МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МОДЕЛИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

МОДЕЛЬ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

1 Математическое описание модели линейного программирования

2 Методы реализации моделей линейного программирования

3 Двойственная задача линейного программирования

Модель линейного программирования (ЛП) имеет место, если в исследуемой системе (объекте) ограничения на переменные и целевая функция линейны .

Модели ЛП используются для решения двух основных типов прикладных задач:

1) оптимального планирования в любых сферах человеческой деятельности – социальной, экономической, научно-технической и военной. Например, при оптимальном планировании производства: распределении финансовых, трудовых и других ресурсов, снабжении сырьем, управлении запасами и т. д.

2) транспортной задачи (нахождение оптимального плана различного рода перевозок, оптимального плана распределения разных средств по объектам различного назначения и т. п.)

МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ МОДЕЛИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

Требуется найти неотрицательные значения переменных

удовлетворяющих линейным ограничениям в виде равенств и неравенств

,

где – заданные числа,

и обеспечивающих экстремум линейной целевой функции

,

где – заданные числа, что записывается в виде

Допустимым решением называется любая совокупность , удовлетворяющих условиям.

Область допустимых решений – множество всех допустимых решений.

Оптимальное решение
, для которого .

Замечания

1. Приведенная модель ЛП является общей . Различают также стандартные и канонические формы моделей ЛП.

2. Условия существования реализации модели ЛП:

– множество допустимых решений – не пустое;

– целевая функция ограничена на (хотя бы сверху при поиске максимума и снизу при поиске минимума).

3.ЛП основывается на двух теоремах

Теорема 1. Множество G , определяемое системой ограничений вида, есть выпуклое замкнутое множество (выпуклый многогранник в с угловыми точками - вершинами .)

Теорема 2. Линейная форма , определенная на выпуклом многограннике

j =1,2,…,s

i=s +1,s+2,…,m ,

достигает экстремума в одной из вершин этого многогранника.

Данная теорема получила название теоремы об экстремуме линейной формы.

В соответствии с теоремой Вейерштрасса оптимальное решение единственно и является глобальным экстремумом.

Существует общий аналитический подход к реализации модели ЛП – симплекс-метод. При решении задач линейного программирования достаточно часто решения нет. Это происходит по следующим причинам.

Первую причину проиллюстрируем примером

Про такую причину говорят, что ограничения несовместны. Область допустимых решений – пустое множество.

Вторая причина комментируется следующим примером:

В данном случае, область допустимых решений не ограничена сверху. Область допустимых решений не ограничена.

Следуя традициям линейного программирования, дадим задаче ЛП экономическую интерпретацию. Пусть в нашем распоряжении имеется m типов ресурсов. Количество ресурса типа j равно . Эти ресурсы необходимы для производства n типов товаров. Обозначим количество этих товаров символами соответственно. Единица товара типа i стоит . Производство товаров типа i должно быть ограничено величинами соответственно. На производство единицы товара типа i расходуется ресурса типа j . Необходимо определить такой план производства товаров (), чтобы их суммарная стоимость была минимальной.

Задачи линейного программирования, используемые для оптимизации функционирования реальных объектов, содержат значительное число переменных и ограничений. Это обуславливает невозможность решения их графическими методами. При большом числе переменных и ограничений применяются алгебраические методы, в основе которых лежат итерационные вычислительные процедуры. В линейном программировании разработано множество алгебраических методов, различающихся между собой способами построения начального допустимого решения и условиями перехода от одной итерации к другой. Однако все эти методы базируются на общих теоретических положениях.

Общность основных теоретических положений приводит к тому, что алгебраические методы решения задач линейного программирования во многом сходны между собой. В частности, практически любой из них требует предварительного приведения задачи линейного программирования к стандартной (канонической) форме.

Алгебраические методы решения задачи ЛП начинаются с приведения ее к стандартной (канонической) форме :

,

,

i =1,..,n ; j =1,..,m .

Любая задача линейного программирования может быть приведена к стандартной форме. Сравнение общей модели с канонической моделью позволяет сделать вывод о том, что для приведения задачи ЛП к стандартной форме необходимо, во-первых, от системы неравенств перейти к равенствам, а во-вторых, преобразовать все переменные так, чтобы они были неотрицательными.

Переход к равенствам осуществляется прибавлением к левой части ограничений неотрицательной остаточной переменной для неравенств типа , и вычитанием из левой части неотрицательной избыточной переменной для неравенств типа . Например, неравенство при переходе к стандартной форме преобразуется в равенство , a неравенство - в равенство . При этом, как остаточная переменная , так и избыточная переменная являются неотрицательными.

Предполагается, что правая часть неравенств неотрицательна. В противном случае, этого можно добиться умножением обеих частей неравенства на «-1» и сменой его знака на противоположный.

Если в исходной задаче линейного программирования переменная не ограничена в знаке, ее можно представить в виде разности двух неотрицательных переменных , где .

Важной особенностью переменных является то, что при любом допустимом решении только одна из них может принимать положительное значение. Это означает, что если , то и наоборот. Следовательно, может рассматриваться как остаточная, а - как избыточная переменные.

Пример Пусть дана задача линейного программирования:

,

.

