Поиск оптимального решения

Поиск оптимального решения

Симплексный метод является универсальным экономико-мате-
матическим методом. Для его использования условия задачи необходимо представить в виде уравнений и неравенств, количественно описывающих особенности функционирования изучаемого объекта.

Существенным достоинством метода является его универсальность, т. е. возможность использования для решения любых задач, условия которых записаны в виде системы уравнений и неравенств. Наряду с этим симплекс-метод обладает тем достоинством, что при приближении полупространства, выражающего целевую функцию, к экстремальной крайней угловой точке, он позволяет пропускать целый ряд промежуточных крайних угловых точек.

Метод получил свое название из геометрической интерпретации условий задачи. Они позволяют получить многогранник решений или симплекс, крайняя угловая точка которого, будучи равна значениям переменных, превращает функцию в максимум или минимум.

Имеется несколько вариантов алгоритма симплекс-метода: обычный, m-метод (искусственного базиса) и др.

Рассмотрим вариант, позволяющий осуществлять наиболее
простые вычисления.

Алгоритм симплекс-метода включает несколько этапов:

1) подготовка информации (включает введение переменных
и формирование ограничений);

2) преобразование ограничений и запись их в матрицу;

3) поиск опорного решения;

4) поиск оптимального решения.

К примеру, имеем следующую экономико-математическую
задачу:

.

Преобразование ограничений связано, в первую очередь, с превращением неравенств в уравнения. Если при этом ограничения приведены к типу , то процедура вычислений значительно
упрощается. Для этого ограничения типа умножим на (-1).

Превращение неравенств в уравнения связано с введением
дополнительных переменных. В ограничениях типа дополнительные переменные обозначают величину недоиспользования
ресурсов, в ограничениях типа — величину превышения ресурсов над минимумом потребности в них.

В уравнения дополнительные переменные не вводятся (или вводятся равными нулю):

При этом всякое решение осуществляется из допущения, что

, тогда

,

,

,

Решение получаем поиском опорного и оптимального решений.

Опорное решениеполучим при значениях переменных, когда ограничения задачи выполняются. Признаком выполнения ограничений является отсутствие 0-значений среди базисных переменных и отрицательных свободных членов.

При этом переменные, исходя из значений которых начинаем решение, будут базисными.

В первой симплексной таблице (таблица 5.1) такими базисными будут дополнительные переменные, т. е. вектор дополнительных переменных. Остальные переменные, обозначающие вектор-столбцы, будут небазисными. В таблице 5.1 небазисными будут основные переменные.

Таблица 5.1 — Симплексная таблица № 1

Базисные переменные Свободные члены Небазисные переменные
………………………………………………

Если в столбце дополнительных переменных есть 0, то это свидетельствует об искаженности базиса, т. е. отсутствии опорного решения. Таким образом, полученная запись при свидетельствует, что базисное решение отсутствует по двум признакам,
а именно:

– имеются отрицательные свободные члены;

– имеются 0-значения среди базисных переменных.

Всю информацию при допущении, что заносим в таблицу. Таблица 5.1 содержит т + 2строк (где т — число строк ограничений) и п + 2 столбцов (где п — число небазисных переменных).

Коэффициенты целевой функции в таблице 5.1 записываются
с противоположным знаком.

Нахождение опорного решения предполагает замену базисных переменных небазисными или поиск нового базиса. Чтобы исключить 0 с вектора базисных переменных необходимо в 0-строке найти такой коэффициент, от деления на который коэффициента Ат,получим наименьшее положительное частное. Для этого вектор-столбец свободных членов делим на соответствующие коэффициенты столбцов . Допустим, что при делении
на коэффициенты первого столбца, т. е. отношение . Это означает, что требование не выполняется. В другом случае (при ) . Допустим, что при делении отношение меньше всех других значений.

