5w timo 2011 cz2

background image

Zadanie programowania liniowego część II

Wydział Elektroniki
Kier. Automatyka i Robotyka
Studia II st.

dr inż. Ewa Szlachcic

Zakład Sterowania i Optymalizacji

Instytut Informatyki, Automatyki i Robotyki

Politechnika Wrocławska

TEORIA I METODY
OPTYMALIZACJI

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Extremum zadania programowania liniowego PL

Twierdzenie 4.1

Zbiór wszystkich rozwiązań dopuszczalnych zadania programowania liniowego PL jest
zbiorem wypukłym.

Definicja 4.5

Punkt x należący do wypukłego zbioru jest punktem wierzchołkowym zbioru
X, jeśli nie może być wyrażony jako kombinacja liniowa innych punktów zbioru X.

n

R

X

Dowód:

1. Zakłada się, że wektor x jest bazowym rozwiązaniem dopuszczalnym. Pokazać, że x
jest punktem wierzchołkowym zbioru X

2. Zakłada się, że wektor x jest punktem wierzchołkowym zbioru rozwiązań
dopuszczalnych zadania programowania liniowego. Pokazać, że wektor x jest bazowym
rozwiązaniem dopuszczalnym.

Twierdzenie 4.2

Rozwiązanie dopuszczalne x zadania programowania liniowego PL jest punktem
wierzchołkowym zbioru rozwiązań dopuszczalnych X wtedy i tylko wtedy gdy
odpowiada mu bazowe rozwiązanie dopuszczalne tzn.:

T

B

x

x

]

0

,

[

=

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Extremum zadania programowania liniowego PL cd.

1

:

R

X

f

Twierdzenie 4.3

Jeżeli funkcja , określona na domkniętym i ograniczonym wypukłym
zbiorze , jest ciągła i wklęsła, to globalne minimum funkcji f(x) występuje w
punkcie ekstremalnym (bądź punktach) zbioru X.

Dowód: Zaprzeczamy tezie:

- dowolne globalne minimum

v – dowolny punkt ekstremalny zbioru X.

Zbiór X jest zbiorem zwartym, funkcja f(x) jest ciągła – więc istnieje punkt

x

- punkty ekstremalne zbioru X .

k

i

v

i

,...,

1

, =

Każdy punkt , który nie jest punktem ekstremalnym, może być wyrażony jako
kombinacja wypukła punktów v

i

X

x

1

;

,...,

1

,

0

,

1

1

=

=

=

=

=

k

i

k

i

i

i

i

i

k

i

v

x

µ

µ

µ

Funkcja f(x) jest wypukła więc zachodzi dla dowolnego punktu zachodzi:

X

x

)

(

max

)

(

)

(

)

(

1

1

i

i

k

i

k

i

i

i

i

i

v

f

v

f

v

f

x

f

=

=

=

µ

µ

ckd.

n

R

X

)

(

)

(

v

f

x

f

<

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Extremum zadania programowania liniowego PL

cd.

p

x

x

x

.....

,

2

1

Twierdzenie 4.4

1.

Funkcja celu zadania PL przyjmuje wartość maksymalną w punkcie
wierzchołkowym zbioru rozwiązań dopuszczalnych zadania PL.

2. Jeśli funkcja celu zadania PL przyjmuje wartość maksymalną w więcej niż jednym

punkcie wierzchołkowym, to ma tą samą wartość dla każdej kombinacji wypukłej
tych punktów.

Dla p dopuszczalnych bazowych rozwiązań optymalnych, tzn.

Zbiór rozwiązań optymalnych przyjmuje postać:

1

,...,

1

,

0

,

1

1

=

=

=

=

=

p

i

i

i

p

i

i

i

p

i

x

X

λ

λ

λ

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Wprowadzone oznaczenia:

0

10

00

1

1

0

m

B

y

y

y

b

B

b

B

c

y

M

mj

j

j

j

j

j

B

j

y

y

y

a

B

c

a

B

c

y

M

1

0

1

1

N

j

R

j

a

,

oraz

gdzie oznaczają kolumny macierzy N.

=

R

j

j

j

x

y

y

x

0

00

0

=

=

N

R

j

j

ij

i

Bi

m

i

dla

x

y

y

x

,...,

1

,

0

Funkcja celu x

0

M funkcji ograniczeń

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Postać początkowej tablicy simpleksowej

N

B

b

B

x

c

N

B

c

b

B

c

x

x

B

N

B

B

N

1

1

1

1

0

].

0

,...,

0

[

=

x

N

b

x

c

x

x

B

N

N

0

0

dla przypadku gdy c

B

=0 tzn. pierwsze rozwiązanie bazowe dopuszczalne odpowiada za

punkt wierzchołkowy x

0

=

B

c

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Polepszanie rozwiązania bazowego dopuszczalnego

=

=

N

R

j

j

ij

i

Bi

m

i

dla

x

y

y

x

,...,

1

,

0

=

N

R

j

j

j

x

y

y

x

0

00

0

0

,

0

0

0

k

k

j

y

gdy

x

również

to

x

gdy

zatem

x

zawsze

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Polepszanie bazowego rozwiązania dopuszczalnego – metoda eliminacji
Gauss’a.

