Определение оптимального плана транспортной задачи.
Для определения оптимального плана транспортной задачи также разработано несколько методов. Наиболее часто используются метод потенциалов и метод дифференциальных рент.
1. Метод потенциалов. Общий принцип определения оптимального плана методом потенциалов прост: сначала находят опорный план, а затем его улучшают до получения оптимального плана. Для определения опорного плана пользуются одним из методов, описанных выше.
Если для некоторого опорного плана транспортной задачи существуют такие числа a1, a2,.., am, b1, b2,.., bn, что
bj ai = cij при xij > 0
cij bj - ai при xij = 0
для всех i = 1,..., m и j = 1,..., n, то он является оптимальным планом транспортной задачи. Числа ai и bj (i=1,..., m; j=1,..., n) называются потенциалами соответственно пунктов назначения и пунктов потребления.
Сформулированное правило позволяет построить алгоритм нахождения решения транспортной задачи. Он состоит в следующем. Для каждого из пунктов отправления и назначения определяют потенциалы ai и bj (i=1,..., m; j=1,..., n ). Эти числа находят из системы уравнений bj – ai =cij, где cij — тарифы, стоящие в заполненных клетках таблицы. Поскольку число неизвестных превышает на единицу число уравнений, одно из неизвестных можно положить равным произвольному числу, например, ai = 0, и найти последовательно значения остальных неизвестных.
После того, как все потенциалы найдены, для каждой из свободных клеток определяют числа aij = bj – ai – cij. Если среди них нет положительных, то найденный опорный план является оптимальным. Если же для некоторой свободной клетки aij>0, то необходимо перейти к новому опорному плану. Для этого рассматривают все свободные клетки, для которых aij > 0, среди данных чисел выбирают максимальное и производят сдвиг по циклу пересчета.
Циклом в таблице условий называется ломаная линия, вершины которой расположены в занятых клетках таблицы, а звенья — вдоль строк и столбцов, причем в каждой вершине цикла встречается ровно два звена, одно из которых находится в строке, а другое — в столбце. Сдвиг по циклу пересчета производят по следующим правилам:
1) каждой из клеток, связанных циклом с данной свободной клеткой, приписывают определенный знак, причем свободной клетке — знак плюс, а всем остальным — поочередно знаки минус и плюс.
2) в данную свободную клетку переносят меньшее из чисел xij, стоящих в минусовых клетках. Это же число прибавляют к числам, стоящим в плюсовых клетках, и вычитают из чисел, стоящих в минусовых клетках. Минусовая клетка с минимальным из чисел xij считается свободной. Таким образом происходит переход к новому опорному плану.
В результате для решаемой задачи оптимальный план перевозки продукции выглядит так:
и общая стоимость перевозки равна 1320 условных единиц.
2. Метод дифференциальных рент. При нахождении решения транспортной задачи методом дифференциальных рент сначала наилучшим образом распределяют между пунктами назначения часть груза и на последующих операциях постепенно уменьшают общую величину нераспределенных поставок. На первом шаге в каждом столбце находят минимальный тариф, и клетки, в которых стоят указанные числа, заполняют максимально возможными числами. В результате получено некоторое распределение поставок груза в пункты назначения.
Затем необходимо определить недостаточные и избыточные строки. Строки, соответствующие поставщикам, запасы которых полностью распределены, а потребности пунктов назначения, связанных с данными потребителями, не удовлетворены, считаются недостаточными. Строки, запасы которых исчерпаны не полностью, считаются избыточными. Теперь для каждого из столбцов находят разности между минимальным тарифом и ближайшим к нему тарифом, записанным в избыточной строке. Среди полученных чисел находят минимальное (это число называется промежуточной рентой). После этого переходят к новой таблице, получаемой из предыдущей прибавлением к тарифам, стоящим в отрицательных строках, промежуточной ренты.
В результате последующих шагов постепенно сокращаются нераспределенные поставки груза так, чтобы при этом общая стоимость перевозок оставалась минимальной.
Для решения данной задачи использовалось три таблицы, последняя из которых выглядит следующим образом:
-
В1
B2
В3
В4
Запасы
Недостаток(-),
избыток(+)
А1
11
4
60
12
10
50
110
0
A2
4
20
6
2
170
12
190
0
А3
4
60
6
9
10
30
90
0
Потребности
80
60
170
80
Разность
,
общая стоимость перевозки составляет 1280 условных единиц.
3. Симплексный метод. Два предыдущие метода решения были разработаны непосредственно для транспортной задачи. Решение любой задачи линейного программирования, к которым относится и транспортная, можно также найти симплексным методом. Этот метод решения задачи линейного программирования основан на переходе от одного опорного плана к другому, при котором значение целевой функции возрастает ( при условии, что данная задача имеет оптимальный план, и каждый её опорный план является невырожденным). Указанный переход возможен, если известен какой нибудь исходный опорный план. Считается, что это наиболее эффективный способ решения, но по сравнению с остальными он самый трудоемкий и громоздкий.
Данная задача была решена таким способом за 10 шагов, при этом 5 раз совершался переход от одной симплекс таблицы к другой. Были получены следующие результаты:
,
и минимальная стоимость перевозки составляет 1280 условных единиц.
- Математические методы системного анализа и теория принятия решений Методическое пособие
- 1. Теория принятия решений 4
- 2. Линейное программирование 9
- 3. Нелинейное программирование 42
- 4. Игровые методы обоснования решений 51
- 5. Задачи распознавания образов 62
- Предисловие
- 1. Теория принятия решений
- 1.1. Задачи, связанные с принятием решений Проблема оптимальности.
- Основные понятия и принципы исследования операций.
- Примеры задач исследования операций.
