3.3. Анализ решения (модели) на чувствительность

Модель линейного программирования является как бы «моментаьным снимком» реальной ситуации, когда параметры модели (коэффициенты целевой функции и неравенств ограничений) предполагаются неизменными. Естествено изучить влияние изменения параметров модели на полученное оптимальное решение задачи ЛП. Такое исследование называется анализом на чувствительность. В этом разделе анализ чувствительности основывается на графическом решении задачи ЛП.

Пример 3.3.

Компания производит краску для внутренних и наружных работ из сырья двух типов: М1 и М2.

Необходимая информация представлена в следующей таблице:

Отдел маркетинга компании ограничил ежедневное производство краски для внутренних работ до 2 т, а кроме того этот показатель не должен превышать более чем на тонну показатель выпуска краски для внешних работ.

Цель компании:

Определить оптимальное соотношение между видами выпускаемой продукции для максимизации общего ежедневного дохода.

Составленная математическая модель задачи выглядит следующим образом:

Максимизировать Z(x)=5X₁+4X₂

при выполнении ограничений

6Х₁+4Х₂ ≤24

Х₁+2Х₂≤6

Х₂≤2

X₂-X₁≤1

Х₁≥0

Х₂≥0

В результате применения графического метода решения ЗЛП, рассмотренного в параграфе 3.2, получен график (рис.3.6)

Рис.3.6. Решение задачи

Решением задачи является точка с координатами: Х₁=3;Х₂=1,5. Целевая функция при таком решении принимает значение Z=21 тыс. дол.

Проведем для данной задачи анализ чувствительности. Рассмотрим два случая:

1. изменение коэффициентов целевой функции;

2. изменение значений констант в правой части неравенств ограничений.

1. Изменение коэффициентов целевой функции. В общем виде целевую функцию задачи ЛП можно записать следующим образом:

Максимизировать или минимизировать Z(x)=С₁ X₁+C₂ X₂

Изменение значений коэффициентов С₁ и С₂ приводит к изменению угла наклона прямой Z. Графический способ решения показывает, что это может привести к изменению оптимального решения: оно будет достигаться в другой угловой точке пространства решений. Вместе с тем, очевидно, существуют интервалы изменения коэффициентов С₁ и С₂, когда текущее оптимальное решение сохраняется. Задача анализа чувствительности и состоит в получении такой информации. В частности, представляет интерес определение интервала оптимальности для отношения С₁ /С₂ (или, что то же самое, для С₂ /С₁); если значение отношения С₁ /С₂ не выходит за пределы этого интервала, то оптимальное решение в данной модели сохраняется неизменным.

На рис.3.6. видно, что функция Z(x)=5X₁+4X₂ достигает максимального значения в угловой точке С. При изменении коэффициентов целевой функции Z(x)=С₁ X₁+C₂ X₂ точка С останется точкой оптимального решения до тех пор, пока угол наклона линии Z будет лежать между углами наклона двух прямых, пересечением которых является точка С. Этими прямыми являются 6Х₁+4Х₂ ≤24 (ограничение на сырье М1) и Х₁+2Х₂≤6 (ограничение на сырье М2). Алгебраически это можно записать следующим образом:

или

.

В первой системе неравенств условие означает, что прямая, соответствующая целевой функции, не может быть горизонтальной. Аналогичное условие в следующей системе неравенств означает, что эта же прямая не может быть вертикальной. Из рис.3.7 видно, что интервал оптимальности данной задачи (он определяется двумя прякающимися в точке С) не разрешает целевой функции быть ни горизонтальной. Ни вертикальной. Таким образом, получено две системы неравенств, определяющие интервал оптимальности в данной задаче.

Рис.3.7. Интервал оптимальности

Итак, если коэффициенты С₁ и С₂ удовлетворяют приведенным выше неравенствам, оптимальное решение по прежнему будет достигаться в точке С. Отметим, если прямая Z(x)=С₁ X₁+C₂ X₂ совпадет с прямой Х₁+2Х₂≤6, то оптимальным решением будет любая точка отрезка CD. Аналогично, если прямая, соответствующая с целевой функцией, совпадет с прямой 6Х₁+4Х₂ ≤24, тогда любая точка отрезка ВС будет оптимальным решением. Однако очевидно, что в обоих случаях точка С остается точкой оптимального решения.

