :
/ „ ( / ) = m a x {v f},
П р ои л л ю ст р и р уем и сп о л ь зо в а н и е р ек у р р ен т н о го у р а в н ен и я д л я вы ч и сл ен и я ве
л и ч и н у,* в зад ач е садов н и к а д л я с и т у а ц и и , к о гд а уд о б р ен и я н е п р и м ен я ю т ся (k = 1).
v ,'= 0 ,2 x 7 + 0 ,5 x 6 + 0 ,3 x 3 = 5 ,3,
Vj = 0 x 0 + 0 ,5 x 5 + 0 ,5x1 = З,
V j = 0 x 0 + 0 x 0 + lx (-l) = -l.
Э ти зн а ч е н и я п о к а зы в а ю т , что е сл и с о с т о я н и е почвы в н а ч а л е г о д а о к а зы в а ет с я х о
р о ш и м (с о с т о я н и е 1 ), то п р и о д н о м п е р е х о д е о ж и д а е м ы й г о д о в о й д о х о д со ст а в л я ет
5 ,3 . А н а л о г и ч н о , есл и с о с т о я н и е п оч в ы у д о в л е т в о р и т е л ь н о е , о ж и д а е м ы й годовой
д о х о д со ст а в и т 3 , а в сл у ч а е п л о х о г о б у д е т р авен - 1 .
Пример 19.2.1
В эт о м п р и м ер е за д а ч а с а д о в н и к а р е ш а е т с я п р и д а н н ы х , з а д а н н ы х м а т р и ц а м и Р 1,
Р 2, R ' и R 2. П р ед п о л а г а е т с я , ч то г о р и зо н т п л а н и р о в а н и я в к л ю ч а ет 3 г о д а (N = 3).
Т ак к а к зн а ч е н и я v* м н о г о к р а т н о и с п о л ь зу ю т с я в в ы ч и с л е н и я х , д л я у д о б с т в а они
с в ед ен ы в т а б л и ц у . Н а п о м н и м , ч т о зн а ч е н и е к = 1 со о т в ет ст в у е т р е ш е н и ю “ н е у д о б
рять” , к = 2 — “ удобр ять” .
і і
V, у ,2
1 5,3 4,7
2 3 3,1
3 -1 0,4
Э тап 3
V* Оптимальное решение
і к= 1 к=2 ад к
1 5,3 4,7 5,3 1
2 3 3,1 3,1 2
3 -1 0,4 0,4 2
19.2. Модель динамического программирования с конечным числом этапов 741
Этап"2
Этап 1
Оптимальное
^ +р М ) +Р "гФ ) +Р М )
решение
і к= 1 к= 2 т к
1 5,3 + 0,2 x 8,19 + 0,5 x 5,61 +0,3 x 2,13 = 10,38 4,7 + 0,3 x 8,19 + 0,6 x 5,61 +0,1 х 2,13 = 10,74 10,74 2
2 3 + 0 х 8,19 + 0,5 х 5,61 + 0,5 х 2,13 = 6,87 3,1 +0,1 х 8 ,1 9 + 0,6x5,61 + 0 ,3 x 2 ,1 3 = 7,92 7,92 2
3 -1 + 0 х 8,19 + 0 х 5,61 + 1 х 2,13 = 1,13 0,4 + 0,05 х 8,19 + 0,4 х 5,61 + 0,55 х 2,13 = 4,23 2
= 4,23
З а д а ч а п р и к о н еч н о м г о р и зо н т е п л а н и р о в а н и я (р е ш е н н а я вы ш е за д а ч а с а д о в н и
ка) м о ж е т бы ть о б о б щ е н а в д в у х н а п р а в л е н и я х . В о -п е р в ы х , п е р е х о д н ы е в е р о я т н о
сти и ф у н к ц и и д о х о д а н е о б я за т е л ь н о д о л ж н ы бы ть о д и н а к о в ы д л я к а ж д о г о год а.
В о-втор ы х, м о ж н о исп ол ь зовать к о эф ф и ц и ен т п е р е о ц е н к и (д и ск о н ти р о в а н и я ) о ж и
даем ы х д о х о д о в д л я п осл ед о в ат ел ь н ы х эта п о в , всл едстви е чего зн а ч ен и я /,( /) б у д у т
п р едставл ять собой п р и в е д е н н ы е в е л и ч и н ы о ж и д а е м ы х д о х о д о в по всем эт а п ам .
В п ер в ом с л у ч а е зн а ч е н и я д о х о д о в Ą и п е р е х о д н ы е в ер о я т н о ст и />* д о л ж н ы
бы ть ф у н к ц и я м и эт а п а п. З д е с ь р е к у р р ен т н о е у р а в н е н и е д и н а м и ч е с к о г о п р о г р а м
м и р о в а н и я п р и н и м а е т ви д
/ v ( / ) = m ax{v*"v },
где
^ =2 > №
/=і
В т о р о е о б о б щ е н и е за к л ю ч а е т с я в с л е д у ю щ е м . П у ст ь а ( < 1) — го д о в о й к о э ф ф и
ц и ен т п е р е о ц е н к и (д и с к о н т и р о в а н и я ), т о г д а D д о л л а р о в б у д у щ е г о года равн ы a D
д о л л а р а м н а ст о я щ ег о г од а . П р и в в е д е н и и к о э ф ф и ц и е н т а п е р е о ц ен к и и с х о д н о е р е
к у р р ен т н о е у р а в н е н и е п р е о б р а зу е т с я в с л е д у ю щ е е :
742 Глава 19. Марковские процессы принятия решений
/ „ ( ; ) = max {v f} ,
УП Р А Ж Н Е Н И Я 19.2
1. Ф и р м а е ж е г о д н о о ц е н и в а е т п о л о ж е н и е с о сб ы т о м о д н о г о и з в и д о в с в о е й о с
н о в н о й п р о д у к ц и и и д а е т е м у у д о в л е т в о р и т е л ь н у ю (с о с т о я н и е 1 ) и л и н е
у д о в л е т в о р и т е л ь н у ю о ц е н к у (с о с т о я н и е 2 ). Н е о б х о д и м о п р и н я т ь р е ш е н и е
о ц е л е с о о б р а з н о с т и р е к л а м и р о в а н и я э т о й п р о д у к ц и и в ц е л я х р а с ш и р ен и я
е е сб ы т а . П р и в е д е н н ы е н и ж е м а т р и ц ы Р 1 и Р 2 о п р е д е л я ю т п е р е х о д н ы е в е
р о я т н о с т и п р и н а л и ч и и р е к л а м ы и б е з н е е в т е ч е н и е л ю б о г о г о д а . С о о тв ет
с т в у ю щ и е д о х о д ы за д а н ы м а т р и ц а м и R 1 и R 2. Н а й д и т е о п т и м а л ь н ы е р е ш е
ния для п осл едую щ и х трех л ет.
2 . К о м п а н и я м о ж е т п р о в ес т и р е к л а м н у ю а к ц и ю с п о м о щ ь ю о д н о г о и з т р ех
ср ед ст в м а ссо в о й и н ф о р м а ц и и : р а д и о , т е л е в и д е н и я и л и га зет ы . Н ед ел ь н ы е
затраты на р ек л ам у с пом ощ ью эт и х средств о ц ен и ваю тся в 200, 900 и 300 д о л л .
со о т в ет ст в ен н о . К о м п а н и я о ц е н и в а е т н е д е л ь н ы й о б ъ е м сб ы т а св о ей п р о д у к
ц и и п о т р е х б а л л ь н о й ш к а л е к а к у д о в л ет в о р и т е л ь н ы й (1 ), х о р о ш и й (2 ) и от
л и ч н ы й (3 ) . Н и ж е у к а за н ы п е р е х о д н ы е в е р о я т н о с т и , с о о т в е т с т в у ю щ и е к а ж
д о м у и з т р е х с р ед ст в м а с с о в о й и н ф о р м а ц и и .
Радио Телевидение Газета
1 2 3 1 2 3 1 2 3
1 0,4 0,5 0,Г 1 0,7 0,2 0,Г 1 0, 2 0,5 0,3'
2 0,1 0,7 0,2 2 0,3 0,6 0,1 2 0 0,7 0,3
3 ,0,! 0,2 0,7j 3 ,0,1 0,7 0,2j 3 , о 0,2 0,8,
С о о т в ет ст в у ю щ и е н е д е л ь н ы е д о х о д ы (в т ы с. д о л л .) р авн ы с л е д у ю щ е м у .
Радио Телевидение Газета
оО
40
О
О
700 1100,
Н а й д и т е о п т и м а л ь н у ю ст р а т е г и ю р ек л а м ы д л я п о с л е д у ю щ и х т р е х н ед ел ь .
3 . З а д а ч а у п р а в л е н и я з а п а с а м и . М а г а зи н эл ек т р о т о в а р о в в ц е л я х б ы ст р о го
у д о в л е т в о р е н и я сп р о с а п о к у п а т е л е й н а х о л о д и л ь н и к и м о ж е т р а зм е щ а т ь з а
к а зы в н а ч а л е к а ж д о г о м е с я ц а . К а ж д о е р а зм е щ е н и е за к а з а п р и в о д и т к п о
ст о я н н ы м за т р а т а м в 100 д о л л . З а т р а т ы н а х р а н е н и е о д н о г о х о л о д и л ь н и к а
в т е ч е н и е м е с я ц а равн ы 5 д о л л . П о т е р и м а г а зи н а п р и о т с у т с т в и и х о л о д и л ь
н и к о в о ц ен и в а ю т ся в 150 д о л л . з а к а ж д ы й х о л о д и л ь н и к в м е с я ц . М еся ч н ы й
сп р о с н а х о л о д и л ь н и к и за д а е т с я с л е д у ю щ и м р а с п р е д е л е н и е м в ер о я т н о с т е й .
19.3. Модель с бесконечным числом этапов 743
Спрос х 0 1 2
М а г а зи н р е а л и зу е т с л е д у ю щ у ю ст р а т еги ю : м а к си м а л ь н ы й у р о в ен ь за п а с а не
д о л ж е н п р ев ы ш ать д в у х х о л о д и л ь н и к о в в т е ч е н и е л ю б о г о м е с я ц а .
a ) О п р ед ел и т е п е р е х о д н ы е в е р о я т н о ст и п р и р а зл и ч н ы х а л ь т е р н а т и в а х р еш е
н и я эт о й за д а ч и .
b) О п р ед ел и т е о ж и д а е м ы е м е с я ч н ы е за т р а т ы н а х р а н е н и е з а п а с а к а к ф у н к
ц и ю с о с т о я н и я си с т е м ы и а л ь т ер н а т и в н ы х р е ш е н и й .
c ) О п р ед ел и т е о п т и м а л ь н у ю ст р а т е г и ю р а зм е щ е н и я за к а з о в н а п о с л е д у ю щ и е
3 м есяца.
4. В ы п о л н и т е за д а н и я п р е д ы д у щ е г о у п р а ж н е н и я , п р е д п о л а г а я , ч т о п л о т н о ст и
в ер о я т н о с т е й сп р о с а на с л е д у ю щ и й к в ар тал о п р е д е л я ю т с я з н а ч е н и я м и и з
сл едую щ ей табли цы .
Месяц
Спрос, х 1 2 3
0 0,1 0,3 0,2
1 0,4 0,5 0,4
2 0,5 0,2 0,4
Ш а г 1. В ы ч и сл я е м v’ — о ж и д а е м ы й д о х о д , п о л у ч а е м ы й з а о д и н эт а п п р и
ст р а т ег и и s д л я з а д а н н о г о с о с т о я н и я і, і = 1 , 2 , . . . , т .
Ш аг 2. В ы ч и сл я е м тс’ — д о л го с р о ч н ы е ст а ц и о н а р н ы е в е р о я т н о с т и м а т
р и ц ы п е р е х о д н ы х в е р о я т н о ст е й Р*, с о о т в ет ст в у ю щ и е ст р а т е г и и 8.
Э ти в ер о я т н о с т и (е с л и о н и с у щ ес т в у ю т ) н а х о д я т с я и з у р а в н е н и й
я’Р’ = я ’,
г д е я5 =(тс[,тс2 ,...,л:*л) .
Ш агЗ. В ы ч и сл я е м п о с л е д у ю щ е й ф о р м у л е Е ‘ о ж и д а е м ы й д о х о д з а один
ш а г (эт а п ) п р и в ы б р а н н о й ст р а т е г и и s.
Es =
1=1
Ш аг 4. О п т и м а л ь н а я ст р а т е г и я s о п р е д е л я е т с я и з у с л о в и я , что
Е 1 = ш а х | £ 5}.
П р о и л л ю с т р и р у е м эт о т м е т о д н а п р и м е р е за д а ч и с а д о в н и к а п р и б еск о н еч н о м го
р и зо н т е п л а н и р о в а н и я .
Пример 19.3.1
В за д а ч е с а д о в н и к а и м е е т с я в о сем ь с т а ц и о н а р н ы х с т р а т е г и й , п р едставл ен н ы х
в сл едую щ ей табли це.
М а т р и ц ы Р 5 и R 1 д л я с т р а т е г и й о т 3 д о 8 п о л у ч а ю т ся и з а н а л о г и ч н ы х м а т р и ц дл я
с т р а т е г и й 1 и 2. Т а к и м о б р а зо м , и м еем
[о 0 1 0 -к
19.3. Модель с бесконечным числом этапов 745
,0 0 1 ,
0 0 -і,
0 ,4 0 ,5 5 , 3 -2 ,
О
,6
Г
Р е зу л ь т а т ы в ы ч и сл ен и й зн а ч е н и й v’ п р и в ед ен ы в с л е д у ю щ е й т а б л и ц е .
v;
5 /= 1 /=2 /= 3
1 5,3 3,0 -1 ,0
2 4,7 3,1 0,4
3 4,7 3,0 -1 ,0
4 5,3 3,1 -1 ,0
5 5,3 3,0 0,4
6 4,7 3,1 -1 ,0
7 4,7 3,0 0,4
8 5,3 3,1 0,4
С та ц и он ар н ы е в ер о я т н о ст и н а х о д я т с я и з у р а в н е н и й
я’Р’ = п \
Д л я и л л ю с т р а ц и и п р и м е н е н и я э т и х у р а в н е н и й р ассм о т р и м с т р а т е г и ю 5 = 2. С оот
в ет ст в у ю щ и е у р а в н е н и я и м е ю т с л е д у ю щ и й в и д .
0,3тс, + 0 ,1 я 2 + 0,05тс3 = тс,,
(О тм етим , ч т о од н о и з п ер в ы х т р е х у р а в н ен и й и зб ы т о ч н о .) Р еш ен и ем си ст ем ы б у д ет
746 Глава 19. Марковские процессы принятия решений
В д а н н о м сл у ч а е о ж и д а е м ы й г о д о в о й д о х о д р а в ен
Р е зу л ь т а т ы в ы ч и сл ен и й ті и £* д л я в с е х с т а ц и о н а р н ы х с т р а т е г и й п р и в е д е н ы в сл е
д у ю щ е й т а б л и ц е . (О тм ет и м , ч т о х о т я к а ж д а я и з с т р а т е г и й 1, 3, 4 и 6 и м е е т п огл о
щ а ю щ е е с о с т о я н и е (с о с т о я н и е 3), эт о н и к о и м о б р а зо м не в л и я ет н а р езу л ь та т ы вы
ч и с л е н и й . П о эт о й п р и ч и н е = лг = 0 и пъ = 1 д л я в с е х эт и х с т р а т е г и й .)
5 Е®
я? *2 *3
1 0 0 1 -1 ,0
2 6/59 31/59 22/59 2,256
3 0 0 1 0,4
4 0 0 1 -1 .0
5 5/154 69/154 80/154 1,724
6 0 0 1 -1 ,0
7 5/137 62/137 70/137 1,734
8 12/135 69/135 54/135 2,216
И з э т о й т а б л и ц ы в и д н о , ч то ст р а т ег и я 2 д а е т н а и б о л ь ш и й о ж и д а е м ы й г о д о в о й д о
х о д . С л ед о в а т ел ь н о , о п т и м а л ь н а я д о л г о с р о ч н а я ст р а т ег и я т р е б у е т п р и м ен ен и я
у д о б р е н и й н е з а в и с и м о от с о с т о я н и я си с т е м ы .
У П Р А Ж Н Е Н И Я 19.3.1
1. Р е ш и т е з а д а ч у и з у п р а ж н е н и я 1 9 .2 .1 м ет о д о м п о л н о г о п е р е б о р а п р и б е с к о
н еч н о м ч и с л е эт ап о в .
2 . Р е ш и т е з а д а ч у и з у п р а ж н е н и я 1 9 .2 .2 п р и б е с к о н е ч н о м г о р и зо н т е п л а н и р о в а
н и я м ет о д о м п о л н о г о п е р е б о р а .
3 . Р е ш и т е з а д а ч у и з у п р а ж н е н и я 1 9 .2 .3 м ет о д о м п о л н о г о п ер е б о р а , п р е д п о л а
га я , ч т о г о р и зо н т п л а н и р о в а н и я б е с к о н е ч е н .
М етод и т е р а ц и й п о с т р а т е г и я м о сн о в ы в а ет ся н а с л е д у ю щ е м . К а к п о к а з а н о
в р а зд ел е 1 9 .2 , д л я л ю б о й к о н к р е т н о й с т р а т ег и и о ж и д а е м ы й с у м м а р н ы й д о х о д з а
я -й эт а п о п р е д е л я е т с я р ек у р р е н т н ы м у р а в н ен и е м
Это у р а в н е н и е и с л у ж и т о с н о в о й м е т о д а и т е р а ц и й п о ст р а т е г и я м . О д н а к о , чтобы
сдел ать в о з м о ж н ы м и з у ч е н и е а с и м п т о т и ч е с к о г о п о в е д е н и я п р о ц е с са , в и д у р а в н е
ни я н у ж н о н е м н о г о и зм е н и т ь . В о т л и ч и е о т в е л и ч и н ы га, к о т о р а я ф и г у р и р у е т
в у р а в н ен и и и со о т в е т с т в у е т re-м у э т а п у , о б о зн а ч и м ч е р е з ij ч и с л о о с т а в ш и х с я д л я
а н а л и за эт а п о в . Т о гд а р е к у р р е н т н о е у р а в н е н и е за п и с ы в а е т с я в в и д е
З д есь f n — су м м а р н ы й о ж и д а е м ы й д о х о д п р и у с л о в и и , ч т о о ст а л и сь н е р а с см о т р е н
ны м и т] эт а п о в . П р и т а к о м о п р е д е л е н и и т] м о ж н о и зу ч и т ь а с и м п т о т и ч е с к о е п о в е д е
н и е п р о ц есса , п о л а г а я п р и э т о м , ч т о т) —> оо.
О бозн ач и м ч е р е з я = (тс1,7с2,...,тст ) в ек то р у с т а н о в и в ш и х с я в е р о я т н о ст е й с о с т о я
где № — п о с т о я н н ы й ч л е н , о п и с ы в а ю щ и й а с и м п т о т и ч е с к о е п о в е д е н и е ф у н к ц и и
f ^ i ) п р и за д а н н о м с о с т о я н и и і.
Т ак к а к / , ( і ) п р е д с т а в л я е т с у м м а р н ы й о п т и м а л ь н ы й д о х о д з а т] эт а п о в п р и з а
д а н н о м с о с т о я н и и і, а Е — о ж и д а е м ы й д о х о д з а о д и н э т а п , т о и н т у и т и в н о п о н я т
н о , п о ч е м у в е л и ч и н а f n(i) р а в н а с у м м е r/Е и п о п р а в о ч н о г о ч и с л а f ( i) , у ч и т ы в а ю
щ его о п р е д е л е н н о е с о с т о я н и е і. П р и э т о м , к о н е ч н о , п р е д п о л а г а е т с я , ч т о ч и с л о ij
достаточн о в ел и к о.
Т еп ер ь р ек у р р е н т н о е у р а в н е н и е м о ж н о за п и с а т ь в с л е д у ю щ е м в и д е
цЕ + / ( / ) = V; + j r {(л - 1 )£ + /( У )} , i = 1, 2,..., т.
j =I
У п р ости в э т о у р а в н е н и е , п о л у ч а е м
И т ер а т и в н ы й п р о ц есс с о с т о и т и з д в у х о сн о в н ы х ш а го в .
1. Ш а г о ц е н к и п а р а м е т р о в . В ы б и р а ем п р о и зв о л ь н у ю ст р а т е г и ю s. И сп о л ь зу я
со о т в е т с т в у ю щ и е е й м а т р и ц ы Р ' и И ' и п о л а г а я (п р о и зв о л ь н о ) f ( m ) = 0 , р еш а
е м у р а в н ен и я
£ * + / * (О - І / » ; / * с /Ь '? .
i =і
относительно неи звестн ы х Е \ f ( l ) , ..., f ( m - 1). П ер ех о д и м к сл е д у ю щ е м у ш агу.
2. Ш а г у л у ч ш е н и я с т р а т е г и и . Д л я к а ж д о г о с о с т о я н и я і о п р е д е л я е м а л ь т ер н а
т и в у k , о б есп еч и в а ю щ у ю
maxjv* + £ / 7 * / s ( ; ) j , і = 1,2,..., т.
(З д е с ь и сп о л ь зу ю т с я зн а ч е н и я f ( j ) , j = 1, 2 , . . . , т , о п р е д е л е н н ы е н а ш аге
о ц е н к и п а р а м ет р о в .) Р е з у л ь т и р у ю щ и е о п т и м а л ь н ы е р е ш е н и я д л я со с т о я н и й
1, 2 , . . . , т ф о р м и р у ю т н о в у ю с т р а т е г и ю t. Е сл и s и ( и д е н т и ч н ы , т о а л го р и тм
за к а н ч и в а ет ся ; в эт о м с л у ч а е t — о п т и м а л ь н а я с т р а т е г и я . В п р о т и в н о м с л у
ч а е п о л а г а ем s = t и в о зв р а щ а е м с я к ш а г у о ц е н к и п а р а м ет р о в .
Е = v; + X P „ f U ) - / ( ') •
у-1
П о с к о л ь к у f(i) н е за в и с и т о т а л ь т ер н а т и в k , за д а ч а м а к с и м и за ц и и н а ш а г е у л у ч ш е
н и я с т р а т е г и и эк в и в а л ен т н а м а к с и м и за ц и и Е п о а л ь т ер н а т и в а м k.
Пример 19.3.2
Р е ш и м з а д а ч у с а д о в н и к а м ет о д о м и т е р а ц и й п о ст р а т ег и я м .
Н а ч н ем с п р о и зв о л ь н о й с т р а т е г и и , и с к л ю ч а ю щ е й п р и м е н е н и е у д о б р е н и й . И м еем
со о т в е т с т в у ю щ и е м атр и ц ы
У р а в н е н и я ш а г а о ц е н к и п а р а м ет р о в п р и н и м а ю т в и д
£ + / ( 1 ) - 0 ,2 / ( 1 ) - 0 ,5 / ( 2 ) - 0 ,3 /( 3 ) = 5,3,
£ + / ( 2) ~ 0 ,5 /(2 ) - 0 ,5 /( 3 ) = 3,
£ + / ( 3) - / ( 3) = - 1 .
П о л а г а я f i b ) = 0, п о л у ч а е м р е ш е н и е э т и х у р а в н е н и й
Е = —1, / ( 1 ) = 12,88, / ( 2) = 8, / ( 3) = 0.
П е р е й д е м к ш а гу у л у ч ш е н и я с т р а т е г и и . Р езу л ь т а т ы со о т в е т ст в у ю щ и х в ы ч и с л е н и й
п р и в ед ен ы в с л е д у ю щ е й т а б л и ц е .
19.3. Модель с бесконечным числом этапов 749
Оптимальное
Ч * + ^ /(1 ) + Л*/(2) + а ‘ /(3 )
решение
1 /с= 1 к=2 т к
1 5,3 + 0,2 х 12,88 + 0,5 х 8 + 0,3 х 0 = 11,875 4,7 + 0,3 х 12,88 + 0,6 х 8 + 0,1 х 0 = 13,36 13,36 2
2 3 + 0 х 12,88 + 0,5 х 8 + 0,5 х 0 = 7 3,1 + 0,1 х 12,88 + 0,6 х 8 + 0,3 х 0 = 9,19 9,19 2
3 -1 + 0 x 1 2 ,8 8 + 0 x 8 + 1 х 0 = -1 0,4 + 0,05 х 12,88 + 0,4 х 8 + 0,55 х 0 = 4,24 4,24 2
Н о в ая ст р а т ег и я п р е д у с м а т р и в а е т п р и м е н е н и е у д о б р е н и й н е з а в и с и м о о т с о с т о я н и я
п оч в ы . Т ак к а к н о в а я ст р а т е г и я о т л и ч а е т с я о т п р е д ы д у щ е й , п о в т о р я ет ся ш а г о ц е н
ки п а р а м ет р о в . Н о в о й с т р а т е г и и со о т в е т с т в у ю т м а т р и ц ы
,6
о
Эти м а т р и ц ы о п р е д е л я ю т с л е д у ю щ и е у р а в н е н и я :
£ + / ( 1 ) - 0 ,3 /( 1 ) - 0 ,6 /( 2 ) - 0 ,1 /( 3 ) = 4,7,
Е + / ( 2 ) - 0 , 1 / ( 1 ) - 0 , 6 / ( 2 ) - 0 , 3 / ( 3 ) = 3,1,
£ + / ( 3 ) - 0 ,0 5 /( 1 ) - 0 ,4 /( 2 ) - 0 ,5 5 /( 3 ) = 0,4.
С нова п о л а г а я /£ 3 ) = 0, п о л у ч а е м р еш ен и е
Р е зу л ь т а т ы в ы ч и с л е н и й н а ш а г е у л у ч ш е н и я с т р а т е г и и п р и в е д е н ы в с л е д у ю щ е й
т а б л и ц е.
Оптимальное
^ + Л * . / ( 0 + Л * 2 /( 2 ) + Л з/ ( 3 )
решение
/ к =1 к =2 т к
1 5,3 + 0,2 х 6,75 + 0,5 х 3,80 + 0,3 х 0 = 8,55 4,7 + 0,3 х 6,75 + 0,6 х 3,80 + 0,1 х 0 = 9,01 9,01 2
2 3 + 0 х 6,75 + 0,5 х 3,80 + 0,5 х 0 = 4,90 3,1 + 0,1 х 6,75 + 0,6 х 3,80 + 0,3 х 0 = 6,06 6,06 2
3 —1 + 0 х 6,75 + 0 х 3,80 + 1 х 0 = —1 0,4 + 0,05 х 6,75 + 0,4 х 3,80 + 0,55 х 0 = 2,26 2,26 2
Н о в а я ст р а т е г и я , т р е б у ю щ а я п р и м е н ен и я у д о б р е н и й н е за в и с и м о о т с о с т о я н и я с и с
т е м ы , и д е н т и ч н а п р е д ы д у щ е й , п о э т о м у п о с л е д н я я ст р а т е г и я о п т и м а л ь н а и и т е р а
ти в н ы й п р о ц есс з а к а н ч и в а е т с я . Е с т е ст в е н н о , ч т о э т о т р е зу л ь т а т с о в п а д а ет с р е зу л ь
т а т о м , п о л у ч ен н ы м м ет о д о м п о л н о го п е р е б о р а (п о д р а з д е л 19.3.1). О д н а к о с л е д у е т
о т м ет и т ь , ч т о м е т о д и т е р а ц и й п о ст р а т е г и я м д о с т а т о ч н о б ы ст р о с х о д и т с я к о п т и
м а л ь н о м у р е ш е н и ю , ч то я в л я е т с я его х а р а к т е р н о й о со б е н н о с т ь ю .
750 Глава 19. Марковские процессы принятия решений
УПРАЖНЕНИЯ 19.3.2
1. П у ст ь в за д а ч е у п р а ж н е н и я 1 9 .2 .1 г о р и зо н т п л а н и р о в а н и я б е с к о н е ч е н . Р е
ш и т е э т у з а д а ч у м ет о д о м и т е р а ц и й п о ст р а т ег и я м .
2 . Р е ш и т е з а д а ч у у п р а ж н е н и я 1 9 .2 .2 м ет о д о м и т е р а ц и й п о с т р а т е г и я м , п р е д п о
л а г а я , ч то г о р и зо н т п л а н и р о в а н и я б е ск о н е ч е н .
3 . Р е ш и т е з а д а ч у у п р а ж н е н и я 1 9 .2 .3 м ет о д о м и т е р а ц и й п о с т р а т е г и я м , п р е д п о
л а г а я , ч то г о р и зо н т п л а н и р о в а н и я б е ск о н е ч е н .
(О т м ет и м , ч то 7] р ав н о ч и с л у эт а п о в , к о т о р ы е н е о б х о д и м о р а с с м о т р е т ь .) М о ж н о п о
к а за т ь , ЧТО п р и Г) -> оо (м о д е л ь С б е ск о н еч н ы м ЧИСЛОМ эт а п о в ) frjii) - f( i), г д е f(i) —
п р и в ед ен н ы й к т е к у щ е м у м о м е н т у в р ем ен и д и с к о н т и р о в а н н ы й д о х о д п р и у с л о в и и ,
ч т о с и с т е м а н а х о д и т с я в с о с т о я н и и і и ф у н к ц и о н и р у е т н а б е с к о н еч н о м и н т ер в а л е
в р е м е н и . Т ак и м о б р а зо м , д о л г о с р о ч н о е п о в е д е н и е f ^ i ) п р и т] -> оо н е за в и с и т о т з н а
ч е н и я т]. В эт о м со с т о и т о т л и ч и е о т с л у ч а я б е з д и с к о н т и р о в а н и я , к о гд а
f ^ i ) = т)Е + f(i). Э того с л е д о в а л о о ж и д а т ь , т а к к а к в с л у ч а е с д и с к о н т и р о в а н и е м
в л и я н и е б у д у щ и х д о х о д о в а с и м п т о т и ч е с к и у м е н ь ш а е т с я д о н у л я . Д ей с т в и т ел ь н о
п р и в е д е н н ы й д о х о д f(i) д о л ж е н с т р е м и т ь с я к п о с т о я н н о й в е л и ч и н е п р и 77 -> 00 .
С у ч ет о м в ы ш е и зл о ж е н н о г о в д а н н о м с л у ч а е п р и и с п о л ь зо в а н и и м ет о д а и т ер а
ц и й п о ст р а т ег и я м в ы п о л н я ю т ся с л е д у ю щ и е д е й с т в и я .
1. Ш а г о ц е н к и п а р а м е т р о в . Д л я п р о и зв о л ь н о й ст р а т е г и и s с м а т р и ц а м и Р ' и R '
р еш а ем с и с т е м у и з т у р а в н е н и й
о т н о си т ел ь н о т н е и з в е с т н ы х f ( 1 ), f ( 2 ) , . . . , f ( m ) .
2 . Ш а г у л у ч ш е н и я с т р а т е г и и . Д л я к а ж д о г о с о с т о я н и я і о п р е д е л я е м а л ь т ер н а
т и в у k , о б есп еч и в а ю щ у ю
г д е f ( J ) и м е ю т з н а ч е н и я , о п р е д е л е н н ы е н а ш а г е о ц е н к и п а р а м ет р о в . Е сл и п о
л у ч е н н а я с т р а т е г и я t со в п а д а е т со ст р а т ег и ей s, то а л го р и т м за к о н ч е н ; в этом
сл уч ае стр атегия t оп тим ал ьн а. В противном сл уч ае п олагаем s = t и повторя
ем ш а г о ц е н к и п а р а м ет р о в .
Пример 19.3.3
Р е ш и м з а д а ч у и з п р и м ер а 1 9 .3 .2 с у ч ет о м к о э ф ф и ц и е н т а д и с к о н т и р о в а н и я а = 0 ,6 .
19.3. Модель с бесконечным числом этапов 751
/ ( 1 ) - 0 , б [ 0 , 2 / ( 1 ) + 0 , 5 / ( 2 ) + 0 , 3 / ( 3 ) ] = 5,3,
/( 2 )- 0 ,б [ 0 , 5 / ( 2 ) + 0 , 5 / ( 3 ) ] = 3,
/( 3 )- 0 ,б [ + /(3 )] = -1 .
Р еш ен и е эт и х ур ав н ен и й дает
/ 1= 6 ,6 1 ,/2 = 3 ,2 1 ,/з = - 2 ,5 .
Р е зу л ь т а т ы в ы ч и сл ен и й и т е р а ц и и п о у л у ч ш е н и ю с т р а т ег и и п р и в ед ен ы в с л е д у ю
щ ей табли ц е.
Ш аг о ц е н к и п а р а м ет р о в , в ы п о л н ен н ы й н а о с н о в е м а т р и ц Р 2 и R 2 (п р и м е р 1 9 .3 .1 ),
приводит к сл едую щ и м уравн ениям .
/ ( 1 ) - 0 , б [ 0 , 3 / ( 1 ) + 0 , 6 / ( 2 ) + 0 ,1 /( 3 ) ] = 4,7,
/ ( 2 ) - 0 , б [ 0 , 1 / ( 1 ) + 0 , 6 / ( 2 ) + 0 ,3 / ( 3 ) ] = 3,1,
/ ( 3 ) - 0, б [0 ,0 5 /( 1 ) + 0 , 4 / ( 2 ) + 0 ,5 5 /( 3 ) ] = 0,4.
Т ак к а к н о в а я ст р а т ег и я {1, 2, 2} о т л и ч а е т ся о т п р е д ы д у щ е й , п о в то р я ем ш а г о ц е н к и
п а р а м ет р о в с и сп о л ь зо в а н и е м м а т р и ц Р 8 и R 8 (п р и м е р 19.3.1). П о л у ч а е м с л е д у ю щ и е
уравн ения.
752 Глава 19. Марковские процессы принятия решений
/ ( О ~ 0 , б [ 0 , 2 / ( 1 ) + 0 , 5 / ( 2 ) + 0 , 3 / ( 3 ) ] = 5,3,
/ (2 ) - 0, б [ 0 ,1 /( 1 ) + 0 , 6 / ( 2 ) + 0 , 3 / ( 3 ) ] = 3,1,
/ ( 3 ) - 0 , б [ 0 , 0 5 / ( 1 ) + 0 , 4 / ( 2 ) + 0 , 5 5 / ( 3 ) ] = 0,4.
v‘ + 0 ,6[ p jk ( \ ) + /4 /( 2 ) + /4 /( 3 ) ] Оптимальное
решение
к= 1 к=2 т к
1 5,3 + 0,6[0,2 х 8,97 + 0,5 х 6,63 + 0,3 х 4,7 + 0,6[0,3 х 8,97 + 0,6 х 6,63 + 0,1 х 8,97 1
х 3,38] = 8,97 х 3,38] = 8,90
2 3 + 0,6[0 х 8,97 + 0,5 х 6,63 + 0,5 х 3,1 + 0,6[0,1 х 8,97 + 0,6 х 6,63 + 0,3 х 6,63 2
х 3,38] = 6,00 х 3,38] = 6,63
3 -1 + 0,6[0 х 8,97 + 0 х 6,63 +1 х 3,38] = 1,03 0,4 + 0,6[0,05 х 8,97 + 0,4 х 6,63 + 0,55 х 3,37 2
х 3,38] = 3,37
Т ак к а к нов ая ст р а т ег и я {1, 2, 2} и д е н т и ч н а п р е д ы д у щ е й , т о о н а о п т и м а л ь н а . З а м е
т и м , ч т о п р и д и с к о н т и р о в а н и и о п т и м а л ь н а я с т р а т е г и я и с к л ю ч а е т п р и м ен ен и е
у д о б р е н и й п р и х о р о ш е м с о с т о я н и и си с т е м ы (с о с т о я н и е 1).
УП Р А Ж Н Е Н И Е 19.3.3
1. Р е ш и т е у к а за н н ы е н и ж е з а д а ч и , п р и н я в к о э ф ф и ц и е н т д и с к о н т и р о в а н и я
р авн ы м а = 0 ,9 .
a ) З а д а ч а у п р а ж н е н и я 1 9 .3 .2 .1 .
b) З а д а ч а у п р а ж н е н и я 1 9 .3 .2 .2 .
c) З а д а ч а у п р а ж н е н и я 1 9 .3 .2 .3 .
при о г р а н и ч е н и я х
т
У = 1,2,..., W,
Tt1 + I t 2 + . . . + T t „ = l ,
к а ж д о м /, т ак к а к т о л ь к о п р и эт о м с у м м а б у д е т св е д ен а к vf , где k* — в ы
б р ан н ая о п т и м а л ь н а я а л ь т е р н а т и в а . П р е д л а г а е м а я зд е с ь л и н е й н а я з а д а ч а у ч и т ы
вает эт о у с л о в и е а в т о м а т и ч е с к и .
О бозн ач и м wjlt = кд* для всех і и к. П о о п р е д е л е н и ю в е л и ч и н а wit п р е д с т а в л я е т с о
бой с о в м е с т н у ю в ер о я т н о ст ь п р еб ы в а н и я в с о с т о я н и и і и п р и н я т и я р е ш е н и я k. И з
теор и и в е р о я т н о ст ей и зв е с т н о , ч т о
К
С л едов ател ь н о,
П о этом у о ч ев и д н о , ч т о о г р а н и ч е н и е тс, = 1 м о ж н о за п и с а т ь в в и д е
/=| *=i
Z ~ Z Z p> j w* = J= 2’ •••’ m’
*■=1 1=1 *-=1
m К
w .= l,
i-l
м о ж е т п р и н и м а т ь т о л ь к о д в а зн а ч е н и я (0 и л и 1 ), ч т о и т р еб о в а л о сь д о к а за т ь .
(Ф а к т и ч е с к и п о л у ч ен н ы й в ы ш е р е зу л ь т а т п о к а зы в а е т т а к ж е , ч т о я, = Z * - ivv<* = *V >
г д е к * - а л ь т ер н а т и в а , с о о т в е т с т в у ю щ а я wit > 0 . )
Пример 19.4.1
Н и ж е п р и в е д е н а ф о р м у л и р о в к а за д а ч и с а д о в н и к а б е з д и с к о н т и р о в а н и я в в и д е з а
дач и л и н ей н ого програм м ирован ия.
М а к си м и зи р о в а т ь £ = 5,3w,, + 4,7w l2 + 3w21 + 3,lw22 - w 31 + 0 ,4 w 32
при огран и чен и ях
w,, +vv12-(0 ,2 W |, +0,3W |2 + 0,1 w22 + 0,05w 32) = 0,
Р а ссм о т р и м т еп ер ь м а р к о в с к у ю з а д а ч у п р и н я т и я р е ш е н и й с д и с к о н т и р о в а н и е м .
В п о д р а зд е л е 1 9 .3 .2 э т а з а д а ч а о п и с ы в а е т ся р ек у р р ен т н ы м у р а в н е н и е м
/ ( i ) = maxjvf + a ^ p j / ( y ) | , / = 1,2,...,т.
Это у р а в н е н и е э к в и в а л ен т н о с л е д у ю щ е м у :
т
/ ( / ) > a £ / ? * / ( y ' ) + v f, д л я в с е х /и * ,
У=I
п р и у с л о в и и , ч то п р и л ю б о м і ф у н к ц и я f(i) д о с т и г а е т м и н и м а л ь н о г о з н а ч е н и я . Р а с
с м о т р и м т еп ер ь ц е л е в у ю ф у н к ц и ю
т
минимизировать Z ^ . / ( ') ’
г. I
г д е Ь, (> 0 п р и в сех /) — п р о и зв о л ь н ы е к о н ст а н т ы . М о ж н о п о к а за т ь , ч т о о п т и м и за
ц и я э т о й ф у н к ц и и (п р и о г р а н и ч е н и я х в в и д е п р и в ед е н н ы х вы ш е н ер а в ен ст в ) д а ет ,
ч т о и т р е б у е т с я , м и н и м а л ь н о е зн а ч е н и е /( /) . Т а к и м о б р а зо м , з а д а ч у м о ж н о за п и са т ь
с л е д у ю щ и м о б р а зо м .
Минимизировать Z ^ / / ( 0
п р и о г р а н и ч ен и я х
п р и о г р а н и ч ен и я х
= Ь Р 7 = 1 ,2 ,
*■=1 /=1 *■=!
Пример 19.4.2
Р а ссм о т р и м з а д а ч у с а д о в н и к а с к о э ф ф и ц и е н т о м д и ск о н т и р о в а н и я а = 0 ,6 . Е сл и п о
л о ж и т ь b 1 = b2 = b 3 = 1, т о д в о й с т в е н н у ю з а д а ч у л и н е й н о г о п р о гр а м м и р о в а н и я м о ж н о
за п и са т ь в с л е д у ю щ е м в и д е .