- 1.2. Математические модели операций Искусство моделирования.
- 1.3. Разновидности задач исследования операций и подходов к их решению Прямые и обратные задачи исследования операций.
- Пример выбора решения при определенности: линейное программирование.
- Проблема выбора решений в условиях неопределенности.
- Выбор решения по многим критериям.
- «Системный подход».
- 2. Линейное программирование
- 2.1. Краткое представление о математическом программировании Предмет математического программирования.
- Краткая классификация методов математического программирования.
- 2.2. Примеры экономических задач линейного программирования Понятие линейного программирования.
- Задача о наилучшем использовании ресурсов.
- Задача о выборе оптимальных технологий.
- Задача о смесях.
- Задача о раскрое материалов.
- Транспортная задача.
- 2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
- Решение систем линейных уравнений методом Гаусса.
- Реализация метода исключения неизвестных в среде Excel.
- Различные схемы реализации метода Гаусса.
- Опорные решения системы линейных уравнений.
- 2.4. Формы записи задачи линейного программирования Основные виды записи злп.
- Каноническая форма представления задачи линейного программирования.
- Переход к канонической форме.
- 2.5. Геометрическая интерпретация задачи линейного программирования Определение выпуклой области.
- Геометрическая интерпретация.
- 2.6. Свойства решений задачи линейного программирования Свойства основной задачи линейного программирования.
- Графический метод решения задачи линейного программирования.
- 2.7. Симплексный метод Идея симплекс-метода.
- Теоретические обоснования симплекс-метода.
- Переход к нехудшему опорному плану.
- Зацикливание.
- Алгоритм симплекс-метода.
- 2.8. Двойственность в линейном программировании Прямая и двойственная задача.
- Связь между решениями прямой и двойственной задач.
- Геометрическая интерпретация двойственных задач.
- 2.9. Метод искусственного базиса Идея и реализация метода искусственного базиса.
- 3. Нелинейное программирование
- 3.1. Общая задача нелинейного программирования Постановка задачи.
- Примеры задач нелинейного программирования (экономические).
- Геометрическая интерпретация задачи нелинейного программирования.
- 3.2. Выпуклое программирование Постановка задачи выпуклого программирования.
- 3.3. Классические методы оптимизации Метод прямого перебора.
- Классический метод дифференциальных исчислений.
- 3.4. Метод множителей лагранжа
- 3.5. Градиентные методы решения задач нелинейного программирования Общая идея методов.
- Метод Франка-Вулфа.
- Метод штрафных функций.
- 4. Игровые методы обоснования решений
- 4.1. Предмет и задачи теории игр Основные понятия.
- Классификация выборов решений.
- Антагонистические матричные игры.
- Чистые и смешанные стратегии и их свойства.
- 4.2. Методы решения конечных игр Упрощение матричной игры.
- Решение матричной игры размерностью 22.
- Графическое решение матричной игры.
- Сведение задач теории игр к задачам линейного программирования.
- 4.3. Задачи теории статистических решений Игры с природой.
- Критерии принятия решений.
- 5. Задачи распознавания образов
- 5.1. Общая постановка задачи распознавания образов и их классификация Проблема распознавания.
- Обсуждение задачи опознавания.
- Язык распознавания образов.
- Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- Общая постановка задачи.
- Геометрическая интерпретация задачи распознавания.
- Классификация задач распознавания.
- 5.2. Подготовка и анализ исходных данных Общая схема решения задачи.
- Общая схема постановки и решения задачи Анализ данных с целью выбора постановки и метода решения
- 5.3. Методы опознавания образов Основные этапы процесса опознавания образов.
- Методы создания системы признаков.
- Признаковое пространство.
- Сокращение размерности исходного описания.
- Методы построения решающего правила.
- 5.4. Меры и метрики Понятие о сходстве.
- Меры сходства и метрики.
- Примеры функций мер сходства.
- 5.5. Детерминированно-статистический подход к познаванию образов Основные этапы детерминированно-статистического подхода.
- Получение исходного описания.
- Создание системы признаков.
- Сокращение размерности исходного описания.
- Нахождение решающего правила (метод эталонов).
- Коррекция решающего правила.
- 5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
- Минимизация числа эталонов.
- Габаритные эталоны.
- Применение метода эталонов к частично пересекающимся образам.
- Дополнительная минимизация числа признаков.
- Квадратичный дискриминантный анализ.
- Распознавание с отказами.
- 5.8. Алгоритм голотип-1 Назначение
- Постановка задачи
- Метод решения задачи.
- Условия применимости.
- Условия применимости.
- 5.10. Алгоритм направление опробования Назначение
- Постановка задачи.
- Метод решения задачи.
- Условия применимости.
- Транспортная задача Математическая постановка.
- Постановка задачи.
- Теоретическое введение.
- Методы нахождения опорного плана транспортной задачи.
- Определение оптимального плана транспортной задачи.
- Заключение.
- Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
- Постановка задачи.
- Методы отсечения.
- Алгоритм Гомори.
- Первый алгоритм р. Гомори решения полностью целочисленных задач.
- Приближенные методы.
- Заключение.
- Параметрическое программирование Введение.
- Формулировка задачи.
- Теоретическая часть.
- Общая постановка задачи.
- Решение задачи.
- Геометрическая интерпретация задачи.
- Общая постановка задачи.
- Решение задачи.
- Геометрическая интерпретация задачи
- Постановка задачи.
- Решение.
- Геометрическое решение.
- Решение задачи симплекс-методом.
- Результат.
- Некооперативные игры n лиц с ненулевой суммой Введение.
- Теоретическая часть.
- Постановка и решение задачи.
- Заключение.
- Cписок литературы