Definicja 3 Rozwiązaniem optymalnym nazywamy rozwiązanie dopuszczalne minimalizujące funkcję celu (1), tj. wektor x E D spełniający warunek cx = min cx. Zbiór rozwiązań optymalnych oznaczamy symbolem T>opi.
Zadanie PL polega więc na tym, aby ze zbioru rozwiązań układu m równań, spełniających warunki nieujemności, wyznaczyć takie rozwiązanie, przy którym funkcja celu osiąga wartość minimalną. W postaci skalarnej problem PL możemy zapisać następująco: zminimalizować wyrażenie
all^l+ |
+ciinxn = bi |
Oml^l + |
+amnxn = b„ |
X! > 0 | |
xn > 0. |
przy warunkach
Problem (1) - (3) nazywany jest problemem programowania liniowego w postaci standardowej (dla odróżnienia od innych postaci). Inne postacie problemu PL można sprowadzić do postaci (1) -(3). Wyróżniamy trzy sytuacje:
(i) Funkcja cx ma być zmaksymalizowana. Wtedy minimalizujemy funkcję — cx.
(ii) Niektóre z warunków (2) mają postać nierówności liniowych. Rozpatrzmy na przykład warunek postaci anaą +... + ai„:cn < b\. Warunek ten zastępujemy warunkami dnX\ +... + ai„a;n + xn+i = b\ oraz a:n+i > 0, czyli do problemu PL wprowadzamy nową zmienną xn+\ := bi — (an^i + • • • + ai„a;n), która na podstawie początkowego warunku daje nierówność xn+i > 0.
(iii) Niektóre zmienne przyjmują dowolne wartości rzeczywiste (mogą być ujemne). Niech na przykład x\ E R, czyli może przyjmować wartości ujemne. Wówczas do problemu wyjściowego podstawiamy: x\ = x\ — x[ gdzie x\,x'[ > 0, otrzymując równoważny problem.
Definicja 4 Problem PL nazywamy sprzecznym, jeśli zbiór rozwiązań dopuszczalnych V określony w (4) jest zbiorem pustym.
Uwaga 1 W dalszym ciągu rozważać będziemy wyłącznie problem PL, w którym macierz A jest rzędu m, czyli problem PL, który nie zawiera równań liniowo zależnych (można je wyeliminować i nie zmieni to zbioru rozwiązań).
Załóżmy teraz, że X := Mnil dla dowolnie ustalonego n e N.
Definicja 5 Niech a € Mi,„, x G X, b £ R. Jeśli a ^ 0, to zbiór
:= {x : ax < b} (5)
nazywamy półprzestrzenią domkniętą, zaś zbiór
{x : ax = b} (6)
nazywamy hiperpłaszczyzną.
3