WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 7 | 8 || 10 | 11 |   ...   | 12 |

250 x + 150 x b11, 1 350 x + 250 x b12, 1 100 x + 200 x b13, 1 0 x 20, 0 x 30.

Тогда максимально допустимый расход ресурсов b1max = (25020 + + 15030 = 9500; 35020 + 25030 = 14500; 10020 + 20030 = 8000).

Пусть увеличение запаса ресурса 1 на 100 единиц потребует инвестиций в размере I1 = 5, ресурса на 100 единиц – I2 = 3, ресурса 3 на 100 единиц – I3 = 6. Тогда для выполнения максимальной производственной программы, требующей запас ресурсов b1max, необходимы инвестиции в размере: I(b0, b1max ) = 275 + 225 + 240 = 740. Целевая функция примет вид: Q = 10x1 + 15x2 – 740.

На рис. 2.1 представлены три различных варианта взаимного расположения системы ограничений и целевой функции:

1 Вариант для Qmin, L1min, L2min, L3min. Он соответствует "минимальному" расходу ресурсов b0 = (4000, 7000, 4000). При этом величина инвестиций в увеличение запаса ресурсов I(b0, b0) = 0. Тогда целевая функция имеет вид: Qmin = 10x1 + 15x2.

xL3' L3max L3min L2max L2' x2 L1max L1' 40 max L2min L1min x1 ОДР -10 0 10 20 30 40 50 60 x-max Qmax Qmin -20 max Q' Рис. 2.1 Графическая иллюстрация задачи 1:

L1, L2, L3 – ограничения на максимальный расход ресурсов; Q – целевая функция;

x1 20 и x2 30 – ограничения на максимальный выпуск продукции;

ОДР – область изменения расположения допустимых решений задачи оптимизации 2 Вариант для Qmax, L1max, L2max, L3max. Он соответствует "максимальному" расходу ресурсов b1max = (9500, 14500, 8000). При этом величина инвестиций в увеличение запаса ресурсов I(b0, b1max ) = 740. Тогда целевая функция имеет вид: Qmax = 10x1 + 15x2 – 740.

3 Вариант для Q, L1, L2, L3. Данный вариант является промежуточным между первым и вторым ("минимальным" и "максимальным" или "безинвестиционным" и вариантом с максимальными инвести циями в увеличение запаса ресурсов предприятия). При этом b1 = (6000, 10000, 5000), величина инве стиций I(b0, b1 ) = 100 + 90 + 60 = 250, целевая функция прибыли имеет вид: Q = 10x1 + 15x2 – 250.

Как видно из рис. 2.1 область допустимых решений варьируется в пределах области ОДР. Нижняя ее граница соответствует "минимальному" варианту запасов ресурсов b0, а верхняя – максимальному b1max. При решении задачи оптимизации прямая, соответствующая целевой функции Q, смещается в на правлении, указанном на рисунке, т.е. вправо – вверх. При этом по рис. 2.1, для вариантов Qmin и Q указанные прямые лежат ниже верхней границы области допустимых решений, соответствующей данным вариантам, т.е. решение задачи оптимизации существует. Однако, для варианта Qmax прямая, соответствующая целевой функции, выходит за верхний край области допустимых решений. Таким образом, решения задачи оптимизации не существует.

Далее, как видно из рис. 2.1, максимальное значение Q для варианта Q больше, чем для варианта Qmin. Нетрудно заметить, что и вариант Q не самый оптимальный (есть постановки задачи, для которых Q* Q ).

Таким образом, возникает задача определения такого варианта b* и соответствующего ему значения целевой функции Qmin < Q* < Qmax, при котором решение будет существовать и при этом являться максимальным среди всех допустимых решений.

Теперь рассмотрим задачу (2.1) – (2.4) для нескольких вариантов прибыли от единицы и соответствующего максимального объема продаж.

