Задачи оптимизации в экономике и финансах
Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Финансовый университет при Правительстве РФ
Департамент анализа данных, принятия
решений и финансовых технологий
Методы оптимальных
решений
Лекция № 1:
«Задачи оптимизации в экономике
и финансах»
Минкова Анастасия Сергеевна
План лекции
Функция спроса, эластичность функции
спроса
Множество безубыточности
Функция предложения
Предельные величины в экономике
Функции нескольких переменных
Производственная функция
Функция полезности
Предельная полезность товара
Предельная норма замещения
2
Перечень учебной литературы:
Основная
Методы оптимальных решений в экономике и
финансах: учебник / И.А. Александрова [и др.]; под
ред. В.М. Гончаренко, В.Ю. Попова. М.: Кнорус,
2014.
Александрова И.А. Методы оптимальных решений.
Руководство к решению задач: Учебное пособие /
И.А. Александрова, В.М. Гончаренко. – М.:
Финуниверситет, 2012 .
Винюков И.А. Линейная алгебра: Учебное пособие.
Ч. 4. Линейное программирование / И.А. Винюков,
В.Ю. Попов, С.В. Пчелинцев; Под ред. В.Б. Гисина,
С.В. Пчелинцева. – М.: Финуниверситет, 2013.
3
Перечень учебной литературы:
Дополнительная
Исследование операций в экономике: Учебник для
академического бакалавриата / Н.Ш. Кремер [и
др.]; Финуниверситет; под ред. Н.Ш. Кремера. 3-е
изд., перераб. и доп. – М.: Юрайт, 2014
Колемаев В.А. Математические методы и модели
исследования операций. Учебник. М.: ЮНИТИ,
2008.
Математика в экономике. Ч.2: Математический
анализ: Учебник / А.С. Солодовников [и др.]. – 3-е
изд., перераб. и доп. – М.: Финансы и статистика;
Инфра-М, 2011
4
Методы оптимальных решений
Методы оптимальных решений является
одним из разделов исследования операций –
научной
дисциплины,
занимающейся
разработкой и практическим применением
методов наиболее эффективного управления
различными организационными системами
Цель
исследования
операций
—
количественное обоснование принимаемых
решений по организации управления
5
Методы оптимальных решений
Математическая модель – модель, которая
использует математические символы и методы
для описания свойств и характеристик объекта
или события
Экономико-математическая
модель
—
математическое
описание
исследуемого
экономического процесса или объекта
6
Математическое
программирование
•
•
Математическое программирование –
математическая
дисциплина,
занимающаяся изучением экстремальных
задач и разработкой методов их решения
Задачи
математического
программирования делятся на задачи линейного
и нелинейного программирования
7
Математическое
программирование
•
•
Если все функции f и φi линейные, то
задача является задачей линейного
программирования
Если хотя бы одна из указанных функций
нелинейна, то соответствующая задача
является
задачей
нелинейного
программирования
8
Функция спроса и ее
эластичность
Функция спроса D(p) определяет спрос
(количество купленного товара) при цене p
за единицу продукции
Эластичность спроса ЕD– относительное
изменение спроса при относительном
изменении цены товара
∆D
⋅100%
ED = D
∆p
⋅100%
p
9
Функция спроса и ее
эластичность
Если функция спроса дифференцируема, то
под эластичностью понимается
∆D ∆p
E D = lim
÷
p
∆p →0 D
Эластичность вычисляется по формуле
D'
ED = ⋅ p = (ln D)'⋅ p
D
10
Эластичный и неэластичный
спрос
Спрос называется эластичным, если ED > 1
и неэластичным, если ED < 1
Если функция спроса не зависит от цены
( ED = 0 ), спрос – совершенно неэластичный
Если малое изменение цены приводит к
значительному изменению спроса, то
спрос совершенно эластичный ( ED = ∞ )
11
Эластичный и неэластичный
спрос
Общая выручка (total revenue) TR (или
R):
R = p ⋅ D( p)
Если R ' = p '⋅D ( p ) + p ⋅ D ' ( p ) = D + p ⋅ D '
Эластичность выручки
R'
D + pD'
D + pD'
D'
ER = ⋅ p =
⋅p=
= 1 + ⋅ p = 1 + ED
R
pD
D
D
12
Эластичный и неэластичный
спрос
При эластичном спросе изменение цены
приводит к изменению выручки в
противоположном
направлении,
т.е.
увеличение (уменьшение) цены приводит к
уменьшению (увеличению) выручки
Если спрос неэластичен, то изменение
цены вызывает изменение выручки в том
же
направлении,
т.е.
увеличение
(уменьшение)
цены
приводит
к
увеличению (уменьшению) выручки
13
Задача 1
Функция спроса D( p ) = 8 − p
Исследовать
зависимость
между
эластичностью спроса и доходом от
продажи товара
14
Решение
Функция спроса равна количеству
реализованного товара
,
поэтому найдем функцию общего дохода:
По экономическому смыслу:
Рассмотрим поведение функции
данном промежутке:
на
R’(p)
R(p)
4
8
p
15
Решение
Следовательно, функция
при
и убывает при
Найдем эластичность спроса:
возрастает
Рассмотрим эластичный спрос:
где
- неположительная величина
R’(p)
R(p)
4
8
p
16
Решение
Функция
возрастает при
убывает при
Найдем эластичность спроса:
и
Рассмотрим эластичный спрос:
где
- неположительная величина
При эластичном спросе
функция
возрастает при
R’(p)
R(p)
4
8
p
17
Решение
Рассмотрим неэластичный спрос:
где
- неположительная величина
R’(p)
При неэластичном спросе
функция
убывает при
R(p)
4
8
p
18
Множество безубыточности
Общие издержки TC (total cost) компании
состоят из фиксированных издержек FC
(fixed cost), не зависящих от объемов
произведенной
продукции,
и
из
переменных издержек VC (variable cost)
TC = FC + VC
Множество, на котором общие издержки
равны общей выручке (TC = ТR),
называется множеством безубыточности
19
Задача 2
Пусть функция общих издержек
2
ТС = p + 8 p − 10 , а функция
выручки равна ТR = 11 p
Найти множество безубыточности
общей
20
Решение
Множество безубыточности: TC = ТR
Найдем корни уравнения
и
5
p
Т.о. производство убыточно при
и прибыльно при
21
Функция предложения
Функция предложения S(p) задает
количество товара, которое поставщик
может предложить по рыночной цене p
Рынок находится в равновесии, если
покупатели могут купить столько товара,
сколько им необходимо, а продавец может
реализовать весь свой товар, который он
собирается продать
S(р0) = D(р0)
22
Задача 3
Пусть функция кратковременного спроса
имеет вид D ( p ) = 18,9 − 0,225 p
и функция кратковременного предложения
S ( p ) = 17,4 + 0,15 p
Найти эластичность кратковременного
спроса в точке рыночного равновесия
23
Решение
В точке рыночного равновесия:
S(р0) = D(р0)
Найдем эластичность спроса:
Вывод: Спрос является неэластичным
24
Задача 4
В
каком
отношении
распределится
налоговое бремя между потребителем и
производителем, если
4
D( p) = ; S ( p) = 2 p − 2
p
а величина дополнительного налога мала по
сравнению с равновесной ценой?
25
Решение
Распределение
налогового
бремени
между потребителем и производителем:
Найдем равновесную цену: S(р0) = D(р0)
26
Решение
Найдем производные от функции спроса
и предложения при равновесной цене:
Распределение налогового бремени между
потребителем и производителем:
27
Предельные величины в
экономике
Предельная величина определяется как
∆Y
отношение
относительного изменения
∆X
∆Y величины Y = Y ( X ) при изменении
∆X величины X
∆Y
MY =
∆X
28
Предельные величины в
экономике
Если
величина
Y(X)
является
дифференцируемой функцией, то
∆Y
MY = lim
= Y '(X )
∆X →0 ∆X
29
Задача об оптимизации
прибыли
Необходимое
прибыли
условие
максимизации
МR = МС
Если функции выручки и
дифференцируемы, то
R' (q) = С ' (q )
издержек
Функция прибыли: П (q ) = R (q ) − С (q )
R' (q) − С ' (q ) = 0
30
Задача 5
Пусть даны функция дохода
2
R(q ) = 1000q − q и функция затрат
С (q ) = q − 196q + 5248q + 5000,
3
2
зависящие от количества товара q
Найти максимум функции прибыли П (q )
31
Решение
Найдем функцию прибыли:
П (q) = R(q ) − С (q )
Найдем максимум функции прибыли:
П’(q)
П(q)
12
118
min
max
q
32
Решение
Точка максимума функции прибыли:
Ответ:
33
Оптимизация налогообложения
Предположим, что на продукцию компании
вводится (дополнительный) фиксированный
налог t на каждую единицу реализованного
товара
Если ставка налога достаточно велика, то
производство товара будет невыгодно, и это
приведет его к остановке
Возникает вопрос о такой ставке налога,
чтобы итоговый сбор был максимальным
34
Задача 6
Пусть доход от продажи (выручка):
R(q ) = 54q − 4q 2
а затраты на выпуск продукта в зависимости
от количества q:
С (q ) = q 2 − 6q + 24
Найти величину налога t на каждую единицу
продукта, чтобы налог T=tq от всей реализуемой
продукции был максимальным, и весь
налоговый сбор
Как уменьшится количество выпускаемой
продукции?
35
Решение
Найдем объем производства без учета
дополнительного налога
Найдем функцию прибыли:
П (q ) = R(q ) − С (q ) = 54q − 4q 2 − q 2 + 6q − 24 =
= −5q 2 + 60q − 24
П 0 ' (q ) = −10q + 60 = 0
Из ее производной
находим,
что
максимум
прибыли
достигается при объеме производства:
q0 = 6
Решение
По причине введения дополнительного
налога доход производителя уменьшится
на величину Т = tq и составит
R (T ) (q ) = 54q − 4q 2 − tq
а его прибыль
П (q) = R (T ) (q ) − С (q ) = 54q − 4q 2 − tq − q 2 + 6q − 24 =
= −5q 2 + 60q − tq − 24
Решение
В результате компания исходит из того,
чтобы при реализации товара получить
максимальную прибыль
Решим уравнение:
П ' (q ) = 60 − 10q − t = 0
q = 6 − t / 10
Общая налоговая выплата составит:
T = tq = 6t − t 2 / 10
Решение
T = tq = 6t − t 2 / 10
Вычислим максимум функции Т = T(t).
Из условия T’(t) = 0 следует, что
6−t /5 = 0
т.е. t = 30
Точка t = 30
является точкой максимума
функции T(t). При этом весь налоговый
сбор:
2
T (30) = 6 ⋅ 30 − 30 / 10 = 90
Решение
Объем производства:
q = 6 − 30 / 10 = 3
Таким образом, введение дополнительного
налога уменьшает объем производства в 2
раза (с 6 до 3 ед. продукции)
Ответ: q0 = 6; t = 30; T (30) = 90; qt = 3
Функции нескольких
переменных
Производственная функция – функция,
выражающая
объем
продукции
Q,
полученной при использовании ресурсов
X 1 , X 2 ,..., X n в количествах x1 , x2 ,..., xn
соответственно
Q = Q( x1 , x2 ,..., xn )
41
Производственная функция
Производственная функция является
непрерывной
и
определена
на
пространстве ресурсов:
{
}
R = x = ( x1 , x2 ,..., xn ) ∈ R ; xi ≥ 0, i = 1,..., n
n
+
n
42
Производственная функция
Производственная функция удовлетворяет
условиям:
1. аксиома неотрицательности выпуска
Q( x) ≥ 0(∀x ∈ R+n )
2. производство невозможно в отсутствие
ресурсов
Q(0) = 0
3. аксиома монотонности
n
если
x
≥
y
(
∀
x
∈
R
Q( x) ≥ Q( y ),
+)
43
Типы производственных
функций
1. Линейная
n
Q( x) = ∑ ai xi , (ai > 0∀i = 0,..., n)
i =1
2. Функция
выпуск)
Леонтьева
(функция
затраты-
x1
xn
Q( x) = min ;...; , ai > 0(∀i )
an
a1
3. Производственная функция Кобба-Дугласа
Q( x) = Ax1α1 ...xnα n , A, α i > 0(∀i )
44
Производственная функция
Двухфакторная
производственная
Кобба-Дугласа
функция
Q( K , L) = aK β L1− β , a > 0,0 < β < 1
45
Производственная функция
Геометрическое место точек в пространстве
факторов производства, в которых различные
сочетания ресурсов дают одно и то же
количество выпускаемой продукции, называют
изоквантой
46
Оптимизация прибыли
Задача 7
Для товаров X1 и X2 известны функции спроса:
1
q2 = 35 − p2
q1 = 54 − p1
2
Фирма-монополист имеет функцию издержек:
С = 2q1 + 6q1q2 + 3q2 + 4
2
2
Вычислите максимальную прибыль фирмы в
этих условиях и найдите соответствующий
производственный план
47
Решение
Найдем цены товаров X1 и X2 :
p1 = 54 − q1
p2 = 70 − 2q2
Последовательно находим общую выручку:
R (q1 , q2 ) = p1q1 + p2 q2 = (54 − q1 )q1 + (70 − 2q2 )q2 =
= − q1 − 2q2 + 54q1 + 70q2
2
2
Прибыль:
2
2
П (q1 , q2 ) = R(q1 , q2 ) − С (q1 , q2 ) = −3q1 − 5q2 + 54q1 +
+ 70q2 − 6q1q2 − 4
Решение
Критические точки функции П (q1 , q2 )
найдем из системы:
П 'q1 = −6q1 − 6q2 + 54 = 0
П 'q2 = −6q1 − 10q2 + 70 = 0
Решением системы является точка (5;4)
Найдем матрицу вторых производных G(П)
функции П (q1 , q2 ) , которая не зависит от
точки:
П q''1q1
G ( П ) = ''
Пq q
21
П q''1q2 − 6 − 6
=
''
П q2 q2 − 6 − 10
Решение
− 6 − 6
G (П ) =
− 6 − 10
имеет угловые миноры
∆1 = −6 < 0, ∆ 2 = (−6) ⋅ (−10) − (−6) 2 = 24 > 0
Поэтому точка (5;4) в силу выпуклости
функции прибыли, является точкой ее
глобального максимума и
П max = П (5,4) = −3 ⋅ 52 − 5 ⋅ 4 2 + 54 ⋅ 5 + 70 ⋅ 4 −
− 6 ⋅ 5 ⋅ 4 − 4 = 271
Ответ: q1 = 5; q2 = 4; П max = 271
Производственная функция
Пусть р > 0 – цена единицы выпускаемой
продукции, а w = ( w1 , w2 ,..., wn ) > 0 - вектор
цен на ресурсы
1. Функция дохода
I ( x1 , x2 ,..., xn ) = pQ( x1 , x2 ,..., xn )
2. Функция затрат
С ( x1 , x2 ,..., xn ) = w1 x1 + ... + wn xn
3. Функция прибыли
П ( x1 , x2 ,..., xn ) = pQ( x1 , x2 ,..., xn ) − w1 x1 − ... − wn xn
51
Производственная функция
Производитель решает оптимизационную
задачу:
П ( x1 , x2 ,..., xn ) → max
при условии
xi ≥ 0
(i = 1,..., n)
52
Производственная функция
*
*
*
x
=
x
x
(
,...,
Вектор ресурсов
1
n)
является
оптимальным производственным планом,
максимальное значение производственной
функции Q* = Q( x* ) - оптимальный выпуск
53
Производственная функция
Теорема
*
*
*
Для того, чтобы вектор x = ( x1 ,..., xn ) был
оптимальным
планом
производства,
необходимо и достаточно, чтобы он
удовлетворял условиям:
∂Q *
p ∂x x = w1
1
...
