Файл: прикладная математика учебное пособие московский автомобильнодорожный.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 05.02.2024

Просмотров: 211

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. НЕЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ

Метод множителей Лагранжа

Задачи выпуклого программирования

 (x0, x0,..., x0 )

Решение задачи нелинейного программирования в Excel

Задания к самостоятельной работе

 6)

 2)2

 2)2

2. ЗАДАЧИ ТЕОРИИ ИГР

Понятия задачи теории игр

5u  2u  .

u (1,0).

v  (0,0,0,v,v )

СВЕДЕНИЕ ЗАДАЧИ ТЕОРИИ ИГР

К ЗАДАЧАМ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

Задания для самостоятельного решения

Исходные матрицы

КООПЕРАТИВНЫЕ ИГРЫ И ДРУГИЕ ЗАДАЧИ

Вектор Шепли

Решение.

Функция V(S)

Указания и ответы

5. СЕТЕВЫЕ МОДЕЛИ

График работ

Параметры сетей и методы их расчета

Матричный метод расчета сетевого графика

Табличный метод расчета сетевого графика

Таблица стандартного нормального распределения

Сетевая модель

Анализ и оптимизация сетевой модели

Сетевой график

Управление производством работ по сетевым графикам

Отчет о ходе работ

Расчет сетевого графика

План-задание

Проект СРМ и временной резерв стадий

Проект СРМ и временной резерв стадий

Варианты для задач о назначениях

Вариант №2

Вариант №3

СПИСОК ЛИТЕРАТУРЫ

ОГЛАВЛЕНИЕ

    1. Нахождение решения задач нелинейного программирования, содержащих сепарабельные функции

Рассмотрим задачу нелинейного программирования, в которой целевая функция и функции в системе ограничений являются сепара- бельными.

Определение. Функция

F(x1, x2,..., xn)

называется сепарабель-


n

ной, если она может быть представлена в виде суммы функций, каж- дая из которых является функцией одной переменной, т.е. если

F(x1, x2,..., xn) fj(xj).

j1

Если целевая функция и функции в системе ограничений задачи нелинейного программирования являются сепарабельными, то при- ближенное решение такой задачи можно найти с использованием ме- тода кусочно-линейной аппроксимации. Однако его применение в об- щем случае позволяет получить приближенный локальный экстремум. Поэтому рассмотрим использование метода кусочно-линейной ап- проксимации для решения задачи выпуклого программирования.
      1. Метод кусочно-линейной аппроксимации


Пусть требуется определить максимальное значение вогнутой функции



при условиях:


F fj(xj)

j1

n

(1.31)


gij(xj) bi

j1

(i 1,...,m),

(1.32)

xj 0 ( j

1,...,n).

(1.33)

Чтобы найти решение задачи (1.31…1.33), заменим функции

 

fj(xj), gij(xj) кусочно-линейными функциями fj(xj), gij(xj) и перей-

дем от задачи (1.31…1.33) к задаче, состоящей в определении макси- мального значения функции

n



при условиях:

F fj(xj)

j1

n

(1.34)

gij(xj) bi

j1

(i 1,...,m),

(1.35)

xj 0 ( j

1,...,n).

(1.36)

В задаче (1.34...1.36) пока не определен вид функций. Чтобы оп-

ределить его, будем считать, что переменная xj

может принимать

значения из промежутка [0;aj] , где aj

  • максимальное значение пере-


менной xj. Разобьем промежуток [0; aj]

на rjпромежутков с помощью

 

rj 1 точек так, что

x0 j

0, xrjj

aj.

Тогда функции

f j(xj),

gij(xj)

мож-

но записать в виде

rj rj



где

fj(xj) kjfkj;

k0

gij(xj) kjgkij,

k0

(1.37)



rj rj

fkj

fj(xk);

gkij

gij(xk) (i

1,...,m);

(1.38)

xj kjxkj,

k0

kj k0

1,

kj 0

для всех kи

j, причем для данного xj

не более двух чисел соседними.

kj

могут быть положительными и должны быть


Подставляя теперь в (1.34 и 1.35) выражения функций fj(xj),



gij(xj) в соответствии с формулами (1.37), получаем следующую за-

дачу. Найти максимальное значение функции

n rj




при условиях

n rj

F  fkjkjj1 k0

(1.39)

 gkijkjj1 k0

rj

bi

(i 1,...,m);

(1.40)

kj k0

1 ( j

1,...,n);

(1.41)

kj 0

для всех kи j.

(1.42)

Полученная задача отличается от обычной задачи линейного про-

граммирования тем, что на переменную

kj

наложено дополнительное

ограничение, состоящее в том, чтобы для каждого jне более двух

kj

были положительными и эти положительные

kj

были соседними. Вы-

полнение этих условий может быть соблюдено при решении задачи (1.39…1.42) симплексным методом за счет соответствующего выбора базиса, определяющего как каждый опорный, так и оптимальный планы данной задачи. При этом в общем случае точность полученного реше-

ния зависит от принятого шага разбиения промежутка [0; aj].

меньше шаг, тем более точным является полученное решение.

Чем


Таким образом, процесс нахождения решения задачи нелинейно- го программирования методом кусочно-линейной аппроксимации включает в себя следующие этапы:

  • каждую из сепарабельных функций заменяют кусочно-линейной функцией;

  • строят задачу линейного программирования (1.39…1.42);

  • с помощью симплексного метода находят решение задачи (1.39…1.42) и вычисляют значение целевой функции при этом плане;

  • определяют оптимальный план задачи (1.39…1.42) и вычисляют значение целевой функции при этом плане.
    1. 1   2   3   4   5   6   7   8   9   10   ...   42