7w timo 2011

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

II Zadanie programowania liniowego PL – dla ograniczeń większościowych

przy ograniczeniach

:

x

c

T

x =

0

min

0

x

b

x

A

dim x=[n*1], dim c=[n*1]

Macierz A odpowiada za współczynniki w m ograniczeniach

dim A=[m x n]

Wektor wyrazów wolnych b odpowiada za prawą stronę ograniczeń

dim b =[m*1]

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Postać kanoniczna II zadania PL

0,

,

A

T

=

x

b

x

x

c

x

,

min

0

0,

,

A

s

s

T

=

+

=

x

x

b

x

I

x

x

c

x

s

,

-

,

-

max

0

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Optymalne rozwiązanie II zadania PL metodą dualną simpleks

Twierdzenie:

Twierdzenie:

Rozwiązanie bazowe dopuszczalne układu równań Ax=b

jest rozwiązaniem optymalnym II zadania PL, jeśli są spełnione
warunki:

(i) Warunek dualnej dopuszczalności:

N

oj

R

j

dla

y

≥ 0

(ii) Warunek dualnej optymalności

{

}

m

i

dla

y

i

,...,

1

0

0

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Algorytm dualny simpleks

Krok 1

. (start). Rozpoczynamy algorytm od znalezienia pierwszej tablicy

dualnie dopuszczalnej. Należy sprawdzić dualną dopuszczalność

rozwiązania: czy Tak - idź do Kroku 2, Nie – koniec.

Krok 2.

(test optymalności). Czy

dla każdego

?

Tak - to aktualne rozwiązanie

jest optymalne.

Nie - idź do Kroku 3.

Krok 3.

(Wybór zmiennej usuwanej z bazy). Wybierz jako zmienną usuwaną z

bazy taką zmienną

dla której

Typową regułą jest wybór zmiennej dla której:

0

0

i

y

m

i

,...,

1

=

r

B

x

.

0

0

<

r

y

{

}

m

i

y

y

y

i

io

R

j

r

N

,...,

1

,

0

,

0

0

min

=

<

=

r

B

x

Idż do Kroku 4.

N

oj

R

j

dla

y

≥ 0

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Algorytm dualny simpleks c.d.

Krok 5. (eliminacja). Dokonaj dualną iterację simpleksową metodą eliminacji

Gauss’a poprzez wprowadzenie do bazy oraz usunięcie

Idź do Kroku 2.

k

x

Krok 4. (wybór zmiennej wprowadzanej do bazy). Wybierz jako zmienną
wchodzącą do bazy taką zmienną

dla której

Jeśli wiele zmiennych spełnia ten warunek, wybierz arbitralnie jedną z nich.

Idż do Kroku 5.

k

x

).

0

,

(

max

0

0

<

=

rj

rj

j

rk

k

y

y

y

y

y

r

B

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Przykład II zadania programowania liniowego – dualna metoda simpleks





+

+

+

+

+

=

0

,

5

1

1

6

8

1

2

2

1

:

2

1

2

2

1

1

x

x

x

x

x

x

x

x

X

-1

-1

-5

X

5

-1

-2

-6

X

4

-2

-1

-8

X

3

1

1

0

-x

0

-x

2

-x

1

-1/2

-1/2

-1

X

5

-1/2

-3/2

-2

x

4

-1/2

½

4

X

2

½

½

-4

-x

0

-x

3

-x

1

2

1

0

1

1

min

x

x

X

x

+

=

x

-1/3

-1/3

-1/3

X

5

1/3

-2/3

4/3

X

1

-2/3

1/3

10/3

X

2

1/3

1/3

-14/3

-X

0

-x

3

-x

4

tablica początkowa

tablica pośrednia

tablica optymalna

tablica dualnie dopuszczalna

tablica jeszcze nie optymalna

N

oj

R

j

dla

y

≥ 0

0

20

<

y

m

i

dla

y

i

,...,

1

0

0

=

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Przykład II zadania programowania liniowego–dualna metoda simpleks

cd.