p ∂Q x* = w
n
∂x
n
xi* > 0
( )
( )
54
Производственная функция
Производственный план x = ( x ,..., x )
называется рентабельным, если функция
прибыли П (x) положительна
*
*
1
*
n
55
Функция полезности
Функция
полезности
–
функция,
описывающая предпочтения потребителей
на множестве товаров X 1 , X 2 ,..., X n
и
выражающая ценность набора товаров в
количествах x1 , x2 ,..., xn соответственно
U = U ( x1 , x2 ,..., xn )
56
Функция полезности
Если U ( x1 , x2 ..., xn ) > U ( y1 , y2 ,..., yn )
для двух различных наборов x = ( x1 , x2 ,..., xn )
y = ( y1 , y2 ,..., yn ) , набор x является более
полезным для потребителя, чем набор y
57
Бюджетное ограничение
Пусть полные затраты производителя за
некоторый
период
ограничены
и
определяются бюджетными ограничениями
Если стоимость единицы труда w и
стоимость
единицы
капитальных
ресурсов
r,
производитель
может
приобрести на рынке ресурсов любой
набор из капитала К и труда L
С = r ⋅ K + w⋅ L
58
Бюджетная линия
Бюджетная линия (или изокоста) –
множество наборов факторов (К, L),
имеющих одинаковую фиксированную
стоимость
Уравнение изокосты:
C w
K = − ⋅L
r r
59
Предельная полезность товара
Предельной полезностью товара Xk
называется частная производная функции
U = U ( x1 , x2 ,..., xn ) по переменной xk
U
'
xk
∆U
= lim
∆xk →∞ ∆x
k
60
Предельная норма замещения
Предельной нормой замещения товара
Xk товаром Xl для набора М = ( x1 , x2 ,..., xn )
называется
отношение
предельных
полезностей товаров Xk и Xl
MRS X k , X l ( M ) =
'
xk
'
xl
U (M )
U (M )
61
Предельная норма замещения
Изоклина для пары товаров Xk и Xl множество наборов товаров М = ( x1 , x2 ,..., xn ),
для которых предельная норма замещения
товара Xk товаром Xl постоянна
MRS X k , X l ( M ) = const
62
Задача 8
Для функции полезности
U ( x1 , x2 ) = Cx1
0 , 25
⋅ x2
0 , 75
найти предельную полезность каждого
товара и предельную норму замещения
товара x1 товаром x2 в точке x1 = 16; x2 = 625
63
Решение
Найдем предельные полезности товаров
x1 и x2:
Найдем предельную норму замещения
товара x1 товаром x2:
64
Решение
Найдем предельную норму замещения
товара x1 товаром x2
Предельная норма замещения в точке
x1 = 16; x2 = 625
65
Задача 9
Для функции полезности
U ( x1 , x2 ) = x1 ( x2 − 0,1x1 )
выяснить, является ли набор товаров
( x1 , x2 ) = (30;15) самым полезным из всех
наборов, имеющих с ним равную
стоимость, если p1 = 3; p2 = 10
66
Решение
Найдем предельные полезности товаров
x1 и x2:
Найдем предельную норму замещения
товара x1 товаром x2:
67
Решение
Найдем
предельную
товара x1 товаром x2
норму
замещения
Набор товаров является самым полезным
из всех наборов, имеющих с ним равную
стоимость, если
68
Решение
Следовательно,
набор товаров ( x1 , x2 ) = (30;15) является
самым полезным из всех наборов,
имеющих с ним равную стоимость
69
Финансовый университет при Правительстве РФ
Департамент анализа данных, принятия
решений и финансовых технологий
Методы оптимальных
решений
Лекция № 2:
«Задачи линейного
программирования»
Минкова Анастасия Сергеевна
План лекции
Общая постановка задачи оптимизации
Задача
математического программирования
Задача линейного программирования
Геометрия задачи линейного программирования; элементы теории выпуклых
множеств
Графический метод решения задач
линейного программирования
Симплекс-метод
решения
задач
линейного программирования
71
Общая постановка задачи
оптимизации
Пусть М – некоторое множество,
точка X ∈ M , f(X) – функция на М.
Тогда задача
f ( X ) → max(min), X ∈ M
называется задачей оптимизации
Множество М – допустимое множество, а
функция f(X) – целевая функция
72
Общая постановка задачи
оптимизации
Точка Xmax (Xmin), в которой достигается
оптимальное
значение
называют
оптимальным решением, множество
всех
оптимальных
точек
X*
оптимальным множеством
73
Задача математического
программирования
Если множество М является
n
подмножеством n-мерного пространства R
(т.е. М ⊂ R n ), и его точка задается своими
координатами X = ( x1 , x2 ,..., xn )
Целевая функция f ( X ) = f ( x1 , x2 ,..., xn )
n
является некоторой функцией в R
74
Задача математического
программирования
Тогда задача оптимизации
f ( X ) = f ( x1 , x2 ,..., xn )
g1 ( x1 , x2 ,..., xn ) ≤ 0,
g ( x , x ,..., x ) ≤ 0,
2 1 2
n
...
g m ( x1 , x2 ,..., xn ) ≤ 0,
где допустимое множество М задается системой
неравенств, g1 , g 2 ,..., g m - некоторые функции в R,n
называется
задачей
математического
программирования
75
Постановка задачи линейного
программирования
•
Если функции f, g1, g2,…, gm линейны, то
задача оптимизации имеет вид:
ax(m
in)
f = c1 x1 + c2 x2 + . + cn xn + c0 → m
Вместо знака «=» могут стоять знаки «≥»
или «≤»
76
Постановка задачи линейного
программирования
•
Нетривиальные ограничения
ai1 x1 + ai 2 x2 + ... + ain xn • b1 , i = 1..., m
•
Тривиальные ограничения
x j ≥ 0, j = 1,..., n
•
Целевая функция (линейная функция)
имеет вид
f = c1 x1 + c2 x2 + ... + cn xn + c0
•
Система
ограничений
задает
в
n
пространстве R выпуклое многогранное
множество M
77
Задача линейного
программирования
•
•
•
•
•
•
Задачу линейного программирования
можно записать в матричном виде
Введем строку С = (с1, с2,…, сn),
столбец X = (x1, x2,…, xn)Т,
(m×n)-матрицу А = (aij),
столбец В = (b1, b2,…, bm)Т
Тогда задача линейного программирования
будет иметь вид: f = СX + с0 → max
AX ≤ B
X ≥ 0
78
Задача линейного
программирования
План X*=(x1*,x2*,…,xn*), при котором
целевая функция задачи принимает свое
максимальное (минимальное) значение,
называется оптимальным
Значение целевой функции при плане X
обозначим F(X). Поскольку X* оптимальный план задачи, для любого X
выполняется неравенство F (X) ≤ F (X*)
79
Задача линейного
программирования
•
•
Если система ограничений состоит
только из уравнений и тривиальных
неравенств
задача
ЛП
имеет
каноническую форму
Если в системе ограничений имеются
только неравенства – задача ЛП имеет
стандартную форму
80
Приведение стандартной задачи
линейного программирования к
канонической
Если имеется стандартная задача линейного
программирования, то для приведения ее к
канонической достаточно для каждого из
неравенств системы ограничений
a1 x1 + a2 x2 + ... + an xn + b ≥ 0
ввести новую балансовую (дополнительную)
переменную и заменить неравенство на
эквивалентное ему уравнение
a1 x1 + a2 x2 + ... + an xn + b = xn +1
где xn+1 – балансовая переменная,
и неравенство xn+1 ≥ 0
81
Задача 1
Найти
каноническую
форму
линейного программирования:
задачи
z = x1 + x2 + x3 → max
5 x1 + 10 x2 + 8 x3 ≤ 20
2 x + 4 x + 5 x ≥ 44
1
3
2
4 x1 + 2 x2 + x3 ≤ 25
xi ≥ 0, i = 1,2,3
82
Решение
1.
Введем балансовые переменные
в неравенства 1 – 3 и
заменим их на эквивалентные им уравнения:
83
Решение
2.
Запишем
задачу
программирования в
форме:
линейного
канонической
84
Приведение канонической задачи
линейного программирования к
стандартной
Необходимо выделить в системе уравнений
базисные и свободные переменные
Выразить базисные переменные через
свободные
Исключить базисные переменные из целевой
функции и ограничений в виде уравнений,
преобразовать каждое из них в неравенство
85
Задача 2
Привести к стандартной форме задачу
линейного программирования:
86
Решение
1.
Выделим базисные и свободные переменные
из системы ограничений:
Используем метод Гаусса:
87
Решение
2.
Запишем полученную систему уравнений:
3.
Выразим базисные переменные:
и подставим их в целевую функцию:
88
Решение
4.
Запишем
задачу
линейного
программирования в стандартной форме:
или
89
Элементы теории выпуклых
множеств
Множества, элементами которых являются
точки, называются точечными
Примеры точечных множеств на плоскости круг, прямая, луч, отрезок, угол, сектор,
треугольник; в пространстве – шар, призма,
параллелепипед
90
Элементы теории выпуклых
множеств
Множество точек называется выпуклым,
если оно содержит отрезок, их соединяющий
91
Элементы теории выпуклых
множеств
Если существует хотя бы одна такая пара
точек множества, что отрезок, соединяющий
эти точки, не принадлежит целиком этому
множеству, то оно называется невыпуклым
92
Элементы теории выпуклых
множеств
Пересечение (общая часть) двух выпуклых
множеств
также
является
выпуклым
множеством
S = S1 S 2
93
Элементы теории выпуклых
множеств
Среди точек выпуклого множества можно
выделить внутренние, граничные и угловые
точки
Точка множества называется внутренней
(точка N), если в некоторой ее окрестности
содержатся точки только данного множества
94
Элементы теории выпуклых
множеств
Точка области называется граничной (точка
Р), если в любой ее окрестности содержатся
как
точки,
принадлежащие
данному
множеству, так и точки, не принадлежащие
ему
95
Элементы теории выпуклых
множеств
Точка выпуклого множества называется
угловой (или крайней), если через нее нельзя
провести ни одного отрезка, состоящего
только из точек данного множества, и для
которого она была бы внутренней (точки A,
B, C, D, E)
96
Элементы теории выпуклых
множеств
Выпуклые
многоугольники
можно
определить как выпуклые множества точек
плоскости с конечным числом угловых точек
В пространстве выпуклое множество с
конечным числом угловых точек называется
выпуклым многогранником
97
Графический метод решения
ЗЛП
•
Если задача задана в стандартной форме в
R2 :
f = c1 x1 + c2 x2 + c0
a11 x1 + a12 x2 ≤ b1
a x + a x ≤ b
2
21 1 22 2
...
a x + a x ≤ b
m
m1 1 m 2 2
x1 ≥ 0, x2 ≥ 0
•
Допустимой областью является выпуклая
многоугольная область
98
Графический метод решения
ЗЛП
Теорема 1: Если в задаче линейного
программирования допустимое множество
непусто и целевая функция ограничена, то
существует хотя бы одно оптимальное
решение
• Теорема 2: Если в задаче линейного
программирования f ( X ) → max(min), X ∈ M
допустимое множество М имеет хотя бы
одну угловую точку, а целевая функция
ограничена, то найдется угловая точка
множества М, в которой
принимает
оптимальное значение данной задачи
•
99
Графический метод решения задач
линейного программирования
1.
2.
Находим область допустимых решений
(ОДР) для системы ограничений. Если ОДР
– пустое множество, то задача не имеет
решений
Если ОДР является непустым множеством,
строится вектор нормали n = (c1 ;c2 )
100
Графический метод решения задач
линейного программирования
3.
Проводится
линия
уровня
f,
перпендикулярная вектору нормали n
Линия уровня – прямая, на которой целевая
функция принимает постоянное значение
c1 x1 + c2 x2 = const
Линия уровня определяет направление роста
функции f
101
Графический метод решения задач
линейного программирования
4.
Перемещаем линию уровня в направлении
вектора n, находим первую точку Xmin
пересечения такой линии с ОДР. Тогда fmin =
f(Xmin) – минимальное значение функции f на X
5.
Продолжая перемещать линию уровня в
направлении вектора n, находим Xmax –
последнюю точку пересечения линии уровня
с ОДР. Тогда fmax = f(Xmax) – максимальное
значение функции f на X
102
Задача 1
Найти
решение
программирования:
задачи
линейного
f = 4 x1 + 5 x2 → max
4 x1 + 6 x2 ≤ 24
3 x + 2 x ≤ 12
1
2
x1 + x2 ≤ 8
x j ≥ 0, j = 1,2
103
Решение
1.
