![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Глава 9. Целочисленное линейное программирование
Компания ABC собирается выбрать три или четыре рекламных центра. Где они должны быть расположены?
9.4. 6 Электрическая компания, обслуживающая сельские районы, хочет определить количество своих сервисных центров и их местоположение. Компания обслуживает 5 районов, в которых проживает следующее число потребителей.
Район | |||||
К-во потребителей |
Компания определила пять возможных мест для размещения своих сервисных центров. В следующей таблице приведены средние расстояния от этих возможных центров до районов потребления.
Сервисный центр
Район | |||||
Средняя скорость передвижения аварийных машин сервисных центров составляет 45 миль в час. Компания хочет, чтобы пользователи в любом районе ожидали аварийные машины не более 90 минут. Где должны располагаться сервисные центры?
6 Задача основана на материалах статьи Erkut Е., Myrdon Т., Strangway К. "Transatlanta Redesigns Its Service Delivery Network", Interfaces, Vol.30, No. 2, 2000, pp. 54-69.
ГЛАВА 10
ДЕТЕРМИНИРОВАННЫЕ МОДЕЛИ
ДИНАМИЧЕСКОГО
ПРОГРАММИРОВАНИЯ
Динамическое программирование (ДП) определяет оптимальное решение п-мерной задачи путем ее декомпозиции на п этапов, каждый из которых представляет подзадачу относительно одной переменной. Вычислительное преимущество такого подхода состоит в том, что мы занимаемся решением одномерных оптимизационных подзадач вместо большой л-мерной задачи. Фундаментальным принципом 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 каждого этапа. Вычислительные аспекты решения оптимизационных подзадач на каждом этапе проектируются и реализуются по отдельности (что, конечно, не исключает применения единого алгоритма для всех этапов).
10.1. РЕКУРРЕНТНАЯ ПРИРОДА ВЫЧИСЛЕНИЙ ДП
Вычисления в ДП выполняются рекуррентно в том смысле, что оптимальное решение одной подзадачи используется в качестве исходных данных для следующей. Решив последнюю подзадачу, мы получим оптимальное решение исходной задачи. Способ выполнения рекуррентных вычислений зависит от того, как производится декомпозиция исходной задачи. В частности, подзадачи обычно связаны между собой некоторыми общими ограничениями. Если осуществляется переход от одной подзадачи к другой, то должны учитываться эти ограничения.
Пример 10.1.1. Задача о кратчайшем пути
Предположим, необходимо выбрать кратчайший путь между двумя городами. Сеть дорог, показанная на рис. 10.1, представляет возможные маршруты между исходным городом, находящимся в узле 1, и конечным пунктом, который находится в узле 7. Маршруты проходят через промежуточные города, обозначенные на сети узлами с номерами 2-6.
Глава 10. Детерминированные модели динамического программирования
Старт м
Рис. 10.1. Сеть дорог для примера 10.1.1
Мы можем решить эту задачу посредством полного перебора всех маршрутов между 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, сначала разделим ее на этапы. Вертикальные пунктирные линии на рис. 10.2 очерчивают три этапа задачи. Далее выполняются вычисления для каждого этапа в отдельности.
Рис. 10.2. Декомпозиция задачи на три этапа
Общая задача состоит в вычислении кратчайших (постепенно накапливаемых) расстояний ко всем вершинам этапа с последующим использованием этих расстояний в качестве исходных данных для следующего этапа. Рассматривая узлы, относящиеся к первому этапу, замечаем, что каждый из узлов 2, 3 и 4 связан с начальным узлом 1 единственной дугой (рис. 10.2). Следовательно, для первого этапа имеем следующее.
Этап 1. Итоговые результаты.
Кратчайший путь к узлу 2 равен 7 миль (из узла 1).
Кратчайший путь к узлу 3 равен 8 миль (из узла 1).
Кратчайший путь к узлу 4 равен 5 миль (из узла 1).