]

0

,

1

,

0

,

3

,

2

[

]

,

,

,

,

[

1
5

1
4

1
3

1
2

1

1

1

=

=

x

x

x

x

x

x

1

-3

1

X

4

1

-2

2

X

1

-1

1

3

X

2

0

1

-5

-X

0

-x

3

-x

5

1

-3

1

X

3

-1

1

1

x

1

1

-2

4

X

2

0

1

-5

-x

0

-x

4

-x

5

tablica optymalna I

tablica optymalna II

Rozwiązanie optymalne I
wierzchołek:

Rozwiązanie optymalne II
wierzchołek:

5

0

=

x

]

0

,

0

,

1

,

1

,

1

[

]

,

,

,

,

[

2

5

2

4

2

3

2

2

2

1

2

=

=

x

x

x

x

x

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

III Zadanie programowania liniowego PL

przy ograniczeniach

:

( )

x

c

x

T

f

=

max

0

2

2

1

1

x

b

x

A

b

x

A

dim

x

=[n*1], dim

c

=[n*1]

Macierze A

1

, A

2

odpowiadają za współczynniki w

m

1

i m

2

ograniczeniach

dim

A

1

=[m

1

* n], dim

A

2

=[m

2

* n]

Wektory

b

1

, b

2

odpowiadają za prawe strony ograniczeń

dim

b

1

=[m

1

*1], dim

b

2

=[m

2

*1]

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Optymalne rozwiązanie zadania programowania liniowego PL metodą

simpleks

Twierdzenie 4.5

Twierdzenie 4.5

Rozwiązanie bazowe dopuszczalne układu równań Ax=b

jest rozwiązaniem optymalnym zadania PL, jeśli są spełnione dwa warunki:

(i) Warunek prymalnej dopuszczalności:

{

}

m

i

dla

y

io

,...,

1

0

(ii) Warunek optymalności

N

j

R

j

dla

y

≥ 0

0

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Zadanie programowania liniowego dla ograniczeń mniejszościowych i

większościowych

I faza - należy znaleźć pierwsze rozwiązanie bazowe dopuszczalne
poprzez rozwiązanie zadania pomocniczego

II faza - maksymalizacja funkcji celu x

0

dla następnego rozwiązania

bazowego dopuszczalnego wg algorytmu simpleks.

Metoda dwóch faz

Krok 1

. (start). Rozpoczynamy algorytm od znalezienia pierwszego rozwiązania

bazowego dopuszczalnego. Należy sprawdzić dopuszczalność

rozwiązania: czy Tak - idź do Kroku 2, Nie – STOP.

m

i

dla

y

i

,...,

1

0

0

=

Algorytm simpleks (prymalny) – I faza Krok 1 – nie ma możliwości stworzenia
pierwszego rozwiązania bazowego dopuszczalnego

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

I faza metody PL – Nieznane pierwsze rozwiązanie bazowe dopuszczalne

I.1 - technika zadania pomocniczego
I.2 - technika pomocniczej funkcji celu

Ad. I.1 Rozwiązanie zadania pomocniczego PL z funkcją celu w postaci funkcji

liniowej z

0

=

0

A

I

A

A

2

t

1

Gdzie I

t

jest macierzą jednostkową rzędu t.

2

N

2

1

t

t

N

1

b

x

A

b

x

I

x

A

=

=

+

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

I faza metody PL cd.

Wprowadzamy wektor zmiennych pomocniczych dim

= m- t

α

x

α

x

2

b

x

I

x

A

b

x

I

x

A

α

t

m

N

2

1

t

t

N

1

=

+

=

+

Rozwiązanie bazowe dopuszczalne układu równań:

0

,

,

2

1

=

=

=

N

t

x

b

x

b

x

α

Należy znaleźć inne rozwiązanie bazowe dopuszczalne, w którym

lub stwierdzić, że takie rozwiązanie nie istnieje.