М аксимизировать 5,3w,, + 4,7w,2+ 3w21+ 3,lw22 - w,, + 0,4w,2
756 Глава 19. Марковские процессы принятия решений
при ограничени ях
О птим альны м реш ен и ем б у д ет w12 = w21 = w31 = 0, wu = 1,5678, w22 = 3,3528 и w32 = 2,8145. И з
эт ого реш ен и я сл едует, что оптим альной стр атеги ей явл яется { 1 ,2 ,2 }.
У П Р А Ж Н Е Н И Я 19.4
1. С ф о р м у л и р у й т е у к а за н н ы е н и ж е за д а ч и в в и д е за д а ч л и н е й н о г о п р о г р а м м и
рования.
a ) З а д а ч а у п р а ж н е н и я 1 9 .3 .2 .1 .
b) З а д а ч а у п р а ж н е н и я 1 9 .3 .2 .2 .
c ) З а д а ч а у п р а ж н е н и я 1 9 .3 .2 .3 .
, . e-h ( \ t Y
P„(t) = ----- K
— L , п = 0,1,2,...
ń
п р е д с т а в л я е т с т о х а с т и ч е с к и й п р о ц ес с с б е ск о н е ч н ы м ч и сл о м с о с т о я н и й . З д е с ь с л у
ч а й н а я в ел и ч и н а п со о т в е т с т в у е т ч и с л у н а б л ю д а ем ы х со б ы т и й в и н т ер в а л е о т 0 д о t
(н а ч а л ь н ы м м о м ен т о м с ч и т а е т с я 0 ). Т а к и м о б р а зо м , с о с т о я н и я си ст е м ы в л ю б о й
м о м е н т t за д а ю т с я сл у ч а й н о й в е л и ч и н о й п = 0 , 1 , 2 , ...
Е щ е о д н и м п р и м ер ом м о ж е т с л у ж и т ь и гр а с k п о д бр а сы в а н и я м и м он еты . К а ж д о е
и сп ы т а н и е (п од бр асы в ан и е м он еты ) м о ж н о р ассм атр и вать к а к н ек о т о р ы й м о м ен т
в р ем ен и . П о л у ч ен н а я п о сл едовател ьн ость и сп ы т а н и й о б р а зу е т сл у ч а й н ы й п р о ц есс.
С о стоя н и ем си ст ем ы при л ю бом и сп ы т а н и и я в л я ет ся л и б о “ гер б ” , л и б о “ р еш к а ” .
В д ан н ом р а зд ел е п р и в одятся св еден и я о так и х сл учай н ы х п р о ц ессах, как
м а р к о в ск и е п р о ц ессы и м а р к о в ск и е ц е п и . Ц еп ь М ар к ова я в л я ет ся частны м
сл уч аем м ар к ов ск и х п р оц ессов . Ц еп и М аркова и сп ол ь зую тся при и зу ч ен и и к р ат
к оср оч н ого и дол госр оч н ого п ов еден и я ст ох асти ч еск и х систем с дискретны м
м н ож еством состоян и й .
В ер о я т н о ст ь р к , = p ją , = хп I = хя_, j н а зы в а е т с я п е р е х о д н о й . О н а п р е д с т а в л я
е т со б о й у с л о в н у ю в ер о я т н о с т ь т о го , ч т о с и с т е м а б у д е т н а х о д и т ь с я в с о с т о я н и и х п
в м ом ен т t n, е с л и в м о м е н т f n_j о н а н а х о д и л а сь в с о с т о я н и и х п_г Э ту в ер о я т н о сть
назы в аю т т а к ж е о д н о ш а г о в о й п е р е х о д н о й , п о с к о л ь к у о н а о п и с ы в а е т и зм е н е н и е с о
ст о я н и я си ст ем ы м е ж д у п о сл е д о в а т е л ь н ы м и м о м е н т а м и в р е м е н и и t n. А н а л о
г и ч н о m -ш а г о в а я п е р е х о д н а я в ер о я т н о ст ь о п р е д е л я е т с я ф о р м у л о й
М а т р и ц а Р н а зы в а ет ся о д н о р о д н о й м а т р и ц е й п е р е х о д о в (п е р е х о д н ы х в ер о я т н о
с т е й ), п о с к о л ь к у все п е р е х о д н ы е в ер о я т н о сти p tj ф и к с и р о в а н ы и н е за в и с я т от вре
м ен и . В е р о я т н о с т и р ц д о л ж н ы у д о в л ет в о р я т ь у сл о в и я м
^ P ij = 1 для всех і,
і
с и с т ем ы п о сл е о п р е д е л е н н о г о ч и с л а п е р е х о д о в о п р е д е л я ю т с я с л е д у ю щ и м о б р а зо м .
П у ст ь {я*"1} — а б со л ю т н ы е в ер о я т н о ст и с о с т о я н и й си ст е м ы п о с л е я п е р е х о д о в , т .е .
в м о м ен т t n. В ел и ч и н ы |a*"’J м о ж н о в ы р а зи ть в о б щ ем в и д е ч е р е з {я*°’| и Р п о с р е д
ст в ом с л е д у ю щ е г о со о т н о ш е н и я :
(і) (о) (о) , (о) V і (°)
а ) = а \ ' р ч + а \ p 2J + а \ р у + . . . = ^ рг
С л ед ов ател ь н о,
«Г' І Л
' 4
, - i f 1 .4 " P .V , - Х « Р ( ї й , / - , ) - І Л
' N ?
і • \ к J к \ І ) к
г д е p \ f = ^Рі,,Р„ — д в у х ш а г о в а я в е р о я т н о с т ь , и л и п е р е х о д н а я в е р о я т н о с т ь в т о р о
г о п о р я д к а , т .е . в ер о я т н о сть п е р е х о д а и з с о с т о я н и я k в с о с т о я н и е j в т о ч н о ст и з а д в а
ш ага.
П о д о б н ы м о б р а зо м п о и н д у к ц и и м о ж н о п о к а за т ь , что
где р ^ — я -ш а го в а я п е р е х о д н а я в ер о я т н о ст ь (и л и п е р е х о д н а я в ер о я т н о ст ь я -го
п о р я д к а ), о п р е д е л я е м а я р е к у р р е н т н о й ф о р м у л о й
В о б щ ем в и де д л я п р о и зв о л ь н ы х і и у и м е е м
(и ) (п-т) (от) л
р\ = L p * р» * о <»><»■
к
Э ти у р а в н е н и я и зв ест н ы как у р а в н е н и я К о л м о г о р о в а -Ч е п м е н а .
Э л ем ен т ы м а т р и ц п е р е х о д о в в ы с ш и х п о р я д к о в ||р*”’| м о ж н о п о л у ч и т ь н е п о с р е д
с т в е н н о п у т ем п е р е м н о ж е н и я м а т р и ц . Т а к , н а п р и м ер ,
И 1 -Ы Ы =*'-
Н’’|=и*'|ы=-
и в о б щ ем сл у ч а е
|р , М |= Р " - Р = Р".
С л ед о в а т ел ь н о , есл и а б со л ю т н ы е в е р о я т н о ст и с о с т о я н и й о п р е д е л е н ы в в ек то р н о й
ф о р м е к ак
«(»
то
aw = a (V .
19.5. Приложение: обзор теории цепей Маркова 759
Пример 19.5.1
Р а ссм о тр и м ц е п ь М ар к о в а с д в у м я с о с т о я н и я м и . М а т р и ц а п е р е х о д н ы х в е р о я т н о
ст ей и м е е т ви д
р (0 ,2 0,8^
[0 ,6 0 ,4 J
2 , I:0,520,48V
II 0,52 0,48)I I( 0.443 0,557
»
:P P =i u i- i і.
^0,36 0,64ДО,36 0,64J 1^0,418 0,582 j
m (0 ,2 0,8',
a(l) = ( 0 ,7 ,0 ,3)| o 6 ^ 4 I = (0 ,3 2 ,0 ,6 8 ),
[0,443 0,557)
0,443 С
a =(0,7,0,3) „ =(0,436,0,564),
0 ,4 18 0,582
,g, ( 0,4291 0 ,5 7 0 9 4
i (8) = ( 0 ,7 ,0 ,3 ) = (0 ,4 2 8 9 ,0 ,5 7 1 1 ).
\ 0,4 28 4 0 ,5 7 1 6 J
О тм ети м , ч т о с т р о к и м а т р и ц ы Р 8 н е зн а ч и т е л ь н о о т л и ч а ю т с я д р у г о т д р у г а . К р о м е
т о го , в ек тор а <8) т а к ж е н е с у щ ес т в ен н о о т л и ч а е т ся о т к а ж д о й и з ст р о к м а т р и ц ы Р 8.
Это с в я за н о с т е м , ч то а б со л ю т н ы е в е р о я т н о с т и с о с т о я н и й п о с л е в ы п о л н ен и я н е
с к о л ь к и х п е р е х о д о в п р а к т и ч е с к и н е за в и с я т о т н а ч а л ь н ы х в ер о я т н о стей а <0). В том
с л у ч а е, к о г д а о н и д е й ст в и т е л ь н о н е б у д у т за в и сет ь о т н а ч а л ь н ы х в е р о я т н о ст ей , и х
н а зы в аю т у с т а н о в и в ш и м и с я .
К л а с с и ф и к а ц и я со с т о я н и й м а р к о в с к и х ц е п е й . П р и р а сс м о т р е н и и ц е п е й М а р к о
ва н ас м о ж е т и н т ер есо в а т ь п о в е д ен и е с и с т е м ы н а к о р о т к о м о т р е зк е в р ем ен и . В т а
ком с л у ч а е а б со л ю т н ы е в ер о я т н о сти в ы ч и сл я ю т ся т а к , как п о к а за н о в п р е д ы д у щ е м
р а зд ел е. О дн ак о б о л е е в а ж н о и зу ч и т ь п о в е д е н и е с и с т е м ы н а б о л ьш о м и н т ер в а л е
в р ем ен и , т .е . в у с л о в и я х , к о г д а ч и с л о п е р ех о д о в ст р е м и т с я к б е ск о н еч н о с т и . В этом
с л у ч а е и з л о ж е н н ы й в ы ш е м е т о д н еп р и го д е н ; т р е б у е т с я с и с т ем а т и ч ес к и й п о д х о д ,
п о зв о л я ю щ и й п р о г н о зи р о в а т ь д о л го с р о ч н о е п о в е д е н и е с и ст ем ы . Н и ж е вв од ятся
о п р ед ел ен и я с о с т о я н и й м а р к о в с к и х ц е п е й , к о т о р ы е н е о б х о д и м ы д л я и зу ч е н и я д о л
го ср о ч н о г о п о в е д е н и я си ст ем ы .
Н е п р и в о д и м а я м а р к о в с к а я ц е п ь . Ц е п ь М а р к о в а н а зы в а ет ся н е п р и в о д и м о й , ес
л и л ю б о е с о с т о я н и е E t м о ж е т бы ть д о с т и г н у т о и з л ю б о г о д р у г о го с о ст о я н и я Е : за
к о н еч н о е ч и с л о п е р е х о д о в , т .е . п р и і Фj p if > 0 для 1 < « < оо. В этом с л у ч а е все с о
ст о я н и я ц е п и н а зы в а ю т ся с о о б щ а ю щ и м и с я .
760 Глава 19. Марковские процессы принятия решений
Пример 19.5.2
Р а ссм о т р и м ц еп ь М ар к ов а с о с л е д у ю щ е й м а т р и ц е й п е р е х о д н ы х в ер о я т н о с т е й
0 1 2 3
f і ] ] \
0 0
2 4 4
Р= 1 0 0 1 0
2 1 0 1 1
3 3 3
3
10 0 0 и
Эта ц еп ь гр а ф и ч еск и п р ед с т а в л ен а н а р и с. 19.1. К ак в и д н о и з р и с у н к а , ч ет ы р е с о
с т о я н и я не с о с т а в л я ю т н е п р и в о д и м у ю ц е п ь , п о с к о л ь к у с о с т о я н и й 0, 1 и 2 н ел ь зя
д о с т и ч ь и з со с т о я н и я 3. С о ст о я н и е 3 о б р а зу е т за м к н у т о е м н о ж е с т в о и , т а к и м о б р а
зо м , я в л я ет ся п о г л о щ а ю щ и м . М о ж н о т а к ж е у т в е р ж д а т ь , ч т о с о с т о я н и е 3 со о т в е т
ствует н епр и води м ой ц еп и М аркова.
П е р в о е в р е м я в о з в р а щ е н и я . В а ж н ы м п о н я т и е м в т е о р и и м а р к о в с к и х ц е п е й я в
л я е т с я п е р в о е в р е м я в о з в р а щ е н и я . С и стем а , п ер в о н а ч а л ь н о н а х о д я щ а я с я в с о
с т о я н и и Е г м о ж е т в ер н у ть ся в п е р в ы й р а з в эт о ж е с о с т о я н и е ч е р е з п ш а го в , п > 1.
Ч и с л о ш а г о в , з а к о т о р о е с и с т е м а в о зв р а щ а ет ся в с о с т о я н и е E Jf н а зы в а е т ся п е р в ы м
временем возвращ ения.
О бозн ач и м ч е р е з / ] ”’ в ер о я т н о с т ь т о г о , ч т о п ер в о е в о зв р а щ е н и е в с о с т о я н и е Е.
с о с т о и т с я н а я -м ш а г у . Т о гд а п р и за д а н н о й м а т р и ц е п е р е х о д н ы х в ер о я т н о стей
Р = ||р:у|| /j" ’ м о ж н о о п р е д е л и т ь с л е д у ю щ и м о б р а зо м :
19.5. Приложение: обзор теории цепей Маркова 761
/■(>)
Р И ~ f ii ’
р '2 )= /?
г И J ])
> + /J ЧJJ »г .ц,і
ИЛИ
J/ ■JJ 2^= г JJ —J f и^ p
П о и н д у к ц и и н е т р у д н о п о к а за т ь , ч т о
/■>=„(■>_
Jи гц
у / . а- уг .jj— ).
т-1
О т сю д а с л е д у е т , ч т о в ер о я т н о сть п о к р а й н е й м е р е о д н о г о в о зв р а щ е н и я в с о с т о я
н и е Е . за д а е т с я ф о р м у л о й
f * = лt*1 f Г-
С л ед ов ател ь н о, с и с т е м а о б я за т е л ь н о в ер н ется в с о с т о я н и е у, е с л и / . =1 . О бозн ач и в
ч ер ез (д^ с р е д н е е в р ем я в о зв р а щ е н и я , п о л у ч а е м
ft—
I
Е с л и f u < 1, т о н е и з в е с т н о , в е р н е т с я л и с и с т е м а в с о с т о я н и е , и , следователь
но,
И с х о д я и з о п р е д е л е н и я п ер в о го в р ем ен и в о зв р а щ е н и я , с о с т о я н и я м а р к о в ск о й
ц еп и м о ж н о к л а сси ф и ц и р о в а т ь с л е д у ю щ и м о б р а зо м .
2 . С о ст о я н и е я в л я ет ся в о з в р а т н ы м , е с л и f u = 1.
3. В о зв р а т н о е с о с т о я н и е я в л я е т с я н у л е в ы м , е с л и 1^ = 00, и н е н у л е в ы м , к о гд а
< оо (т .е . к о н еч н о ).
5 . В о зв р а т н о е со с т о я н и е я в л я е т с я э р г о д и ч е с к и м , е с л и о н о н е н у л е в о е и а п е р и о
дическ ое.
Е сл и все с о с т о я н и я ц еп и М а р к о в а я в л я ю т с я э р г о д и ч е ск и м и , т о ц еп ь н е п р и в о д и
м а . В этом сл у ч а е р а с п р е д е л е н и е а б с о л ю т н ы х в ер о я т н о ст ей со с т о я н и й
aw = a< V
в сегда о д н о зн а ч н о с х о д и т с я к п р е д е л ь н о м у р а с п р е д е л е н и ю п р и п -» оо, г д е п р е д е л ь
н о е р а с п р е д е л е н и е н е за в и си т о т н а ч а л ь н ы х в е р о я т н о ст е й а(0).
С п р а в ед л и в а сл е д у ю щ а я т е о р ем а .
Т е о р е м а 1 9 .5 .1 . В с е с о с т о я н и я в н е п р и в о д и м о й б е с к о н е ч н о й ц е п и М а р к о в а м о
гу т принадлеж ат ь к одном у и т олько одном у из след ую щ и х т р ех классов: невоз
762 Глава 19. Марковские процессы принятия решений
Т е о р е м а 1 9 .5 .2 . Е с л и в н е п р и в о д и м о й а п е р и о д и ч е с к о й ц е п и М а р к о в а
яу = Х я.Л - , = Х яу
і ;
С р ед н е е в р е м я в о з в р а щ е н и я в со с т о я н и е j п р и э т о м о п р е д е л я е т с я ф о р м у л о й
1
Пример 19.5.3
Р а с см о т р и м з а д а ч у и з п р и м е р а 19.5.1. Д л я о п р е д е л е н и я у с т а н о в и в ш е г о с я р а с п р е д е
л е н и я в ер о я т н о ст ей и с п о л ь зу е м с о о т н о ш е н и я
я, = 0,2я, + 0,6я2,
я2 = 0,8я, + 0,4я 2,
я, + я2 = 1.
Р е ш е н и е м б у д е т я-j = 0 ,4 2 8 6 и лг = 0 ,5 7 1 4 . Э ти р езу л ь т а т ы о ч ен ь б л и з к и к з н а ч е н и
я м эл ем ен т о в в ек т о р а а (8) (и ст р о к а м м а т р и ц ы Р8) и з п р и м ер а 1 9 .5 .1 . Д а л е е п о л у ч а е м
з н а ч е н и я с р е д н е г о в р ем ен и в о зв р а щ е н и я в п ер в о е и втор ое с о с т о я н и я
Ці і := = 2 ,3 , ц 22 — “ 1>75 .
я, п2
Пример 19.5.4
Р а с см о т р и м с л е д у ю щ у ю ц еп ь М а р к о в а с т р е м я со с т о я н и я м и :
О 1 2
О 2 4 4
Р=1
2 4 4
2
О 1 1
2 2.
Т а к ая м а т р и ц а н а зы в а ет с я д в а ж д ы с т о х а с т и ч е с к о й , т а к к а к
Ё л = £ л / =1’
(=| ;=!
гд е 5 — ч и сл о со с т о я н и й ц е п и М а р к о в а . В т а к и х с л у ч а я х у с т а н о в и в ш и е с я в е р о я т
н о ст и равн ы X j = l / s д л я в с е х j . П о э т о м у д л я д а н н о й за д а ч и кй = л х = кг = \ / Ъ .
У П Р А Ж Н Е Н И Я 19.5
1 . О п р ед ел и т е к л а сс со с т о я н и й п р и в е д е н н ы х н и ж е ц еп ей М а р к о в а и н а й д и т е и х
ст а ц и о н а р н ы е р а с п р е д е л е н и я .
fi і П
4 4 2
а) 1 1 0
4 4
1 0 1
І2 2)
'я Р 0 0 0'
ч 0 Р 0 0
Ь) ч 0 0 Р 0
ч 0 0 0 Р
и 0 0 0 V
2 . Н а й д и т е с р ед н ее в р ем я в о зв р а щ е н и я в к а ж д о е со ст о я н и е ц е п и М а р к о в а , з а
д а н н о й с л е д у ю щ е й м а т р и ц е й п е р е х о д н ы х в ер о я т н о стей .
764 Глава 19. Марковские процессы принятия решений
(І І І)
3 3 3
i l l
2 4 4 '
1 3 1
\5 5 5)
ЛИТЕРАТУРА
1. Derman С. F i n i t e S t a t e M a r k o v i a n D e c i s i o n P r o c e s s , Academic Press, New York,
1970.
2. Howard R. D y n a m i c P r o g r a m m i n g a n d M a r k o v P r o c e s s e s , MIT Press, Cambridge,
Mass., 1960. (Русский перевод: Ховард P. Д и н а м и ч е с к о е п р о г р а м м и р о в а н и е
и м а р к о в с к и е п р о ц е с с ы . — М.: Сов. радио, 1964.)
КЛАССИЧЕСКАЯ ТЕОРИЯ
ОПТИМИЗАЦИИ
В к л а сси ч еск о й т ео р и и о п т и м и за ц и и д л я п о и ск а т о ч ек м а к с и м у м а и м и н и м у м а
(эк стр ем ал ь н ы х т о ч ек ) ф у н к ц и й в у с л о в и я х к а к о т су т ст в и я , т а к и н а л и ч и я о гр а н и ч е
ний на перем енн ы е ш и р ок о и сп ол ь зуется аппарат ди ф ф ер ен ц и а л ьн о го и сч и сл ен и я. П о
лучаем ы е при этом м етоды не всегда оказы ваю тся у д о б н ы м и п р и и х ч и сл ен н ой р еа л и
заци и. О днако соответствую щ ие теоретические результаты л е ж а т в основе б ол ьш и н ств а
а л гор и тм ов р еш ен и я за д а ч н ел и н ей н о го п р о гр а м м и р о в а н и я (с м . гл а в у 2 1 ).
В этой главе и зл о ж е н ы н ео б х о д и м ы е и д о ст а то ч н ы е у с л о в и я су щ ест в о в а н и я э к с
т р ем ум ов ф у н к ц и й п р и о т су тст в и и о гр а н и ч ен и й н а п ер ем ен н ы е за д а ч и , м етоды Я к о
би и Л а г р а н ж а д л я р еш ен и я за д а ч с о гр а н и ч ен и я м и на п ер ем ен н ы е в ф о р м е равен ств,
а т а к ж е у сл о в и я К у н а - Т а к к е р а д л я за д а ч с о гр а н и ч ен и я м и в в и де н ер авенств.
где h — в ек т о р , о п р е д е л е н н ы й в ы ш е. Д л я д о с т а т о ч н о м а л ы х зн а ч е н и й |/ij о с т а т о ч
ны й ч л ен y h rHh я в л я е т с я в е л и ч и н о й п о р я д к а h2t .С л е д о в а т е л ь н о ,
/ ( Х 0 + h ) - / ( X 0) = V /( X 0)h + 0 ( h ) ) * V /( X 0)h.
П уст ь X 0 — т о ч к а м и н и м у м а ф у н к ц и и /( X ) . Д о к а ж е м от п р о т и в н о го , ч т о г р а д и
ен т V /(X 0) ф у н к ц и и /( X ) в т о ч к е м и н и м у м а Х 0 р а в ен н у л ю . П у с т ь эт о у с л о в и е н е вы
п о л н я ет ся ; т о г д а д л я н е к о т о р о г о j д о л ж н о в ы п о л н я т ь ся у с л о в и е
'
П ол агая остал ь н ы е р авн ы м и н у л ю , и з р а зл о ж е н и я Т ей л о р а п о л у ч а ем н ер авенство
/ ( X 0 + h ) < / ( X 0).
Э тот р езу л ь т а т п р о т и в о р е ч и т п р е д п о л о ж е н и ю , ч т о Х 0 — т о ч к а м и н и м у м а . С л ед о в а
т ел ь н о , в ел и ч и н а V /( X 0) д о л ж н а р а в н я т ь ся н у л ю . Д о к а з а т е л ь с т в о д л я т о ч к и м а к
си м ум а проводится аналогично.
Т ак к а к н е о б х о д и м о е у с л о в и е в ы п о л н я е т ся т а к ж е в т о ч к а х п е р е г и б а и с е д л о в ы х
т о ч к а х , т о ч к и , у д о в л е т в о р я ю щ и е у р а в н е н и ю V /( X 0) = 0 , н а зы в а ю т с т а ц и о н а р н ы м и .
С л ед у ю щ а я т е о р е м а у ст а н а в л и в а е т д о ст а т о ч н ы е у с л о в и я т о г о , ч т о с т а ц и о н а р н а я
то ч к а Х 0 я в л я е т с я э к с т р е м а л ь н о й .
Т е о р е м а 2 0 .1 .2 . Д л я т о г о ч т о б ы с т а ц и о н а р н а я т о ч к а Х 0 б ы л а э к с т р е м а л ь н о й ,
д о с т а т о ч н о , ч т о б ы м а т р и ц а Г е сс е Н в т о ч к е Х 0 б ы л а
а ) п о л о ж и т е л ь н о о п р е д е л е н н о й ( т о г д а Х 0 — т о ч к а м и н и м у м а );
б ) о т р и ц а т е л ь н о о п р е д е л е н н о й ( т о г д а Х 0 — т о ч к а м а к с и м у м а ).
/ ( X D+ h ) - / ( X D) = V /( X D) h + | h ,-H h|x<ł,ł .
П о с к о л ь к у Х 0 — ст а ц и о н а р н а я т о ч к а , п о т е о р е м е 2 0 .1 .1 V /( X 0) = 0 . Т а к и м о б р а зо м ,
/ ( X 0 + h ) - / ( X 0) = i h rH h | ^ 011.
Е сл и Х 0 — т о ч к а м и н и м у м а , то
/ ( X D+ h ) > / ( X D)
д л я в с е х н е н у л е в ы х в ек то р о в h . С л ед о в а тел ь н о , в т о ч к е м и н и м у м а Х 0 д о л ж н о вы
п о л н я т ь ся н ер а в ен ст в о
■^■hrH h |Xi^oll> 0 .
Н еп р ер ы в н ост ь в т о р ы х ч а ст н ы х п р о и зв о д н ы х ф у н к ц и и /( X ) г а р а н ти р у ет, ч то в е л и
ч и н а y h rHh и м е е т о д и н и т о т ж е зн а к к а к в т о ч к е Х 0, т а к и Х 0+ Я і. Т а к к а к hrHh
п р е д ст а в л я ет с о б о й к в а д р а т и ч н у ю ф о р м у (с м . р а зд е л А . 3 ), ее зн а ч е н и е (и , с л е д о в а
768 Глава 20. Классическая теория оптимизации
Пример 20.1.1
Р ассм отр и м ф ункцию
Н е о б х о д и м о е у сл о в и е эк с т р е м у м а V J ( \ ) = 0 зд е с ь п р и н и м а е т с л е д у ю щ и й в и д .
—
■
л
ОХ}
= 1 -
I
2 *, =
4
0 ,
д/
= х, - 2х, = 0,
дх2
Ж . = 2 + х, - 2х, = 0.
дх.
Р е ш е н и е м эт о й си ст ем ы у р а в н е н и й я в л я е т с я т о ч к а Х 0 = ( 1 / 2 , 2 / 3 , 4 / 3 ) .
Д л я п р о в е р к и в ы п о л н ен и я у с л о в и я д о с т а т о ч н о с т и вы ч и сл и м
а2/ д гf д 2f
дх} дххдх2 дх,дху
-2 0^
д 2/ д 2f d 2f
HL = 0 1
дх2дх1 дх2 дх2дх3
0 -2
б2/ д 2/ д 2f
дхудх, дхгдх2 дх]
У г л о в ы е м и н ор ы м ат р и ц ы Н |х р авн ы - 2 , 4 и - 6 со о т в ет с т в е н н о . В эт о м с л у ч а е Н |х<
я в л я е т с я о т р и ц а т ел ь н о о п р е д е л е н н о й м а т р и ц е й (с м . р а зд е л А .З ) , о т к у д а с л е д у е т ,
что точка Х 0 = ( 1 /2 , 2 /3 , 4 /3 ) я вл яется точкой м ак сим ум а.
В о б щ ем сл у ч а е, к о г д а м а т р и ц а Н |х я в л я е т с я н е о п р е д е л е н н о й , т о ч к а Х 0 д о л ж н а
бы ть с е д л о в о й . Е сл и ж е м а т р и ц а Н |х о к а зы в а е т с я п о л у о п р е д е л е н н о й , т о с о о т в е т
с т в у ю щ а я т о ч к а Х 0 м о ж е т к а к бы ть, т а к и не бы ть эк с т р е м а л ь н о й . П р и эт о м ф о р
м у л и р о в к а д о ст а т о ч н о го у с л о в и я с у щ е с т в о в а н и я эк с т р е м у м а зн а ч и т е л ь н о у с л о ж
н я е т с я , и бо д л я эт о го н е о б х о д и м о у ч и т ы в а т ь ч л ен ы б о л е е в ы с о к и х п о р я д к о в
в р а з л о ж е н и и Т ей л ор а.
П р и м е н и м д о ст а т о ч н ы е у с л о в и я , п о л у ч е н н ы е в т ео р е м е 2 0 .1 .2 , к ф у н к ц и и од н о й
п е р е м е н н о й . П у ст ь у 0 — с т а ц и о н а р н а я т о ч к а ф у н к ц и и / , т о гд а
20.1. Экстремальные задачи без ограничений 769
1) н ер а в ен ст в о / ( у 0) < 0 я в л я е т с я д о ст а т о ч н ы м у с л о в и е м с у щ е с т в о в а н и я м а к
с и м у м а в т о ч к е і/ 0;
2) н ер а в ен ст в о / (у 0) > 0 я в л я е т с я д о с т а т о ч н ы м у с л о в и е м с у щ е с т в о в а н и я м и н и
м у м а в т о ч к е у 0.
Е сл и ж е д л я ф у н к ц и и о д н о й п е р е м е н н о й / ( у 0) = 0 , т о н е о б х о д и м о и с с л е д о в а т ь
п р о и зв о д н ы е в ы сш и х п о р я д к о в в со о т в е т с т в и и со с л е д у ю щ е й т е о р е м о й .
Т е о р е м а 2 0 .1 .3 . Е с л и в с т а ц и о н а р н о й т о ч к е у 0 ф у н к ц и и f ( y ) п е р в ы е ( п - 1) ее
п р о и з в о д н ы х р а в н ы н у л ю и f 1" \ у 0) *■ 0 , т о в т о ч к е у = у 0 ф у н к ц и я f ( y ) и м е е т
Пример 20.1.3
Р а с с м о т р и м ф у н к ц и и Д у ) = у H g(y) = у . Д л я ф у н к ц и и Д у ) = у * и м е е м
/ О ) = 4 / = О,
откуда п ол учаем стационар ную т о ч к у у 0 = 0 . Д ал ее н аходим
/ ( 0 ) = / ( 0 ) = / ‘3,( 0 ) = 0 .
Т ак к а к / 14)(0 ) = 2 4 > 0 , т о у 0 = 0 я в л я е т с я т о ч к о й м и н и м у м а (р и с . 2 0 .2 ).
Д л я ф у н к ц и и g(y) = у и м е е м
g (y )= 3 / = 0.
С л едов ател ь н о, то ч к а у 0 = 0 я в л я ет ся ст а ц и о н а р н о й т о ч к о й . П о ск о л ь к у g ( 0 ) = g (0 ) =
= 0 , g l31(0 ) = 6 и не о б р а щ а е т с я в н у л ь , т о ч к а у 0 = 0 я в л я е т с я т о ч к о й п ер ег и б а .
giyUy3
0 У
Рис. 20.2. С т а ц и он ар ны е т о ч к и
ф ункций { (у ) = у и g ( y ) = у 3
У П Р А Ж Н Е Н И Я 20.1.1
1. Н а й д и т е э к ст р ем а л ь н ы е т о ч к и с л е д у ю щ и х ф у н к ц и й .
a) f(x ) = х + х.
b) f(x ) = Xі + х .
c) / ( * ) = 4х4- х + 5.
770 Глава 20. Классическая теория оптимизации
d ) f ( x ) = ( З х - 2 ) \ 2 х - З)2.
e) f(x) = 6 x s - 4 х 3+ 10.
2 . Н а й д и т е эк ст р ем а л ь н ы е т о ч к и с л е д у ю щ и х ф у н к ц и й .
a) / ( X ) = л:,3 + х] - Зх,х2 .
3 . П р ов ер ь т е, что ф у н к ц и я
/ (хр х2,х3) = 2х 1х 2х 3- 4х1х3- 2х 2х 3+ xf + х, + х] - 2х, - 4х2 + 4х,
и м еет с т а ц и о н а р н ы е т о ч к и (0 , З, 1 ), (0 , 1, - 1 ) , (1 , 2 , 0 ) , ( 2 , 1 , 1) и (2 , З, - 1 ) .
И с п о л ь зу й т е д о ст а т о ч н ы е у с л о в и я д л я н а х о ж д е н и я э к с т р е м у м о в ф у н к ц и и .
4 . Р е ш и т е с л е д у ю щ у ю с и с т е м у у р а в н е н и й п у т е м п р ев р а щ е н и я ее в з а д а ч у м и
н и м и за ц и и н е л и н е й н о й ц е л е в о й ф у н к ц и и п р и о т с у т ст в и и о г р а н и ч ен и й на
п ер ем ен н ы е.
x2- x f = 0 ,
х 2- х , = 2.
( П о д с к а з к а , m in f 2( x 1, х 2) и м е е т м ест о п р и f ( x x, х 2) = 0 .)
5 . Д о к а ж и т е т е о р е м у 2 0 .1 .3 .
С л ед о в а т ел ь н о , и с х о д н а я с и с т е м а у р а в н е н и й п р и б л и ж е н н о п р е д с т а в и м а в ви де
П р е д п о л о ж и м , ч т о в ек то р ы /,( Х ) н е за в и си м ы , т о г д а м а т р и ц а В* я в л я е т с я н е в ы р о ж
д е н н о й . В р езу л ь т а т е и з п р е д ы д у щ е г о у р а в н е н и я п о л у ч и м
Х = X* - B j'A j.
Г ео м ет р и ч еск а я и н т ер п р е т а ц и я д а н н о г о м е т о д а д л я ф у н к ц и и о д н о й п е р е м е н н о й
f ( xс)) п рпири
в евд ед
е н а н а р и с . 2 0 .3 . С вя зь м е ж д у т о ч к а м и х к и х*+1 в эт о м с л у ч а е в ы р а ж а е т с я
ф орм улой
/И
/ ' И
или
/ ' И - А
Н а р и с . 2 0 .3 в и д н о , что п о л о ж е н и е т о ч к и х*+1 о п р е д е л я е т с я у г л о м 0 н а к л о н а к а
са т ел ь н о й к г р а ф и к у ф у н к ц и и f ( x ) в т о ч к е х , гд е t g 0 = f ( x k).
О д н и м и з н ед о ст а т к о в и з л о ж е н н о г о м е т о д а я в л я е т с я т о , ч т о д л я ф у н к ц и й о б щ е
го в и д а не в сег д а га р а н т и р у е т с я ег о с х о д и м о с т ь . Н а р и с . 2 0 .3 в и д н о , ч т о п р и вы бор е
в к а ч ест в е х т о ч к и а и т ер а ц и о н н ы й п р о ц е с с р а с х о д и т с я . П р о с т ы х р е ц е п т о в д л я вы
бора “ х о р о ш его ” начального п р и б л и ж ен и я не сущ ествует.
Пример 20.1.3
Д л я д е м о н с т р а ц и и р абот ы м е т о д а Н ь ю т о н а -Р а ф с о н а р а ссм о т р и м з а д а ч у н а х о ж д е
н и я с т а ц и о н а р н ы х т о ч ек ф у н к ц и и
f ( x ) = ( З х - 2 ) 2( 2 х - З )2.
Ч т обы н а й т и ст а ц и о н а р н ы е т о ч к и , н а д о р еш и т ь у р а в н е н и е f ' ( x ) = 0 , к о т о р о е в д а н
ном сл уч ае п ри н и м ает вид к уби ч еск ого уравн ен и я
72 л:3 - 234л:2 + 241л: - 78 = 0.
772 Глава 20. Классическая теория оптимизации
72л:3 - 234л:2 + 24 Ьс - 7 8
2 1 6 х 2 - 4 6 8 х + 241
О т м ет и м , ч т о ч и с л и т е л ь э т о г о в ы р а ж е н и я я в л я е т с я ф о р м у л о й д л я в ы ч и с л е н и я п ер
вой п р ои зводн ой ф ун к ц и и f(x ), а зн а м ен а тел ь — ф ор м ул ой второй п р ои зводн ой ,
ч т о и т р е б у е т с я д л я м е т о д а Н ь ю т о н а -Р а ф с о н а п р и р е ш е н и и у р а в н е н и я f' ( x ) = 0 . П е
р ед н а ч а л о м в ы ч и сл ен и й т а к ж е з а д а е т с я п р е д е л т о ч н о с т и А ( = 0 , 0 0 1 ) и н а ч а л ь н о е
зн а ч е н и е х 0 ( = 1 0 ). Е сл и р а з н о с т ь м е ж д у з н а ч е н и я м и х" и л:*41 б у д е т м е н ь ш е п р е д е л а
т о ч н о с т и , т о п р о ц е с с в ы ч и с л е н и й за в е р ш а е т с я . В д а н н о м п р и м е р е м е т о д с о ш е л с я
к з н а ч е н и ю х = 1 ,5 .
У П Р А Ж Н Е Н И Е 20.1.2
1. П р и м е н и т е м ет о д Н ь ю т о н а -Р а ф с о н а д л я р е ш е н и я у п р а ж н е н и й 2 0 . 1 . 1 . 1 , с
и 2 0 .1 .1 .2 , Ь.
g = ( g 1, g 2, •••, g mf ■
Ф у н к ц и и /( X ) и g"((X ), і = 1 , 2 , . . . , т , п р е д п о л а г а ю т ся д в а ж д ы н еп р ер ы в н о д и ф ф е
р ен ци руем ы м и .
И д е я и с п о л ь зо в а н и я п р и в е д е н н о г о г р а д и е н т а за к л ю ч а е т с я в т о м , чтобы н а й т и
за м к н у т о е а н а л и т и ч е с к о е в ы р а ж е н и е д л я п ер в ы х ч а с т н ы х п р о и з в о д н ы х ф у н к ц и и
/( X ) во в с е х т о ч к а х , у д о в л е т в о р я ю щ и х о г р а н и ч е н и я м g (X ) = 0 . С о о тв етст в у ю щ и е
с т а ц и о н а р н ы е т о ч к и о п р е д е л я ю т с я и з у с л о в и я р а в ен ств а н у л ю у к а за н н ы х ч а ст н ы х
п р о и з в о д н ы х . З а т е м м о ж н о и сп о л ь зо в а т ь д о ст а т о ч н ы е у с л о в и я , сф о р м у л и р о в а н н ы е
в р а зд е л е 2 0 .1 , д л я к л а с с и ф и к а ц и и н а й д е н н ы х с т а ц и о н а р н ы х т о ч е к .
Д л я п о я с н е н и я и з л о ж е н н о й и д е и р а ссм о т р и м ф у н к ц и ю f ( x j, х 2), г р а ф и к к о т о р о й
п р ед ст а в л ен на р и с. 2 0 .5 . П р е д п о л о ж и м , что эт у ф у н к ц и ю н е о б х о д и м о м и н и м и з и
ровать п р и о г р а н и ч ен и и
&,(*,, * 2) = * 2 ~ Ь = 0,
гд е Ь — н ек о т о р а я к о н ст а н т а . Н а р и с. 2 0 .5 в и д н о , что к р и в а я , к о т о р а я п р о х о д и т
ч е р е з т о ч к и А , В и С, со с т о и т и з зн а ч е н и й ф у н к ц и и / ( * , , х 2), д л я к о т о р ы х за д а н н о е
о г р а н и ч ен и е в ы п о л н ен о . В с о о т в е т с т в и и с р а ссм а т р и в а ем ы м м е т о д о м о п р е д е л я ю т с я
к о м п о н ен т ы п р и в ед ен н о г о г р а д и е н т а ф у н к ц и и f ( x lt х 2) в к а ж д о й т о ч к е к р и в о й A B C .
Т очка В , в которой пр и в еден н ая п р ои зводн ая обращ ается в нуль, явл яется ст а ц и о
н а р н о й д л я р а ссм а т р и в а ем о й за д а ч и с о г р а н и ч ен и е м .
Т еп ер ь р а ссм о т р и м о б щ у ю м а т е м а т и ч е с к у ю ф о р м у л и р о в к у м е т о д а . И з т ео р ем ы
Т е й л о р а с л е д у е т , что д л я т о ч ек X + А Х и з о к р е ст н о с т и т о ч к и X и м ее м
/ ( х + д х ) - / ( х ) = у / - ( х ) д х + о ( д * , 2),
g (X + A X ) - g ( X ) = V g(X )A X + 0(Ax,2).
774 Глава 20. Классическая теория оптимизации
Рис, 20.5. И л л ю с т р а ц и я к м ет о ду Я к о б и
П р и А х j - » 0 э т и у р а в н е н и я п р и н и м а ю т ви д
3 /( X ) = V /(X )3 X ,
3 g (X ) = V g (X )3 X .