Далее переходим ко второму этапу для вычисления кратчайших (накопленных) расстояний к узлам 5 и 6. Рассматривая узел 5 первым, из рис. 10.2 замечаем, что
10.1. Рекуррентная природа вычислений ДП
есть три возможных маршрута, по которым можно достичь узла 5, а именно (2, 5), (3, 5) и (4, 5). Эта информация вместе с кратчайшими расстояниями к узлам 2, 3, и 4 определяет кратчайшее (накопленное) расстояние к узлу 5 следующим образом.
Кратчайший
I = min
чпуть к узлу 5 I ''=2.з.4
Кратчайший "\ (Расстояние от ^путь к узлу i J yysna / к узлу 5, 7 + 12 = 19
8+ 8 = 16 5+ 7 = 12
Аналогично для узла 6 имеем следующее.
Кратчайший ^ \(Кратчайший
= тЫ
путь к узлу 6) '=3 4 И путь к узлу i
-12 (изузла4).
Расстояние от чузла (' к узлу 6
S+ 9 = 17:min<? = 17 (изузла3).
15+ 13 = 18' 1 '
Этап 2. Итоговые результаты.
Кратчайший путь к узлу 5 равен 12 миль (из узла 4).
Кратчайший путь к узлу 6 равен 17 миль (из узла 3).
Последним шагом является третий этап. Конечный узел 7 можно достичь как из узла 5, так и 6. Используя итоговые результаты этапа 2 и расстояния от узлов 5 и 6 к узлу 7, получаем следующее.
'Кратчайший4 путь к узлу 1 /
12 + 9 = 21:min() = 21 (из узла 5).
17 + 6 = 23' V У '
Этап 3. Итоговые результаты.
Кратчайший путь к узлу 7 равен 21 миле (из узла 5).
Приведенные вычисления показывают, что кратчайшее расстояние между узлами 1 и 7 равно 21 миле. Города, через которые проходит кратчайший маршрут, определяются следующим образом. Из итоговых результатов третьего этапа следует, что узел 7 связывается с узлом 5. Далее из итоговых результатов второго этапа следует, что узел 4 связывается с узлом 5. Наконец, из итоговых результатов первого этапа следует, что узел 4 связывается с узлом 1. Следовательно, оптимальным маршрутом является последовательность 1—> 4-* 5-* 7.
Теперь покажем, как рекуррентные вычисления динамического программирования можно выразить математически. Пусть Дх,-) — кратчайшее расстояние до узла х, на этапе /, d(xLljci) — расстояние от узла до узла дг,. Тогда / вычисляется на основе значений fLl с помощью следующего рекуррентного уравнения.
/(*,)= min {«/(*,_,,*,) + /-.(*,-.)}. 1 = 1.2,3.
все допустимые L 1 {xi-\-xi)-маршругы
При /' = 1 полагаем /0(*0) = 0. Это уравнение показывает, что кратчайшие расстояния /(дг,) на этапе / должны быть выражены как функции следующего узла дг,. В терминологии динамического программирования дг, именуется состоянием системы на этапе /.
Глава 10. Детерминированные модели динамического программирования
В действительности состояние системы на этапе i— это информация, связывающая этапы между собой, при этом оптимальные решения для оставшихся этапов могут приниматься без повторной проверки того, как были получены решения на предыдущих этапах. Такое определение состояния системы позволяет рассматривать каждый этап отдельно и гарантирует, что решение является допустимым на каждом этапе.
Определение состояния системы приводит к следующему унифицированному положению.
Принцип оптимальности. На каждом этапе оптимальная стратегия определяется независимо от стратегий, использованных на предыдущих этапах.
Применение принципа оптимальности демонстрируется вычислениями из примера 10.1.1. Например, на этапе 3 мы используем кратчайшие пути к узлам 5 и 6 и не интересуемся, как эти узлы были достигнуты из узла 1.
