Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Если в одной из задач целевая функция примет бесконечное значение, что можно сказать о решении другой? Ответ очевиден: другая задача не должна иметь допустимых решений. Если это не так (т.е. обе задачи имеют допустимые решения), неравенство z < w обязательно должно выполняться, что невозможно, например,
При 2 = +оо или w = -оо.
Рассмотрим обратную ситуацию. Если одна из задач не имеет допустимых решений, то обязательно ли решение другой задачи будет неограниченным? Не
7.5. Двойственность
обязательно! В следующем примере и прямая, и двойственная задачи не имеют допустимых решений.
Прямая задача. Максимизировать z = {х1 + х2 | х1 - х2 <-1, ~х1 + х2 <-1, х„ х2>0}.
Двойственная задача. Минимизировать w = {-yt - у2 \ у, - у2> 1, -у, + у2 > 1,
Теорема 7.5.2. Оптимальное решение двойственной задачи равно
Y = CSB\
где В — оптимальный базис прямой задачи, которому соответствует вектор Св коэффициентов целевой функции.
Доказательство. Для доказательства этой теоремы надо показать, что допустимое решение двойственной задачи можно вычислить по формуле Y = СВВ, и что в соответствии с теоремой 7.5.1 z = w для оптимальных решений.
Решение прямой задачи будет оптимальным, если выполняются неравенства гу - су> О для всехj (см. раздел 7.2.1), т.е.
СВВ 'А - С > 0.
Но решение Y допустимо, если оно удовлетворяет ограничению YA > С. Это доказывает равенство Y = СВВ-1 для допустимого решения двойственной задачи Y.
Равенство оптимальных значений z и w доказывается непосредственным сравнением выражений
w = Yb = CBB 'Ь,
Переменные двойственной задачи Y= СВВ-1 иногда называют симплексными мультипликаторами. Они также известны как двойственные цены — название, идущее от экономической интерпретации этих переменных (см. раздел 4.3.1).
Обозначим через Ру у'-й столбец матрицы А. Из теоремы 7.5.2 следует, что величины
zrcrCBKlPrcrYPj-ci
равны разностям между левыми и правыми частями ограничений двойственной задачи. В начале решения прямой задачи максимизации по крайней мере для одного j выполняется неравенство zt - с. < 0; это означает, что соответствующее ограничение YP. >с не удовлетворяется. Если достигнуто оптимальное решение прямой задачи, тогда выполняются неравенства z. - с\ > 0 для всех /; в этом случае соответствующее решение двойственной задачи Y= СВВ~' допустимо. Таким образом, если решение прямой задачи оптимально, то решение двойственной задачи автоматически допустимо. На этом соотношении построен двойственный симплекс-метод (раздел 4.4), в котором вычисления начинаются с недопустимого решения, "лучшего", чем оптимальное. Выполнение метода продолжается до тех пор, пока не будет достигнуто допустимое решение. В противоположность этому в "обычном" симплекс-методе (глава 3) вычисления начинаются с допустимого, но "худшего", чем оптимальное, решения и продолжаются до тех пор, пока не будет достигнуто оптимальное решение.
Глава 7. Теория линейного программирования
Пример 7.5.1
В следующей задаче ЛП оптимальный базис равен В = (Р,, Р4). Сформулируем двойственную задачу и найдем ее оптимальное решение, используя оптимальный базис прямой задачи.
Максимизировать z = Зх, + 5х2
при ограничениях
х, + 2х2 + х3 = 5, -х, + Зхг + xt = 2,
Х\1 Х2> ^3' Х4 — ^*
Двойственная задача имеет следующий вид.
Минимизировать w = Ъу, + 2уг
при ограничениях
У\~Уг - 3> 2у, + Зу2>Ъ,
«/,.«/, поимеем В = (х,, x4)r, тогда Св = (3, 0). Оптимальный базис и его обратная матрица равны следующему.
ч: >Н%
Переменные прямой и двойственной задач имеют следующие значения.
(x1,x/ = B-1b = (5, 7f,
((/l,y2) = CBB,=(3,0).
Оба решения допустимы и 2 = w = 15 (проверьте!). Таким образом, решения оптимальны.
УПРАЖНЕНИЯ 7.5.2
1. Проверьте правильность формулировки двойственной задачи в примере 7.5.1. Проверьте графически, что прямая и двойственная задачи не имеют недопустимых решений.