Тогда коэффициент можно принять за разрешающий.
Он указывает на то, что 0-значение и коэффициент поменяются местами. Эта замена означает, что целевая функция (или полупространство F) переместилась параллельно самой себе и поэтому значение коэффициентов изменяется. Замена значений требует
вычислений, которые всегда осуществляются по одним и тем же правилам.

Для записи формул, по которым определяются коэффициенты новой симплексной таблицы (таблица 5.2), введем условные обозначения, в частности, — коэффициент, стоящий в строке i
и столбце j. При этом F-строка будет иметь значение i + 1, а столбец свободных членов j = 0.

Таблица 5.2 — Симплексная таблица № 2

Базисные переменные Свободные члены, Небазисные переменные
…………………………………………………………..

Допустим, что коэффициент — разрешающий, т. е. стоит
в строке r и столбце k при . При делении значений столбца свободных членов на соответствующие коэффициенты столбца k частное от деления на было наименьшим.

Условимся, что коэффициент следующей таблицы будем обозначать со штрихом, т. е. .

Правила:

1. Новый коэффициент (вместо разрешающего) равен обратному от него, т. е. или в данном случае .

2. Новые коэффициенты столбца разрешающего элемента равны коэффициентам предыдущей таблицы, деленным на разрешающий коэффициент с противоположным значением:

(при ),

т. е. в данном случае — при .

3. Новые коэффициенты строки разрешающего элемента равны коэффициентам предыдущей таблицы этой строки, деленным
на разрешающий коэффициент:

(при ) или , при .

4. Остальные коэффициенты, не стоящие в строке и столбце разрешающего элемента определяются по правилу прямоугольника, т. е. в числителе от произведения коэффициентов главной диагонали, среди которых находится разрешающий, вычитаем произведение побочной диагонали и результат делим на разрешающий коэффициент:

(при ) .

Перебросив 0-значения из базисных значений в небазисные, получим в n-мерном пространстве т независимых векторов. Затем вычеркиваем 0-столбец, который в дальнейших расчетах участия не принимает. Просматривая столбец свободных членов, находим среди них отрицательные члены. Чтобы получить опорное решение, превращаем отрицательные свободные члены в положительные. Для этого базисные переменные с отрицательными свободными членами необходимо перевести в небазисные. При этом делаем столько шагов (таблиц), сколько имеется отрицательных свободных членов. За основу принимаем любую строку с отрицательным свободным членом. Лучший вариантом является та строка, среди коэффициентов которой имеется больше единиц или целых чисел. Случается, что все свободные члены являются отрицательными
и им соответствуют отрицательные коэффициенты в каком-то из столбцов. В этом случае опорное решение можно получить за один шаг, взяв в качестве разрешающего коэффициента отрицательный коэффициент, от деления на который получается наибольшее положительное частное. Таким образом, за один шаг все отрицательные свободные члены будут превращены в положительные.

С точки зрения геометрической интерпретации (выпуклых множеств) это будет означать, что из мнимого многогранника решений мы переместились на реальный многогранник, но находимся
не в самой лучшей выпуклой угловой точке.

Чтобы найти разрешающий коэффициент, делим значения столбца свободных членов на соответствующие коэффициенты столбцов небазисных переменных.

Если , то получим меньшее значение, чем от деления других частных .

Допустим, что в данном случае частное — меньше всех других. Следовательно, коэффициент ( ) является разре-
шающим.

Меняем местами и , после чегопроводим расчеты
по приведенным выше четырем правилам (таблица 5.3).

Таблица 5.3 — Симплексная таблица № 3

Базисные переменные Свободные члены Небазисные переменные
………………………………………………..

В этой таблице содержится опорное решение. Оно получено
при следующих значениях переменных:

После того, как было получено опорное решение (т. е. все ограничения выполняются), находим оптимальное, признаком которого является наличие положительных значений коэффициентов целевой функции при ее решении на максимум и отрицательных —
на минимум.

Чтобы найти оптимальное решение, выбираем разрешающий столбец. Им будет тот, в F-строке которого стоит наибольшее по модулю отрицательное значение при решении задачи на максимум и наибольшее положительное — на минимум.