0

=

α

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

I faza metody – zadanie pomocnicze PL

=

0

max z

,

1x

α

t

t

N

N

0

x

c

x

c

x

,

0

=

t

t

N

1

x

I

x

A

+

,

b

1

=

+

N

2

x

A

,

2

α

t

m

b

x

I

=

0

,

,

α

x

x

x

t

N

Zmienna x

0

zawsze pozostaje zmienną bazową. Rozwiązaniem początkowym zadania

PL I fazy jest

Oraz

N

1

t

N

1

t

0

N

2

2

0

N

2

2

α

N

1

1

t

)x

A

c

(c

b

c

x

),

x

A

1(b

z

,

x

A

b

x

,

x

A

b

x

+

=

=

=

=

0

x

N

=

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Ad.I.2 Pomocnicza funkcja celu

Uproszczona wersja I fazy metoda dwufazowej simpleks – uzyskanie

bazowego rozwiązania dopuszczalnego

•Jeśli wektor b w początkowej tablicy simpleksowej ma przynajmniej jedną ujemną
współrzędną, to tablica przedstawia niedopuszczalne rozwiązanie bazowe.

•Początkową niedopuszczalną tablicę simpleksową można przekształcić wykorzystując
algorytm simpleks.

•Cel – uzyskanie nieujemnych wartości zmiennych pomocniczych.

•Należy znaleźć najmniejszą wartość

•Wybrany wiersz s będzie stanowił pomocniczą funkcję celu , którą należy zmaksymalizować.

•Kolejne kroki metody simpleks powinny być prowadzone do uzyskania dopuszczalnej tablicy
simpleks, tzn. takiej dla której spełniony jest warunek prymalnej dopuszczalności:

m

i

dla

y

i

,...,

2

,

1

0

0

=

•Koniec I fazy

{

}

m

i

dla

y

y

r

i

i

i

,...,

2

,

1

0

,

min

0

0

=

<

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Krok 1. (start- wybór pomocniczej funkcji celu). Rozpoczynamy algorytm od
znalezienia wiersza s , dla którego oraz

Krok 2. (Wybór zmiennej wchodzącej do bazy). Wybierz jako zmienną wchodzącą
do bazy taką zmienną

dla której

Typową regułą jest wybór zmiennej , dla której:

0

<

sk

y

N

k

R

x

N

k

R

k

x

,

{

}

0

:

min

0

<

=

sk

sk

R

j

k

y

y

y

N

k

x

Idż do Kroku 3.

N

sk

R

k

dla

y

≥ 0

0

0

<

s

y

{

}

m

i

y

y

s

i

i

i

,...,

2

,

1

,

0

:

min

0

0

=

<

=

Jeśli brak takiego s ( ) to tablica odpowiada dopuszczalnemu
rozwiązaniu bazowemu – należy przejść do II fazy.

m

i

dla

y

i

,...,

2

,

1

0

0

=

Jeśli jest brak takiej zmiennej (

) to jest brak

rozwiązania dopuszczalnego. Jest to problem sprzeczny.

Ad.I.2 Pomocnicza funkcja celu

Uproszczona wersja I fazy metoda dwufazowej simpleks

cd.

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

>

=

=

0

,

,...,

1

:

min

0

0

ik

i

ik

io

i

rk

r

y

y

m

i

y

y

y

y

Krok 4. (eliminacja Gauss’a). Wyznacz oraz

względem zmiennych

oraz zmiennej

zgodnie z wyprowadzonymi wzorami.

Podstaw

aby otrzymać pierwsze rozwiązanie bazowe dopuszczalne.

Idź do Kroku 1.

Krok ten czasami nazywa się wymianą zmiennej bazowej ( piwotyzacją).

k

x

,

,

N

Bi

R

i

x

}

{

,

k

R

j

x

N

j

0

i

}

{

,

0

=

=

Br

N

j

x

k

R

j

x

Krok 3. (wybór zmiennej usuwanej z bazy). Wybierz jako zmienną usuwaną z bazy
taką zmienną

dla której

Jeśli wiele zmiennych spełnia ten warunek, wybierz arbitralnie jedną z nich.