Необходимо привести ее к стандартной форме. Заметим, что первое неравенство исходной задачи имеет знак , следовательно, в него необходимо ввести остаточную переменную . В результате получим .

Второе неравенство имеет знак и для преобразования к стандартной форме требует введения избыточной переменной , выполнив эту операцию, получим .

Кроме того, переменная не ограничена в знаке. Следовательно, как в целевой функции, так и в обоих ограничениях она должна быть заменена на разность . Выполнив подстановку, получим задачу линейного программирования в стандартной форме, эквивалентную исходной задаче:

.

Задача линейного программирования, записанная в стандартной форме, представляет собой задачу поиска экстремума целевой функции на множестве векторов, являющихся решениями системы линейных уравнений с учетом условий неотрицательности. Как известно, система линейных уравнений может не иметь решений, иметь единственное решение или иметь бесконечное множество решений. Оптимизация целевой функции возможна только в том случае, если система имеет бесконечное множество решений. Система линейных уравнений имеет бесконечное множество решений, если она совместна (ранг основной матрицы равен рангу расширенной) и, если ранг основной матрицы меньше числа неизвестных.

Пусть ранг матрицы системы ограничений равен m . Это значит, что матрица имеет хоть один минор m -го порядка не равный нулю. Не нарушая общности, можно предположить, что минор расположен в левом верхнем углу матрицы. Этого всегда можно добиться, изменив нумерацию переменных. Этот не равный нулю минор ранга m принято называть базисным. Составим систему из первых m уравнений системы, записав ее следующим образом:

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Модель линейного программирования – модель, включающаяя линейную функцию цели, определяемую линейной зависимостью от нескольких переменных, и линейные ограничения на указанные переменные.

Экстремальные задачи

Напомним, что латинское слово extremum означает "крайнее". Оно в математике имеет два конкретных значения: maximum (сокращенно max ) - наибольшее и minimum (сокращенно min ) - наименьшее. В таком понимании extremum имеет более узкий смысл, чем optimum , переводимый от латинского как "наилучшее".
Задача нахождения максимального или минимального значения заданной функции на заданном множестве называется экстремальной задачей .
Имеется два вида экстремальных задач - задача на максимум и задача на минимум. Символически они записываются так:

Функция f(x) называется целевой функцией , а Х - множеством допустимых решений . Оптимальным решением задач называется пара (x*,f(x*)) , где x* - точка максимума (минимума), а f(x*) , - значение функции f в этой точке, то есть ее максимальное (минимальное) значение на множестве Х .
Решить задачи это значит: либо найти оптимальное решение; либо убедиться, что оптимальное решение не существует.
Решение задачи требует разрешения трех проблем: 1) проблему существования оптимального решения; 2) проблему установления необходимых и достаточных признаков оптимальности (то есть характерных свойств, присущих точкам максимума и минимума); 3) проблему численного вычисления оптимальных решений.

Пример №1 . Построить математическую модель следующей задачи экономической деятельности. Для этого:

1. Выявить проблему и сформулировать цель исследования.
2. Провести описание переменных экономического процесса или объекта.
3. Записать математическую формулировку функции цели.
4. Сформулировать ограничения накладываемые условиями задачи и записать систему ограничений.
5. Предложить метод решения.

Перед проектировщиками автомобиля поставлена задача сконструировать самый дешевый кузов, используя листовой материал, стекло и пластмассу. Основные характеристики материалов представлены в таблице.

Характеристики	Материалы
	Металл	Стекло	Пластмасса
Стоимость (тыс. руб./м 2)	25	20	40
Масса (кг/м 2)	10	15	3

Общая поверхность кузова (вместе с дверьми и окнами) должна составлять 14 м 2: из них не менее 3,5 м 2 и не более 5 м 2 следует отвести под стекло. Масса кузова не должна превышать 150 кг, а масса пластмассы не должна превышать 20% от массы кузова. Металлическая составляющая поверхности кузова должна превышать стеклянную поверхность не менее, чем в два раза. Сколько металла, стекла и пластмассы должен использовать наилучший проект.

Проблема заключается в ограниченных ресурсах для получения оптимального результата.

Описание переменных.
x 1 - количество металла, м 2
x 2 - количество стекла, м 2
x 3 - количество пластмассы, м 2

Функция цели.

Ограничения:

• Общая поверхность кузова
  x 1 + x 2 + x 3 ≥ 14
• Требования по стеклу
  x 2 ≥ 3,5
  x 2 ≤ 5
• Ограничения по массе
  10x 1 + 15x 2 + 3x 3 ≤ 150
• Требования по массе пластмассы
  3x 3 ≤ (10x 1 + 15x 2 + 3x 3)*20%
• Ограничения по поверхности
  x 1 ≥ 2x 2

Система ограничений.
x 1 + x 2 + x 3 ≥ 14
10x 1 + 15x 2 + 3x 3 ≤ 150
2x 1 + 3x 2 - 2,4x 3 ≥ 0
x 1 - 2x 2 ≥ 0
x 2 ≥ 3,5
x 2 ≤ 5
x 1 , x 2 , x 2 ≥ 0
F(x) = 25x 1 + 20x 2 + 40x 3 → min

Пример №2 . На фабрике производится ткань двух артикулов. Каждая из этих тканей проходит последовательную обработку на станках их трех типов. Ниже указаны: производительность станка каждого типа при изготовлении тканей артикулов 1 и 2; суммарные мощности станочного парка фабрики в расчете на одну рабочую неделю; трудовые затраты по обслуживанию станков в минутах рабочего времени на 1 час работы станка; цена метра ткани каждого артикула. Известно также, что недельный ресурс трудозатрат на обслуживание станков равен 14800 ч.