П о с к о л ь к у g ( X ) = 0 , 3 g (X ) = 0 в д о п у с т и м о й о б л а с т и . О т сю д а с л е д у е т , что
о / ( Х ) - V /(X )0 X = 0 ,
V g (X )3 X = 0 .
К а к в и д и м , за д а ч а с в о д и т с я к р еш ен и ю т + 1 у р а в н е н и й с п + 1 н е и зв е с т н ы м и , к о
т о р ы м и я в л я ю т с я 3 /( Х ) и ЗХ . Н е и зв е с т н у ю в е л и ч и н у 3 /( Х ) м о ж н о о п р е д е л и т ь , к а к
т о л ь к о б у д е т н а й д е н в ек т о р ЗХ . Это о зн а ч а е т , ч т о , п о с у щ е с т в у , и м е е т с я т у р а в н е
н и й с п н еи з в е с т н ы м и .
П р и т > гг п о м ен ь ш е й м ер е т - п у р а в н е н и й си с т е м ы я в л я ю т с я и зб ы т о ч н ы м и .
П о с л е у с т р а н е н и я и зб ы т о ч н о с т и к о л и ч ес т в о н е з а в и с и м ы х у р а в н ен и й в с и с т е м е с т а
н о в и т ся р авн ы м т (< п). Е сл и т = п, р е ш е н и е м я в л я е т с я ЭХ = 0 . П р и эт о м т о ч к а X
не и м е е т д о п у с т и м о й о к р е с т н о с т и , и , с л е д о в а т е л ь н о , п р о ст р а н ст в о р е ш е н и й за д а ч и
с о с т о и т и з е д и н с т в е н н о й т о ч к и . Т а к а я с и т у а ц и я я в л я е т с я т р и в и а л ь н о й . С и ту а ц и ю ,
к о г д а т < п , р а ссм о т р и м п о д р о б н о .
П у ст ь X = (Y , Z ), где
Y = (г/і> г/2........ г/J и z = (Z j, z 2.......... z n_ j
20.2. Задачи на экстремум при наличии ограничений 775
н а зы в а ю т ся з а в и с и м ы м и и н е з а в и с и м ы м и п е р е м е н н ы м и с о о т в е т с т в е н н о . П е р е п и
сы в ая гр а д и ен т ы ф у н к ц и й / и g в н о в ы х о б о з н а ч е н и я х , п о л у ч и м
V /(Y , Z) = (V Y/ , Vz/ ) ,
V g (Y , Z) = (V Yg , Vzg ).
В в ед ем в р а ссм о т р ен и е м а т р и ц ы
Ч * . '
J = VYg =
V vg j
c = v 7.g =
J o Y = -C d Z .
Т а к к а к м а т р и ц а J н е в ы р о ж д е н н а я , су щ е с т в у е т о б р а т н а я м а т р и ц а J -1. С л ед о в а
т ел ь н о ,
oY = - j ' c a z .
П о д с т а в л я я эт о в ы р а ж е н и е ĆY в у р а в н е н и е д л я 3 /(Y , Z ), м о ж н о в ы р а зи ть d f ч е р е з 8Z
в с л е д у ю щ е м ви де
df( y , Z ) = ( v j - v Yf j lC ) d z .
И з э т о г о у р а в н е н и я п о л у ч а ем ф о р м у л у д л я п р о и зв о д н ы х ф у н к ц и и f по в ек т о р у н е
за в и с и м ы х п е р ем ен н ы х Z
v c/ = -
A AY-Z).- = Vz/ - V v,/3-'C,
d rz
гд е V / п р ед ст а в л я ет в ек т о р п р и в е д е н н о г о г р а д и е н т а ф у н к ц и и / п о Z . С л ед о в а тел ь
н о , в ек т о р Vc/( Y ,Z ) д о л ж е н о б р а щ а т ь с я в н ул ь в с т а ц и о н а р н ы х т о ч к а х .
Д о ст а т о ч н ы е у с л о в и я э к с т р е м у м а в ст а ц и о н а р н о й т о ч к е а н а л о г и ч н ы и з л о ж е н
н ы м в р а зд е л е 2 0 .1 . В эт о м с л у ч а е эл е м е н т ы м а т р и ц ы Г ессе б у д у т соответств овать
к о м п о н ен т а м в ек т о р а н е з а в и с и м ы х п е р е м е н н ы х Z. М е ж д у т е м эл ем ен т ы м атр и ц ы
Г ессе д о л ж н ы бы ть п р и в е д е н н ы м и в т о р ы м и п р о и зв о д н ы м и . Ч т о б ы п о к а за т ь , к а к
о н и в ы ч и сл я ю т ся , п о л о ж и м
V / = V Z/ - W C .
776 Глава 20. Классическая теория оптимизации
О т сю д а с л е д у е т , ч то і-й ст р о к о й п р и в е д е н н о й м а т р и ц ы Г ессе я в л я е т с я в ек то р
d V cf / d z t. З а м е т и м , что W — ф у н к ц и я от Y , a Y , в св о ю о ч ер ед ь , — ф у н к ц и я о т Z.
С л ед о в а т ел ь н о , п р и в ы ч и сл ен и и ч а ст н о й п р о и з в о д н о й V J по 2 , с л е д у е т п р и м ен я т ь
п р а в и л о д и ф ф е р е н ц и р о в а н и я с л о ж н о й ф у н к ц и и , а и м ен н о
dwi dv/j ду j
dzt d y f dz,
Пример 20.2.1
Р а с с м о т р и м с л е д у ю щ у ю за д а ч у .
/ ( X ) = х 2 + З х ; + 5л:,лГз,
g, (X ) = х,х3 + 2хг + х2 -1 1 = О,
g 2(X ) = х 2 + 2х,х2 + х 2 - 1 4 = 0.
И зв е с т н а д о п у с т и м а я т о ч к а Х° = (1 , 2 , 3 ). Т р е б у е т с я о ц е н и т ь п р и р а щ ен и е ф у н к ц и и /
(= d j ) в д о п у с т и м о й о к р ес т н о с т и т о ч к и Х°.
П у с т ь Y = (Xj, х3) и Z = х2. И м еем
'df df'
V Y/ = = (2х, + 5x3,10x,x3),
v 5 x ,’ 5x3,
V J = $ - = 6x2,
ccc,
ogi dgt
oxt дх,
J=
O g2 дёг 42x , + 2 x 2 2 x 3,
\ dx< &3 J
О ц ен к а п р и р а щ е н и я д / в о к р ес т н о ст и д о п у с т и м о й т о ч к и X = (1 , 2 , 3), в ы зв ан н о го
м а л ы м и з м е н е н и е м д х 2 = 0 ,0 1 , п о л у ч а е т с я с л е д у ю щ и м о б р а зо м :
6 Г
00
-1
12 12
К)
Е сл и у к а за н а в ел и ч и н а и з м е н е н и я д х 2 н е з а в и с и м о й п ер е м ен н о й х 2, т о д о п у с т и м ы е
зн а ч е н и я ćtej и д х 3 за в и с и м ы х п е р е м е н н ы х х г и х 3 о п р е д е л я ю т с я п о ф о р м у л е
д \ = - J 'C 3Z.
П р и д х 2 = 0 ,0 1 получаем
ох, -0 ,0 2 8 3
) 0,0250
Ч т обы п р о в ер и ть то ч н о ст ь п о л у ч е н н о й вы ш е о ц е н к и д л я д / , м о ж н о в ы ч и сл и ть з н а
ч е н и я ф у н к ц и и / в т о ч к а х Х° и Х° 4- ЗХ . П о л у ч а е м
Х° + ЗХ = (1 - 0 ,0 2 8 3 , 2 + 0 ,0 1 , 3 + 0 ,0 2 5 ) = ( 0 ,9 7 1 7 , 2 ,0 1 , 3 ,0 2 5 ) .
О т сю да с л е д у е т , что
Д Х ) = 5 8 и Д Х ° + ЗХ ) = 5 7 ,5 2 3
или
Э /= Л Х ° + д Х ) - Д Х ° ) = - 0 , 4 7 7 .
П о л у ч ен н ы й р езу л ь т а т с в и д е т е л ь с т в у е т о б у м е н ь ш е н и и зн а ч е н и я ф у н к ц и и / по
с р а в н ен и ю с в ы ч и сл ен н ы м вы ш е в с о о т в ет ст в и и с ф о р м у л о й д л я 3/ . Это р а зл и ч и е
м е ж д у д в у м я п о л у ч ен н ы м и р е зу л ь т а т а м и ( - 0 ,4 7 7 и - 0 ,4 6 0 1 ) я в л я е т с я с л е д с т в и е м
л и н ей н о й а п п р о к си м а ц и и в о к р ест н о ст и т о ч к и Х°. П о э т о м у п р и в ед ен н а я вы ш е ф о р
м у л а д а ет х о р о ш и е р езул ь та т ы л и ш ь т о гд а , к о гд а о т к л о н ен и я от т о ч к и Х° м ал ы .
У П Р А Ж Н Е Н И Е 20.2.1
1. В ер н и т есь к за д а ч е и з п р и м е р а 2 0 .2 .1 .
a ) В ы ч и сл и т е в ел и ч и н у 3cf д в у м я с п о с о б а м и , к а к эт о бы л о п р о д е л а н о в п р и
м ер е, и с п о л ь зу я д х 2 = 0 ,0 0 1 в м ест о д х 2 = 0 ,0 1 . Б у д е т л и в л и я н и е л и н е й н о й
а п п р о к с и м а ц и и м е н е е с у щ е с т в е н н ы м п р и у м е н ь ш е н и и в ел и ч и н ы д х 21
b) У ст а н о в и т е за в и с и м о ст ь м е ж д у п р и р а щ е н и я м и д х г, д х 2 и д х 3 в д о п у с т и м о й
т о ч к е Х ° = ( 1 , 2 , 3 ) п р и у с л о в и и , что т о ч к а (х“ + ох,,х" + дх2,х° + ох,) т а к ж е
явл яется д оп усти м ой .
c ) Е сл и Y = (х 2, х 3) и Z = Xj, т о к а к и м д о л ж н о бы ть зн а ч е н и е д х г, чтобы в ел и
ч и н а п р и р а щ е н и я dcf б ы л а т а к а я ж е , к а к в р а с с м о т р е н н о м п р и м ер е?
Пример 20.2.2
Д а н н ы й п р и м ер и л л ю с т р и р у е т п р о ц е д у р у и с п о л ь зо в а н и я м е т о д а п р и в ед е н н о г о гр а
д и е н т а . Р а ссм о т р и м за д а ч у
минимизировать / ( X ) = х,2 + х\ + х]
при ограничени ях
g 1(X ) = x 1 + х2 + Зх3- 2 = 0 ,
& (Х ) = 5*j + 2*2 + * з - 5 = 0 .
778 Глава 20. Классическая теория оптимизации
О п р ед ел я ем эк ст р ем а л ь н ы е т о ч к и ц е л ев о й ф у н к ц и и п р и н а л и ч и и о г р а н и ч ен и й с л е
д у ю щ и м о б р а зо м . П у ст ь Y = (дс1( х2) и 2 = х3. Т о гд а
fi г 3 3 '3'
J= , J '= , С=
,5 2/ 5 1 Л
3J
С л ед о в а т ел ь н о ,
( 2 Ґ\
'з З 10 28
V J = ^ - = 2 x , - ( 2 x i,2x2) З х 1------Х
=— 3 л2 + 2х,.З
VCX3 5 Kb
І 3 3у
В с т а ц и о н а р н о й т о ч к е в ы п о л н я ет с я р а в е н с т в о У /= 0 , к о т о р о е в м ест е с о г р а н и ч е
н и я м и g [(X ) = 0 и g 2(X ) = 0 о п р е д е л я е т и с к о м у ю с т а ц и о н а р н у ю т о ч к у (и л и т о ч к и ).
В д а н н о м сл у ч а е с и ст ем а у р а в н е н и й
V /-0 ,
£,(Х) = О,
gJCX) = о,
или
"10 -2 8 6^ V 'О''
1 1 3 *2= 2
, 5 2 Кл. Л
и м е е т р е ш е н и е Х ° « ( 0 , 8 1 , 0 ,3 5 , 0 ,2 8 ) .
Д а л е е у ст а н а в л и в а ем т и п п о л у ч е н н о й с т а ц и о н а р н о й т о ч к и п у т ем п р о в е р к и в ы п о л
н е н и я д о с т а т о ч н ы х у сл о в и й эк с т р е м у м а . Т а к к а к л:3 — н е за в и с и м а я п е р е м е н н а я , и з
р а в ен ств а V / = 0 с л е д у е т , что
d \f 10 28 „ , Ю 28 dx,
f * 'l { +2= — ,---- + 2.
дА “ з 1^3 J 3 1*зі 1 3 3 dx2
V *3 7
В с о о т в е т с т в и и с м ет о д о м Я к о б и п о л у ч а ем
( А |1 ' 1'
<1хъ
= -J с= 3
dx j 14
1^3 J , 3,
Т е п ер ь п у т е м п о д с т а н о в к и н а х о д и м , ч т о • ^ ^ = ■ ^ ^ > 0 . С л е д о в а т е л ь н о , Х° — т о ч к а
дсх, 9
м иним ум а.
20.2. Задачи на экстремум при наличии ограничений 779
в ы ч и сл ен н о м у в т о ч к е Х 0. Это зн а ч и т , ч то в л и я н и е м а л ы х и зм е н е н и й d g на о п т и
м а л ь н о е зн а ч е н и е ф у н к ц и и / м о ж н о о ц ен и т ь ч е р е з с к о р о ст ь и зм е н е н и я ф у н к ц и и /
по о т н о ш е н и ю к и з м е н е н и я м g . Э ти в ел и ч и н ы п р и н я т о н азы в ать к о э ф ф и ц и е н т а м и
чувстви тел ьн ости .
Пример 20.2.3
Р а ссм о т р и м задач у из п р и м ер а 2 0 .2 .2 . О п ти м а л ь н о й точкой является
) = (0,81, 0,35, 0,28). Т а к к а к Y0 = ) , то
С л ед ов ател ь н о,
780 Глава 20. Классическая теория оптимизации
Это с в и д ет ел ь ст в у ет о т о м , что и зм е н е н и е dg 1 = 1 п р и в о д и т к у в е л и ч е н и ю зн а ч е н и я
ц е л ев о й ф у н к ц и и / п р и б л и з и т е л ь н о н а 0,0867. А н а л о г и ч н о п р и dg2 = 1 и м ее т м есто
у в е л и ч е н и е зн а ч е н и я / п р и б л и з и т е л ь н о на 0,3067.
И с п о л ь зо в а н и е м е т о д а Я к о б и в з а д а ч а х л и н е й н о г о п р о г р а м м и р о в а н и я . Р а с
с м о т р и м за д а ч у л и н е й н о г о п р о г р а м м и р о в а н и я .
М а к си м и зи р о в а т ь г = 2 х , + З х г
п ри огран и чен и ях
х 1+ х 2 + х 3= 5,
х 1- х 2 + х 4 = 3,
x^i x 2t х^, х 4 Ź 0 .
Для к аж дого усл овия н еотри цател ьности xf > 0 в в ед ем соответствую щ ую
(н е о т р и ц а т е л ь н у ю ) д о п о л н и т е л ь н у ю п е р е м е н н у ю w2j . Т а к и м о б р а зо м , Xj - w2 = 0
и л и Xj = w 2. П р и т а к о й за м е н е у с л о в и я н ео т р и ц а т е л ь н о ст и с т а н о в я т с я н ея в н ы м и ,
и и с х о д н а я за д а ч а п р и н и м а е т ви д
м а к с и м и зи р о в а т ь z = 2 w 2 + 3w,2
Wl + W2 + W3 = 5,
w, - wI + щ = 3.
Д л я м е т о д а Я к о б и п о л о ж и м Y = (ц>,, w 2) и Z = (w 3, w 4). (В т е р м и н о л о г и и л и н е й н о го
п р о г р а м м и р о в а н и я в ек то р ы Y и Z о б р а зо в а н ы б а зи с н ы м и и н е б а зи с н ы м и п ер е м е н
н ы м и со о т в е т с т в е н н о .) С л ед о в а тел ь н о ,
1 1
2 w, 2 w2 4W| 4vv,
J= , J '= w, и W2 * 0,
2 w, - 2 w2j J ____ -1_
4w2 4w2 j
2 w3 0
С= , V y/ = ( 4 wp 6 vv2 )-V z / = ( 0, 0 ) ,
0 2w,
т а к что
1 1
4vv, 4vv. 2w3 0
Vc/ = (0 ,0 )-(4 w „ 6 w 2) = ( - 5 w3,w4).
1 -1 0 2 w4
4w2 4 w2у
Р е ш е н и е си ст ем ы у р а в н е н и й , с о с т о я щ е й и з у р а в н е н и я V / = 0 и о г р а н и ч е н и й за д а
ч и , п о зв о л я е т о п р ед ел и т ь с т а ц и о н а р н у ю т о ч к у w x = 2, w 2 = l , w 3 = 0 , u>4 = 0 . П р и
эт о м м а т р и ц а Г ессе и м е е т в и д
20.2. Задачи на экстремум при наличии ограничений 781
д ії
дУ з dcW)3cWA f ~5 0
Н ,=
д]/ ó J2 0 1
d c w i& c w *
П о с к о л ь к у H c я в л я е т с я н е о п р е д е л е н н о й м а т р и ц е й , с т а ц и о н а р н а я т о ч к а не б у д е т
точкой м аксим ум а.
Н а с а м о м д е л е п о л у ч е н н ы й р е зу л ь т а т не я в л я е т с я н е о ж и д а н н ы м , п о с к о л ь к у
(н е б а з и с н ы е ) п ер ем ен н ы е w 3 и и>4 (и , с л е д о в а т е л ь н о , х 3 и х 4) р а в н я ю т ся н у л ю , к а к
и п р е д у с м о т р е н о т е о р и е й л и н е й н о г о п р о г р а м м и р о в а н и я . С л ед о в а тел ь н о , р е ш е н и е ,
пол учен н ое с п ом ощ ью м етода Я к оби , о п р едел яет ту и ли и н ую крайн ю ю точ к у п р о
ст р а н ств а д о п у с т и м ы х р е ш е н и й р а с см а т р и в а е м о й за д а ч и , к о т о р а я с в я за н а с к о н
к р ет н ы м вы бор ом в ек тор о в Y и Z. П р и э т о м н а й д е н н о е р еш е н и е м о ж е т к а к бы ть,
т а к и не бы ть о п т и м а л ь н ы м . О д н а к о м е т о д Я к о б и п о зв о л я е т р а сп о зн ать о п т и м а л ь
н ое р е ш е н и е за д а ч и п у т ем и с п о л ь зо в а н и я д о с т а т о ч н ы х у с л о в и й эк с т р е м у м а .
П р и в ед ен н ы е р а с с у ж д е н и я с в и д е т е л ь с т в у ю т о т о м , ч то д л я о п т и м а л ь н о го р е ш е
н и я за д а ч и л и н е й н о г о п р о г р а м м и р о в а н и я н е о б х о д и м о м ен я т ь к о н к р ет н ы й вы бор Y
и Z, п о к а не б у д у т в ы п о л н ен ы д о с т а т о ч н ы е у с л о в и я . П у с т ь , н а п р и м е р , Y = ( w 2, w 4)
и Z = ( w j, w 3). Т о г д а со о т в е т ст в у ю щ и й п р и в е д е н н ы й г р а д и ен т п р и н и м а е т ви д
1
0
2 w, 2 w, 2w3
= (-2 w „6 w 3).
J ____ 1_ ч2 w, 0
2 w4 2 w4,
С о о т в ет ст в у ю щ а я ст а ц и о н а р н а я т о ч к а о п р е д е л я е т с я зн а ч е н и я м и w l = 0, w2 = Тб ,
w 3 = 0 , w4 = у/8 . Т а к к а к м а т р и ц а
-2 0
Н =
0 -6
я в л я е т с я о т р и ц а т ел ь н о о п р е д е л е н н о й , т о у к а з а н н а я т о ч к а — т о ч к а м а к с и м у м а .
П о л у ч ен н ы й р езу л ь т а т м о ж н о п р ов ер и ть г р а ф и ч е ск и , и с п о л ь зу я р и с. 2 0 .6 . П е р
вое и з н а й д е н н ы х р е ш е н и й ( x t = 4 , х 2 = 1) не я в л я е т с я о п т и м а л ь н ы м , в то в р ем я к а к
в т о р ое (Xj = 0 , х 2 — 5 ) о к а зы в а е т с я т а к о в ы м . Ч и т а т ел ь и м ее т в о зм о ж н о с т ь п р о в е
р и т ь , ч т о д в е о с т а в ш и е с я к р а й н и е т о ч к и п р о ст р а н с т в а д о п у с т и м ы х р е ш е н и й не я в
л я ю т с я т о ч к а м и м а к с и м у м а . К р о м е т о г о , с и с п о л ь зо в а н и е м д о ст а т о ч н ы х у с л о в и й
э к с т р е м у м а м о ж н о п о к а за т ь , что в т о ч к е х г = 0 , х 2 = 0 в о зн и к а е т м и н и м у м ц ел ев о й
ф у н к ц и и р а ссм а т р и в а ем о й за д а ч и .
З а м ет и м , что в в еден н ы е р анее к о эф ф и ц и ен ты чув ств и тел ь н ости V Yj/ T ' в задач е
л и н ей н о го п р огр ам м и р ов а н и я я в л я ю тся п ер ем ен н ы м и д в о й ств ен н о й за д а ч и . Ч тобы
п р о и л л ю стр и р овать это на р ассм атр и ваем ом ч и сл ен н о м п р и м ер е, о б о зн а ч и м ч ер ез u t
и и 2 соот в ет ств ую щ и е п ер ем ен н ы е дв о й ств ен н о й за д а ч и . В оп ти м ал ьн ой точке w x = 0 ,
w2 = Тб , w 3 = 0 , W4 = V8 п ер ем ен н ы е дв о й ств ен н о й за д а ч и вы ч и сл яю тся по ф ор м ул е
782 Глава 20. Классическая теория оптимизации
В т о ч к е ( 3 , 0 ) ц е л е в а я ф у н к ц и я д в о й с т в е н н о й з а д а ч и р а в н а 5u j + 3 u 2 = 1 5
и совп адает с оп ти м ал ьн ы м зн ач ен и ем ц ел евой ф у н к ц и и п р я м ой за д а ч и . П о л у
ч е н н о е р е ш е н и е т а к ж е у д о в л е т в о р я е т о г р а н и ч е н и я м д в о й с т в е н н о й з а д а ч и , т .е .
я в л я е т с я д о п у с т и м ы м и , с л е д о в а т е л ь н о , о п т и м а л ь н ы м . Э то з н а ч и т , ч т о к о э ф ф и
ц и е н т ы ч ув ств и тел ь н ост и со в п а д а ю т с п ер ем ен н ы м и д в о й ств ен н о й за д а ч и л и н ей н о го
п р о гр ам м и р ов ан и я .
И з п р о ц ед у р ы п р и м е н е н и я м е т о д а Я к о б и к р еш е н и ю за д а ч л и н е й н о г о п р о г р а м
м и р о в а н и я м о ж н о с д ел а т ь н е с к о л ь к о о б щ и х в ы в о д о в . Р а сс м о т р е н н ы й ч и сл ен н ы й
п р и м е р п о к а зы в а ет , ч т о в с и л у н е о б х о д и м ы х у с л о в и й эк с т р е м у м а н е за в и с и м ы е п е
р ем ен н ы е за д а ч и р авн ы н у л ю . Д о с т а т о ч н ы е ж е у с л о в и я у к а зы в а ю т н а т о , ч т о м а т
р и ц а Г ессе я в л я е т с я д и а г о н а л ь н о й . С л ед о в а тел ь н о , в се д и а г о н а л ь н ы е эл ем ен т ы
эт о й м а т р и ц ы д о л ж н ы бы ть п о л о ж и т е л ь н ы м и , ес л и в р а сс м а т р и в а ем о й т о ч к е и м еет
м ест о м и н и м у м , и о т р и ц а т ел ь н ы м и — в с л у ч а е м а к с и м у м а .
И з в ы ш еск а за н н о г о с л е д у е т , ч т о н е о б х о д и м о е у с л о в и е э к с т р е м у м а р а в н о си л ьн о
у к а за н и ю н а т о , ч т о о п т и м а л ь н о е р е ш е н и е за д а ч и с л е д у е т и ск а т ь то л ь к о с р е д и ее
б а зи с н ы х р е ш е н и й . В эт о м с л у ч а е в к а ч ест в е н е б а з и с н ы х п е р е м е н н ы х за д а ч и л и
н е й н о го п р о г р а м м и р о в а н и я в ы ст у п а ю т н е за в и с и м ы е п е р е м е н н ы е . Д о с т а т о ч н о е ж е
у с л о в и е п р и в о д и т к в ы в о д у , ч т о м е ж д у д и а г о н а л ь н ы м и э л е м е н т а м и м а т р и ц ы Г ессе
и р а зн о с т я м и - с, з а д а ч и л и н е й н о г о п р о г р а м м и р о в а н и я (см . р а зд е л 7 .2 ), п о л у ч а е
м ы м и с п о м о щ ь ю с и м п л е к с -м е т о д а , су щ е с т в у е т ст р о го е с о о т в е т с т в и е .1
У П Р А Ж Н Е Н И Я 20.2.2
1. П р е д п о л о ж и м , ч т о з а д а ч а и з п р и м е р а 2 0 .2 .2 р е ш е н а с л е д у ю щ и м о б р а зо м .
С н ач ал а и з о г р а н и ч ен и й за д а ч и в ы р а ж а ем п е р ем е н н ы е и х г ч е р е з х 3; за т ем
и сп о л ь зу ем п о л у ч е н н ы е с о о т н о ш е н и я д л я п р е д с т а в л е н и я ц е л ев о й ф у н к ц и и
в за в и с и м о с т и л и ш ь о т п е р е м ен н о й х 3. Д и ф ф е р е н ц и р у я п о л у ч е н н у ю ц ел ев у ю
ф у н к ц и ю п о х 3, н а х о д и м т о ч к и м и н и м у м а и м а к с и м у м а .
a ) Б у д у т л и п р о и зв о д н ы е н о в ой ц е л е в о й ф у н к ц и и (в ы р а ж е н н ы е ч е р е з п е р е
м е н н у ю х 3) о т л и ч а т ь ся о т п о л у ч е н н ы х с п о м о щ ь ю м ет о д а Я к о б и ?
b) В чем осн ов н о е от л и ч и е о п и са н н о й п р о ц еду р ы р еш ен и я за д а ч и от м е
тода Я коби?
2 . П р и м е н и т е м е т о д Я к о б и к р е ш е н и ю за д а ч и и з п р и м е р а 2 0 .2 .1 , в ы б и р а я
Y = ( x 2, x 3) h Z = ( я , ) .
3 . С п о м о щ ь ю м ет о д а Я к о б и р е ш и т е с л е д у ю щ у ю за д а ч у .
Минимизировать /( X ) = ^ х 2
при ограничении
П *,= с ,
1=1
г д е С — п о л о ж и т е л ь н а я к о н с т а н т а . П у с т ь т еп ер ь п р а в а я ч а сть о г р а н и ч е н и я
р а в н а С + S, г д е S — м а л о е п о л о ж и т е л ь н о е ч и сл о . Н а й д и т е с о о т в е т с т в у ю щ е е
и з м е н е н и е о п т и м а л ь н о го зн а ч е н и я ц е л е в о й ф у н к ц и и f.
4 . Р е ш и т е м ет о д о м Я к о б и с л е д у ю щ у ю за д а ч у .
Минимизировать /( X ) = 5х2 + х22 + 2х,х2
п р и о г р а н и ч ен и и
g(X) = х, х2 - 1 0 = 0.
a ) Н а й д и т е и зм е н е н и е о п т и м а л ь н о го зн а ч е н и я ц е л е в о й ф у н к ц и и f ( X ) , есл и
о г р а н и ч е н и е за д а ч и п р и м е т в и д х гхг - 9 ,9 9 = 0 .
b ) Н а й д и т е и зм е н е н и е зн а ч е н и я ц е л е в о й ф у н к ц и и f ( X ) в о к р е с т н о с т и д о п у с
т и м о й т о ч к и (2 , 5 ) п р и у с л о в и и , ч т о х хх 2 = 9 ,9 9 и дхг = 0 ,0 1 .
5. Р е ш и т е с л е д у ю щ у ю за д а ч у .
Максимизировать /( X ) = х2 + 2х\ + 10х32 + 5х,х2
при ограничени ях
g, (X) = jc, + х \ + Зх2х, - 5 = 0,
И с п о л ь з у й т е м е т о д Я к о б и д л я н а х о ж д е н и я 3 /( Х ) в о к р е с т н о с т и д о п у с т и
м о й т о ч к и ( 1 , 1 , 1 ). П у с т ь у к а з а н н а я о к р е с т н о с т ь о п р е д е л я е т с я у с л о в и я
м и d g x = - 0 , 0 1 , d g 2 = 0 , 0 2 и дхг = 0 , 0 1 .
6 . Р е ш и т е с л е д у ю щ у ю за д а ч у .
Минимизировать / ( X ) = х2 + х2 + х \ + х42
при ограничени ях
g j(X ) = х х + 2хг + Зх3 + 5 x t - 1 0 = 0 ,
g 2( X ) = х г + 2хг + 5х3 + 6 х 4 - 1 5 = 0 .
а ) П о к а ж и т е , ч то п р и вы бор е x 3 n x t B к а ч ест в е н еза в и с и м ы х п е р е м е н н ы х м е
т о д Я к о б и не д а е т о п т и м а л ь н о го р е ш е н и я .
784 Глава 20. Классическая теория оптимизации
b ) Р е ш и т е за д а ч у , вы брав х г и х 3 в к а ч ест в е н е за в и с и м ы х п ер ем е н н ы х ,
и п р и м е н и т е д о ст а т о ч н ы е у с л о в и я д л я и с с л е д о в а н и я п о л у ч е н н о й с т а ц и о
нарной точки.
c ) Н а й д и т е к о эф ф и ц и ен т ы ч у в ст в и т ел ь н о ст и д л я эт о й за д а ч и .
7 . Р еш и те сл едую щ ую задач у лин ей н ого програм м ирован ия.
п
Максимизировать / ( Х ) = ^ с ;ху
;=|
М ет о д м н о ж и т е л е й Л а г р а н ж а . К о э ф ф и ц и е н т ы ч у в с т в и т е л ь н о с т и м е т о д а Я к о б и
5^- = V v Г '
3g Y*
м о ж н о и сп о л ь зо в а т ь д л я р е ш е н и я за д а ч с о г р а н и ч е н и я м и в в и д е р а в ен ств . П усть
X= Vv*0J- Ж
cg'
С л ед о в а т ел ь н о ,
d f - X d g = 0.
Э то у р а в н е н и е с о о т в ет ст в у ет н е о б х о д и м ы м у с л о в и я м с т а ц и о н а р н о с т и т о ч е к , так
к а к ф о р м у л а д л я — п о л у ч е н а с у ч е т о м т о г о , ч т о V cf = 0 . П р е д с т а в л ен н о е у р а в н ен и е
dg
м о ж н о за п и са т ь в б о л ее у д о б н о й ф о р м е , е с л и п е р е й т и к ч а стн ы м п р о и зв о д н ы м по
всем п ер ем ен н ы м x jt ч т о п р и в о д и т к си с т е м е у р а в н е н и й
~ ~ {f~ X g) = 0, j = 1 ,2 ,...,п.
П о л у ч ен н ы е у р а в н е н и я вм есте с о г р а н и ч е н и я м и за д а ч и g (X ) = 0 ф о р м и р у ю т с и с т е
м у , к о т о р а я п о зв о л я е т о п р е д ел и т ь д о п у с т и м ы е в ек то р ы X и X, у д о в л е т в о р я ю щ и е
н ео б х о ди м ы м усл ови я м стац ион арн ости.
О п и сан н ая п р о ц ед у р а со ст а в л я ет осн о в у м е т о д а м н о ж и т е л е й Л а г р а н ж а , котор ы й
п о зв о л я ет о п р ед ел я т ь ст а ц и о н а р н ы е то ч к и за д а ч и о п т и м и за ц и и с огр ан и ч ен и я м и
в виде р а в е н с т в . Ф ор м ал ьно сх е м а этого м ет о д а представи м а в сл ед ую щ ем виде. П усть
ДХ, X) = f ( X ) - X d g(X).
20.2. Задачи на экстремум при наличии ограничений 785
Ф у н к ц и я L н а зы в а ет ся ф у н к ц и е й Л а г р а н ж а , а п а р а м ет р ы X — м н о ж и т е л я м и Л а
г р а н ж а . К ак с л е д у е т и з о п р е д е л е н и я , эт и м н о ж и т е л и и м е ю т т о т ж е с м ы с л , что
и к о эф ф и ц и ен т ы ч у в с т в и т е л ь н о с т и , ф и г у р и р у ю щ и е в м е т о д е Я к о б и .
У р а в н ен и я
dL = 0n и —
— 8L =0п
дк дХ
д а ю т н е о б х о д и м ы е у с л о в и я д л я о п р е д е л е н и я ст а ц и о н а р н ы х т о ч е к ф у н к ц и и /( X )
п р и о г р а н и ч е н и я х g (X ) = 0 . Д о с т а т о ч н ы е у с л о в и я , и с п о л ь зу е м ы е в м е т о д е м н о ж и
т ел ей Л а г р а н ж а , б у д у т с ф о р м у л и р о в а н ы б е з д о к а за т е л ь с т в а . О п р ед ел и м м а т р и ц у
о
Н8 =
где
'vg.(x)
~
Р= : Q = К—^
Ц Х Л )
----- - для всех і и j .■■
дхдх:
Ч Л х ).
М а т р и ц а Н в н а зы в а ет ся о к а й м л е н н о й м а т р и ц е й Г е с с е .
П у ст ь и м е е т с я ст а ц и о н а р н а я т о ч к а ( Х 0, Х0) ф у н к ц и и Л а г р а н ж а L (X , X), и о к а й м
л е н н а я м а т р и ц а Г ессе Н в в ы ч и с л е н а в т о ч к е (Х 0, Х0). Т о гд а Х 0 я в л я е т с я с л е д у ю щ и м .
1. Т о ч к о й м а к с и м у м а , е с л и , н а ч и н а я с у г л о в о го м и н о р а п о р я д к а 2 т + 1, п о с л е
д у ю щ и е п - т у г л о в ы х м и н о р о в о к а й м л ен н о й м а т р и ц ы Г ессе Н в о б р а зу ю т
з н а к о п е р е м е н н ы й ч и с л о в о й р я д , в к о т о р о м зн а к п ер в о го ч л е н а о п р е д е л я е т с я
ч/П+1
- 1)
2 . Т оч к ой м и н и м у м а , е с л и , н а ч и н а я с у гл о в о го м и н о р а п о р я д к а 2 т + 1, п о с л е
д у ю щ и е п - т у г л о в ы х м и н о р о в м а т р и ц ы Н в и м ею т з н а к и , о п р е д е л я е м ы е
м н о ж и т е л е м (-1 )" 1.
Э ти у с л о в и я я в л я ю т с я д о с т а т о ч н ы м и д л я о п р е д е л е н и я э к с т р е м а л ь н о й т о ч к и .
Д р у г и м и с л о в а м и , э к ст р ем а л ь н о й м о ж е т о к а за т ь с я с т а ц и о н а р н а я т о ч к а , не у д о в л е
т в о р я ю щ а я эт и м у с л о в и я м .
С у щ ест в у ю т д р у г и е у с л о в и я о п р е д е л е н и я эк с т р е м а л ь н ы х т о ч ек за д а ч и , к отор ы е
я в л я ю т с я к ак н е о б х о д и м ы м и , т а к и д о с т а т о ч н ы м и . О д н а к о и х п р а к т и ч е с к о е и с
п о л ь зо в а н и е ч а ст о св я за н о со зн а ч и т ел ь н ы м и в ы ч и сл и тел ь н ы м и т р у д н о с т я м и . О п
ределим м атрицу
i-f* Р ]■
I.P' Q - |d J
в ы ч и сл ен н у ю в с т а ц и о н а р н о й т о ч к е ( Х 0, Х0), г д е ju — н е и зв е с т н ы й п а р а м ет р . П усть
|Д| — о п р е д е л и т е л ь м а т р и ц ы Д, т о г д а все п - т д ей с т в и т е л ь н ы х к о р н е й д. п о л и н о м а
|Д| = 0 д о л ж н ы бы ть
1) о т р и ц а т ел ь н ы м и , е с л и Х 0 — т о ч к а м а к с и м у м а ,
2) п ол ож ител ьны м и, есл и Х 0 — точка м иним ум а.
786 Глава 20. Классическая теория оптимизации
Пример 20.2.4
Р а с с м о т р и м з а д а ч у и з п р и м ер а 2 0 .2 .2 . Ф у н к ц и я Л а г р а н ж а и м е е т ви д
Н ео б х о д и м ы е у сл о в и я эк ст р ем у м а зап и сы в а ю т ся в ви де сл ед у ю щ ей си стем ы
уравн ений.
dL = і2х. - Х . - 5 Х 2 =0,
—
дх,
д1_
: 2х , - X.
дх.,
— = 2 х , - З Х 1- Х 2 =0,
дх,
= - ( * , + х, + Зх, - 2) = 0,
dL (і ■2 х > , 5) = 0.
Т7- =- ( ^
ок+
Р е ш е н и е м эт о й си ст ем ы я в л я ю т ся век тор ы
Х0 = (jCj, х г, х 3) = ( 0 ,8 0 4 3 , 0 , 3 4 7 8 , 0 ,2 8 2 6 ) ,
X = (А„ Лг) = ( 0 ,0 8 7 0 , 0 ,3 0 4 3 ) .
В э т о м р е ш е н и и о б ъ е д и н е н ы р е з у л ь т а т ы п р и м е р о в 2 0 .2 .2 и 2 0 .2 .3 . К а к в и д и м ,
з н а ч е н и я м н о ж и т е л е й Л а г р а н ж а X с о в п а д а ю т со з н а ч е н и я м и к о э ф ф и ц и е н т о в
ч у в с т в и т е л ь н о с т и , п о л у ч е н н ы м и в п р и м е р е 2 0 .2 .3 . Э то у к а з ы в а е т н а т о , ч т о эт и
к о эф ф и ц и ен ты не за в и ся т от вы бора в ек тор а за в и си м ы х п ер ем ен н ы х Y при
р еал и зац и и м етода Я к оби .
Ч тобы п о к а за ть , что н ай ден н ая точка я в л я ет ся точ к ой м и н и м ум а, р ассм отри м
м атрицу
'0 0 1 1 З''
0 0 5 2 1
Н" 1 5 2 0 0
1 2 0 2 0
, 3 1 0 0 2 ,
З д е с ь п = 3 , т = 2 и п - т = 1 . С л ед о в а т ел ь н о , н е о б х о д и м о п р о в ер и ть т о л ь к о о п р е д е
л и т е л ь м а т р и ц ы Н8, зн а к к о т о р о го з а д а е т с я м н о ж и т е л е м ( - 1 ) 2 в т о ч к е м и н и м у м а .
Т ак к а к detH® = 4 6 0 > 0 , т о Х0 я в л я е т с я т о ч к о й м и н и м у м а .
20.2. Задачи на экстремум при наличии ограничений 787
Пример 20.2.5
Р а с см о т р и м з а д а ч у
минимизировать z - x ^ + х2 + х]
п р и о г р а н и ч ен и и
4х і + х\ + 2х у - 1 4 = 0.
Ф у н к ц и я Л а г р а н ж а и м е е т ви д
О т сю д а п о л у ч а ем н е о б х о д и м ы е у с л о в и я эк с т р е м у м а в в и д е с и с т е м ы
— = 2 х - 4 Х = 0,
а*,
----- = 2х , - 2Х = 0,
дх,
| ^ = - ( 4 х, + х2 + 2 х3 - 1 4 ) = 0>
р е ш е н и я м и к о т о р о й я в л я ю т с я век тор ы
(2 , 2 , 1 ,1 ),
(Х 0, Л0)г = (2 , - 2 , 1, 1),
(Х„, Л0)3 = ( 2 ,8 , 0 , 1 ,4 , 1 ,4 ).
