Целочисленного программирования

1. Построить систему координат x₁0х₂ и выбрать масштаб.

2. Найти область допустимых решений (ОДР) системы ограничений задачи.

3. Построить целевую функцию, являющуюся линией уровня и на ней указать направление нормали.

4. Переместить линию целевой функции по направлению нормали через ОДР, чтобы она из секущей стала касательной к ОДР и проходила через наиболее удаленную от начала координат точку. Эта точка будет являться точкой экстремума, т.е. решением задачи.

Если окажется, что линия целевой функции параллельна одной из сторон ОДР, то в этом случае экстремум достигается во всех точках соответствующей стороны, а задача линейного программирования будет иметь бесчисленное множество решений.

5. Найти координаты, точки экстремума и значение целевой функции в ней. Если полученные значения не целочисленные, то перейти к следующему шагу.

6. Выделить у этих координат область с целочисленными значениями.

7. Определить новые координаты и построить граф.

8. Найти точки с целыми значениями искомых переменных, подставить в уравнение целевой функции и найти её значение. Максимальное из полученных значений целевой функции и будет решением задачи.

Пример решения задачи целочисленного программирования.

Условие задачи.

Решить методом ветвей и границ задачу, имеющую следующую математическую модель.

Решение:

1. Находим координаты точек каждого линейного уравнения системы ограничений и строим прямые

1 прямая: 3х₁+2х₂=1

если х₁=1, то 2х₂=12, х₂=6

если х₂= 0, то 3х₁=12, х₁=4

2 прямая: 2х₁+5х₂=20

если х₁=0, то 5х₂=20, х₂=4;

если х₂=0, то 2х₁=20, х₁=10

2. Находим ОДР.

 

Так как х₁, х₂ ≥ 0, то область будет ограничен прямыми ОХ₁ и ОХ₂ и построенными прямыми (см. рис.1).

 

3. Находим координаты точек целевой функции и строим прямую целевой функции:

7х1+4х2=0

- первая точка х₁=0; х₂=0

- вторая точка х₁=4, х₂=(-7).

 

4. Перемещаем прямую целевой функции по направлению через ОДР до тех пор, пока она не станет касательной к ней, и находим точку А₀.

 

5. Находим координаты точек А₀ и значение целевой функции в ней:

Х1=1,8; х2=3,27;

Z=7×1,8+4×3,27=12,6+13,08=25,68

 

Получен не целочисленный оптимальный план

 

6. выделим область относительно точки А₀ беря целые значения 1 ≤ х₁ ≤ 2; 3 ≤ х₂ ≤ 4.

Получим координаты точек по границе этой области:

А₁ (1;3,6) А₂ (2;3); А₃ (0;4); А₄ (1;3); А₅ (0;3); А₆ (1;0); А₇ (2;0).

7. Строим граф (рис.2)

8. Для точек с целыми значениямиих координат (искомые значения х₁ и х₂) находим значения целевой функции:

 

Для точки А₂ (2;3) Z₂= 7×2+4×3=26

Для точки А₃ (0;4) Z₃= 7×0+4×4=16

Для точки А₄ (1;3) Z₄= 7×1+4×3=19

Для точки А₅ (0;3) Z₅= 7×0+4×3=12

Для точки А₆ (1;0) Z₆= 7×1+4×0=7

Для точки А₇ (2;0) Z₇= 7×2+4×0=14

 

 

Так как максимальное значение целевой функции находится для точки А2 (2;3), то она и будет оптимальным целочисленным решением задачи.

Ответ: Z=26; х₁=2; х₂=3.

 

 

 

 

5.4. Задача коммивояжера.

 

 

Имеется необходимость посетить n городов в ходе деловой поездки. Спланировать поездку нужно так, чтобы, переезжая из города в город, побывать в каждом не более одного раза и вернуться в исходный город. Определить оптимальный маршрут посещения городов и его минимальное расстояние.

Задана матрица расстояний между городами c_ij.

Сформулированная задача - задача целочисленная. Пусть х_ij = 1, если путешественник переезжает из i -ого города в j-ый и х_ij = 0, если это не так.

Формально введем (n+1) город, расположенный там же, где и первый город, т.е. расстояния от (n+1) города до любого другого, отличного от первого, равны расстояниям от первого города. При этом, если из первого города можно лишь выйти, то в (n+1) город можно лишь придти.

Введем дополнительные целые переменные, равные номеру посещения этого города на пути. u₁ = 0, u_n+1 = n. Для того, чтобы избежать замкнутых путей, выйти из первого города и вернуться в (n+1) введем дополнительные ограничения, связывающие переменные x_ij и переменные u_i. (u_i целые неотрицательные числа).

 

2. Математическая модель

 

5.5. Пример решения задачи.

 

 

Условия задачи:

Необходимо посетить 4 города в ходе деловой поездки Спланировать поездку нужно так, чтобы, переезжая из города в город, побывать в каждом не более одного раза и вернуться в исходный город. Определить оптимальный маршрут посещения городов и его минимальное расстояние.

