- •Двусторонние шпоры по файзу
- •Печатай прямо этот файл
- •Теория принятия решений [3, 4]
- •1. Классы задач принятия решений, системный анализ и характеристика его этапов.
- •2. Графы и показатели эффективности смо с простейшими потоками.
- •6. Замкнутые смо.
- •3. Принятие решений в условиях риска, неопределенности и конфликты.
- •Стандартная форма задачи лп
- •Основные понятия лп. Свойства задач лп
- •4. Основы линейного программирования. Область применения. Постановка задачи
- •Каноническая форма задач лп
- •Методы решения задач лп
- •Симплекс-метод. Характеристика метода
- •М одифицированный алгоритм симплекс-метода
- •Модели управления транспортными потоками.
- •Простейшая транспортная задача (т-задача)
- •Транспортная задача с ограниченными пропускными способностями (Td - задача)
- •Задачи с неоднородным грузом
- •Многоиндексные задачи
- •Транспортные задачи по критерию времени
- •6. Оптимизация транспортных потоков. Метод потенциалов
- •Построение начального плана перевозок
- •Правило северо-западного угла
- •Переход от одного плана перевозок к другому
- •Признак оптимальности
- •Алгоритм метода потенциалов
- •7. Методы управления проектом.
- •8. Двойственность задач оптимизации. Двойственность задач лп
- •Интерпретация двойственной задачи
- •Запись двойственной задачи в общем случае
- •Теоремы двойственности
- •Двойственный симплекс-метод
- •9. Декомпозиция задач планирования большой размерности.
- •Метод декомпозиции Данцига - Вулфа
- •10. Методы определения целочисленных решений.
- •Метод отсечений
- •Метод ветвей и границ
- •Аддитивный алгоритм
- •11. Основы динамического программирования. Достоинства и недостатки метода.
- •Работа метода дп
- •Функциональное уравнение дп
- •Многомерные задачи динамического программирования
- •Снижение размерности с помощью множителей Лагранжа
- •12. Оптимизация надежности технических систем, систем распределения ресурсов.
- •4.2.3. Сбалансированная транспортная задача
- •13. Классы задач нелинейного программирования и методы их решения. Х арактеристика задач
- •Условия оптимальности
- •Методы решения задач нп
- •14. Задачи нелинейного программирования, сводящиеся к линейным. Квадратичное программирование
- •Сепарабельное программирование (сп)
- •Задачи дробно-линейного программирования
- •15. Классификация и характеристика методов «спуска».
- •Методы одномерной минимизации. Метод деления шага пополам
- •Квадратичная аппроксимация
- •Метод деления интервала пополам
- •Метод золотого сечения
- •Метод Фибоначчи
- •Метод первого порядка
- •Методы второго порядка
- •Многомерный поиск безусловного минимума Метод Гаусса-Зейделя (покоординатного спуска)
- •Метод Хука-Дживса (метод конфигураций)
- •Симплексный метод
- •Градиентные методы
- •Метод Ньютона
- •М етоды сопряженных направлений
- •Методы условной оптимизации
- •Метод проектирования градиента
- •Метод штрафных функций
- •Метод барьерных функций
- •16. Методы случайного поиска и генетические алгоритмы.
- •8.8.7. Методы случайного поиска
- •Алгоритм с возвратом при неудачном шаге
- •Алгоритм с обратным шагом
- •Алгоритм наилучшей пробы
- •Алгоритм статистического градиента
- •8.8.8. Генетические алгоритмы
- •17. Особенности принятия решений при многих критериях.
- •18. Методы свертки и целевого программирования в принятии решений по многим критериям.
- •10.2.1.4. Линейная свертка
- •10.2.1.5. Максиминная свертка
- •10.2.1.7. Целевое программирование (цп)
- •19. Интерактивные методы принятия решений
Простейшая транспортная задача (т-задача)
В общем случае исходными данными являются:
m – число пунктов отправления (ПО) или производства;
n – число пунктов назначения (ПН) или потребления;
Cij – затраты на перевозку единицы груза из пункта i в пункт j, ij;
ai – количество груза в пункте i, i (возможности ПО);
bj – потребность в грузе в пункте j, j.
Критерием задачи являются суммарные затраты на перевозку. Безотносительно к значениям ai и bj модель записывается в виде
Однако
такая запись модели корректна только
тогда, когда
Напомним, что задача, в которой суммарные
потребности равны суммарной возможности,
то есть
(1) называется сбалансированной
или закрытой. Любая
несбалансированная задача легко
приводится к закрытой. Рассмотрим только
сбалансированную задачу:
|
(2) |
|
(3) |
|
(4) |
Xij 0. |
(5) |
Элементы модели:
|
|
a=(a1, a2, . . . , am) – вектор возможностей ПО; |
b=(b1, b2, . . . , bn) – вектор потребностей ПН. |
Особенности рассматриваемой задачи:
- модель содержит две группы условий, размерность которых равна соответствующему числу ПО и ПН; число переменных равно произведению mn;
- все коэффициенты при переменных в условиях (3), (4) равны единице;
- каждая переменная входит в условия ровно 2 раза, один и только один раз в группу (3) и также один раз в группу (4);
- задача имеет простые условия разрешимости, которые определяются следующей теоремой.
Теорема. Для разрешимости Т-задачи необходимо и достаточно, чтобы она была сбалансированной.
Замечание. Теорема справедлива при конечных значениях Сij.
Доказательство.
Необходимость доказывается исходя из
того, что задача (2)-(5) разрешима. В этом
случае все условия задачи выполняются.
Просуммируем условия (3) по i, а условия
(4) по j:
Так
как левые части равенств равны, то равны
и правые.
Достаточность.
Задача линейного программирования
всегда разрешима, если допустимое
множество – выпуклый многогранник, то
есть непустое и ограниченное. Ограниченность
переменных снизу задана явно, а ограничение
сверху следует из конечности всех ai
и
bj,
больше которых переменные быть не могут.
Следовательно, множество ограничено.
Множество непустое. Для этого достаточно
найти хотя бы одно допустимое решение.
Одно из таких решений всегда можно
построить, если задача сбалансирована,
следующим образом:
(6)
Очевидно, что оно неотрицательно.
Остается проверить выполнение основных
условий задачи. Подставив (6) в левую
часть(3), получим:
решение удовлетворяет условиям (3).
Подставив первый вариант (6) в (4), также
убеждаемся в выполнении этих условий:
.
Таким образом, допустимое множество
сбалансированной задачи непустое и
ограниченное, а, значит, задача всегда
разрешима. Число линейно-независимых
уравнений или, иначе, ранг системы (3),
(4) равен m+n-1.
Следовательно, такую размерность имеют
базис и базисное решение Т-задачи.

–
матрица
перевозок;
–
матрица
транспортных затрат;