Допустим, что . Следовательно, вектор-стол-
бец является разрешающим. При этом разрешающим элементом является тот коэффициент, от деления свободного члена
на который будет получено наименьшее положительное частное, т. е. .

Допустим, что от деления С3 на с32 было получено наименьшее положительное частное. Следовательно, х2 и х1 меняются местами, и мы находим новое решение по четырем правилам.

Вычисления будем продолжать до тех пор, пока в F-строке
не получим положительные значения (при решении задачи на максимум) или отрицательные (при решении задачи на минимум).

Затем целесообразно проверить выполнение требований каждого из ограничений. Для этого переменные подставляются в каждое из ограничений. Если нарушения отсутствуют, то расчеты верны, если присутствуют — имеется ошибка в арифметических действиях.

При использовании симплекс-метода возможны следующие четыре особых случая:

1. Вырожденность.

2. Альтернативные оптимальные решения.

3. Неограниченные решения.

4. Отсутствие допустимых решений.

Выясним причины возникновения таких ситуаций и способы их интерпретации в реальных задачах.

Вырожденность. Если хоть одна базисная переменная нулевая, то базисное решение называют вырожденным. Такая ситуация вполне может возникнуть в процессе решения задачи. Тогда может случиться, что переход к новому базису не обеспечивает улучшения значения функционала. Как правило, при последующих итерациях вырожденность исчезает. Дело в том, что на практике ее возникновение объясняется наличием в исходной постановке задачи избыточных ограничений. В этом случае, когда искусственная переменная, соответствующая одному из таких ограничений, выводится из базиса, функционал может и не улучшаться. Такая ситуация показана на рис. 2.4.

Из двух ограничений ресурсного типа второе является избыточным. При графическом решении (рис. 2.4) это очевидно, но из данных симплексной таблицы такой вывод сделать не удается. При исключении из базиса дополнительной переменной, соответствующей второму ограничению, значение функционала не возрастет. В итоге получим точку A, как оптимальное решение, которое не перестает быть верным от того, что оно вырожденное.

Рис. 2.4

Можно вообразить ситуацию, когда последовательность итераций при вырожденном базисе приведет к повторению уже имевшей место итерации, т. е. возникнет зацикливание. Искусственные примеры такого рода существуют, однако в реальных задачах зацикливание столь мало вероятно, что в большинстве программ, реализующих симплекс-метод, средства защиты от зацикливания не предусматриваются, так как они значительно замедляют процесс вычислений. Во-первых, нужно контролировать возникновение зацикливания, во-вторых, реализовать алгоритм для изменения порядка выбора разрешающих строк и столбцов.

Если подобные затруднения все же возникнут при компьютерном расчете, то можно попробовать произвести незначительные изменения отдельных коэффициентов модели (в пределах точности их определения) и повторить расчет. Если ранее имело место зацикливание, то порядок выбора разрешающих элементов, скорее всего, изменится.

Альтернативные оптимальные решения.Согласно основной теореме линейного программирования, если целевая функция достигает экстремального значения более чем в одной угловой точке, то она принимает это же значение в любой точке, являющейся их выпуклой линейной комбинацией. Графическая иллюстрация для случая двух переменных приведена на рис. 2.5. Максимальное значение целевая функция получает в угловых точках A и B. Предположим, что при использовании симплекс-метода получена точка A как оптимальный план. Тогда небазисной переменной будет соответствовать нулевая оценка, так как при ее введении в базис с последующим переходом к точке B значение функционала не изменится.

Рис. 2.5

Таким образом, признаком существования альтернативных планов является наличие нулевых оценок для небазисных переменных. На практике существование альтернативных решений можно использовать для учета дополнительных соображений при выборе плана действий. Если рассмотренный пример интерпретировать как задачу об оптимальном производственном плане, то лучше выбрать точку B, чтобы меньше зависеть от изменений рыночной конъюнктуры.

Если все оценки небазисных переменных строго больше нуля, то найденный оптимальный план является единственным.