Taki przypadek zawsze istnieje, ponieważ

Idż do Kroku 5.

,

Br

x

r

B

x

0

0

0

<

<

sk

s

y

i

y

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Przykład III zadania programowania liniowego

metoda dwufazowa simpleks





+

+

+

+

+

=

0

x

,

6

x

1

x

1

3

2

x

1

x

1

x

1

x

2

:

x

X

2

1

2

2

1

1

1

1

6

x

5

1

-1

3

x

4

-1

-2

-2

x

3

-6

-1

0

x

0

-x

2

-x

1

1

1

6

x

1

2

1

9

x

4

1

2

10

x

3

-5

1

6

x

0

-x

2

-x

5

2

1

0

X

x

x

6

x

1

x

max

+

=

-0,5

0,5

1,5

X

1

0,5

0,5

4,5

X

2

-0,5

1,5

5,5

X

3

2,5

3,5

28,5

x

0

-x

4

-x

5

I faza

II faza cz.1

II faza cz.2

Brak rozwiązania
dopuszczalnego

I rozwiązanie bazowe
dopuszczalne

II rozwiązanie bazowe
dopuszczalne- rozwiązanie
optymalne

6

x

,

0

6

x

1

1

B

0

B

=

=

Rozwiązanie optymalne:

[

]

T

T

x

x

x

x

x

x

0

0

5

,

5

5

,

4

5

,

1

5

4

3

2

1

==

=

5

,

28

0

=

x

5

,

28

,

5

,

4

5

,

1

2

1

0

=

=

B

B

x

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Przypadki szczególne – zbiór rozwiązań dopuszczalnych jest zbiorem

pustym - brak rozwiązania

φ

=

X

3

2

1

0

2

1

max

x

x

x

X

x

=

x





+

+

+

=

0

,

2

3

2

2

1

2

2

2

1

:

3

2

3

2

1

3

2

1

x

x

x

x

x

x

x

x

x

x

X

W metodzie dwufazowej simpleks algorytm w I fazie obliczeń nie potrafi stworzyć
pierwszego rozwiązania bazowego dopuszczalnego z powodu braku rozwiązań
dopuszczalnych.

Przykład:

Nie jest spełniony warunek dopuszczalności drugiej tablicy simpleks i jednocześnie druga tablica
wskazuje, że jest brak rozwiązań dopuszczalnych.

-1

1

0

2

x

6

1

-2

1/2

-3

x

5

1

2

-1/2

2

x

4

1

1

-1/2

0

x

0

-x

3

-x

2

-x

1

x

x

x

x

x

6

2

1

0

-1

x

5

x

x

x

x

x

2

x

x

x

x

x

0

-x

3

-x

4

-x

1

0

,

,

,

1

2

4

3

2

1

3

4

2

=

x

x

x

x

x

x

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Teoria dualności dla zadania programowania liniowego PL

x

c

T

x =

0

max

0

x

b

x

A

0

v

c

v

A

T

b

v

v

T

=

0

min

Twierdzenie 7.1 :

Jeśli wektor x jest rozwiązaniem dopuszczalnym dla zadania prymalnego i
wektor v jest rozwiązaniem dopuszczalnym dla zadania dualnego, to wartość
funkcji celu w zadaniu dualnym nie może być mniejsza od wartości funkcji
celu w zadaniu prymalnym.

x

c

b

v

T

T

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Teoria dualności dla zadania PL cd.

v

i

x

=

v

b

x

c

T

T

0

=

v

x

T

Twierdzenie 7.2

Dla pary rozwiązań optymalnych zadania prymalnego i dualnego PL
zachodzi warunek:

Twierdzenie 7.3

Niech (x

r

,x

s

) i ( v

r

, v

s

) będą odpowiednio rozwiązaniami dopuszczalnymi zadania

prymalnego i dualnego, przy czym x

s

i v

s

są wektorami zmiennych dopełniających

do postaci kanonicznej zadania w wektorach rozwiązań.