2. Дана следующая задача линейного программирования.
Максимизировать z = 50х, + 30х2 + 10х3 при ограничениях
2х1 + хг ' 1, 2хг - -5, 4x, + x3 = 6, х„ хг, х3>0.
a) Сформулируйте и запишите двойственную задачу.
b) Покажите с помощью непосредственной проверки, что прямая задача не имеет допустимого решения.
7.5. Двойственность
c) Покажите, что двойственная задача не имеет ограниченного решения.
d) На основе примеров задач из предыдущих упражнений найдите соотношение между свойствами недопустимости и неограниченности прямой и двойственной задач ЛП.
3. Дана следующая задача линейного программирования.
Максимизировать z = Ьхх + 12х2 + 4х3
при ограничениях
2х, - х2 + Зх3 = 2, хх + 2х2 + х3 + хл = 5, Ху7 x2t х3, хА — 0.
a) Сформулируйте и запишите двойственную задачу.
b) В каждом из следующих случаев сначала проверьте, что приведенный базис В является допустимым для прямой задачи. Затем, используя формулу Y = CSB \ вычислите значения переменных двойственной задачи. Кроме того, определите, является ли данное решение прямой задачи оптимальным.
а) В = (Р4,Р3). в)В-(Р„Р,).
б) В = (Р2,Р3). г) В = (Р,, Р4).
4. Дана следующая задача линейного программирования.
Максимизировать z = 2хх + 4х2 + 4х3 - 3xt при ограничениях
х, + 4х2 + xt = 8, xv х2, х3, х4>0.
a) Сформулируйте и запишите двойственную задачу.
b) Путем вычисления разностей г. - су для всех небазисных Ру проверьте, что базис В = (Р2, Р3) соответствует оптимальному решению.
c) Найдите оптимальное решение двойственной задачи.
5. Модель ЛП содержит две переменные хг и х2 и три ограничения типа "<". Соответствующие дополнительные (остаточные) переменные обозначены как х3, хА и ху Предположим, что B = (Pj, Р2, Р3)— оптимальный базис, а соответствующая обратная матрица имеет следующий вид.
,'0 -1 О В4 = 0 1 о
,1 1 -.
Ниже представлены оптимальные решения прямой и двойственной задач.
Хя*,)г = (2,6, 2)т, Y = (y1,(/2,(/3) = (0, 3, 2). Найдите оптимальное значение целевой функции.
Глава 7. Теория линейного программирования
6. Докажите следующее соотношение между оптимальными решениями прямой и двойственной задач:
£',(B-'P,).=j>A,.
где Св = (с„ с2,.... cj иР, = (о14, a2t, am/ для = 1, 2, л, (В'РД — /-Й элемент вектора В 'Рк.
7. Запишите задачу, двойственную к следующей.
Максимизировать z = {СХ | АХ = b, X — свободные переменные}
8. Покажите, что задача, двойственная к задаче
максимизировать z = {СХ | АХ < b, 0<L<X<U< <*>}, всегда имеет допустимое решение.
7.6. ПАРАМЕТРИЧЕСКОЕ ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ
Параметрическое линейное программирование — это расширение техники анализа чувствительности, которую мы рассмотрели в разделе 4.5. Здесь исследуются изменения в оптимальном решении задачи ЛП, являющиеся результатом предопределенных непрерывных изменений коэффициентов целевой функции и значений правых частей ограничений.
Пусть задача ЛП определена следующим образом.
Максимизировать z = jcx|£Vjxl= b, X>oj.
В параметрическом программировании задаются изменения коэффициентов целевой функции и правых частей ограничений. Для этого используются функции С(£) и Ь(£), зависящие от параметра изменения t. Для определенности полагаем, что t > 0.
Основная идея параметрического анализа заключается в следующем. Вначале находится оптимальное решение задачи ЛП при t = 0. Затем на основании условий оптимальности и допустимости симплекс-метода определяется интервал 0 < t < t, значений параметра t, для которых решение, полученное при t = 0, остается оптимальным и допустимым. Значение t, называется критическим. Затем определяются следующие критические значения параметра t и соответствующие им оптимальные допустимые решения. Процесс заканчивается, когда будет найдено такое значение tr, что при любых значениях t > tr последнее решение остается неизменным либо решения не существует.