С практической точки зрения, малые положительные значения оценок не очень существенно отличаются от нулевых хотя бы потому, что большая часть используемых данных определена с некоторой погрешностью. Следовательно, есть основания выполнить расчеты дополнительных вариантов, чтобы оценить реальный эффект от введения таких переменных в принимаемый план.

Неограниченные решения. Неограниченное возрастание переменных без нарушения ограничений – это явный признак ошибки. Например, в задаче о производственном плане каждый ресурс ограничен. Мало вероятно, что при записи модели такие ограничения пропущены, но при их вводе возможна ошибка в знаках. При использовании компьютерных программ, если не указать требование неотрицательности переменных, придавая формально одной из переменных отрицательное значение, программа может получать ресурсы для неограниченного роста других переменных.

Если ошибку не удается быстро обнаружить, то можно ввести дополнительные ограничения, например, на минимальные и максимальные значения переменных, задавая их с большим допуском по отношению к реально возможным значениям. Ошибка выявится при анализе ограничений, в которых участвуют переменные, значения которых вышли за пределы допустимого.

Отсутствие допустимых решений. Такая ситуация возникает при несовместности ограничений задачи, что можно считать ошибкой в ее постановке или в используемых данных. На рис 2.6 показаны ограничения по минимальным объемам производства каждого из двух видов продукции. Видно, что третье ограничение, определяющее максимально допустимое использование некоторого ресурса, позволяет удовлетворить любое из этих требований, но не оба одновременно.

Рис. 2.6

Такие противоречия, естественно, возникают в условиях плановой экономики при разных целевых установках центрального планирующего органа и руководителей производства. Первый, как правило, – стремится к увеличению объема плановых заданий, – последним же предпочтительнее такой план, который легче выполнить и получить поощрения за перевыполнение. Когда с этой целью искажаются фактические данные, то может случиться, что ретроспективный расчет плана по отчетным данным покажет, что допустимые решения отсутствуют.

Рыночная экономика также не свободна от подобных проблем. Данные могут целенаправленно искажаться, например, для того, чтобы повлиять на текущий курс акций. В любом случае оптимизационная модель становится эффективным средством контроля и анализа всей совокупности статистической отчетности.

Однако причина отсутствия допустимых решений может быть и весьма тривиальна — неправильно поставленная десятичная запятая, или ошибочное занесение правильного числового значения, но не в ту ячейку. Чем больше размерность задачи, тем вероятнее подобные ошибки и тем труднее их искать. Для выявления таких ошибок можно рекомендовать вводить в модель переменные, которые показывали бы, сколько и какого именно ресурса недостает. Разумеется, таким переменным в функционале должны соответствовать некоторые штрафы иначе недостающие ресурсы войдут в решение, что не имеет смысла. Величины штрафов произвольны, но достаточно велики для того чтобы соответствующие переменные (будем называть их штрафными) могли войти в решение только тогда когда иначе невозможно выполнить остальные ограничения задачи. Слишком большие штрафы будут только способствовать росту ошибок округления. В соответствии с принципом “разумной достаточности” можно, например, ориентировочную цену реального ресурса увеличить на порядок.

Оптимальное решение

Смотреть что такое «Оптимальное решение» в других словарях:

  • Оптимальное решение — Оптимальное (от лат. optimus наилучшее) решение решение, которое по тем или другим признакам предпочтительнее других. В технике оптимальный (вариант, решение, выбор и т. д.) наилучший (вариант, решение, выбор,… … Википедия

  • оптимальное решение — Решение, которое минимизирует или максимизирует (в зависимости от характера задачи) критерий качества оптимизационной модели (критерий оптимальности) при заданных условиях и ограничениях, представленных в этой модели. Но поскольку модель никогда… … Справочник технического переводчика

  • Оптимальное управление — Оптимальное управление это задача проектирования системы, обеспечивающей для заданного объекта управления или процесса закон управления или управляющую последовательность воздействий, обеспечивающих максимум или минимум заданной… … Википедия