Тип станков	Мощность (тыс. ч)	Трудозатраты (мин/ч)	Производительность, м/ч
			Артикул 1	Артикула2
1	22	10	20	15
2	40	6	12	6
3	75	6	6	4
Цена 1 м ткани (тыс.руб.)			18	25

Требуется составить недельный план выпуска тканей с целью максимизации прибыли изготовленной продукции, если 1 час оплачивается в размере 5400 рублей, а 1 час простоя станка 1-го типа составляет 1800 рублей, 2-го типа составляет 2000 рублей, 3-го типа составляет 1400 рублей. Стоимость сырья в расчет не принимать. При решении задачи следует учесть, что выпуск ткани артикула 1 должен не мене чем в 2 раза превышать выпуск ткани артикула 2.

Описание переменных.
x 1 - выпуск тканей артикула 1, м
x 2 - выпуск тканей артикула 2, м

y 1 - время работы 1-го станка, час.
y 2 - время работы 2-го станка, час.
y 3 - время работы 3-го станка, час.

y 1 =x 1 /20 + x 2 /15
y 2 =x 1 /12 + x 2 /6
y 3 =x 1 /6 + x 2 /4
x 1, x 2 , y 1 , y 2 , y 3 ≥ 0

Ограничения:

• по структуре выпуска
  x 1 ≥ 2x 2
• по трудозатратам
  10/60y 1 + 6/60y 2 +6/60y 3 ≤ 14800
  или
  1/6y 1 + 1/10y 2 +1/10y 3 ≤ 14800
• по имеющимся мощностям:
  y 1 ≤ 22000
  y 2 ≤ 40000
  y 3 ≤ 75000

Функция цели.
Прибыль = Выручка - Затраты = Цена*Количество - Затраты на простой станков - Трудозатраты
Выручка = 18x 1 + 25x 2
Затраты на простой станков =1,8y 1 + 2y 1 + 1,4y 3
Трудозатраты = 5,4(1/6y 1 + 1/10y 2 +1/10y 3)

F(x) = 18x 1 + 25x 2 - 1,8y 1 - 2y 2 - 1,4y 3 - 5,4(1/6y 1 + 1/10y 2 +1/10y 3)→ max
или
F(x) = 1/50 (900x 1 +1250x 2 -135y 1 -127y 2 -97y 3) → max

С учетом
y 1 =x 1 /20 + x 2 /15
y 2 =x 1 /12 + x 2 /6
y 3 =x 1 /6 + x 2 /4

имеем:

Система ограничений.
x 1 ≥ 2x 2
1/6(x 1 /20 + x 2 /15) + 1/10(x 1 /12 + x 2 /6) +1/10(x 1 /6 + x 2 /4) ≤ 14800
x 1 /20 + x 2 /15≤ 22000
x 1 /12 + x 2 /6 ≤ 40000
x 1 /6 + x 2 /4 ≤ 75000

x 1 ≥ 2x 2
x 1 /30+19x 2 /360 ≤ 14800
x 1 /20 + x 2 /15≤ 22000
x 1 /12 + x 2 /6 ≤ 40000
x 1 /6 + x 2 /4 ≤ 75000

F(x) = 17.33x 1 +23.91x 2 → max

Пример №3 . На предприятии имеется два цеха. В первом цеху работают 50 рабочих, из них 20 имеют 6 разряд и 30 - третий разряд. Во втором цеху, из 100 рабочих 50 имеют 6 разряд и остальные - третий. Требуется выполнить заказ на изготовление 2 типов деталей. На изготовление одной детали первого типа рабочий 6 разряда тратит 10 мин., а рабочий 3 разряда - 15 мин. На изготовление одной детали второго типа рабочий 6 разряда тратит 25 мин., а рабочий третьего - 30 мин.
13) составить план выпуска продукции для каждого из цехов на неделю, исходя из стандартной продолжительности рабочей недели, максимизирующий общий объем выпуска продукции с учетом того, что потребность в детали второго типа в два раза меньше потребности в деталях первого типа.
14) Определить план выпуска продукции для каждого из цехов на неделю, исходя из стандартной продолжительности рабочей недели, максимизируя прибыль, с учетом того, что рабочий 6 разряда получает 300 руб./мес., а рабочий 3 разряда - 200 руб./мес., притом, что цена реализации детали 1 типа равна 20 руб./шт, а второго типа - 34 руб./шт.