Матрица расстояний c_ij между городами задана таблицей:

 

Номер города

 

Решение задачи.

 

Составляем математическую модель задачи.

 

Z_min=19х₁₂+25х₁₃₊11х₁₃₊37х₂₁+26х₂₃+58х₂₄+10х₃₁+50х₃₂+39х₃₄+38х₄₁+39х₄₂+24х₄₃

 

х₁₂+х₁₃+х₁₄=1 х₂₁+х₃₁+х₄₁=1

х₂₁+х₂₃+х₂₄=1 х₁₂+х₃₂+х₄₂=1

х₄₁+х₄₂+х₃₄=1 х₁₃+х₂₃+х₄₃=1

х₂₁+х₂₃+х₂₄=1 х₁₄+х₄₂+х₃₄=1

 

U₁ - U₂ + 4х₁₂ < 3

U₁ –U₃ + 4х₁₃ < 3

U₁ – U₄+ 4х₁₄ < 3

U₂ – U₃ + 4х₂₃ < 3

U₂ –U₄ + 4х₂₄ < 3

U₃ – U₂+ 4х₃₂ < 3

U₃ – U₄ + 4х₃₄ < 3

U₄ – U₂ + 4х₄₂ < 3

U₄ –U₃ + 4х₄₃ < 3

U₄ – U₁+ 4х₄₁ < 3

U₃ – U₁ + 4х₃₁ < 3

U₂ –U₁ + 4х₂₁ < 3

 

0,

 

Х_ij= - ЦЕЛЫЕ,

 

где:

Z_min - минимальный маршрут посещения городов;

 

c_ij - расстояние между городами ij;

 

U_i - номер посещения i – го города.

 

 

Строим граф посещения городов с учетом возможных маршрутов движения коммивояжера.

Граф посещения городов:

 

2

4

4

4

3

 

 

25 11

 

58 50 39 24 39

 

39 24 58 39 50 26

 

38 10 38 37 37 10

 

 

122 111 171 140 122 86

 

 

где:

--- расстояние между городами;

--- расстояние, пройденное по маршруту;

--- расстояние, пройденное по минимальному маршруту.

Номер города

 

Ответ:

 

Минимальный маршрут: 1 --- 4 --- 2 --- 3 --- 1.

 

Минимальное расстояние – 86 ед.

Контрольные вопросы.

1. Сформулируйте постановку задачи целочисленного программирования.

2. Математическая модель задачи целочисленного программирования, ее особенности.

3. Метод ветвей и границ и его применение.

4. Алгоритм графического решения задачи целочисленного программирования.

5. Как построить граф целочисленной области возможных решений задачи?

6. Как определить целочисленный план и экстремальное значение целевой функции?

7. Сформулируйте задачу о коммивояжере.

8. Какие экономико-математические модели могут быть сведены к задаче о коммивояжере?

9. Как построить математическую модель задачи о коммивояжере?

10. Как называются переменные в математической модели задачи о коммивояжере?

 

 

6.Лекция. Динамическое программирование.

 

Постановка задачи.

 

Динамическое программирование – раздел оптимального программирования (оптимального управления), в котором процесс принятия решения и управления, может быть разбит на отдельные этапы (шаги).

Динамическое программирование позволяет свести одну сложную задачу со многими переменными ко многим задачам с малым числом переменных. Это значительно сокращает объем вычислений и ускоряет процесс принятия управленческого решения.

Экономический процесс является управляемым, если можно влиять на ход его развития.

Управление – совокупность решений, принимаемых на каждом этапе для влияния на ход развития процесса.

Операция – управляемый процесс, т.е. мы можем выбирать какие-то параметры, влияющие на ход процесса и управлять шагами операции, обеспечивать выигрыши на каждом шаге и в целом за операцию.

 

Решение на каждом шаге называется «шаговым управлением».

 

Совокупность всех шаговых управлений представляет собой управление операцией в целом.

При распределении средств между предприятиями шагами целесообразно считать номер очередного предприятия; при распределении на несколько лет ресурсов деятельности предприятия – временной период. В других задачах разделение на шаги вводится искусственно.

 

Требуется найти такое управление (х), при котором выигрыш обращался бы в максимум:

F(x)=

Где F – выигрыш за операцию;

F_i(x_i) – выигрыш на i-м шаге;

х – управление операцией в целом;

х_i – управление на i-м шаге (i=1,2,…,m). В общем случае шаговые управления (х₁, х₂, … х_m) могут стать числами, векторами, функциями.

 

То управление (х*), при котором достигается максимум, называется оптимальным управлением. Оптимальность управления состоит из совокупности оптимальных шаговых управлений х* = х*₁, х*₂, … х*_m

F* = max {F*(х*)} – максимальный выигрыш, который достигается при оптимальном управлении х*.

Исходя из условий, каждой конкретной задачи длину шага выбирают таким образом, чтобы на каждом шаге получить простую задачу оптимизации и обеспечить требуемую точность вычислений.