Линейное программирование: постановка задач и графическое решение

 

 

 

 

 

 

 

КУРСОВОЙ  ПРОЕКТ ПО ДИСЦИПЛИНЕ

«ЭКОНОМИКО-МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ»

 

 

 

 

Тема. Линейное программирование: постановка задач и графическое решение.

 

 

 

 

 

 

 

 

Научный руководитель:

Чернов

Александр Степанович

Исполнитель:

Кудрявцева

Елена Александровна

 

 

 

 

 

 

Г. Мурманск

1998 год

 

ПЛАН.

 

Введение.

1. Общая задача линейного программирования.
1. Формулировка задачи.
2. Геометрическая интерпретация задачи линейного программирования.
2. Графический метод решения задачи линейного программирования.
1. Область применения.
2. Примеры задач, решаемых графическим методом.
3. Обобщение графического метода решения задач линейного программирования.

Литература.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение.

 

Линейное программирование - это наука о методах исследования и отыскания наибольших и наименьших значений линейной функции, на неизвестные которой наложены линейные ограничения. Таким образом, задачи линейного программирования относятся к задачам на условный экстремум функции. Казалось бы, что для исследования линейной функции многих переменных на условный экстремум достаточно применить хорошо разработанные методы математического анализа, однако невозможность их использования можно довольно просто проиллюстрировать.

Действительно, путь необходимо исследовать на экстремум  линейную функцию Z = С₁х₁+С₂х₂+... +С_Nx_N

при линейных ограничениях

 

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N = b₁

a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N = b₂

. . . . . . . . . . . . . . .

a_М1x₁ + a_М2x₂ + ... + a_МNХ_N = b_М

 

Так как Z - линейная функция, то   = С_j (j = 1, 2, ..., n), то все коэффициенты линейной функции не могут быть равны нулю, следовательно, внутри области, образованной системой ограничений, экстремальные точки не существуют. Они могут быть на границе области, но исследовать точки границы невозможно, поскольку частные производные являются константами.

Для решения  задач  линейного программирования потребовалось создание специальных  методов. Особенно широкое распространение  линейное программирование получило в  экономике, так как исследование зависимостей между  величинами, встречающимися во многих экономических задачах, приводит к линейной функции с линейными ограничениями, наложенными на неизвестные.

 

 

 

 

 

 

 

 

 

 

 

 

1. Общая задача линейного программирования

 

1. Формулировка задачи.

 

Даны линейная функция 

(1.1)    Z = С₁х₁+С₂х₂+... +С_Nx_N

и система линейных ограничений

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N = b₁

a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N = b₂

. . . . . . . . . . . . . . .

(1.2)  a_i1x₁ + a_i2x₂ + ... + a_iNХ_N = b_i

. . . . . . . . . . . . . . .

a_M1x₁ + a_M2x₂ + ... + a_MNХ_N = b_M

 

(1.3)  x_j   0 (j = 1, 2, ... ,n)

где а_ij, Ь_j и С_j - заданные постоянные величины.

Найти такие  неотрицательные значения х₁, х₂, ..., х_n, которые удовлетворяют системе ограничений (1.2) и доставляют линейной функции (1.1)минимальное значение.

Общая задача имеет несколько  форм записи.

Векторная форма записи. Минимизировать линейную функцию Z = СХ при ограничениях

(1.4)   А₁х₁ + А₂x₂ + ... + А_Nx_N = А_о, X 0

где С = (с₁, с₂, ..., с_N); Х = (х₁, х₂, ..., х_N); СХ - скалярное произведение; векторы

 

A₁ =   , A₂ =  ,..., A_N =  , A₀ =

 

 

состоят соответственно из коэффициентов при неизвестных  и свободных членах.

Матричная форма записи. Минимизировать линейную функцию, Z = СХ при ограничениях АХ = А₀, Х 0, где С = (с₁, с₂, ..., с_N) - матрица-cтрока; А = (а_ij) - матрица системы;

Х =   - матрица-столбец, А₀ =   матрица-столбец

 

 

Запись  с помощью знаков суммирования. Минимизировать линейную функцию Z =   С_jх_j при ограничениях

 

 

0пределение 1. Планом или допустимым решением задачи линейного программирования называется Х = (х₁, х₂, ..., х_N), удовлетворяющий условиям (1.2) и (1.3).               