УПРАЖНЕНИЯ 10.1
1. Решите задачу из примера 10.1.1, предполагая, что используются следующие длины маршрутов:
d(l, 2) = 5,^(1,3) = 9,^(1,4) = 8,
d(2, 5)= 10, d(2, 6)= 17,
d(3, 5) = 4, d(3, 6)= 10,
d(4, 5) = 9, d(4, 6) = 9,
d(5, 7) = 8,
d(6,1) = 9.
2. Я — заядлый турист. Прошлым летом мы с другом отправились в пятидневный 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 Адаме. Гора Вашингтон имеет шестимильную тропу от подножия до вершины. Аналогичные тропы гор Джефферсона и Адамса имеют длину 4 и 5 миль соответственно. Тропы, соединяющие подножия этих трех гор, имеют следующую длину: 3 мили между вершинами Вашингтона и Джефферсона, 2 мили между вершинами Джефферсона и Адамса и 5 миль между вершинами Адамса и Вашингтона. 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 также 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 решили, что не будем подниматься на одну и ту же вершину в течение двух дней подряд. Каким было расписание нашего похода?
10.2. РЕКУРРЕНТНЫЕ АЛГОРИТМЫ ПРЯМОЙ И ОБРАТНОЙ ПРОГОНКИ
В примере 10.1.1 вычисления проводились последовательно: от первого этапа до третьего. Такая последовательность вычислений известна как алгоритм прямой прогонки. Этот же пример может быть решен с помощью алгоритма обратной прогонки, в соответствии с которым вычисления проводятся от третьего этапа до первого.
10.2. Рекуррентные алгоритмы прямой и обратной прогонки
Алгоритмы прямой и обратной прогонки приводят к одному и тому же решению. Несмотря на то что алгоритм прямой прогонки представляется более логичным, в специальной литературе, посвященной динамическому программированию, неизменно используется алгоритм обратной прогонки. Причина этого в том, что в общем случае алгоритм обратной прогонки может быть более эффективным с вычислительной точки зрения. Продемонстрируем использование алгоритма обратной прогонки на примере 10.1.1. Мы также представим вычисления динамического программирования в компактной табличной форме.
Пример 10.2.1
Рекуррентное уравнение для алгоритма обратной прогонки в примере 10.1.1 имеет вид /(*,.)= min {d(x„xM) + fM{xM)}, / = 1,2,3,
вес допустимые [x,.x,.i)-маршругы
где ffixj = 0 для xt = 7. Соответствующей последовательностью вычислений будет
и-* и-* Л-
Этап 3. Поскольку узел 7 (xt = 7) связан с узлами 5 и 6 (х3 = 5 и 6) только одним маршрутом, альтернативы для выбора отсутствуют, а результаты третьего этапа можно подытожить следующим образом.
а\Х}, х4) Оптимальное решение
Xi х4 = 7 h(Xi) x't
5 9 9 7
6 6 6 7
Этап 2. Так как маршрута (2, 6) не существует, соответствующая альтернатива не рассматривается. Используя значения f3(x3), полученные на третьем этапе, мы можем сравнить допустимые альтернативные решения, как показано в следующей таблице.
Хг | ф2, Хз) + 6(*з) | Оптимальное решение | |
Хз = 5 | х3 = 6 | «*) xl | |
12 + 9 = 21 | — | 21 5 | |
8 + 9= 17 | 9 + 6 = 15 | 15 6 | |
7 + 9=16 | 13 + 6 = 19 | 16 5 |
Оптимальное решение второго этапа означает следующее. Если вы находитесь в узле (городе) 2 или 4, кратчайший путь к узлу 7 проходит через узел 5, а если в узле
3 — через узел 6.
Этап 1. Из узла 1 начинаются три альтернативных маршрута: (1, 2), (1, 3) и (1, 4). Используя значения f2(x2), полученные на втором этапе, вычисляем данные следующей таблицы.