Решение.
x 11 - количество деталей 1 типа, изготовленные рабочими 6 разряда за неделю,
x 12 - количество деталей 2 типа, изготовленные рабочими 6 разряда за неделю,
x 21 - количество деталей 1 типа, изготовленные рабочими 3 разряда за неделю,
x 22 - количество деталей 2 типа, изготовленные рабочими 3 разряда за неделю,

13) Целевая функция
20x 11 + 50x 21 + 30x 12 + 50x 22 = max

Ограничения:
2(x 12 +x 22) ≤ x 11 +x 21

14) Целевая функция: Прибыль = Доход - Затраты = Количество деталей * Цена реализации - ЗП работников
Затраты на заработную плату рабочим приведем к недельным, т.е разделим месячный заработок на 4.
F(x) = 20(20x 11 + 50x 21) + 23(30x 12 + 50x 22) - [(20+50)*300 + (30+50)*200]/4 = max

Ограничения:
2(x 12 +x 22) ≤ x 11 +x 21
10/60x 11 + 15/60x 21 + 25/60x 11 + 30/60x 21 ≤ N
N - недельный фонд времени в часах.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Лекция

Модели и методы линейного программирования

1. МОДЕЛИ И МОДЕЛИРОВАНИЕ

Термин «модель» происходит от латинского слова «modulus» образец, норма, мера. Модель - это объект, который замещает оригинал и отобр а жает важнейшие черты и свойства оригинала для данного исследования, данной цели исследов а ния при выбранной системе гипотез.

Модели обеспечивают структуру для целостного логического анализа.Модели широко используются благодаря тому, что заставляют выполнять следующие действия:

1. Явно определить цели.

2. Определить и зафиксировать типы решений, которые влияют на достижение этих целей.

3. Выявить и зафиксировать взаимосвязи и компромиссы между этими решениями.

4. Тщательно изучить входящие в них переменные и определить возможность их измерения.

5. Разобраться, какие данные нужны для количественного определения значений переменных и найти способ описать их взаимное влияние.

6. Осознать какие ограничения могут налагаться на значения этих переменных.

7. Обсудить идеи, что помогает членам группе управления в совместной работе.

Существует три типа моделей:

1. Физическая модель.

2. Аналоговая модель.

3. Символическая модель.

Тип модели	Свойства
Физическая модель	Осязаемость. Понимание: простое. Дублирование и совместное использование: сложные. Модификация и манипулирование: сложные. Сфера использования: наиболее узкая.	Макет самолета, макет дома, макет города.
Аналоговая модель	Неосязаемость. Понимание: более сложное. Дублирование и совместное использование: более простые. Модификация и манипулирование: более простые. Сфера использования: более широкая.	Карта дорог, спидометр, круговая диаграмма.
Символическая модель	Неосязаемость. Понимание: самое сложное. Дублирование и совместное использование: самые простые. Модификация и манипулирование: самые простые. Сфера использования: самая широкая.	Имитационная модель, алгебраическая модель, модель, построенная в электронной таблице.

Наиболее абстрактной является символическая модель, в которой все понятия выводятся посредством количественно определенных переменных, а все связи представляются в математическом, а не физическом или аналоговом виде. Поскольку в символических моделях используются количественно определенные переменные, связанные уравнениями, их часто называют математическими моделями, табличными моделями (т.е. моделями на основе электронных таблиц).

Менеджерам приходится работать со всеми типами моделей, чаще всего с аналоговыми моделями в форме графиков и диаграмм, а также с символическими моделями в виде электронной таблицы или отчетов информационно-управляющей системы.

Математическая модель -- это абстракция реальной действител ь ности (мира), в которой отношение между реальными элементами, а име н но те, которые интересуют исследователя, замененные отношениями между матем а тическими категориями. Эти отношения обычно подаются в форме уравнений и/или неравенств, отношениями формальной логики между показателями (переменными), которые характеризуют функционирование реальной системы, которая моделируе т ся.

Невозможно представить себе современную науку, в частности экономику, без широкого применения математического моделирования.

Сущность этой методологии заключается в замене исходного объекта его «образом» - математической моделью - и последующим изучением (исследованием) модели на основании аналитических методов и вычислительно-логических алгоритмов, которые реализуются с помощью компьютерных программ.

Работа не с самим объектом (явлением, процессом), а с его моделью дает возможность относительно быстро и безболезненно исследовать его основные (существенные) свойства и поведения при любых вероятных ситуациях (это преимущества теории). В то же время вычислительные (компьютерные, симулятивные, имитационные) эксперименты с моделями объектов позволяют, опираясь на мощность современных математических и вычислительных методов и технического инструментария информатики, тщательным образом и достаточно глубоко изучать объект в достаточно детальном виде, что недоступно сугубо теоретическим подходам (это преимущество эксперимента). Не удивительно, что методология математического моделирования бурно развивается, охватывая анализ чрезвычайно сложных экономических и социальных процессов.

2. ПОНЯТИЕ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ. ВИДЫ ЗАДАЧ ЛИНЕЙНОГО ПР О ГРАММИРОВАНИЯ

Линейное программирование рассматривается как революционное достижение, давшее человеку способность формулировать общие цели и находить посредством симплекс-метода оптимальные решения для широкого класса практических задач принятия решений большой сложности.

Линейное программирование - математическая дисциплина, посвящённая теории и методам решения задач об экстремумах линейных функций на множествах n -мерного векторного пространства, задаваемых системами линейных уравнений и неравенств.