Задача 2 Пусть планируются к продаже два продукта: x1 и x2 на одном временном интервале.

max Пусть прибыль от единицы первого продукта изменяется в диапазоне (8…20) при функции спроса x= 200 / q1. Прибыль от единицы второго продукта находится в диапазоне (12…30) при функции спроса max x2 = 450 / q2. Начальный запас ресурсов предприятия b0 = (4000, 7000, 4000). Пусть увеличение запаса ресурса 1 на 100 единиц потребует инвестиций в размере I1 = 5, ресурса 2 на 100 единиц – I2 = 3, ресурса 3 на 100 единиц – I3 = 6.

Представим данную задачу графически для двух вариантов q. Пусть первый вариант прибыли q = (10; 15). Ему соответствует максимальный объем производства продукции xmax = (20; 30). Пусть второй вариант прибыли q = (8; 12). Ему соответствует максимальный объем производства продукции xmax = (25; 37,5). Целевая функция имеет следующий вид:

Q = 10x1 + 15x2 – I для первого варианта и Q = 8x1 + 12x2 – I для второго. Максимально допустимый расход ресурсов для первого варианта b1max = (9500, 14500, 8000), для второго варианта b1max = (11875, 18125, 10000). При этом максимальная величина инвестиций для первого варианта Imax = 555 + 375 + 640 = 740, для второго Imax = 578,75 + 3111,25 + + 660 = 1087,5. Система ограничений (2.2) определяется b1 и xmax и примет следующий вид:

250 x1 + 150 x b11, 350 x1 + 250 x b12, 100 x1 + 200 x b13, 0 x1 x1max, 0 x x.

max 2 На рис. 2.2 сплошными линиями изображен первый вариант. Пунктирными линиями изображен второй вариант, для обозначения которого использовался индекс (*). Обозначениями с индексом min отмечены прямые, соответствующие задаче оптимизации с запасом ресурсов b1 = b0. Обозначениями с индексом max отмечены прямые, соответствующие задаче оптимизации с запасом ресурсов b1 = b1max.

Обозначениями со штрихом ' отмечены прямые, соответствующие задаче оптимизации с запасом ресурсов b1 = (6000, 10000, 5000).

Как видно из рис. 2.2 задача 2 для второго варианта прибыли и максимального объема производства отличается от первого варианта:

1 Появилась новая постановки задачи оптимизации.

2 Прямые целевой функции приобрели другой наклон (Q*min, Q'*, Q*max) и расположение относительно первого варианта.

3 Область изменения расположения допустимых решений задачи оптимизации расширилась и составила ОДР + ОДР1. При этом ее "нижняя" граница осталась прежней b0, а "верхняя" сместилась из b1max для первого варианта в b1max для второго, т.е. расширилась.

xL*max L*max L3' L3max L3min * L1max L2max 60 max x2 L1max x2 7,L2' ОДРmax L1' L2min x1 L1min x1 ОДР -10 0 10 20 30 40 50 60 70 80 x-max Q*max max Qmax -Qmin Q' Q*min Q'* Рис. 2.2 Графическая иллюстрация задачи 2:

L1, L2, L3 – ограничения на максимальный расход ресурсов; Q – целевая функция;

x1 20, x2 30 и x1 25, x2 37,5 – ограничения на максимальный выпуск продукции; ОДР – область изменения расположения допустимых решений задачи оптимизации для первого варианта q – прибыли от единицы продукции;

ОДР + ОДР1 – область изменения расположения допустимых решений задачи оптимизации для второго варианта q * Следует отметить, что для второго варианта прибыли q прямая Qmax оказалась выше области * допустимых решений, ограниченной прямыми L1max, L* max, L* max, x1 25, x2 37,5. Таким образом, 2 при условии, что Q 0, решения задачи оптимизации вообще не существует.