Приведенные выше неравенства можно использовать при определении интервала оптимальности для какого-либо одного коэффициента целевой функции, если предположить, что другой коэффициент остается неизменным. Например, зафиксируем значение коэффициента С₂ (пусть С₂=4), тогда интервал оптимальности для коэффициента С₁ получаем из неравенств путем подстановки туда значения С₂=4. После выполнения элементарных арифметических опреаций получаем неравенства для коэффициента С₁: 2≤С₁≤6.

Это означает, что при фиксированной цене на краску для внутренних работ, цена на краску для наружных работ может меняться в интервале от 2 тыс. дол.за тонну до 6 тыс.дол. за тонну, при том, что оптимальное соотношение (решение) останется неизменным.

Аналогично, если зафиксировать значение коэффициента С₁ (пусть С₁=5), тогда из неравенства получаем интервал оптимальности для коэффициента С₂: .

2. Изменение значений констант в правой части неравенств ограничений. Стоимость ресурсов. Во многих моделях линейного программирования ограничения трактуются как условия ограниченности ресурсов. В таких ограничениях правая часть неравенств является верхней границей количества доступных ресурсов. Рассмотрим на примере чувствительность оптимального решения к изменению ограничений, накладываемых на ресурсы. Такой анализ задачи ЛП предлагает простую меру чувствительности решения, называемую стоимостью единицы ресурса; при изменении количества доступных ресурсов (на единицу) значение целевой функции в оптимальном решении изменится на стоимость единицы ресурса.

В примере 3.3. первые два неравенства представляют собой ограничения на использование сырья М1 и М2 соответственно. Определим стоимость единиц этих ресурсов.

В данной задаче оптимальное решение достигается в точке С, являющейся точкой пересечения прямых, соответствующих ограничениям на сырье М1 и М2. При изменении уровня доступности материала М1 (увеличение или уменьшение текущего уровня, равного 24 т) точка С оптимального решение «плывет» вдоль отрезка DG (рис.3.8).

Рис.3.8.

Любое изменение уровня доступности материала М1, приводящее к выходу точки пересечения С из этого отрезка, ведет к неосуществимости оптимального решения в точке С. Поэтому можно сказать, что концевые точки D=(2,2) и G=(6,0) отрезка DG определяют интервал осуществимости для ресурса М1. Количество сырья М1, соответсятвующего точке D=(2,2), равно 6Х₁+4Х₂=20 т. Аналогично, количество сырья, соответствующего точке G=(6,0), равно 36 т. Таким образом, интервал осуществимости для ресурса М1 составляет 20≤М₁≤36. Если определить М₁ как М₁=24+D₁, где D₁– отклонение количества материала М1 от текущего уровня в 24 т, тогда последние неравенства можно переписатькак 20≤24+D₁≤36 или -4≤D₁≤12. Это означает, что текущий уровень ресурса М1 может быть уменьшен не более, чем на 4 т и увеличен не более, чем на 12 т. В этом случае структура оптимального решения не изменится.

Вычислим стоимость единицы материала М1. При изменении количества сырья М1 от 20 до 36 тонн, значения целевой функции Z будут соответствовать положению точки С на отрезке DG. Обозначив через y₁ стоимость единицы ресурса М1, получим следующую формулу:

Если точка С совпадает с точкой D=(2,2), то Z=5*2+4*2=18 (тыс. дол.), если же точка С совпадает с точкой G=(6,0), тогда Z=5*6+4*0=30 (тыс.дол.). Отсюда следует, что

(тыс.дол.на тонну материала М1).

Этот результат показывает, что изменение количества ресурса М1 на одну тонну приводит к изменению в оптимальном решении значсения целевой функции на 750 дол.

Рассмотрим ресурс М2. На рис. 3.9 видно, что интервал осуществимости для ресурса М2 определяется концевыми точками В и Н отрезка ВН, где В=(4,0) и Н=(8/3,2).

Рис.3.9

Точка Н находится на пересечении прямых ЕD и ВС. Находим, что количество сырья М2, соответствующего точке В, равно Х₁+2Х₂=4+2*0=4т, а в точке Н- 20/3т. Значение целевой функции в точке В равно Z=5*4+4*0=20 тыс.дол., а в точке Н- Z=5*8/3+4*2=64/3 тыс.дол. Отсюда следует, что количество сырья М2 может изменятся от 4 до 20/3 тонн, а стоимость единицы ресурса М2, обозначенная как y₂, равна (тысяч долларов на тонну материала М2).