Оптимальное решение на первом этапе показывает, что кратчайший путь проходит через город 4. Далее из оптимального решения на втором этапе следует, что из города
4 необходимо двигаться в город 5. Наконец, из оптимального решения на третьем этапе следует, что город 5 связан с городом 7. Следовательно, полным маршрутом, имеющим кратчайшую длину, является 1—> 4—> 5—> 7, и его длина равна 21 миле.
Глава 10. Детерминированные модели динамического программирования
а\хи x2) + f2(x2) | Оптимальное решение | ||
Х\ | х2 = 2 | х2 = 3 х2 = Л | |
7 + 21 = 28 | 8 + 15 = 23 5 + 16 = 21 | 21 4 |
УПРАЖНЕНИЯ 10.2
1. Для задачи из упражнения 10.1.1 получите рекуррентное соотношение обратной прогонки и используйте его для получения оптимального решения.
2. Для задачи из упражнения 10.1.2 получите рекуррентное соотношение обратной прогонки и используйте его для получения оптимального решения.
3. Определите кратчайший маршрут между городами 1 и 7 на сети дорог, представленной на рис. 10.3. Определите этапы и состояния системы с помощью алгоритма обратной прогонки, а затем решите задачу.
Рис. 10.3. Сеть для упражнения 3
10.3. ПРИЛОЖЕНИЯ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ
В данном разделе рассмотрено четыре примера, каждый из которых выбран для демонстрации методов динамического программирования. При рассмотрении каждого примера особое внимание обратите на три основных элемента моделей динамического программирования.
1. Определение этапов.
2. Определение на каждом этапе вариантов решения (альтернатив).
3. Определение состояний на каждом этапе.
Из перечисленных выше элементов понятие состояния, как правило, представляется весьма сложным для восприятия. Рассмотренные в этом разделе приложения последовательно показывают, что определение состояния меняется в зависимости от моделируемой ситуации. При рассмотрении каждого приложения полезно ответить на следующие вопросы.
1. Какие соотношения связывают этапы вместе?
2. Какая информация необходима для того, чтобы получить допустимые решения на текущем этапе без повторной проверки решений, принятых на предыдущих этапах?
10.3. Приложения динамического программирования
Мой опыт преподавания показывает, что понятие состояния удается глубже уяснить, если поставить под сомнение определение состояния, которое предложено в настоящей книге. Рекомендуем воспользоваться каким-либо другим определением, которое покажется вам "более логичным", и применить его в рекуррентных вычислениях. В конечном счете вы сможете убедиться, что приведенные здесь определения обеспечивают корректное решение задач. В то же время предложенный подход будет способствовать вашему пониманию самой концепции состояния.
10.3.1. Задача о загрузке
Задача о загрузке — это задача о рациональной загрузке судна (самолета, автомашины и т.п.), которое имеет ограничения по объему или грузоподъемности. Каждый помещенный на судно груз приносит определенную прибыль. Задача состоит в определении загрузки судна такими грузами, которые приносят наибольшую суммарную прибыль.
Перед тем как представить соотношения динамического программирования, заметим, что рассматриваемая здесь задача известна также как задача о снаряжении, где пилот реактивного самолета должен определить наиболее ценные (необходимые) предметы, которые следует взять на борт самолета, или как задача о рюкзаке, в которой солдат (или турист) должен определить наиболее ценные предметы, подлежащие загрузке в ранец (рюкзак). Кажется, что три упомянутых названия для одной и той же задачи были выбраны для того, чтобы гарантировать равное представительство военно-морского флота, воздушных сил и армии!
Рекуррентное уравнение процедуры обратной прогонки выводится для общей задачи загрузки судна грузоподъемностью W предметов (грузов) п наименований. Пусть т, — количество предметов £-го наименования, подлежащих загрузке, г,— прибыль, которую приносит один загруженный предмет /-го наименования, w,— вес одного предмета 1-го наименования. Общая задача имеет вид следующей целочисленной задачи линейного программирования.