  • решение — вынести новое решение • действие вынести решение • действие выносить решение • действие выполнять решение • реализация ждать решения • модальность, ожидание зависит решение • субъект, зависимость, причина следствие заниматься решением • действие … Глагольной сочетаемости непредметных имён

  • решение — сущ., с., употр. часто Морфология: (нет) чего? решения, чему? решению, (вижу) что? решение, чем? решением, о чём? о решении; мн. что? решения, (нет) чего? решений, чему? решениям, (вижу) что? решения, чем? решениями, о чём? о решениях 1. Решением … Толковый словарь Дмитриева

  • оптимальное — найти оптимальное решение • существование / создание … Глагольной сочетаемости непредметных имён

  • ОПТИМАЛЬНОЕ УПРАВЛЕНИЕ ПОЗИЦИОННОЕ — решение задачи оптимального управления математической теории, состоящей в синтезе оптимального управления в виде стратегии управления по принципу обратной связи, как функции текущего состояния (позиции) процесса (см. ). Последнее… … Математическая энциклопедия

  • ОПТИМАЛЬНОЕ УПРАВЛЕНИЕ ПРОГРАММНОЕ — решение задачи оптимального управления математической теории, в к рой управляющее воздействие u=u(t).формируется в виде функции времени (тем самым предполагается, что по ходу процесса никакой информации, кроме заданной в самом начале, в систему… … Математическая энциклопедия

  • Оптимальное планирование — совокупность методов и средств, позволяющих выбрать из множества возможных вариантов развития экономической системы вариант, обеспечивающий наиболее эффективное использование ресурсов. Основу оптимального планирования составляет решение задачи… … Финансовый словарь

  • Оптимальное управление — летательным аппаратом раздел динамики полёта, посвящённый развитию и использованию методов оптимизации для определения законов управления движением летательного аппарата и его траекторий, обеспечивающих максимум или минимум выбранного критерия… … Энциклопедия техники

Методы оптимальных решений

ЗАДАЧА 1. Симплексный метод решения задач линейного программирования
Для изготовления различных видов продукции 1, 2, 3 и 4 предприятие использует три вида сырья А, В и С. Нормы расхода сырья на производство единицы продукции каждого вида, цена одного изделия, а также запас каждого вида ресурса известны и приведены в таблице 1.1.
Составить такой план производства продукции, при котором предприятие получит максимальную прибыль.

Исходные данные задачи выбрать в таблицах 1.1, 1.2 в соответствии с вариантом.

Таблица 1.1 – Нормативы затрат ресурсов на единицу продукции каждого вида (общие для всех вариантов)

РЕСУРС ВИДЫ ПРОДУКЦИИ ЗАПАС

РЕСУРСА

1 2 3 4
А 6 8 4 7 a5
В 0,75 0,64 0,5 0,8 a6
С 8 12 10 14 a7
ЭКОНОМИЧЕСКИЙ

ЭФФЕКТ

a3 a4 МАХ

План решения задачи:

  1. выбрать из таблиц исходные данные своего варианта;
  2. обозначить неизвестные задачи;
  3. сформировать систему ограничений и целевую функцию задачи;
  4. привести систему ограничений к каноническому виду, обозначив и введя дополнительные переменные;
  5. вычертить симплексную таблицу и заполнить её первоначальным опорным планом;
  6. пользуясь алгоритмом симплексного метода, найти оптимальное решение задачи;
  7. выписать оптимальное решение и провести его экономический анализ.