Изобразим на плоскости систему координат
Ox1x2
Далее
строим
множество
точек,
соответствующее
множеству
решений
основной системы ограничений
Строим прямую
l1 : 4 x1 + 6 x2 = 24
соответствующую
первому неравенству
системы ограничений
104
Решение
Далее аналогично строятся
прямые: l2 : 3x1 + 2 x2 = 12 (СD)
l3 : x1 + x2 = 8
две
другие
(EF)
Получаем ОДР в виде
четырехугольника
ОАМD,
причем
последнее ограничение
не существенно
105
Решение
2.
Находим координаты вектора нормали n и
построим его
Поскольку целевая функция имеет вид
f = 4 x1 + 5 x2 , то n = ( 4;5)
106
Решение
3.
Линия уровня f задается уравнением
4 x1 + 5 x2 = const
Определим const = 0 и построим прямую
4 x1 + 5 x2 = 0 ,
проходящую через
начало координат
перпендикулярно
вектору нормали n
107
Решение
4.
Перемещаем
линию
уровня
f
по
направлению вектора n
Перемещение проводится до тех пор, пока
у линии уровня не окажется только одна
общая точка с ОДР
Получаем точку M –
точку
экстремума
целевой функции в
ОДР
108
Решение
Находим координаты точки экстремума и
значение целевой функции в ней
Точка М является точкой пересечения
прямых l1и l2
Решаем
систему
уравнений
5.
4 x1 + 6 x2 = 24
3 x1 + 2 x2 = 12
x1 = 2,4
x2 = 2,4
М(2,4; 2,4)
109
Решение
Точка М определяет оптимальное решение
Xопт = (2,4; 2,4)
При этом
f max = f (Xопт) = f (2,4; 2,4) = 4∙2,4 + 5 ∙2,4 = 21,6
110
Задача 2
Найти
решение
задачи
линейного
программирования графическим методом:
111
Решение
1.
По системе ограничений
строим соответствующие прямые:
l1
l2
l3
A
n
B
X1
112
Решение
Получаем ОДР, не ограниченную сверху.
2. Строим вектор нормали
по целевой функции
3.
Линия уровня задается уравнением
l1
l2
l3
A
n
B
X1
113
Решение
4.
Перемещаем
линию
уровня
по
направлению вектора n
Перемещение проводится до тех пор, пока
у линии уровня не окажется только одна
общая точка с ОДР
Получаем точку В –
точку
минимума
целевой функции в
ОДР.
Поскольку
область сверху не
ограничена, то
l1
l2
l3
A
n
B
X1
114
Решение
5.
Находим координаты точки минимума и
значение целевой функции в ней
Точка В является точкой пересечения
прямых l2 и l3
Решаем систему уравнений
Точка В имеет координаты: В (2; 2)
Ответ:
115
Задача 3
Найти
решение
задачи
линейного
программирования графическим методом:
116
Решение
1.
Задача задана в канонической форме,
приведем ее к стандартной форме.
Выделим базисные и свободные переменные
из системы ограничений:
117
Решение
Запишем полученную систему уравнений:
Выразим базисные переменные:
и подставим их в целевую функцию:
Задача линейного программирования:
118
Решение
1.
По системе ограничений
строим соответствующие прямые:
Х4
l2
l1
A
B
X3
О
С
119
Решение
Строим вектор нормали
по целевой функции
2.
3.
Линия уровня задается уравнением
Х4
l2
l1
A
B
n
X3
О
С
120
Решение
Перемещаем
линию
уровня
по
направлению вектора n
Точка В – точка минимума целевой функции.
Отрезок [OА] – точки максимума целевой
функции.
4.
Х4
l2
l1
A
B
n
X3
О
С
121
Решение
5.
Точка В (1; 1)
Отрезок [OА]: O (0;0), А (0; 1,5)
Найдем множество точек отрезка:
6.
7.
Находим все координаты точек минимума и
максимума из системы:
Ответ:
122
Симплекс-метод
Рассмотрим
произвольную
задачу
линейного программирования, заданную в
канонической форме:
f = c1 x1 + c2 x2 + ... + cn xn + c0 → max
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a x + ... + a x = b
2n n
2
21 1 22 2
...
a x + a x + ... + a x = b
mn n
m
m1 1 m 2 2
x1 ≥ 0, x2 ≥ 0,..., xn ≥ 0
123
Симплекс-метод
С помощью эквивалентных преобразований
систему ограничений и целевую функцию
привели к виду:
f = −γ r +1 xr +1 − γ r + 2 xr + 2 − ... − γ n xn + γ 0 → max
x1 + α1,r +1 xr +1 + α1,r + 2 xr + 2 + ... + α1n xn = β1
x2 + α 2,r +1 xr +1 + α 2,r + 2 xr + 2 + ... + α 2 n xn = β 2
...
x + α x + α
r
r , r +1 r +1
r , r + 2 xr + 2 + ... + α r , n xn = β r
x1 ≥ 0, x2 ≥ 0,..., xn ≥ 0
где β i ≥ 0, i = 1,..., r
124
Симплекс-метод
Целевую функцию переписываем в виде:
f + γ r +1 xr +1 + γ r + 2 xr + 2 + ... + γ n xn = γ 0
Коэффициенты γ r +1 , γ r + 2 ,..., γ n
называются
оценками исходной задачи линейного
программирования
На основании значений оценок делается
вывод об оптимальности допустимых
решений задачи
125
Симплекс-метод
Запишем данные задачи в виде таблицы:
x1
x2
β1
β2
xk
βk
xr
f
βr
γ0
1
0 ... 0 ... 0 α1,r +1 ... α1 j
1 ... 0 ... 0 α 2,r +1 ... α 2 j
... α1n
... α 2 n
...
...
...
...
... ...
... α kn
... ...
... α rn
... γ n
...
...
...
...
...
...
1
...
...
...
...
...
...
...
...
0 α k ,r +1
...
...
1 α r ,r +1
0 γ r +1
... ...
... α kj
... ...
... α rj
... γ j
126
Симплекс-метод
1.
2.
Алгоритм решения задачи линейного
программирования симплекс-методом:
Если в последней строке нет отрицательных
оценок, то оптимальное решение достигнуто
Если в оценочной строке есть хотя бы одна
отрицательная оценка, то решение может
быть улучшено
127
Симплекс-метод
Выбирается разрешающий столбец (возьмем
столбец j), содержащий отрицательную
оценку
В
качестве
разрешающего
элемента
выбирается положительный элемент alj > 0,
дающий минимум отношения элемента
свободного столбца bi к aij :
bi
alj = min
aij > 0 a
ij
128
Симплекс-метод
3.
4.
Если
в
симплекс-таблице
имеется
отрицательная оценка, а в соответствующем
столбце нет положительных элементов, то
исходная задача не имеет решения
Если оптимальное решение найдено, но при
этом у одной (или нескольких) свободной
переменной оценка равна 0, задача имеет
альтернативное решение
Для его нахождения надо сделать шаг
симплекс-метода, выбрав разрешающий
элемент в свободном столбце с нулевой
оценкой
129
Задача 4
Решить задачу линейного программирования
симплекс-методом:
130
Решение:
Приведем систему к каноническому виду:
Выделим базисные переменные:
Перепишем целевую функцию:
Решение:
Запишем начальную симплекс-таблицу:
Базис
bi
x1
x2
x3
x4
x5
x3
2
1
-2
1
x4
18
3
1
1
x5
2
-1
1
1
z
-1
-2
Базис
bi
x1
x2
x3
x4
x5
x3
2
1
-2
1
x4
18
3
1
1
x5
2
-1
1
1
z
-1
-2
Базис
x3
bi
6
x1
-1
x2
x3
1
x4
x5
2
x4
16
4
1
-1
x2
2
-1
1
1
z
4
-3
2
Базис
x3
bi
6
x1
-1
x2
x3
1
x4
x5
2
x4
16
4
1
-1
x2
2
-1
1
1
z
4
-3
2
Базис
x3
bi
10
x1
x2
x3
1
x4
0,3
x5
1,8
x1
4
1
0,3
-0,3
x2
6
1
0,3
0,8
z
16
0,8
1,3
Ответ:
Задача 5
Решить задачу линейного программирования
симплекс-методом
f = x1 + x2 + x3 → max
4 x + 6 x + 3 x ≤ 1
2
3
1
9 x1 + 5 x2 + 4 x3 ≤ 1
7 x + 3x + 6 x ≤ 1
2
3
1
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
135
Решение:
Приведем систему к каноническому виду:
f = x1 + x2 + x3 → max
4 x + 6 x + 3 x + x ≤ 1
2
3
4
1
9 x1 + 5 x2 + 4 x3 + x5 ≤ 1
7 x + 3 x + 6 x + x ≤ 1
2
3
6
1
xi ≥ 0, i = 1,...,6
Перепишем целевую функцию:
f − x1 − x2 − x3 = 0
Решение:
Запишем начальную симплекс-таблицу:
Базис
bi
x1
x2
x3
x4
x5
x6
x4
1
4
6
3
1
x5
1
9
5
4
1
x6
1
7
3
6
1
f
-1
-1
-1
1 1 1 1
min ; ; =
4 9 7 9
Базис
bi
x1
x2
x3
x4
x5
x6
x4
1
4
6
3
1
x5
1
9
5
4
1
x6
1
7
3
6
1
f
-1
-1
-1
Базис
bi
x1
x2
x3
x4
x5
x6
x4
5/9
34/9
11/9
1
-4/9
x1
1/9
1
5/9
4/9
1/9
x6
2/9
-8/9
26/9
-7/9
1
f
1/9
-4/9
-5/9
1/9
5 1 1 1
min ; ; =
11 4 13 13
Базис
bi
x1
x2
x3
x4
x5
x6
x4
5/9
34/9
11/9
1
-4/9
x1
1/9
1
5/9
4/9
1/9
x6
2/9
-8/9
26/9
-7/9
1
f
1/9
-4/9
-5/9
1/9
Базис
bi
x1
x2
x3
x4
x5
x6
x4
6/13
54/13
1
-3/26
-11/26
x1
1/13
1
9/13
3/13
-2/13
x3
1/13
-4/13
1
-7/26
9/26
f
2/13
-8/13
1/26
5/26
1 1 1
min ; =
9 9 9
Базис
bi
x1
x2
x3
x4
x5
x6
x4
6/13
54/13
1
-3/26
-11/26
x1
1/13
1
9/13
3/13
-2/13
x3
1/13
-4/13
1
-7/26
9/26
f
2/13
-8/13
1/26
5/26
Базис
bi
x1
x2
x3
x4
x5
x6
x4
-6
1
-33/26
1/2
x2
1/9
13/9
1
1/3
-2/9
x3
1/9
4/9
1
-1/6
5/18
f
2/9
8/9
1/6
1/18
2
1 1
X = 0; ; ;0;0;0 , f =
9
9 9
*
Спасибо за внимание!
Финансовый университет при Правительстве РФ
Департамент анализа данных, принятия
решений и финансовых технологий
Методы оптимальных
решений
Лекция № 3:
«Транспортная задача»
Минкова Анастасия Сергеевна
Постановка транспортной задачи
Имеется m поставщиков A1 , A2, …, Am и n
потребителей B1 , B2, …, Bn некоторого
груза.
Для каждого поставщика и потребителя
заданы запасы ai ≥ 0, i = 1, 2, …, m и объем
потребления bj ≥ 0, j = 1, 2, …, n.
Известна стоимость перевозки единицы
груза сij ≥ 0 от i-го поставщика к j-му
потребителю.
Требуется найти объемы всех перевозок
xij от i-го поставщика к j-му потребителю,
при
которых
общая
стоимость
минимальна.
2
Математическая постановка задачи
Пусть X = (xij) – m×n матрица, где
xij – объем перевозок от i-го поставщика
к j-му потребителю.
Общие затраты на перевозку груза
определяются функцией:
m
n
z ( X ) = ∑∑ cij xij
i =1 j =1
3
Математическая постановка
транспортной задачи определяется задачей
линейного программирования:
m
n
z ( X ) = ∑∑ cij xij → min
i =1 j =1
при условиях
m
∑x
i =1
ij
= b j , j = 1,..., n
ij
= ai , i = 1,..., m
n
∑x
j =1
xij ≥ 0
4
Постановка задачи
Любое неотрицательное решение задачи,
определяемое матрицей X, называется
планом транспортной задачи
План X*, при котором целевая функция
принимает
минимальное
значение,
называется
оптимальным
планом
транспортной задачи
5
Постановка задачи
Транспортная задача называется задачей с
правильным балансом, а ее модель закрытой, если суммарные запасы
поставщиков равны суммарным запросам
потребителей
m
n
∑a = ∑b
i
i =1
Если
m
n
∑a ≠ ∑b
i =1
i
j =1
j
j =1
j
, то задача называется
задачей с неправильным балансом, а ее
модель - открытой
6
Условие разрешимости транспортной
задачи
Транспортная задача разрешима тогда и
только тогда, когда суммарные запасы
равны суммарным потребностям
m
n
∑a = ∑b
i =1
i
j =1
j
Ранг матрицы системы ограничений
транспортной задачи равен
r (A) = m + n - 1
7
Основные этапы решения
транспортной задачи
1.
2.
3.
Построение
начального
опорного
решения
метод северо-западного угла
метод минимального тарифа
метод Фогеля
Оценки решения
Улучшения решения
8
Задача 1
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок.
B1
B2
B3
B4
ai
A1
1
11
3
13
140
A2
12
4
8
2
160
A3
bj
3
5
14
6
100
80
40
150
130
9
Задача 1
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок.
B1
B2
B3
B4
ai
A1
1
11
3
13
140
A2
12
4
8
2
160
A3
bj
3
5
14
6
100
80
40
150
130
400
400
10
Задача 1
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок.