0

,

0

0

>

=

<

ik

N

j

y

oraz

R

k

k

j

pewnego

dla

y

).

0

,

/

(

min

0

,...,

1

>

=

=

ik

ik

i

m

i

rk

y

y

y

θ

{ }

Br

rk

j

k

R

j

rk

rj

rk

r

k

x

y

x

y

y

y

y

x

N

1

0

=

{ }

Br

rk

ik

j

k

R

j

rk

rj

ik

ij

rk

r

ik

i

B

x

y

y

x

y

y

y

y

y

y

y

y

x

N

i

+









=

0

0

Gdy mamy nie-zdegenerowane rozwiązanie bazowe dopuszczalne takie, że

dla przynajmniej jednego i wówczas można z niego otrzymać lepsze bazowe
rozwiązanie dopuszczalne przez wymianę jednej z kolumn macierzy B na
kolumnę macierzy N.

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Polepszona tablica simpleks odpowiada za następne rozwiązanie bazowe

dopuszczalne o większej wartości funkcji celu.

...

/

1

...

/

...

/

...

...

...

/

)

/

(

...

)

/

(

...

...

...

/

...

)

/

(

...

)

/

(

...

...

...

0

0

0

0

0

0

0

0

00

0

rk

rk

rj

rk

r

k

rk

ik

rk

rj

ik

ij

rk

r

ik

i

Bi

rk

k

rk

rj

k

j

rk

r

k

Br

j

y

y

y

y

y

x

y

y

y

y

y

y

y

y

y

y

x

y

y

y

y

y

y

y

y

y

y

x

x

x

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

Algorytm simpleks dla ograniczeń mniejszościowych

Krok 1

. (start). Rozpoczynamy algorytm od znalezienia pierwszego rozwiązania

bazowego dopuszczalnego. Należy sprawdzić dopuszczalność

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

Krok 2.

(test optymalności). Czy

dla każdego

?

Tak - to aktualne rozwiązanie jest optymalne.

Nie - idź do kroku 3.

Krok 3.

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

bazy taką zmienną

dla której

Typową regułą jest wybór zmiennej jest reguła dla której:

0

0

j

y

N

R

j

N

k

R

k

x

,

.

0

0

<

k

y

{

}

0

,

0

0

0

min

=

j

j

R

j

k

y

y

y

N

k

x

Idż do kroku 4.

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 simpleks (prymalny) c.d.

Krok 5. (eliminacja Gauss’a). Wyznacz oraz

względem zmiennych

oraz zmiennej

zgodnie z wyprowadzonym wzorem.

Podstaw

aby otrzymać nowe rozwiązanie bazowe dopuszczalne.

Idź do kroku 2.

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 4. (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.

Idż do kroku 5.

,

Br

x

).

0

,

/

(

min

0

,...,

1

>

=

=

ik

ik

i

m

i

rk

y

y

y

θ

r

B

x

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Schemat reguły przeliczenia współczynników w tablicy simpleks

wg metody eliminacji Gauss’a

p - element centralny (główny)

q – dowolny element w wierszu centralnym (głównym)

r – dowolny element w kolumnie centralnej (głównej)

s – dowolny pozostały element

p

p

r

p

p

p

rq

s

q

s

r

q

1

background image

Teoria i metody optymalizacji
Dr inż. Ewa Szlachcic

Wydział Elektroniki studia II st.

kier. Automatyka i Robotyka

Zadanie programowania liniowego PL dla ograniczeń mniejszościowych

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

2

6

21

x

5

1

-1

0

x

4

1

1

5

x

3

-1

-2

0

x

0

x

2

x

1

Przykład:

Założenia:

1. Zbiór X rozwiązań dopuszczalnych

2. algorytm simpleks startuje z bazowego dopuszczalnego rozwiązania oraz w
trakcie jego realizacji nie występuje degeneracja

I. Zadanie programowania liniowego PL posiada jedno rozwiązanie

Rozwiązanie bazowe optymalne:

Wartość optymalna funkcji celu:

4

31

]

0

,

4

1

,

0

,

4

9

,

4

11

[

]

.

,

,

,

[

0

5

4

3

2

1

=

=

=

x

x

x

x

x

x

x

T

T

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

0

X


Wyszukiwarka

Podobne podstrony:
Biologia komórki, 12 2011 cz2
AKO lab niestacjonarne 2011 cz2 Nieznany (2)
PORTFEL INWESTYCYJNY 2011 cz2
2w timo 2011
1w timo 2011
11w timo 2011
7w timo 2011
6w timo 2011
3w timo 2011
9w timo 2011
8w timo 2011
10w timo 2011
4w timo 2011 cz1
4w timo 2011 cz1
caramika cz2 2011 (2)
5w to przypadki 2011
Cwalina Sopot 2011 12 cz2
rozrod wyk 2011 01 12, Świnki cz2

więcej podobnych podstron