Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Метод Гомори для частично-целочисленных задач
Для частично-целочисленных задач характерно то, что требование целочисленности накладывается только на часть Рис. 9.4. Графический метод решения задач
переменных. В целом последовательность решения этих задач такова же, как и полностью целочисленных задач, а именно: 1) решается задача ЦЛП с ослабленными ограничениями; 2) на основе итоговой симплекс-таблицы выбирается производящая строка и формируется уравнение отсечения Гомори; 3) решается дополнительная задача ЛП с применением двойственного симплекс-метода. Различие с первым алгорит- мом состоит лишь в способе формирования уравнения отсече- ния Гомори. Допустим, что получено решение задачи ЦЛП с ослаблен- ными ограничениями. Из итоговой симплекс-таблицы выписы- вается производящая строка для той переменной xk, на кото- рую наложено требование целочисленности: где qj — небазисная переменная, на которую в общем случае условие целочисленности может быть и не наложено. Правую часть равенства представляют в виде суммы це- лой и дробной частей числа:
если же xk ≥ [βk] + 1, тогда . Поскольку нецелочисленные коэффициенты αkj могут быть как положительными, так и отрицательными, то их разделяют следующим образом. Вводят J+ — множество индексов j, для которых αkj ≥ 0, и J — множество индексов, для которых α < 0.
После небольших преобразований: либо составляют совместное уравнение либо, добавляя остаточную переменную, формируют уравне- ние отсекающей плоскости: Это уравнение определяет искомое отсечение Гомори для частично-целочисленных задач и представляет собой необхо- димое условие целочисленности переменной xk. Далее решается дополнительная задача ЛП (с расширен- ной симплекс-таблицей) двойственным симплекс-методом и определяется целочисленное значение рассматриваемой пере- менной. Основным недостатком метода отсекающих плоскостей Гомори является невозможность решения целочисленных за- дач большой размерности.
Метод ветвей и границ Этот метод так же, как и метод отсечений Гомори, приме- ним для решения как полностью, так и частично-целочислен- ных задач и тоже основан на первоначальном решении задачи ЛП с ослабленными ограничениями. Идея метода основана на переборе всех возможных комбинаций целочисленных значе- ний переменных задачи. Однако при большой размерности за- дачи ЦЛП подобный перебор может потребовать много времени, а иногда и вообще невозможен. Рациональность этого процесса обеспечивается рядом процедур, которые существенно снижа- ют количество просматриваемых комбинаций.
Процесс решения задачи состоит из нескольких последо- вательно выполняемых шагов. 1. Решение задачи ЛП с ослабленными ограничениями. Если ЦФ и переменные удовлетворяют требованию целочис- ленности, то полученное решение рассматривается в качестве оптимального. В противном случае переходят к шагу 2. 2. Формирование ветвей исследования. Допустим, условию целочисленности не удовлетворяют переменные xk, xr. Тогда на основе дробного значения, например, xk формируются две не связанные между собой подзадачи: а) xk ≤ [xk]; б) xk ≥ [xk] + 1. В общем случае выбор переменной, на основе которой ор- ганизуется процесс ветвления, влияет на эффективность ре- шения задачи. Для такого выбора существуют специальные эмпирические или эвристические процедуры. 3. Решение подзадачи а). Решение осуществляется на осно- ве итоговой симплекс-таблицы. Рассматриваемое неравенство приводится к стандартному виду путем добавления остаточной переменной, которая вводится в задачу как базисная: xk + sn+1 = [xk]. Базисная переменная xk из симплекс-таблицы выражает- ся через небазисные переменные и подставляется в последнее выражение, в результате чего получается: Выполняется очередная итерация двойственного симп- лекс-метода, позволяющая получить целочисленное значение переменной xk. Если полученное решение удовлетворяет условиям цело- численности, то его следует рассматривать как нижнюю (в за- даче максимизации ЦФ) границу задачи. Она характеризуется, таким образом, целочисленностью всех или части переменных и наилучшим в сравнении с другими подзадачами значением ЦФ. Граница вводится для повышения эффективности вычис- лений в том смысле, что, если в результате разрешения оче- редной подзадачи получено худшее, чем граница, решение, дальнейшее ветвление задачи в этом направлении нецелесооб- разно. Тем самым исключаются из рассмотрения те комбина- ции целочисленных значений переменных, которые заведомо будут иметь худшее в сравнении с границей значение ЦФ. Если в результате решения очередной подзадачи будет получено лучшее, чем граница, значение ЦФ, то тогда устанавливается новое значение границы.
4. Решение подзадачи б). Решение осуществляется анало- гично пункту 3. Пример 9.12. Рассмотрим задачу ЦЛП из примера 9.11. Из табл. 9.12 видно, что обе переменные являются нецелочислен- ными, поэтому на основе одной из них, например x2, органи- зуется ветвящийся процесс поиска целочисленных значений. Дерево подзадач, порождаемых в процессе применения метода ветвей и границ, представлено на рис. 9.5.