2.3 АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ РАСПРЕДЕЛЕНИЯ РЕСУРСОВ Методы нахождения решения стандартной задачи линейного программирования хорошо изучены и реализованы как в виде алгоритмов, так и в виде программ [1, 3, 59]. Однако, из-за нестандартности математической модели, добавления в нее систем (2.3) и (2.4), необходимо найти другие пути поиска решений задачи исследования, нежели алгоритмы линейного программирования.

Поэтому рассмотрим ряд наиболее мощных и удобных в применении к задаче долгосрочного планирования и управления промышленным предприятием алгоритмов поиска экстремума [4, 53, 54].

В данной работе будут использованы методы прямого поиска. Их привлекательность для решения поставленной задачи заключается в отсутствии необходимости вычислять производные функции, что требуется в градиентных методах. Это становится важным в связи с линейностью целевой функции. В тоже время, размерность задачи может быть достаточно велика. Поэтому следует выбирать методы с наименьшими вычислениями на каждой итерации.

На разработку методов прямого поиска для определения минимума функций n переменных было затрачено много усилий. Методы прямого поиска являются методами, в которых используются только значения функции. Мы рассмотрим подробно лишь два из них. Практика показала, что эти два метода эффективны и применимы для широкого числа приложений и обладают удобными программными реализациями.

Метод Нелдера–Мида (называется также поиском по деформируемому многограннику) является развитием симплексного метода Спендли, Хекста и Химсворта [4] для регулярного симплекса. Идея метода состоит в сравнении значений функции в (n + 1) вершинах симплекса и перемещении симплекса в направлении оптимальной точки с помощью итерационной процедуры. Нелдер и Мид предложили несколько модификаций этого метода, допускающих, чтобы симплексы были неправильными.

В методе Спендли, Хекста и Химсворта симплекс перемещается с помощью трех основных операций: отражения, растяжения и сжатия. Нелдер и Мид реализуют их в виде коэффициентов соответственно = 1, = 0,5 и = 2. Такой выбор основан на результатах экспериментов с различными комбинациями значений [4]. Эти значения параметров позволяют методу быть эффективным, но работать в различных сложных ситуациях.

Таким образом, метод Нелдера–Мида более прост (с точки зрения количества вычислений значений целевой функции) и применим в условиях отсутствия ограничений типа gi(х) bi при i = 1, 2,..., m. Его будет удобно использовать для определения оптимальных значений прибыли от единицы продукции в диапазоне qmin q qmax и запасов ресурсов в диапазоне bmin b bmax. В случае выхода переменных за границы диапазона, целевой функции будет присваиваться заведомо "плохое" значение (метод "штрафных функций").

Второй метод – метод Бокса – является, по существу, модификацией симплексного метода Нелдера–Мида, однако позволяет учитывать системы ограничений. Бокс назвал его комплексным методом.

Решаемая задача состоит в минимизации функции f(х) = f(x1, x2, …, хn), где х определяется явными ограничениями lj xj uj при j = 1, 2,..., n, (2.5) и неявными ограничениями gi(х) bi при i = 1, 2,..., m. (2.6) Если целевая функция f(х) выпукла и функции gi(х) тоже выпуклы, то задача будет иметь единственное решение [13]. Значения lj и uj являются нижней и верхней границами переменных. Если в конкретной задаче заданные переменные теоретически не имеют ограничений, то предположение о наличии у них "безопасных" границ, т.е. границ, включающих оптимум, позволит применить комплексный метод.

Данный метод является также итерационным. В нем предполагается, что известны значения n и m, lj и uj и начальная точка х1, удовлетворяющая ограничениям (2.5) и (2.6). В первую очередь необходимо выбрать k точек (называемых комплексом), которые удовлетворяют ограничениям, а также вычислить целевую функцию во всех k точках. Бокс обнаружил, что k должно быть больше (n + 1) – числа точек, используемых в симплексном методе Нелдера–Мида и положил k = 2n [13].

Как упоминалось выше, предполагается, что точка x1, удовлетворяющая всем ограничениям, задана.