Максимизировать z = гхтх + г2т2+... + гпт„
при условии,что
иуи,+ w2mi +... + w„m„< W, ть т2,т„>0 и целые.
Три элемента модели динамического программирования определяется следующим образом.
1. Этап i ставится в соответствие предмету /'-го наименования, i = 1,2,п.
2. Варианты решения на этапе i описываются количеством т, предметов /-го наименования, подлежащих загрузке. Соответствующая прибыль равна гр\,. Значение т,- заключено в пределах от 0 до [W/uv(], где [W/wJ — целая часть числа W/w,.
3. Состояние х, на этапе i выражает суммарный вес предметов, решения о погрузке которых приняты на этапах i, i + 1,п. Это определение отражает тот факт, что ограничение по весу является единственным, которое связывает п этапов вместе.
Пусть f,(x)— максимальная суммарная прибыль от этапов /', /'+ 1, я при заданном состоянии Xj. Проще всего рекуррентное уравнение определяется с помощью следующей двухшаговой процедуры.
Глава 10. Детерминированные модели динамического программирования
Выразим/;(*,) как функцию,/^,(х/+1) в виде
/.(*,.)= max {пт,+/м(хм)}, / = 1,2,..., я,
г, =0.1.....VV '
где/^х^,) = 0.
Выразим х^, как функцию х,- для гарантии того, что левая часть последнего уравнения является функцией лишь X;. По определению х; - xUl представляет собой вес, загруженный на этапе /, т.е. хг = WjiTij или X,,, = х;- иуя;. Следовательно, рекуррентное уравнение приобретает следующий вид.
/(*,.)= max ^{rifn.+fM(xi-wimi)}, / = 1,2,..., п.
wi,=0.1.....
г, =0.1.....w'
Пример 10.3.1
В 4-тонный самолет загружаются предметы трех наименований. Приведенная ниже таблица содержит данные о весе одного предмета w, (в тоннах) и прибыли г, (в тысячах долларов), получаемой от одного загруженного предмета. Как необходимо загрузить самолет, чтобы получить максимальную прибыль?
Предмет /' | IV; | г. |
Так как вес одного предмета w, для всех наименований и максимальный вес W принимают целочисленные значения, состояние х, может принимать лишь целочисленные 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 предметы третьего наименования совсем не загружаются или загружают самолет полностью. Остальные значения х3 (= 1, 2 или 3) предполагают частичную загрузку самолета предметами третьего наименования. Действительно при этих значениях х3 все оставшиеся емкости самолета могут быть заполнены предметами третьего наименования.
Так как вес w3 одного предмета третьего типа равен 1 тонне, максимальное количество единиц этого типа, которое может быть загружено, равно [4/1] = 4. Это означает, что возможными значениями х3 будут 0, 1, 2, 3 и 4. Решение т3 является допустимым лишь при условии, что w3m3<x3. Следовательно, все недопустимые альтернативы (те, для которых w3m3> х3) исключены. Следующее уравнение является основой для сравнения альтернатив на этапе 3.
/3(х3) = max{l4m3}, max{m3} =
Шаг1.
Шаг 2.
10.3. Приложения динамического программирования 449 В следующей таблице сравниваются допустимые решения для каждого значения х3.
Xi | 14/Пз | Оптимальное решение | |||||
т3 = 0 | т3 = 1 | т3 = 2 | т3 = 3 | т3 = 4 | "h | ||
— | — | — | — | ||||
— | — | — | |||||
— | — | ||||||
— | |||||||
Этап 2.
/2(х,) = max{47m, + /3(x, -3m,)}, тах{/и,} =
= 1.
47/772 + h(x2 - Зпь) Оптимальное решение
Xl /772 = 0 пь = 1 fi(x2) т
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 47+ 14 = 61 61 1
Этап 1.