Можно сказать, что линейное программирование применимо для решения математических моделей тех процессов и систем, в основу которых может быть положена гипотеза линейного представления реального мира.

Задача линейного программирования (ЛП), состоит в нахождении минимума (или максимума) линейной функции при линейных ограничениях.

Линейное программирование применяется при решении следующих экон о мических задач :

1. Задача управления и планирования производства (распределения ресурсов).

2. Задачи о смесях, диете (планирование состава продукции).

3. Задача определения оптимального плана перевозок груза (транспортная задача, задача о назначениях).

4. Задача оптимального распределения кадров (расстановка персонала).

3. МОДЕ ЛЬ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ, ЕЁ ПРЕДСТАВЛЕНИЕ В ЭЛЕКТРОННЫХ ТАБЛИЦАХ MS EXCEL

Традиционно наукой управления называют построение детально разработанных моделей, в результате анализа которых принимаются управленческие решения. Сегодня миллионы менеджеров для анализа деловых задач применяют электронные таблицы. Современные электронные таблицы имеют много мощных средств, которые можно использовать для более точного анализа моделей, в результате чего могут приниматься более взвешенные и близкие к оптимальным решения. С учетом все более широкого применения электронных таблиц в процессе управления будущим специалистам необходимо владеть профессиональными навыкам разработки моделей - как «спланировать» чистый рабочий лист так, чтобы получить полезную и практическую модель деловой ситуации, не углубляясь в алгоритмические и математические тонкости расчетов.

Основные этапы создания модели линейного программирования в Excel: линейный программирование электронный поиск

1. Написание и проверка символической модели линейного программиров а ния. Модель записывается на бумаге в математическом виде.

2. Создание и отладка табличной модели линейного программирова ния. На основе символической модели ЛП создается ее представление в Excel .

3. Попытка оптимизации модели с помощью надстройки ПОИСК РЕШЕНИЯ.

4. ИСПОЛЬЗОВАНИЕ НАДСТРОЙКИ ПОИСК РЕШЕНИЯ

С помощью электронных таблиц можно моделировать реальные ситуации и оценивать полученные результаты. Другими словами с помощью электронных таблиц можно делать анализ результатов деятельности и прогнозирования будущих перспектив предприятия. Эти задачи в среде MS Excel дает возможность решать на д стройка Поиск решения .

Поиск решения - это надстройка, которая предназначена для оптимизации моделей при наличии ограничений. Она состоит из двух программных компонентов: программы написанной на языке Visual Basic, который транслирует представленную на рабочем письме информацию для внутреннего представления, которая используется другой программой. Вторая программа находится в памяти компьютера в виде отдельного программного модуля. Она выполняет оптимизацию и возвращает найденное решение первой программе, которая возобновляет данные на рабочем листе. С помощью ее можно найти оптимальное значение формулы, которая сохраняется в целевой ячейке. Эта процедура работает с группой ячеек, которые непосредственно связанные с формулой в целевой ячейке. Чтобы получить результат по формуле в целевой ячейке, процедура изменяет значение в ячейках, которые влияют на поиск. Для того, чтобы уменьшить множественное число значений, которые используются в модели задачи, применяют ограничение. Эти ограничения могут содержать ссылку на другие ячейки, которые влияют на поиск.

Общий алгоритм работы с надстройкой Поиск решения .

1. В меню Серв и с выбрать команду Поиск решения .

2. В поле Установит целевую ячейку введите адрес ячейки, в которй находится формула, для оптимизации модели.

3. Для того, чтобы максимизировать значение целевой ячейки путем изменения значений влияющих ячеек, установите переключатель в положение Максимальному значению . Для того, чтобы минимизировать значение целевой ячейки путем изменения значений влияющих ячеек, установите переключатель в положение Минимальному значению . Для того, чтобы целевая ячейка приобретала значение конкретного числа, установите переключатель в положение Значение и введите соответствующее число.

4. В поле Изменяя ячейки введите адреса ячеек, которые изменяют свои значения, разделяя их запятыми. Изменяемые ячейки должны быть прямо или непрямо связанные с целевой ячейкой. Допускается установка до 200 изменяемых ячеек.

5. В поле Ограничения введите все ограничения, которые налагаются на поиск решения.

6. Нажмите кнопку Выполнить .

7. Для сохранения найденного решения установите переключатель в диалоговом окне Результаты поиска решения в положение Сохранить на й денное решение . Для возобновления входных данных установите переключатель в положение Восстановить исхо д ные значения .

8. Для того, чтобы прервать поиск решения, нажмите клавишу Еsс . MS Excel пересчитает лист с учетом найденных значений ячеек, которые влияют на результат.

Алгоритм р о бот и з надбудовою Поиск реш е ния.

5. РЕШЕНИЕ ЗА ДАЧИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ ПРИ ПОМОЩ И ПРОГРАММЫ MS EXCEL

Пример. Кондитерский цех для изготовления трех видов карамели А, В, С использует три основных вида сырья: сахар, патоку и фруктовое пюре. Нормы затрат сахара на изготовление 1кг карамели каждого вида соответственно уровни: 0,8кг; 0,5кг; 0,6кг; патоки - 04кг; 0,4кг; 0,3кг; фруктового пюре - 0кг; 0,1кг; 0,1кг. Конфеты можно производить в любых количествах (реализация обеспечена), но запас сырья ограниченный: запасы сахара - 80кг, патоки - 60кг, фруктового пюре - 12кг. Прибыль от реализации 1кг карамели вида А составляет 10грн., вида В - 11грн., вида С - 12грн.