0пределение 2. План Х = (х₁, х₂, ..., х_N) называется опорным, если векторы А (i = 1, 2, ..., N), входящие в разложение (1.4) с положительными коэффициентами  х , являются  линейно независимыми.

Так как векторы А являются N-мерными, то из определения опорного плана следует, что число его положительных компонент не может превышать М.

0пределение 3. Опорный план называется невырожденным, если он содержит М положительных компонент, в противном случае опорный план называется вырожденным.

0пределение 4. Оптимальным планом или оптимальным решением задачи линейного программирования называется план, доставляющий наименьшее (наибольшее) значение линейной функции.

В дальнейшем рассмотрено  решение задач  линейного программирования, связанных с нахождением минимального значения линейной функции. Там, где необходимо найти максимальное значение линейной функции, достаточно заменить на противоположный знак линейной функции и найти минимальное значение последней функции. Заменяя на противоположный знак полученного минимального значения, определяем максимальное значение исходной линейной функции.

 

2. Геометрическая интерпретация задачи линейного программирования.

 

Рассмотрим задачу линейного  программирования, система ограничений которой задана в виде неравенств.

Найти минимальное значение линейной функции 

(1.5)    Z = С₁х₁+С₂х₂+... +С_Nx_N

при ограничениях

a₁₁x₁ + a₂₂x₂ + ... + a_1NХ_N   b₁

a₂₁x₁ + a₂₂x₂ + ... + a_2NХ_N   b₂

(1.6)  . . . . . . . . . . . . . . .

a_M1x₁ + a_M2x₂ + ... + a_MNХ_N   b_M

 

(1.7)  x_j   0 (j = 1, 2, ... ,n)

 

Совокупность чисел х₁, х₂, ..., х_N, удовлетворяющих ограничениям (1.6) и (1.7), называется решением. Если система неравенств (1.6) при условии (1.7) имеет хотя бы одно решение, она называется совместной, в противном случае - несовместной.

 

Рассмотрим на плоскости х₁Ох₂ совместную систему линейных неравенств

 

a₁₁x₁ + a₂₂x₂   b₁

a₂₁x₁ + a₂₂x₂   b₂

  . . . . . . . .

a_M1x₁ + a_M2x₂   b_M

 

x₁  0, x₂ 0

 

Это все равно, что в системе (1.6) - (1.7) положить N=2. Каждое неравенство этой  системы геометрически определяет полуплоскость с граничной прямой

a_i1x₁ + a_i2x₂ = b_i ,(i = 1, 2, ..., m). Условия неотрицательности определяют  полуплоскости соответственно  с граничными прямыми х = 0, х = 0. Система совместна, поэтому полуплоскости, как выпуклые множества, пересекаясь, образуют общую часть, которая является выпуклым множеством и представляет собой совокупность точек, координаты каждой из которых  являются решением данной системы (рис. 1.1).

Совокупность этих точек (решений) назовем многоугольником решений. Он может быть точкой, отрезком, лучом, много-угольником, неограничен-ной многоугольной облас-тью.

Если в системе  ограничений (1.6) - (1.7) n = 3, то каждое нера-венство геометрически представляет полупространство трехмерного пространства, граничная плоскость которого a_i1x₁ + a_i2x₂ + a_i3x₃ = b_i  ,(i = 1, 2, ..., n), а условия неотрицательности – полупрост-ранства с граничными плоскостями соответственно х_j = 0 (j = 1, 2, 3). Если система ограничений совместна, то эти полупространства, как выпуклые множества, пересекаясь, образуют в трехмерном пространстве общую часть, которая  называется многогранником решений. Многогранник решений может быть точкой, отрезком, лучом, многоугольником, многогранником, многогранной неограниченной областью. Пусть в системе ограничений (1.6) - (1.7) n 3; тогда каждое неравенство определяет полупространство n-мерного пространства с граничной гиперплоскостью a_i1x₁ + a_i2x₂ + a_iNx_N = b_i (i = 1, 2, ..., m), а условия неотрицательности – полупространства с граничными гиперплоскостями х_j 0 (j = 1, 2, ..., n).