/,(*,) = max {3 lm, +/,(*,- Ъщ)}, in, | max{m,} = | 'a' _2_ | = 2. | |||
Х\ | 31 т, + f2(xx | -2m,) | Оптимальное решение | |||
mi =0 | m, = 1 mi = 2 | м(х,) | m\ | |||
0 + 0 = 0 | — — | |||||
0 + 14=14 | — — | |||||
0 + 28 = 28 | 31+0 = 31 — | |||||
0 + 47 = 47 | 31+14 = 45 — | |||||
0 + 61 =61 | 31 + 28 = 59 62 + 0 = 62 |
Оптимальное решение определяется теперь следующим образом. Из условия W= 4 следует, что первый этап решения задачи при хг = 4 дает оптимальное решение ml = 2, которое означает, что два предмета первого наименования будут загружены
в самолет. Эта загрузка оставляет х2 = xt - 2 т\ =4-2x2 = 0. Решение на втором этапе при хг=0 приводит к оптимальному решению т\ =0, которое, в свою очередь, дает х3 = х2- 3т' = 0-3x0 = 0. Далее этап 3 при х3 = 0 приводит к т\ =0.
Глава 10. Детерминированные модели динамического программирования
Следовательно, оптимальным решением задачи является т\ =2, т\ = О и т\ = 0* Соответствующая прибыль равна 62 ООО долларов.
В таблице для первого этапа нам, по существу, необходимо получить оптимальное решение лишь для xt = 4, так как это последний этап, подлежащий рассмотрению. Однако в таблицу включены также вычисления для х, = 0, 1, 2 и 3, которые позво" ляют провести анализ чувствительности решения. Например, что произойдет, если максимальная грузоподъемность самолета будет 3 тонны вместо 4? Новое оптимальное решение может быть определено, начиная с х, = 3 на первом этапе и продолжая так, как мы поступали при я, = 4.
Задача о загрузке является типичным представителем задачи распределения ресурсов, в которой ограниченный ресурс распределяется между конечным числом видов (экономической) деятельности. При этом целью является максимизация соответствующей функции прибыли. В таких моделях определение состояния на каждом этапе будет аналогично приведенному для задачи о загрузке: состоянием на этапе i является суммарное количество ресурса, распределяемого на этапах i,l+l,п.
Решение задачи о загрузке в Excel. Природа вычислений в динамическом программировании такова, что делает невозможным разработку универсальных программ для решения задач ДП. Возможно, этим объясняется отсутствие на сегодняшний день коммерческих программных продуктов, рассчитанных на решение широкого класса задач ДП.
Здесь мы покажем, как решается в Excel один подкласс задач ДП — задача о загрузке с одним ограничением (файл chlOKnapsack.xls1). На рис. 10.4 показан рабочий лист Excel для решения задачи о загрузке методом обратной прогонки. Рабочий лист разбит на два раздела. В разделе, ограниченном столбцами Q:V, выводятся результаты вычислений. В другом разделе (столбцы А:Р) в его верхней части (строки 3-6) содержатся входные данные для текущего этапа, нижняя часть (строка 7 и ниже) зарезервирована для вывода результатов вычислений по этапам. Отметим, что максимальное возможное число альтернатив т, на этапе i не должно превышать 10 (ячейки D6:N6).
А | e | с | D | e | F - | о | H | •> | к | L | U | N | О |P | Q - R | S | T, U | V | ||
Dynamic Prog | lammir | q (Backward) Knapsack Model | ||||||||||||||
Input Data and Step* Calculation* | Ouput Solution Summary | |||||||||||||||
Ilumber of *taae*1№* | Re*, limit, W- | ••Maximum WAv cannot exceed 10 | x 1 m | x 1 m | ||||||||||||
uirent stage- 1 | ||||||||||||||||
Are m vatubt correct? | 1 Stage | |||||||||||||||
Optimum | ||||||||||||||||
r"m« | Solution | |||||||||||||||
в | f m | |||||||||||||||
1 | ||||||||||||||||
Puc. 10.4. Шаблон Excel для решения задачи о загрузке
Дата публикования: 2014-11-18; Прочитано: 1137 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!