B1
B2
B3
B4
ai
A1
1
11
3
13
140
A2
12
4
8
2
160
A3
bj
3
5
14
6
100
80
40
150
130
400
400
400
11
1. Метод «северо-западного угла»
B1
B2
B3
B4
ai
1
11
3
13
A2
12
4
8
2
A3
3
5
14
6
A1
bj
80
80
40
150
140
160
100
130
12
1. Метод «северо-западного угла»
B1
B2
B4
ai
11
3
13
A2
12
4
8
2
A3
3
5
14
6
A1
bj
1
B3
80
40
80
40
150
140
160
100
130
13
1. Метод «северо-западного угла»
B1
A1
B2
1
80
B3
11
40
B4
ai
3
13
20
A2
12
4
8
2
A3
3
5
14
6
bj
80
40
150
140
160
100
130
14
1. Метод «северо-западного угла»
B1
A1
B2
1
80
11
40
A2
12
A3
3
bj
B3
B4
ai
3
13
8
2
14
6
20
4
130
80
5
40
150
140
160
100
130
15
1. Метод «северо-западного угла»
B1
A1
B2
1
80
11
40
A2
12
A3
3
bj
B3
B4
3
13
8
2
20
4
130
80
ai
5
40
30
14
150
6
140
160
100
130
16
1. Метод «северо-западного угла»
B1
A1
B2
1
80
11
40
A2
12
A3
3
bj
B3
B4
3
13
8
2
20
4
130
5
30
14
6
100
80
ai
40
150
140
160
100
130
17
1. Метод «северо-западного угла»
B1
A1
B2
1
80
11
40
A2
12
A3
3
bj
B3
B4
3
13
8
2
20
4
130
5
30
14
6
100
80
Начальный опорный план:
ai
40
150
140
160
100
130
80 40 20 0
X = 0 0 130 30
0 0 0 100
z(X) = 1·80 + 11·40 + 3·20 + 8·130 + 2·30 + 6·100 = 2280
18
2. Метод минимального тарифа
B1
A1
B3
B4
ai
1
11
3
13
12
4
8
2
3
5
14
6
80
A2
A3
bj
B2
80
40
150
140
160
100
130
19
2. Метод минимального тарифа
B1
A1
B3
B4
ai
1
11
3
13
12
4
8
2
80
A2
130
3
A3
bj
B2
80
5
40
14
150
6
140
160
100
130
20
2. Метод минимального тарифа
B1
A1
1
B3
11
B4
ai
3
13
8
2
60
80
12
A2
4
130
3
A3
bj
B2
80
5
40
14
150
6
140
160
100
130
21
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
ai
3
13
8
2
60
12
A2
4
130
3
A3
bj
B2
80
5
40
14
150
6
140
160
100
130
22
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
3
13
4
8
2
30
130
3
A3
80
ai
60
12
A2
bj
B2
5
40
14
150
6
140
160
100
130
23
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
3
13
4
8
2
30
130
3
A3
80
ai
60
12
A2
bj
B2
5
40
14
150
6
140
160
100
130
24
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
3
13
4
8
2
30
130
3
A3
5
14
6
10
80
ai
60
12
A2
bj
B2
40
150
140
160
100
130
25
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
3
13
4
8
2
30
130
3
A3
5
14
6
10
80
ai
60
12
A2
bj
B2
40
150
140
160
100
130
26
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
3
13
4
8
2
30
130
3
A3
5
10
80
ai
60
12
A2
bj
B2
14
6
90
40
150
140
160
100
130
27
2. Метод минимального тарифа
B1
A1
1
B3
11
80
B4
ai
3
13
8
2
60
12
A2
4
30
130
3
A3
bj
B2
5
10
80
Начальный опорный план:
14
6
90
40
150
140
160
100
130
80 0 60 0
X = 0 30 0 130
0 10 90 0
28
z(X) = 1·80 + 4·30 + 5·10 + 14·90 + 3·60 + 2·130 = 1950 < 2280
3. Метод Фогеля
B1 B2
B3
B4
ai
A1
1
11
3
13
140
A2
12
4
8
2
160
A3
bj
3
5
14
6
100
40
150
130
Разности по
строкам
80
Разности по
строкам
29
3. Метод Фогеля
B1 B2
B3
B4
ai
Разности по
строкам
11
3
13
140
2
A2
12
4
8
2
160
2
A3
bj
3
5
14
6
100
2
Разности по
строкам
A1
1
80
40
150
130
2
1
5
4
30
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
A3
bj
3
5
14
6
100
2
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
140
80
40
150
130
2
1
5
4
31
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
A3
bj
3
5
14
6
100
2
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
140
80
40
150
130
2
1
5
4
-
-
-
32
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
2
A3
bj
3
5
14
6
100
2
2
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
-
140
80
40
150
130
2
1
5
4
9
1
6
4
-
-
33
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
2
A3
bj
3
5
14
6
100
2
2
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
-
140
80
40
150
130
2
1
5
4
9
1
6
4
-
-
34
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
2
A3
bj
3
5
14
6
100
2
2
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
-
140
80
80
40
150
130
2
1
5
4
9
1
6
4
-
-
35
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
2
A3
bj
3
5
14
6
100
2
2
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
-
140
80
80
40
150
130
2
1
5
4
9
1
6
4
-
-
36
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
2
2
A3
bj
3
5
14
6
100
2
2
1
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
-
-
140
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
37
3. Метод Фогеля
B1 B2
B3
ai
A1
1
A2
12
4
8
2
160
2
2
2
A3
bj
3
5
14
6
100
2
2
1
Разности по
строкам
11
B4
Разности по
строкам
3
13
140
2
-
-
140
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
38
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
8
2
160
2
2
2
14
6
100
2
2
1
140
4
10
5
Разности по
строкам
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
39
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
8
2
160
2
2
2
14
6
100
2
2
1
140
4
10
5
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
Разности по
строкам
-
40
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
-
8
2
160
2
2
2
2
14
6
100
2
2
1
1
140
4
10
5
Разности по
строкам
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
1
-
4
41
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
-
8
2
160
2
2
2
2
6
100
2
2
1
1
140
4
10
130
5
Разности по
строкам
14
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
1
-
4
42
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
-
8
2
160
2
2
2
2
6
100
2
2
1
1
140
4
10
130
5
Разности по
строкам
14
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
1
-
4
43
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
-
8
2
160
2
2
2
2
6
100
2
2
1
1
140
4
20
10
130
5
Разности по
строкам
14
80
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
1
-
4
44
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
-
8
2
160
2
2
2
2
6
100
2
2
1
1
140
4
20
80
10
130
5
Разности по
строкам
14
20
80
40
150
130
2
1
5
4
9
1
6
4
-
1
6
4
-
1
-
4
45
3. Метод Фогеля
B1 B2
A2
12
A3
bj
3
Разности по
строкам
A1
1
B3
11
B4
ai
3
13
140
2
-
-
-
8
2
160
2
2
2
2
6
100
2
2
1
1
140
4
20
80
10
130
5
Разности по
строкам
14
20
80
40
150
130
2
1
5
4
Начальный опорный план: 𝑋 = 0
1
6
4
80
9
1
6
4
-
1
-
4
20
20
140 0
10 130
0 0
z(X) = 3·80 + 5·20 + 4·20 + 8·10 + 3·140 + 2·130 = 1180 < 1950
46
Решение транспортной задачи
методом потенциалов
Теорема
Если опорный план X = (xij) транспортной
задачи
является
оптимальным,
то
существуют потенциалы поставщиков ui,
i = 1,…, m и потребителей vj, j = 1,…, n,
удовлетворяющие условиям:
ui + vj = сij при xij > 0 (для занятых клеток),
Δij = ui + vj - сij ≤ 0 при xij = 0 (для свободных
клеток).
47
Метод потенциалов
B1
1
A1
bj
B3
B4
11
ai
3
13
8
2
140
12
A2
A3
B2
4
20
10
3
80
5
130
14
6
20
80
40
150
ui
140
160
100
130
vj
48
Метод потенциалов
B1
1
A1
B3
B4
11
ai
3
13
8
2
140
12
A2
A3
B2
4
20
10
3
80
bj
5
130
14
6
20
80
40
150
ui
140
160
100
130
vj
ui + vj = сij
49
Метод потенциалов
B1
1
A1
B3
B4
11
ai
3
13
8
2
140
12
A2
A3
B2
4
20
10
3
80
bj
vj
ui + vj = сij
130
5
14
6
20
80
40
150
130
4
8
2
ui
140
160
100
50
Метод потенциалов
B1
1
A1
B3
B4
11
ai
3
13
8
2
140
12
A2
A3
B2
4
20
10
3
80
bj
vj
ui + vj = сij
130
5
14
6
20
80
40
150
130
4
8
2
ui
140
160
100
1
51
Метод потенциалов
B1
1
A1
B3
B4
11
ai
3
13
8
2
140
12
A2
A3
B2
4
20
10
3
80
130
5
14
6
20
bj
80
40
150
130
vj
2
4
8
2
ui + vj = сij
ui
140
160
100
1
52
Метод потенциалов
B1
1
A1
B3
B4
11
3
13
8
2
140
12
A2
A3
B2
4
20
10
3
80
130
5
14
6
20
bj
80
40
150
130
vj
2
4
8
2
ui + vj = сij
ai
ui
140
-5
160
100
1
53
Метод потенциалов
B1
A1
1
B3
B4
11
3
13
8
2
140
-4
12
A2
A3
B2
4
20
10
3
80
130
5
14
6
20
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
ai
ui
140
-5
160
100
1
54
Метод потенциалов
B1
A1
1
-4
B3
3
13
8
2
140
- 12
4
20
10
3
80
B4
11
12
A2
A3
B2
130
5
14
6
20
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
ai
ui
140
-5
160
100
1
55
Метод потенциалов
B1
A1
1
-4
B3
3
140
- 12
8
10
3
13
- 16
4
20
80
B4
11
12
A2
A3
B2
2
130
5
14
6
20
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
ai
ui
140
-5
160
100
1
56
Метод потенциалов
B1
A1
A2
A3
B2
1
-4
B3
11
12
8
10
3
13
- 16
4
20
80
3
140
- 12
- 10
B4
2
130
5
14
6
20
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
ai
ui
140
-5
160
100
1
57
Метод потенциалов
B1
A1
A2
A3
B2
1
-4
B3
11
12
8
10
3
2
130
5
20
13
- 16
4
20
80
3
140
- 12
- 10
B4
14
6
-5
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
ai
ui
140
-5
160
100
1
58
Метод потенциалов
B1
A1
A2
A3
B2
1
-4
B3
11
12
8
10
3
2
130
5
20
13
- 16
4
20
80
3
140
- 12
- 10
B4
14
-5
6
-3
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
ai
ui
140
-5
160
100
1
59
Метод потенциалов
B1
A1
A2
A3
B2
1
-4
B3
11
3
140
- 12
12
B4
4
13
- 16
8
План
10
130
оптимален!
5
14
2
20
- 10
3
80
20
-5
-3
bj
80
40
150
130
vj
2
4
8
2
Δij = ui + vj - сij
6
ai
ui
140
-5
160
100
1
60
Метод потенциалов
B1
A1
A2
A3
B2
1
-4
11
3
4
20
- 10
3
13
- 16
8
10
5
20
B4
140
- 12
12
80
B3
2
130
14
-5
6
-3
ai
ui
140
-5
160
100
1
40
150
0 130
140 0
Оптимальный план: 𝑋 ∗ = 0
20 10 130
2
4
8 20 2 0 0
80
vj
bj
80
z(X*) = 3·80 + 5·20 + 4·20 + 8·10 + 3·140 + 2·130 = 1180
61
Алгоритм решения методом
потенциалов
1.
2.
Строим начальное опорное решение X
Находим
потенциалы
ui
и
vj,
соответствующие данному опорному
решению, решая систему уравнений
ui + vj = сij для занятых клеток
62
Алгоритм решения методом
потенциалов
3.
Вычисляем оценки для свободных клеток
по формулам Δij = ui + vj – сij.
Если Δij ≤ 0 для всех свободных клеток,
то
полученное
решение
является
оптимальным X* = X
Вычисляем значение целевой функции
z(X*), и решение задачи заканчивается на
данном шаге
63
Алгоритм решения методом
потенциалов
4.
Если имеется хотя бы одна свободная
клетка с положительной оценкой, то
опорное
решение
не
является
оптимальным
Для улучшения плана перевозок находим
клетку таблицы, которой соответствует
наибольшая положительная оценка, и
строим цикл, включающий данную
свободную клетку и занятые клетки
64
Алгоритм решения методом
потенциалов
5.
В
вершинах
цикла
расставляем
поочередно знаки «+» и «-», начиная с
«+»
в
клетке
с
наибольшей
положительной оценкой
Делаем переход по циклу на величину,
равную минимуму перевозок по всем
клеткам со знаком «-»
Получаем
новый
переходим к пункту 2
опорный
план,
65
Открытая модель транспортной
задачи
Модель транспортной задачи называется
m
n
открытой, если ∑ a ≠ ∑ b (суммарные
i =1
i
j =1
j
запасы не равны суммарным потребностям)
66
Открытая модель транспортной
задачи
Открытую модель можно свести к закрытой:
m
n
i =1
j =1
1. Если ∑ ai > ∑ b j , то вводят фиктивного
m
n
i =1
j =1
потребителя Вn+1 с потребностью bn+1 = ∑ ai − ∑ b j
и нулевыми тарифами перевозок в столбце
m
n
ai < ∑ b j ,то вводят фиктивного
2. Если ∑
i =1
j =1
поставщика А m+1 с запасом
n
m
j =1
i =1
am+1 = ∑ b j − ∑ ai
и
нулевыми тарифами перевозок в строке
67
Задача 2
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок.
B1
B2
B3
B4
ai
A1
3
7
4
7
100
A2
10
13
24
7
100
A3
bj
8
19
12
18
200
90
80
30
170
68
Задача 2
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок.