7.6.1. Параметрическое изменение коэффициентов целевой функции
Пусть Х„, В, и С„ (0 — элементы оптимального решения, соответствующего
критическому значению tt (вычисления начались при t0 = 0 с оптимальным базисом В0). Далее определяем следующее критическое значение и соответствующий ему оптимальный базис, если он существует. Поскольку изменения в векторе коэффициентов целевой функции влияют только на оптимальность решения, текущее решение Хя = B~'b останется оптимальным при t > tt до тех пор, пока будет выполняться условие оптимальности
z.(f) - с jit) = С„ (ОВГ'Р, - cy(t) > 0 для всех
7.6. Параметрическое линейное программирование
Очередное критическое значение tM определяется как наибольшее t, t > tt, при котором выполняются все условия оптимальности.
Отметим, что приведенное неравенство не требует, чтобы вектор С(0 был линейной функцией от t; допустима функциональная зависимость любого вида — как линейная, так и нелинейная. Трудность использования нелинейных функций заключается лишь в том, что численное решение системы неравенств может быть очень трудоемким. (В упражнении 7.6.1.5 рассмотрен случай нелинейной функции.)
Пример 7.6.1
Рассмотрим задачу ЛП.
Максимизировать г = (3 - 60 х, + (2 - 2t) х2 + (5 + 50 х. при ограничениях
х, + 2х2 + х3< 40, Зх, + 2х3 < 60, х1 + 4х2 < 30,
Здесь С(0 = (3 - 6t, 2 - 2t, 5 + 5t), t > 0. Введем дополнительные (остаточные) переменные х4, х5 и х6.
Оптимальное решение при t0 = 0.
Базис | Xl | х2 | Хз | Х4 | Хь | х6 | Решение |
z | |||||||
хг | -1/4 | 1/2 | -1/4 | ||||
Хз | 3/2 | 1/2 | |||||
*6 | -2 |
Хйо - (х2, х3, х/ = (5, 30, 10f СВо(/) =(2-2t, 5 + 5t, 0),
в-' = о
-2
1 1
Условия оптимальности для текущих небазисных векторов Р,, Р4 и Р5 имеют вид {<:„(/)В-'Ру - с//)}.=| о = (4 + Ш, 1 - t, 2 + 3t) > 0.
Таким образом, решение остается оптимальным до тех пор, пока выполняются неравенства
4 + 14t>0,
1 -t>0,
2 + 3t> 0.
Глава 7. Теория линейного программирования
Первое и третье неравенства выполняются при всех положительных t (напомним, что t > 0), второе — справедливо при t < 1. Отсюда имеем, что £, = 1, т.е. решение остается оптимальным (и допустимым) для всех t из интервала 0 < t < 1.
При t = 1 разность z4(f) - ct(t) = 1 -1 равна нулю и становится отрицательной при t > 1. Поэтому при f > 1 вектор Р4 должен войти в базис, тогда вектор Р2 будет исключен из базиса (см. симплекс-таблицу с оптимальным решением при t = 0). Итак, при t = 1 (вследствие включения в базис вектора Р4) получаем новое решение Х^.
Оптимальное решение при f, = 1. Имеем новый базис и новую обратную матрицу.
'1 | о4 | '\.1 о4 | |||
. ВГ = | о; о | ||||
,0 | К | 0 0 1, |
Отсюда получаем
Х^ = (xt, х3, хв)т = В-'Ь = (10, 30, 30)т, Ся(0 =(0, 5 + 5i, 0).
Для небазисных векторов Р1; Р2 и Р5 условия оптимальности можно записать следующим образом.
{C,(0Br-P,-ciW}^=(^.-2 + 2,.^)20
В соответствии с этими условиями базисное решение Хв остается оптимальным для
всех t > 1. Это означает, что t2 = °° и вычислительный процесс параметрического анализа закончен. Отметим, что условие оптимальности -2 + 2t > 0 автоматически "запомнило", что решение Х^ оптимально в интервале, который начинается со значения £, = 1. Такое "запоминание" всегда имеет место при параметрическом анализе.
Оптимальные решения для всей области изменения параметра t представлены в следующей таблице. Значения целевой функции получены путем подстановки значений переменных в выражение целевой функции.