И с п о л ь зу я д о ст а т о ч н ы е у с л о в и я , в ы ч и сл и м эл ем ен т ы м а т р и ц ы
'0 4 2хг 2Ч
4 2 0 0
н" =
2хг 0 2-2Х 0
U 0 0 2,
Т ак к ак т = 1 и п = 3 , т о д л я т о г о , ч то б ы с т а ц и о н а р н а я т о ч к а б ы л а то ч к о й м и н и м у
м а , зн а к п о с л е д н и х 3 - 1 = 2 у г л о в ы х м и н о р о в д о л ж е н о п р е д е л я т ь с я зн а к о м м н о
ж и т е л я (- I ) " 1= - 1 . Т а к и м о б р а зо м , в т о ч к е (Х 0,А 0)1 = (2 , 2, 1, 1) и м еем
0 4 4 2
0 4 4
4 2 0 0
4 2 0 = -3 2 < 0 и
4 0 0 0
4 0 0
2 0 0 2
В т о ч к е (Х„, Л0)2 = (2 , - 2 , 1 , 1 )
0 4 -4 2
0 4 -4
4 2 0 0
4 2 0 = -3 2 < 0 и
-4 0 0 0
-4 0 0
2 0 0 2
788 Глава 20. Классическая теория оптимизации
'0 4 2х 2 2 '
4 2 -ц 0 0
2х 2 0 2 - 2 Х - ц 0
ч2 0 0 2 -ц ,
В т о ч к е (Х„, Л0\ = (2 , 2 , 1, 1) и м еем
|Д| = V - 2 6 //+ 1 6 = 0,
о т к у д а п о л у ч а е м ju = 2 и ju = 8 / 9 . Т ак к а к все ju > 0 , то (Х 0), = ( 2 , 2 , 1) — т о ч к а м и н и
м у м а . В т о ч к е (Х 0, Л0)2 = (2 , - 2 , 1 , 1)
|Л| = 9 / / - 2 6 //Ч -1 6 = 0 ,
ч т о со в п а д а ет с р ассм о т р ен н ы м вы ш е с л у ч а е м . С л ед о в а тел ь н о , (Х 0)2 = ( 2 , - 2 , 1) я в
л я е т с я т о ч к о й м и н и м у м а . Н а к о н е ц , в т о ч к е (Х„, Л0)3 = ( 2 ,8 , 0 , 1 ,4 , 1 ,4 )
|Д| = 5 / / - 6 // - 8 = 0 ,
о т к у д а п о л у ч а ем ju = 2 и / / = - 0 , 8 , ч т о с в и д ет е л ь с т в у е т о том , что точка
(Х„)з = ( 2 ,8 , 0 , 1 ,4 ) не я в л я е т с я э к с т р ем а л ь н о й .
У П Р А Ж Н Е Н И Я 20.2.3
1. М ет о д о м Я к о б и и м ет о д о м м н о ж и т е л е й Л а г р а н ж а р еш и т е с л е д у ю щ у ю за д а ч у
л и н ей н ого програм м ирован ия.
М а к с и м и зи р о в а т ь /( X ) = 5 х , + З х 2
при огран и чен и ях
^ (Х ) = х, + 2хг + х 3- 6 = 0,
g 2(X ) = 3 * j + х 2 + х 4 - 9 = 0 ,
g 2 (X) = х, + 5х2 + х, - 1 = 0.
20.2. Задачи на экстремум при наличии ограничений 789
П у ст ь g \( X ) = 0 ,0 1 и g 2( X ) = 0 ,0 2 . Н а й д и т е в е л и ч и н у со о т в е т с т в у ю щ е г о и з м е
н е н и я о п т и м а л ь н о г о зн а ч е н и я ф у н к ц и и f ( X ) .
3. Р еш и т е у п р а ж н ен и е 2 0 .2 .2 .6 м етодом м н о ж и т ел ей Л агр ан ж а и проверьте, что
п ол учен н ы е зн ач ен и я м н о ж и т ел ей Л а гр а н ж а совп адаю т со зн ач ен и я м и к о эф ф и
ц и ен тов чувствител ьности, п ол учен н ы м и р анее пр и реш ен и и этого уп р а ж н ен и я .
Ш а г 1. Р е ш а е т с я за д а ч а б е з у ч е т а о г р а н и ч е н и й
м а к с и м и зи р о в а т ь z = f ( X ) .
Е сл и п о л у ч е н н о е о п т и м а л ь н о е р е ш е н и е у д о в л е т в о р я е т всем о г р а
н и ч ен и я м за д а ч и , в ы ч и сл ен и я за к а н ч и в а ю т с я , так к а к все о г р а
н и ч е н и я я в л я ю т с я и зб ы т о ч н ы м и . И н а ч е с л е д у е т п о л о ж и т ь k = 1
и п ер ей ти к ш агу 2.
Ш аг 2 . А к ти в и зи р у ю тся лю бы е k огр аничени й задачи (т .е . преобразовы ваю т
ся в равенства), и о п ти м и зи р у ется ф у н к ц и я f ( X ) пр и н ал ичи и k огра
н и ч ен и й м етодом м н о ж и т ел ей Л а гр а н ж а . Е сл и оптим альн ое р еш ение
этой зад ач и явл яется д о п усти м ы м по отн ош ен и ю к остальны м огра
ни ч ен и я м и сх о д н о й задач и , вы ч и сления заканчиваю тся: полученн ая
точ к а я вл яется л о к а л ь н ы м о п т и м у м о м 2. И наче н у ж н о сделать актив
ны м и др у ги е k огр аничени й и сх о д н о й задачи и повторить данны й
ш аг. Е сли вс е п од м н о ж еств а , состоя щ и е и з k активн ы х ограничений,
не при в одят к д о п у ст и м о м у р еш ен и ю , сл ед у ет перейти к ш агу 3.
Ш аг 3. Е сл и k = m, вы числения прекращ аю тся: задача не и м еет доп усти м ы х
р еш ен и й . И наче н еобход и м о п о л о ж и ть k = k + 1 и перейти к ш агу 2.
В о п и с а н н о й в ы ч и сл и т ел ь н о й п р о ц е д у р е ч а ст о и г н о р и р у ет ся то в а ж н о е о б с т о я
т ел ь ст в о , ч то о н а н е г а р а н т и р у е т п о л у ч е н и я гл о б а л ь н о г о о п т и м у м а д а ж е в т е х
с л у ч а я х , к о г д а за д а ч а и м е е т е д и н с т в е н н о е о п т и м а л ь н о е р е ш е н и е . Д р у г и м важ н ы м
м о м ен т о м я в л я е т с я о ш и б о ч н о с т ь и н т у и т и в н о го п р е д с т а в л е н и я , ч т о е с л и p < q , то
о п т и м а л ь н о е зн а ч е н и е ц е л е в о й ф у н к ц и и /( X ) п р и р о г р а н и ч е н и я х -р а в е н с т в а х в се
г д а л у ч ш е, ч ем п р и q о гр а н и ч ен и я х -р а в ен ст в а х . В общ ем с л у ч а е эт о и м еет м есто л и ш ь
в том сл у ч а е, к огд а набор и з р о гр а н и ч ен и й я в л я ет ся п о д м н о ж ес т в о м н абор а и з q ог
р а н и ч ен и й . Р ассм атр и в аем ы й н и ж е п р и м ер с л у ж и т и л л ю ст р а ц и ей ск а за н н о го .
Пример 20.2.6
Максимизировать z = ~(2х, - 5)2 ~ ( 2 х 2 - 1)2
при огран и чен и ях
х г + 2хг < 2,
x l t x2> 0 .
Г р а ф и ч еск о е п р ед ст а в л ен и е д а н н о й за д а ч и (р и с . 2 0 .7 ) п р и зв а н о п о м о ч ь в п о н и м а
н и и а н а л и т и ч е с к и х в ы к л а д о к . К а к в и д и м , ц е л е в а я ф у н к ц и я за д а ч и я в л я е т с я в о
г н у т о й , а обл асть д о п у с т и м ы х р е ш е н и й в ы п у к л о й . О т сю д а с л е д у е т , ч т о эф ф е к т и в
н ы й ал го р и тм д о л ж е н га р а н ти р о в а т ь о п р е д е л е н и е г л о б а л ь н о г о о п т и м у м а . О дн ако
о б о б щ ен н ы й м ет о д м н о ж и т е л е й Л а г р а н ж а , к а к б у д е т п о к а з а н о , п о зв о л я е т н а й т и
л и ш ь т о ч к у л о к а л ь н о го м а к с и м у м а .
Т о ч к а б е зу с л о в н о г о эк с т р е м у м а н а х о д и т с я к а к р е ш е н и е у р а в н е н и й
- ^ = -4 (2 * , - 5 ) = 0,
ОХ,
Т ~ = “4 (2 x2 - 1 ) = 0.
дхг
С л ед о в а т ел ь н о ,
— = —4(2дг, - 5 ) - Я. = 0,
ЙХ|
— = - 4 ( 2 х , - 1 ) = 0,
дх2 V 2 ; -
— = -х =0
дх х'
Р е ш е н и е м эт о й си ст ем ы б у д е т т о ч к а (jCj, jc2) = ( 0 , 1/2), к о т о р а я я в л я е т с я т о ч к о й
м а к с и м у м а , в ч ем м о ж н о у б е д и т ь с я , и с п о л ь зу я д о с т а т о ч н о е у с л о в и е . П о с к о л ь к у эт а
т о ч к а у д о в л е т в о р я е т о ст а л ь н ы м о г р а н и ч е н и я м и с х о д н о й за д а ч и , в ы ч и сл и т ел ь н а я
п р о ц е д у р а за в ер ш а ет ся : (х ,, jc2) = (0 , 1 / 2 ) — т о ч к а л о к а л ь н о го м а к с и м у м а за д а ч и .
(З а м е т и м , ч то есл и п о о ч е р е д н о а к т и в и зи р о в а т ь о с т а в ш и е с я о г р а н и ч е н и я за д а ч и
х2 > 0 и х, + 2 х2 < 2 , то п о л у ч а ю т с я н е д о п у с т и м ы е р е ш е н и я .) О п ти м а л ь н о е зн а ч е н и е
ц е л ев о й ф у н к ц и и z = - 2 5 .
К а к в и д н о и з р и с. 2 0 .7 , д о п у с т и м о м у р е ш е н и ю (xlt х 2) = (2 , 0 ) р а с с м а т р и в а е м о й з а
д а ч и , к о т о р о е о п р е д е л я е т с я т о ч к о й п е р е с е ч е н и я д в у х п р я м ы х х г = 0 и jt, + 2х2 = 2,
с о о т в ет ст в у ет зн а ч е н и е ц е л е в о й ф у н к ц и и z = - 2 . О но л у ч ш е зн а ч е н и я ф у н к ц и и z ,
к о т о р о е п о л у ч е н о с у ч ет о м о д н о г о а к т и в н о го о г р а н и ч е н и я .
У с л о в и я К у н а -Т а к к е р а . Д а н н ы й р а зд е л п о с в я щ е н р а ссм о т р ен и ю н е о б х о д и м ы х
у сл о в и й К у н а -Т а к к е р а , к о т о р ы е п о зв о л я ю т о п р е д ел я т ь ст а ц и о н а р н ы е т о ч к и в з а
д ач е н е л и н е й н о г о п р о г р а м м и р о в а н и я с о г р а н и ч е н и я м и в ви де н ер а в ен ств . В о сн о в у
и з л о ж е н и я п о л о ж е н м е т о д м н о ж и т е л е й Л а г р а н ж а . Э ти у с л о в и я я в л я ю т с я т а к ж е
и дост аточ н ы м и , есл и вы п ол н я ю тся о п р ед ел ен н ы е пр ав и л а, к отор ы е о п и са н ы н и ж е .
Р а ссм о т р и м с л е д у ю щ у ю за д а ч у .
М а к с и м и зи р о в а т ь г = /( X )
пр и о г р а н и ч е н и я х
g (X )< 0.
792 Глава 20. Классическая теория оптимизации
О г р а н и ч ен и я -н ер а в ен ст в а м о ж н о п р ео б р а зо в а т ь в р а в ен ств а с п о м о щ ь ю н е о т р и ц а
т е л ь н ы х д о п о л н и т е л ь н ы х п е р е м е н н ы х . П у ст ь S 2(> 0 ) — д о п о л н и т е л ь н а я п е р е м е н
н а я , к о т о р а я п р и б а в л я е т с я к л е в о й ч а ст и і-го о г р а н и ч е н и я g ,(X ) < 0 и п усть
г д е т — о б щ ее к о л и ч ест в о о г р а н и ч е н и й -н е р а в е н с т в . С л ед о в а т ел ь н о , ф у н к ц и я Л а
г р а н ж а за п и сы в а ет ся в в и д е
Д Х , S , X) = /( X ) - X [g (X ) + S*].
П р и о г р а н и ч е н и я х g (X ) < 0 н е о б х о д и м ы м у с л о в и е м о п т и м а л ь н о с т и в за д а ч е м а к с и
м и з а ц и и (м и н и м и з а ц и и ) я в л я ет ся н е о т р и ц а т ел ь н о ст ь (с о о т в е т с т в е н н о , н е п о л о ж и
т ел ь н о ст ь ) м н о ж и т е л е й X. П р и в ед е м о б о с н о в а н и е эт о г о . Р а с с м о т р и м з а д а ч у м а к с и
м и з а ц и и . Т ак к ак м н о ж и т е л и X в ы р а ж а ю т ск о р о ст ь и з м е н е н и я ц е л е в о й ф у н к ц и и f
п о о т н о ш е н и ю к и зм е н е н и я м g , т .е .
| ^ = V /( X ) - X V g ( X ) = 0 ,
И з в т ор ой г р у п п ы у р а в н е н и й с л е д у ю т т а к и е р езу л ь т а т ы .
1. Е сл и Я, не р а в н я ет с я н у л ю , то S,2 = 0 . Э то о зн а ч а е т , ч то с о о т в ет ст в у ю щ и й э т о
м у о г р а н и ч ен и ю р е с у р с я в л я е т с я д е ф и ц и т н ы м и , с л е д о в а т е л ь н о , п о л н о ст ь ю
и сч ер п а н (о г р а н и ч е н и е и м ее т в и д р а в ен ств а ).
2 . Е сл и S 2 > 0 , то Я, = 0 . Э то зн а ч и т , ч т о і-й р ес у р с д е ф и ц и т н ы м не я в л я е т с я и,
20.2. Задачи на экстремум при наличии ограничений 793
V f ( X ) - X V g (X ) = 0 ,
Я Д (Х ) = 0 , 1 = 1 , 2 .............
g (X )< 0 .
Ч и т а т ел ь и м е е т в о з м о ж н о с т ь с а м о с т о я т е л ь н о у б е д и т ь с я , ч т о эт и у с л о в и я п р и м е н и
мы т а к ж е к за д а ч е м и н и м и за ц и и , з а т ем л и ш ь и с к л ю ч е н и е м , ч т о в ек то р X д о л ж е н
бы ть н е п о л о ж и т е л ь н ы м , к а к эт о б ы л о у с т а н о в л е н о р а н ее . П р и р е ш е н и и к а к за д а ч и
м а к с и м и з а ц и и , так и за д а ч и м и н и м и з а ц и и м н о ж и т е л и Л а г р а н ж а , с о о т в е т с т в у ю
щ и е о г р а н и ч е н и я м в в и д е р а в ен ств , п о з н а к у не о г р а н и ч ен ы .
Д о с т а т о ч н о с т ь у с л о в и й К у н а -Т а к к е р а . Е сл и ц е л е в а я ф у н к ц и я и о б л а ст ь д о п у с
т и м ы х р е ш е н и й р а ссм а т р и в а е м о й з а д а ч и о б л а д а ю т о п р е д е л е н н ы м и с в о й ст в а м и ,
с в я за н н ы м и с в ы п ук л ост ь ю и в о г н у т о ст ь ю , то н е о б х о д и м ы е у с л о в и я К у н а -Т а к к е р а
я в л я ю т с я т а к ж е д о ст а т о ч н ы м и . У п о м я н у т ы е св о й ств а п ер е ч и с л е н ы в т а б л . 2 0 .1 .
Таблица 20.1
Требуемые свойства
П р о ц е д у р а п р о в ер к и в ы п у к л о ст и и л и в о г н у т о ст и н ек о т о р о й ф у н к ц и и я в л я ет ся
б о л е е п р о с т о й , ч ем д о к а за т е л ь с т в о в ы п у к л о ст и м н о ж е с т в а д о п у с т и м ы х р еш е н и й
эк ст р ем а л ь н о й за д а ч и . Т ак к а к в ы п у к л о ст ь д о п у с т и м о г о м н о ж е с т в а м о ж е т бы ть
у с т а н о в л ен а п у т ем н е п о с р е д с т в е н н о й п р о в ер к и в ы п у к л о ст и и л и в о г н у т о ст и ф у н к
ц и й о г р а н и ч е н и й , по эт о й п р и ч и н е м ы п р и в о д и м п ер еч ен ь т р еб о в а н и й , к о т о р ы е
л е г ч е и сп о л ь зо в а т ь на п р а к т и к е . Ч тобы у ст а н о в и т ь эт и т р еб о в а н и я , р а ссм о т р и м з а
д а ч у н ел и н е й н о г о п р о г р а м м и р о в а н и я в о б щ е й п о с т а н о в к е .
М а к си м и зи р о в а т ь и л и м и н и м и зи р о в а т ь г = f ( X )
при огран и чен и ях
g , ( X ) < 0 , i = l , 2 ........г,
£ ( Х ) > 0 , i = r + 1 ........... р,
g t( X ) = 0 , i = p + 1 ........... т .
П р и этом ф у н к ц и я Л а г р а н ж а и м е е т вид
L{X,S,X) = /(X) - 2>, [ft (X) + Sf ] - £ X, [g, (X) - S,2] - J \g, (X),
i=l i= r + l i =p*\
Таблица 20.2
Требуемые свойства
Тип оптимизации т 9(Х) X,
VI
VI
Выпуклая
к
<0
Минимизация Выпуклая Вогнутая 2:0 (г + 1< I < р)
Линейная Нет ограничений ( р +1 < / < т )
В т а б л . 2 0 .2 п р е д с т а в л е н а л и ш ь ч а с т ь у с л о в и й , у п о м я н у т ы х в т а б л . 2 0 .1 . Э то
связан о с тем , что область доп устим ы х реш ен и й задачи м ож ет бы ть вы пуклой,
и в то ж е в р е м я ф у н к ц и и о г р а н и ч е н и й , к о т о р ы е ее ф о р м и р у ю т , м о гу т не с о о тв е тс т
в о в а т ь т р е б о в а н и я м , п е р е ч и с л е н н ы м в т а б л . 2 0 .2 .
З а к о н н о с т ь п о л о ж е н и й т а б л . 2 0 .2 о с н о в а н а н а т о м , ч т о п р и с ф о р м у л и р о в а н н ы х
у с л о в и я х ф у н к ц и я Л а г р а н ж а Д Х , S , А) я в л я е т с я в о г н у т о й в з а д а ч е м а к с и м и з а ц и и
и в ы п у к л о й — в за д а ч е м и н и м и з а ц и и . Э то п о д т в е р ж д а е т с я т е м , ч т о е с л и g ,(X ) —
в ы п у к л а я ф у н к ц и я , т о ф у н к ц и я А д (Х ) о к а з ы в а е т с я в ы п у к л о й п р и Ą > 0 и вогн у
т о й — п р и А ,< 0 . А н а л о г и ч н ы е р а с с у ж д е н и я п о д т в е р ж д а ю т в с е о с т а л ь н ы е у с л о в и я .
З а м ет и м т а к ж е , ч то л и н е й н а я ф у н к ц и я я в л я е т с я к а к в ы п у к л о й , т а к и вогн утой .
Н а к о н е ц , есл и ф у н к ц и я f в о гн у тая, то ф у н к ц и я - f я в л я е т с я в ы п у к л о й , и наоборот.
Пример 20.2.7
Р ассм о тр и м следую щ ую задачу .
Минимизировать /( X ) = х* + х\ + х]
g 1( X ) = 2 x 1 + x 2 - 5 < 0 ,
g 2(X ) = х , + хз - 2 < 0,
g 3( X ) = l - x , < 0 ,
g 4(X ) = 2 - * 2 < 0 ,
g 5(X ) = - * 3 < 0 .
(2 1 0)
1 0 1
(2.x,, 2х2, 2.x,) - (X, Д 2Д , Д 4, Х5) - 1 0 0 = 0,
0 - 1 0
0 0-1
20.2. Задачи на экстремум при наличии ограничений 795
Я3(1 - X , ) = О,
Л ( 2 - х г) = °>
Л<х з = О,
2.Xj + х2 < 5,
+ х 3 < 2,
Xj ^ 1 , х 2 ^ 2 , х 3 ^ 0 .
О тсю да п о л у ч аем р еш ен и е: хх = \ , хг = 2, х 3 = 0, Лх = Лг = Лъ = О, Л3 = - 2 , Л4 = - 4 . П о
скольку и целевая ф ун кц и я ДХ), и о б л а с т ь д о п у с т и м ы х р е ш е н и й g (X) < 0 я в л я ю т с я
в ы п у к л ы м и , ф у н к ц и я L (X , S, X ) т а к ж е д о л ж н а б ы т ь в ы п у к л о й , и п о л у ч е н н а я с т а
ц и о н ар н ая точка оп ределяет глоб ал ьн ы й м ини м ум задачи . Р ассм отрен н ы й прим ер
п о казы вает т ак ж е, что р еш ен и е си стем ы , порож ден н ой у сло ви ям и К у н а -Т а к к ер а ,
в явн ой ф орм е м ож ет бы ть затруд н и тельн ы м . С ледовательно, дл я чи слен н ы х рас
ч е то в о п и с а н н а я п р о ц е д у р а не п о д х о д и т . Т ем не м ен ее у с л о в и я К у н а -Т а к к е р а и г
раю т основополагаю щ ую роль п ри рассм отрен и и алгори тм ов реш ен и я задач н ели
нейного п р о гр ам м и р о в а н и я в гл ав е 21.
УПРАЖНЕНИЯ 20.2.4
1. П о к а ж и т е , ч т о у с л о в и я К у н а - Т а к к е р а д л я з а д а ч и
м аксим изировать f(X )
при ограни чениях
g (X )> 0
с о в п а д а ю т с у с л о в и я м и , с ф о р м у л и р о в а н н ы м и в р а з д е л е 2 0 .2 .2 , с т о й л и ш ь
разн и ц ей , что м н ож и тел и Л агр ан ж аХ д олж н ы бы ть н еп олож и тельн ы м и .
2. Д ан а след у ю щ ая задача.
М акси м и зи ровать f(X )
при ограни чениях
g (X ) = 0.
П о к аж и те, что у сл о ви я К у н а -Т а к к е р а д л я этой зад ач и им ею т вид
V f( X ) - X V g ( X ) = 0,
g (X ) = 0,
X по зн а к у не ограни чен.
796 Глава 20. Классическая теория оптимизации
п ри ограни чениях
х, + х \ + х у = 5,
5х,2 - х ] - х , > 0,
4. Д ан а задача
м а к с и м и з и р о в а т ь /(X )
при ограни чениях
g (X ) = 0.
П у с т ь f ( X ) — в о г н у т а я ф у н к ц и я , a g ,(X ) ( і = 1 , 2 ......... тп) — л и н е й н ы е ф у н к
ц и и . П о к а ж и т е , ч то в этом с л у ч ае н ео б х о д и м ы е у с л о в и я К у н а -Т а к к е р а о к а
зы в аю тся т а к ж е и д о статочн ы м и . В ерно л и последнее у твер ж д ен и е, если
g t( X ) я в л я е т с я в ы п у к л о й н е л и н е й н о й ф у н к ц и е й д л я в с е х і? П о ч е м у ?
5. Д а н а за д а ч а
м а к с и м и з и р о в а т ь /(X )
при ограничениях
# i ( X ) > 0 , g 2( X ) = 0 , g 3( X ) ^ 0 .
С ф орм улируй те усло ви я К у н а -Т а к к е р а д л я дан н ой зад ач и и установите требова
н и я к ф ун кц и ям , при р еали зац и и которы х вы полняю тся у казан н ы е условия.
ЛИТЕРАТУРА
1. B a z a r a a М ., S h r a li Н . a n d S h e t ty С . N o n l i n e a r P r o g r a m m i n g T h e o r y a n d A l g o
r i t h m s , 2 n d e d ., W ile y , N e w Y o r k , 1 9 9 3 . ( С у щ е с т в у е т п е р е в о д п е р в о г о и з д а н и я :
Б а з а р а М ., Ш е т т и К . Н е л и н е й н о е п р о г р а м м и р о в а н и е . Т е о р и я и а л г о р и т м ы . —
М .: М и р , 1 9 8 2 .)
2 . B e i g h t l e r С ., P h i l l i p s D . a n d W i l d e D . F o u n d a t i o n s o f O p t i m i z a t i o n , 2 n d e d . , P r e n
tic e H a ll, N . J . , 1 9 7 9 .
3 . R a r d in R . O p t i m i z a t i o n in O p e r a tio n s R e s e a r c h , P r e n tic e H a ll, N . J . , 1 9 9 8 .
АЛГОРИТМЫ НЕЛИНЕЙНОГО
ПРОГРАММИРОВАНИЯ
М етоды р еш ен и я задач н ел и н ей н о й п р о гр ам м и р о ван и я условн о м ож н о р азде
л и т ь н а два кл асса: п р я м ы е и н е п р я м ы е м етоды . П ри м ером п р я м ы х м етодов м огут
с л у ж и т ь гр ад и ен тн ы е м ето д ы , где эк стр ем у м ф у н к ц и и н а х о д и т с я п о сл ед о вател ьн о
при дви ж ен и и в н ап р авлен и и во зр астан и я и ли у бы ван и я ф у н к ц и и в соответствии
с вы чи сл ен н ы м и на к аж д о м ш аге зн ач ен и ям и гради ен тов. В н еп р я м ы х м етодах и с
х о д н а я за д а ч а з а м е н я е т с я (а п п р о к с и м и р у е т с я ) д р у го й за д а ч е й , о п т и м а л ь н о е р е ш е
ни е которой м ож н о н ай ти . С ю да о тн о сятся м етоды квад р ати чн о го , сепарабельного
и стохасти ческого п р о гр ам м и р о ван и я.
1 В р у с с ко я зы ч н о й м а те м а ти че ской литературе этот метод обы чно назы вается методом деле
ния отрезка пополам. — П р и м . ред.
798 Глава 21. Алгоритмы нелинейного программирования
П у с т ь / ,_j = ( x L, х н) — и н т е р в а л н е о п р е д е л е н н о с т и н а ш а г е і ( н а н у л е в о м ш а г е
x L = а и x R= b). Д а л е е о п р е д е л я е м х г и х 2 т а к и е , ч т о
х , < х г < х 2 < х и.
‘i-i і—1
I.
a) б)
*1 = (Хд + Xl - Д)/2
V5 - 1
(Xr ~ X l )
2
х г = (x r + xL + Д)/2
V5- 1
х, = х . +- ( xR- x, _)
21.1. Алгоритмы решения задач без ограничений 799
x l + <х[х2( н а ш а г е i ; - x j = x R - a ( x R - x j
и л и , е щ е р а з п р и м е н я я а н а л о г и ч н у ю ф о р м у л у д л я * 2( н а ш а г е і) , в в и д е
x l + « / X + а ( х к “ х J “ х J = х к - а ґ х к - х ьЛ
И з последнего р авен ств а после н есл о ж н ы х п р ео б р азо ван и й п олуч и м
< * V X R - х J + а ( x r - х J - ^ X R - X l) = 0 .
П о д е л и в п о с л е д н е е в ы р а ж е н и е н а ( x R - x L), п о л у ч и м у р а в н е н и е о т н о с и т е л ь н о а :
d + а - 1=0.
Пример 21.1.1
И м еем сл ед у ю щ у ю за д а ч у .
Н а р и с . 2 1 . 2 п о к а з а н ш а б л о н E x c e l c h 2 1 D ic h o to m o u s G o ld e n S e c tio n .x ls , п р е д н а з н а ч е н
н ы й д л я п ои ска экстрем ум ов ф у н к ц и й оп и сан н ы м и м етодам и. В ходн ы м и данны м и
я в л я ю т с я ф у н к ц и я f ( x ) и к о н с т а н т ы a , b и А. В д а н н о м п р и м е р е ф у н к ц и я f ( x ) з а д а
ется в яч ей к е Е З с пом ощ ью ф орм улы
=ЕСЛИ(СЗ<=2;3*СЗ;(-СЗ+20)/3)
О т м е т и м , ч т о з д е с ь с с ы л к а С З и г р а е т р о л ь п е р е м е н н о й х . К о н с т а н т ы а и Ь, в в е д е н
н ы е в я ч е й к и В 4 и D 4 , за д а ю т и н т е р в а л п о и с к а т о ч к и эк с т р е м у м а ф у н к ц и и f(x).
З н а ч е н и е п р ед ел а то ч н о сти Д в в о д и т ся в я ч е й к у В З. М етод п о и ск а за д а е т с я путем
в в о д а с и м в о л а х в я ч е й к у D 5 (м е т о д д и х о т о м и ч е с к о г о п о и с к а ) и л и в я ч е й к у F5
(м ет о д зо л о т о го с е ч е н и я ).
Н а р и с . 2 1 .2 д л я с р а в н е н и я п о к а з а н ы р е з у л ь т а т ы в ы ч и с л е н и й в с о о т в е т с т в и и с обо
и м и м е т о д а м и . К а к в и д н о н а р и с у н к е , м е т о д зо л о т о го с е ч е н и я п о т р е б о в а л всего
40 % ч и сл а и тер ац и й , вы п о л н ен н ы х м етодом ди хотом и ч еского п ои ска.
УПРАЖНЕНИЯ 21.1.1
1. С п о м о щ ью ш а б л о н а c h 2 1 D ic h o to m o u s G o ld e n S e c tio n .x ls р е ш и т е з а д а ч у и з
п р и м е р а 2 1 .1 .1 , п о л о ж и в Д = 0 ,0 1 . С р а в н и т е т о ч н о с т ь п о л у ч е н н ы х р е з у л ь т а
т о в с д а н н ы м и , п о к а з а н н ы м и н а р и с . 2 1 .2 .
2. М етодом ди х о то м и ч еско го п о и ска н ай д и те м ак си м у м ы следу ю щ и х ф у н к ц и й ,
п о л а г а я п р и эт о м , ч т о Д = 0 ,0 5 .
a)
e)
21.1. Алгоритмы решения задач без ограничений 801
С D Е_
DichotomonvGolden Section Seaich
8 xL xR *1 x2 ffxD
9 Г 0 000000 3 000000 1 145898 1 054102 3 437694 5562306
10 1 145898 3 000000 1 054102 2 291796 5 562306 5.902735
11 1 054102 3 000000 2 291796 2 562Э06 5 902735 5 012565
12 1 054102 2 562306 2124612 2 291796 5 958463 5 902735
13 1 854102 2 291796 2 021286 2124612 5 992905 5 958463
14 1 854102 2124612 1 957428 2 021286 5 072283 5 992905
15 1 957428 2124612 2 021286 2 060753 5 992905 5.979749
16 1 957428 2 060753 1.996894 2.021286 5 990683 5992905
17 1 996894 2 060753 2 021286 2 036361 5 992905 5 967880
18
Р и с. 21.2. Р е а л и з а ц и я м ет о до в прямого п о и ск а в E x c e l
2
В русскоязычной математической литературе описываемый метод, называемый методом
наискорейшего сп уск а, ориентирован на решение задач безусловной минимизации. — П рим. ред.
802 Глава 21. Алгоритмы нелинейного программирования
X k+1 = X k + r kV f ( X k),
г д е г* — п а р а м е т р , н а з ы в а е м ы й д л и н о й ш а г а в т о ч к е X *.
О бы чно зн ачени е п арам етра г вы бирается из условия, чтобы в т о ч к е Х*^1
н аб л ю д ал о сь м ак си м ал ьн о е у в ел и ч ен и е зн ач ен и я ц ел ев о й ф у н к ц и и /. Д р у ги м и
с л о в а м и , е с л и ф у н к ц и я Л (г) о п р е д е л я е т с я с о о т н о ш е н и е м
h ( r ) = f ( X k + r V f ( X k)),
т о г р а в е н з н а ч е н и ю г , н а к о т о р о м ф у н к ц и я Л (г) д о с т и г а е т м а к с и м у м а . П о с к о л ь к у
Л (г) я в л я е т с я ф у н к ц и е й о д н о й п е р е м е н н о й , ч т о б ы н а й т и е е м а к с и м у м , м о ж н о п р и
м е н и т ь м е т о д п о и с к а э к с т р е м у м а , о п и с а н н ы й в п о д р а з д е л е 2 1 .1 .1 , е с л и , к о н е ч н о ,
ф у н к ц и я Л (г) с т р о г о о д н о в е р ш и н н а я .
О п и с а н н а я п р о ц е д у р а з а к а н ч и в а е т с я , к о г д а д в е п о с л е д о в а т е л ь н ы е т о ч к и X* и X k+1
б л и з к и . Э т о э к в и в а л е н т н о т о м у , ч т о r*V /(X *) = 0 . П о с к о л ь к у г ф 0 , последнее соотнош е
н и е о з н а ч а е т , ч т о в т о ч к е X* в ы п о л н я е т с я н е о б х о д и м о е у с л о в и е э к с т р е м у м а V /(X * ) = 0 .
Пример 21.1.2
Р ассм о тр и м зад ач у м ак си м и зац и и ф у н к ц и и
Ф у н к ц и я Д х ,, х г) я в л я е т с я к в а д р а т и ч н о й , и н а м и зв е с тн о , ч т о ее а б с о л ю т н ы й м а к
с и м у м д о с т и г а е т с я в т о ч к е ( * ’, х\)= .
Р е ш и м э т у з а д а ч у м е т о д о м н а и с к о р е й ш е г о п о д ъ е м а . Н а р и с . 2 1 .3 и з о б р а ж е н а п о с л е
довательность п олучаем ы х точек. Г радиен ты в двух последовательн ы х итерац и он
н ы х т о ч к а х с н ео б х о д и м о стью я в л я ю т с я о р то го н а л ь н ы м и (п е р п е н д и к у л я р н ы м и ) друг
к другу. Д л я данной ф ун кц и и гради ен т вы чи сляется по ф орм уле
УДХ) = (4 - 4х, - 2 х 2, 6- 2 х , - 4 х 2) .
П у с т ь н а ч а л ь н о й т о ч к о й я в л я е т с я Х° = ( 1 , 1 ).
И тер ац и я 1.
УДХ°) = ( - 2 , 0 ).
С ледую щ ая точка Xі н аходи тся на основании ф орм улы
X = ( 1 , 1 ) + г ( - 2 , 0 ) = (1 - 2 r , 1 ).
21.1. Алгоритмы решения задач без ограничений 803
2 2
О т с ю д а п о л у ч а е м в ы р а ж е н и е д л я ф у н к ц и и h(r):
h(r) = Д 1 - 2 г, 1 ) = - 2 ( 1 - 2 r f + 2 (1 - 2 г) + 4 .
О п т и м а л ь н а я д л и н а ш а г а г, п р и к о т о р о й ф у н к ц и я h(r) д о с т и г а е т м а к с и м у м а , р а в н а
1 / 4 . Т а к и м о б р а з о м , м ы н а ш л и , ч т о X і = ( 1 / 2 , 1 ).
И тер а ц и я 2.
У Д Х 1) = (О, і ) .
Т еп ер ь с л е д у ю щ ая т о ч к а X2о п р е д е л я ет с я в ы р а ж е н и е м
Х = ( ^ , 1 ) + г (0 ,1 ) = ( 1 , 1 + г ) .
С ледовательно,
h(r) = - 2 ( 1 + r f + 5 (1 + г) + I .
О т сю д а п о л у ч а е м г = 1 /4 и X 2 = ( 1 /2 , 5 /4 ).
И т е р а ц и я 3-
У Д Х 2) = ( - і , 0 ) .
Т о ч к а X3о п р е д е л я е т с я в ы р аж ен и е м
804 Глава 21. Алгоритмы нелинейного программирования
С л ед о вател ь н о ,
/і(г) = - - ( 1 - г ) 2 + - ( 1 - г ) + — .
2 4 8
О тсю д а п о л у ч ае м г = 1 /4 и X = ( 3 /8 , 5 /4 ).
И т е р а ц и я 4.
V /(X 3) = ( 0 , I ) .
4
,8 4 ) { 4J [8 4
П оэтом у
A( 0 = “ (5 + r): + ^ ( 5 + r) + g .
О тсю д а и м е ем г = 1 /4 и X 4 = ( 3 /8 , 2 1 /1 6 ).
И т е р а ц и я 5.
УДХ4) = (_ “ >0).
о
Т о ч к а X5о п р е д е л я ет ся в ы р а ж е н и е м
З 2П ( 1 QW 3 - r 21
Х ,8 ’ і б Г Л 8 ’° J і 8 '1 6
С ледовательно,
567
h (r) = —-(З - г)" +— (3- r) +
к ’ 32 ’ 64 ' 128
О т сю д а п о л у ч а е м г = 1 /4 и Xs = ( 1 1 /3 2 , 2 1 /1 6 ).
И т е р а ц и я 6.
V /(X 5) = ( 0 , 1 ) .
1о
Т а к к а к V /(X °) = 0 , в ы ч и с л е н и я м о ж н о з а к о н ч и т ь . П о л у ч е н а п р и б л и ж е н н а я т о ч
ка м аксим ум а X5 = ( 0 ,3 4 3 7 , 1 ,3 1 2 5 ) . Точны й м аксим ум дости гается в точке
Х* = ( 0 , 3 3 3 3 , 1 ,3 3 3 3 ) .
УПРАЖНЕНИЯ 21.1.2
1 . П о к а ж и т е , ч т о м е т о д Н ь ю т о н а - Р а ф с о н а (р а з д е л 2 0 .1 .2 ) , п р и м е н я е м ы й к р е
ш ен и ю за д а ч и м а к с и м и за ц и и строго во гн у то й к в ад р ат и ч н о й ф у н к ц и и , в об
щ ем сл у ч ае сх о д и т ся в то ч н о сти за оди н ш аг. П р и м ен и те у к а за н н ы й м етод
к зад аче м ак с и м и зац и и ф у н к ц и и
2. В ы п о л н и те н е более п я т и и т е р а ц и й м ето д а н а и с к о р е й ш е го с п у с к а (п о д ъ е м а)
д л я к аж д о й и з следую щ и х зад ач . Во всех сл у ч аях п олож и те Х ° = 0.
a) m i n / ( X ) = ( x 2 - x 12 ) 2 + ( l - x 1) 2
b ) m a x / ( X ) = с Х + Х тА Х , г д е
с = ( 1 , 3 , 5 ),
-5 -3 —
2
А = - 3 - 2 - 0
о —
2 2.
с) m i n f ( X ) = x x - x 2 + x l ~ x l x 2.
К прим еру, ли н ей н ая ф ун кц и я
Ъ ( х , , х 2, х J = а ,х , + а р с 2 + ... + а , х п
( з д е с ь a t, і = 1 , 2 , . . . , п — к о н с т а н т ы ) я в л я е т с я с е п а р а б е л ь н о й . Ф у н к ц и я ж е
М акси м и зи ровать г = у
I n у = l n x , + 1плг2,
т .е . о н а я в л я е т с я с е п а р а б е л ь н о й . П р и т а к о й з а м е н е п р е д п о л а г а е т с я , ч т о п е р е м е н
ны е я, и х 2 при н и м аю т полож ительные зн ач ен и я, и н аче л о гар и ф м и ч еск ая ф у н к
ц и я не определена.
В случае, когд а перем енны е хх и х 2 приним аю т и нулевы е зн ач ен и я
( т .е . X j, х 2 > 0 ), м о ж н о п о с т у п и т ь с л е д у ю щ и м о б р а з о м . П у с т ь Ą и Ą — п о л о ж и т е л ь
н ы е к о н стан ты , введем н овы е п ерем ен н ы е = х , + <5, и w 2 = х 2 + Ą . Э т и п е р е м е н н ы е
п ри н и м аю т то лько п о л о ж и тел ьн ы е зн ач ен и я. Т еп ерь им еем
г д е t k — н е о т р и ц а т е л ь н ы й в е с о в о й к о э ф ф и ц и е н т , с в я з а н н ы й с fe- й т о ч к о й р а з б и е
н и я и н тер в ал а. В есовы е к о эф ф и ц и е н т ы уд о в л етв о р яю т услови ю
К
М етоды ч а с ти ч н о -ц е л о ч и сл е н н о го п р о г р а м м и р о в а н и я г а р а н т и р у ю т к о р р е к т н о с т ь
такой ап п р о кси м ац и и . В частн ости , ап п р о к си м ац и я я в л я ет ся обоснованной в сле
дую щ их случаях.