ЗАДАЧА 2
Решение открытой транспортной задачи методом потенциалов
На оптовых складах А1, А2, А3, А4 имеются запасы некоторого продукта в известных количествах, который необходимо доставить в магазины В1, В2, В3, В4, В5. Известны также тарифы на перевозку единицы продукта из каждого склада в каждый магазин.
Найти такой вариант прикрепления магазинов к складам, при котором сумма затрат на перевозку была бы минимальной.
Исходные данные задачи выбрать в таблицах 2.1, 2.2 в соответствии с вариантом.
Таблица 2.1 – Матрица тарифов (общая для всех вариантов)

Оптовые склады Магазины Запасы
В1 В2 В3 В4 В5
А1 5 4 10 7 8 a6
А2 7 6 7 10 6 a7
А3 2 9 5 3 4 a8
А4 6 11 4 12 5 a9
Потребности a3 a4

План решения задачи:

  1. Выбрать из таблиц исходные данные своего варианта.
  2. Проверить, является решаемая задача закрытой или открытой.
  3. Если задача открытая – выполнить действия, дающие возможность приступить к её решению.
  4. Вычертить матрицу транспортной задачи и записать в неё опорный план, пользуясь одним из известных вам способов построения опорного плана (способ северо-западного угла, наилучшего тарифа, двойного предпочтения).
  5. Проверить построенный опорный план на вырождение. Если надо, принять меры для преодоления вырождения опорного плана.
  6. Рассчитать значение целевой функции для опорного плана.
  7. По правилам метода потенциалов рассчитать потенциалы строк и столбцов.
  8. Используя найденные потенциалы, проверить построенный опорный план на оптимальность.
  9. Если решение оптимальное перейти к пункту 13.
  10. Если решение неоптимальное, его нужно улучшить. Для этого надо найти клетку матрицы транспортной задачи, подлежащую улучшению, построить для неё замкнутый цикл, определить объём ресурсов для перемещения по вершинам этого цикла.
  11. Выполнить перемещение ресурсов по вершинам цикла, не нарушая баланса по строкам и столбцам матрицы.
  12. Перейти к пункту 6.
  13. Выписать оптимальное решение и провести его экономический анализ.

ЗАДАЧА 3. Оптимальное распределение ресурсов.
Совет директоров фирмы рассматривает предложение по наращиванию производственных мощностей для увеличения выпуска однородной продукции на четырех предприятиях, принадлежащих фирме.
Для модернизации предприятий совет директоров инвестирует средства в объеме 250 млн. р. с дискретностью 50 млн. р. Прирост выпуска продукции зависит от выделенной суммы, его значения предоставлены предприятиями и содержатся в таблице.
Найти предложение инвестиций между предприятиями, обеспечивающее фирме максимальный прирост выпуска продукции, причем на одно предприятие можно осуществить только одну инвестицию.
Исходные данные задачи выбрать в таблицах 3.1, 3.2 в соответствии с вариантом.
Таблица 3.1 – Значения параметров задачи

Инвестиции, млн. руб. Прирост выпуска продукции, млн.руб.
Предприятие

№ 1

Предприятие

№ 2

Предприятие

№ 3

Предприятие

№ 4

50 а11 а12 а13 а14
100 а21 а22 а23 а24
150 а31 а32 а33 а34
200 а41 а42 а43 а44
250 а51 а52 а53 а54

План решения задачи:

  1. Выбрать из таблиц исходные данные своего варианта.
  2. Разбить решение задачи на этапы по количеству предприятий, на которые предполагается осуществить инвестиции.
  3. Составить рекуррентные соотношения
  4. Провести первый этап расчета, когда инвестиции выделяются только первому предприятию
  5. Провести второй этап расчета, когда инвестиции выделяют первому и второму предприятиям
  6. Провести третий этап расчета, когда инвестиции выделяют 1-3-му предприятиям
  7. Провести четвертый этап расчета, когда инвестиции распределяются между четырь­мя предприятиями
  8. Выписать оптимальное решение и провести его экономический анализ.

Скачать решение

Выбор оптимальных решений

Постановка и решение задач оптимизации:

Как правило, этап выбора оптимальных решений состоит из двух основных процедур:

постановки оптимизационной задачи;

собственно решения задачи, т. е. отыскания значений варьируемых параметров или состава формируемого комплекса, которые обеспечивают максимальную степень достижения цели в заданных конкретных условиях.