г | X1 | Хг | Хз | z |
0< f< 1 | 160 + 140г | |||
t> 1 | 150 + 150f |
УПРАЖНЕНИЯ 7.6.1
1. Пусть в примере 7.6.1 параметр t может принимать как положительные, так и отрицательные значения. Определите интервал изменения значений параметра t, при которых решение Х% остается оптимальным.
2. Проведите параметрический анализ задачи ЛП из примера 7.6.1, если целевая функция задана следующими выражениями.
a) Максимизировать z = (3 + 3i) xt + 2дг2 + (5 - 6t) х3.
b) Максимизировать z = (3 - 2t) дг, + (2 +1) x2 + (5 + 2t) x3.
c) Максимизировать z = (3 +1) x, + (2 + 2t) x2 + (5 - t) x3.
7.6. Параметрическое линейное программирование
3. Проведите параметрический анализ оптимального решения следующей задачи ЛП, здесь t > 0.
Минимизировать z = (4 - t) xl + (1 - 3t) x2 + (2 - 2t) x3 при ограничениях
3jc, +jc2 + 2jc3 = 3, 4xt + Зх, + 2x3 > 6, x, + 2x2 + bx3 < 4,
X j j X — 0 •
4. 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 получить оптимальное решение двойственным симплекс-методом (раздел 4.4). Разработайте схему проведения параметрического анализа для такого случая и выполните анализ задачи ЛП из примера 4.4.1, предполагая, что целевая функция задана следующим выражением.
Минимизировать z = (3 + t) х, + (2 + 4t) x2
5. Пусть в примере 7.6.1 целевая функция нелинейная по t (t > 0) и задается следующим выражением.
Максимизировать z = (3 + 2t2) х, + (2 - 2t2) x2 + (5 - t) x3.
Найдите первое критическое значение tv
7.6.2. Параметрическое изменение правых частей ограничений
Параметрическое изменение вектора правых частей ограничений Ь(£) влияет только на свойство допустимости решения. В этом случае критические значения параметра t определяются на основе условия
Х„ = В'Ь(0>0.
Пример 7.6.2
Рассмотрим задачу ЛП.
Максимизировать z = Зх1 + 2х2 + Ъх3
при ограничениях
х, + 2х2 + x3<40~t, Зх, + 2х3 < 60 + 2t, х, + 4х2 < 30 - It,
Предполагается, что t > 0.
Оптимальное решение этой задачи при t = 10 = 0 приведено в примере 7.6.1. Имеем
ХВ(] - (х2, х3, х/ = (5, 30, 10)т,
■1 о
т 0
1 1.
Глава 7. Теория линейного программирования
Чтобы найти первое критическое значение используем условие допустимости Хя = В„'Ь(/) > 0, которое в данном случае примет вид
V | ' 5-t N | |||
= | 30 + t | > | ||
\хь) | ,10-3/, | ,0, |
Эти неравенства выполняются при t < 10/3. Таким образом, t, = 10/3, и базис В0 остается допустимым при изменении параметра t в интервале 0 < t < 10/3. Отметим, что здесь значения базисных переменных хг, х3 и хв изменяются при изменении параметра t.
Значение базисной переменной х6 (= 10 - 3t) равно нулю при t = t, = 10/3 и становится отрицательным для t > 10/3. Следовательно, при t = 10/3 необходимо определить новый базис В,. Для 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 хе в качестве исключаемой из базиса, определяем вводимую в базис. Поскольку
то
х«„ = (Х2> хз> *в) и ся„ С) = (2> 5> °)>
к-^и,={^в0-ру-сл^14а-(4,1,2).
Далее вычисляем
{(В^'РД. };=М], = (строка в В"1, ассоциированная с х6) (Р„ Р4, Р5) =
= (3-я строка в В0') (Р„ Р4, Р5) -= (-2, 1, 1)(Р„Р4,Р6) = = (2,-2, 1).
Отсюда следует, что
e = min< —
соответствует переменной xt. Следовательно, в базис вводится вектор Р4. Вычисляем новый базис и обратную матрицу В~'.
ХВ; (^2' ^3> Х4^ '
'2 1 \\
В,=(Р2,Р3,Р4) =
0 2 0 4 0 0
'0 0
7.6. Параметрическое линейное программирование
Следующее критическое значение t2 определяем из условия Хв = В, 'b(r) >0. Отсюда получаем следующее.
(30-7/ ^ | |||
ХУ = | 30+/ | > | |
\X4j | -10 + 3/ | ,0, |
i 2;
Это условие показывает, что В, остается допустимым базисом для 10/3 < t < 30/7.