Таблица 1

Определить план производства карамели, которая обеспечивает максимальную прибыль от деятельности кондитерского цеха.

Решение.

1. Написание и проверка символической модели линейного программир о вания . Модель записывается на бумаге в математическом виде .

По данному условию задачи сформулируем задачу линейного программирования то есть построим математическую модель. Обозначим: x1 - количество карамели вида А , x2 - количество карамели вида В , x3 - количество карамели вида С . Карамель выпускается ежедневно.

Найти наибольшее значение целевой функции F = 10x1 + 11x2 +12x3 > max,
при ограничениях

0,8x1 + 0,5x2 +0,6x3 80

0,4x1 + 0,4x2+0,3x3 60

x1 ? 0, x2? 0, x3? 0.

Подчеркнем, что каждое неравенство в системе функциональных ограничений отвечает в этом случае тому или другому производственному участку, а именно: первое - участку А , второе - участку В , третье - участку С.

2. Создание и отладка табличной модели линейного программир о вания. На основе символической модели ЛП создается ее представление в Excel . Последовательность действий при решении задачи о распределении ресурсов с п о мощью информационной технологии MS Excel

1. Создать табличную модель средствами электронной таблицы MS Excel. (Смотри Таблица 1.).

2. Для решения задачи создать экрану форму ввода условий задачи: переменных, целевой функции, ограничений и предельных условий. Ввести исходные данные в экранную форму: коэффициенты целевой функции, коэффициенты при переменных в ограничениях, правые части ограничений

Выходные данные задачи об использовании производственных ресурсов. Таблица 1.

3. Ввести необходимые формулы в экранную форму: формулу для расчета целевой функции, формулы для расчета левых частей ограничений.

Рисунок 4 Режим проверки формул

3. Попытка оптимизации модели с помощью надстройки ПОИСК РЕШЕНИЯ.

1. Оптимизировать задачу (меню Сервис команда Поиск решения). Для этого в диалоговом окне Поиск решения задать ячейку целевой функции, направление оптимизации целевой функции, ввести ячейки со значениями переменных, изменяемые ячейки, ограничения.

Рисунок 5 Диалоговое окно Поиск решения

В диалоговом окне Поиск решения в поле Установит целевую ячейку делаем ссылку на ячейку $E$11, в которой находится формула, для оптимизации модели.

Для того, чтобы максимизировать значение целевой ячейки путем изменения значений влияющих ячеек, установите переключатель в положение Максимальному значению.

В поле ввода Изменяя ячейки введите адреса ячеек, которые изменяют свои значения, разделяя их запятыми. Для этого делаем ссылку на ячейки $B$5:$D$5.

В поле Ограничения введите все ограничения, которые налагаются на поиск решения. Для этого нажимаем кнопку Добавить и появится окно Добавить ограничения где нужно ввести ограничение. Если при вводе ограничений возникает необходимость в замене или удалении внесенных ограничений, то нажмите кнопки Изменить или Удалить.

2. Для установления конкретных параметров решения задачи необходимо нажать кнопку Параметры в окне Поиск решения. В окне Параметры поиска решения отметить Линейная модель, Неотрицательные значения что обеспечивает ускорение поиска решения линейной задачи. Подтверждение установленных параметров осуществляется нажатием кнопки Ок.

3. Нажмите кнопку Выполнить в окне Поиск решения для запуска решения задачи.

4. Для сохранения найденного решения установите переключатель в диалоговом окне Результаты поиска решения в положение Сохранить найденное решение. Для возобновления входных данных установите переключатель в положение Восстановить исходные значения. В окне Результаты поиска решения представлены названия трех типов отчета: Результаты, Устойчивость, Пределы. Они необходимы для анализа полученного результата на чувствительность.

5. Для получения ответа (значений переменных, целевой функции и левых частей ограничения) нужно нажать кнопку Ок. После этого в экранной форме появится оптимальное решение задачи.

Рисунок 6 Оптимальное решение

6. Вывод : как видно из решения, оптимальный план выпуска продукции предусматривает изготовление 25кг конфет А и 120кг конфет В . Конфеты С вообще невыгодно производить. Прибыль будет составлять 1570грн.

Размещено на Allbest.ru

Подобные документы

Анализ метода линейного программирования для решения оптимизационных управленческих задач. Графический метод решения задачи линейного программирования. Проверка оптимального решения в среде MS Excel с использованием программной надстройки "Поиск решения".

курсовая работа , добавлен 29.05.2015


Общее понятие и характеристика задачи линейного программирования. Решение транспортной задачи с помощью программы MS Excel. Рекомендации по решению задач оптимизации с помощью надстройки "Поиск решения". Двойственная задача линейного программирования.

дипломная работа , добавлен 20.11.2010


Ознакомление с разнообразными надстройками, входящими в состав Microsoft Excel; особенности их использования. Примеры решения задач линейного программирования с помощью вспомогательных программ "Подбор параметра", "Поиск решения" и "Анализ данных".