Остальные точки, удовлетворяющие неравенству (2.5), могут быть выбраны следующим образом:

xij = lj + r(uj – lj) (2.7) для j = 1, 2,..., n и i = 2, 3,..., k, где r – псевдослучайная равномерно распределенная переменная в интервале (0; 1).

Точки, выбираемые в соответствии с уравнением (2.7) для данного j, будут автоматически удовлетворять неравенству (2.5). Если эти точки удовлетворяют также неравенству (2.6), то они принимаются в качестве начальных точек комплекса. Если точка, выбранная в соответствии с уравнением (2.7), не удовлетворяет неравенству (2.6), то она смещается на половину расстояния до центра тяжести множества уже принятых точек, т.е. формируется точка x'i = (хi + хc)/2, (2.8) i=где xc =. (2.9) xe i -e=Если точка в соотношении (2.8) все еще не является допустимой, то описанная соотношением (2.7) процедура повторяется вновь до тех пор, пока точка не станет допустимой. Если функция gi(x) выпукла, то, в конце концов, ограничения будут выполняться. Данное заключение становится важным в связи с выпуклостью многогранника решений задачи (2.1) – (2.4). Конечно, поскольку точка x1 находится внутри области ограничений, то комплекс будет состоять из допустимых точек.

Выбор k = 2n и коэффициента отражения = 1,3 является эмпирическим правилом, предложенным Боксом. Первое значение частично предотвращает преждевременное сжатие комплекса. Коэффициент отражения > 1 позволяет комплексу расширяться и перемещаться в нужном направлении. Перемещения на половину расстояния от начальной точки к центру сжимают комплекс. Поэтому комплекс может перемещаться внутри допустимой области вдоль границ и огибать углы в местах пересечения ограничений.

Способ выбора начального комплекса означает, что легко может быть сделано несколько перемещений. Очевидно, что будет сделано более одного перемещения даже в том случае, когда метод преждевременно сходится по причине какой-нибудь особенности используемых точек.

Комплексный метод применим к широкому кругу задач с ограничениями [4]. Если целевая функция выпукла и, кроме того, выпукла область ограничений, то применение метода будет успешным, хотя определенные особенности задачи могут потребовать некоторой модификации условия завершения поиска.

Необходимо также обратить внимание на проверку того, что был ли найден не локальный, а глобальный минимум. Бокс полагает, что, произведя более одного запуска программы при различных начальных точках, можно решить эту проблему с помощью вышеописанного метода. Случайный характер формирования начального комплекса означает, что первоначально формируется хорошее покрытие области ограничений и поэтому существует тенденция сходимости к глобальному минимуму. Сходимость к одному и тому же значению при нескольких запусках программы подтверждает это.

Метод Бокса является развитием метода Нелдера–Мида для решения задач оптимизации с ограничениями типа gi(х) bi при i = 1, 2,..., m. Его целесообразно применять для решения задачи поиска оптимального значения объемов продаж в диапазоне xmin x xmax при ограничениях (2.2).

Фактически, данный метод будет применяться для решения задачи линейного программирования с модифицированной целевой функцией, учитывающей инвестиции. Данный метод легко программируем и, как правило, позволяет гарантированно отыскать глобальный экстремум.

Таким образом, можно применить следующую комбинацию методов прямого поиска.

1 Первой версией метода Нелдера–Мида отыскивается оптимальное значение прибыли от единицы выпускаемой продукции в диапазоне qmin q qmax.

2 Второй версией метода Нелдера–Мида определяется оптимальное значение нового запаса ресурсов предприятия в диапазоне bmin b bmax при выбранном предыдущей версией значении q.

3 Методом Бокса определяется численное значение целевой функции чистой дисконтированной прибыли и соответствующих объемов продаж при выбранных предыдущими методами значения q и b.

Pages:     | 1 |   ...   | 7 | 8 || 10 | 11 |   ...   | 12 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.