При t = t2 = 30/7 новый базис можно получить с помощью модифицированного двойственного симплекс-метода, при этом исключаемой из базиса будет переменная х2.
Новый базис при t2 = 30/7.
Определив исключаемую переменную х2, находим вводимую переменную следующим образом. Поскольку
ХЯ| = (х2, х3, х/ и СЯ| (/) = (2, 5, 0),
то
Далее вычисляем
{(В['Р.)Д, }>=156 = (строка в В;', ассоциированная с x2) (Р,, Р5, Р6) = = (1-я строка в В^') (Plf Р5, Р6) =
-(o.O.±)(PlfP„ Р.)-
Поскольку все элементы неотрицательны, задача не имеет допустимых решений при £>30/7. Таким образом, параметрический анализ заканчивается в точке t = *2 = 30/7.
Оптимальные решения при различных значениях параметра t приведены в следующей таблице.
xi хг | Хз | z | |
0 < f S 10/3 | 0 5-f | 30 + f | 160+ 3f |
10/3 S f<30/7 | 0 (30 - 7()/4 | 30 + г | 165 + (3/2)f |
/>30/7 | Допустимых решений нет |
Глава 7. Теория линейного программирования
УПРАЖНЕНИЯ 7.6.2
1. Для задачи из примера 7.6.2 найдите первое критическое значение t, и определите векторы, составляющие матрицу В,, для следующих случаев.
a) Ь(*) = (40 + 2t, 60 - 3t, 30 + 6tf.
b) b(0 = (40 - t, 60 + 2t, 30 - 5t)T.
2. Проведите параметрический анализ оптимального решения следующей задачи ЛП, предполагая, что t > 0.
Минимизировать г = 4.x, 4- х2 + 2х3
при ограничениях
Зх, + х2 + 2хг = 3 + 3t, 4.x, + Зх, + 2х3 > 6 + 2f, х, + 2х2 + 5х3 < 4 - *,
3. При выполнении параметрического анализа в этом разделе предполагалось, что оптимальное решение задачи ЛП при £ = 0 получено обычным симплекс-методом. Однако в некоторых ситуациях предпочтительнее получать оптимальное решение двойственным симплекс-методом (раздел 4.4). Разработайте схему проведения параметрического анализа для такого случая и выполните анализ задачи ЛП из примера 4.4.1, предполагая, что вектор правых частей ограничений задачи задан следующим выражением (считаем, что t > 0).
b(0 = (3 + 2f, 6-t, 3-4г)т
4. Решите задачу из упражнения 2, предполагая, что вектор правых частей ограничений задан следующим выражением.
Ь(0 = (3 + 3t\ 6 + 2t\ 4 - t2f
Затем решите эту же задачу при условии, что параметр t может принимать как положительные, так и отрицательные значения.
7.7. МЕТОД КАРМАРКАРА
В симплекс-методе оптимальное решение находится путем продвижения вдоль граней пространства решений от одной угловой (крайней) точки к другой. Хотя на практике симплекс-метод применяется для решения очень больших задач, теоретически количество итераций, необходимых для достижения оптимального решения, может расти по экспоненциальному закону. Можно построить задачу ЛП с л переменными, при решении которой необходимо перебрать все 2" крайних точек, пока не будет достигнуто оптимальное решение.
В 1984 году Н. Кармаркар (N. Karmarkar) разработал алгоритм с полиномиальным временем выполнения, который "пробегает" по внутренним точкам пространства решений. Этот алгоритм особенно эффективен при решении очень больших задач ЛП.
Мы сначала рассмотрим основную идею метода Кармаркара, а затем остановимся на вычислительной реализации алгоритма.
7.7. Метод Кармаркара
7.7.1. Основная идея метода Кармаркара
Рассмотрим очень простой пример.
Максимизировать г = хх при выполнении ограничения
0<хх<2.
Вводим дополнительную (остаточную) переменную х2. Задача в стандартной форме будет записана следующим образом.
Максимизировать г = х1
при ограничениях
х^ ~\~ х^ 2) хх, х2 > 0.
Эта задача представлена на рис. 7.6. Ее пространство решений совпадает с отрезком прямой АВ. Направление возрастания целевой функции z совпадает с положительным направлением оси хх.