реферат , добавлен 25.04.2013


Краткие сведения об электронных таблицах MS Excel. Решение задачи линейного программирования. Решение с помощью средств Microsoft Excel экономической оптимизационной задачи, на примере "транспортной задачи". Особенности оформления документа MS Word.

курсовая работа , добавлен 27.08.2012


Теоретическая основа линейного программирования. Задачи линейного программирования, методы решения. Анализ оптимального решения. Решение одноиндексной задачи линейного программирования. Постановка задачи и ввод данных. Построение модели и этапы решения.

курсовая работа , добавлен 09.12.2008


Принципы решения задач линейного программирования в среде электронных таблиц Excel, в среде пакета Mathcad. Порядок решения задачи о назначении в среде электронных таблиц Excel. Анализ экономических данных с помощью диаграмм Парето, оценка результатов.

лабораторная работа , добавлен 26.10.2013


Алгоритм решения задач линейного программирования симплекс-методом. Построение математической модели задачи линейного программирования. Решение задачи линейного программирования в Excel. Нахождение прибыли и оптимального плана выпуска продукции.

курсовая работа , добавлен 21.03.2012


Изучение и укрепление на практике всех моментов графического метода решения задач линейного программирования о производстве журналов "Автомеханик" и "Инструмент". Построение математической модели. Решение задачи с помощью электронной таблицы Excel.

курсовая работа , добавлен 10.06.2014


Особенности задач линейного программирования. Симплексный метод решения задач линейного программирования. Обоснование выбора языка, инструментария программирования, перечень идентификаторов и блок-схема алгоритма. Логическая схема работы программы.

дипломная работа , добавлен 13.08.2011


Применение методов линейного программирования для решения оптимизационных задач. Основные понятия линейного программирования, свойства транспортной задачи и теоремы, применяемые для ее решения. Построение первичного опорного плана и системы потенциалов.

Модели линейного программирования

Многие задачи, с которыми приходится иметь дело в повседневной практике, являются многовариантными. К таким задачам относятся:

Задача об оптимальном использовании ограниченных ресурсов (сырьевых, трудовых, временных);

Задача сетевого планирования и управления;

Задачи массового обслуживания;

Задачи составления расписания (календарного планирования);

Задачи выбора маршрута и другие.

Среди множества возможных вариантов в условиях рыночных отношений приходится отыскивать наилучшие решения в некотором смысле при ограничениях, налагаемых на природные, экономические и технологические возможности. Такие решения называются оптимальными, а задачи и соответствующие им модели позволяющие найти эти решения - оптимизационными (оптимальными). Математическим аппаратом задач оптимального планирования является математическое программирование.

Математическое программирование - область математики, разрабатывающая теорию и численные методы решения многомерных экстремальных задач с ограничениями, т. е. задач на экстремум функции многих переменных с ограничениями на область изменения этих переменных.
Функцию, экстремальное значение которой нужно найти в условиях экономических возможностей, называют целевой, показателем эффективности или критерием оптимальности. Экономические возможности формализуются в виде системы ограничений. Все это составляет математическую модель. Математическая модель задачи - это отражение оригинала в виде функций, уравнений, неравенств, цифр и т. д. Модель задачи математического программирования включает:
1) совокупность неизвестных величин, действуя на которые, систему можно совершенствовать. Их называют планом задачи (вектором управления, решением, управлением, стратегией, поведением и др.);
2) целевую функцию (функцию цели, показатель эффективности, критерий оптимальности, функционал задачи и др.). Целевая функция позволяет выбирать наилучший вариант - из множества возможных. Наилучший вариант доставляет целевой функции экстремальное значение. Это может быть прибыль, объем выпуска или реализации, затраты производства, издержки обращения, уровень обслуживания или дефицитности, число комплектов, отходы и т. д.;
Эти условия следуют из ограниченности ресурсов, которыми располагает общество в любой момент времени, из необходимости удовлетворения насущных потребностей, из условий производственных и технологических процессов. Ограниченными являются не только материальные, финансовые и трудовые ресурсы. Таковыми могут быть возможности технического, технологического и вообще научного потенциала. Нередко потребности превышают возможности их удовлетворения. Математически ограничения выражаются в виде уравнений и неравенств. Их совокупность образует область допустимых решений (область экономических возможностей). План, удовлетворяющий системе ограничений задачи, называется допустимым . Допустимый план, доставляющий функции цели экстремальное значение, называется оптимальным. Оптимальное решение, вообще говоря, не обязательно единственно, возможны случаи, когда оно не существует, имеется конечное или бесчисленное множество оптимальных решений.
Оптимизационная задача, в которой целевая функция и неравенства (уравнения), входящие в систему ограничений являются линейными функциями, называется задачей линейного программирования, а соответствующая ей экономико-математическая модель – оптимизационной моделью линейного программирования