Рис. 9.5. Дерево подзадач Исходя из значения выбранной переменной x2 = 1 3/4 фор- мируются две подзадачи: x2 ≤ 2 и x2 ≥ 1. Результат решения вто- рой подзадачи: Z = 4, x1 = 2, x2 = 1. Это решение удовлетворяет требованию целочисленности, поэтому оно может рассматри- ваться в качестве границы. Дальнейшее ветвление задачи не- целесообразно, поскольку оно приведет к худшему решению. Действительно, если продолжить ветвление и рассмотреть подзадачу x1 ≤ 1, то ее решением будет: Z = 3, x1 = 1, x2 = 1. До- пустимого же решения подзадачи x1 ≥ 2 вообще не существует. Первая подзадача имеет решение: Z = 5, x1 = 1, x2 = 2. Как видно, это решение лучше того, что было принято в качестве границы. Поэтому решение второй подзадачи должно быть принято в качестве новой границы задачи. Дальнейшее ветв- ление также нецелесообразно, поскольку приведет к ухудше- нию значения ЦФ. На рис. 9.5 штриховыми линиями показаны те ветви, для которых соответствующие им подзадачи нецеле- сообразны для решения. Таким образом, введением границ удается существенно уменьшить количество решаемых подзадач в ходе поиска оп- тимального целочисленного решения. В настоящее время метод ветвей и границ является наибо- лее надежным средством решения целочисленных задач.
Задачи для самостоятельного решения Используя рассмотренные методы найти решение следу- ющих задач: 9.1. F = 7 x 1 + x 2 → max; 9 x 1 + 4 x 2 + x 3 = 110, 11 x 1 − 3 x 2 − x 4 = 24, 2 x 1 − 7 x 2 − x 5 = 110, x j ≥ 0, x j — целые (j = ). 9.2. F = − 5 x 1 + 8 x 2 − 3 x 3 + 4 x 4 + 7 x 5 + 6 x 6 → max; − 2 x 1 − 3 x 2 − 4 x 3 + 2 x 4 + x 5 + x 6 ≤ 24, 3 x 1 + 2 x 2 + 3 x 3 + x 4 + 2 x 5 + x 6 ≤ 30, − 4 x 1 − x 2 − 5 x 3 + 3 x 4 + x 5 + 2 x 6 ≤ 60, 0 ≤ x j ≤ 10, x j — целые (j = ). 9.3. F = 60 x 1 + 70 x 2 + 120, 4 x 3 + 130 x 4 → max; x 1 + x 2 + x 3 + x 4 = 16, x 1 + 1,85 x 2 + x 3 + x 4 ≤ 16, x 1 + x 2 + x 3 + x 4 ≥ 10, 4 x 1 + 6,9 x 2 + 10 x 3 + 13 x 4 ≤ 100, 6,3 x 1 + 5 x 2 + 4 x 3 + 3 x 4 ≤ 100, x j ≥ 0, x j — целые (j = ). 9.4. F = 5 x 1 + 2 x 2 − 3 x 3 + 2 x 4 + 3 x 5 − 3 x 6 → max; 5 x 1 + 6 x 2 + 4 x 3 + 2 x 4 − 3 x 5 + 5 x 6 = 11, 5 x 1 + 5 x 2 + 7 x 3 + 3 x 5 + 3 x 6 = 10, 2 x 1 + 2 x 2 + 2 x 3 + 3 x 5 = 4, x j ≥ 0, x j — целые (j = ). Используя метод Гомори для частично-целочисленных за- дач, необходимо определить: 9.5. x 1 + 4 x 2 + x 3 = 16, 2 x 1 + 3 x 2 − x 4 = 12, 3 x 1 − 2 x 2 + x 5 = 18, x 1, x 2,…, x 5 ≥ 0.
9.6. x 1 + x 2 − x 3 = 5, − x 1 + 3 x 2 + x 4 = 7, 3 x 1 − x 2 + x 5 = 11, x 1, x 2,…, x 5 ≥ 0.
Вопросы для самопроверки 1. В чем состоит смысл постановки и решения задачи ли- нейного программирования?
2. Как осуществляют вербальную и математическую пос- тановку задачи линейного программирования? 3. Дайте характеристику основных методов решения зада- чи линейного программирования. 4. В чем суть геометрического метода решения задачи ли- нейного программирования? 5. В чем состоит алгоритм симплекс-метода решения зада- чи линейного программирования? 6. В чем состоит суть метода искусственного базиса? 7. Дайте определение двойственной задачи линейного про- граммирования. 8. В чем состоит суть решения задачи целочисленного ли- нейного программирования? 9. В чем заключается идея метода Гомори для полностью целочисленных задач линейного программирования? 10. В чем состоит сущность метода ветвей и границ?
|
|||||||||||||||||||||||||||
Последнее изменение этой страницы: 2021-01-14; просмотров: 179; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.129.19.251 (0.016 с.) |