Слайд 1ЛЕКЦІЯ 3
ЗАДАЧА ЛІНІЙНОГО ПРОГРАМУВАННЯ ТА МЕТОДИ ЇЇ РОЗВ’ЯЗУВАННЯ
Слайд 2План
3.1 Загальна економіко-математична модель задачі лінійного програмування.
3.2 Форми запису
задач лінійного програмування.
3.3 Геометрична інтерпретація задачі лінійного програмування.
3.4
Основні властивості розв’язків задачі лінійного програмування.
3.5 Графічний метод розв’язування задач лінійного програмування.
Слайд 3Загальна економіко-математична модель задачі лінійного програмування
(3.1)
(3.2)
(3.3)
Слайд 4Допустимий розв’язок (план) задачі лінійного програмування
Х = (х1, х2,
…, хn)
Оптимальний розв’язок (план) задачі лінійного програмування
Слайд 5аi1х1+аi2х2+…+аinxn ≤ bi
bi (i = 1, 2, …, m)
ai1x1+ai2x2+…+
ain xn + xn + 1 = bi
аk1x1 +
ak2x2 + … + aknxn ≥ bk
ak1x1 + ak2x2 + … + aknxn – xn + 2 = bk
(хn+1 ≥ 0, хn+2 ≥ 0)
Слайд 6Форми запису задач лінійного програмування
(3.4)
Слайд 7max(min) Z = CX
(3.5)
АХ = А0
Х ≥
0
С = (с1, с2, …, сп)
(3.6)
A1x1 + A2x2 + … +
Anxn = A0
Слайд 9Геометрична інтерпретація задачі лінійного програмування
х1Оx2
(3.7)
ai1x1 + ai2x2 = bi (i=1,2, ..., т)
Слайд 10Багатокутник розв’язків, або область допустимих планів (розв’язків) задачі лінійного програмування
Слайд 11ai1x1 + ai2x2 + ai3x3 = bi (i = 1,
2, ..., т)
хj=0 (j = 1, 2, 3)
х1, х2,… хn
аi1x1 + ai2x2 + ai3x3 + … +ainxn = bi
(i = 1, 2, ..., т)
хj = 0 (j=1, 2, 3, ..., n)
Слайд 12Таблиця 3.1 – Показники вирощування сільськогосподарських культур
Слайд 13Задача лінійного програмування має такий вигляд:
max Z = 0,7x1 +
x2 (3.8)
за умов:
x1
+ x2 ≤ 20; (3.9)
5x1 + 25x2 ≤ 270; (3.10)
2x1 + 8x2 ≤ 80; (3.11)
x2 ≥ 5; (3.12)
x1 ≥ 0, x2 ≥ 0. (3.13)
Слайд 14Область допустимих розв’язків задачі
Слайд 15Основні властивості розв’язків задачі лінійного програмування
Властивість 1. (Теорема 3.1)
Множина всіх планів задачі лінійного програмування опукла.
Властивість 2. (Теорема
3.2) Якщо задача лінійного програмування має оптимальний план, то екстремального значення цільова функція набуває в одній із вершин її багатогранника розв’язків. Якщо ж цільова функція набуває екстремального значення більш як в одній вершині цього багатогранника, то вона досягає його і в будь-якій точці, що є лінійною комбінацією таких вершин.
Слайд 16Властивість 3. (Теорема 3.3) Якщо відомо, що система векторів A1,
A2, …, Ak (k≤n) у розкладі A1x1 +A2x2 + …
+ Anxn = A0, X≥0 лінійно незалежна і така, що
A1x1 + A2x2 + … + Akxk = A0,
де всі xj ≥ 0, то точка X = (x1, x2, …, xk, 0, …, 0) є кутовою точкою багатогранника розв’язків.
Властивість 4. (Теорема 3.4) Якщо X = (x1, x2, …, xn) – кутова точка багатогранника розв’язків, то вектори в розкладі
A1x1 + A2x2 + … + Anxn = A0, X ≥ 0,
що відповідають додатним xj, є лінійно незалежними.
Слайд 17Графічний метод розв’язування задач лінійного програмування
(3.15)
(3.16)
(3.17)
(і = 1, 2, …, т)
Слайд 18Алгоритм графічного методу
1. Будуємо прямі, рівняння яких дістаємо заміною в
обмеженнях задачі (3.16) знаків нерівностей на знаки рівностей.
2. Визначаємо півплощини,
що відповідають кожному обмеженню задачі.
3. Знаходимо багатокутник розв’язків задачі лінійного програмування.
4. Будуємо вектор , що задає напрям зростання значення цільової функції задачі.
Слайд 195. Будуємо пряму с1х1+с2х2=const, перпендикулярну до вектора .
6. Рухаючи пряму
с1х1+с2х2=const в напрямку вектора
(для задачі максимізації) або в
протилежному напрямі
(для задачі мінімізації), знаходимо вершину багатокутника розв’язків, де цільова функція набирає екстремального значення.
7. Визначаємо координати точки, в якій цільова функція набирає максимального (мінімального) значення, і обчислюємо екстремальне значення цільової функції в цій точці.