Методы и модели линейного программирования широко применяются при оптимизации процессов во всех отраслях народного хозяйства: при разработке производственной программы предприятия, распределении ее по исполнителям, при размещении заказов между исполнителями и по временным интервалам, при определении наилучшего ассортимента выпускаемой продукции, в задачах перспективного, текущего и оперативного планирования и управления; при планировании грузопотоков, определении плана товарооборота и его распределении; в задачах развития и размещения производительных сил, баз и складов систем обращения материальных ресурсов и т. д. Особенно широкое применение методы и модели линейного программирования получили при решении задач экономии ресурсов (выбор ресурсосберегающих технологий, составление смесей, раскрой материалов), производственно-транспортных и других задач.
Начало линейному программированию было положено в 1939 г. советским математиком-экономистом Л. В. Канторовичем в работе «Математические методы организации и планирования производства». Появление этой работы открыло новый этап в применении математики в экономике. Спустя десять лет американский математик Дж. Данциг разработал эффективный метод решения данного класса задач - симплекс-метод. Общая идея симплексного метода (метода последовательного улучшения плана) для решения ЗЛП состоит в следующем:
1) умение находить начальный опорный план;
2) наличие признака оптимальности опорного плана;
3) умение переходить к нехудшему опорному плану.

Ее применяют для определения оптимального способа распределения дефицитных ресурсов при наличии конкурирующих потребностей. Согласно опросу журналом «Форчун» вице-президентов по производству из 500 фирм, модели линейного программирования и управления запасами пользуются в промышленности наибольшей популярностью. Линейное программирование обычно используют специалисты штабных подразделений для разрешения производственных трудностей. Некоторые типичные применения этого метода в управлении производством перечислены в табл. 4.

Таблица 4. Типичные варианты применения линейного программирования в управлении производством

Укрупненное планирование производства. Составление графиков производства, минимизирующих общие издержки с учетом издержек в связи с изменением ставки процента, заданных ограничений по трудовым ресурсам и уровням запасов.

Планирование ассортимента изделий. Определение оптимального ассортимента продукции, в котором каждому ее виду свойственны свои издержки и потребности в ресурсах (например, определение оптимальной структуры производства компонентов для бензина, красок, продуктов питания для человека, кормов для животных).

Маршрутизация производства изделия. Определение оптимального технологического маршрута изготовления изделия, которое должно быть последовательно пропущено через несколько обрабатывающих центров, причем каждая операция центра характеризуется своими издержками и производительностью.

Управление технологическим процессом. Сведение к минимуму выхода стружки при резке стали, отходов кожи или ткани в рулоне или полотнище.

Регулирование запасов. Определение оптимального сочетания продуктов на складе или в хранилище.

Календарное планирование производства. Составление календарных планов, минимизирующих издержки с учетом расходов на содержание запасов, оплату сверхурочной работы и заказов на стороне.

Планирование распределения продукции. Составление оптимального графика отгрузки с учетом распределения продукции между производственными предприятиями и складами, складами и магазинами розничной торговли.

Определение оптимального местоположения нового завода. Определение наилучшего пункта местоположения путем оценки затрат на транспортировку между альтернативными местами размещения нового завода и местами его снабжения и сбыта готовой продукции.

Календарное планирование транспорта. Минимизация издержек подачи грузовиков под погрузку и транспортных судов к погрузочным причалам.

Распределение рабочих. Минимизация издержек при распределении рабочих по станкам и рабочим местам.

Перегрузка материалов. Минимизация издержек при маршрутизации движения средств перегрузки материалов (например, автопогрузчиков) между отделениями завода и доставке материалов с открытого склада к местам их переработки на грузовых автомобилях разной грузоподъемности с разными технико-экономическими характеристиками.

Нижеследующий пример иллюстрирует простую ситуацию, в которой для принятия решения следует воспользоваться моделью линейного программирования. Управляющий производством должен решить, сколько галлонов краски каждого из трех ее типов следует производить, чтобы получить наивысшую прибыль. На решение налагается несколько ограничений:

1. В наличии имеется только 40 тыс. фунтов исходных реагентов - 10 тыс. фунтов реагента А, 18 тыс. фунтов реагента В и 12 тыс. фунтов реагента С.

2. Общее время работы оборудования 30 тыс. ч.

3. На один галлон краски типа 1 расходуется один фунт реагента А, 3/4 фунта реагента В и 1 1/2 фунта реагента С, а также 1/8 ч времени работы оборудования. На один галлон краски типа 2 требуется один фунт реагента А, 1/2 фунта реагента В и 3/4 фунта реагента С, а также 1/4 ч работы оборудования. На один галлон краски типа 3 идет 1 1/4 фунта реагента А, 1 1/4 фунта реагента В и 1 1/2 реагента С при 1/6 ч времени работы оборудования.

4. Чистая прибыль от продажи одного галлона краски типов 1,2 и 3 составляет 0,80, 0,65 и 1,25 долл. соответственно.

Задача проиллюстрирована рис. 7. С помощью модели линейного программирования управляющий может определить, какое количество краски каждого типа производить при известных запасах реагентов и имеющемся резерве времени работы оборудования, а также с учетом вклада в прибыль краски каждого типа. Не имея такой модели, крайне сложно принять оптимальное решение даже в сравнительно простой ситуации.

Рис. 7. Модель линейного программирования (линейное программирование применяется для решения задач с несколькими переменными, как например, задачи об ассортименте красок в тексте).