1. Е с л и н е б о л ь ш е д в у х в е с о в ы х к о э ф ф и ц и е н т о в t k и м е ю т п о л о ж и т е л ь н ы е
зн ач ен и я.
2. Е сл и зн ач ен и е tk б о л ь ш е н у л я , то п о л о ж и т е л ь н ы м м о ж ет о к а з а т ь с я л и ш ь
о д и н и з с м е ж н ы х в е с о в ы х к о э ф ф и ц и е н т о в t k+i и л и
М а к с и м и з и р о в а т ь ( м и н и м и з и р о в а т ь ) z = X ■/)(■*»')
Э ту за д а ч у м о ж н о п р и в е с ти к за д а ч е ч а с ти ч н о -ц е л о ч и сл е н н о го п р о г р а м м и р о в а н и я
сл ед у ю щ и м о б р азо м . О б о зн ачи м ч ер ез К, ч и с л о т о ч е к р а з б и е н и я д л я і-й п е р е м е н н о й
х,, а ч е р е з а- — к - ю т о ч к у р а з б и е н и я . П у с т ь /,* — в е с о в о й к о э ф ф и ц и е н т , а с с о ц и и
р у е м ы й с ft- й т о ч к о й р а з б и е н и я д л я і - й п е р е м е н н о й . Т о г д а э к в и в а л е н т н а я з а д а ч а
ч а с ти ч н о -ц е л о ч и с л е н н о го п р о г р а м м и р о в а н и я и м е ет в и д
ЛГ,
В а п п р о к с и м и р у ю щ е й з а д а ч е п е р е м е н н ы м и я в л я ю т с я /,* и у * .
Д ан н ое п р ед ставл ен и е сви д етел ьству ет о том , что в п р и н ц и п е л ю б ая зад ач а се
параб ельн ого програм м и рован и я м ож ет бы ть реш ена м етодам и частично
808 Глава 21. Алгоритмы нелинейного программирования
у к а з а н н ы м в ы ш е т р е б о в а н и я м . В п р о т и в н о м с л у ч а е а н а л и з р а з н о с т е й (z* - с * ) п о
Пример 21.2.1
Р ассм о тр и м следую щ ую задачу.
М акси м изировать г = х, + xt
Зл:, + 2x1 - 9.
х г, х 2 > 0 .
/,( * ,) = *,.
* , ' W = 3-*r
21.2. Алгоритмы решения задач с ограничениями 809
« Г ( ^ ) = 2*2-
Ф у н к ц и и /,(* ,) и g \ ( x ,) о с т а ю т с я в и с х о д н о м в и д е , п о с к о л ь к у о н и у ж е я в л я ю т с я л и
н е й н ы м и . В э т о м с л у ч а е х, р а с с м а т р и в а е т с я к а к о д н а и з п е р е м е н н ы х . Д л я ф у н к ц и й
/ 2(jt2) и g ^ ( x , ) п о л а г а е м , ч т о к о л и ч е с т в о т о ч е к р а з б и е н и я р а в н о ч е т ы р е м (К г = 4 ) . Т а к
к а к з н а ч е н и е х г н е м о ж е т п р е в ы ш а т ь 3, о т с ю д а с л е д у ю т д а н н ы е , п р и в е д е н н ы е н и ж е .
к
№ )
1 0 0 0
2 1 1 2
3 2 16 8
4 3 81 18
П олучаем
f : ( X 2 ) = ‘ i f (“ і ) + '
2 2 /2 {а ?) + ‘ I f 2 { а 2 ) + ‘ i f (а4) =
2 2
= 0 х / і + 1 х /; + 1 6 x / j + 8 1 х / 24 = /; + 16/,1 + 8 1;,4.
А н алогично
g t~ ) ~ 2 і; + 8/; + 18 /4.
С ледовательно, ап п р о к си м и р у ю щ ая зад ач а п р и н и м ает вид
t \ + t \ + t l + t\ =1,
/ * > 0 , к = 1.2,3,4,
jc, > 0.
И с х о д н а я с и м п л е к с -т а б л и ц а (в к о т о р о й о с у щ е с т в л е н а п е р е с т а н о в к а с т о л б ц о в д л я
п о л у ч ен и я н а ч ал ьн о го р е ш е н и я ) в ы гл я д и т след ую щ и м образом .
Базис xi /; tl i\ si i\ Решение
z -1 -1 -1 6 -81 0 0 0
S, 3 2 8 18 1 0 9
/: о 1 1 1 0 1 1
З д е с ь 5, (> 0 ) — д о п о л н и т е л ь н а я ( о с т а т о ч н а я ) п е р е м е н н а я . (В э т о й з а д а ч е н а ч а л ь н о е
р е ш е н и е я в л я е т с я о ч е в и д н ы м . В о б щ ем ж е с л у ч а е д л я его п о л у ч е н и я м о гу т п о н а д о
б и т ь с я и с к у с с т в е н н ы е п е р е м е н н ы е , с м . р а з д е л 3 .4 .)
К о э ф ф и ц и е н т ы z- с т р о к и у к а з ы в а ю т н а т о , ч т о в ч и с л о б а з и с н ы х н е о б х о д и м о в в е с т и
п е р е м е н н у ю / 4 . П о с к о л ь к у п р и э т о м п е р е м е н н а я t\ у ж е в х о д и т в б а з и с н ы е в с и л у
810 Глава 21. Алгоритмы нелинейного программирования
п у с т и м о с т и п р и в в е д е н и и в б а з и с н ы е п е р е м е н н о й t* п е р е м е н н а я s, д о л ж н а в ы в о
д и т ь с я и з б а з и с а . Э то з н а ч и т , ч т о Ą н е л ь з я с д е л а т ь б а зи с н о й . С л е д у ю щ е й п о д х о
дящ ей для введения в бази сн ы е является перем енная t\. С нова при этом
п е р е м е н н а я t\ д о л ж н а б ы т ь в ы в е д е н а и з ч и с л а б а з и с н ы х . У с л о в и е д о п у с т и м о с т и н а
Базис *1 t; S1 Решение
/ 23
z -1 15 0 -6 5 0 16 16
S1 3 -6 0 10 1 -8 1
0 1 1 1 0 1 1
О ч е в и д н о , ч т о б а з и с н о й с л е д у е т с д е л а т ь п е р е м е н н у ю / 4 . Т о , ч т о п е р е м е н н а я t\ у ж е
я в л я е т с я б ази сн о й , не п р о ти в о р еч и т п р а в и л у о гр ан и ч ен н о го вво д а в б ази с. В соот
в е т с т в и и с с и м п л е к с -м е т о д о м п е р е м е н н а я s, и с к л ю ч а е т с я и з ч и с л а б а з и с н ы х . П о л у
ч а е м сл е д у ю щ у ю с и м п л е к с -та б л и ц у .
Базис *1 t\ S1 Решение
t;
И з э т о й т а б л и ц ы с л е д у е т , ч т о в б а з и с м о г у т в в о д и т ь с я п е р е м е н н ы е t\ и t ; . П е р е
м е н н а я t'2 н е м о ж е т б ы т ь б а з и с н о й , п о с к о л ь к у н е я в л я е т с я с м е ж н о й с п е р е м е н н ы м и
/,3 и /,4 , к о т о р ы е у ж е н а х о д я т с я с р е д и б а з и с н ы х . Д а л е е , п е р е м е н н у ю q т а к ж е н е л ь
з я сд ел ать б ази сн о й , п о с к о л ь к у /4 н е л ь зя и ск л ю ч и т ь и з ч и сл а б ази сн ы х . П оэто м у
п р о ц ед у р а р еш ен и я зад ач и на этом зав ер ш ается , и п олуч ен н ое реш ен и е я в л я ет ся
н аи л у ч ш и м доп усти м ы м реш ен и ем ап п ро кси м и р ую щ ей задачи .
В о с п о л ь з у е м с я н а й д е н н ы м и з н а ч е н и я м и /,3 = 9 / 1 0 и г,4 = 1 / 1 0 , ч т о б ы в ы р а з и т ь п о
л у ч е н н о е р е ш е н и е ч е р е з п е р е м е н н ы е jc, и х г. П о л у ч а е м
П о л у ч е н н о е п р и б л и ж е н н о е о п т и м а л ь н о е з н а ч е н и е д л я х 2 ( = 2 ,1 ) м а л о о т л и ч а е т с я о т
и с т и н н о г о о п т и м а л ь н о г о з н а ч е н и я (= 2 ,1 2 ).
С е п ар аб ел ьн о е в ы п у к л о е п р о гр ам м и р о в а н и е. З ад ач а вы п у кл о го сепарабельного
п р о гр ам м и р о в а н и я в о зн и к ает в том случ ае, к о гд а ф у н к ц и и gf(x,) я в л я ю т с я вы -
21.2. Алгоритмы решения задач с ограничениями 811
°0 i а2і а зі аХ1
и а2г аъ, ХІ
Рис. 21.4. К ус о ч н о -л и н е й н а я а п п р о к с и м а ц и я
вы пуклой функции
Т огда
/ ( * . ) = Е р л + f i ao,)- х , = Z хь ■
з о м . П у с т ь ри — т а н г е н с у г л а н а к л о н а k - r o л и н е й н о г о с е г м е н т а , с о о т в е т с т в у ю щ е г о
ф у н к ц и и g l ( x , ) . Т о г д а ф у н к ц и я g j (х .) а п п р о к с и м и р у е т с я ф о р м у л о й
8 ! ( хі ) = Т , Р І хь + « П о
Ри ” »
а к, ~ а к - 1.1
8 ! { a h ) - g ! { a t . ,,)
Ри ~
акі ~ ак- 1.І
З а д а ч а м а к с и м и з а ц и и п р е о б р а з у е т с я а н а л о г и ч н о . В э т о м с л у ч а е р,. > p 2l > . . . > p s. 1 ,
о т к у д а сл ед у ет, что п р и р < q п е р ем е н н а я х всегда будет в х о д и ть в р еш ен и е р ан ьш е
х (с м . у п р а ж н е н и е 2 1 .2 .1 .7 ) .
П о л у ч ен н у ю за д а ч у м о ж н о р е ш и т ь с и м п л ек с -м ет о д о м , п р е д н а зн а ч е н н ы м д л я
р е ш е н и я з а д а ч с о г р а н и ч е н н ы м и с в е р х у п е р е м е н н ы м и ( р а з д е л 7 .3 ). П р и э т о м и с ч е
за ет н ео б х о д и м о сть в со б л ю д ен и и п р а в и л а о гр ан и ч ен н о го вв о д а в б ази с, п о с к о л ь к у
в ы п у к л о с т ь (в о гн у то сть ) ф у н к ц и й г а р а н т и р у е т н а д л е ж а щ и й в ы б о р п е р ем е н н ы х .
Пример 21.2.2
Р ассм о тр и м задачу
м аксим и зи ровать z = х х- х г
при огран и чен и ях
3 x f + х 2 < 243,
х 1+ 2 х \ < 3 2 ,
^ > 2, 1,
х 2 > 3 ,5 .
О т д е л ь н ы м и (с е п а р а б е л ь н ы м и ) ф у н к ц и я м и это й за д а ч и я в л я ю т с я
/ і ( * і ) = *і> / г ( х 2 ) = -* 2 .
S l ( * l ) = 3 *l4> *2 ( * 2 ) = *2'
g f { x l ) = x l, g 2 ( x 2) = 2 x l.
Д л я і = 1 имеем
0 0 0 0 — 0 —
1 1 1 1 з 3 1 1 *11
2 2 2 3 48 45 2 1 *21
Д л я і = 2 имеем
0 0 0 0 -- 0 — —
1 1 -1 1 1 1 2 2 *12
2 2 -2 -1 2 1 8 6 Х22
3 3 -3 -1 3 1 18 10 Х32
4 4 -4 -1 4 1 32 14 ХЛ2
М и н и м и зи ровать z ~ х„ + х 21 + х 31 - х 12 - х 22 - х 32 - х 42
при ограни чениях
З х и + 45 х21 + 1 9 5 х 31 + х 12 + х 22 + х 32 + * 42 < 2 4 3 ,
х ,, + х 21 + х ЗІ + 2*12 + 6 х 22 + Ю х 32 + 1 4 х 42< 3 2,
Хп + *21 + Х 31 ~
0 < . ї п ^ 1 Д = 1, 2, 3 ,4 .
С пом ощ ью п рограм м ы TO R A получено следую щ ее оп ти м альн ое реш ение:
2 = - 0 ,5 2 , х и = х 12 = 1 , х 13 = 0 ,9 8 , х 21 = х 22 = х 23= 1 , x 2i = 0 ,5 .
О т с ю д а п о л у ч а е м р е ш е н и е и с х о д н о й з а д а ч и ( x t , х 2) = (2 ,9 8 , 3 ,5 ).
УПРАЖНЕНИЯ 21.2.1
1. Д л я с л е д у ю щ е й з а д а ч и п о с т р о й т е а п п р о к с и м и р у ю щ у ю м о д е л ь в в и д е з а д а ч и
ч а с ти ч н о -ц е л о ч и сл е н н о го п р о г р а м м и р о в а н и я .
4. П о к а ж и т е , к а к и м о б р а з о м п р и в е д е н н а я н и ж е з а д а ч а м о ж е т б ы т ь п р и в е д е н а
к сепарабельном у виду.
М а к с и м и з и р о в а т ь z = х хх 2 + х 3 + х хх 3
при ограни чениях
х хх 2 + х 2 + х , х а < 1 0 ,
х г, х 2, х 3 > 0 .
x i + х 2+ х з -
х и х 2, л:3 > 0 .
х , , х 2, х 3 S О,
х 4не ограни чена в зн аке.
xf + х, + л'з < 4,
|я; + х,|< 0,
* 3^ °>
х 2не о гран и чен а в зн аке.
А Х < b , X > О,
где
Х = ( х „ х 2, х „ )т,
С = ( с ,, с 2, с„),
b = ( b „ b 2, . . . , ь т )т,
\
Ч і " ■ а и,
4a m l ' ‘ ^IIIH ;
ч , - ■ d x:
D =
А г ' ^Ш І J
Ф у н к ц и я X D X , где D — с и м м е т р и ч е с к а я м а т р и ц а , я в л я е т с я к в а д р а т и ч н о й ф о р
м о й (с м . р а з д е л А .З ). М а т р и ц а D б у д е т о т р и ц а т е л ь н о о п р е д е л е н н о й в з а д а ч е м а к с и м и
зац и и и п олож и тельн о определенн ой — в з а д а ч е м и н и м и з а ц и и . Э то о з н а ч а е т , ч то
ф у н к ц и я z я в л я е т с я строго в ы п у к л о й по п ер ем ен н ы м X в задаче м и н и м и зац и и
и строго во гн у то й — в зад ач е м ак с и м и з а ц и и . О гр ан и ч ен и я в это й зад ач е п р е д п о л а га
ю тся л и н ей н ы м и , что гаран ти рует вы п у кл о сть области доп усти м ы х реш ений.
Р еш ен и е сф орм ули рован н ой зад ач и основан о н а и сп ользован и и н еобходи м ы х
у сл о в и й К у н а -Т а к к е р а . Т ак к а к ц е л е в а я ф у н к ц и я z строго в ы п у к л а я (и л и в о гн у
т а я ) и об ласть д о п у сти м ы х р еш ен и й зад ач и я в л я е т с я в ы п у к л ы м м н о ж ество м , эти
у с л о в и я ( к а к п о к а з а н о в р а з д е л е 2 0 .2 .2 ) т а к ж е д о с т а т о ч н ы д л я у с т а н о в л е н и я н а л и
ч и я глоб альн ого о п ти м у м а.
З ад ач у квад рати чн ого п р о гр ам м и р о ван и я рассм отрим д л я си туац и и , ко гд а ц е
л ев а я ф у н к ц и я п о д леж и т м ак си м и зац и и . И зм енение ф о р м у л и р о вки зад ач и при
м и н и м и зац и и ц елевой ф у н к ц и и я в л я е т с я тр и ви альн ы м . О бщ ая п о стан о вка зад ачи
и м еет следую щ и й вид.
М а к с и м и з и р о в а т ь z = С Х + X TD X
при ограни чениях
G(X) = <0.
Vz - ( Х \ U T)V G (X ) = 0,
816 Глава 21. Алгоритмы нелинейного программирования
= 0, i = l,2 , , m.
HjXj = 0 , j = l , 2 , . . . , n ,
A X < b , - X < 0.
О тсю да и м еем
V z = С + 2 X TD ,
V G (X ):
З
О б о зн ачи м ч ер ез S = b - A X > 0 в ек то р д о п о л н и т е л ь н ы х (о стато ч н ы х ) п ер ем ен н ы х .
Т огда п р и вед ен н ы е в ы ш е у с л о в и я п р и н и м аю т сл ед у ю щ и й вид.
- 2 X TD + ХТА - U T = С ,
А Х + S = Ь,
HjXj = 0 = А Д д л я в с е х і и j ,
X ,U ,X ,S > 0 .
Т а к к а к D T= D , в р е зу л ь т а т е т р а н с п о н и р о в а н и я п ер в о й си ст е м ы у р а в н е н и й п о л у ч и м
- 2 D X + А ТХ - U = С т .
С ледовательно, н еобходи м ы е усло ви я м ож но зап и сать в виде
HjXj = 0 = X-jSj д л я в с е х і и j ,
X, U , X , S > 0 .
В се у р а в н е н и я , за и с к л ю ч е н и е м f i x t = 0 = Я Д , я в л я ю т с я л и н е й н ы м и о тн о си
т е л ь н о п е р е м е н н ы х X , X, U и S . С л е д о в а т е л ь н о , и с х о д н а я з а д а ч а с в о д и т с я к п о и с к у
реш ен и я систем ы л и н ей н ы х уравн ен и й , удовлетворяю щ ем у доп олн и тельн ы м ус
л о в и я м f i x = 0 = Я Д . П о с к о л ь к у ф у н к ц и я z строго во гн у тая, а об ласть д оп усти м ы х
р еш ен и й п р ед ставл яет собой вы п у кл о е м н ож ество, д о пуст им ое реш ение, удовле
тво р яю щ ее всем эти м у сл о в и я м , д о л ж н о б ы ть ед и н ствен н ы м и о п ти м ал ь н ы м .
Р еш ен и е рассм атри ваем ой систем ы н ах о д и тся путем р еал и зац и и этап а I дву х
э т а п н о г о м е т о д а (р а з д е л 3 .4 .2 ) . П р и эт о м е д и н с т в е н н ы м о г р а н и ч е н и е м я в л я е т с я н е
о б х о д и м о ст ь у д о в л е т в о р е н и я у с л о в и й Я Д = 0 = f i x . В ы п о л н е н и е этого у с л о в и я о з
н а ч а е т , ч т о е с л и п е р е м е н н а я Я, в б а з и с н о м р е ш е н и и п р и н и м а е т п о л о ж и т е л ь н о е
з н а ч е н и е , то п е р е м е н н а я S, не м о ж е т б ы т ь б а зи с н о й и п р и н и м а т ь п о л о ж и т е л ь н о е
з н а ч е н и е . А н а л о г и ч н о п е р е м е н н ы е ц: и х. н е м о г у т о д н о в р е м е н н о п р и н и м а т ь п о л о
ж и т е л ь н ы е з н а ч е н и я . Э то о б с т о я т е л ь с т в о п о д о бн о п р а в и л у о г р а н и ч е н н о г о в во д а
в б а з и с , к о т о р о е б ы л о и с п о л ь з о в а н о в р а з д е л е 2 1 .2 .1 .
Э тап 1 за в е р ш а е т с я о б р а щ е н и ем в н у л ь всех и с к у сс тв е н н ы х п е р ем е н н ы х то л ь к о
в том случае, есл и и сх о д н ая зад ач а им еет непустое м нож ество до п у сти м ы х реш ений.
21.2. Алгоритмы решения задач с ограничениями 817
Пример 21.2.3
Р ассм отрим следую щ ую задачу .
х, + 2 х 2 < 2 ,
х ,, х 2 > 0 .
Э ту за д а ч у м о ж н о з а п и с а т ь в м а т р и ч н о й ф о р м е
-2
максимизировать г = (4, 6) ' + (хр
-1 1 :
при ограни чениях
(,-2>йЬ
х ,, х 2 > 0 .
У слови я К у н а -Т а к к е р а п р и н и м аю т след у ю щ и й вид.
V
'А 20 0' х2
1 -1
2 4 2 0 -1 0 ь, = 6
J 2 0 0 0 к M(■*l2 л
X.
Базис X1 хг * Рг Я, Яг S1 Решение
г 6 6 3 -1 -1 0 0 0 10
Я, 4 2 1 -1 0 1 0 0 4
я2 2 4 2 0 -1 0 1 0 6
S1 1 2 0 0 0 0 0 1 2
И т е р а ц и я 1. П о с к о л ь к у = 0 , в в о д и м о й в б а з и с п е р е м е н н о й м о ж е т б ы т ь х ,, п р и
этом и з ч и с л а б а зи с н ы х и с к л ю ч а е т с я п е р е м е н н а я Rr П о л у ч а е м сл ед у ю щ у ю сим -
п л е к с -т а б л и ц у .
Базис Х1 хг * Л Мг я. я2 S1 Решение
г 0 3 3/2 1/2 -1 -3 /2 0 0 4
*1 1 1/2 1/4 -1 /4 0 1/4 0 0 1
я2 0 3 3/2 1/2 -1 -1/2 1 0 4
S1 0 3/2 -1/4 1/4 0 -1/4 0 1 1
818 Глава 21. Алгоритмы нелинейного программирования
И т е р а ц и я 2 . Т а к к а к / / 2 = 0 , в в о д и м о й в б а з и с п е р е м е н н о й я в л я е т с я х 2. В р е з у л ь т а т е
при ходим к следую щ ей таблице.
Базис Xi *2 Л, V2 Яі я2 S1 Решение
г 0 0 2 0 -1 -1 0 -2 2
Яі 0 0 2 0 -1 0 1 -2 2
И т е р а ц и я 3 . Т а к к а к 5, = 0 , в ч и с л о б а з и с н ы х м о ж н о в в е с т и п е р е м е н н у ю Лг В ре-
зу л ь т а т е п о л у ч а е м с и м п л е к с -т а б л и ц у .
г 0 0 0 0 0 -1 -1 0 0
Лі 0 0 1 0 -1 /2 0 1/2 -1 1
П о сл ед н яя таб л и ц а дает оп ти м альн о е реш ен и е р ассм атр и ваем о й н а этап е I зад ачи .
Т а к к а к г = 0 , п о л у ч ен н о е р еш ен и е х , = 1 /3 , х2 = 5 /6 я в л я е т с я д о п у сти м ы м . О п ти
м альн ое зн ач ен и е г в ы ч и с л я ется п о д стан о вко й п ол уч ен н ого р еш ен и я в в ы р аж ен и е
д л я ц е л е в о й ф у н к ц и и и с х о д н о й з а д а ч и и р а в н я е т с я 4 ,1 6 .
С р е д с т в о E x c e l Поиск решения м о ж н о и с п о л ь з о в а т ь д л я р е ш е н и я з а д а ч к в а д р а т и ч
н о го п р о г р а м м и р о в а н и я . Н а р и с . 2 1 .5 п о к а з а н о р е ш е н и е з а д а ч и и з д а н н о г о п р и м е р а
( ф а й л c h 2 1 S o lv e rQ u a d ra tic P ro g ra m m in g .x ls ). И с х о д н ы е д а н н ы е д л я з а д а ч и п р е д с т а в л е
ны в таком же виде, к ак и в з а д а ч а х л и н е й н о г о п р о г р а м м и р о в а н и я (с м . р а з
д е л 2 .4 .2 ) . О с н о в н о е о т л и ч и е с о с т о и т в т о м , ч т о ц е л е в а я ф у н к ц и я с е й ч а с н е л и н е й н а .
П оскольку в данном прим ере ц ел евая ф у н к ц и я им еет вид
D5 * =4*В10+6*С10-2*В10Л2-2'В10*С10-2*С10Л2
А В 0 . є F
Quadratic Programming Model
2 Input data:
J ' ' x1 x2
Totals Limits
і 4 Objective NL NL 4 166667
6 Constraint 1 2 2 <= 2
? : ............. >=0 >=0 I
8 'o u tp u t results:
9 X1 x2 z
10 Solution 0 333333 0 833333 4 166667
11
П о и с к <е ш е н и я ЕШ
становить целевую ячейку fiois" а
Равной, максимальному а а чеин о JO40I н о - (о
Закрыть I
С мии-мальному эначенио
Изменяя ячейка
Ограничения Параметры |
Р и с . 21 .5 . Р е ш е н и е в E x c e l з а д а ч и п р и м е р а 21 .2 .3
УПРАЖНЕНИЯ 21.2.2
1. Д а н а зад ач а, в ко то р о й требуется
м аксим изировать z = 6х, + Ъхг - 4х,х2 - 2х] - Ъх\
х ,, х 2, х 3 > 0.
П о к а ж и те , что ф у н к ц и я z — строго в ы п у к л ая , и н ай ди те реш ен ие зад ач и м е
тодом квад рати чн ого п рограм м и рован и я.
820 Глава 21. Алгоритмы нелинейного программирования
z = f ( X ) = ± U t,
1
где
П р е д п о л а г а е т с я , ч т о з д е с ь в с е с ;. > 0 , а ч и с л о N я в л я е т с я к о н е ч н ы м . П о к а з а т е л и
с т е п е н и a tj п о з н а к у н е о г р а н и ч е н ы . Ф у н к ц и я / ( X ) и м е е т в и д п о л и н о м а , е с л и н е у ч и
т ы в а т ь т о г о , ч т о п о к а з а т е л и с т е п е н и a t/ м о г у т п р и н и м а т ь о т р и ц а т е л ь н ы е з н а ч е н и я .
П о э т о й п р и ч и н е , а т а к ж е в с в я з и с т е м , ч т о в с е к о э ф ф и ц и е н т ы су > 0 , ф у н к ц и я / ( X )
н азы в ается п озином ом .
В этом р азд еле будут р ассм отрен ы зад ач и геом етри ч еского п р о гр ам м и р о в ан и я
без о гр ан и ч е н и й . И ссл ед о ван и е зад ач гео м етр и ч еск о го п р о гр ам м и р о в а н и я с о гр а
н и ч ен и ям и вы ходит за р ам к и н асто ящ ей гл ав ы . Д етальн ое рассм отрение и зл агае
м ы х з д е с ь в о п р о с о в с о д е р ж и т с я в к н и г е [2 ], г л а в а 6 .
Р а с с м о т р и м з а д а ч у м и н и м и з а ц и и п о з и н о м и а л ь н о й ф у н к ц и и /(X ). Б у д е м н а з ы
в а т ь э т у з а д а ч у п р я м о й . П р е д п о л а г а е т с я , ч т о п е р е м е н н ы е x t п р и н и м а ю т ст рого по
л о ж и т е л ь н ы е з н а ч е н и я , т . е . о б л а с т ь х, < 0 н е д о п у с т и м а . Д а л е е б у д е т п о к а з а н о , ч т о
требование х і Ф0 я в л я ет ся су щ ествен н ы м п р и п о л у ч ен и и основны х результатов.
П ер вы е ч астн ы е п ро и зво д н ы е ф у н к ц и и z в то чке м и н и м у м а д о л ж н ы об р ащ аться
в н уль. С ледовательно,
= 0= Л = 1 ,2 ,..., я.
ахк хк у-1
П у с т ь z — м и н и м а л ь н о е з н а ч е н и е ф у н к ц и и z. О ч е в и д н о , ч т о z > 0 , т а к к а к z — по-
з и н о м , и все х к > 0 . О б о зн а ч и м
т е л ь н ы й в к л а д j- го с л а г а е м о г о U в о п т и м а л ь н о е зн а ч е н и е ц е л е в о й ф у н к ц и и z . Н е
обходимые у сл о в и я эк стр ем у м а теп ер ь м о ж н о зап и сать в следую щ ем виде.
Е а . Д г 0’ А: = 1,2,..., и.
21.2. Алгоритмы решения задач с ограничениями 821
Э ти у р а в н е н и я , и м е н у е м ы е у с л о в и я м и о р т о г о н а л ь н о с т и и н о р м и р о в к и , о п р е д е л я
ю т единственное реш ение д л я п р и у с л о в и и , ч т о все у р а в н е н и я н е за в и с и м ы
и п + 1 = N . З а д а ч а у с л о ж н я е т с я п р и N > п + 1 , т а к к а к в э т о м с л у ч а е р е ш е н и е д л я і/,
не я в л я е т с я ед и н ствен н ы м . Н и ж е п о к азан о , что и в этом случ ае сущ ествует во з
м о ж н о сть одн озн ачн о о п р ед ел и ть у д л я м и н и м и зац и и ф у н к ц и и г.
П усть — эл ем ен ты еди н ствен н ого р еш ен и я п р ед ставл ен н о й вы ш е систем ы
П о с к о л ь к у z = % , то
В п о с л е д н е м в ы р а ж е н и и у ч т е н о у с л о в и е ’<
2 ^ і_1а,,У, - ^ • С л е д о в а т е л ь н о , з н а ч е н и е 2*
м о ж н о в ы ч и с л и т ь , к а к т о л ь к о б у д у т о п р е д е л е н ы все уг П р и и з в е с т н ы х у] и z ' м о ж
н о о п р е д е л и т ь U] = y'jZ . З н а ч е н и я xt н а х о д я т с я к а к р е ш е н и е с и с т е м ы у р а в н е н и й
/=•1
Ф у н к ц и я w с п е р е м е н н ы м и у х, у 2, . . . , yN о п р е д е л я е т з а д а ч у , д в о й с т в е н н у ю к и с
ходной. П оско л ьку w яв л яется н и ж н ей гран и ц ей зн ачен и й z и р ассм атри вается за
д а ч а м и н и м и з а ц и и z, т о , м а к с и м и з и р у я ф у н к ц и ю ш, м ы п о л у ч и м
w* = max w = min z = z .
У1 *:
Э то з н а ч и т , ч т о м а к с и м а л ь н о е зн а ч е н и е w (= w ) н а м н о ж е с т в е д о п у с т и м ы х зн а ч е н и й
у. с о в п а д а е т с м и н и м а л ь н ы м з н а ч е н и е м z ( = z') н а м н о ж е с т в е д о п у с т и м ы х з н а ч е н и й х г
Пример 21.2.4
В э т о м п р и м е р е р а с с м а т р и в а е т с я з а д а ч а , гд е N = п + 1, т а к ч т о р е ш е н и е , п о л у ч а е м о е
и з у с л о в и й о р т о го н а л ь н о с т и и н о р м и р о в к и , я в л я е т с я е д и н с т в е н н ы м . (С л ед у ю щ и й
п р и м е р и л л ю с т р и р у е т с л у ч а й , к о г д а N > п + 1 .)
Р ассм о тр и м задачу
т а к ч то зд есь
(Ср с2, с3, с4) ( 7 , 3 , 5 , 1 ),
,« 3 1 «32 «33 а м ,
-2 1 1
, > > 1 1 ч Л, кК
Э та си стем а и м е ет ед и н ствен н о е р еш ен и е
1 . 1 . 5 . 1
2 * у- ~ 6 ' Уз~ 2 4 ’ Л ~ 8 '
С ледовательно,
=15,23.
И з у р а в н е н и я U] = у 'г ’ с л е д у е т , ч т о
5-V -V 3 = ^3 = ^ ( 1 5 .2 3 ) = 3,173,
Пример 21.2.5
Р ассм о тр и м зад ач у
V,
I -I I 0^
у. <01
-I I 0 -I - 0
Уз
I I I I V 1)
1 -і i Y ' -Л
-1 1 0
1 1 1 •-V 4 ,
или
»-3 . у4
V, =
2 ’
1 - V,
У 3 = У 4-
М а к с и м и з и р о в а т ь iv =
5 і 2 1
UT Ш
I l
'J)
©
0,5(1 - 3 v 4) j >'4 У У4 ,
824 Глава 21. Алгоритмы нелинейного программирования
М а к с и м и з а ц и я w э к в и в а л е н т н а м а к с и м и з а ц и и ф у н к ц и и lnw , п е р е х о д к к о т о р о й у п
рощ ает вы чи слен и я. П олучи м
lnw = 0 ,5 (1 - 3v4){ ln l0 - ln (l - Зу4)} + 0 ,5 (1 - у 4){1л4 - 1л(1 - у 4)} + у 4{1л5 - 1лу4 + 1п1 - 1пу4}.
din w
ду4 т Г 'Ч (т Г т Г ^ М т т ) +( т И ‘ - ' ^ +
+ln 5 - { l + l n y 4}+ln 1- { l + l n v4} = 0.
2 х 102 ( 1 -3 .у 4) ? ( 1 - у 4) ї
-In + In
У]
> /(1 -З у 4) 3( 1 - .у 4)
12, 6 ,
УІ
о т к у д а у ' = 0 ,1 6 . С л е д о в а т е л ь н о , y j = 0 , 1 6 , у 2 = 0 ,4 2 и у* = 0 , 2 6 .
— 1 (— ) f— 1 =9,661.
0,26 I I 0,42 J I 0.16 J
С ледовательно,
U3 = 0 , 1 6 x 9 , 6 6 1 = 1 ,5 4 6 = 5л-,,
ІІЛ= 0 ,1 6 x 9 ,6 6 1 = 1,546 = лг2 ‘.
О т с ю д а и м е е м ** = 0 ,3 0 9 и х'г = 0 ,6 4 7 .
УПРАЖНЕНИЯ 21.2.3
1. Р е ш и т е след у ю щ у ю за д а ч у м етодом гео м е тр и ч ес к о го п р о гр а м м и р о в а н и я .
М а к с и м и з и р о в а т ь z = '^_i cjx j
і- і
С и т у а ц и я 1 . П р е д п о л а г а е т с я , ч т о в с е a t/ я в л я ю т с я н о р м а л ь н о р а с п р е д е л е н н ы м и
случай н ы м и вели чин ам и с м атем ати чески м и ож и дан и ям и М { а ^ и дисперсиям и
D { a , y Т а к ж е и з в е с т н ы к о в а р и а ц и и c o v je ^.a,.-} с л у ч а й н ы х в е л и ч и н а ч и а . . .
Р а с с м о т р и м t-e о г р а н и ч е н и е з а д а ч и
и введем обозначен ие
h, = 1 > л -
С л у ч а й н а я в е л и ч и н а Л. и м е е т н о р м а л ь н о е р а с п р е д е л е н и е с м а т е м а т и ч е с к и м о ж и д а
н и е м Л/{Л,} = Х ; ^ { ^ Ц и д и с п е р с и е й D { h } = X r D ,X , г д е Х = ( x t , х 2, . . . , х п) т,
Т еп ерь им еем
826 Глава 21. Алгоритмы нелинейного программирования
h-M(h)
г д е — .— — с т а н д а р т н а я н о р м а л ь н о р а с п р е д е л е н н а я с л у ч а й н а я в е л и ч и н а с ну-
л е в ы м м а т е м а т и ч е с к и м о ж и д а н и е м и е д и н и ч н о й д и с п е р с и е й . Э то о зн а ч а е т , ч т о
' b ,-M (h ,)
P {h ,< b ,}= Ф
где ч ер ез Ф о б о зн ач ен а ф у н к ц и я р а сп р е д е л ен и я с та н д а р тн о го н о р м а л ьн о го р асп р е
деления.
П у сть Ка — зн ач ен и е стан д а р тн о й н о р м а л ь н о р асп р ед ел ен н о й сл у ч ай н о й в ел и
чи н ы , определяем ое и з у р авн ен и я
ф К , ) = • - “ ,•
b ,-M (h , ) .
->К„
> № }
Э то п р и в о д и т к д е т е р м и н и р о в а н н о м у н е л и н е й н о м у о г р а н и ч е н и ю , к о т о р о е э к в и в а
лен тн о исходном у вероятностн ом у
В ч а с т н о с т и , е с л и а ,у — н е з а в и с и м ы е н о р м а л ь н о р а с п р е д е л е н н ы е с л у ч а й н ы е в е л и
ч и н ы , т о г д а с о v { a i r a,y} = 0 , и п о с л е д н е е н е р а в е н с т в о п р и н и м а е т в и д
- ь‘-
r-І V' -'
Д ан н ое огран и чен и е м ож н о зап и сать в виде огр ан и ч ен и й зад ачи сепарабельного
п р о г р а м м и р о в а н и я (р а з д е л 2 1 .2 .1 ) , д л я ч е г о и с п о л ь з у е т с я з а м е н а п е р е м е н н ы х
{ a j.r , + у, < 6,
/ =1
и уравнен ию
± D { a , ] x ] - y ; = 0.
С и т у а ц и я 2 . З д е с ь п р е д п о л а г а е т с я , ч т о т о л ь к о 6, я в л я е т с я н о р м а л ь н о р а с п р е д е
л ен н о й сл у ч ай н о й в ел и ч и н о й с м атем ати ч еск и м о ж и д ан и ем М {Ь ) и ди сперсией
D {b ). А н а л и з это й с и ту а ц и и п р о в о д и тся ан ал о ги ч н о п р е д ы д у щ ей . Р а с см о тр и м сто
хастическое ограни чение
21.2. Алгоритмы решения задач с ограничениями 827
> а ;.
Э то о г р а н и ч е н и е в ы п о л н и м о л и ш ь п р и в ы п о л н е н и и н е р а в е н с т в а
, ------- < к а .
^ х < м { ь ] + к а^БЩ .
і =і
С и т у а ц и я 3 . Т е п е р ь п р е д п о л о ж и м , ч т о в с е п а р а м е т р ы a tj и 6 я в л я ю т с я н о р м а л ь
но расп ределен н ы м и сл у ч ай н ы м и вел и чи н ам и . П ереп и ш ем огр ан и чен и е
ś ь,
в виде
t , a4Xi ~ b<- °-
!-1
Т а к к а к в с е а,, и b, р а с п р е д е л е н ы п о н о р м а л ь н о м у з а к о н у , в с о о т в е т с т в и и с и з
вестны м и р езу л ьтатам и м атем ати ческо й стати сти к и вел и чи н а такж е
Пример 21.2.6
Рассм отри м зад ач у с вер оятн о стн ы м и огран и чен и ям и
м а к с и м и з и р о в а т ь г = 5дг, + 6 х 2 + Злг3
Р { а и х \ + а п х г + а & з — 8 } S 0,9 5,
Р { 5 х х + х 2 + 6 х } < 62| S 0,1 0,
п р и ч е м все X j> 0 . П у с т ь Яу — н е з а в и с и м ы е н о р м а л ь н о р а с п р е д е л е н н ы е с л у ч а й н ы е
в е л и ч и н ы со с л е д у ю щ и м и з н а ч е н и я м и м а т е м а т и ч е с к и х о ж и д а н и й и д и сп е р с и й
М { а п ) = 1 , М { а 12} = 3 , М { а 13} = 9 ,
П у с т ь п а р а м е т р Ь2 я в л я е т с я н о р м а л ь н о р а с п р е д е л е н н о й с л у ч а й н о й в е л и ч и н о й с м а
т е м а т и ч е с к и м о ж и д а н и е м 7 и д и с п е р с и е й 9.
828 Глава 21. Алгоритмы нелинейного программирования
П о та б л и ц е ф у н к ц и и распред еления с та н д а р тн о го н о р м а л ь н о го за ко н а (п р и л о ж е н и е В)
находим
а второе о гр а н и ч е н и е — н е р а в е н ств у
5 *, + х 2+ 6лг3 < 7 + 1 , 2 8 5 х 3 = 1 0 ,8 5 5 .
Если п о л о ж и ть
и с х о д н а я задача п р и н и м а е т с л е д у ю щ и й ви д:
25л:,2 + 16 х 2 + 4 .Г3 - у 2 = 0,
x i> х 2’ х з> У - ° ,
и м о ж е т б ы т ь р е ш е н а м е то д а м и с е п а р а б е л ь н о го п р о гр а м м и р о в а н и я .
Н а р и с . 2 1 .6 п о к а з а н о р е ш е н и е р а с с м а т р и в а е м о й з а д а ч и с т о х а с т и ч е с к о г о п р о г р а м
м и р о в а н и я в E x c e l ( ф а й л c h 2 1 S o lv e rS to c h a s tic P ro g ra m m in g .x ls ). В д а н н о м с л у ч а е н е л и
нейной является то л ько левая часть в то р о го о гр а н и ч е н и я , ко то р а я вводится
в я ч е й к у F7 в виде ф о р м ул ы
УПРАЖНЕНИЯ 21.2.4
1. П р е о б р а зу й те с л е д у ю щ у ю за д а ч у с т о х а с т и ч е с ко го п р о гр а м м и р о в а н и я в э к
в и в а л е н тн ую д е те р м и н и р о в а н н ую м одель.