х2
Рис. 7.6. Иллюстрация основной идеи метода Кармаркара
Начнем поиск оптимального решения с произвольной внутренней (не крайней) точки С пространства допустимых решений (отрезок АВ). Градиент целевой функции г = х, в точке С показывает направление скорейшего возрастания функции г. Если мы зафиксируем какую-нибудь точку вдоль градиента и опустим из нее перпендикуляр на пространство допустимых решений, то получим новую точку D с лучшим значением целевой функции. Такое улучшение значения целевой функции получено вследствие движения по направлению проекции CD градиента. Если мы повторим описанную процедуру для точки D, получим новую точку Е, которая будет еще ближе к точке оптимума В. Таким образом, если мы будем двигаться (но осторожно) в направлении проекции градиента, то, вероятно, рано или поздно
Глава 7. Теория линейного программирования
"споткнемся" о точку оптимума В. Если же необходимо найти минимум целевой функции (вместо ее максимума), следует перемещаться в направлении, противоположном проекции градиента, т.е. от точки В к точкеА, где хх = 0.
Конечно, данную процедуру нельзя считать алгоритмом (в обычном смысле), но идея очень интересная! Чтобы воплотить эту идею в алгоритм, необходимо выполнить модификации приведенной процедуры, гарантирующие, что, во-первых, последовательность шагов, сделанных вдоль проекции градиента, не "перескочит" через точку оптимума, во-вторых, в общем л-мерном случае направления, указанные проекциями градиентов, не приведут алгоритм к неоптимальной точке (т.е. не "зациклят" алгоритм на неоптимальной точке). Если реализовать эти условия, то получим вполне работоспособный алгоритм.
7.7.2. Алгоритм Кармаркара
Существует несколько вариантов алгоритма Кармаркара. Мы рассмотрим исходный вариант, предложенный его автором. Кармаркар предполагал, что задача ЛП приведена к следующему виду.
Минимизировать z = СХ
при ограничениях
АХ = 0, IX = 1, Х>0.
Здесь все ограничения представлены в виде однородных уравнений, за исключением ограничения IX = Z"_,x/ = 1, которое определяет «-мерный правильный симплекс.4 Обоснованность алгоритма Кармаркара "покоится" на выполнении двух условий.
1. Вектор Х=|—,—.....—) удовлетворяет ограничениям АХ = О.
\п п п)
2. min z = 0.
Кармаркар предложил алгебраические преобразования, приводящие общую задачу ЛП к виду, представленному выше. Эти преобразования показаны в следующем примере. Там также показано, как в результате преобразований добиться того, чтобы вектор X = (1/п, 1/п, 1/п) являлся допустимым решением системы АХ = 0 (условие 1). Преобразования, необходимые для выполнения условия 2 (min г = 0), мы не приводим из-за их громоздкости и трудоемкости.
4 Симплексом (n-мерным) называется выпуклая оболочка п точек X,, Х2, Х„, не лежащих на одной (п - 2)-мерной плоскости. Точки X,, Х2, Хп являются вершинами симплекса, при этом любую точку симплекса можно представить как выпуклую комбинацию (см. раздел 7.1) его вершин. Двухмерный симплекс — это отрезок, трехмерный — треугольник, четырехмерный — тетраэдр. (Здесь размерность симплекса определяется по размерности пространства, а не по размерности (п - 1)-мерной гиперплоскости, на которой он расположен.) В данном случае вершинами симплекса являются точки X, = (0, 1,...,0), i= 1, л. Такой симплекс является частным случаем правильного симплекса. —Прим. ред.
7.7. Метод Кармаркара
Пример 7.7.1
Рассмотрим следующую задачу.
Максимизировать z = у,+ у2
при ограничениях
У, + 2у2<2, */„*/2>0.
С помощью дополнительной переменной у3 > О преобразуем ограничение у, + 2у2 < 2 в равенство:
i/, + 2i/2 + z/3 = 2.
Теперь введем неравенство
Ух + Уг + У г ^ U,
где U — достаточно большое положительное число, но такое, которое не удаляло бы ни одной допустимой точки исходного пространства решений. В данном примере, исходя из равенства у, + 2у2 + у3 = 2, достаточно взять U, равное 5. После введения еще одной дополнительной переменной у4 получаем
У, +У2 + У3 + У4 = 5-
Дата публикования: 2014-11-18; Прочитано: 573 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!