Wtedy (x

r

,x

s

) i ( v

r

, v

s

) będą odpowiednio rozwiązaniami optymalnymi pary zadań

prymalnego i dualnego, jeśli zachodzi warunek komplementarności zmiennych:

tzn.

0

=

+

r

T

s

s

T

r

v

x

v

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Twierdzenie 7.4

Jeśli jedno z pary wzajemnie dualnych zadań programowania liniowego ma
rozwiązanie optymalne, to ma je również zadanie dualne i obydwa zadania mają
identyczne wartości funkcji celu.

Twierdzenie 7.5

Jeśli zadanie dualne jest nieograniczone, to zadanie prymalne jest sprzeczne.

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Przykład I zadanie prymalne

2

1

0

1

2

max

x

x

X

x

+

=

x

+

+

+

=

0

,

21

2

6

0

5

:

2

1

2

1

2

1

x

x

x

x

x

x

x

x

X

+

+

+

=

0

,

,

1

2

2

6

:

3

2

1

3

2

1

3

2

1

v

v

v

v

v

v

v

v

v

x

V

3

2

1

0

21

0

5

min

v

v

v

v

V

v

+

+

=

Przykład II System cięcia dłużyc

3

2

1

0

2

.

0

6

.

0

3

.

0

min

v

v

v

v

+

+

=

0

,

,

1200

2

1

0

2100

0

3

7

3

2

1

3

2

1

3

2

1

+

+

+

+

v

v

v

v

v

v

v

v

v

2

1

0

1

2

max

x

x

X

x

+

=

x

+

+

+

=

0

,

2

.

0

2

0

6

.

0

1

3

3

.

0

0

7

:

2

1

2

1

2

1

x

x

x

x

x

x

x

x

X

Postać wektora rozwiązań:

[

] [

]

5

4

3

2

1

,

,

,

,

v

v

v

v

v

v

v

v

s

r

=

=

[

] [

]

5

4

3

2

1

,

,

,

,

x

x

x

x

x

x

x

x

s

r

=

=

[

] [

]

0

,

,

0

=

=

r

s

T

s

r

T

v

v

x

x

v

x

zadanie dualne

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Teoria dualności dla zadania PL

cd.

2

1

0

1

2

max

x

x

X

x

+

=

x

+

+

+

=

0

,

21

2

6

0

5

1

1

:

2

1

2

1

2

1

x

x

x

x

x

x

x

x

X

2

6

21

x

5

1

-1

0

x

4

1

1

5

x

3

-1

-2

0

x

0

x

2

x

1

Zadanie dualne:

I. Rozwiązanie zadania dualnego metodą simpleks

Rozwiązanie optymalne:

a)

Zadanie dualne

b)

Zadanie prymalne

Wartość optymalna funkcji celu:

1/3

1/6

7/2

x

1

4/3

1/6

7/2

x

4

2/3

-1/6

3/2

x

3

-1/3

1/3

7

x

0

x

2

x

5

-1/2

1/4

11/4

x

1

-2

1/2

1/2

x

4

3/2

-1/4

9/4

x

2

1/2

1/4

31/4

x

0

x

3

x

5

[

]

[

]

3

2

1

5

4

5

4

3

2

1

,

,

,

,

,

,

,

,

v

v

v

v

v

v

x

x

x

x

x

x

=

=





=





=

4

1

,

0

,

2

1

,

0

,

0

0

,

2

1

,

0

,

4

9

,

4

11

v

x

4

31

0

0

=

=

v

x


Wyszukiwarka

Podobne podstrony:
2w timo 2011
1w timo 2011
11w timo 2011
6w timo 2011
5w timo 2011 cz2
3w timo 2011
9w timo 2011
8w timo 2011
10w timo 2011
4w timo 2011 cz1
4w timo 2011 cz1
7w to wlasnosci 2011
2011 2 KOSZE
higiena dla studentów 2011 dr I Kosinska
Plan pracy na 2011 pps
W 8 Hormony 2010 2011

więcej podobnych podstron