Р {а ,х , + З х 2 + а 3х 3 < 1 0 } > 0 ,9 ,
|$В$12:$Е$12 ■З Предположить I
Ограничения: Параметры |
Р и с . 21 .6. Р е ш е н и е з а д а ч и с т о х а с т и ч е с к о г о п р о г р а м м и р о в а н и я в E x c e l
x t , х 2, х 3 > 0 .
П усть п арам етры а2и а3 — н езави си м ы е н орм альн о распределен ны е случ ай
н ы е в ел и ч и н ы с м а т е м ат и ч е с к и м и о ж и д а н и я м и 5 и 2 и д и сп е р с и я м и 16 и 25
соответствен н о. П р ео бр азу й те дан н у ю зад ач у в д етер м и н и р о ван н у ю задачу
сепарабельного п рограм м и рован и я.
при ограничениях
А Х < b, X > 0.
830 Глава 21. Алгоритмы нелинейного программирования
Пример 21.2.7
Р а с с м о т р и м з а д а ч у к в а д р а т и ч н о г о п р о г р а м м и р о в а н и я и з п р и м е р а 2 1 .2 .3 .
М а к с и м и з и р о в а т ь г = 4дг, + 6дг2 - 2 х 2 - 2 x tx 2 - 2 х \
+ 2х2< 2,
x t, х2> 0.
П у сть Х° = ( 1 /2 , 1 /2 ) — н ач ал ьн ая то чка, к о то р ая я в л я ется доп устим ой д л я рас
см атри ваем ой зад ач и . И м еем
V Д Х ) = (4 - 4 х , - 2 х 2, 6 - 2 х , - 4 х 2).
И т е р а ц и я 1.
у д х ° ) = ( і , 3).
С оответствую щ ая задача лин ейн ого п рограм м и рован и я своди тся к м акси м и зац и и
ф у н к ц и и wj = X j + З х , с у ч е т о м о г р а н и ч е н и й и с х о д н о й з а д а ч и . Е е о п т и м а л ь н ы м р е
ш е н и е м е с т ь т о ч к а X* = ( 0 , 1 ). З н а ч е н и я ф у н к ц и и w , в т о ч к а х Х° и X* р а в н ы 2 и 3 с о
ответственн о. С лед овательн о, н овая то ч ка и щ ется в виде
М акси м и зац и я ф ун кц и и
*(-•)-/ (1Г - 1т )
д а е т г = 1. Т а к и м о б р а з о м , X і = ( 0 , 1) и Д Х 1) = 4 .
И т е р а ц и я 2.
У Д Х !) = ( 2 , 2 ) .
X 2 = ( 0 , 1 ) + г [(2 , 0 ) - ( 0 , 1 )] = ( 2 r , 1 - г).
М акси м и зац и я ф ун кц и и
h ( r ) = Л 2 Л 1 - г)
д а е т г = 1 / 6 . Т а к и м о б р а з о м , X 2 = ( 1 / 3 , 5 / 6 ) , п р и э т о м Д Х 2) « 4 , 1 6 .
И т е р а ц и я 3.
У Д Х 2) = ( 1 , 2 ) .
З д е с ь ц е л е в а я ф у н к ц и я и м е е т в и д w 3 = x 1 + 2 х 2. О п т и м а л ь н ы м р е ш е н и е м з а д а ч и л и н е й
н о г о п р о г р а м м и р о в а н и я б у д у т а л ь т е р н а т и в н ы е т о ч к и X = ( 0 , 1 ) и X = (2 , 0 ). З н а ч е н и е w3
в о б о и х с л у ч а я х с о в п а д а е т с о з н а ч е н и е м w3 в т о ч к е X 2. С л е д о в а т е л ь н о , у л у ч ш и т ь и м е ю
щ ееся р еш ен и е н ево зм о ж н о . П олуч ен о пр и б ли ж е н н о е о п ти м ал ь н о е р еш ен и е зад ач и :
Х 2 = ( 1 / 3 , 5 / 6 ) с Д Х 2) “ 4 ,1 6 . В д а н н о м с л у ч а е о н о с о в п а д а е т с т о ч н ы м о п т и м у м о м .
832 Глава 21. Алгоритмы нелинейного программирования
УПРАЖНЕНИЕ 21.2.5
1. Р е ш и т е след у ю щ у ю за д а ч у м етодом л и н е й н ы х к о м б и н а ц и й .
і
р ( х ,о = / ( х ) +/
tT s ,(x )
ЛИТЕРАТУРА
1. B a z a r a a М ., S h e ra ll Н. and S h e tty С. N o n lin e a r P ro g ra m m in g , Theory and
A l g o r i t h m s , 2 n d e d .,W ile y , N e w Y o rk , 1 9 9 3 . ( Р у с с к и й п е р е в о д п е р в о г о и з д а н и я :
Б а з а р а М ., Ш е т т и К . Н е л и н е й н о е п р о г р а м м и р о в а н и е . Т е о р и я и а л г о р и т м ы . —
М .: М и р , 1 9 8 2 . )
2 . B e i g h t l e r С ., P h i l l i p s D . a n d W i l d e D . F o u n d a t i o n s o f O p t i m i z a t i o n , 2 n d e d . , P r e n
tic e H a ll, U p p e r S a d d le R iv e r , N . J . , 1 9 7 9 .
3 . F i a c c o A . a n d M c C o r m ic k G . N o n l i n e a r P r o g r a m m i n g : S e q u e n t i a l U n c o n s t r a i n e d
M i n i m i z a t i o n T e c h n iq u e s , W ile y , N e w Y o r k , 1 9 6 8 . ( Р у с с к и й п е р е в о д : Ф и а к к о A .,
М ак -К о р м и к Г. Н е л и н е й н о е п р о гр а м м и р о ва н и е. М е т о д ы п о с л е д о в а т ел ь н о й без
у с л о в н о й м и н и м и з а ц и и . — М .: М и р , 1 9 7 2 . )
4 . R a r d in D . O p t i m i z a t i o n i n O p e r a ti o n s R e s e a r c h , P r e n tic e H a ll, U p p e r S a d d le R iv e r ,
N .J ., 1998.
А.1. ВЕКТОРЫ
0 (Р + S ) = 0 Р + 0 S (с в о й ст в о д и с т р и б у т и в н о с т и )
6 (у Р ) = (6 у )Р (с в о й ст в о а с с о ц и а т и в н о с т и )
836 Приложение А. Краткий обзор теории матриц
1 0 ,р , = °
hі
в ы п о л н я е т с я т о г д а и т о л ь к о т о г д а , к о г д а в с е 0. р а в н ы н у л ю (0 . — произвол ьны е
д е й с т в и т е л ь н ы е ч и с л а ). Е с л и у к а з а н н о е равенство в ы п о л н я е тс я при не ко то р ы х
0у* 0 , т о в е к т о р ы P j, Р 2........ Р п н а з ы в а ю т с я линейно-зависимыми. Н априм ер, векто
ры Р 1= ( 1 ,2 ) и Р 2 = ( 2 ,4 ) л и н е й н о з а в и с и м ы , п о с к о л ь к у с у щ е с т в у ю т н е н у л е в ы е
ч и с л а 0 t = 2 и 02 = - 1 , п р и к о т о р ы х в ы п о л н я е т с я р а в е н с т в о
о ^ + о А - о .
А.2. МАТРИЦЫ
ч Щ хЗ
им еет р а зм ерность 4 x 3 .
/ 1 О (Л
13 = О 1 О
О О 1
3. В е кт о р -с т р о ка — м а тр и ц а , и м е ю щ а я о д н у с т р о к у и п стол бцов.
4. В е кт о р -с то л б е ц — м а тр и ц а , и м е ю щ а я т с т р о к и од ин столбец.
6 . М а т р и ц а В н а з ы в а е т с я н у л е в о й (В = 0 ) , е с л и в с е е е э л е м е н т ы р а в н ы н у л ю .
7 . Д в е м а т р и ц ы А = ||в;/|| и В = ||^ || р а в н ы т о г д а и т о л ь к о т о г д а , к о г д а о н и и м е ю т
о д и н а к о в у ю р а з м е р н о с т ь и a t/ = bt/ д л я в с е х і и j .
р и ц а с у м м ы п о л у ч а е т с я п у т е м с л о ж е н и я э л е м е н т о в м а т р и ц А и В , т .е .
D = А + В = |Ш |
II 4 IIw x h
= I L + Ь-
II >
I .
> WlUX.ll
Д л я п р о и зв о л ь н ы х м ат р и ц А , В и С, и м ею щ и х о д и н ак о в у ю р азм ер н о сть, с п р а
ведливы следую щ ие соотнош ения.
А ± В = В ± А (с в о й ст в о к о м м у т а т и в н о с т и )
А ± (В ± С ) = ( А ± В ) ± С (с в о й ст в о а с с о ц и а т и в н о с т и )
( А ± В ) Т = А Т± В Т
П р о и з в е д е н и е м а т р и ц . П р о и з в е д е н и е А В м а т р и ц А = |а,; | и В = ||b j о п р е д е л е н о
d., = Х аА •
1 3 , 5 7 9
А = , и В=
2 4 6 8 0
то
D= Iі 31'5 7 91 (1 х 5 + 3 х 6 ) (1 х 7 + 3 х 8 ) (1 х 9 + 3 х 0 )" )
1
ОО
,2 4 ,6 (2 х 5 + 4 х 6 ) (2 х 7 + 4 х 8 ) (2 x 9 + 4 x 0 )j
(2Ъ 31 9'
Д 34 46 18J
В общ ем случ ае А В Ф В А , д аж е если п рои звед ен и е В А оп ределено.
П рои звед ен и е м атр и ц обладает след ую щ и м и свой ствам и .
I mA = А1„ = А , г д е I m и 1п — е д и н и ч н ы е м а т р и ц ы ,
( А В ) С = А ( В С ),
С (А + В ) = С А + С В ,
( А + В )С = А С + В С ,
а (А В ) = (а А )В = А (а В ), а — с к а л я р .
838 Приложение А. Краткий обзор теории матриц
[Ч В 12
А» а 12 А„
А= и В = В 21 В 22
Аи А 22 а 23
1В з, В 32
п р и ч е м д л я в с е х і и у ч и с л о с т о л б ц о в в б л о к е А ,, р а в н о ч и с л у с т р о к в б л о к е В.,. Т о г д а
Н априм ер,
(\ 2 зЛ '4> ( 0 ( 4 ) + (2 3) 4 + 2 + 24 3(Л
1 0 5 1 = 44
0 5
,2 5 6, ,8 , (4) + 61
5 6
А=
VUH]
п о р я д к а п р а с с м о тр и м п р о и зв е д е н и е ее эл е м ен то в
~ а Ч,аг ь " ' а’Л. ’
где к а ж д ы й сто л бец и к а ж д а я с тр о к а м атр и ц ы А п р ед став л ен ы в то ч н о сти одним
э л е м е н т о м . О п р е д е л и м в е л и ч и н у е /Л h , р а в н у ю + 1 , е с л и м н о ж е с т в о и н д е к с о в у',, у2,
. .. ,/ „ п о л у ч е н о и з м н о ж е с т в а н а т у р а л ь н ы х ч и с е л 1, 2 , ..., л ч е т н ы м ч и с л о м п а р н ы х
п ер естан о во к, и равн ую - 1 — в п роти вн ом случ ае. Т огда с к а л я р н а я вел и ч и н а
h i. ’
р
г д е с у м м и р о в а н и е в е д е т с я п о в с е м л ! п е р е с т а н о в к а м и н д е к с о в у „ у2.........ул, н а з ы в а е т
с я о п р е д е л и т е л е м (д е т е р м и н а н т о м ) м а т р и ц ы А . О п р е д е л и т е л ь м а т р и ц ы об ы ч н о
о б о з н а ч а е т с я к а к d e t A и л и |А |.
Н ап ри м ер, если
/
а и «12
А = «2! °2 2 а 2Ъ
a,i “и,
ТО (А) ^ ц (^22^33 ^23^32^ ^ 12( ^ 21^33 ^ 31^ 23) ^ 13( ^ 21^32 ^ 22^ 31)*
О п редели тели обладаю т следую щ и м и свой ствам и.
1. Е с л и все э л е м е н т ы к а к о г о -н и б у д ь с т о л б ц а и л и с т р о к и м а т р и ц ы р а в н ы нулю ,
то оп р ед ел и тел ь этой м атр и ц ы равен нулю .
2. О п р ед ел и тел ь т р а н с п о н и р о в ан н о й м ат р и ц ы равен оп ределителю исходной
м а т р и ц ы , т .е . |А Т| = |А |.
А.2. Матрицы 839
А = «2,
им еем м и н оры
а и а г
Ми = У ^22 ~
Яг
П р и с о е д и н е н н а я м а т р и ц а . О б о з н а ч и м ч е р е з A l/ = ( - l ) ‘+lM IJ а л г е б р а и ч е с к о е д о
п о л н е н и е эл ем ен та а ч к в ад р ат н о й м а т р и ц ы А . Т огда м атр и ц а, п р и со ед и н ен н ая
к м атри ц е А , о п р ед ел яется соотнош ен ием
Ч і Ai ••• Al
Аг Аг А і2
adjA =
Л , А„ А„
Н ап ри м ер, если
fl 2 3Л
А = 2 3 2
3 3 4
т о А п = ( - 1 ) ( 3 х 4 - 2 х 3 ) = 6 , А іг = ( - 1 ) ( 2 х 4 - 3 х 2 ) = - 2 , и т .д . О т с ю д а п о л у ч а е м
'6 1 -5 >
adjA = -2 -5 4
-З 3 -1
(I 2 3^1
А = 2 3 4
3 5 7
|А | = 1 х ( 2 1 - 2 0 ) - 2 х ( 1 4 - 1 2 ) + З х ( 1 0 - 9 ) = 0 .
1 2 'I
= -1 *0 .
2 3
1. Е с л и А и В н е в ы р о ж д е н н ы е к в а д р а т н ы е м а т р и ц ы о д и н а к о в о й р а зм е р н о с т и ,
т о ( А В ) " 1 =» В ’1А ’1.
2 . Е с л и А — н е в ы р о ж д е н н а я м а т р и ц а , то и з р а в е н с т в а А В = А С в ы т е к а е т , что
В = С.
«12
аш ,Л х„) КК;
г д е х , — н е и з в е с т н ы е , a t/ и Ь 1 — з а д а н н ы е к о н с т а н т ы . Э т а с и с т е м а в м а т р и ч н о й ф о р
ме зап и ш ется
А Х = Ь.
П о с к о л ь к у у р а в н ен и я си стем ы л и н ей н о н езав и си м ы , м а т р и ц а А будет н евы р о ж
ден н о й , и, сл ед о в ател ьн о , будет су щ ество вать о б р а тн ая к н ей м ат р и ц а. Т ак и м обра
зом , и м еем
А 'А Х = А Ъ ,
о т к у д а п о л у ч а е м р е ш е н и е с и с т е м ы : X = A " 'b .
А.2. Матрицы 841
А=
6 1 - 5 'l
и м е е м adjA = - 2 -5 4 и |А | = - 7 . П о э т о м у
-3 3 -1
5^
6 1
7
-5 '
4
А '1=- -2 -5 4
-7 7
-3 3 -1
М ето д п о с л е д о в а т е л ь н ы х и с к л ю ч е н и й (м ет о д Г а у с с а -Ж о р д а н а ). Р а с с м о т р и м
б л о ч н у ю м а т р и ц у (A j I), гд е А — н е в ы р о ж д е н н ая м атр и ц а. У м н о ж а я сл ев а эту
м а т р и ц у н а м а т р и ц у А " 1, п о л у ч и м
( А " 'А I A _1I ) = ( I I А ’ 1).
Т ак и м образом , п р и п о сл ед о вател ьн о м п р ео б р азо ван и и стр о к и схо д н о й м ат р и
ц ы , о б е с п е ч и в а ю щ е м п р е о б р а зо в а н и е м а т р и ц ы А в I, о д н о в р е м е н н о м а т р и ц а I п р е
о б р а з у е т с я в м а т р и ц у А " 1.
Рассм отрим систем у л и н ей н ы х уравн ен ий
2 3 2
3 3 4
Л
В ектор реш ен и й X и м атр и ц у , обратн ую к м атри ц е д ан н ой си стем ы , м ож но по
л у ч и ть из соотнош ен ия
А _1( А 111 b ) = ( I I А " 1 1A ~ 'b ).
Р е а л и за ц и я м етода п ослед овательн ы х и скл ю ч ен и й при води т к следую щ ей после
довательн ости дей стви й . И сходн ая м атр и ц а им еет вид
'\ 2 3 1 0 0 3N
2 3 2 0 10 4
з 4 0 0 1 5,
842 Приложение А. Краткий обзор теории матриц
И те р а ц и я 1
'1 2 3 1 0 0 зч
0 -1 -4 -2 1 0 -2
,0 -3 -5 -3 0 1 -4 ,
И терация 2
'1 0 -5 -3 2 0 -Г
0 1 4 2 -1 0 2
,0 0 7 3 -3 1 2,
И терация 3
/
6 1 5 Зч
1 0 0
7 7 7 7
2 5 4 6
0 1 0
7 7 7 7
3 3 1 2
0 0 1
V 7 7 7 7,
Т а к и м о б р а з о м , п о л у ч и л и р е ш е н и е с и с т е м ы jc, = 3 / 7 , х 2 — 6 / 7 и х 3 = 2 / 7 . О б р а т
н а я м а т р и ц а А ’1 п р и в е д е н а с п р а в а о т е д и н и ч н о й м а т р и ц ы и с о в п а д а е т с о б р а тн о й
м атр и ц ей , п олуч ен н ой м етодом п ри соеди н ен н ой м атр и ц ы .
М у л ь т и п л и к а т и в н о е п р е д с т а в л е н и е о б р а т н о й м а т р и ц ы . П р е д п о л о ж и м , ч т о две
н е в ы р о ж д е н н ы е м а т р и ц ы В и В след р а з л и ч а ю т с я т о л ь к о о д н и м в е к т о р - с т о л б ц о м .
П у с т ь т а к ж е д а н а о б р а т н а я м а т р и ц а В "1. И м е я м а т р и ц у В "1, м о ж н о в ы ч и с л и т ь м а т
р и ц у B j CJI с п о м о щ ь ю ф о р м у л ы
В слел
1 = Е В " 1.
М а т р и ц а Е н а х о д и т с я с л е д у ю щ и м о б р а зо м . О б о зн а ч и м ч е р е з Р . в ек т о р -ст о л б е ц
м атриц ы В, которы й в м атриц е В з а м е н е н н а в е к т о р - с т о л б е ц Р г. Т о г д а м а т р и ц у Е
м о ж н о о п р е д е л и т ь к а к т - м е р н у ю е д и н и ч н у ю м а т р и ц у , у к о т о р о й г- й с т о л б е ц з а м е
нен след ую щ и м столбц ом .
~ -(В -'р д ~
~ ( В - 'Р ,) 2
- ( В -1?,),,,
З д е с ь п р е д п о л а г а е т с я , ч т о (В _1Р ) г * 0 , в п р о т и в н о м с л у ч а е о б р а т н о й м а т р и ц ы
В 'лсл н е с у щ е с т в у е т .
Д о каж ем справедливость ф орм улы В~лсд = Е В " ‘. О б о з н а ч и м ч е р е з F т - м е р н у ю
е д и н и ч н у ю м а т р и ц у , у к о т о р о й г -й с т о л б е ц з а м е н е н с т о л б ц о м В " 'Р ., т .е .
О тсю да п о л у ч аем
B j ea = ( B F ) ‘ = F ‘B 1.
Т е п е р ь о с т а л о с ь п о л о ж и т ь Е = F " 1.
М у л ьти п л и к ати в н ая ф о р м а и сп о л ьзу ется д л я в ы ч и сл ен и я м атр и ц ы , обратн ой
к лю бой невы рож денной м атри ц е В. В ы чи сления начинаю тся с м атриц ы В0= 1 =
Bó' • Д а л е е с т р о и т с я м а т р и ц а В , к а к е д и н и ч н а я м а т р и ц а , у к о т о р о й п е р в ы й с т о л б е ц
со вп ад ает с п ер в ы м сто л б ц о м м а т р и ц ы В . Т огда
В11= Е 1В01= Е 11 = Е | .
Д а л е е п о д о б н ы м о б р а з о м с т р о и т с я м а т р и ц а В 2 и в ы ч и с л я е т с я В ; 1. Н а i - м ш а г е ,
е сл и н а о сн о в е е д и н и ч н о й м а т р и ц ы п у т ем за м е н ы ее п е р в ы х і с то л б ц о в с то л б ц а м и
м а т р и ц ы В п о с т р о е н а м а т р и ц а В ,, т о
Э то о зн а ч а е т , ч т о д л я и с х о д н о й м а т р и ц ы В о б р а тн у ю к н е й м о ж н о в ы ч и с л и т ь по
ф ормуле В ^ Е А - .- Е ,-
С ледую щ ий п ри м ер и ллю стри рует п ри м ен ен и е м у л ьти п л и кати вн о го п редстав
л ен и я обратн ой м атр и ц ы . П усть д ан а след у ю щ ая м атр и ц а, д л я кото р о й надо вы
ч и сл и ть обратн ую .
'2 1 О'
В= 0 2 О
,4 0 1
Ш аг О
1 о о
в„= в-' = 0 1 о
0 0 1
Ш аг 1
В ,= 0 1 0 . В- Р. = Р, = 0
.4 0 1. .4 ,
+ - 0 0
2 ' 1
0 0
2
Е ,= 1 0 В ,' = 0 1 0
,-2 0 1
0 1
Ш аг 2
( 1 ^ <1'
'2 1 0' - 0 0 Т
Л
L Л
L
0 1 0 = В ,’ ВГ’Р _
1 2, = 0 1 0
2
2
V4 0 1) 0
-2 0 1, "2,
844 Приложение А. Краткий обзор теории матриц
г \
/ \ 1
і 0
1 0 4
Е, =
w
1
0 +1/2 0 0 0
2
,0 —(—2 )/2 К ,0 1 К
1 — о 1 — — О
4 О О
2
в = в ; 1= е 2в , 1=
О і О О 1 о о
2
-2 О 1
О 1 1 -2
' К А„ ^ В„
(рхр) (pxq) (рхр) (p x q )
А= и В=
А 31 А 22 В 22
J.д х р ) K( q x P ) (q x q )
П у с т ь В б у д е т м а т р и ц е й , о б р а т н о й к м а т р и ц е А . Т о г д а и з р а в е н с т в а А В = 1л с л е
дует, что
А 11В 11 + А 12В 21 =
А ц В і2 + А і 2В 22 = 0 .
А н а л о г и ч н о и з р а в е н с т в а В А = 1п п о л у ч а е м
b 12 = - ( a - ; a 12) d 1,
b 21 = - d 1( a 21a - 1),
B22= D ‘,
3 2\
н а б л о к и А и = ( 1 ) , А 12 = ( 2 , 3 ) , А 2| = и А 22 = З д е с ь A,,' = 1 и
З 4
3 2 s] -1 -4\
D= (1)(2, 3) =
З 4 -З -5
А.З. Квадратичные формы 845
Г 1
Г -5 4) 7 7
D 1= -
3 -1 3 _1.
7 7
Д алее вы числяем
2
1 5 7
в „ -[ 7 J . в 12- ^ 7 7 j , в 2|- и В22 =
3
\7 /
Т е п е р ь н е т р у д н о п о л у ч и т ь м а т р и ц у В = А " 1.
Т огда ф у н к ц и я
2 (X ) = X r AX = £ £ W
'1 О Г '
Q(X) = (xt,x2,x3) 2 1
3 О
1. К в а д р а т и ч н а я ф о р м а н а з ы в а е т с я п о л о ж и т е л ь н о о п р е д е л е н н о й , е с л и Q (X ) > О
д л я в с е х X * О.
2. К в ад р ати ч н ая форма н азы вается полож ит ельно полуопределенной, если
Q(X) > 0 д л я всех X и сущ ествует так о й вектор X * 0, что Q(X ) = 0.
3. К в ад р ати ч н ая ф о р м а Q ( X ) н азы вается о т р и ц а т ел ь н о определенной, если
к в ад р а т и ч н а я ф орм а -Q (X ) я в л я е т с я п о л о ж и тел ьн о оп ределен н ой .
846 Приложение А. Краткий обзор теории матриц
4 . К в а д р а т и ч н а я ф о р м а Q (X ) н а з ы в а е т с я о т р и ц а т е л ь н о п о л у о п р е д е л е н н о й , ес
л и к в ад р а т и ч н а я ф о р м а -Q (X ) я в л я е т с я п о л о ж и тел ьн о п о л у о п р ед ел ен н о й .
5. В о всех остал ьн ы х сл у ч ая х к в ад р ат и ч н ая ф орм а н азы вается неопределенной.
1 k -м у г л о в ы м м и н о р о м о п р е д е л и т е л я м а т р и ц ы А„х„ н а з ы в а е т с я о п р е д е л и т е л ь вида
Я,1 *12 • ■ я,*
, к = 1,2,
...
...
...
Я». ап • а»
2 В э т о й ф о р м у л и р о в к е д о п у щ е н а н е т о ч н о с т ь о т н о с и те л ь н о п о л о ж и т е л ь н о полуоп реде-
л е н н ы х ф о р м : к в а д р а т и ч н а я ф о р м а б уд ет п о л о ж и т е л ь н о п о л у о п р е д е л е н н о й т о гд а и т о л ь к о
т о г д а , к о г д а в се г л а в н ы е м и н о р ы о п р е д е л и т е л я м а т р и ц ы А бу д у т н е о т р и ц а т е л ь н ы . Г л а в н ы
м и м и н о р а м и н а з ы в а ю т с я о п р е д е л и т е л и , п о л у ч е н н ы е п у т ем в ы ч е р к и в а н и я и з м а т р и ц ы А
с т р о к и сто л б ц о в с о д и н а к о в ы м и н о м е р а м и , т .е . г л а в н ы е м и н о р ы с и м м е т р и ч н ы о т н о си те л ьн о
гл ав н о й д и аго н али . — П р и м . ред.
3 С тр о го г о в о р я , зд ес ь п р и в е д е н а н е к в а д р а т и ч н а я ф о р м а , а с у м м а к в а д р а т и ч н о й и л и н е й
н о й ф о р м . — П р и м . ред.
Литература 847
ЛИТЕРАТУРА
1 . H a d l e y G . M a t r i x A l g e b r a , A d d i s o n - W e s l e y , R e a d i n g , M a s s ., 1 9 6 1 .
2. H o h n F . E l e m e n t a r y M a t r i x A lg e b r a , 2 n d e d ., M a c m illa n , N e w Y o rk , 1 9 6 4 .
3 . P r e s s W . , F l a n n e r y B ., T e u k o l s k y A . a n d V e t t e r i n g W . N u m e r i c a l R e c i p e s : T h e A r t
o f S c i e n t i f i c C o m p u tin g , C a m b rid g e U n iv e r s ity P r e s s , C a m b rid g e , E n g la n d , 1 9 8 6 .
ЗАДАЧИ
А .1 . П о к а ж и т е , ч т о с л е д у ю щ и е в е к т о р ы я в л я ю т с я л и н е й н о -з а в и с и м ы м и .
, 5,
А .2 . Д ля данны х м атриц
,з 7 2, ,з 6 ю,
наиди те
a ) А + 7В ;
b) 2 А - З В ;
c ) ( А + 7 В ) Г.
А .З . Д л я м а т р и ц и з за д а ч и А .2 п о к а ж и т е , что А В * В А .
А .4 . Д аны блочны е м атрицы
<1 5 7
2 3 -4 5
2 -6 9
А = И В = 1 2 6 7
3 7 2
3 1 0 9
,4 9 1
А .5 . Д л я м а т р и ц и з з а д а ч и А . 2 н а й д и т е А " 1 и В "1
a) м етодом п ри со ед и н ен н о й м атр и ц ы ,
b) м етодом п о сл ед о вател ьн ы х и ск л ю ч ен и й ,
848 Приложение А. Краткий обзор теории матриц
’5 5 3
4 8 8
1 1 1
В= В 1=
2 4 4
1 1
-1
2 2
П р е д п о л о ж и м , ч т о в м а т р и ц е В т р е т и й в е к т о р - с т о л б е ц Р3 з а м е н я е т с я н а в е к -
т о р - с т о л б е ц V 3 = Р, + 2Р2. В э т о м с л у ч а е п о л у ч е н н а я м а т р и ц а б у д е т в ы р о ж
д е н н о й . П о к а ж и т е , к а к с п о м о щ ью м у л ь т и п л и к а т и в н о го п р е д с т а в л е н и я об
ратной м атри ц ы м ож но обн аруж ить вы рож денность исходной м атриц ы .
А .7 . С п о м о щ ью м у л ь т и п л и к а ти в н о го п р е д с та в л ен и я о б р атн о й м ат р и ц ы опреде
л и т е, к а к а я и з сл ед у ю щ и х систем у р авн ен и й им еет еди н ствен н о е реш ение,
не и м еет р еш ен и я и л и и м еет бескон ечно м ного реш ен и й .
a) jc, + 2 jc2 = 3 ,
лс, + 4 jc2 = 2 .
b) jc, + 2 x 2 = 5,
-jc1 - 2 x 2 = - 5 .
c) ^ + * 3 = 5,
4jc, + x 2 + 3jc3 = 8 ,
Xj + 3 x 2 - 2 x 3 = 3 .
A .8 . П р оверьте п р ави л ьн о сть ф о р м у л в ы ч и сл ен и я об р атн ы х м ат р и ц с блочной
с т р у к т у р о й , п р и в е д е н н ы е в п о д р а з д е л е А . 2 .7 .
А .9 . Н ай д и те м атр и ц у , обратн ую к м атр и ц е
А = (1
ІН BJ
Q ( x , , x 2, x 3) = 2 x 2 + 2 х ; + 3 x 1 + 2 х , х 2 + 2 х 2х 3.
я в л я е т с я строго вы п у к л о й .
А .1 4 . В у с л о в и я х з а д а ч и А . 1 3 п о к а ж и т е , ч т о ф у н к ц и я - / ( * , , х 2, х 3) с т р о г о в о г н у т а .
П Р И Л О Ж Е Н И Е Б
Linear Equations ►
Linear Programming
Transportation model
Inte ge r programming
N etw ork models ►
Project Planning ►
Queuing analysis
Zero-Sum Games
EXIT TORA
-S eH * Input Mode
О E r* | N щ Piobl
Ф Select Еда ( g Fde
r S e 1-'- Fotnat “ '
O D e - el Notat o (N N N M n )
Ф Scrent? с Nota* on (N.NM 4 e D D )
HownenyN? R
p ^ r r T jiO '? 2 ~
G o to Input Screen
HI*N14«пи Ея(ТвПЯ
Р ис. Б .2. О к н о з а д а н и я р е ж и м а
ввода д а н н ы х
К о д д е с я т и ч н о г о ф о р м а т а ( у с т а н о в л е н п о у м о л ч а н и ю ) в ы г л я д и т к а к N N N N N .D D ,
т о г д а к а к к о д э к с п о н е н ц и а л ь н о г о ф о р м а т а в ы г л я д и т к а к N .N N N N N e D D . П о у м о л ч а
н и ю у с т а н о в л е н о п я т ь р а зр я д о в д л я ц е л о й ч а с т и ч и с л а (к о д N ) и д в а р а з р я д а д л я
д р о б н о й ч а с т и ч и с л а ( к о д D ). К о л и ч е с т в о р а з р я д о в м о ж н о и з м е н и т ь н а л ю б о е д р у г о е
(р азу м н о е) ч и сл о .
М U \ ia f I U J
MMINr,
P roblem T ttle. * edd M ikks model. Exam ple 2 2-1 Editing Grtd
»С Н ск Ntaxvni2a(NM m l 2a)-c*R to chang* К to MMnrfza (M axim za)
Nbr of V a ria b le s » T o DELETE, MSERT, COPT, or PASTE a cołumntroa), cHck haadmg
cod of taroot cofcmm(toN), than rwofca pull down EdIGrid menu
No o t Constraints ^ f o r INSERT moda, a ingtofdoubte) cMck of target iowJcolurnn « Я
płaca new rom icotum n affarpafare) target гоиМсоМлп
IN PU T GRID U N E A R PROGRAMMIN G
*1
Var Na Extarюг
Maxknr 5.00
С COO,
Cl 1.00
г 1.00
с __ 0.00
й
и м м у
Unraatr'd (у/Hf* л
Save’ В
9 Do you wish to save data?
E iit TOR*.
П о с л е в в о д а в с е х д а н н ы х щ е л к н и т е н а к н о п к е S o lv e M e n u ( Р е ш и т ь ) . Н а э к р а н е
п о яв и тся окн о с зап росом , следует л и со х р ан и ть д ан н ы е. Е сли н уж н о, сохран и те
д а н н ы е . П о с л е э т о г о н а э к р а н е п о я в и т с я м е н ю S o lv e /M o d ify ( Р е ш и т ь / и з м е н и т ь ) .
Б.5. Ф О РМ А Т РЕЗУЛЬ ТА ТА
В о к н е ф о р м а т а в ы х о д н ы х р е з у л ь т а т о в , к о т о р о е п о к а з а н о н а р и с . Б .5 , м о ж н о у с
т а н о в и т ь т о ч н о с ть , с к о т о р о й б у д у т в ы в е д е н ы п о л у ч е н н ы е р е з у л ь т а т ы . Э то о к н о
о ч е н ь п о х о ж е н а о к н о р е ж и м а в в о д а д а н н ы х , к о т о р о е б ы л о о п и с а н о в р а з д е л е Б .2 .
•betecl Output Fh t W
О D ec ,Ы N o t** >*| (N H 4 H 4 D D )
• S c v - iM ic N o ta tio n (N NN NN eOD )
H ^ n a n y N "» 9
И"»*r d’ m
Go T o O u tpu t S c ie e n
Рис. Б.5. О к н о ф о рм а т а в ы х о д н ы х р е
зульт ат ов
(ORA b '\W a rk \T a ra H b e s b c h 3 T a ra K e d d y M ik k s t x t
ГОНА D ‘ \W o r k \T o r a F tk e s tc № ( a r a R e d d y M ik k s tx t т
LINEAR PROGRAMMING
Z o і In Zo lu t
T e g ia p h (he LP b e low c lic k c o n s tra in t*
o n e a t a tin e , th e n c lic k o b je c tiv e h m c ti • i
It H d y M ik t m JH Exam ple * 1 1
М алою * 2 5 . ООяІ +4 00 x2
* o b je c t to
(1 ) 6ДЮ«1 « 4 0 0 *2 2 4 .0 0
(2) Id 1 * 2 P<b? 6.00
( 3 ] -1 0u *1 « 1.< i>l 1.00
(4) 0.00*1 * 1.00*2 2.00
«Лxi -0
Qb| c tiv e v a lu e - 21 00
л1 3 00
«2 1 SO
СТАТИСТИЧЕСКИЕ ТАБЛИЦЫ
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0.5359
0,1 0,5398 0,5438 0.5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0.3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0.7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0.8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1.1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1.2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0.9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1.5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1.7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1.9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2.2 0,9861 0,9864 0,9868 0,9871 0.9875 0,9878 0,9881 0,9884 0,9887 0,9890
856 Приложения В, Статистические таблицы
Z 0.00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0.9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0.9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0.9981 0,9982 0.9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0.9987 0,9987 0,9987 0,9988 0.9988 0,9989 0,9989 0,9989 0,9990 0,9990
3.1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3.5 0,9998
4,0 0.99997
5,0 0,9999997
6.0 0,999999999
О к о н ч а н и е т абл. В . 2
О
V 0.10 а =0.05 0,025 а =0,005 V
II
a =
о
$
a=
О к о н ч а н и е т а б л . В .З
УПРАЖНЕНИЯ 1.1
4. с) 17 м и н у т .
ГЛА В А 2
УПРАЖНЕНИЯ 2.1
1. a ) - j c , + х 2 > 1.
е ) 0,5jC j - 0 ,5 jc 2 > 0 .
3. 4 тонны в день.
УПРАЖНЕНИЯ 2.2.1
1. а ) и е ) . С м . р и с . Г . 1.
2. а ) и d ). С м . р и с. Г .2 .
Ри с . Г.1 Р и с . Г. 2
5. Н а и гр у о тво д и тся 4 ч аса, н а учебу — 6 часов, г = 14.
860 Приложение Г, Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 2.2.2
2 . О п т и м а л ь н о е р е ш е н и е : jc, = 4 5 0 , х 2 — 3 5 0 , z — 4 5 0 д о л л .
5. П у с т ь jc, — к о л и ч е с т в о н е ф т и , п о л у ч а е м о й и з И р а н а (т ы с . б а р р е л е й в д е н ь ), х.г —
к о л и ч е с т в о н е ф т и , п о л у ч а е м о й и з Д у б а й (т ы с . б а р р е л е й в д е н ь ). З а д а ч а Л П :
м и н и м и зи ровать z = х ^ х 2п р и о гр ан и ч е н и я х
—0,6jC j + 0 ,4 jc 2 < 0 ,
0 ,2 * ! + 0 ,1 * 2 > 1 4 ,
0 ,2 5 л :, + 0 , 6 jc2 > ЗО,
0 , 1 jc, + 0 , 1 5 jc2 > 1 0 ,
0 ,1 5 л :, + 0 ,1 jc 2 > 8 ,
jc,, x 2 > 0 .
О п т и м а л ь н о е р е ш е н и е : л:, = 5 5 , x 2 = 3 0 , z = 8 5 .
УПРАЖНЕНИЯ 2.3.1
1. b ) - 1 < c , / c 2 < 2 / 3 . С м , р и с . Г .З .
2 . П у с т ь jc, — к о л и ч е с т в о з а к у п а е м ы х б а н о к к о л ы A l , х 2 — к о л и ч е с т в о з а к у
п аем ы х банок колы В & К . Задача Л П :
м а к с и м и з и р о в а т ь z — jc, + х 2 п р и о г р а н и ч е н и я х
je, + х 2 < 5 0 0 , 2 х , - х 2 < 0 , je, > 1 0 0 , дср х 2 > 0 .
a ) jc, — 1 0 0 , х 2 = 4 0 0 , z — 3 3 д о л л .
b) П редставим ограни чение ле, > 100 в виде lim (.v,-й .с ?) > 100 . Т о гда
7 . П у с т ь jc, — к о л и ч е с т в о п р о и з в е д е н н ы х у п а к о в о к т о м а т н о г о с о к а , х 2 — к о л и
чество п рои звед ен н ы х у п ак о в о к том атной пасты . З ад ач а Л П :
м а к с и м и з и р о в а т ь z = 18л:, + 9jc2 п р и о г р а н и ч е н и я х
2 4 jc, + 8 jc 2 < 6 0 0 0 0 , jc , < 2 0 0 0 , х 2< 6 0 0 0 , jc ,, х 2> 0.
a ) jc, — 5 0 0 , х 2 = 6 0 0 0 , z = 6 3 т ы с . д о л л .
b) 0 < с , / с 2 < 3 , с 2 / 0 . С м . р и с . Г .5 .
Глава 2 861
x2
8000, -
6000
У О птим ум;
= 500, x 2 —
\ *
4000
Л
2000 L \
\ ,
О 2000 4000 Xj
Рис. Г.5
УПРАЖНЕНИЯ 2.3.2
1. П у с т ь jc, — к о л и ч е с т в о п р о и з в е д е н н ы х ш л я п п е р в о г о т и п а , jc2 — количество
п р о и зв ед ен н ы х ш л я п второго ти п а. З а д а ч а Л П :
м а к с и м и з и р о в а т ь г = 8jc, + 5 х 2 п р и о г р а н и ч е н и я х
2 х г + х 2 < 4 0 0 , jc, < 1 5 0 , х 2 < 2 0 0 , х 2> 0.
a ) С м . р и с . Г .6 . х г = 1 0 0 , х г = 2 0 0 , z = 1 8 0 0 д о л л . в т о ч к е В .
b) С тои м ость в о зр астан и я п рои зводства на одн у ш л я п у второго ти п а со став
л я е т 4 д о л л . в и н т е р в а л е (2 0 0 , 5 0 0 ).
c) С т о и м о ст ь в о з р а с т а н и я п р е д е л ь н о го с п р о са н а о д н у ш л я п у п е р в о го т и н а
с о с т а в л я е т 0 д о л л . в и н т е р в а л е (1 0 0 , ~ ).
d) С тоим ость в о зр астан и я предельн ого спроса на одн у ш л я п у второго ти п а
с о с т а в л я е т 1 д о л л . в и н т е р в а л е (1 0 0 , 4 0 0 ).