B1
B2
B3
B4
ai
A1
3
7
4
7
100
A2
10
13
24
7
100
A3
bj
8
19
12
18
200
90
80
30
170
m
i =1
370
n
∑a > ∑b
i
j =1
400
j
69
Метод минимального тарифа
B1
B4
B5
ai
7
4
7
10
13
24
7
8
19
12
18
A3
bj
B3
3
A1
A2
B2
90
80
30
170
100
100
200
30
70
Метод минимального тарифа
B1
A1
A2
B3
B4
B5
ai
3
7
4
7
10
13
24
7
8
19
12
18
90
A3
bj
B2
90
80
30
170
100
100
200
30
71
Метод минимального тарифа
B1
A1
A2
B3
B4
B5
ai
3
7
4
7
10
13
24
7
8
19
12
18
90
A3
bj
B2
90
80
30
170
100
100
200
30
72
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
10
10
13
24
7
8
19
12
18
A3
bj
B2
90
80
30
170
100
100
200
30
73
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
10
10
13
24
7
8
19
12
18
A3
bj
B2
90
80
30
170
100
100
200
30
74
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
90
19
80
12
30
170
100
100
200
30
75
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
90
19
80
12
30
170
100
100
200
30
76
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
12
20
90
80
30
170
100
100
200
30
77
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
12
20
90
80
30
170
100
100
200
30
78
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
12
20
90
80
30
70
170
100
100
200
30
79
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
12
20
90
80
30
70
170
100
100
200
30
80
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
80
12
20
30
70
170
100
100
200
30
81
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
80
12
20
30
70
170
100
100
200
30
82
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
80
12
20
30
70
170
30
30
100
100
200
Метод минимального тарифа
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
80
12
20
30
Начальный опорный план:
70
30
170
90 0
𝑋= 0
0 80
100
100
200
30
10 0 0
0 100 0
20 70 30
z(X) = 3·90 + 19·80 + 12·20 + 4·10 + 7·100 + 18·70 + 0·30 = 4030
84
Метод потенциалов
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
80
12
20
30
70
170
30
ui
100
100
200
30
vj
85
Метод потенциалов
B1
A1
A2
3
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
80
12
20
30
70
170
30
ui
100
100
200
30
vj
86
Метод потенциалов
B1
A1
A2
3
vj
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
12
20
70
30
80
30
170
30
19
12
18
ui
100
100
200
87
Метод потенциалов
B1
A1
A2
3
vj
B3
7
90
B4
B5
ai
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
12
20
70
30
80
30
170
30
19
12
18
ui
100
100 - 11
200
88
Метод потенциалов
B1
A1
A2
3
vj
B3
7
90
B4
B5
4
7
24
7
18
10
10
13
100
8
A3
bj
B2
19
80
90
12
20
70
30
80
30
170
30
19
12
18
ai
ui
100
-8
100 - 11
200
89
Метод потенциалов
B1
A1
A2
B2
3
B3
7
90
B4
B5
4
7
24
7
18
10
10
13
100
8
A3
19
80
12
20
70
30
bj
90
80
30
170
30
vj
11
19
12
18
ai
ui
100
-8
100 - 11
200
90
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
4
10
4
10
- 10
13
7
-8
24
19
B5
3
7
100
-23
-5
8
B4
12
- 11
18
A3
3
bj
90
80
30
170
30
vj
11
19
12
18
80
20
70
30
ai
ui
100
-8
100 - 11
200
91
Улучшение опорного плана
транспортной задачи
Цикл – последовательность клеток
таблицы транспортно задачи, в которой
две и только две соседние клетки
расположены в одной строке или одном
столбце
Цикл изображается в виде замкнутой
ломанной линии, соединяющей вершины
цикла,
расположенные
в
клетках
таблицы
92
Улучшение опорного плана
транспортной задачи
Для построения нового опорного плана в
таблице выбирается свободная клетка с
максимальной положительно оценкой и
формируется цикл, одной из вершин
которого является выбранная клетка,
остальные клетки занятые
93
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
4
10
4
10
- 10
13
7
-8
24
19
B5
3
7
100
-23
-5
8
B4
12
- 11
18
A3
3
bj
90
80
30
170
30
vj
11
19
12
18
80
20
70
30
ai
ui
100
-8
100 - 11
200
94
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
4
10
4
10
- 10
13
7
-8
24
19
B5
3
7
100
-23
-5
8
B4
12
- 11
18
A3
3
bj
90
80
30
170
30
vj
11
19
12
18
80
20
70
30
ai
ui
100
-8
100 - 11
200
95
Цикл
10
80
+
-
-
+
20
10
70
+
-
-
+
30
Δ = min (80, 10) = 10
96
Метод потенциалов
B1
A1
A2
3
90
B3
B4
B5
ai
7
4
7
13
24
7
18
10
10
100
8
A3
bj
B2
19
70
90
80
12
30
30
70
170
30
ui
100
100
200
30
vj
97
Метод потенциалов
B1
A1
A2
B2
3
90
B3
B4
B5
ai
7
4
7
13
24
7
18
10
10
100
8
A3
19
70
12
30
70
30
bj
90
80
30
170
30
vj
15
19
12
18
ui
100 - 12
100 - 11
200
98
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
10
10
-6
4
-4
13
-5
8
B4
B5
7
-1
- 12
ui
100 - 12
24
7
100 - 11
100
- 23
- 11
19
12
18
A3
7
bj
90
80
30
170
30
vj
15
19
12
18
70
ai
30
70
30
200
99
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
10
10
-6
4
-4
13
-5
8
B4
B5
7
-1
- 12
ui
100 - 12
24
7
100 - 11
100
- 23
- 11
19
12
18
A3
7
bj
90
80
30
170
30
vj
15
19
12
18
70
ai
30
70
30
200
z(X) = 3·90 + 7·10 + 19·70 + 12·30 + 18·70 + 7·100 = 3990 < 4030
100
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
10
10
-6
4
-4
13
-5
8
B4
B5
7
-1
- 12
ui
100 - 12
24
7
100 - 11
100
- 23
- 11
19
12
18
A3
7
bj
90
80
30
170
30
vj
15
19
12
18
70
ai
30
70
30
200
z(X) = 3·90 + 7·10 + 19·70 + 12·30 + 18·70 + 7·100 = 3990 < 4030
101
Метод потенциалов
B1
A1
A2
B2
3
90
B3
7
10
10
-6
4
-4
13
-5
8
B4
B5
7
-1
- 12
ui
100 - 12
24
7
100 - 11
100
- 23
- 11
19
12
18
A3
7
bj
90
80
30
170
30
vj
15
19
12
18
70
ai
30
70
30
200
z(X) = 3·90 + 7·10 + 19·70 + 12·30 + 18·70 + 7·100 = 3990 < 4030
102
Цикл
90
-
+
+
-
10
70
20
70
80
-
+
+
-
Δ = min (90, 70) = 70
103
Метод потенциалов
B1
A1
3
20
bj
B3
B4
B5
ai
7
4
7
13
24
7
18
80
10
A2
A3
B2
100
8
19
70
90
12
30
80
30
70
170
30
ui
100
100
200
30
vj
104
Метод потенциалов
B1
A1
3
20
B3
B4
B5
7
4
7
13
24
7
18
80
10
A2
A3
B2
100
8
19
70
12
30
70
30
bj
90
80
30
170
30
vj
8
12
12
18
ai
ui
100
-5
100 - 11
200
105
Метод потенциалов
B1
A1
A2
A3
B2
3
20
B3
7
80
10
- 13
4
3
B5
7
6
-5
ai
ui
100
-5
13
24
7
100 - 11
100
- 12
- 23
- 11
8
70
B4
19
-7
12
30
18
70
30
bj
90
80
30
170
30
vj
8
12
12
18
200
z(X) = 3·20 + 7·80 + 8·70 + 12·30 + 18·70 + 7·100 = 3500 < 3990
106
Метод потенциалов
B1
A1
A2
A3
B2
3
20
B3
7
80
10
- 13
4
3
B5
7
6
-5
ai
ui
100
-5
13
24
7
100 - 11
100
- 12
- 23
- 11
8
70
B4
19
-7
12
30
18
70
30
bj
90
80
30
170
30
vj
8
12
12
18
200
z(X) = 3·20 + 7·80 + 8·70 + 12·30 + 18·70 + 7·100 = 3500 < 3990
107
Новый опорный план
B1
3
A1 20
A2
B2
B3
7
80
10
- 13
4
3
B5
7
6
-5
ai
ui
100
-5
13
24
7
100 -11
100
- 12
- 23
- 11
8
A3 70
B4
19
-7
12
30
18
70
30
bj
90
80
30
170
30
vj
8
12
12
18
200
z(X) = 3·20 + 7·80 + 8·70 + 12·30 + 18·70 + 7·100 = 3500 < 4130
108
Цикл
20
20
70
-
+
-
+
+
-
+
-
70
90
50
Δ = min (20, 70) = 20
109
Метод потенциалов
B1
3
A1
bj
B3
7
B4
4
80
10
A2
A3
B2
B5
ai
7
7
18
20
13
24
100
8
19
90
90
12
30
80
30
50
170
30
ui
100
100
200
30
vj
110
Метод потенциалов
B1
3
A1
B3
7
B4
4
80
10
A2
A3
B2
B5
ai
7
7
18
20
13
24
100
8
19
90
12
30
50
30
bj
90
80
30
170
30
vj
8
18
12
18
ui
100 -11
100 -11
200
111
Метод потенциалов
B1
B2
3
A1
-6
A2
10
- 13
A3
7
80
8
90
B3
13
-6
B4
4
-3
B5
7
20
24
7
- 23 100
ai
- 11
- 11
19
12
18
50
30
- 1 30
bj
90
80
30
170
30
vj
8
18
12
18
ui
100 -11
100 -11
200
112
Метод потенциалов
B1
B2
3
A1
-6
A2
10
- 13
A3
7
80
8
90
B3
4
-3
13
-6
B4
B5
7
20
ai
- 11
24
7
- 23 100
План - 11
оптимален!
19
12
18
-1
30
50
30
bj
90
80
30
170
30
vj
8
18
12
18
ui
100 -11
100 -11
200
113
Метод потенциалов
B1
B2
3
A1
-6
A2
10
- 13
A3
bj
vj
90
7
13
-6
-3
B5
7
20
24
7
- 23 100
80
30
18
12
ai
- 11
- 11
19
12
18
50
30
- 1 30
Оптимальный план:
8
B4
4
80
8
90
B3
ui
100 -11
100 -11
200
170 0
80 30
0 20
X = 0 0 0 100
18 90 0 030 50
z(X) = 8·90 + 7·80 + 12·30 + 7·100 + 7·20 + 18·50 = 3380 < 3500
114
Задача 3
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок
B1
B2
B3
B4
ai
A1
1
13
12
3
60
A2
2
16
4
6
125
A3
bj
13
4
17
16
75
100
100
50
50
115
Задача 3
Решите транспортную задачу методом
потенциалов.
В
ответе
укажите
минимальную стоимость всех перевозок
B1
B2
B3
B4
ai
A1
1
13
12
3
60
A2
2
16
4
6
125
A3
bj
13
4
17
16
75
100
100
50
50
m
i =1
300
n
∑a < ∑b
i
j =1
260
j
116
Метод минимального тарифа
B1
A1
A2
A3
A4
bj
100
B2
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
100
50
60
125
75
40
50
117
Метод минимального тарифа
B1
A1
A2
A3
A4
bj
B2
B3
B4
1
13
12
3
2
16
4
6
13
4
17
16
40
100
ai
100
50
60
125
75
40
50
118
Метод минимального тарифа
B1
A1
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
60
A2
A3
A4
bj
B2
40
100
100
50
60
125
75
40
50
119
Метод минимального тарифа
B1
A1
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
60
A2
A3
A4
bj
B2
40
100
100
50
60
125
75
40
50
120
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
60
40
A3
A4
bj
B2
40
100
100
50
60
125
75
40
50
121
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
60
40
A3
A4
bj
B2
40
100
100
50
60
125
75
40
50
122
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
60
40
A3
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
123
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
13
4
17
16
60
40
A3
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
124
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
4
17
16
60
40
50
13
A3
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
125
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
4
17
16
60
40
50
13
A3
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
126
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
60
40
50
13
A3
10
4
17
16
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
127
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
60
40
50
13
A3
10
4
17
16
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
128
Метод минимального тарифа
B1
A1
A2
B3
B4
ai
1
13
12
3
2
16
4
6
60
40
25
50
13
A3
10
4
17
16
75
A4
bj
B2
40
100
100
50
60
125
75
40
50
z(X) = 1·60 + 2·40 + 16·25+ 4·75 + 4·50 + 6·10 = 1100
129
Метод потенциалов
B1
A1
A2
A3
B3
B4
ai
1
13
12
3
2
16
4
6
60
40
25
13
50
10
4
17
16
75
A4
bj
B2
40
100
100
50
ui
60
125
75
40
50
vj
130
Метод потенциалов
B1
A1
A2
A3
B2
1
60
B3
13
2
2
40
B4
12
-9
16
25
3
2
4
50
6
10
13
- 23 75
4
17
- 25
16
- 22
A4
-4
10
bj
100
100
50
50
vj
2
16
4
6
-2
40
ai
ui
60
-1
125
75
-12
40
-6
131
Метод потенциалов
B1
A1
A2
A3
B2
1
60
B3
13
2
2
40
B4
12
-9
16
25
3
2
4
50
6
10
13
- 23 75
4
17
- 25
16
- 22
A4
-4
10
bj
100
100
50
50
vj
2
16
4
6
-2
40
ai
ui
60
-1
125
75
-12
40
-6
132
Метод потенциалов
B1
A1
A2
A3
B2
1
60
B3
13
2
2
40
B4
12
-9
16
25
3
2
4
50
6
10
13
- 23 75
4
17
- 25
16
- 22
A4
-4
10
bj
100
100
50
50
vj
2
16
4
6
-2
40
ai
ui
60
-1
125
75
-12
40
-6
133
Цикл
25
35
10
-
+
-
+
+
-
+
-
40
25
15
Δ = min (25, 40) = 25
134
Новый опорный план
B1
A1
A2
A3
B3
B4
ai
1
13
12
3
2
16
4
6
60
40
50
13
35
4
17
16
75
A4
bj
B2
25
100
100
15
50
ui
60
125
75
40
50
vj
135
Новый опорный план
B1
A1
A2
A3
B2
1
60
B3
13
-8
2
40
B4
12
-9
16
2
4
50
- 10
3
6
35
13
- 13 75
4
17
- 15
16
- 12
A4
-4
bj
100
100
50
50
vj
2
6
4
6
-2
25
15
ai
ui
60
-1
125
75
-2
40
-6
z(X) = 1·60 + 2·40 + 4·75 + 4·50 + 6·35 = 850 < 1100
136
Новый опорный план
B1
A1
A2
A3
B2
1
60
B3
13
-8
2
40
B4
12
-9
16
2
4
50
- 10
3
6
35
13
- 13 75
4
17
- 15
16
- 12
A4
-4
bj
100
100
50
50
vj
2
6
4
6
-2
25
15
ai
ui
60
-1
125
75
-2
40
-6
z(X) = 1·60 + 2·40 + 4·75 + 4·50 + 6·35 = 850 < 1100
137
Новый опорный план
B1
A1
A2
A3
B2
1
60
B3
13
-8
2
40
B4
12
-9
16
2
4
50
- 10
3
6
35
13
- 13 75
4
17
- 15
16
- 12
A4
-4
bj
100
100
50
50
vj
2
6
4
6
-2
25
15
ai
ui
60
-1
125
75
-2
40
-6
z(X) = 1·60 + 2·40 + 4·75 + 4·50 + 6·35 = 850 < 1100
138
Цикл
25
60
40
35
-
+
-
+
+
-
+
-
35
75
Δ = min (35, 60) = 35
139
Новый опорный план
B1
A1
A2
A3
1
B3
13
B4
12
25
ai
3
35
2
16
4
6
4
17
16
75
50
13
75
A4
bj
B2
25
100
100
15
50
ui
60
125
75
40
50
vj
140
Новый опорный план
B1
A1
A2
A3
B2
1
25
B3
13
- 10
B4
12
3
35
-9
План
50
- 12
-2
оптимален!