 Если система  ограничений совместна, то по  аналогии с трехмерным пространством она образует общую часть n-мерного пространства, называемую многогранником решений, так как координаты каждой его точки являются решением.

 Таким   образом,  геометрически  задача  линейного программирования представляет  собой отыскание  такой точки  многогранника решений, координаты  которой доставляют  линейной функции  минимальное значение, причем допустимыми решениями  служат все  точки многогранника решений.

 

2. Графический метод решения 

задачи линейного программирования.

 

1. Область применения.

 

Графический метод основан  на геометрической интерпретации задачи линейного программирования и применяется в основном при решении задач двумерного пространства и только некоторых задач трехмерного простран6тва, так как довольно трудно построить многогранник решений, который образуется в результате пересечения полупространств. Задачу пространства размерности больше  трех изобразить графически вообще невозможно.

Пусть задача линейного программирования задана в двумерном пространстве, т. е. ограничения содержат две переменные.

Найти минимальное значение функции 

(2.1)   Z = С₁х₁+С₂х₂

при

a₁₁x₁ + a₂₂x₂   b₁

(2.2)  a₂₁x₁ + a₂₂x₂   b₂

  . . . . . . . .

a_M1x₁ + a_M2x₂   b_M

 

(2.3)   х₁   0, х₂   0

 

Допустим, что  система (2.2) при условии (2.3) совместна и ее многоугольник решений ограничен. Каждое из неравенств (2.2) и (2.3), как отмечалось выше, определяет полуплоскость с граничными прямыми: a_i1x₁ + a_i2x₂ + a_i3x₃  = b_i,(i = 1, 2, ..., n), х₁=0, х₂=0. Линейная функция (2.1) при фиксированных значениях Z является уравнением прямой линии: С₁х₁ + С₂х₂ = const. Построим многоугольник решений системы ограничений (2.2) и график  линейной функции (2.1) при Z = 0 (рис. 2.1). Тогда поставленной задаче линейного прграммирования можно дать  следующую интерпретацию.  Найти точку многоугольника решений, в которой прямая С₁х₁ + С₂х₂ = const опорная и функция Z при этом достигает минимума.          

 Значения Z = С₁х₁ + С₂х₂ возрастают в направлении вектора N =(С₁, С₂), поэтому прямую Z = 0 передвигаем параллельно самой себе в направлении вектора Х. Из рис. 2.1 следует, что прямая дважды становится опорной по отношению к многоугольнику решений (в точках А и С), причем минимальное значение принимает в точке А. Координаты точки А (х₁, х₂) находим, решая систему уравнений прямых АВ и АЕ.                                

  Если многоугольник решений  представляет собой неограниченную многоуголь-ную область, то возможны два случая.              

Случай 1. Прямая С₁х₁ + С₂х₂ = const, передвигаясь в направлении вектора N или противоположно ему,  постоянно пересекает  многоугольник решений и ни в какой точке не является  опорной к нему. В этом случае линейная функция не ограничена на многоугольнике решений как сверху, так и снизу (рис. 2.2).             

Случай 2. Прямая, пере-двигаясь, все же становится опорной относительно многоу-гольника решений (рис. 2.2, а – 2.2, в). Тогда  в зави-симости от вида  области ли-нейная  функция может  быть ограниченной сверху и неограниченной снизу (рис.  2.2, а),  ограниченной снизу и неограниченной сверху (рис. 2.2, б), либо ограниченной как снизу, так и сверху (рис. 2.2, в).

2.1. Примеры задач, решаемых графическим методом.     

 

Решим  графическим  методом  задачи использования сырья  и составления рациона.

 

Задача  использования сырья. Для изготовления двух видов продукции Р₁ и Р₂ используют три вида сырья: S₁, S₂, S₃. Запасы сырья, количество единиц сырья, затрачиваемых на изготовление единицы продукци, а так же величина прибыли, получаемая от реализации единицы продукции, приведены в таблице 2.1.