Z
p A = (0, 200)
400> В = (100, 200) оптим ум
C = (150, 200)
300 D = (150, 100)
£ = ( 1 5 0 ,0 )
A \B
200 — F = (0 ,4 0 0 )
100 - D
0 100 200 *i
Рис. Г . 6
a ) х , = 6 0 ,6 1 , х 2 = 3 0 ,3 , г = 8 1 8 ,1 8 .
b) С тоим ость ед и н и ц ы м есяч н ого л и м и та на р е к л ам у по радио составляет 0
в и н т е р в а л е ( 6 0 , 6 1 , °°).
c ) С т о и м о с т ь 1 д о л л . б ю д ж е т а с о с т а в л я е т 0 ,0 8 2 в и н т е р в а л е (0 , 6 6 0 0 0 ).
8 . П у с т ь Xj — к о л и ч е с т в о п р о и з в е д е н н о г о с р е д с т в а А , х 2 — к о л и ч е с т в о п р о и з
вед ен н ого ср ед ства В . З а д а ч а Л П :
м а к с и м и з и р о в а т ь z = 8л:, + 1 0 х 2 п р и о г р а н и ч е н и я х
0 ,5 л :, + 0 ,5 л :2 < 1 5 0 , 0 ,6 л :, + 0 ,4 л :2 < 1 4 5 ,
30 < х, < 1 5 0 , 4 0 < х 2< 2 0 0 , x t, х 2 > 0.
a ) л:, = 1 0 0 , л:2 = 2 0 0 , z = 2 8 0 0 д о л л .
b) С т о и м о с т ь е д и н и ц ы с ы р ь я I с о с т а в л я е т 1 6 д о л л . в и н т е р в а л е ( 1 1 5 , 1 5 4 ,1 7 ) .
С т о и м о с т ь е д и н и ц ы с ы р ь я I I с о с т а в л я е т 0 д о л л . в и н т е р в а л е ( 1 4 0 , °°).
У П Р А Ж Н Е Н И Я 2.4
УП Р А Ж Н Е Н И Я 2.5
1. Ь) Ч и с т а я п р и б ы л ь б а н к а с о с т а в и т 0 ,9 3 6 м л н . д о л л .
6 . а ) П у с т ь л:, — к о л и ч е с т в о п р о и з в е д е н н о г о з а н е д е л ю ж е л т о г о с а х а р а (т о н н ы ),
л:2 — к о л и ч е с т в о п р о и з в е д е н н о г о з а н е д е л ю б е л о г о с а х а р а ( т о н н ы ) , х 3 —
к о л и ч е с т в о п р о и зв ед ен н о й за н е д е л ю с а х а р н о й п у д р ы (т о н н ы ), х 4 — к о
л и ч е с т в о п р о и зв е д е н н о й за н ед ел ю м ел а с сы (т о н н ы ). З а д а ч а Л П :
м а к с и м и з и р о в а т ь z = 1 5 0 л :, + 2 0 0 х 2 + 2 3 0 х 3 + 3 5 х 4 п р и о г р а н и ч е н и я х
0 ,7 6 л :, + 0 ,9 5 л :2 + х 3 < 9 1 2 , л:, > 2 5 , л:2 > 2 5 , х 3 > 2 5 , 0 < х 4 < 4 0 0 .
О птим альное реш ение: х, = 25, х2 = 25, х3 = 8 6 9 ,2 5 , х4 = 400,
z = 2 2 2 6 7 7 ,5 0 д о л л .
Ь ) С т о и м о с т ь т о н н ы с и р о п а с о с т а в л я е т 5 5 , 9 4 д о л л . в и н т е р в а л е ( 1 8 7 , 1 5 , °°).
9. а) О б о з н а ч и м ч е р е з х 1 с у м м у и н в е с т и ц и й в п р о е к т t, і = 1 , 2 , 3 , 4 , ч е р е з y t —
с у м м у д е н е г , п о л о ж е н н у ю в б а н к в j -м го д у , j = 1, 2 , ..., 5 . З а д а ч а Л П :
м а к с и м и зи р о в а т ь z = у 5п р и о г р а н и ч е н и я х
х \ + х2 + хі + У\ - ю ооо,
0 ,5 л :, + 0 , 6 х 2 - х 3 + 0 , 4 х 4 + 1 ,0 6 5 (/, - у 2 = 0 ,
0 ,3 л :, + 0 ,2 л :2 + 0 ,8 л :3 + О .бл^ + 1 , 0 6 5 ( / 2 - у ъ = 0 ,
1 , 8 *, + 1 , 5 х 2 + 1 , 9*3 + 1 , 8 л:4 + 1 , 065(/3 - у 4= 0,
Глава З 863
1 ,2 л :, + 1 , 3 х 2 + 0 ,8 * 3 + 0 ,95 xt + 1 , 0 6 5 ( / 4 - у ь = 0,
12. а )
м а к с и м и з и р о в а т ь z = 30л :, + 2 0 х 2 + 5 0 х 3 п р и о г р а н и ч е н и я х
2х, + З х 2+ 5 х 3 < 4000,
4л:, + 2 л:2 + 7 х 3 < 6 0 0 0 ,
л:, + 0 ,5 л :2 + 0 ,З З л :3 < 1 5 0 0 ,
2х, - З х 2= 0,
Ь х 2 - 2 х 3 = 0,
л:, > 2 0 0 , л:2 > 2 0 0 , л:3 > 1 5 0 .
О п т и м а л ь н о е р е ш е н и е : х , = 3 2 4 ,3 2 , х 2 = 2 1 6 ,2 2 , х 3 = 5 4 0 , 5 4 , 2 = 4 1 0 8 1 ,0 8 д о л л .
b) Н ец ел есо о б р азн о , п о с к о л ь к у д в о й ствен н ая ц ен а м ат е р и ал а А со став л яет
1 0 ,2 7 д о л л . з а е д и н и ц у .
c) Н ет, п о ск о л ьк у д вой ствен н ая ц ен а м атер и ал а В равн а нулю .
ГЛА В А 3
УПРАЖНЕНИЯ 3.1.1
1. 2 т о н н ы в д е н ь с ы р ь я M l и 1 т о н н у в д е н ь с ы р ь я М 2 .
4 . О б о з н а ч и м к а к x tj к о л и ч е с т в о и з д е л и й і, п р о и з в е д е н н ы х н а с т а н к е j , і = 1 , 2;
j = 1, 2 . П о л у ч а е м з а д а ч у Л П :
м а к с и м и з и р о в а т ь z = 1 0 (л :,, + л:,2) + 15 (л :2, + л:22) п р и о г р а н и ч е н и я х
лг,, + x 2i х l2 — х 22 + s, 5,
- х 21 + х 12 + х 22 + s 2 = 5 ,
+ х 21 + s 3 = 2 0 0 ,
*12 + + =
*22 S4 2 5 0 ,
в с е п е р е м е н н ы е x tj и s, н е о т р и ц а т е л ь н ы .
УПРАЖНЕНИЯ 3.1.2
2 . О б о з н а ч и м ч е р е з x t к о л и ч е с т в о п р о и з в е д е н н о й п р о д у к ц и и i, i = 1 , 2 , 3 . П о л у
чаем задачу Л П :
864 Приложение Г. Частичные ответы к некоторым упражнениям
м а к с и м и з и р о в а т ь z = 2 х х + 5 х 2 + З х 3 - 1 5 л," - 1 0 s, п р и о г р а н и ч е н и я х
2 x t + х 2 + 2 х 3 + s* - ж" = 8 0 ,
x t + х 2 + 2 х 3 + s, - sj = 6 5 ,
все п е р е м е н н ы е н е о т р и ц а т е л ь н ы е .
О п тим альное реш ение: x t = 0, х 2= 65, остальн ы е п ерем ен н ы е равн ы 0, z = 325.
УПРАЖНЕНИЯ 3.2
1. е) х, = 6 /7 , х г = 1 2 /7 , г = 4 8 /7 .
е ) x t = 0 , х г = 3 и х, = 6 , х 2 = 0.
4. Н е д о п у с т и м ы е б а зи с н ы е р е ш е н и я :
( х „ х 2) = ( 2 6 / 3 , - 4 / 3 ) , (ж р х 3) = ( 8 , - 2 ) ,
( * ,, x j = ( 6 , - 4 ) , ( х 2, х 3) = ( 1 6 , - 2 6 ) ,
(* „ , x t ) = ( 3 , - 1 3 ) , ( х 3, x t ) = ( 6 , - 1 6 ) .
УПРАЖНЕНИЯ 3.3.1
3 . а ) Т о л ь к о п а р а (А , В ) . О с т а л ь н ы е п а р ы с о с т о я т и з у г л о в ы х т о ч е к , к о т о р ы е н е
являю тся см еж ны м и.
Ь) Т о л ь к о п о с л е д о в а т е л ь н о с т ь (і). В д р у г и х п о с л е д о в а т е л ь н о с т я х п р и с у т с т
вую т и л и две п о сл ед о вател ьн ы е у гло вы е т о ч к и , к о то р ы е не я в л я ю тс я
с м еж н ы м и , и л и о су щ ествляется возврат к п рой д ен н ой угловой точке.
УПРАЖНЕНИЯ 3.3.2
1.
Базисная переменная х1 х2 хЗ х4
6. Ь) З н а ч е н и е 2 м о г у т у в е л и ч и т ь п е р е м е н н ы е х 2, х й и х 6. Е с л и в б а з и с в в о д и т с я
п е р е м е н н а я х 2, т о г д а Д г = + 2 0 . Е с л и в в о д и т с я п е р е м е н н а я х 5, т о г д а A z = 0 .
Е сли п ерем ен н ая х 6 — Az =
УПРАЖНЕНИЯ 3.4.1
3. а ) 2 = (8 М - 4 )* , + (6 М - 1 ) х 2 - M s 2 - M s 3 = Ю М .
Ь) 2 = (3 М - 4 )* , + ( М - 1 ) х 2 = З М .
6. Н а ч а л ь н а я с и м п л е к с -та б л и ц а :
Базис х1 х2 хЗ х4 Решение
z -1 -1 2 0 0 -8
хЗ 1 1 1 0 4
х4 1 4 0 1 8
Глава 4 865
УПРАЖНЕНИЯ 3.4.2
1. а ) С ум м а зн ач ен и й и ск у сствен н ы х п ер ем ен н ы х — это м ера “ н е д о п у сти
м о сти ” р еш ен и я . П оэтом у сум м а зн ач ен и й и ск у сствен н ы х п ер ем ен н ы х
всегда м и н и м и зи р у ется.
7. Н и к а к а я б а зи с н а я п е р е м е н н а я , и м е ю щ а я п о л о ж и т е л ь н ы й к о эф ф и ц и е н т в г-
с тр о к е в к о н ц е п ер во го этап а, не м о ж е т п р и н я т ь п о л о ж и т ел ьн о е зн ач ен и е н а вто
ром этапе, п о ско л ьку тогда зн ач ен и е целевой ф у н к ц и и н а первом этап е долж н о
б ы т ь п о л о ж и т е л ь н ы м , ч то у к а з ы в а е т н а н ед о п у сти м о сть р е ш е н и я н а этом этап е.
УПРАЖНЕНИЯ 3.5.1
1. a ) . А В С - > £>.
b) В точке А — одна и терац и я, в точке В — одна итераци я, в С — три, в D —
то ж е одна.
УПРАЖНЕНИЯ 3.5.2
1. А л ь т е р н а т и в н ы е оптим альны е б ази сн ы е реш ения: ( 0 ,0 , 1 0 /3 ), (0 , 5 , 0 )
и ( 1 , 4 , 1 / 3 ) . А л ь т е р н а т и в н ы е о п т и м а л ь н ы е н е б а з и с н ы е р е ш е н и я : ( а 2, Ъа^,
( 1 0 / 3 ) а , + З а 2), а , + а 2 + Оз = 1 , в с е ą > 0 .
УПРАЖНЕНИЯ 3.5.3
1. а ) П р о с т р а н с т в о р е ш е н и й н е о г р а н и ч е н о в н а п р а в л е н и и о с и х 2.
2. Ь) Ц ел ев ая ф у н к ц и я не о гран и чен а, п о ск о л ьк у к о эф ф и ц и ен т п р и п ерем ен н ой х 2
в вы р аж ен и и целевой ф у н к ц и и п олож и телен .
УПРАЖНЕНИЯ 3.5.4
1. Э т о т р е б о в а н и е у д о в л е т в о р и т ь н е л ь з я — м о ж н о п р о и з в е с т и н е б о л е е 2 7 5 е д и
ни ц издели й .
ГЛАВА 4
УПРАЖНЕНИЯ 4.1
2 . П у с т ь (/,, у 2 и у 2 — п е р е м е н н ы е д в о й с т в е н н о й з а д а ч и .
М а к с и м и з и р о в а т ь w = 3(/, + Ъ у 2 + 4 у г п р и о г р а н и ч е н и я х
У, + 2 У2 + 5 Уз ^ 5 , 2 у, - 4 у 2 + у 3 < 1 2 ,
у, > 0 , у 2> 0 , у 3 н е и м е е т о г р а н и ч е н и я в з н а к е .
4. с) П у с т ь (/, и у 2 — п е р е м е н н ы е д в о й с т в е н н о й з а д а ч и .
М и н и м и з и р о в а т ь w = 5(/, + 6 у 2 п р и о г р а н и ч е н и я х
2 (/, + 3 у 2 = 1, (/, - у 2 = 1, (/, и у 2 н е и м е ю т о г р а н и ч е н и й в з н а к е .
5. О гран ичени е двойственной зад ач и , соответствую щ ее искусствен н ой пере
м ен ной, им еет вид у 2> - М . П оследнее неравенство экви вал ен тн о услови ю ,
что п ерем енная у 2не ограни чена в зн аке.
866 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 4.2.1
1. а ) О п е р а ц и я A V , н е д о п у с т и м а ,
е ) V 2A = (—1 4 —3 2 ) .
УПРАЖНЕНИЯ 4.2.2
- О О
3
2. а) О братная м атри ц а = -- 1 О
3
-- 0 1
3
УПРАЖНЕНИЯ 4.2.3
2. П у с т ь (/, и у 2 — п е р е м е н н ы е д в о й с т в е н н о й з а д а ч и .
М и н и м и з и р о в а т ь w = 30</, + 4 0 у 2 п р и о г р а н и ч е н и я х
</, + у 2 > 5 , 5</, - Ъ у 2 > 2 , 2</, - 6 у 2 > 3 , у , > - М , у 2 > 0 .
Р е ш е н и е : (/, = 5, у 2 = 0, w = 150.
3 . а ) П у с т ь </, и у 2 — п е р е м е н н ы е д в о й с т в е н н о й з а д а ч и .
М и н и м и з и р о в а т ь w = 3(/, + 4 у 2 п р и о г р а н и ч е н и я х
(/, + 2 у 2 > 1 , 2(/, - у 2 > 5 , (/, > 3 , у 2 н е о г р а н и ч е н а в з н а к е .
Ь ) Р е ш е н и е : (/, = 3 , у 2 = - 1 , w = 5 .
УПРАЖНЕНИЯ 4.2.4
1. а ) П р о в е р к а д о п у с т и м о с т и : ( х 2, x j = (3, 15) => р е ш е н и е д о п у с т и м о .
П роверка оптим альности: коэф ф ициенты при х 2 и х 4 в 2 -стр о к е сим плекс-
т а б л и ц ы р а в н ы с о о т в е т с т в е н н о 0 и 2 => р е ш е н и е о п т и м а л ь н о .
7. а ) Ь, = 3 0 , Ь2 = 40.
Ь ) а = 23, Ь = 5, с = - 1 0 , d = 5, е = 0.
УПРАЖНЕНИЯ 4.2.5
2. а) Р е ш ен и я п р ям о й и двойственной задач не доп устим ы .
Ь) Р е ш ен и я до п у сти м ы , но не о п ти м ал ьн ы .
УПРАЖНЕНИЯ 4.3.1
2. П усть х 2, х 3 и х 4 — о б ъ е м ы е ж е д н е в н о г о п р о и з в о д с т в а к а б е л е й ч е т ы р е х
типов. Задача Л П :
м а к с и м и з и р о в а т ь г = 9 ,4 л :, + 1 0 ,8 л :2 + 8 ,7 5 л :3 + 7 ,8 л :4
при ограничениях
10,5л:, + 9 ,З л:2 + 11,6л:з + 8,2л:4 < 48 0 0 ,
20,4л:, + 2 4 ,6 л:2 + 17,7л:3 + 26,5л:4 < 96 0 0 ,
3 ,2 л :, + 2 ,5 л:2 + З ,6 л :3 + 5 ,5 л :4 < 47 0 0 ,
Глава 4 867
УПРАЖНЕНИЯ 4.3.2
2. П р ои зводство новой и гр у ш к и п р и б ы л ьн о , т ак к а к со о тветству ю щ ая п р и ве
д е н н а я с т о и м о с т ь р а в н а (/, + 3 у 3 - 4 = - 2 .
УПРАЖНЕНИЯ 4.4.1
1. а ) Н ет, п о ск о л ьк у то ч к а Е соответствует доп усти м ом у реш ен и ю — в двойст
вен н о м с и м п л е к с -м е т о д е п р о м е ж у т о ч н ы е р е ш е н и я д о л ж н ы б ы т ь н ед о п у с
ти м ы м и , п о к а не будет дости гн уто о п ти м альн о е р еш ен и е.
4 . с ) Д о б а в л я е т с я о г р а н и ч е н и е л:, < М . З а д а ч а н е и м е е т д о п у с т и м о г о р е ш е н и я .
УПРАЖНЕНИЯ 4.5.1
4. П усть Q о бозн ач ает еж ен ед ел ьн ы й объем к о р м а. О п ти м ал ьн о е реш ен и е: и з
вестняк = 0 ,0 2 8 Q , зе р н о = 0 ,6 4 9 Q , с о е в а я м у к а = 0 ,3 2 3 Q . С т о и м о с т ь =
= 0 ,8 1 2 2 1 Q .
УПРАЖНЕНИЯ 4.5.2
1. а ) - 2 0 < D 2 < 4 0 0 , Я , > - 2 0 .
5. а) Д еф и ц и тн ы е ресурсы : рези сто р ы и ко н д ен сато р ы . М и кросхем ы не я в л я
ю тся д еф и ц и тн ы м ресурсом .
b) С тои м ости одн о го р ези сто р а, одн ого к о н д е н с ат о р а и о д н ой м и к р о сх ем ы
с о с т а в л я ю т с о о т в е т с т в е н н о 1 ,2 5 , 0 ,2 5 и 0 д о л л .
g ) П р и б ы л ь в о з р а с т е т н а 2 5 0 д о л л ., д о п о л н и т е л ь н ы е затраты равны
2 0 0 д о л л ., ч и с т а я п р и б ы л ь с о с т а в и т 5 0 д о л л .
УПРАЖНЕНИЯ 4.5.3
1. а ) Н о в о е о г р а н и ч е н и е 4л:, + л:2 + 2л:3 < 5 7 0 и з б ы т о ч н о .
УПРАЖНЕНИЯ 4.5.4
2. а) Т еку щ ее р еш ен и е остается о п ти м альн ы м .
c) Н о в о е р е ш е н и е : х, = 2, х 2 = 2, х ъ = 4, z = 14.
УПРАЖНЕНИЯ 4.5.5
2. Ь) О п ти м ал ьн о е р еш ен и е не и зм ен и тся.
d ) Н о в о е р е ш е н и е : л:, = 1 0 , л:2 = 1 0 2 , 5 , л:3 = 2 1 5 , z = 6 6 5 .
868 Приложение Г. Частичные ответы к некоторым упражнениям
6 . Ь) Н аи м ен ьш и й у д е л ь н ы й д о х о д от п е р в о го п р о д у к т а , с о х р а н я ю щ и й т е к у щ е е
оптим альное реш ение, равен 6 долл.
с) Н овое р еш ен и е: х , = 0, х 2= 165, x s = 10, г = 41 0 5 .
9. а ) 1 ,2 5 -0 ,2 5 ^ + 0 ,5 ^ > 0 , 0 ,2 5 + 0 ,7 5 d t - 0 ,5 d 2> 0.
УПРАЖНЕНИЯ 4.5.6
1. 4 2 , 8 6 % .
3. а) П р о и зв о д с тв о н о во й м о д е л и (м о д е л и п о ж а р н о й м а ш и н ы ) э к о н о м и ч е ск и
не вы годн о.
ГЛАВА 5
УПРАЖНЕНИЯ 5.1
4. Н адо н азн ач и ть очень вы сокую стои м ость М п еревозок от Д етр о й та до ф и к
ти вн ого п у н к та н азн ач ен и я.
6. а ) и Ь) С лед ует п о л о ж и ть М — 10 0 0 0 . О б щ ая стои м ость р авн а 49 710 долл.
Р еш ен и е п оказан о в следую щ ей табли ц е.
1 2 3 Предложение
Станция 1 600 700 400
25 25
Станция 2 320 300 350
23 17 40
Станция 3 500 480 450
25 5 30
Внешняя 1000 1000 М
сеть 13 13
Спрос 36 42 30
9 . Р е ш е н и е (в м л н . г а л л о н о в ) п о к а з а н о в т а б л и ц е . Б е н з о х р а н и л и щ е 2 н е д о п о л у
ч и т 2 м лн. галлон ов. О бщ ая стоим ость равн а 304 000 долл.
Завод 3 20 25 12
6 6
Фиктивный М 50 50
завод 2 2
Спрос 4 8 7
Глава 5 869
УПРАЖНЕНИЯ 5.2
2. О б щ а я с т о и м о с ть р а в н а 8 04 д о л л .
УПРАЖНЕНИЯ 5.3.1
1. а ) М е т о д с е в е р о - з а п а д н о г о у г л а : х и = 5 , х 12 = 1 , х 22 = 4 , х 23 = 3 , х 33 = 7 , с т о и
м о с т ь = 4 2 д о л л . М е т о д н а и м е н ь ш е й с т о и м о с т и : х и = 5 , х 13= 1 , х 22 = 5 ,
х 23 = 2 , х 33 = 7 , с т о и м о с т ь = 3 7 д о л л . М е т о д Ф о г е л я : т а к о е ж е н а ч а л ь н о е
р еш ен и е, к а к и в м етоде н аи м ен ьш ей стои м ости .
УПРАЖНЕНИЯ 5.3.2
5. а) С тоим ость равн а 1475 долл.
УПРАЖНЕНИЯ 5.4
5 . Б и л е т 1: о т п р а в к а и з Д а л л а с а 3 и ю н я , в о з в р а щ е н и е 2 8 и ю н я . Б и л е т 2 : о т
п р а в к а и з А т л а н т ы 7 и ю н я , в о зв р ащ е н и е 10 и ю н я . Б и л е т 3: о т п р а в к а и з А т
л а н т ы 12 и ю н я , в о зв р ащ е н и е 17 и ю н я . Б и л е т 4: о т п р а в к а и з А т л а н ты 21 и ю
ня, во звр ащ ен и е 25 и ю н я. С тоим ость би летов 1180 долл. Задача им еет
альтернати вн ы е реш ения.
6. О п ти м ал ьн о е разм ещ ен и е: стан ок 1 — м есто d, стан о к 2 — м е с т о с, с т а
н о к 3 — м е с т о а , с т а н о к 4 — м е с т о Ь.
УПРАЖНЕНИЯ 5.5
4. О б щ ая стоим ость равн а 1550 долл. Р еш ен и е п о казан о в следую щ ей таб ли ц е.
З ад ач а им еет альтернати вн ое оптим альное реш ение.
870 Приложение Г. Частичные ответы к некоторым упражнениям
ГЛА В А 6
УПРАЖНЕНИЯ 6.1
1. а ) 1 - 3 - 4 - 2 . Ь) 1 - 5 - 4 - 3 - 1 . с ) 1 - 3 - 4 - 5 - 1 . d ) С м . р и с . Г .7 . е ) С м . р и с . Г .7 .
Рис.Г.7
3 5
7 1 8 2
4 6
Рис. Г. 8
УПРАЖНЕНИЯ 6.2
2. а) 1 - 2 - 5 - 6 - 4 - 3 и л и 3 - 1 - 2 - 5 - 6 - 4 . О б щ а я д л и н а с о с т а в и т 14 м и л ь .
5. П л а тф о р м ы с в ы со к и м д а в л ен и ем газа: 1 - 2 - 3 - 4 - 6 . П л а тф о р м ы с н и зк и м
давл ен и ем газа: 1 - 5 - 7 и 5 - 9 - 8 . О б щ ая д л и н а состави т 53 м и л и .
УПРАЖНЕНИЯ 6.3.1
1. З а м е н а а в т о м о б и л е й д о л ж н а п р о и з о й т и в 2 0 0 1 и 2 0 0 4 г о д а х . О б щ а я с т о и
м о с т ь р а в н а 8 9 0 0 д о л л . ( р и с . Г . 9 ).
4100
Р и с. Г .9
Глава 6 871
5 . Д л я к а ж д о й д у г и , с о е д и н я ю щ е й у з л ы (і, и.) и (і + 1 , и м ), с л е д у е т о п р е д е л и т ь в е
л и ч и н ы р ( д ) — н е о б х о д и м о с т ь в б а л л а х ( ч и с л о в е щ е й і). Р е ш е н и е : н а д о в з я т ь п о
о д н о й в е щ и 1 и 2 . З н а ч е н и е н е о б х о д и м о с т и р а в н о 8 0 б а л л о в ( р и с . Г . 1 0 ).
УПРАЖНЕНИЯ 6.3.2
1. с ) 4 - S - 6 - 8 и л и 4 - 6 - 8 , д л и н а обоих м ар ш р у т о в р а в н а 8.
УПРАЖНЕНИЯ 6.3.3
1. а ) 5 - 4 - 2 - 1 , д л и н а м ар ш р у та р авн а 12.
УПРАЖНЕНИЯ 6.3.4
1. а ) О птим альное реш ение: 1 -3 -4 -5 , дли н а м арш рута равна 90.
УПРАЖНЕНИЯ 6.4.1
1. Р а з р е з 1: ( 1 , 2 ) , ( 1 , 4 ) , ( 3 , 4 ), ( 3 , 5 ), п р о п у с к н а я с п о с о б н о с т ь р а з р е з а р а в н а 6 0 .
УПРАЖНЕНИЯ 6.4.2
1. а ) В е л и ч и н а н е и с п о л ь з о в а н н ы х п р о п у с к н ы х с п о со б н о стей ч е р е з д у гу (2 , 3)
р а в н а 4 0 , ч е р е з д у г у (2 , 5 ) — 1 0 , ч е р е з д у г у (4 , 3 ) — 5 , ч е р е з о с т а л ь н ы е д у г и
равн а нулю .
b) В ели чи н ы п отоков, п р о х о д ящ и х через у зл ы 2, 3 и 4, равн ы соответствен
но 20, 30 и 20 единиц.
c) Н ет, п о с к о л ь к у в это й сети “ у зк и м м ес т о м ” я в л я ю т с я д у ги , и с х о д я щ и е и з
у з л а 1.
872 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 6.5.1
1. С м . р и с . Г .1 1 .
Рис. Г.11
УПРАЖНЕНИЯ 6.5.2
1. З а д а ч а Л П д о и с к л ю ч е н и я н и ж н и х г р а н и ц п р о п у с к н ы х с п о с о б н о с т е й д у г:
м и н и м и з и р о в а т ь z = х 12 + 5 х 13 + З х 24 + 4 х 32 + 6 х ЗІ п р и о г р а н и ч е н и я х
х у1 + х 13 — 5 0 ,
—х 12 + х 21 — х ъ2 — —4 0 ,
-*24 - *34 = - 3 0 ’
*12 + *із = 2 0 ,
—* 1 2 * 2 4 — * 3 2 — —4 0 ,
—* 1 3 *32 *34 _ 4 0 ,
-*24 - * 3 4 --------2 0 ,
* 13<ю.
УПРАЖНЕНИЯ 6.5.3
1. С л е д у е т п р о и з в е с т и 2 1 0 е д и н и ц п р о д у к ц и и н а п е р в о м э т а п е и 2 2 0 е д и н и ц —
на тр етьем . О б щ ая стои м ость п р о и зво дства состави т 9 895 д олл.
5. Ш к о л а 1 п р и н и м а е т 4 5 0 у ч а щ и х с я и з второй о б щ и н ы н а ц и о н а л ь н ы х м ен ь
ш инств и 1000 из первой “ обы чной” общ ины . Ш кола 2 при н и м ает 500 уча
щ и х ся из первой общ ины наци он альн ы х м еньш инств, 300 человек из треть
ей общ и н ы н ац и о н ал ьн ы х м ен ьш и н ств и 1000 и з второй “ обы ч н о й ” общ ины .
З н ач ен и е целевой ф у н к ц и и , о п р ед еляем ой к а к п рои звед ен и е коли чества
у ч а щ и х ся н а р ассто ян и е от их м есто ж и тел ьства до ш к о л ы , равн о 24 300. З а
дача им еет альтернати вн ое реш ение.
Глава 7 873
УПРАЖНЕНИЯ 6.6.1
1. С м . р и с . Г . 1 2 .
УПРАЖНЕНИЯ 6.6.2
1. К р и т и ч е с к и й п у т ь : 1 - 3 - 4 - 5 - 6 - 7 , д л и т е л ь н о с т ь п р о е к т а р а в н а 19 .
УПРАЖНЕНИЯ 6.6.3
3. а) М а к с и м а л ь н ы й сд в и г р а в е н 10.
ГЛАВА 7
УПРАЖНЕНИЯ 7.1.1
2. Т о ч к и (1 , 0 ) и ( 0 , 2 ) п р и н а д л е ж а т м н о ж е с т в у Q , н о т о ч к и п р я м о й
M l , 0 ) + (1 - 5l)(0, 2 ) = а , 2 - 2 к )
н е п р и н а д л е ж а т м н о ж е с т в у Q п р и 0 < X < 1.
УПРАЖНЕНИЯ 7.1.2
2. Ь) Р е ш е н и е е д и н с т в е н н о ( р и с . Г . 1 3 ) . d ) Б е с к о н е ч н о е м н о ж е с т в о р е ш е н и й , f)
Р еш ен и я не сущ ествует.
3. а) Э т о т н а б о р в е к т о р о в о б р а з у е т б а з и с , п о с к о л ь к у d e tB = - 4 .
d) Э тот набор в ек то р о в не о б р азу ет б ази с, п о с к о л ь к у в дан н о м сл у ч ае в б ази се
д о л ж н о бы ть ровно три н езави си м ы х вектора.
874 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 7.1.3
1 . Б а з и с н о е р е ш е н и е Х в = ( х 3, x t )T = ( 2 , 1 , 5 ) г д о п у с т и м о .
4. О п тим альное зн ач ен и е целевой ф у н к ц и и равн о 34. И сх о д н ая задача Л П :
м а к с и м и з и р о в а т ь z =■ 2 х , + 5 х 2 п р и о г р а н и ч е н и я х
х 1< 4 , х 2< 6 , х х + х 2 < 8 , x v х 2> 0.
УПРАЖНЕНИЯ 7.2.1
1. а ) Н е о б х о д и м о и с к л ю ч и т ь и з б а зи с а в е к т о р Р , . Ь) В е к т о р Р 4м о ж е т б ы т ь ч а с ть ю
д о п у с т и м о г о б а з и с а В = ( Р 2, Р 4).
2. Д л я б ази сн ого в ек т о р а X s и м еем
{г, - с } = С вВ ' В - С я - С В1 - Ся = С в - С в = 0 .
УПРАЖНЕНИЯ 7.2.2
2. Ь) ( х , , х 2, х 3) = ( 1 ,5 , 2 , 0 ), z = 5.
УПРАЖНЕНИЯ 7.3
2. ( * ,, х 2, х 3, x t , х ъ, х й) = ( 0 , 1 , 0 , 7 5 , 1 , 0 , 1 ), г = 2 2 .
УПРАЖНЕНИЯ 7.4
1. с ) Д о б а в л я е т с я и с к у с с т в е н н о е о г р а н и ч е н и е х 2 < М . Т о г д а
( х г, х 2) = а , ( 0 , 0 ) + а 2( 1 0 , 0 ) + а 3( 2 0 , 1 0 ) + ос4( 2 0 , М ) + а 5( 0 , М ) ,
а , + а 2 + а 3 + а 4 + а 5 = 1 , а > 0 , і = 1 , 2 , . . . , 5.
2. П о д з а д а ч а 1 : ( * ,, х 2) = а , ( 0 , 0 ) + а 2( 1 2 / 5 , 0 ) + а 3( 0 , 1 2 ).
П о д з а д а ч а 2 : ( х 3, х 4) = (5,(5, 0 ) + (52( 5 0 , 0 ) + (53( 0 , 1 0 ) + (54( 0 , 5 ).
О п т и м а л ь н о е р е ш е н и е : а , = а 2 = 0 , а 3 = 1 => х , = 0 , х 2 = 1 2 ,
р, = 0 ,4 8 8 9 , р2= 0 ,5 1 1 1 , р3= р4= 0 ^ л:3 - 2 8 , * 4 = 0 .
Глава 8 875
УПРАЖНЕНИЯ 7.5.1
2. М а к с и м и з и р о в а т ь w = Yb п р и о г р а н и ч е н и я х Y A < С , Y > 0 .
УПРАЖНЕНИЯ 7.5.2
5. П е р в ы й с п о с о б : е с л и Х в = ( 2 , 6 , 2 ) г, т о г д а ( b v Ь2, Ь3) = ( 4 , 6 , 8 ) => о п т и м а л ь н о е
зн ач ен и е ц елевой ф у н к ц и и д вой ствен н ой задачи = 34.
В то р о й способ: есл и Y ^ ( 0 , 3 , 2 ) , т о г д а ( с р с 2) = ( 2 , 5 ) => о п т и м а л ь н о е з н а ч е
ние целевой ф у н к ц и и п р ям о й зад ачи = 34.
7. М и н и м и з и р о в а т ь w = Yb п р и о г р а н и ч е н и я х YA = С , п е р е м е н н ы е Y п р о и з
вольного зн ак а.
УПРАЖНЕНИЯ 7.6.1
1. - 2 / 7 < < < 1 .
2. а)
5. {z, - 5 = ( 4 - 3 < /2 - 3 ^ / 2 , 1 - t 2, 2 - t / 2 + t 2/ 2 ) . Б а з и с о с т а е т с я о п т и м а л ь
н ы м п р и 0 < t < 1.
УПРАЖНЕНИЯ 7.6.2
1. a ) t 1 = 1 0 , В , = ( Р 2, Р 3, Р 4).
2. Д л я t = 0 им еем (х,, х 2, х 6) = ( 0 , 4 , 1 , 8 , 1 ). Э тот б ази с сохраняется при
0 < t < 1 ,5 . П р и t > 1 ,5 э т о р е ш е н и е с т а н о в и т с я н е д о п у с т и м ы м .
ГЛА В А 8
УПРАЖНЕНИЯ 8.1
1. В водится ещ е одна ц ел евая ф у н к ц и я : м и н и м и зи р о вать Gb = s~5 п р и д о п о л н и
т е л ь н о м о г р а н и ч е н и и 5 5 х н + 3 , 5 х р + 5 , Ъ х 0 - 0 ,0 6 7 5 л :,, + - sj = 0 .
x t + х 2 + х.3 + s~ - s~ = 1200,
876 Приложение Г. Частичные ответы к некоторым упражнениям
2 х , + х 2 - 2 х 3 + s j - s2 = О,
- 0 , 1 х 1 - 0 , 1 х 2 + 0 ,9 л :3 + s j - s j = 0 ,
0 , 1 2 5 ^ ^ 0 , 0 5 ^ 2 - 0 , 5 5 6 ^ 3 + і * - s4 = 0 ,
- 0 .2 л : , + 0 , 8 л:2 - 0 ,2 л :3 + і, - sj = 0 ,
все п ер ем ен н ы е н ео тр и ц ател ьн ы .
5 . О б о з н а ч и м ч е р е з х } к о л и ч е с т в о п а р т и й и з д е л и й , и з г о т о в л е н н ы х в у’-ю с м е н у ,
j = 1, 2, 3. П о л у ч ае м зад ач у :
м и н и м и з и р о в а т ь s* + s j п р и о г р а н и ч е н и я х
УПРАЖНЕНИЯ 8.2.1
1. Ц е л е в а я ф у н к ц и я : м и н и м и з и р о в а т ь z = s j + s j + s j + s j + s j .
Р е ш е н и е : х н = 0 , 0 2 0 1 , х = 0 , 0 4 5 7 , х о = 0 , 0 5 8 2 , х б = 2 ц е н т а , sj = 1 , 4 5 , в с е о с
т а л ь н ы е Sj р а в н ы н у л ю . С у м м а н а л о г а н а б е н з и н с о с т а в л я е т 1 , 4 5 м л н . д о л л .
в м е с т о ж е л а е м ы х 1 ,6 м л н .
4. П у с ть х г — к о л и ч е с тв о и з в е с т н я к а (ф у н т ы ), п о т р еб л я ем о го в д ен ь д л я п р и го
т о в л е н и я к о р м о в о й с м е с и , л:2 — к о л и ч е с т в о зе р н а (ф у н т ы ), п о тр еб л я ем о го
в д е н ь , л:3 — к о л и ч е с т в о с о е в о й м у к и ( ф у н т ы ) , п о т р е б л я е м о г о в д е н ь .
Ц е л е в а я ф у н к ц и я : м и н и м и зи р о в а т ь z = sj + 4 + sj + sj + sj .
Р е ш е н и е : Xj = 1 6 6 , 0 8 , л:2 = 2 7 7 8 , 5 6 , л:3 = 3 0 5 5 , 3 6 , 2 = 0 . В се ц е л и у д о в л е тв о
ряю тся.
7. Д л я п р о и з в о д с т в а 8 0 е д и н и ц п е р в о г о и з д е л и я и 6 0 е д и н и ц в т о р о г о н е о б х о д и
м о и с п о л ь з о в а н и е с в е р х у р о ч н ы х р а б о т : 1 0 0 м и н у т д л я п е р в о й о п е р а ц и и и 120
м и н у т — д л я второй .
УПРАЖНЕНИЯ 8.2.2
2 . О п т и м и з а ц и я ц е л е в о й ф у н к ц и и G , д а е т х п = 0 ,0 2 0 4 , х = 0 , 0 4 5 7 , х о = 0 ,0 5 8 2 ,
х в = 2 , д р у г и е п е р е м е н н ы е р а в н ы 0 . Ц е л и G lt G 2, G 3 и G 4 у д о в л е т в о р я ю т с я ,
ц е л ь G b — н ет. О п т и м и з а ц и я ц е л ев о й ф у н к ц и и G bд а е т т ак о е ж е р е ш е н и е , что
и о п т и м и з а ц и я ц е л е в о й ф у н к ц и и G v п л ю с s j = 1,45 . Э т о у к а з ы в а е т н а т о , ч т о
ц ел ь G bу д о в л е тв о р и т ь н ев о зм о ж н о .
ГЛАВА 9
УПРАЖНЕНИЯ 9.1.1
3 . О б о з н а ч и м ч е р е з x tj к о л и ч е с т в о б у т ы л о к т и п а і, п о л у ч е н н ы х и н д и в и д у у м о м j ,
п р и это м і = 1 (п о л н а я б у т ы л к а ), 2 (з а п о л н е н н а я н а п о л о в и н у ), 3 (п у с та я ), j =
1, 2 ,3 . В о зм о ж н о е р е ш ен и е: = 3 , х 2] = 1 , х 31 — 3 , х и = 3 , х 22= 1 , х 32 = 3 ,
х , з = 1 , х 23= 5 , х 33= 1 . З а д а ч а и м е е т и д р у г и е р е ш е н и я .
Глава 9 877
УПРАЖНЕНИЯ 9.1.2
1. П у с т ь x t — к о л и ч е с т в о п р о д у к ц и и , п р о и зв ед ен н о й н а с т а н к е j, j = 1 , 2 ,3 ;
у = 1, если с та н о к / и с п о л ь зу е т с я , и у}= 0 в п р о ти в н о м с л у ч ае . З а д а ч а Ц Л П :
м и н и м и з и р о в а т ь z = 2л:, + 10л:2 + 5 х 3 + 3 0 0 y t + 1 0 0 ( /2 + 2 0 0 у 3
при ограни чениях
УПРАЖНЕНИЯ 9.1.3
1 . П у с т ь п е р е м е н н ы е х р а в н ы 1 , е с л и в ы б р а н м а р ш р у т у, и р а в н ы 0 в п р о т и в н о м
случае. З адача Ц Л П :
м и н и м и зи ровать z = 80х, + 50х2+ 70х3+ 52х4+ 6 0 х 5+ 4 4 х 6
при огран и чен и ях
УПРАЖНЕНИЯ 9.1.4
1. а ) З ад ач а и м еет н еско л ько р еш ен и й , среди которы х следую щ ие.