13
4
17
16
2
75
16
75
- 11
4
- 13
6
- 12
A4
-2
bj
100
100
50
50
vj
1
3
3
3
25
15
ai
ui
60
125
1
75
1
40
-3
141
Новый опорный план
B1
A1
A2
A3
A4
B2
1
25
B3
13
- 10
2
75
B4
12
35
-9
16
4
50
- 12
3
6
-2
13
- 11 75
4
17
- 13
16
- 12
-2
25
100
100
bОптимальный
j
план:
50
vj
3
1
3
15
ai
ui
60
125
1
75
1
40
-3
0 0 35
25
50
X = 75 0 50 0
0 3 75 0 0
z(X) = 1·25 + 2·75 + 4·75 + 4·50 + 3·35 = 780 < 850
142
Транспортные задачи с
дополнительными ограничениями
В некоторых транспортных задачах
наложены дополнительные ограничения
на перевозку грузов.
1. Если в закрытой задаче перевозки от
поставщика Ai к потребителю Bj не могут
быть осуществлены (стоит блокировка),
для определения оптимального решения
задач
предполагают,
что
тариф
перевозки единицы груза равен сколь
угодно большому числу М.
143
Транспортные задачи с
дополнительными ограничениями
2. Если дополнительным условием в задаче
является обеспечение перевозки от
поставщика Ai к потребителю Bj в
точности aij единиц груза, в клетку AiBj
записывают указанное число aij, а эту
клетку считают свободной со сколь
угодно большим тарифом М.
144
Транспортные задачи с
дополнительными ограничениями
3. Если от поставщика Ai к потребителю Bj
должно быть перевезено не менее aij
единиц груза, то запасы пункта Ai и
потребности
Bj полагают
меньше
фактических на aij единиц. После
нахождения
оптимального
плана
перевозку в клетке AiBj увеличивают на
aij единиц.
145
Транспортные задачи с
дополнительными ограничениями
4. Если от поставщика Ai к потребителю Bj
требуется перевезти не более aij единиц
груза,
то
вводят
дополнительного
потребителя Bn+1 = Bij, которому записывают
те же тарифы, что и для Bj, за исключением
тарифа в i–й строке, который считают
равным сколь угодно большому числу М.
Потребности пункта Bj считают равными aij,
а потребности Bij полагают равными
bj - aij.
146
Задача 4
Найти решение транспортной задачи, если из А1 в
В4 должно быть перевезено не менее 40 ед. груза,
из А2 в В3 должно быть перевезено не более 50 ед.
груза, а из А3 в В1 не менее 60 ед. груза.
B1
B2
B3
B4
ai
A1
12
14
11
20
90
A2
3
4
5
9
155
A3
bj
2
18
14
12
125
100
75
75
120
147
Задача 4
Найти решение транспортной задачи, если из А1 в
В4 должно быть перевезено не менее 40 ед. груза,
из А2 в В3 должно быть перевезено не более 50 ед.
груза, а из А3 в В1 не менее 60 ед. груза.
B1
B2
B3
B4
ai
A1
12
14
11
20
90
A2
3
4
5
9
155
A3
bj
2
18
14
12
125
100
75
75
120
370
370
370
148
Метод наименьшего тарифа
Найти решение транспортной задачи, если из А1 в
В4 должно быть перевезено не менее 40 ед. груза,
из А2 в В3 должно быть перевезено не более 50 ед.
груза, а из А3 в В1 не менее 60 ед. груза.
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
18
14
12
14
bj
40
75
50
80
ai
50
155
65
25
149
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
18
14
12
14
bj
40
40
75
50
80
ai
50
155
65
25
150
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
18
14
12
14
bj
40
40
75
50
80
ai
50
155
65
25
151
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
18
14
12
14
bj
75
40
40
75
50
80
ai
50
155
65
25
152
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
18
14
12
14
bj
75
40
40
75
50
80
ai
50
155
65
25
153
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
14
12
14
bj
75
50
18
40
40
75
50
80
ai
50
155
65
25
154
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
14
12
14
bj
75
50
18
40
40
75
50
80
ai
50
155
65
25
155
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
12
14
bj
75
50
30
18
14
40
40
75
50
80
ai
50
155
65
25
156
Метод наименьшего тарифа
B1
B2
B3
B4
B5
A1
12
14
11
20
11
A2
3
4
5
9
M
A3
2
12
14
bj
75
50
30
18
14
40
40
75
50
80
ai
50
155
65
25
157
Метод наименьшего тарифа
B1
B2
A1
12
A2
3
A3
2
bj
B3
14
B4
11
B5
20
11
25
4
75
5
50
9
M
12
14
30
18
14
40
40
75
50
80
ai
50
155
65
25
158
Метод наименьшего тарифа
B1
B2
A1
12
A2
3
A3
2
bj
B3
14
B4
11
B5
20
11
25
4
75
5
50
9
M
12
14
30
18
14
40
40
75
50
80
ai
50
155
65
25
159
Метод наименьшего тарифа
B1
B2
A1
12
A2
3
A3
2
bj
B3
14
B4
11
B5
20
11
25
4
75
5
50
9
M
12
14
30
18
14
40
25
40
75
50
80
ai
50
155
65
25
160
Метод наименьшего тарифа
B1
B2
A1
12
A2
3
A3
2
bj
B3
14
B4
11
B5
20
11
25
4
75
5
50
9
M
12
14
30
18
14
40
25
40
75
50
80
ai
50
155
65
25
161
Метод наименьшего тарифа
B1
B2
A1
12
A2
3
A3
2
bj
B3
14
B4
11
B5
20
25
4
75
25
5
50
11
9
M
12
14
30
18
14
40
25
40
75
50
80
ai
50
155
65
25
162
Метод потенциалов
B1
B2
A1
12
A2
3
A3
2
B3
14
B4
11
B5
20
25
4
75
25
5
50
11
9
M
12
14
30
18
14
40
25
bj
40
75
50
80
25
vj
-1
4
5
9
ai
ui
50
11
155
65
3
163
Метод потенциалов
B1
A1
A2
A3
B2
12
-2
14
1
3
-4
B4
11
B5
4
9
30
18
- 11
-6
ui
50
11
M
155
-M
14
14
- 11
3
11
25
5
50
ai
20
25
5
75
2
40
B3
12
25
bj
40
75
50
80
25
vj
-1
4
5
9
65
164
Метод потенциалов
B1
A1
A2
A3
B2
12
-2
14
1
3
-4
B4
11
B5
4
9
30
18
- 11
-6
ui
50
11
M
155
-M
14
14
- 11
3
11
25
5
50
ai
20
25
5
75
2
40
B3
12
25
bj
40
75
50
80
25
vj
-1
4
5
9
65
165
Метод потенциалов
B1
A1
A2
A3
B2
12
-2
14
1
3
-4
B4
11
B5
4
9
30
18
- 11
-6
ui
50
11
M
155
-M
14
14
- 11
3
11
25
5
50
ai
20
25
5
75
2
40
B3
12
25
bj
40
75
50
80
25
vj
-1
4
5
9
65
166
Цикл
25
50
+
-
-
+
30
25
25
+
-
-
+
55
Δ = min (50, 25) = 25
167
Метод потенциалов
B1
B2
A1
12
A2
3
A3
2
bj
B3
14
B4
11
B5
20
25
25
4
75
5
25
18
9
M
12
14
55
14
40
40
11
25
75
50
80
ai
ui
50
155
65
25
vj
168
Метод потенциалов
B1
B2
A1
12
A2
3
A3
2
B3
14
B4
11
B5
20
25
25
4
75
11
5
25
9
M
12
14
55
18
14
40
25
bj
40
75
50
80
25
vj
-1
4
5
9
5
ai
ui
50
6
155
65
3
169
Метод потенциалов
B1
B2
12
B3
14
B4
B5
11
ai
20
11
50
A1 - 7
25
-4
- 5 25
3
4
5
9
M
155
A2 - 4 75
5-M
25
55
2
18
14
12
14
65
A3 40
25
- 11
-6
-6
bj
40
75
50
80
25
vj
-1
4
5
9
5
ui
6
3
170
Метод потенциалов
B1
B2
12
B3
14
B4
B5
11
ai
20
11
50
A1 - 7
25
-4
- 5 25
3
4
5
9
M
155
A2 - 4 75
5-M
25
55
2
18
14
12
14
65
A3 40
25
- 11
-6
-6
План
оптимален!
bj
40
75
50
80
25
vj
-1
4
5
9
5
ui
6
3
171
Метод потенциалов
B1
B2
12
B3
B5
ai
20
11
50
A1 - 7
25
-4
- 5 25
3
4
5
9
M
155
A2 - 4 75
5-M
25
55
2
18
14
12
14
65
A3 40
25
- 11
-6
-6
bj
vj
40
-1
14
B4
75
4
11
50
Оптимальный план:
5
80
ui
6
3
25
0 50 40
0
9
5
X = 0 75 25 55
100 0
0 25
z(X) = 2·100 + 4·75 + 11·50 + 5·25 + 9·55 + 20·40 + 12·25 = 2770172
Финансовый университет при Правительстве РФ
Департамент анализа данных, принятия
решений и финансовых технологий
Методы оптимальных
решений
Лекция № 4:
«Взаимно-двойственные задачи»
Минкова Анастасия Сергеевна
План лекции
Постановка
взаимно-двойственных
задач линейного программирования
Основная теорема двойственности
Нахождение двойственной задачи
Постановка
задачи целочисленного
программирования
Графический метод
Метод Гомори
2
Двойственная задача
Исходная
задача
линейного
программирования называется прямой
Каждой
задаче
линейного
программирования
можно
определенным образом поставить в
соответствие двойственную задачу (по
отношению к исходной)
Эти две задачи тесно связаны между
собой и образуют единую пару
двойственных задач
3
Характеристики двойственных
задач
В одной задаче ищется максимум
целевой функции, в другой – минимум
Коэффициенты при переменных целевой
функции одной из задач являются
свободными
членами
системы
ограничений другой задачи
В задаче на максимум целевой функции
все неравенства системы ограничений
имеют знак «≤», а в задаче на минимум –
знак «≥»
4
Характеристики двойственных
задач
Каждому из m ограничений прямой задачи
соответствует переменная двойственной
задачи
Каждому из n переменных прямой задачи
соответствует ограничение двойственной
задачи
Матрица числовых коэффициентов при
переменных системы ограничений одной
задачи транспонирована по отношению к
матрице числовых коэффициентов при
переменных системы ограничений другой
задачи
5
Математические модели
симметричных двойственных задач
6
Алгоритм составления
двойственной задачи
1.
2.
Строим расширенную матрицу по
заданным ограничениям и целевой
функции исходной задачи
Если в исходной задаче ищется
максимум
(минимум)
линейной
функции, то двойственная задача будет
задачей на минимум (максимум)
7
Алгоритм составления
двойственной задачи
3.
4.
Найти матрицу А1т, транспонированную к матрице А1
Строка тривиальных ограничений
переходит в столбец нетривиальных
ограничений без изменения знака
неравенства
(соответственно с
изменением знака)
8
Алгоритм составления
двойственной задачи
5.
6.
Если на переменную в исходной задаче
тривиальное ограничение отсутствует,
то соответствующее ограничение в
двойственной задаче будет типа
уравнения («~» переходит в «=»)
Столбец нетривиальных ограничений
переходит в строку тривиальных
ограничений с изменением знака
неравенства
(соответственно
без
изменения знака), а «=» переходит в
«~»
9
Алгоритм составления
двойственной задачи
7.
Сформулировать двойственную задачу
на основании полученной матрицы А1т
и
условия
неотрицательности
переменных
10
Задача 1
Составить
задачу,
следующей задаче:
двойственную
F = − x1 + 2 x2 → max
2 x1 − x2 ≥ 1
− x1 + 4 x2 ≤ 24
x1 − x2 ≤ 3
x + x ≥ 5
1 2
x j ≥ 0, j = 1,2
11
Решение
Поскольку
исходная
задача
на
максимум, приведем все неравенства
системы ограничений к виду «≤»
Первое
и
четвертое
неравенства
умножим на -1
1.
− 2 x1 + x2 ≤ −1
− x + 4 x ≤ 24
1
2
x1 − x2 ≤ 3
− x1 − x2 ≤ −5
12
Решение
2.
3.
Составим
системы
расширенную
матрицу
− 2 1 −1
− 1 4 24
A1 = 1 − 1 3
−1 −1 − 5
−1 2 F
Найдем матрицу А1т, транспонированную к матрице А1
− 2 − 1 1 − 1 − 1
Т
A1 = 1
4 −1 −1 2
− 1 24 3 − 5 Z
13
Решение
− 2 − 1 1 − 1 − 1
Т
A1 = 1
4 −1 −1 2
− 1 24 3 − 5 Z
4.
Сформулируем двойственную задачу
Z = − y1 + 24 y2 + 3 y3 − 5 y4 → min
2 y1 − y2 + y3 − y4 ≥ −1
y1 + 4 y2 − y3 − y4 ≥ 2
y ≥ 0, k = 1,2,3,4
k
14
Первая теорема
двойственности
Основное
неравенство
теории
двойственности
Пусть имеется пара двойственных задач
I и II. Для любых допустимых решений
X = (x1, x2,…, xn) и Y = (y1, y2,…, ym)
исходной
и
двойственной
задач
справедливо неравенство
n
m
F ( X ) ≤ Z (Y ) или ∑ с j x j ≤ ∑ bi yi
j =1
i =1
15
Достаточный признак
оптимальности
Теорема
Если X*=(x1*,x2*,…,xn*) и
Y*=(y1*,y2*,…,ym*) – допустимые
решения взаимно двойственных задач, для
которых выполняется равенство
F ( X * ) = Z (Y * ) ,
то X* – оптимальное решение исходной
задачи I, а Y* – двойственной задачи II
16
Первая теорема
двойственности
Если одна из взаимно двойственных задач
имеет оптимальное решение, то его имеет
и другая, причем оптимальные значения
их линейных функций равны:
Fmax = Z min или F ( X * ) = Z (Y * )
Если линейная функция одной из задач не
ограничена, то условия другой задачи
противоречивы
17
Первая теорема
двойственности
Экономический смысл теоремы
План производства X*=(x1*,x2*,…,xn*) и
набор
цен
(оценок)
ресурсов
Y*=(y1*,y2*,…,ym*) оказываются оптимальными тогда и только тогда, когда прибыль
(выручка) от продукции, найденная при
«внешних» (заранее известных) ценах
c1,c2,…,cn , равна затратам на ресурсы по
«внутренним»
(определяемым
из
решения задачи) ценах y1, y2,…,ym
18
Первая теорема
двойственности
Экономический смысл теоремы
Предприятию безразлично, производить
ли продукцию по оптимальному плану
X*=(x1*,x2*,…,xn*)
и
получить
максимальную прибыль (выручку) Fmax,
либо продать ресурсы по оптимальным
ценам Y*=(y1*, y2*,…,ym*) и возместить от
продажи равные ей минимальные затраты
на ресурсы Zmin
19
Вторая теорема
двойственности (теорема
равновесия)
Оптимальные решения X * = ( x1* , x2* ,..., xn* ) и
Y * = ( y1* , y2* ,..., ym* ) пары двойственных задач
связаны между собой равенствами:
m
*
*
∑ aik yi − ck ⋅ xk = 0, k = 1,2,..., n
i =1
n
a x* − b ⋅ y * = 0, i = 1,2,..., m
ik k
i
i
∑
k =1
20
Финансовый университет при Правительстве РФ
Департамент анализа данных, принятия
решений и финансовых технологий
Методы оптимальных
решений
Задачи целочисленного
программирования
Постановка задачи
Необходимо
найти
минимальное
(максимальное)
значение
линейной
функции
n
z = ∑ c j x j + с0 → min(max)
j =1
при линейных ограничениях
n
∑a x
j =1
ij
j
… ,m
= bi , i = 1,
… ,n
и условии: x j ≥ 0, x j ∈ Z , j = 1,
22
Методы решения ЗЦП
Графический
метод
Метод Гомори
23
Графический метод решения задачи
целочисленного программирования
1.
2.
3.
Находим область допустимых решений
(ОДР) по заданной системе ограничений.
Если ОДР – пустое множество, то задача не
имеет решений
Если ОДР является непустым множеством,
строится вектор нормали n = (c1 ;c2 )
Проводится
линия
уровня
f,
перпендикулярная вектору нормали n
( c1 x1 + c2 x2 = const )
24
Графический метод решения задачи
целочисленного программирования
4.
Перемещаем линию уровня в направлении
вектора нормали, рассматриваем только
целочисленные решения: находим первую
точку Xmin пересечения такой линии с ОДР.
fmin = f(Xmin)
5.
Продолжая перемещать линию уровня в
направлении вектора n, находим Xmax –
последнюю точку пересечения линии уровня
с ОДР с целочисленными координатами.
fmax = f(Xmax)
25
Задача 2
Решить
задачу
целочисленного
программирования графическим методом
f = 3 x1 + 2 x2 → max
x + x ≤ 13
1 2
x1 − x2 ≤ 6
− 3 x1 + x2 ≤ 9
x1 ≥ 0, x2 ≥ 0
x1 , x2 ∈ Z
26
Решение
1.
По
системе
ограничений
соответствующие прямые, не
условие на целочисленность:
l3
X2
𝑙1 : 𝑥1 + 𝑥2 = 13
𝑙2 : 𝑥1 − 𝑥2 = 6
13
𝑙3 : −3𝑥1 + 𝑥2 = 9
строим
учитывая
B
A
9
l2
С
X1
-3
О
6
D 13
l1
-6
27
Решение
Строим вектор нормали 𝑛 = (3; 2)
по целевой функции 𝑓 = 3𝑥1 + 2𝑥2
3. Линия уровня задается уравнением
2.
3𝑥1 + 2𝑥2 = const
l3
X2
13
B
A
9
l2
С
n
X1
-3
О
D 13
6
l1
-6
f
28
Решение
4.
Перемещаем линию уровня по направлению
вектора нормали и рассматриваем в качестве
возможных решений только точки с
целочисленными координатами
l3
X2
13
B
A
9
l2
E
n
С
X1
-3
О
6
D 13
l1
-6
f
29
Решение
5.
Находим координаты точки максимума: т. Е
имеет целочисленные координаты:
𝐸(9; 4)
Точка С - точка пересечения прямых l2 и l3
(не целочисленное решение)
𝑥1 = 9,5
𝑥1 + 𝑥2 = 13
�
�
𝑥2 = 3,5
𝑥1 − 𝑥2 = 6
Следовательно:
𝑋𝑚𝑎𝑎 = (9; 4)
𝑧𝑚𝑎𝑎 = 𝑧 9; 4 = 3 ∙ 9 + 2 ∙ 4 = 35
30
Метод Гомори
Определение
оптимального
плана
исходной
задачи
целочисленного
программирования
без
учета
целочисленности переменных
Если в найденном плане все числа
являются целыми, то данный план
является оптимальным планом задачи
целочисленного программирования
31
Метод Гомори
Если в найденном плане переменная xk
является дробной, то к системе
ограничений добавляется неравенство
{}
~
~
∑ {aij }⋅ x j ≥ bi
n
j =1
{a} - дробная часть числа а
32
Задача 3
Решить задачу методом Гомори:
z = x1 + 5 x2 + 3 → max
− x1 + x2 ≤ 2
x1 + x2 ≤ 7
x ≥ 0, x ≥ 0
2
1
33
Решение
Приведем систему к каноническому виду:
−𝑥1 + 𝑥2 + 𝑥3 = 2
�𝑥1 + 𝑥2 + 𝑥4 = 7
𝑥𝑖 ≥ 0, 𝑖 = 1, … , 4
Перепишем целевую функцию:
𝑧 − 𝑥1 − 5𝑥2 = 3
Запишем начальную симплекс-таблицу
(не учитывая условие целочисленности):
Базис
bi
x1
x2
x3
x4
x3
2
-1
1
1
x4
7
1
1
1
z
3
-1
-5
Решение
Базис
bi
x1
x2
x3
x4
x3
2
-1
1
1
x4
7
1
1
1
z
3
-1
-5
𝑚𝑚𝑚
2 7
; =2
1 1
Базис
bi
x1
x2
x3
x4
x2
2
-1
1
1
x4
5
2
-1
1
z
13
-6
5
Решение
Базис
bi
x1
x2
x3
x4
x2
2
-1
1
1
x4
5
2
-1
1
z
13
-6
5
Базис
bi
x1
x2
x3
x4
x2
9/2
1
1/2
1/2
x1
5/2
1
-1/2
1/2
z
28
2
3
5 9
𝑋𝑚𝑚𝑚 = ( ; ; 0; 0)
2 2
𝑧𝑚𝑚𝑚 = 28
Решение
Полученное решение не учитывает
целочисленность переменных,
следовательно решение не является оптимальным
Дробные части у переменных 𝑥1 и 𝑥2
одинаковые, поэтому вводим ограничение по
любой строке таблицы:
Базис
bi
x1
x2
x3
x4
x2
9/2
1
1/2
1/2
x1
5/2
1
-1/2
1/2
z
28
2
3
1
1
9
1 𝑥2 +
𝑥3 +
𝑥4 ≥
2
2
2
Решение
1
1
9
1 𝑥2 +
𝑥3 +
𝑥4 ≥
2
2
2
1
1
1
𝑥3 + 𝑥4 ≥
2
2
2
𝑥3 + 𝑥4 ≥ 1
Приведем полученное ограничение к
канонической форме:
𝑥3 + 𝑥4 − 𝑥5 = 1
−𝑥3 − 𝑥4 + 𝑥5 = −1
Решение
Добавим ограничение к последней таблице:
Базис
bi
x2
x1
−𝑥3 − 𝑥4 + 𝑥5 = −1
x1
x2
x3
x4
x5
9/2
1
1/2
1/2
1
-1/2
-1
1/2
-1
x5
5/2
-1
z
28
2
3
1
Решение
Полученная задача решается двойственным
симплекс методом:
Базис
bi
x1
x2
x3
x4
x2
9/2
1
1/2
1/2
x1
1
-1/2
-1
1/2
-1
x5
5/2
-1
z
28
2
3
2
3
𝑚𝑚𝑚
;
=2
−1 −1
x5
1/2
x5
1
Базис
bi
x1
x2
x3
x4
x2
4
1
x1
1
1
1
1
-1/2
x3
3
1
z
26
1
2
-1
Решение
Получаем оптимальное решение задачи
целочисленного программирования:
Базис
bi
x1
x2
x3
x4
x2
4
1
x1
1
1
1
1
-1/2
x3
3
1
z
26
1
2
𝑋𝑚𝑚𝑚 = 3; 4
𝑧𝑚𝑚𝑚 = 26
x5
1/2
-1
Финансовый университет при Правительстве РФ
Департамент анализа данных, принятия
решений и финансовых технологий
Методы оптимальных
решений
Лекция № 5:
«Теория игр»
Минкова Анастасия Сергеевна
План лекции
Основные понятия теории игр
Нижняя и верхняя цена игры
Игры с седловой точкой
Решение игр в смешанных стратегиях
Теорема фон Неймана
Доминирующие
и
доминируемые
стратегии
Решение
игр методами линейного
программирования
2
Теория игр
Игра
–
математическая
модель
конфликтной ситуации
Игроки – стороны, участвующие в
конфликте
Выигрыш – исход конфликта
Стратегия
–
выбор
нескольких
вариантов действий для достижения
своих целей каждого из игроков
Классификация игр
Парная игра – игра, в которой участвует
два игрока
Множественная игра – игра, в которой
число игроков больше двух
2. Игра
с
нулевой
суммой
(антагонистическая игра) – игра, в
которой выигрыш одного из игроков
равен проигрышу другого
1.
Классификация игр
3.
4.
Коалиционная игра – игра, в которой
участники
множественной
игры
объединяют
свои
усилия
по
достижению лучшего результата
В
противном
случае
игра
–
бескоалиционная
Статические и динамические игры
(параметры изменяются во времени)
Теория игр
Ход игрока – выбор и осуществление
одного из предусмотренных правилами
действий
Личный ход – сознательный выбор
игроком одного из возможных действий
Случайный ход – случайно выбранное
действие
Цель
теории игр – определение
оптимальной стратегии для каждого
игрока
Теория игр
Для
нахождения
решения
игры
необходимо выбрать стратегию для
каждого игрока, которая удовлетворяет
условию оптимальности – один из
игроков должен получать максимальный
выигрыш, когда второй придерживается
своей стратегии
Второй игрок при этом должен иметь
минимальный проигрыш, если первый
придерживается своей стратегии
Платежная матрица
Пусть игрок A располагает m стратегиями
A1 , A2, …, Am и игрок B имеет n стратегий
B1 , B2, …, Bn
Выигрыш игрока A при выборе стратегий
Ai и Bj обозначим aij
Платежная матрица (матрица игры):
𝑎11
𝑎21
…
𝑎𝑚1
𝑎12
𝑎22
…
𝑎𝑚2
… 𝑎1𝑛
… 𝑎2𝑛
…
…
… 𝑎𝑚𝑚
Нижняя цена игры
Пусть αi – наименьший выигрыш игрока
A при выборе им стратегии Ai для всех
возможных стратегий игрока B:
α i = min α ij
j=1, n
Тогда гарантированный выигрыш игрока
A при любой стратегии игрока B равен:
α = max α i = max min α ij
i =1, m
α – нижняя цена игры.
i =1, m
j=1, n
Верхняя цена игры
Число β – верхняя цена игры:
β = min max α ij
j=1, n i =1, m
β - гарантированный проигрыш игрока B
Если α = β = v, то v – чистая цена (или
цена игры).
Тогда пара оптимальных стратегий Ai и
Bj, для которой aij = v называется
седловой точкой платежной матрицы
Задача 1
Найдите седловую точку в игре с матрицей
выигрышей А. В ответе указать чистую
цену игры
2 10 25 0
13 14 19 6
А=
− 5 3 − 2 − 4
18 5 − 3 − 5
Решение:
2 10 25 0
13 14 19 6
А=
− 5 3 − 2 − 4
18 5 − 3 − 5
Нижняя цена игры:
α1 = min (2; 10; 25; 0) = 0
α2 = min (13; 14; 19; 6) = 6
α3 = min (-5; 3; -2; -4) = - 5
α4 = min (18; 5; -3; -5) = - 5
α = max (0; 6 ; -5; -5) = 6
2 10 25 0
13 14 19 6
А=
− 5 3 − 2 − 4
18 5 − 3 − 5
Верхняя цена игры:
β1 = max (2; 13; -5; 18) = 18
β2 = max (10; 14; 3; 5) = 14
β3 = max (25; 19; -2; -3) = 25
β4 = max (0; 6; -4; -5) = 6
β = min (18; 14 ; 25; 6) = 6
2 10 25 0
13 14 19 6
А=
− 5 3 − 2 − 4
18 5 − 3 − 5
Получаем: α = β = 6
v=6
Седловая точка - (A2,B4)
Решение игры в смешанных
стратегиях
Если α < β, то применение чистых
стратегий не дает оптимального решения
игры
Оптимальное решение можно получить
случайным образом путем чередования
чистых стратегий – в смешанных
стратегиях
Смешанная стратегия SА игрока А –
применение чистых стратегий A1 , A2, …, Am
с вероятностями р1 , р2, …, рm
𝐴1
𝑆𝐴 =
𝑝1
𝐴2
𝑝2
… 𝐴𝑚
… 𝑝𝑚
𝐵1
𝑆𝐵 =
𝑞1
𝐵2
𝑞2
… 𝐵𝑛
… 𝑞𝑛
m
∑p
i =1
i
=1
Для игрока B аналогично:
n
∑q
j =1
j
=1
Решение игры в смешанных
стратегиях
Оптимальное решение игры – пара
оптимальных стратегий SА*, SВ* в общем
случае смешанных, которые обладают
свойством:
Если один из игроков придерживается
своей оптимальной стратегии, то другому
не может быть выгодно отступать от своей
Решение игры в смешанных
стратегиях
Выигрыш, соответствующий оптимальному решению называется ценой игры v
α≤v≤β
Теорема фон Неймана:
Каждая конечная игра имеет по крайней
мере
одно
оптимальное
решение,
возможно, среди смешанных стратегий
Задача 2
Найдите решение игры в смешанных
стратегиях. В ответе указать среднюю
цену игры
1,5 3
А =
2 1
1,5 3
А =
2 1
Решение:
Найдем нижнюю и верхнюю цену игры:
α = 1,5, β = 2, α ≠ β
Средний выигрыш игрока А равен цене
игры v, если он использует оптимальную
смешанную стратегию s* = A1 A 2
А
p*
1
p*2
игрок B использует чистую стратегию B1
(т.е. первый столбец платежной матрицы)
1,5𝑝1∗ + 2𝑝2∗ = 𝑣
1,5 3
А =
2 1
Средний выигрыш игрока А также равен
цене игры v, если игрок B применяет
стратегию B2 (т.е. второй столбец
платежной матрицы):
3𝑝1∗ + 𝑝2∗ = 𝑣
Получаем систему уравнений для игрока
А:
*
*
1,5 p1 + 2 p2 = v
*
*
3
+
p
p
1
2 =v
p* + p* = 1
2
1
1,5 p1* + 2 p2* = v
*
*
3
+
p
p
1
2 =v
p* + p* = 1
2
1
𝑝2∗ = 1,5𝑝1∗
�3𝑝1∗ + 𝑝2∗ = 𝑣
𝑝1∗ = 1 − 𝑝2∗
𝑝2∗
𝑝2∗ )
= 1,5(1 −
� 3𝑝1∗ + 𝑝2∗ = 𝑣
𝑝1∗ = 1 − 𝑝2∗
1,5𝑝1∗ + 2𝑝2∗ = 3𝑝1∗ + 𝑝2∗
3𝑝1∗ + 𝑝2∗ = 𝑣
�
𝑝1∗ = 1 − 𝑝2∗
* 3
p2 = 5
2
*
p1 =
5
v=9
5
1,5 3
А =
2 1
Составим аналогичную систему для
игрока В:
1,5q + 3q = v
*
2 q + q2 = v
q + q* = 1
2
*
1
*
1
*
1
*
2
4𝑞2∗ = 𝑞1∗
�2𝑞1∗ + 𝑞2∗ = 𝑣
𝑞1∗ = 1 − 𝑞2∗
1,5𝑞1∗ + 3𝑞2∗ = 2𝑞1∗ + 𝑞2∗
�2𝑞1∗ + 𝑞2∗ = 𝑣
𝑞1∗ = 1 − 𝑞2∗
* 1
q2 = 5
4
*
q1 =
5
v=9
5
Ответ: pопт
9
2 3
4 1
= ( ; ), qопт = ( ; ), v =
5 5
5
5 5
Задача 3
Найдите решение игры в смешанных
стратегиях графическим способом. В
ответе указать среднюю цену игры
4 2
А =
3 5
Решение:
4 2
А =
3 5
Найдем нижнюю и верхнюю цену игры:
α = 3, β = 4, α ≠ β
На оси Оx отложим единичный отрезок
A1A2
Прямая x = 0 соответствует стратегии A1
игрока A, а прямая x = 1 соответствует
стратегии A2
y
Пусть игрок В
примет стратегию В1
Отложим на прямых
x=0иx=1
N
В1
соответствующие
выигрыши и
В2
v
обозначим точки В1
Сделаем аналогично
S A*
для второй стратегии
А1
p1*
В2 игрока В
p2*
В2
В1
x
А2
4 2
А =
3 5
y
Точки, лежащие на
ломаной линии
В2NВ1 показывают
В2
минимальный
N
В
1
выигрыш игрока A
В1
при использовании
В2
v
им любой
смешанной стратегии
S A*
x
В точке N
А2
А1
*
минимальный
*
p
1
p2
выигрыш достигает
4 2
максимума, поэтому
А =
3 5
существует стратегия
y
S A* = ( p 1* ; p2* )
В2
Ордината точки N равна
цене игры v
В
N
1
Найдем уравнения
прямой В1В1
x−0 y−4
=
1− 0 3 − 4
Уравнение прямой В2В2
x−0 y−2
=
1− 0 5 − 2
В2
В1
v
S A*
А1
p2
*
p1*
x
А2
4 2
А =
3 5
Получаем систему уравнений:
y = −x + 4
y = 3x + 2
1
p =x=
2
1
*
*
p1 = 1 − p2 =
2
*
2
7
v= y=
2
1
x = 2
7
y =
2
Определим аналогично геометрическим
способом оптимальную стратегию игрока
В
Поменяем местами игроков А и В и вместо
максимума найдем минимум верхней
границы
Найдем уравнения
прямой A1A1
x−0 y−4
=
1− 0 2 − 4
Уравнение прямой
A2A2.
y
А2
А1
M
А2
А1
v
x −0 y −3
=
1− 0 5 − 3
S B*
В1
q2*
x
q1*
В2
4 2
А =
3 5
Получаем систему уравнений:
y = −2 x + 4
y = 2x + 3
1
x = 4
7
y =
2
1
q =x=
4
3
*
*
q1 = 1 − q2 =
4
*
2
7
v= y=
2
Ответ: pопт
3 1
7
1 1
= ( ; ), qопт = ( ; ), v =
4 4
2
2 2
Доминирующие и доминируемые
стратегии
Если в платежной матрице A все элементы
i-й строки не меньше соответствующих
элементов k-й строки, aij ≥ akj , j = 1, 2, …,
n, а по крайней мере один строго больше,
то i-я строка – доминирующая, а k-я
строка – доминирумая
Доминирующие и доминируемые
стратегии
Игроку А не выгодно применять
стратегии,
которым
соответствуют
доминируемые строки, а игроку В –
доминирующие столбцы.
При решении игры можно уменьшить
размер платежной матрицы с помощью
удаления из нее доминируемых строк и
доминирующих столбцов.
Задача 4
Найти решение игры в смешанных
стратегиях, предварительно упростив ее.
В ответе указать среднюю цену игры
7
5
А=
5
2
6 5 4 2
4 3 2 3
6 6 3 5
3 3 2 4
Решение:
7
5
А=
5
2
6 5 4 2
4 3 2 3
6 6 3 5
3 3 2 4
Найдем нижнюю и верхнюю цену игры:
α = 3, β = 4, α ≠ β
Строка А2 доминируемая относительно
строки А1
Строка А4 доминируемая строки А3.
Для игрока А они не выгодны
7 6 5 4 2
Остается матрица: А =
5 6 6 3 5
7 6 5 4 2
А =
5 6 6 3 5
Для игрока В при сравнении:
В1 и В4 исключим столбец В1
В2 и В4 исключим столбец В2
В3 и В4 исключим столбец В3
4 2
Остается матрица: А =
3 5
4 2
А =
3 5
Решим полученную задачу аналитическим
способом. Для игрока А:
4 p + 3 p = v
2 p + 5 p = v
p + p* = 1
2
*
1
*
1
*
1
*
2
*
2
* 1
p2 = 2
1
*
p1 =
2
v=7
2
Для игрока В:
* 1
q 2 = 4
3
*
q1 =
4
v= 7
2
4q1* + 2q2* = v
*
*
3q1 + 5q2 = v
q* + q* = 1
2
1
Ответ:
pопт
4 2
А =
3 5
3 1
7
1
1
= ( ;0; ;0), qопт = (0;0;0; ; ), v =
2
2
2
4 4
7
5
А=
5
2
6
4
6
3
5
3
6
3
4
2
3
2
2
3
5
4
4
А =
3
2
5
Приведение матричной игры к
задаче линейного
программирования
Пусть игрок A обладает Ai стратегиями
i = 1, 2, …, m и игрок B имеет Bj
стратегий
j = 1, 2, …, n
Оптимальная стратегия SA* обеспечивает
игроку A при любой стратегии игрока B
средний выигрыш, не меньший, чем цена
игры v, и при оптимальной стратегии
игрока B выигрыш равный цене игры v
Пусть v > 0, тогда для оптимальной
стратегии SA* все средние выигрыши не
меньше цены игры v:
a11 p1 + a21 p2 + ... + am1 pm ≥ v
a p + a p + ... + a p ≥ v
12 1
22 2
m2 m
…
…
a1n p1 + a2 n p2 + ... + amn pm ≥ v
Пусть
pj
v
= x j , тогда:
a11 x1 + a21 x2 + ... + am1 xm ≥ 1
a x + a x + ... + a x ≥ 1
12 1 22 2
m2 m
…
a1n x1 + a2 n x2 + ... + amn xm ≥ 1
Цель игрока A – максимизировать свой
гарантированный выигрыш.
Рассмотрим
m
m
∑ x =∑
j =1
j
j =1
pj
1 m
1
= ∑ pj =
v v j =1
v
m
Поскольку v → max , то ∑ x j → min
j =1
Получаем
задачу
программирования:
f = x1 + x2 + ... + xm → min
a x + a x + ... + a x ≥ 1
m1 m
11 1 21 2
a12 x1 + a22 x2 + ... + am 2 xm ≥ 1
…
a1n x1 + a2 n x2 + ... + amn xm ≥ 1
x1 ≥ 0, x2 ≥ 0,..., xm ≥ 0
Решением задачи будет
стратегия SA* игрока A
линейного
оптимальная
Для определения оптимальной стратегии
SВ*игрока B следует учесть, что игрок B
стремится минимизировать гарантированный выигрыш игрока A
Тогда задача линейного программирования
будет иметь вид:
ϕ = y1 + y2 + ... + yn → max
a y + a y + ... + a y ≤ 1
1n n
11 1 12 2
a21 y1 + a22 y2 + ... + a2 n yn ≤ 1
…
am1 y1 + am 2 y2 + ... + amn yn ≤ 1
y1 ≥ 0, y2 ≥ 0,..., ym ≥ 0
где
yj =
qj
v
Задача 5
Найти решение игры с
линейного программирования
1 2 0
А = 1 0 1
2 1 0
помощью
Решение:
1 2 0
А = 1 0 1
2 1 0
Найдем нижнюю и верхнюю цену игры:
α = 0, β = 1, α ≠ β
Решим задачу для второго игрока В с
помощью линейного программирования:
ϕ = y1 + y2 + y3 → max
y + 2y ≤1
2
1
y1 + y3 ≤ 1
2 y + y ≤ 1
2
1
y1 ≥ 0, y2 ≥ 0, y3 ≥ 0
где
yj =
qj
v
ϕ = y1 + y2 + y3 → max
y + 2y ≤1
2
1
y1 + y3 ≤ 1
2 y + y ≤ 1
2
1
y1 ≥ 0, y2 ≥ 0, y3 ≥ 0
1 2 0
А = 1 0 1
2 1 0
Приведем полученную систему к
каноническому виду:
ϕ = y1 + y2 + y3 → max
y1 + 2 y2 + y4 = 1
y1 + y3 + y5 = 1
2 y + y + y = 1
2
6
1
yi ≥ 0, i = 1,6
ϕ = y1 + y2 + y3 → max
y1 + 2 y2 + y4 = 1
y1 + y3 + y5 = 1
2 y + y + y = 1
2
6
1
yi ≥ 0, i = 1,6
1 2 0
А = 1 0 1
2 1 0
ϕ − y1 − y2 − y3 = 0
Решим полученную задачу линейного
программирования симплекс-методом:
Базис
bi
y1
y2
y3
y4
y5
y6
y4
1
1
2
1
y5
1
1
1
1
y6
1
2
1
1
φ
-1
-1
-1
1 1 1
min ; =
2 1 2
Базис
bi
y1
y2
y3
y4
y5
y6
y4
1
1
2
1
y5
1
1
1
1
y6
1
2
1
1
φ
-1
-1
-1
Базис
bi
y1
y2
y3
y4
y5
y6
y2
1/2
1/2
1
1/2
y5
1
1
1
1
y6
1/2
3/2
-1/2
1
φ
1/2
-1/2
-1
1/2
Базис
bi
y1
y2
y3
y4
y5
y6
y2
1/2
1/2
1
1/2
y5
1
1
1
1
y6
1/2
3/2
-1/2
1
φ
1/2
-1/2
-1
1/2
Базис
bi
y1
y2
y3
y4
y5
y6
y2
1/2
1/2
1
1/2
y3
1
1
1
1
y6
1/2
3/2
-1/2
1
φ
3/2
1/2
1/2
1
3
1
y = 0; ;1, ϕ max =
2
2
*
Поскольку
yj =
qj
v
и
q1 q2 q3 1
1
+
= (q1 + q2 + q3 ) =
y1 + y 2 + y3 = +
v
v
v v
v
то
2
v=
3
2
q = y ⋅v = 0⋅ = 0
3
*
1
*
1
1 2 1
q = y ⋅v = ⋅ =
2 3 3
2 2
*
*
q3 = y3 ⋅ v = 1 ⋅ =
3 3
*
2
*
2
3
1
y * = 0; ;1, ϕ max =
2
2
Базис
bi
y1
y2
y3
y4
y5
y6
y2
1/2
1/2
1
1/2
y3
1
1
1
1
y6
1/2
3/2
-1/2
1
φ
3/2
1/2
1/2
1
1 2 1
p = x ⋅v = ⋅ =
2 3 3
*
1
*
1
v=
2
3
2 2
p = x ⋅ v = 1⋅ =
3 3
2
*
*
p3 = x3 ⋅ v = 0 ⋅ = 0
3
*
2
*
2
Ответ:
pопт
2
1 2
1 2
= 0; ; , qопт = ; ;0 , v =
3
3 3
3 3