Zadanie programowania liniowego cz.2
Transkrypt
Zadanie programowania liniowego cz.2
Extremum zadania programowania liniowego PL Definicja 4.5 TEORIA I METODY OPTYMALIZACJI Punkt x należący do wypukłego zbioru X R jest punktem wierzchołkowym zbioru X, jeśli nie może być wyrażony jako kombinacja liniowa innych punktów zbioru X. n Twierdzenie 4.1 Zadanie programowania liniowego część II Wydział Elektroniki Kier. Automatyka i Robotyka Studia II st. NZ dr inż. Ewa Szlachcic Katedra Automatyki, Mechatroniki i Systemów Sterowania Wydział Elektroniki Politechnika Wrocławska Zbiór wszystkich rozwiązań dopuszczalnych zadania programowania liniowego PL jest zbiorem wypukłym. 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.: x [ xB ,0]T 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. Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Extremum zadania programowania liniowego PL cd. Extremum zadania programowania liniowego PL cd. Lemat 4.3 Jeżeli funkcja f : X R , określona na domkniętym i ograniczonym wypukłym zbiorze X R n , jest ciągła i wypukła, to globalne maksimum funkcji f(x) występuje w punkcie ekstremalnym (bądź punktach) zbioru X. 1 f ( x ) f (v ) x - dowolne globalne minimum v – dowolny punkt ekstremalny zbioru X. k v , i 0, i 1,...,k ; i i i 1 i k k i 1 i 1 Zbiór rozwiązań optymalnych przyjmuje postać: X zachodzi: i p p x , 0, i 1,...,p 1 i i i 1 i i 1 ckd. i Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Wprowadzone oznaczenia: Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Postać początkowej tablicy simpleksowej y00 cB B 1b y10 y0 1 B b ym 0 Funkcja celu x0 x1 , x 2 .....x p 1 i 1 f ( x) f ( i v i ) i f (v i ) max f (v i ) a j , j RN 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. k Funkcja f(x) jest wypukła więc zachodzi dla dowolnego punktu x X gdzie 2. x Każdy punkt x X , który nie jest punktem ekstremalnym, może być wyrażony jako kombinacja wypukła punktów vi Funkcja celu zadania PL przyjmuje wartość maksymalną w punkcie wierzchołkowym zbioru rozwiązań dopuszczalnych zadania PL. Zbiór X jest zbiorem zwartym, funkcja f(x) jest ciągła – więc istnieje punkt v i , i 1,...,k - punkty ekstremalne zbioru X . 1. Dowód: Zaprzeczamy tezie: x Twierdzenie 4.4 oraz y0 j c B 1a c j y1 j y j B 1 j B a j ymj oznaczają kolumny macierzy N. xN xN x0 xB 1 1 cB B b cB B N c N B 1b B 1 N cB 0 x0 0 cN xB b N dla przypadku gdy cB=0 tzn. pierwsze rozwiązanie bazowe dopuszczalne odpowiada za punkt wierzchołkowy x x0 y00 y0 j x j x [0,...,0]. jR M funkcji ograniczeń x Bi yi 0 y ij x j , dla i 1,..., m j R N Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Wydział Elektroniki studia II st. kier. Automatyka i Robotyka 1 Polepszanie bazowego rozwiązania dopuszczalnego – metoda eliminacji Gauss’a. Polepszanie rozwiązania bazowego dopuszczalnego rk min ( yi 0 / yik , yik 0). i 1,...,m x0 y 00 y 0j xj xk j R N y y x Bi y i 0 ik r 0 y rk zawsze x j 0, zatem gdy xk to również x0 gdy y0 k 0 x Bi yi 0 y ij Polepszanie bazowego rozwiązania dopuszczalnego – metoda eliminacji Gauss’a. jR N k y y x Bi yi 0 ik r 0 y rk y rj y rk xj y y yij ik rj y rk jR N k 1 yrj yrk yij yik y rk ij y ik y rj y x j ik x Br y rk y rk j R N k yik 0 Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Polepszona tablica simpleks odpowiada za następne rozwiązanie bazowe dopuszczalne o większej wartości funkcji celu. 1 x Br y rk xj ... yrj yrk yik yrj yij yrk xk Wydział Elektroniki studia II st. kier. Automatyka i Robotyka ... xBr ... x0 y00 ( y0k yr 0 / yrk ) ... y0 j ( y0k yrj / yrk ) ... y0k / yrk ... ... ... xBi yi0 ( yik yr 0 / yrk ) ... yij ( yik yrj / yrk ) yik / yrk y x j ik x Br y rk Teoria i metody optymalizacji Dr inż. Ewa Szlachcic y 1 x Br y rk Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Przekształcenie elementu yij dla nowego rozwiązania bazowego dopuszczalnego yrk y ik xj dla przynajmniej jednego i wówczas można z niego otrzymać lepsze bazowe rozwiązanie dopuszczalne przez wymianę jednej z kolumn macierzy B na kolumnę macierzy N. Wydział Elektroniki studia II st. kier. Automatyka i Robotyka yr 0 y rk y rj y rk y0 j 0 dla pewnego j k , k RN oraz x j , dla i 1,..., m Teoria i metody optymalizacji Dr inż. Ewa Szlachcic jR N k Gdy mamy nie-zdegenerowane rozwiązanie bazowe dopuszczalne takie, że j R N xk y r0 y rk ... ... yr 0 / yrk ... ... 1 / yrk yrj / yrk Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Optymalne rozwiązanie zadania programowania liniowego PL metodą simpleks ... ... Algorytm simpleks dla ograniczeń mniejszościowych Krok 1. (start). Rozpoczynamy algorytm od znalezienia pierwszego rozwiązania bazowego dopuszczalnego. Należy sprawdzić dopuszczalność rozwiązania: czy yi 0 0 dla i 1,..., m Tak - idź do kroku 2, Nie – STOP. Twierdzenie 4.5 Rozwiązanie bazowe dopuszczalne układu równań Ax=b jest rozwiązaniem optymalnym zadania PL, jeśli są spełnione dwa warunki: y0 j 0 dla każdego Krok 2. (test optymalności). Czy j RN ? • Tak - to aktualne rozwiązanie jest optymalne. • Nie - idź do kroku 3. (i) Warunek prymalnej dopuszczalności: Krok 3. (Wybór zmiennej wchodzącej do bazy). Wybierz jako zmienną wchodzącą yio 0 dla i 1,..., m bazy taką zmienną x k , k R N dla której Typową regułą jest wybór zmiennej (ii) Warunek optymalności y0k y 0 j 0 dla j R N Idż do kroku 4. Teoria i metody optymalizacji Dr inż. Ewa Szlachcic Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic xk y 0 k 0. do jest reguła dla której: min y 0j , y0 j 0 j R N Wydział Elektroniki studia II st. kier. Automatyka i Robotyka 2 Zadanie programowania liniowego PL dla ograniczeń mniejszościowych Algorytm simpleks (prymalny) c.d. Założenia: 1. Zbiór X rozwiązań dopuszczalnych Krok 4. (wybór zmiennej usuwanej z bazy). Wybierz jako zmienną usuwaną z bazy taką zmienną x , dla której Br rk min ( yi 0 / yik , yik 0). I. Zadanie programowania liniowego PL posiada jedno rozwiązanie i 1,...,m Idż do kroku 5. x j , j R N {k } Podstaw x X Przykład: oraz zmiennej xk oraz x Bi , i R N , względem zmiennych xBr zgodnie z wyprowadzonym wzorem. x j 0, j R N {k } i x Br 0 aby otrzymać nowe rozwiązanie bazowe dopuszczalne. x1 x2 x0 0 -2 -1 x3 5 1 1 x3 3/2 x4 0 -1 1 x4 7/2 x5 21 6 2 x1 7/2 Idź do kroku 2. Rozwiązanie bazowe optymalne: Krok ten czasami nazywa się wymianą zmiennej bazowej ( piwotyzacją). Wartość optymalna funkcji celu: Teoria i metody optymalizacji Dr inż. Ewa Szlachcic x1 x2 5 X x : x1 x2 0 , x 0 6 x 2 x 21 1 2 max x0 2x1 1x 2 Jeśli wiele zmiennych spełnia ten warunek, wybierz arbitralnie jedną z nich. Krok 5. (eliminacja Gauss’a). Wyznacz X 0 2. algorytm simpleks startuje z bazowego dopuszczalnego rozwiązania oraz w trakcie jego realizacji nie występuje degeneracja Wydział Elektroniki studia II st. kier. Automatyka i Robotyka Teoria i metody optymalizacji Dr inż. Ewa Szlachcic x0 7 x5 x2 x5 x3 1/3 -1/3 x0 31/4 ¼ 1/2 -1/6 2/3 x2 9/4 -1/4 3/2 1/6 4/3 x4 1/2 1/2 -2 1/6 1/3 x1 11/4 1/4 -1/2 11 9 1 x [ x1 , x2 , x3 , x4 .x5 ]T [ , , 0, , 0]T 4 4 4 31 x0 x B [ x2 , x4 , x1 ]T , x N [ x5 , x3 ]T 4 Wydział Elektroniki studia II st. kier. Automatyka i Robotyka 3