9 1 5 6 4 5
1 5 9 4 5 6
5 9 1 5 6 4
УПРАЖНЕНИЯ 9.2.1
1. а ) г = 2 3 , я , = 3 , х 2 = 2.
е ) г = 3 7 , х г = 6 , х 2 = 1.
1. а ) г = 7 , 2 5 , х : = 1 , 7 5 , х 2 = 1.
е ) г = 3 7 , ( я , = 4 , 6 , х 2 = 2 ) и л и ( х , = 6 , х 2 = 1 ).
УПРАЖНЕНИЯ 9.2.2
1. а ) 9 п о д зад ач .
Ь) 2 5 ,7 3 9 п о д за д а ч .
УПРАЖНЕНИЯ 9.2.3
1. а ) Д а, п о с к о л ь к у это о тсеч ен и е п р о х о д и т ч ер ез ц е л о ч и с л ен н ы е то ч к и
(д о п у с т и м ы е и н е д о п у с т и м ы е) и п р и это м не и с к л ю ч а е т ни о д н о й д о п у с
тим ой целочисленной точки.
УПРАЖНЕНИЯ 9.3.1
1. К о л и ч е с т в о с о т р у д н и к о в , в х о д я щ и х в к о м н а т у д л я с о в е щ а н и й и в ы х о д я щ и х
и з нее, а т а к ж е р аб о таю щ и х н ад со о тветству ю щ и м и п р о е к та м и , п о к азан о
в следую щ ей табли це.
Проект
1 2 3 4 5 6
1
2
Проект 3
4
5
6
ГЛАВА 10
УПРАЖНЕНИЯ 10.1
1. М а р ш р у т 1 - 3 - 5 - 7 , д л и н а м а р ш р у т а 21 м и л я .
Глава 10 879
УПРАЖНЕНИЯ 10.2
3. М а р ш р у т 1 - 2 - 3 - 5 - 7 , д л и н а м ар ш р у т а 17 м и л ь.
УПРАЖНЕНИЯ 10.3.1
2. а) Р е ш е н и е : п р и б ы л ь р а в н а 1 2 0 , (и г ,, т 2, т а) = ( 0 , 0 , 3 ) и л и ( 0 , 2 , 2 ) и л и
(0 , 4 , 1) и л и (0 , 6 , 0 ).
6. П у с т ь X j = 1 , е с л и п р и н и м а е т с я з а я в к а у, и ї (. = 0 в п р о т и в н о м с л у ч а е . З а д а ч а
о загр у зке:
м а к с и м и з и р о в а т ь г = 78л:, + 6 4л :2 + 6 8л :3 + 62л: 4 + 8 5 л :5
при ограни чении
7л:, + 4л:2 + 6л:3 + 5л: 4 + 8л:5 < 2 3 , x f = 0 и л и 1 д л я в с е х у.
Р е ш ен и е: п р и н я т ь все з а я в к и , к р о м е п ер в о й . О б щ ая о ц е н к а = 2 7 9 .
УПРАЖНЕНИЯ 10.3.2
1. а ) Р е ш е н и е : н а 1 -й н е д е л е п р и н я т ь 6 ч е л о в е к , н а 2 -й н е д е л е у в о л и т ь 1 ч е л о
в е к а , н а 3 -й н е д е л е у в о л и т ь 2 ч е л о в е к а , н а 4 -й н е д е л е п р и н я т ь 3 ч е л о в е к а ,
н а 5 -й н е д е л е п р и н я т ь 2 ч е л о в е к а .
3 . Н а к а ж д у ю и з ч е т ы р е х н е д е л ь с л е д у е т а р е н д о в а т ь 7, 4, 8 и 8 а в т о м о б и л е й с о
ответственн о.
УПРАЖНЕНИЯ 10.3.3
2. а) С —> С —ї З —^ С , з а т р а т ы = 4 5 8 д о л л .
УПРАЖНЕНИЯ 10.3.4
1. П е р в ы й го д : и н в е с т и р о в а т ь 5 0 0 0 д о л л . в п е р в ы й б а н к . В т о р о й го д : и н в е с т и
р о в ать 4 0 9 0 д о л л . во вто р о й б а н к . Т р ети й год: 3 0 9 0 д о л л . в п ер в ы й б ан к .
Ч е т в е р т ы й год: и н в ести р о в ать 2 0 6 5 д о л л . в лю бой б ан к .
ГЛАВА 11
УПРАЖНЕНИЯ 11.2.1
2. а ) С у м м а р н ы е з а т р а т ы в н е д е л ю с о с т а в л я ю т 5 1 ,5 0 д о л л .
Ь) О п т и м а л ь н а я с т р а т е г и я : з а к а з ы в а т ь 2 3 9 ,0 5 ф у н т а ф а р ш а , к а к т о л ь к о его
зап ас о п у сти тся до нулевого у р о в н я . С у м м ар н ы е за тр а ты в неделю со ста
в я т 5 0 ,2 0 д о л л .
1. а ) Н еобход и м о сд ел ать за к а з н а 200 еди н и ц п р о д у к ц и и в том случае, к о гд а
у ровен ь зап аса о п у сти тся до 150 еди н и ц .
Ь) П р и б л и зи те л ь н о 91 за к азо в .
880 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 11.2.2
1. О т е л ю с л е д у е т в о с п о л ь з о в а т ь с я с к и д к о й , п о с к о л ь к у с т о и м о с т ь с т и р к и п а р
т и и и з 1 8 0 0 п о л о т е н е ц с о с т а в и т 4 1 4 д о л л ., а п а р т и и и з 2 5 0 0 — 3 5 6 ,9 4 д о л л .
УПРАЖНЕНИЯ 11.2.3
1 . О п т и м а л ь н о е р е ш е н и е , н а й д е н н о е с п о м о щ ь ю E x c e l : (/, = 4 , 4 1 , у 2 = 6 , 8 7 ,
J/з = 4 Д 2 , (/4 = 7 , 2 , (/5 = 5 ,8 .
л ^уг у2,у},у„к)
4- ^
=v^> |-----+
4 A кіУЛ
-1TL -X^Ur365D i ,с „
X ------150
2(ЛГ,.-365Ь)Р,
У, 2 у>=" К
Р еш ение, найденное с пом ощ ью E x c e l: (/, = 1 5 5 , 3 , t/2 = 1 1 8 , 8 2 ,
у 3 = 7 4 ,3 6 , у 4= 9 0 ,1 0 , Х = - 0 ,0 5 6 4 .
УПРАЖНЕНИЯ 11.3.1
1. а ) 5 0 0 е д и н и ц к о м п л е к т у ю щ и х в к в а р т а л ы 1, 4 , 7 и 1 0 .
УПРАЖНЕНИЯ 11.3.2
3 . П е р в ы й этап : 100 ед и н и ц п р о д у к ц и и п р о и звед ен о в о бы ч н ом р е ж и м е , 50 —
за счет сверхурочн ы х работ и 23 еди н и ц ы — на у сло ви ях субп одряда. В торой
этап : 40 е д и н и ц п р о д у к ц и и п р о и зв ед ен о в об ы ч н о м р е ж и м е , 60 е д и н и ц — за
счет свер х у р о ч н ы х раб от и 80 — н а у с л о в и я х су б п о д р яд а. Т р ети й этап : 90
еди н и ц п р од у кц и и в обы чном р еж и м е, 80 едини ц — за счет сверхурочн ы х
р аб от и 70 — н а у с л о в и я х су б п о д р яд а. Ч е т в е р т ы й этап : 60 ед и н и ц п р о д у к ц и и
в обы чном р еж и м е и 50 ед и н и ц — за счет свер х у р о ч н ы х работ. П я т ы й этап :
60 еди н и ц п р о д у кц и и в обы чном р еж и м е, 50 — за счет свер х у р о ч н ы х работ
и 83 — на у сло ви ях субподряда.
УПРАЖНЕНИЯ 11.3.3
1. а ) Н ет, п о ск о л ьк у нет необходи м ости в зап асах после о к о н ч ан и я периодов
планирования.
Ь ) І) 0 < 2, < 5 , 1 < г г < 5 , 0 < г 3 < 4 , х , = 4 , 1 < х 2< 6 , 0 < х 3 < 4 .
1. а ) г, = 7, г 2 = 0 , 23 = 6, г4= 0. О бщ ие затр аты составляю т 33 долл.
УПРАЖНЕНИЯ 11.3.4
1. В п е р в ы й п е р и о д н е т з а к а з а , в о в т о р о й — з а к а з н а 1 1 2 е д и н и ц , в т р е т и й н е т
за к а за , в ч етвер ты й п ери од за к а з на 67 еди н и ц ; стоим ость = 632 долл.
УПРАЖНЕНИЯ 11.3.5
1. В я н в а р е н е о б х о д и м о п р о и з в е с т и 2 1 0 е д и н и ц и з д е л и я , 2 5 5 е д и н и ц и з д е л и я
в ап реле, 210 — в ию ле и 165 — в о к тяб р е. О бщ ая стоим ость = 1930 долл.
Глава 12 881
ГЛАВА 12
УПРАЖНЕНИЯ 12.1.1
1. а ) 0 , 1 5 , 0 , 2 5 . Ь ) 0 , 5 7 1 . с ) 0 , 8 2 1 .
2. п > 2 3 .
3. я > 2 5 3 .
УПРАЖНЕНИЯ 12.1.2
4. О б озн ачи м ч е р е з р в ер о ятн о сть победы Л и зы . Т огда в ер о ятн о сть победы Д ж о н а
р а в н а 3jэ, ч т о с о в п а д а е т с в е р о я т н о с т ь ю п о б е д ы Д ж и м а . В е р о я т н о с т ь п о б е д ы
А н н ы р а в н а 6 р . В е р о я т н о с т ь р н а х о д и т с я и з р а в е н с т в а р + З р + З р + 6 р = 1.
УПРАЖНЕНИЯ 12.1.3
1. а ) 0 ,4 .
5. 0 ,9 5 4 5 .
УПРАЖНЕНИЯ 12.2.1
2. К = 20.
3 . Р { п о т р е б н о с т ь > 1100} = 0 ,3 .
УПРАЖНЕНИЯ 12.3.1
3. а) Р { х > 50} = 2 / 3 .
Ь ) О ж и д а е м о е ч и с л о н е п р о д а н н ы х г а з е т — 2 ,6 7 .
УПРАЖНЕНИЯ 12.3.2
1. М а т е м а т и ч е с к о е о ж и д а н и е — 3 , 6 6 7 , д и с п е р с и я — 1 , 5 5 6 .
УПРАЖНЕНИЯ 12.3.3
1. а ) Р { х : = 1 , 2 , 3 } = Р { х 2 = 1 , 2 , 3} = ( 0 , 4 , 0 , 2 , 0 , 4 ) .
Ь) Н ет.
УПРАЖНЕНИЯ 12.4.1
1. ( 0 , 5 ) ’°.
3 . В е р о я т н о с т ь э т о го с о б ы т и я р а в н а 0 ,0 5 4 7 п р и у с л о в и и , ч т о все п р е д с к а з а н и я
б у д у т с л у ч а й н ы м и ( т .е . в с е и с х о д ы б у д у т р а в н о в е р о я т н ы м и ) .
УПРАЖНЕНИЯ 12.4.2
1. 0 ,8 6 4 6 .
3 . а ) Р 0 = 0 .Ь )Р „ _ > з = 1 .
882 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 12.4.3
1 . X — 1 2 п о с е т и т е л е й в м и н у т у . P { t < 5 с е к .} = 0 , 6 3 .
УПРАЖНЕНИЯ 12.4.4
2 . 0 ,0 0 1 4 .
ГЛАВА 14
УПРАЖНЕНИЯ 14.1.1
1. w A = 0 ,4 4 2 1 4 , w B = 0 ,2 5 1 8 4 , w c = 0 ,3 0 6 0 2 .
УПРАЖНЕНИЯ 14.1.2
1 . w s = 0 , 3 3 1 , Wj = 0 , 2 9 2 , w M = 0 , 3 7 7 . Н а р а б о т у с л е д у е т п р и н я т ь М а й с а .
3 . w p = 0 ,5 0 2 , w H = 0 ,4 9 8 , C R A = 0 ,0 0 7 2 < 0 ,1 .
УПРАЖНЕНИЯ 14.2.1
2. а) С м . р и с. Г .14.
b ) М У (К у к у р у з а ) = - 8 2 5 0 д о л л ., М У (Б о б ы ) — 2 5 0 д о л л . С л е д у е т в ы б р а т ь с о
евы е бобы .
6. а) С м . р и с. Г .15.
Ь) М К (И гр а ) = - 0 ,0 2 5 д о л л . В э т у и г р у н е с л е д у е т и г р а т ь .
0,125 (ГГТ)
3,5
0,125 (ГГР)
1,1
0,125 (ГРГ)
0,9
0,125 (ГРР)
Играть
О °> 125 (РГТ)
1,1
0,125 (РГР)
-1
0,125 (РРГ)
0,125 (РРР)
Не играть
Рис. Г.15
Глава 14 883
УПРАЖНЕНИЯ 14.2.2
2. П у с ть z о б о зн ач ае т с о б ы ти е, ч т о в п а р т и и и з 5 -т и д е т а л е й о б н а р у ж е н а о д н а
д е ф е к т н а я . Т о г д а P{A\z} = 0 ,6 0 9 7 , P {B \z ) = 0 ,3 9 0 3 .
УПРАЖНЕНИЯ 14.2.3
1. а ) Н е т с м ы с л а , т а к к а к М У (в о зв р а т ) = 5 д о л л .
b ) Д л я 0 < х < 10 Щ х ) = 0 , U(x) = 1 0 0 п р и х = 1 0.
c) Д а, н адо и гр ать.
2. Л о т е р е я : U(x) = 1 0 0 - 1 0 0 р .
УПРАЖНЕНИЯ 14.3
1. а ) П о в е е м к р и т е р и я м с л е д у е т в ы б р а т ь а л ь т е р н а т и в у а 3.
Ь ) В с е к р и т е р и и у к а з ы в а ю т и л и н а а л ь т е р н а т и в у а 2 и л и а 3.
УПРАЖНЕНИЯ 14.4.1
1. а ) С е д л о в а я т о ч к а (2 , 3 ). Ц е н а и г р ы р а в н а 4 .
УПРАЖНЕНИЯ 14.4.2
1. К а ж д ы й и г р о к д о л ж е н и с п о л ь з о в а т ь с м е ш а н н ы е с т р а т е г и и 5 0 - 5 0 . Ц е н а и г р ы
равн а 0.
3. a) (jci; jc2) = ( 0 , 5 , 0 , 5 ) , (г/13 г/2, г/3) = ( 0 , 0 , 6 5 , 0 , 3 5 ) , и = 0 , 5 .
b ) (jCp х г, х 3) = ( 0 , 2 5 , 0 , 7 5 , 0 ) , (г/,, у 2) = ( 0 , 7 5 , 0 , 2 5 ) , и = 5 , 7 5 .
УПРАЖНЕНИЯ 14.4.3
2. a ) U A : ( x lt х 2, х 3, х 4) = ( 0 , 0 , 5 , 0 , 0 , 5 ) , D U : (г/,, у 2, у 3, г/4) = ( 0 , 1 4 , 0 , 3 4 , 0 , 2 7 ,
0 ,2 5 ), и = 0 ,5 .
4 . О б а и г р о к а п р и м е н я ю т с т р а т е г и и (1 , 2 ) и (2 , 1) с в е р о я т н о с т я м и 0 ,5 7 1 и 0 ,4 2 9
соответственно.
ГЛАВА 15
УПРАЖНЕНИЯ 15.1
2 . 1 -й д е н ь : п р о д а в а т ь , е с л и п р е д л а г а ю т в ы с о к у ю ц е н у . 2 - й д е н ь : п р о д а в а т ь , е с л и
п р е д л а га ю т в ы со к у ю и л и ср ед н ю ю ц е н ы . 3 -й д ен ь: п р о д а в а ть за л ю б у ю ц е н у .
884 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 15.2
1. П е р в ы й г о д : и н в е с т и р о в а т ь в с е 1 0 ООО д о л л . В т о р о й г о д : и н в е с т и р о в а т ь в с е
н а к о п л ен н ы е д е н ь ги . Т р ети й год: в о зд е р ж а т ь с я от и н в е с ти ц и й . Ч етвер ты й
год: и н в е с ти р о в а ть все н а к о п л ен н ы е д ен ь ги .
УПРАЖНЕНИЯ 15.3
3 . И г р а 1 : с т а в к а — 1 д о л л . И г р а 2 : с т а в к а — 1 д о л л . И г р а 3 : с т а в к а — 1 д о л л .,
если бы л вы и гр ы ш в п реды дущ ей игре, и н ач е третью и гр у п роп усти ть.
ГЛАВА 16
УПРАЖНЕНИЯ 16.1.1
1. а ) З а к а з в 1000 ед и н и ц следует д е л ать тогд а, к о гд а ур о вен ь зап аса оп усти тся
до 537 едини ц.
УПРАЖНЕНИЯ 16.1.2
1. а ) 3 ,1 2 5 з а к а з о в . Ь ) 3 1 2 ,5 0 д о л л . в м е с я ц , с) 4 0 8 д о л л . d ) 2 ,0 3 9 7 д о л л . е ) 0 ,0 6 .
3. у = 3 1 6 ,8 5 г а л л о н о в , R *= 5 8 ,7 3 г а л л о н о в .
УПРАЖНЕНИЯ 16.2.1
3 . 1 9 < р < 3 5 ,7 .
6. П р и б л и зи те л ь н о 39 п а л ьто .
УПРАЖНЕНИЯ 16.2.2
1. Е с л и х < 3 , 5 2 8 , т о з а к а з = 8 - х , и н а ч е з а к а з н е д е л а т ь .
УПРАЖНЕНИЯ 16.3, А
2 . Е с л и х < 4 , 6 1 , т о з а к а з = 4 , 6 1 - jc, и н а ч е з а к а з н е д е л а т ь .
ГЛАВА 17
УПРАЖНЕНИЯ 17.1
1. а ) Э ф ф ективность о б сл у ж и ван и я — 71% .
Ь) О ба т р е б о в а н и я н е л ь з я у д о в л е тв о р и т ь о д н о в р е м ен н о .
УПРАЖНЕНИЯ 17.2
1.
Ситуация Клиент Сервис
УПРАЖНЕНИЯ 17.3
9. О ф и ц и а н т 0 2 п о л у ч а е т 2 ц е н т а с в е р о я т н о с т ь ю P { t < 1}= 0 ,4 8 6 6 и п л а т и т 2 ц е н т а
с в е р о я т н о с т ь ю P { t > 1} = 0 , 5 1 3 4 . С р е д н и й в ы и г р ы ш о ф и ц и а н т а О , з а восьм и
ч а с о в о й п е р и о д с о с т а в л я е т 1 7 ,1 5 ц е н т о в .
12. a ) P {t < 4 м и н у т ы } = 0 ,4 8 6 6 .
b) С р е д н е е в р е м я о ж и д а н и я = 6 ,2 0 8 .
УПРАЖНЕНИЯ 17.4.1
1 . Р „ > 5(1 ч а с ) = 0 , 5 5 9 5 .
4. a) P 2( t = 7 ) = 0 , 2 4 1 6 7 .
6. а) В ы ч и с л я е м К = 1 / 1 0 + 1 / 7 . P 2( t = 5 ) = 0 , 2 1 9 .
УПРАЖНЕНИЯ 17.4.2
2. а) = 9 , p 0( t = 3 ) = 0 , 0 0 5 3 2 .
c ) |д£ = 3 , p„<u ( t = 1 ) = 0 , 9 5 0 2 .
5 . |д< = 4 , р 0(4 ) = 0 , 3 7 1 1 6 .
8. а ) С р е д н и й н е д е л ь н ы й о б ъ е м з а к а з а = 2 5 - 7 ,1 1 = 1 7 , 8 9 .
Ь ) ц і = 1 2 , p 0( t = 4 ) = 0 , 0 0 0 6 9 .
УПРАЖНЕНИЯ 17.5
3 . а ) р„> 3 = 0 ,4 4 4 5 .
Ь ) Ь )р „ < 2 = 0 ,5 5 5 5 .
6. а) рг 0 ,2 , j = 0 , 1 , 2 , 3 ,4 .
b ) О ж и д а е м о е ч и с л о к л и е н т о в в п а р и к м а х е р с к о й — 2.
c) р 4 = 0 ,2 .
УПРАЖНЕНИЯ 17.6.1
1- a ) L q = 1р6 + 2 р 1 + Зр8 = 0 ,1 9 1 7 а в т о м о б и л я .
c) 0 ,1 2 6 3 а в т о м о б и л я в ч а с .
d ) С р е д н е е к о л и ч е с т в о с в о б о д н ы х м е с т н а с т о я н к е = с - (L s - L q) =
8 8
=c-'Znp„+ L •
» -0 « -r+ l
886 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 17.6.2
2- а ) р 0 = 0 ,2 .
b) С р е д н е м е с я ч н ы й з а р а б о т о к = 5 0 х |ot = 3 7 5 д о л л .
c) С р е д н я я п л а т а = 40 x L q = 1 2 8 д о л л .
5- а ) р 0 = 0 ,4 .
Ь ) L q = 0 ,9 .
d ) Рпіг = 0 ,0 0 3 6 .
6 . Н е м ен ее 13 м ест.
УПРАЖНЕНИЯ 17.6.3
1 . Р { т > 1} = 0 , 6 5 9 .
5 . 3 7 ,9 5 д о л л . з а 1 2 -ч а с о в ы й р а б о ч и й д е н ь .
УПРАЖНЕНИЯ 17.6.4
1. а ) р 0 = 0 ,3 6 5 4 .
b ) W q = 0 ,2 0 7 ч а с а .
c) К о л и ч е с т в о с в о б о д н ы х м ес т = 4 - L = 3 ,2 1 2 .
e ) |х = 1 0 у м е н ь ш и т W п р и м е р н о д о 9 ,6 м и н у т ы .
4 . а ) р 8 = 0 ,6 .
с) В е р о я т н о с т ь п о я в л е н и я с в о б о д н о г о м е с т а н а к о н в е й е р е н е п р е в ы ш а е т 0 ,4
п р и л ю б о й п р о и зв о д и т е л ь н о с т и к о н в е й е р а . П о э т о м у за г р у з к а сборочн ого
цеха не м ож ет превы сить 6 0 % .
7. а ) 1 - р ъ = 0 ,9 6 2 .
УПРАЖНЕНИЯ 17.6.5
1. а ) 0 ,7 1 1 . Ь) 0 ,5 9 6 .
c) 0 ,4 а в т о м о б и л я д л я с = 2 и 0 ,8 — д л я с = 4.
d ) П я т ь и более автом оби лей .
5. Н е м ен ее 10 м ест.
7. a ) р п і і = 0 , 6 5 7 7 2 .
Ь) Ь) 0 ,6 6 7 Э В М .
УПРАЖНЕНИЯ 17.6.6
2 . с) 8 1 ,8 % .
a ) d ) p 2 + p 3 + p t = 0 ,5 4 5 .
4 . а ) p i0 = 0 , 0 0 0 1 4 .
b ) Р,о + Р 31 + •■• + Р 39 = 0 , 0 2 4 5 3 .
Глава 17 887
УПРАЖНЕНИЯ 17.6.7
2. а) П р и м ер н о 7 м ест.
Ь) р„>8 = 0 ,2 9 1 1 .
УПРАЖНЕНИЯ 17.6.8
1 . Ь ) С р е д н е е ч и с л о с в о б о д н ы х м е х а н и к о в = 4 - (L , - L q) = 2 , 0 1 м е х а н и к о в ,
d ) Р { 2 и л и 3 м е х а н и к а сво б о дн ы } = р 0 + р 1= 0 ,3 4 4 9 2 .
4. a) L„ = 1 , 2 5 с т а н к а .
b ) р 0 = 0 ,3 3 3 4 1 .
c) W t = 0 ,2 5 ч а с а .
6 . К = 2 к р и к а н а о д н о г о р е б е н к а в ч а с , |д. = 0 , 5 р е б е н к а в ч а с , R = 5 , К = 5 .
a ) С р е д н е е ч и с л о б о д р с т в у ю щ и х м а л ы ш е й = 5 - L , = 1.
b) Р 5 = 0 ,3 2 7 6 8 .
c ) p „ S2 = 0 , 0 5 7 8 2 .
УПРАЖНЕНИЯ 17.7
2. a) M { t ) = 1 4 м и н . т , D { t ) = 1 2 м и н . 2, L , = 7 , 8 6 7 а в т о м о б и л я .
4 . X = 0 , 0 6 2 5 з а к а з а в м и н у т у , M { t } = 1 5 м и н . , D { t ) = 9 , 3 3 м и н . 2.
a ) Р 0 = 0 ,0 6 2 5 .
b ) L q = 7 ,3 з а к а з а .
c) = 1 3 2 ,1 7 м и н .
УПРАЖНЕНИЯ 17.9.1
2. П р и м е н и т е м о д е л ь ( М / М / 1 ) : (G D /1 0 /1 0 ). О д и н ч а с р а б о т ы п е р в о го м е х а н и к а
с т о и т 4 3 1 ,5 0 д о л л ., в т о р о г о — 3 8 6 ,5 0 д о л л .
4. Ь)
УПРАЖНЕНИЯ 17.9.2
2. а ) Р а б о т а д в у х м е х а н и к о в с т о и т 8 6 ,4 д о л л . в ч а с , т р е х м ехаников —
9 4 ,8 д о л л . в ч ас.
Ь ) П о т е р и п р и р а б о т е д в у х м е х а н и к о в с о с т а в я т 3 0 х W t = 1 2 1 ,1 1 д о л л ., п р и
р а б о те т р е х м е х а н и к о в — 9 4 ,6 5 д о л л .
888 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 17.9.3
1. а ) 5 м ехани ков.
Ь) 4 м ех ан и ка.
ГЛАВА 18
УПРАЖНЕНИЯ 18.1
4. а) Р{Г } = Р { Р } “ 0 , 5 . Е с л и 0 < R < 0 , 5 , т о и г р о к А п о л у ч а е т 1 0 д о л л . , е с л и ж е
0 ,5 < R < 1, то и г р о к Б п о л у ч а е т 1 0 д о л л .
УПРАЖНЕНИЯ 18.2
1. а) Д и ск р етн ы й тип.
УПРАЖНЕНИЯ 18.3.1
4. С м . р и с. Г .16.
Ах 2 Л3 4 А5
\% 48 78 108 138
0 j 30 60 90 j 120
Рис. Г. 16
УПРАЖНЕНИЯ 18.3.2
1. i = - l n ( l - R ) / X , К = 4 к л и е н т а в ч ас.
1 — — 0
2 0,0589 0,015 0,015
3 0,6733 0,280 0,295
4 0,4799 0,163 0,458
2. t = a + (b — a ) R .
4. а) Е сли 0<Д <0,2, то запрос = 0; если 0,2<Д<0,5, запрос = 1; е с л и
0 ,5 < R < 0 ,9 , з а п р о с = 2 ; е с л и 0 ,9 < R < 1 , з а п р о с = 3 .
9- х = 0 , е с л и 0 < R < р ; в п р о т и в н о м с л у ч а е з н а ч е н и е х р а в н о н а и б о л ь ш е м у ц е
л о м у , н е п р е в ы ш а ю щ е м у в е л и ч и н ы 1п(1 - Д ) /1 п ( 1 - р ) .
Глава 19 889
УПРАЖНЕНИЯ 18.3.3
1 . у = - ( 1 / 5 ) х 1 п ( 0 ,0 5 8 9 х 0 , 6 7 3 3 х 0 , 4 7 9 9 х 0 , 9 4 8 6 ) = 0 , 8 0 3 ч а с а .
6 . t = jc, + jc2 + x 3 + х 4, г д е x t = 1 0 + R :, i = 1 , 2 , 3 , 4 .
УПРАЖНЕНИЯ 18.5.1
1. а ) З а в и с и т о т к о л и ч е с т в а с о б ы т и й ,
b) З а в и с и т от вр ем ен и .
УПРАЖНЕНИЯ 18.6
2 . Д о в е р и т е л ь н ы й и н т е р в а л 1 5 , 0 7 < |д < 2 3 , 2 7 .
ГЛАВА 19
УПРАЖНЕНИЯ 19.1
2. С т ац и о н а р н ы е с т р а т е ги и : не у д о б р я ть , у д о б р я ть п р и с о с т о я н и и 1, у д о б р я ть
п р и со ст о я н и и 2, у д о б р ять п р и со сто ян и и 3, у д о б р ять п р и со ст о я н и и 1 и л и 2,
удобрять при состоян и и 1 и л и 3, удобрять при состоянии 2 и л и 3, удобрять
при лю бом состоянии .
УПРАЖНЕНИЯ 19.2
1. П е р в ы й и в т о р о й г о д ы : р е к л а м н у ю к а м п а н и ю с л е д у е т п р о в о д и т ь т о л ь к о п р и
с н и ж е н и и доход ов. Т р ети й год: р е к л а м н а я к а м п а н и я не п р о во д и тся.
УПРАЖНЕНИЯ 19.3.1
1 . Р е к л а м н а я к а м п а н и я п р о в о д и т с я в с е г д а п р и с о с т о я н и и 1.
ГЛАВА 20
УПРАЖНЕНИЯ 20.1.1
1. а ) Н е т э к с т р е м а л ь н ы х т о ч е к .
b) М и ним ум в точке х = 0.
c) Т о ч к а п е р е г и б а п р и х = 0 , м и н и м у м п р и х = 0 ,6 3 и м а к с и м у м п р и х = - 0 ,6 3 .
4 . ( х 1, х г) = ( - 1 , 1 ) и л и ( 2 , 4 ) .
УПРАЖНЕНИЯ 20.2.1
1 . Ь ) Э х, = 2 , 8 3 3 jc2, 3 jc3 = —2 ,5 ć b e 2.
890 Приложение Г. Частичные ответы к некоторым упражнениям
УПРАЖНЕНИЯ 20.2.2
х~
3 . С и с т е м а у р а в н е н и й : 2 Xj — - = 0 , і = 1 , 2 , . . . , п - 1 . Р е ш е н и е : х- = ' 4 Ć , і = 1 , 2 ,
X:
. . . , n . d f = 2 b Ć 2"'Vn.
6. b) Р еш ен и е: г = 3 7 5 /7 4 , ( jc , , jc 2, jc 3 , jc 4 ) = ( - 5 /7 4 , - 1 0 /7 4 , 1 5 5 /7 4 ,6 0 /7 4 ) —
то ч ка м иним ум а.
УПРАЖНЕНИЯ 20.2.3
ГЛАВА 21
УПРАЖНЕНИЯ 21.1.1
2 . с) х = 2 ,5 .
е ) х = 2.
3 . М а к с и м а л ь н о е ч и с л о и т е р а ц и й = 1 , 4 4 1п[(6 - а ) / ( Д - 1 )].
УПРАЖНЕНИЯ 21.1.2
1. Н а о с н о в а н и и ф о р м у л ы Т е й л о р а и м е ем V /(X ) = V /(X ° ) + H ( X - X ° ) . М а т р и ц а
Г ессе Н н е за в и с и т от X , п о с к о л ь к у ф у н к ц и я f ( X ) к в а д р а т и ч н а я . П о это й ж е
п р и ч и н е последнее равен ство в ы п о л н я е тс я точн о, т а к к а к все п рои зводн ы е
вы ш е второй степени равны нулю . Из уравнения V /(X )= 0 находим
X = Х° + H~‘V / ( X ° ) . Э т о з н а ч е н и е X у д о в л е т в о р я е т у р а в н е н и ю V /( X ) = 0 , с л е д о
в а т е л ь н о , о н о я в л я е т с я о п т и м у м о м н е з а в и с и м о о т н а ч а л ь н о г о з н а ч е н и я Х °.
УПРАЖНЕНИЯ 21.2.1
2 . О п т и м а л ь н о е р е ш е н и е : лс, = 0 , jc2 = 3 , г = 1 6 .
4 . П у с т ь w = X j + l , j = 1 , 2 , 3 , Uj = Wj W2, v 2 = w xw r А п п р о к с и м и р у ю щ а я з а д а ч а Л П :
м а к с и м и зи р о в а т ь z = иг + v2 - 2 w, - w 2 + 1 п р и о г р а н и ч е н и я х
u 1 + v 2 - 2 w r - w 2 < 9 , ln u , - ln w , - l n w 2 = 0 , l n u 2 - ln w , - l n w 3 = 0 ,
все п ер ем ен н ы е н е о тр и ц а те л ь н ы е .
УПРАЖНЕНИЯ 21.2.2
1. Р е ш е н и е : jc , = 1, х 2 = 0 , z = 4.
2. Р е ш е н и е : лс, = 0 , х 2 = 4 , z = 0 , 7 .
Глава 21
УПРАЖНЕНИЯ 21.2.3
2 . Р е ш е н и е : (jci; х 2) = ( 1 ,3 9 , 1 ,1 3 ) .
УПРАЖНЕНИЯ 21.2.4
2 . М а к с и м и з и р о в а т ь г — jc, + х ‘ + х 3 п р и о г р а н и ч е н и я х
А м
A M PL, 58; 63 M P L , 63
р еш ен и е за д а ч Л П , 66
A re n a , 734 Р
A w e S im , 7 3 4
P E R T , 298; 315
С
S
СРМ , 298
S IM A N , 7 3 4
S IM S C R I P T , 7 3 4
Е
SLA M , 734
E x c e l, 2 1 7 ; 2 1 8
кри тери и п р и н яти я реш ений, 578 T
м етод С и л ь в е р а -М и л а , 503
м етоды п р и н я т и я р е ш е н и й , 5 5 6 TORA, 117; 217
пои ск в ы п о л н е н и е с и м п л е к с -м е т о д а , 117
кратчайш его пути, 268 граф и ческое р еш ен и е, 44
м аксим ального потока, 281 м етод
потока наим еньш ей стоим ости, 297 С Р М , 310
п остроени е ги сто гр ам м , 529 PE R T , 317
р еш ен и е зад ач ветвей и границ, 418
лин ей н ого програм м и рован и я, 61 н а х о ж д ен и е м и н и м ал ь н о го остовного
нелинейного п рограм м ирования, 818 дерева, 248
ди нам и ческого п рограм м ирования, 495 пои ск м акси м альн ого потока, 276
о загрузке, 450 р е ш е н и е за д а ч Л П , 58
управлени я зап асом , 475; 499
А
F
А лгеб раи ч еское доп олн ен ие, 841
F I F O ,631 А лгоритм
FO R TR A N , 734 Д ей кстры , 255
ди н ам и ческого програм м ирования
G с постоянны м и предельны ми затратами, 497
с общ ей функцией стоимости, 493
G A M S, 63 К ар м ар к ар а, 368
G P S S ,734 нахож дения
G P S S /H ,734 к ратчай ш его пути, 255
м акси м ал ьн ого потока, 271
L обратн ой п р о го н ки Д П , 444
п о сл ед о вател ьн о й безусловн ой
L IF O ,631 м а к с и м и з а ц и и ,832
L IN G O , 5 8 ; 6 3 ; 2 1 7 ; 2 2 2 п о стр о ен и я м и н и м ал ь н о го остовного
р еш ен и е за д а ч Л П , 64 дерева, 245
п рям ой прогонки Д П , 444
894 Предметный указатель
р еш ен и я зад ач с о гр ан и чен н ы м и Г
перем енны м и, 338
с и м п л ек с -м ет о д а , 1 0 4 ; 107 Г ен ерирование вы борочн ы х зн ач ен и й , м е
Ф лойда, 255; 259 тод, 706
А лгоритм ы Б о к с а-М ю л л е р а, 712
нелинейного п р о гр ам м и р о ван и я, 797 обратн ы х ф у н к ц и й , 706
р е ш е н и я за д а ч без о гр а н и ч е н и й , 79 7 отбора, 713
р е ш е н и я зад ач с о гр ан и ч е н и я м и , 805 сверток, 709
целевого п р о гр ам м и р о в ан и я, 386 Г ен ерирование слу ч ай н ы х чисел, 716
А н а л и з ч у в с тв и т е л ь н о с ти , 2 9 ; 141 м у л ь т и п л и к а т и в н ы й м етод
граф и ческий , 47 с р а в н е н и й ,716
д о б ав л ен и е н о в ы х о гр а н и ч е н и й , 181 Г еом етри ческое п р ограм м и рован и е, 820
и зм ен ен и е ко эф ф и ц и ен то в ц елевой Г истограм м а частот, 527
ф у н к ц и и ,47; 183 Гурвица критери й, 576
о п т и м а л ь н о го р е ш е н и я , 171
парам етри ческое п рограм м ирование, 360
с п ом ощ ью м етода Я к о б и , 7 7 9
д
сто и м о сть ресурсов, 53 Д в о й с т в е н н а я з а д а ч а , 141
А п остери орны е вероятности Б ай еса, 566 о г р а н и ч е н и я ,161
построени е, 142
Д в о й ствен н ы е ц е н ы , 59; 159
Б
Д в о й с т в е н н ы й с и м п л е к с -м е т о д , 164
Б ай еса теорем а, 510 с и скусствен н ы м и о гран и чен и ям и , 168
Б о к с а -М ю л л е р а м етод, 712 Д в у х этап н ы й м етод, 124
Д ейкстры алгори тм , 255
Д ерево, 244
В
остовное, 244
В ед у щ ая стр о к а, 110 реш ен и й , 560
В едущ ий Д и агр ам м а и н тен си вн о стей п ереходов, 645
столбец, 110 Д и н ам и ческое п рограм м и рован и е, 441
эл е м е н т, 1 10; 126 алгоритм
В екторы обратн ой прогонки, 444
л и н ей н о н езави си м ы е, 8 3 8 прям ой п рогонки, 444
определени е, 837 вероятностн ое, 595
В ен гер ски й м етод, 227 д етер м и н и р о в ан н ы е м одели , 441
к а к с и м п л е к с -м е т о д , 232 принцип
В ероятностны е м одели уп р авл ен и я деком позиц ии, 441
зап асам и , 607 оп тим альности , 441; 444
без за тр а т на о ф о р м л ен и е за к а з а , 6 1 6 проблем а р азм ер н о сти , 465
м н огоэтап н ы е, 622 Д и скретн ая и м и тац и я, 718
эко н о м и чн ого р азм ер а за к а з а , 6 0 7 Д и скретное м одели рован и е, 703
одн оэтапн ы е, 6 15 генерирование вы борочн ы х зн ач ен и й , 706
при затр атах на оф орм ление за к аза, 619 определение собы ти я, 704
с непреры вн ы м контролем уровня элем ен ты , 704
зап аса, 607 Д остаточное пр ави л о
В ероятность доп устим ости, 180
переходная, 757 оп ти м альн ости , 188
условн ая, 510
В ы борка, 527 3
В ы р о ж д е н н о с т ь в с и м п л е к с -м е т о д е , 1 2 8 ; 1 2 9
Задача
зам ен ы оборудовани я, 458
Предметный указатель 895
Ф э
Ф ло й д а а л г о р и т м ,2 55 Э ври сти чески й подход, 24
Ф о геля м етод, 210 Э кстрем ум
Предметный указатель 901
Хемди А. Таха
ХЕМДИ А. Т А Х А
Іанное . і и <и охраняя направленность преды ущих шести изданий, пред. ігает сбалансирован .
одход в изложении теории, практики и компьютерной реализации методов иссп ювания операций Сложные
іатематнческне концепции объясняются с помощью множ тватщат іьнопо jpaHHHX числовых примеров,
асто исключают х и дин ють в стр ітичс цок х Кинга ржит пс робный
)бор многих практических ситуаций, а в конце глав приводятся комплексные задачи, предназначенные для
нализа на занятиях со студентами Большое внимание "іеляется интенсивному использованию
оответствующего программного обегпрчення для того, гобы по„чер нутьролы шременных программных
гв ка эфф щ ум в ре иипрактичі кнх ідачисс іованияон раций
ISBN 5-8459-0740-3
Издательский дом ВИЛЬЯМС
www.williamspubllshmg.com in min пиши
ii 0^010
źanprfw
P e a rs o n "rentice Hall i /w * /? ?
Education .prenthall.com Jlll||llllllllllll||
785845 9074ОСГ