При постановке задачи для решения оптимизационной задачи необходимо построить:

целевую функцию или критерий оптимальности, которые зависели бы только от варьируемых (искомых) параметров и известных (заданных или измеряемых) показателей;

систему ограничений, определяющих заданные условия решения задачи и содержащих также лишь искомые и известные величины.

Эту процедуру построения целевой функции и системы ограничений принято именовать постановкой (или математической постановкой) оптимизационной задачи.

Но не следует полагать, что выбрав, например, показатель народнохозяйственного дохода в качестве целевой функции, завершается основная часть математической постановки задачи. По своему экономическому содержанию выбор целей функции или критерия оптимальности является важным этапом, но он скорее предшествует математической постановке задачи, а не входит в нее в качестве составляющего.

Приступая к разработке содержательной и математической постановки оптимизационной задачи, в первую очередь необходимо дать четкую формулировку сущности задачи.

Следующая процедура — это уточнение объекта оптимизации. Уточняя объект оптимизации, следует подчеркнуть, что речь идет не о проектируемом, а о действующем производстве. Когда уже не рассматривается соизмерение регулярных и единовременных затрат. Закончено не только строительство, но и реконструкция (в нашем случае — замена катализатора), а следовательно, единовременные затраты по данному производству (Кв) должны рассматриваться, как неименные.

Дальнейшей процедурой постановки оптимизационной задачи следует считать выбор варьируемых переменных. По определению, варьируемыми переменным следует считать те параметры, выбор значений которых зависит от нас и должен обеспечить максимальную степень достижения целей. Это искомые значения параметров.

В общем случае при выполнении этой процедуры необходимо:

выделить все те параметры, изменение которых зависит от нас, а определение оптимальных значений составляет суть задачи.

рассмотреть позитивные и негативные последствия изменений этих параметров на функционирование объекта и убедиться (пока качественно), что в пределах допустимых изменений этих параметров может существовать наивыгоднейший компромисс между выигрышем в достижении одних подцелей и проигрышем в достижении других;

рассмотреть взаимосвязи выделенных параметров и выбрать взаимно независимые, учитывая при прочих равных условиях, какие из взаимосвязанных параметров наиболее употребительны (являются основными) в принятой системе техническо-экономических показателей производства.

Следующая процедура постановки задачи состоит в том, чтобы выразить целевую функцию (критерий оптимальности) через варьируемые параметры и заданные (известные) величины.

Математическое описание должно позволять исключить неварьируемые переменные и из системы ограничений. Построение системы ограничений проводится параллельно с формированием целевой функции на основании заданных условий решения задачи.

Решение задачи и анализ результатов. Нахождение численных значений варьируемых переменных, соответствующих условиям, заложенным в постановке задачи, составляет процедуру, именуемую собственно решением задачи. Для решения оптимизационных задач используются разнообразные методы математического программирования, выбор которых зависит от особенностей постановки задачи и от ее размерности. Под размерностью понимается общее число варьируемых переменных и использованных ограничений.

Как правило, решение сравнительно сложных оптимизационных задач осуществляется на ЭВМ. Лишь в простейших случаях решение может быть получено с помощью обычных методов определения экстремумы функции при несложных расчетах, а также табличными или графическими способами.

Получив решение оптимизационной задачи, следует подвергнуть его анализу. Последний вариант проверки позволит также оценить чувствительность оптимума, т. е. установить, существенной ли будет потеря эффективности при некоторых отклонениях от найденного оптимума.

Основной принцип системного подхода состоит именно в том, что решение любой проблемы для отдельной подсистемы должно осуществляться с учетом ее взаимодействия с остальными подсистемами, исходя из интересов системы в целом.

Решение многих оптимизационных задач позволяет получить не только искомые значения варьируемых параметров, но и частичные производственные целевой функции по ограничениям, характеризующим предельные значения прироста эффективности (или ущерба) на единицу соответствующего ресурса — так называемые двойственные оценки.

About the author

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *