วิธีแก้ปัญหาที่ยอมรับได้คือ: พื้นฐานระเบียบวิธีในการพัฒนาการตัดสินใจของฝ่ายบริหาร ทดสอบในสาขาวิชา "การวิจัยปฏิบัติการ"
ชุดนูนและคุณสมบัติเพื่อที่จะศึกษาคุณสมบัติของเซตส่วนนูน จำเป็นต้องให้คำจำกัดความของเซตส่วนนูนอย่างเข้มงวด ก่อนหน้านี้ ชุดนูนถูกกำหนดให้เป็นเซตที่เมื่อรวมกับจุดสองจุดใดๆ แล้ว จะมีส่วนที่เชื่อมต่อกัน
ลักษณะทั่วไปของแนวคิดของเซ็กเมนต์สำหรับหลายจุดคือการรวมกันเชิงเส้นนูน
จุด X เรียกว่า การรวมกันเชิงเส้นนูนคะแนน, หากตรงตามเงื่อนไข
ชุดของคะแนนคือ นูน,ถ้ามันพร้อมกับจุดสองจุดใด ๆ ที่มีการรวมกันเชิงเส้นนูนตามอำเภอใจ
เราสามารถพิสูจน์ทฤษฎีบทต่อไปนี้เกี่ยวกับการเป็นตัวแทนของรูปทรงหลายเหลี่ยมนูนได้
ทฤษฎีบท 1.1 รูปทรงหลายเหลี่ยม n มิตินูนคือผลรวมเชิงเส้นนูนของจุดมุม
จากทฤษฎีบท 1.1 จะได้ว่ารูปทรงหลายเหลี่ยมนูนถูกสร้างขึ้นโดยจุดมุมหรือจุดยอดของมัน: ส่วนที่ 2 จุด, สามเหลี่ยม 3 จุด, จัตุรมุข 4 จุด ฯลฯ ในเวลาเดียวกัน บริเวณรูปทรงหลายเหลี่ยมนูนซึ่งเป็นเซตที่ไม่มีขอบเขต ไม่ได้กำหนดไว้โดยเฉพาะจากจุดมุมของมัน จุดใดๆ ของมันไม่สามารถแสดงเป็นผลรวมเชิงเส้นตรงของจุดมุมได้
คุณสมบัติของปัญหาการโปรแกรมเชิงเส้นก่อนหน้านี้ มีการพิจารณารูปแบบต่างๆ ของปัญหาการเขียนโปรแกรมเชิงเส้น และแสดงให้เห็นว่าปัญหาการเขียนโปรแกรมเชิงเส้นใดๆ สามารถแสดงได้ว่าเป็นปัญหาทั่วไปหรือปัญหามาตรฐาน
เพื่อยืนยันคุณสมบัติของปัญหาการเขียนโปรแกรมเชิงเส้นและวิธีการแก้ไขขอแนะนำให้พิจารณาสัญกรณ์อีกสองประเภทของปัญหา Canonical
แบบฟอร์มการบันทึกเมทริกซ์:
ที่นี่ กับ– เมทริกซ์แถว ก– เมทริกซ์ระบบ เอ็กซ์– เมทริกซ์คอลัมน์ของตัวแปร ใน– คอลัมน์เมทริกซ์ของสมาชิกอิสระ:
รูปแบบการบันทึกแบบเวกเตอร์:
โดยที่เวกเตอร์สอดคล้องกับคอลัมน์ของสัมประสิทธิ์ของค่าที่ไม่รู้จัก
ได้รับการกำหนดไว้ข้างต้น แต่ไม่ได้รับการพิสูจน์ใน ปริทัศน์ทฤษฎีบทถัดไป
ทฤษฎีบท 1.2 ชุดของวิธีแก้ปัญหาที่เป็นไปได้ทั้งหมดสำหรับระบบข้อจำกัดของปัญหาการโปรแกรมเชิงเส้นนั้นเป็นรูปนูน
การพิสูจน์:อนุญาต - วิธีแก้ปัญหาที่เป็นไปได้สองประการของ PLP ซึ่งกำหนดไว้ในรูปแบบเมทริกซ์ แล้ว . ให้เราพิจารณาการรวมกันของการแก้ปัญหาเชิงเส้นนูนเช่น
และแสดงว่าเป็นวิธีแก้ปัญหาของระบบด้วย (1.3) อย่างแท้จริง
เช่น. สารละลาย เอ็กซ์เป็นไปตามระบบ (1.3) แต่ตั้งแต่นั้นเป็นต้นมา เอ็กซ์>0 เช่น การแก้ปัญหาเป็นไปตามเงื่อนไขที่ไม่เป็นลบ
ดังนั้นจึงได้รับการพิสูจน์แล้วว่าชุดของวิธีแก้ปัญหาที่เป็นไปได้ทั้งหมดสำหรับปัญหาการโปรแกรมเชิงเส้นนั้นนูนหรือแม่นยำกว่านั้นคือแสดงถึงรูปทรงหลายเหลี่ยมนูนหรือบริเวณรูปทรงหลายเหลี่ยมนูนซึ่งเราจะเรียกต่อไปด้วยเทอมเดียว - รูปทรงหลายเหลี่ยมของสารละลาย
คำตอบสำหรับคำถาม ณ จุดใดของรูปทรงหลายเหลี่ยมของการแก้ปัญหาที่เป็นไปได้ ทางออกที่ดีที่สุดปัญหาการโปรแกรมเชิงเส้นมีให้ไว้ในทฤษฎีบทพื้นฐานต่อไปนี้
ทฤษฎีบท 1.3 หากปัญหาการโปรแกรมเชิงเส้นมีวิธีแก้ปัญหาที่เหมาะสมที่สุด ฟังก์ชันเชิงเส้นจะนำค่าสูงสุดไปที่จุดมุมหนึ่งของรูปทรงหลายเหลี่ยมของสารละลาย หากฟังก์ชันเชิงเส้นรับค่าสูงสุดที่จุดมุมมากกว่าหนึ่งจุด ก็จะรับค่าดังกล่าวที่จุดใดๆ ที่เป็นผลรวมเชิงเส้นแบบนูนของจุดเหล่านี้
การพิสูจน์:เราจะถือว่าคำตอบของรูปทรงหลายเหลี่ยมมีขอบเขต ให้เราแสดงจุดมุมของมันด้วย , และทางออกที่ดีที่สุดก็คือผ่าน เอ็กซ์*- แล้ว ฉ(X*)³ เอฟ(เอ็กซ์)สำหรับทุกจุด เอ็กซ์รูปทรงหลายเหลี่ยมของสารละลาย ถ้า เอ็กซ์*เป็นจุดมุม จากนั้นส่วนแรกของทฤษฎีบทก็จะถูกพิสูจน์
สมมุติว่า เอ็กซ์*ไม่ใช่จุดมุม ตามทฤษฎีบท 1.1 เอ็กซ์*สามารถแสดงเป็นผลรวมเชิงเส้นนูนของจุดมุมของรูปทรงหลายเหลี่ยมของสารละลายได้เช่น
เพราะ เอฟ(เอ็กซ์)คือฟังก์ชันเชิงเส้น เราได้
ในการสลายตัวนี้ เราเลือกค่าสูงสุดจากค่าต่างๆ ให้มันตรงกับจุดมุม เอ็กซ์ เค(1 ปอนด์ เค£ ร)- ลองแสดงมันด้วย เอ็มเหล่านั้น. . ให้เราแทนที่แต่ละค่าในนิพจน์ (1.5) ด้วยค่าสูงสุดนี้ ม.แล้ว
โดยสมมุติ เอ็กซ์* เป็นทางออกที่ดีที่สุด ดังนั้นในอีกด้านหนึ่ง แต่ได้รับการพิสูจน์แล้วในอีกด้านหนึ่ง
ฉ(X*)£ เอ็มดังนั้น ที่ไหน เอ็กซ์ เค– จุดมุม จึงมีจุดมุม เอ็กซ์ เคซึ่งฟังก์ชันเชิงเส้นรับค่าสูงสุด
เพื่อพิสูจน์ส่วนที่สองของทฤษฎีบท ให้เราสมมติว่าฟังก์ชันวัตถุประสงค์รับค่าสูงสุดที่จุดมุมมากกว่าหนึ่งจุด เช่น ที่จุดต่างๆ , ที่ไหน , แล้ว
อนุญาต เอ็กซ์– ผลรวมเชิงเส้นนูนของจุดมุมเหล่านี้ เช่น
ในกรณีนี้ เมื่อพิจารณาถึงฟังก์ชันแล้ว เอฟ(เอ็กซ์)– เชิงเส้น เราได้
เหล่านั้น. ฟังก์ชันเชิงเส้น เอฟรับค่าสูงสุด ณ จุดใดก็ได้ เอ็กซ์ซึ่งเป็นผลรวมเชิงเส้นนูนของจุดมุม
ความคิดเห็นข้อกำหนดที่ขอบเขตของรูปทรงหลายเหลี่ยมของคำตอบอยู่ในทฤษฎีบทถือเป็นสิ่งสำคัญ เนื่องจากในกรณีของขอบเขตรูปทรงหลายเหลี่ยมที่ไม่มีขอบเขต ดังที่ระบุไว้ในทฤษฎีบท 1.1 ไม่ใช่ทุกจุดของขอบเขตดังกล่าวจะสามารถแสดงด้วยผลรวมเชิงเส้นตรงนูนของจุดมุมของมันได้
ทฤษฎีบทที่ได้รับการพิสูจน์แล้วถือเป็นพื้นฐาน เนื่องจากเป็นแนวทางพื้นฐานในการแก้ปัญหาการเขียนโปรแกรมเชิงเส้น ตามทฤษฎีบทนี้ แทนที่จะศึกษาชุดวิธีแก้ปัญหาที่เป็นไปได้ที่ไม่มีที่สิ้นสุดเพื่อค้นหาคำตอบที่เหมาะสมที่สุดที่ต้องการ จำเป็นต้องศึกษาจุดมุมของรูปทรงหลายเหลี่ยมในจำนวนจำกัดเท่านั้น
ทฤษฎีบทถัดไปกล่าวถึงวิธีการวิเคราะห์ในการหาจุดมุม
ทฤษฎีบท 1.4 วิธีแก้ปัญหาพื้นฐานที่ยอมรับได้แต่ละข้อของปัญหาการโปรแกรมเชิงเส้นตรงจะสอดคล้องกับจุดมุมของรูปทรงหลายเหลี่ยมของสารละลาย และในทางกลับกัน ไปยังจุดแต่ละมุมของรูปทรงหลายเหลี่ยมของสารละลายนั้นก็จะสอดคล้องกับวิธีแก้ปัญหาพื้นฐานที่ยอมรับได้
การพิสูจน์:ให้เป็นวิธีแก้ปัญหาพื้นฐานที่ยอมรับได้ของระบบข้อจำกัดของ LLP (1.4) ซึ่งในข้อแรก ตองค์ประกอบเป็นตัวแปรหลักและส่วนที่เหลือ พี - ทีส่วนประกอบ – ตัวแปรที่ไม่ใช่หลักเท่ากับศูนย์ในโซลูชันพื้นฐาน (หากไม่เป็นเช่นนั้น ตัวแปรที่เกี่ยวข้องก็สามารถกำหนดหมายเลขใหม่ได้) มาแสดงกันเถอะ เอ็กซ์
สมมติว่าตรงกันข้ามคือ อะไร เอ็กซ์ไม่ใช่จุดมุม แล้วชี้. เอ็กซ์สามารถแสดงได้ด้วยจุดภายในของส่วนที่เชื่อมต่อสองจุดที่แตกต่างกันซึ่งไม่ตรงกัน เอ็กซ์,คะแนน
กล่าวอีกนัยหนึ่งคือการรวมกันของจุดเชิงเส้นนูน รูปทรงหลายเหลี่ยมของสารละลายเช่น
โดยที่ (เราสันนิษฐานว่า เพราะไม่เช่นนั้นจุด เอ็กซ์ตรงกับประเด็น เอ็กซ์ 1 หรือ เอ็กซ์ 2).
ให้เราเขียนความเท่าเทียมกันของเวกเตอร์ (1.6) ในรูปแบบพิกัด:
เพราะ ตัวแปรและสัมประสิทธิ์ทั้งหมดไม่เป็นลบจากนั้นจากค่าสุดท้าย พี-ทีความเท่าเทียมกันเป็นไปตามนั้น กล่าวคือ ในการตัดสินใจ เอ็กซ์ 1 , เอ็กซ์ 2 และ เอ็กซ์ค่าระบบสมการ (1.4) พี - ทีส่วนประกอบจะเท่ากับศูนย์ในกรณีนี้ ส่วนประกอบเหล่านี้ถือได้ว่าเป็นค่าของตัวแปรที่ไม่ใช่ตัวแปรหลัก แต่ค่าของตัวแปรที่ไม่ใช่พื้นฐานจะกำหนดค่าของตัวแปรหลักโดยเฉพาะดังนั้น
ดังนั้นทุกอย่าง ปส่วนประกอบในโซลูชั่น เอ็กซ์ 1 , เอ็กซ์ 2 และ เอ็กซ์ตรงกันและด้วยเหตุนี้คะแนน เอ็กซ์ 1 และ เอ็กซ์ 2 ผสานซึ่งขัดแย้งกับสมมติฐาน เพราะฉะนั้น, เอ็กซ์– จุดมุมของรูปทรงหลายเหลี่ยมของสารละลาย
ให้เราพิสูจน์ข้อความสนทนา ให้เป็นจุดมุมของสารละลายรูปทรงหลายเหลี่ยมและเป็นอันดับแรก ตพิกัดเป็นบวก มาแสดงกันเถอะ เอ็กซ์– วิธีแก้ปัญหาพื้นฐานที่ยอมรับได้ ไม่ใช่จุดมุมซึ่งขัดแย้งกับสภาพ ดังนั้นสมมติฐานของเราจึงไม่ถูกต้องคือ เวกเตอร์มีความเป็นอิสระเชิงเส้นและ เอ็กซ์เป็นวิธีการแก้ปัญหาขั้นพื้นฐานที่ยอมรับได้ (1.4)
ข้อพิสูจน์ที่สำคัญตามมาโดยตรงจากทฤษฎีบท 1.3 และ 1.4: หากปัญหาการเขียนโปรแกรมเชิงเส้นมีวิธีแก้ปัญหาที่ดีที่สุด มันก็จะเกิดขึ้นพร้อมกัน อย่างน้อยด้วยหนึ่งในโซลูชันพื้นฐานที่ยอมรับได้
ดังนั้น, เหมาะสมที่สุด ฟังก์ชันเชิงเส้นควรค้นหาปัญหาการเขียนโปรแกรมเชิงเส้นจากวิธีแก้ปัญหาพื้นฐานที่เป็นไปได้ในจำนวนจำกัด
ลองพิจารณาปัญหาการเขียนโปรแกรมเชิงเส้นหลัก (LPLP): ค้นหาค่าที่ไม่เป็นลบของตัวแปร x1, x2, ..., xn, เป็นไปตามเงื่อนไข m - ความเท่าเทียมกัน
![](https://i0.wp.com/studbooks.net/imag_/15/232127/image009.png)
และเพิ่มฟังก์ชันเชิงเส้นของตัวแปรเหล่านี้ให้สูงสุด
เพื่อความง่าย เราถือว่าเงื่อนไขทั้งหมด (1) มีความเป็นอิสระเชิงเส้น (r=m) และเราจะดำเนินการให้เหตุผลภายใต้สมมติฐานนี้
ลองเรียกโซลูชันที่ยอมรับได้ของ OLP ชุดของค่าที่ไม่เป็นลบ x1, x2, ..., xn ที่ตรงตามเงื่อนไข (1) มาเรียกโซลูชันที่เหมาะสมที่สุดตัวใดตัวหนึ่งที่ยอมรับได้ซึ่งเพิ่มฟังก์ชันสูงสุด (2) เราจำเป็นต้องค้นหาทางออกที่ดีที่สุด
ปัญหานี้จะมีทางแก้ไขเสมอหรือไม่? ไม่ไม่เสมอไป
ZLP ไม่สามารถแก้ไขได้ (ไม่มีวิธีแก้ปัญหาที่เหมาะสมที่สุด):
เนื่องจากความไม่เข้ากันของระบบข้อจำกัด เหล่านั้น. ระบบไม่มีวิธีแก้ปัญหาเดียว ดังแสดงในรูปที่ 1
![](https://i1.wp.com/studbooks.net/imag_/15/232127/image010.png)
รูปที่ 1 - ความไม่สอดคล้องกันของระบบข้อจำกัด
เนื่องจากฟังก์ชันวัตถุประสงค์ในชุดโซลูชันไม่มีขอบเขต กล่าวอีกนัยหนึ่ง เมื่อแก้ LLP ที่ค่าสูงสุด ค่าของฟังก์ชันวัตถุประสงค์มีแนวโน้มที่จะเป็นอนันต์ และในกรณีของ LLP ที่ค่าต่ำสุด - ถึงลบอนันต์ ดังแสดงในรูปที่ 2
![](https://i0.wp.com/studbooks.net/imag_/15/232127/image011.jpg)
รูปที่ 2 - ความไม่มีขอบเขตของฟังก์ชันวัตถุประสงค์ในชุดโซลูชัน
ZLP สามารถแก้ไขได้:
ชุดการแก้ปัญหาประกอบด้วยจุดเดียว นอกจากนี้ยังเหมาะสมที่สุด ดังแสดงในรูปที่ 3
![](https://i0.wp.com/studbooks.net/imag_/15/232127/image012.jpg)
รูปที่ 3 - ชุดวิธีแก้ปัญหาประกอบด้วยจุดเดียว
ทางออกที่ดีที่สุดเพียงทางเดียวสำหรับ ZLP เส้นตรงที่สอดคล้องกับฟังก์ชันวัตถุประสงค์ที่ตำแหน่งขีดจำกัดตัดกับเซตของคำตอบที่จุดหนึ่ง ดังแสดงในรูปที่ 4
![](https://i0.wp.com/studbooks.net/imag_/15/232127/image013.png)
รูปที่ 4 - ทางออกที่ดีที่สุดเท่านั้น
ทางออกที่ดีที่สุดของ ZLP นั้นไม่ได้มีลักษณะเฉพาะ เวกเตอร์ N ตั้งฉากกับด้านหนึ่งของเซตคำตอบ ในกรณีนี้ จุดใดๆ บนส่วน AB จะเหมาะสมที่สุด ดังแสดงในรูปที่ 5
![](https://i2.wp.com/studbooks.net/imag_/15/232127/image014.jpg)
รูปที่ 5 - ทางออกที่ดีที่สุดไม่ได้มีลักษณะเฉพาะ
การแก้ปัญหาการเขียนโปรแกรมเชิงเส้นโดยใช้วิธีซิมเพล็กซ์
วิธีซิมเพล็กซ์เป็นอัลกอริธึมสำหรับการแก้ปัญหา LP ที่ใช้การแจงนับจุดมุมของขอบเขตของวิธีแก้ปัญหาที่เป็นไปได้ในทิศทางของการปรับปรุงค่าของฟังก์ชันวัตถุประสงค์ C วิธีซิมเพล็กซ์เป็นวิธีหลักในการเขียนโปรแกรมเชิงเส้น
การใช้วิธีนี้ในโครงการประกาศนียบัตรเพื่อแก้ไขปัญหา LP เกิดจากปัจจัยดังต่อไปนี้:
วิธีการนี้เป็นสากล ใช้ได้กับปัญหาการเขียนโปรแกรมเชิงเส้นในรูปแบบมาตรฐาน
ลักษณะอัลกอริธึมของวิธีการช่วยให้สามารถตั้งโปรแกรมและนำไปใช้งานโดยใช้วิธีการทางเทคนิคได้สำเร็จ
จุดสูงสุดของฟังก์ชันวัตถุประสงค์มักจะบรรลุที่จุดมุมของขอบเขตของวิธีแก้ปัญหาที่เป็นไปได้เสมอ ประการแรก พบวิธีแก้ปัญหาเบื้องต้น (อ้างอิง) ที่เป็นไปได้บางประการ เช่น จุดมุมใด ๆ ของขอบเขตของการแก้ปัญหาที่เป็นไปได้ ขั้นตอนของวิธีการช่วยให้คุณสามารถตอบคำถามว่าโซลูชันนี้เหมาะสมที่สุดหรือไม่ ถ้าใช่แสดงว่าปัญหาได้รับการแก้ไขแล้ว หาก "ไม่" แสดงว่ามีการเปลี่ยนแปลงไปยังจุดมุมที่อยู่ติดกันของขอบเขตของวิธีแก้ปัญหาที่เป็นไปได้ โดยที่ค่าของฟังก์ชันวัตถุประสงค์จะดีขึ้น กระบวนการแจกแจงจุดมุมของขอบเขตของการแก้ปัญหาที่เป็นไปได้จะถูกทำซ้ำจนกระทั่งพบจุดที่สอดคล้องกับส่วนปลายสุดของฟังก์ชันวัตถุประสงค์
เนื่องจากจำนวนจุดยอดของรูปทรงหลายเหลี่ยมมีจำกัด ในขั้นตอนจำนวนจำกัด จึงรับประกันได้ว่าจะหาค่าที่เหมาะสมที่สุดหรือกำหนดความจริงที่ว่าปัญหาไม่สามารถแก้ไขได้
ระบบข้อจำกัดในที่นี้คือระบบสมการเชิงเส้นซึ่งมีจำนวนที่ไม่ทราบ ปริมาณมากขึ้นสมการ หากอันดับของระบบเท่ากัน ก็สามารถเลือกสิ่งที่ไม่ทราบซึ่งแสดงในรูปของสิ่งที่ไม่ทราบที่เหลือได้ เพื่อให้แน่ใจ โดยปกติจะถือว่ามีการเลือกสิ่งที่ไม่ทราบลำดับแรกติดต่อกัน ตัวแปรที่ไม่รู้จัก (ตัวแปร) เหล่านี้เรียกว่าพื้นฐาน ที่เหลือไม่มีค่าใช้จ่าย จำนวนตัวแปรพื้นฐานจะเท่ากับจำนวนข้อจำกัดเสมอ
ด้วยการกำหนดค่าบางอย่างให้กับตัวแปรอิสระและการคำนวณค่าของค่าพื้นฐาน (แสดงในรูปของค่าอิสระ) จะได้รับวิธีแก้ปัญหาต่างๆ สำหรับระบบข้อ จำกัด สิ่งที่น่าสนใจเป็นพิเศษคือคำตอบที่ได้รับในกรณีที่ตัวแปรอิสระมีค่าเท่ากับศูนย์ วิธีแก้ปัญหาดังกล่าวเรียกว่าพื้นฐาน โซลูชันพื้นฐานเรียกว่าโซลูชันพื้นฐานที่ยอมรับได้หรือโซลูชันสนับสนุนหากค่าของตัวแปรไม่เป็นลบ เป็นไปตามข้อจำกัดทั้งหมด
เมื่อมีระบบที่มีข้อจำกัด ก็จะพบวิธีแก้ปัญหาพื้นฐานสำหรับระบบนี้ หากวิธีแก้ปัญหาพื้นฐานแรกที่ค้นพบเป็นไปได้ ก็จะมีการตรวจสอบความเหมาะสมที่สุด หากไม่เหมาะสมที่สุด จะต้องเปลี่ยนไปใช้โซลูชันพื้นฐานอื่นที่เป็นไปได้
วิธีซิมเพล็กซ์รับประกันว่าด้วยวิธีแก้ปัญหาใหม่นี้ รูปแบบเชิงเส้น หากไปไม่ถึงค่าที่เหมาะสมที่สุดก็จะเข้าใกล้มัน พวกเขาทำเช่นเดียวกันกับวิธีแก้ปัญหาพื้นฐานที่เป็นไปได้ใหม่ จนกว่าพวกเขาจะพบวิธีแก้ปัญหาที่เหมาะสมที่สุด
หากพบว่าวิธีแก้ปัญหาพื้นฐานแรกกลายเป็นสิ่งที่ยอมรับไม่ได้ จากนั้นใช้วิธีซิมเพล็กซ์ การเปลี่ยนไปใช้วิธีแก้ปัญหาพื้นฐานอื่น ๆ จนกระทั่งในขั้นตอนการแก้ปัญหาบางอย่าง วิธีแก้ปัญหาพื้นฐานกลายเป็นที่ยอมรับได้ หรือสามารถสรุปเกี่ยวกับความไม่สอดคล้องกันได้ ของระบบข้อจำกัด
ดังนั้นการประยุกต์ใช้วิธีซิมเพล็กซ์จึงแบ่งออกเป็นสองขั้นตอน:
ค้นหาวิธีแก้ปัญหาพื้นฐานที่ยอมรับได้สำหรับระบบที่มีข้อจำกัดหรือสร้างข้อเท็จจริงของความไม่สอดคล้องกันของระบบ
ค้นหาแนวทางแก้ไขที่เหมาะสมที่สุดในกรณีที่ระบบมีข้อจำกัดความเข้ากันได้
อัลกอริทึมสำหรับการย้ายไปยังแนวทางแก้ไขที่เป็นไปได้ถัดไปมีดังนี้:
ในเส้นสัมประสิทธิ์ของฟังก์ชันวัตถุประสงค์ หมายเลขลบที่น้อยที่สุดจะถูกเลือกเมื่อค้นหาค่าสูงสุด หมายเลขซีเรียลของสัมประสิทธิ์คือ หากไม่มีเลย แสดงว่าวิธีแก้ปัญหาพื้นฐานดั้งเดิมนั้นเหมาะสมที่สุด
ในบรรดาองค์ประกอบของเมทริกซ์ที่มีหมายเลขคอลัมน์ (คอลัมน์นี้เรียกว่าคอลัมน์นำหน้าหรือคอลัมน์แก้ไข) จะมีการเลือกองค์ประกอบที่เป็นบวก หากไม่มีเลย ฟังก์ชันวัตถุประสงค์จะไม่จำกัดในช่วงค่าที่อนุญาตของตัวแปร และปัญหาไม่มีวิธีแก้ไข
ในบรรดาองค์ประกอบที่เลือกของคอลัมน์นำของเมทริกซ์จะมีการเลือกค่าของอัตราส่วนของคำศัพท์อิสระที่สอดคล้องกับองค์ประกอบนี้น้อยที่สุด องค์ประกอบนี้เรียกว่าชั้นนำและเส้นที่อยู่นั้นเรียกว่าชั้นนำ
ตัวแปรพื้นฐานที่สอดคล้องกับแถวขององค์ประกอบนำจะต้องถูกโอนไปยังหมวดหมู่อิสระและจะต้องป้อนตัวแปรอิสระที่สอดคล้องกับคอลัมน์ขององค์ประกอบนำในจำนวนตัวแปรพื้นฐาน โซลูชันใหม่ถูกสร้างขึ้นโดยมีตัวแปรพื้นฐานจำนวนใหม่
เงื่อนไขสำหรับการเพิ่มประสิทธิภาพสูงสุดของแผนเมื่อแก้ไขปัญหาให้สูงสุด: ไม่มีองค์ประกอบเชิงลบในค่าสัมประสิทธิ์ของฟังก์ชันวัตถุประสงค์
ดำเนินการปรับโมเดลเชิงเส้นให้เหมาะสมใน MS Excel วิธีเริม- การค้นหาโซลูชันอ้างอิงสำหรับปัญหาการเขียนโปรแกรมเชิงเส้นอย่างมีจุดมุ่งหมาย อัลกอริธึมวิธีซิมเพล็กซ์ใช้ในการสร้างรูปทรงหลายเหลี่ยมนูนในพื้นที่หลายมิติ จากนั้นแจกแจงจุดยอดเพื่อค้นหาค่าที่มากที่สุด ฟังก์ชั่นวัตถุประสงค์.วิธีการที่มีประสิทธิภาพ การเขียนโปรแกรมเชิงเส้นสร้างพื้นฐานของการเขียนโปรแกรมทั้งจำนวนเต็มและไม่เชิงเส้นเพื่อแก้ไขปัญหาการปรับให้เหมาะสมที่ซับซ้อนยิ่งขึ้น อย่างไรก็ตาม วิธีการเหล่านี้ต้องใช้เวลาในการคำนวณนานกว่า
การบรรยายครั้งต่อไปจะหารือในตัวอย่างโดยละเอียดของการแก้ปัญหาการปรับให้เหมาะสมทั่วไปและการตัดสินใจด้านการจัดการโดยใช้โปรแกรมเสริม MS Excel "ค้นหาวิธีแก้ไข" งานที่แก้ไขได้ดีที่สุดด้วยเครื่องมือนี้มีคุณสมบัติหลักสามประการ:
- มีเป้าหมายเดียวที่เกี่ยวข้องกับการใช้งานกับพารามิเตอร์อื่น ๆ ของระบบซึ่งจำเป็นต้องได้รับการปรับให้เหมาะสม (เพื่อค้นหาค่าสูงสุด ต่ำสุด หรือค่าตัวเลขที่แน่นอน)
- มีข้อจำกัดซึ่งมักแสดงออกมาในรูปของความไม่เท่าเทียมกัน (เช่น ปริมาณวัตถุดิบที่ใช้ต้องไม่เกินสต็อกวัตถุดิบในคลังสินค้า หรือเวลาทำงานของเครื่องจักรต่อวันไม่ควรเกิน 24 ชั่วโมง ลบด้วยการบำรุงรักษา เวลา);
- มีชุดของค่าตัวแปรอินพุตที่มีอิทธิพลต่อค่าและข้อจำกัดที่ปรับให้เหมาะสม
พารามิเตอร์ของงานถูกจำกัดตามตัวบ่งชี้ขีดจำกัดต่อไปนี้:
- จำนวนไม่ทราบ - 200;
- จำนวนข้อจำกัดทางสูตรสำหรับสิ่งที่ไม่ทราบ – 100;
- จำนวนเงื่อนไขจำกัดสำหรับสิ่งที่ไม่ทราบคือ 400
อัลกอริทึมในการค้นหาโซลูชันที่เหมาะสมที่สุดประกอบด้วยหลายขั้นตอน:
- งานเตรียมการ
- การดีบักโซลูชัน
- การวิเคราะห์สารละลาย
ลำดับของงานเตรียมการที่จำเป็นที่ดำเนินการเมื่อแก้ไขปัญหาการสร้างแบบจำลองทางเศรษฐศาสตร์และคณิตศาสตร์โดยใช้ MS Excel จะแสดงในแผนภาพบล็อกของรูปที่ 1.6
ข้าว. 1.6.
จากแผนงานเตรียมการทั้งห้าประเด็น มีเพียงจุดที่ห้าเท่านั้นที่สามารถทำให้เป็นทางการได้ งานที่เหลือต้องใช้ความคิดสร้างสรรค์ และผู้คนก็สามารถทำได้ด้วยวิธีที่ต่างกันออกไป ให้เราอธิบายสั้น ๆ ถึงสาระสำคัญของถ้อยคำของรายการแผน
เมื่อตั้งค่าปัญหา จะทราบค่าสัมประสิทธิ์เป้าหมายและค่าสัมประสิทธิ์ที่ทำให้เป็นมาตรฐาน ในตัวอย่างก่อนหน้านี้ ค่าสัมประสิทธิ์ที่สร้างฟังก์ชันวัตถุประสงค์คือค่าของกำไรปกติต่อชั้นวางประเภท ( ) และประเภทชั้นวางเดียว (
- ค่าสัมประสิทธิ์ที่ทำให้เป็นมาตรฐานคือบรรทัดฐานของการใช้วัสดุและเวลาของเครื่องจักรต่อชั้นวางแต่ละประเภท เมทริกซ์มีลักษณะดังนี้:
นอกจากนี้จะทราบถึงคุณค่าของทรัพยากรอยู่เสมอ ในตัวอย่างก่อนหน้านี้ นี่คือบอร์ดที่จัดหามาหนึ่งสัปดาห์และความสามารถในการใช้เวลาของเครื่องจักร: ,
- บ่อยครั้งในปัญหาค่าของตัวแปรจำเป็นต้องถูกจำกัด ดังนั้นจึงจำเป็นต้องกำหนดขีดจำกัดล่างและบนของช่วงการเปลี่ยนแปลง
ดังนั้นในกล่องโต้ตอบของโปรแกรมเพิ่มประสิทธิภาพ "ค้นหาวิธีแก้ปัญหา" เราจะต้องตั้งค่าอัลกอริธึมเป้าหมายต่อไปนี้:
ฟังก์ชั่นเป้าหมายเท่ากับผลคูณของเวกเตอร์ของค่าตัวแปรที่ต้องการโดยเวกเตอร์ของสัมประสิทธิ์เป้าหมาย
ค่าสัมประสิทธิ์ที่ทำให้เป็นมาตรฐานสำหรับเวกเตอร์ของค่าตัวแปรที่ต้องการไม่ควรเกินค่าของเวกเตอร์ทรัพยากรที่กำหนด
ค่าตัวแปรต้องอยู่ภายในขีดจำกัดที่ระบุขององค์ประกอบเริ่มต้นของระบบ
จำนวนองค์ประกอบเริ่มต้นของระบบ
จำนวนประเภททรัพยากรที่ระบุ
จำเป็นต้องมีการแก้ไขจุดบกพร่องเมื่อโปรแกรมแสดงข้อความเกี่ยวกับผลลัพธ์เชิงลบ (รูปที่ 1.7):
ข้าว. 1.7.
- หากไม่ได้รับวิธีแก้ปัญหาที่ยอมรับได้ ให้ปรับแบบจำลองข้อมูลต้นฉบับ
- ถ้าไม่ได้รับ ทางออกที่ดีที่สุดจากนั้นจึงแนะนำข้อจำกัดเพิ่มเติม
ปัญหาของโปรแกรม ทางออกที่ดีที่สุดเป็นเพียงแบบจำลองของปัญหาที่แท้จริงเท่านั้น ไม่ใช่วิธีแก้ปัญหาด้วยตัวมันเอง เมื่อสร้างแบบจำลอง มีการตั้งสมมติฐานหลายประการเกี่ยวกับสถานการณ์จริงให้ง่ายขึ้น ทำให้สามารถจัดกระบวนการให้เป็นระเบียบได้ โดยแสดงความสัมพันธ์เชิงปริมาณจริงโดยประมาณระหว่างพารามิเตอร์ของระบบและเป้าหมาย และถ้าพารามิเตอร์จริงแตกต่างจากที่มีอยู่ในโมเดล แล้วโซลูชันจะเปลี่ยนไปอย่างไร? หากต้องการทราบสิ่งนี้ ก่อนตัดสินใจฝ่ายบริหาร จะต้องดำเนินการวิเคราะห์โซลูชันแบบจำลอง
การวิเคราะห์ ทางออกที่ดีที่สุดที่มีอยู่ในโปรแกรม แสดงถึงขั้นตอนสุดท้ายของการสร้างแบบจำลองทางคณิตศาสตร์ของกระบวนการทางเศรษฐกิจ ช่วยให้ตรวจสอบความสอดคล้องของโมเดลกับกระบวนการได้ละเอียดยิ่งขึ้น รวมถึงความน่าเชื่อถือของโซลูชันที่ดีที่สุด มันขึ้นอยู่กับข้อมูล ทางออกที่ดีที่สุดและรายงานที่ออกในส่วน “ค้นหาแนวทางแก้ไข” แต่ไม่ได้แยกหรือแทนที่การวิเคราะห์แผนแบบดั้งเดิมจากมุมมองทางเศรษฐกิจก่อนตัดสินใจของฝ่ายบริหาร
การวิเคราะห์ทางเศรษฐศาสตร์มีเป้าหมายดังต่อไปนี้:
- การกำหนดผลที่ตามมาที่เป็นไปได้ในระบบโดยรวมและองค์ประกอบเมื่อเปลี่ยนพารามิเตอร์โมเดล
- การประเมินความเสถียรของแผนที่เหมาะสมที่สุดสำหรับการเปลี่ยนแปลงในแต่ละพารามิเตอร์ของปัญหา: หากการเปลี่ยนแปลงในพารามิเตอร์ส่วนใหญ่ไม่เสถียรการรับประกันการใช้งานและความสำเร็จของการคำนวณที่เหมาะสมที่สุดจะลดลง
- ดำเนินการคำนวณตัวแปรและรับตัวเลือกแผนใหม่โดยไม่ต้องแก้ไขปัญหาจากพื้นฐานเดิมโดยใช้การปรับเปลี่ยน
วิธีการวิเคราะห์ที่เป็นไปได้แสดงไว้ในแผนภาพในรูปที่ 1.8
หลังจากได้รับโซลูชันที่เหมาะสมที่สุดแล้ว จะมีการวิเคราะห์ตามรายงานที่ได้รับ การวิเคราะห์ความเสถียร- การศึกษาอิทธิพลของการเปลี่ยนแปลงในพารามิเตอร์แบบจำลองแต่ละแบบต่อตัวบ่งชี้ของแนวทางแก้ไขที่ดีที่สุด การวิเคราะห์ขีดจำกัด- การวิเคราะห์การเปลี่ยนแปลงที่อนุญาตในแผนที่เหมาะสมที่สุด ซึ่งแผนยังคงเหมาะสมที่สุด
โดยให้มีความรับผิดชอบในการยอมรับทางเศรษฐกิจ การตัดสินใจของฝ่ายบริหารผู้จัดการจะต้องตรวจสอบให้แน่ใจว่าแผนผลลัพธ์ที่เหมาะสมที่สุดเป็นเพียงแผนที่ถูกต้องเท่านั้น เมื่อต้องการทำเช่นนี้ ตามแบบจำลอง จำเป็นต้องได้รับคำตอบสำหรับคำถามต่อไปนี้:
- “จะเกิดอะไรขึ้นถ้า…”
- "ต้องใช้อะไร..."
การวิเคราะห์เพื่อตอบคำถามแรกเรียกว่า การวิเคราะห์ตัวแปร- การวิเคราะห์เพื่อตอบคำถามที่สองเรียกว่า โซลูชันที่กำหนดเอง
การวิเคราะห์ตัวแปรอาจเป็นประเภทต่อไปนี้:
- พาราเมตริก- การวิเคราะห์ซึ่งประกอบด้วยการแก้ปัญหาค่าต่าง ๆ ของพารามิเตอร์บางตัว
- การวิเคราะห์โครงสร้าง- เมื่อมีการค้นหาวิธีแก้ไขปัญหาการปรับให้เหมาะสมภายใต้โครงสร้างข้อจำกัดที่แตกต่างกัน
- การวิเคราะห์หลายเกณฑ์เป็นวิธีการแก้ปัญหาโดยใช้ฟังก์ชันวัตถุประสงค์ที่แตกต่างกัน
- การวิเคราะห์ด้วยข้อมูลเริ่มต้นแบบมีเงื่อนไข- เมื่อข้อมูลเริ่มต้นที่ใช้ในการแก้ไขปัญหาขึ้นอยู่กับการปฏิบัติตามเงื่อนไขเพิ่มเติม
หลังการวิเคราะห์ควรนำเสนอผลลัพธ์ในรูปแบบกราฟิกและควรรวบรวมรายงานพร้อมคำแนะนำในการตัดสินใจโดยคำนึงถึงสถานการณ์ทางเศรษฐกิจโดยเฉพาะ
ปัจจุบัน โปรแกรมการศึกษาเฉพาะทางที่เกี่ยวข้องกับเศรษฐศาสตร์ การเงิน และการจัดการมีสาขาวิชาที่เรียกว่า "วิธีการตัดสินใจที่เหมาะสมที่สุด" ภายในสาขาวิชานี้ นักเรียนจะศึกษาด้านคณิตศาสตร์ของการเพิ่มประสิทธิภาพ การวิจัยการดำเนินงาน การตัดสินใจ และการสร้างแบบจำลอง คุณสมบัติหลักระเบียบวินัยนี้ถูกกำหนดโดยการศึกษาร่วมกันของวิธีการทางคณิตศาสตร์พร้อมกับการประยุกต์ใช้ในการแก้ปัญหาทางเศรษฐกิจ
งานการเพิ่มประสิทธิภาพ: ข้อมูลทั่วไป
หากเราพิจารณากรณีทั่วไป ความหมายของปัญหาการหาค่าเหมาะที่สุดก็คือการค้นหาสิ่งที่เรียกว่าวิธีแก้ปัญหาที่เหมาะสมที่สุดซึ่งจะเพิ่ม (ลด) ฟังก์ชันวัตถุประสงค์ให้สูงสุดภายใต้เงื่อนไขข้อจำกัดบางประการ
ปัญหาการปรับให้เหมาะสมสามารถแบ่งออกเป็นสองประเภท ขึ้นอยู่กับคุณสมบัติของฟังก์ชัน:
- ปัญหาการโปรแกรมเชิงเส้น (ฟังก์ชันทั้งหมดเป็นแบบเชิงเส้น)
- ปัญหาการเขียนโปรแกรมแบบไม่เชิงเส้น (อย่างน้อยหนึ่งฟังก์ชันไม่เป็นเชิงเส้น)
กรณีพิเศษของปัญหาการปรับให้เหมาะสมคือปัญหาการเขียนโปรแกรมแบบเศษส่วนเชิงเส้น ไดนามิก และสุ่ม
ปัญหาการปรับให้เหมาะสมที่ได้รับการศึกษามากที่สุดคือปัญหาการเขียนโปรแกรมเชิงเส้น (LPP) ซึ่งโซลูชันใช้ค่าจำนวนเต็มเท่านั้น
PPP: การกำหนด, การจำแนกประเภท
ปัญหาการโปรแกรมเชิงเส้นในกรณีทั่วไปประกอบด้วยการค้นหาค่าต่ำสุด (สูงสุด) ของฟังก์ชันเชิงเส้นภายใต้ข้อจำกัดเชิงเส้นบางอย่าง
ZLP ทั่วไปคือปัญหาของแบบฟอร์ม
ภายใต้ข้อจำกัด
โดยที่ตัวแปรคือจำนวนจริงที่กำหนด, ฟังก์ชันวัตถุประสงค์, คือแผนปัญหา, (*)-(***) คือข้อจำกัด
คุณลักษณะที่สำคัญของ ZLP คือบรรลุถึงจุดสุดยอดของฟังก์ชันวัตถุประสงค์ที่ขอบเขตของขอบเขตของวิธีแก้ปัญหาที่เป็นไปได้
การประยุกต์วิธีการแก้ปัญหาที่เหมาะสมเชิงเศรษฐศาสตร์ในทางปฏิบัติพบได้ในการแก้ปัญหาประเภทต่อไปนี้:
- ปัญหาเกี่ยวกับสารผสม (เช่น การวางแผนองค์ประกอบของผลิตภัณฑ์)
- ปัญหาการจัดสรรทรัพยากรที่เหมาะสมที่สุดในการวางแผนการผลิต
PAP: ตัวอย่าง
ปัญหาส่วนผสม
วิธีแก้ปัญหาของสารผสมคือการหาชุดที่ถูกที่สุดซึ่งประกอบด้วยวัสดุเริ่มต้นบางชนิดที่ให้ส่วนผสมที่มีคุณสมบัติตามที่ต้องการ
ปัญหาการจัดสรรทรัพยากร
ทางบริษัทผลิต nผลิตภัณฑ์ต่าง ๆ ซึ่งการผลิตต้องใช้ มทรัพยากรประเภทต่างๆ ปริมาณสำรองของทรัพยากรที่ใช้แล้วมีจำกัดและมีจำนวนตามลำดับ ข 1, ข 2,…, ข มลูกศิษย์ นอกจากนี้ยังทราบค่าสัมประสิทธิ์ทางเทคโนโลยีอีกด้วย ไอจซึ่งแสดงจำนวนหน่วย ฉัน- ทรัพยากรที่จำเป็นต้องใช้ในการผลิตหนึ่งหน่วยของผลิตภัณฑ์ เจ-ประเภทที่ () กำไรที่องค์กรได้รับเมื่อขายสินค้า เจ-ประเภทที่ มีจำนวน ซีเจหน่วยการเงิน มีความจำเป็นต้องจัดทำแผนสำหรับการผลิตผลิตภัณฑ์ซึ่งผลกำไรขององค์กรในระหว่างการดำเนินการจะยิ่งใหญ่ที่สุด
ปัญหาเกี่ยวกับการผสมและการจัดสรรทรัพยากรมักเขียนในรูปแบบตาราง
ทรัพยากร | ความต้องการ | เงินสำรอง | ||
บี 1 | … | บีเอ็น | ||
เอ 1 | ข 1 | |||
… | … | |||
เช้า | ข ม | |||
กำไร | ค 1 | … | ซีเอ็น |
ปัญหาการผสมและการจัดสรรทรัพยากรสามารถแก้ไขได้หลายวิธี:
- วิธีกราฟิก (ในกรณีที่มีตัวแปรจำนวนน้อยใน แบบจำลองทางคณิตศาสตร์);
- วิธีซิมเพล็กซ์ (หากจำนวนตัวแปรในแบบจำลองทางคณิตศาสตร์มากกว่าสอง)
ปัญหาการขนส่งหมายถึงคลาสของงานที่มีโครงสร้างเฉพาะบางอย่าง ปัญหาการขนส่งที่ง่ายที่สุดคือปัญหาการขนส่งสินค้าไปยังจุดหมายปลายทางจากจุดออกเดินทางที่ ต้นทุนขั้นต่ำเพื่อการขนส่งสินค้าทั้งหมด
เพื่อความชัดเจนและง่ายต่อการรับรู้สภาพของปัญหาการขนส่งมักจะเขียนไว้ในตารางต่อไปนี้:
โดยทั่วไป การแก้ปัญหาการขนส่งจะดำเนินการในหลายขั้นตอน:
- ขั้นที่ 1: การสร้างแผนอ้างอิงเบื้องต้น
- ด่าน II: การตรวจสอบแผนอ้างอิงเพื่อความเหมาะสมที่สุด
- ด่าน III: การชี้แจงแผนอ้างอิงหากไม่เหมาะสมที่สุด
มีหลายวิธีในการรับแผนอ้างอิงเริ่มต้น เช่น วิธีมุมตะวันตกเฉียงเหนือ วิธี Vogel และวิธีการต้นทุนขั้นต่ำ
แผนได้รับการตรวจสอบเพื่อความเหมาะสมที่สุดโดยใช้วิธีการที่เป็นไปได้:
- สำหรับเซลล์ที่ถูกครอบครอง
- สำหรับเซลล์ว่าง
หากแผนไม่เหมาะสม วงจรจะถูกสร้างขึ้นและกระจายการขนส่งอีกครั้ง
บทสรุป
ไม่สามารถครอบคลุมทฤษฎีและการปฏิบัติทั้งหมดของวิธีการแก้ปัญหาที่ดีที่สุดภายในกรอบของบทความเดียวได้ ดังนั้นจึงมีเพียงบางประเด็นเท่านั้นที่ได้รับการพิจารณาซึ่งช่วยให้เราสามารถให้แนวคิดทั่วไปเกี่ยวกับระเบียบวินัย ปัญหา และวิธีการในการแก้ปัญหาเหล่านี้
นอกจากนี้ เป็นเรื่องน่าสังเกตว่าในการตรวจสอบวิธีแก้ปัญหาที่ได้รับสำหรับปัญหาการปรับให้เหมาะสม คุณสามารถใช้ Add-in “Solution Search” ของแพ็คเกจ MS Excel ได้อย่างมีประสิทธิภาพมาก แต่นั่นเป็นอีกเรื่องหนึ่ง ในความเป็นจริง เช่นเดียวกับการพิจารณาโดยละเอียดเกี่ยวกับวิธีการแก้ไขปัญหาการปรับให้เหมาะสม
ต่อไปนี้เป็นหนังสือเรียนหลายเล่มสำหรับศึกษาวิธีการแก้ปัญหาที่ดีที่สุด:
- Bandi B. พื้นฐานของการเขียนโปรแกรมเชิงเส้น: ทรานส์ จากอังกฤษ – อ.: วิทยุและการสื่อสาร, 2532. – 176 น.
- เครเมอร์ เอ็น.ช. การวิจัยปฏิบัติการทางเศรษฐศาสตร์: Proc. คู่มือสำหรับมหาวิทยาลัย / N.Sh. เครเมอร์ ปริญญาตรี ปุตโก, ไอ.เอ็ม. Trishin, M.N. ฟรีดแมน; เอ็ด ศาสตราจารย์ น.ช. เครเมอร์. – อ.: เอกภาพ, 2548. – 407 น.
โซลูชันวิธีการเพิ่มประสิทธิภาพแบบกำหนดเอง
เราสามารถช่วยคุณแก้ไขปัญหาต่างๆ โดยใช้วิธีแก้ไขปัญหาที่เหมาะสมที่สุด คุณสามารถสั่งซื้อวิธีแก้ไขปัญหาบนเว็บไซต์ของเรา คุณเพียงแค่ต้องระบุกำหนดเวลาและแนบไฟล์พร้อมกับงาน คำสั่งซื้อของคุณฟรี
การเขียนโปรแกรมเชิงเส้นเป็นสาขาหนึ่งของคณิตศาสตร์ที่ศึกษาวิธีการหาค่าต่ำสุดหรือสูงสุดของฟังก์ชันเชิงเส้นของตัวแปรจำนวนจำกัด โดยมีเงื่อนไขว่าตัวแปรต้องเป็นไปตามข้อจำกัดจำนวนจำกัดในรูปแบบของสมการเชิงเส้นหรืออสมการเชิงเส้น
ดังนั้น ปัญหาการเขียนโปรแกรมเชิงเส้นทั่วไป (GLP) จึงสามารถกำหนดได้ดังนี้
ค้นหาค่าของตัวแปรจริงที่ต้องการ ฟังก์ชั่นวัตถุประสงค์
รับค่าต่ำสุดบนเซตของจุดที่มีพิกัดตรงกัน ระบบข้อจำกัด
ดังที่ทราบกันดีว่าการรวบรวมค่าตามลำดับ nตัวแปร , , … แสดงด้วยจุดในปริภูมิ n มิติ ต่อไปนี้เราจะกล่าวถึงประเด็นนี้ เอ็กซ์=( , , … ).
ในรูปแบบเมทริกซ์ ปัญหาการเขียนโปรแกรมเชิงเส้นสามารถกำหนดได้ดังนี้
, ก– เมทริกซ์ขนาด
จุด เอ็กซ์=( , , … ) เรียกว่า ตรงตามเงื่อนไขทุกประการ จุดที่ถูกต้อง - เซตของจุดที่ยอมรับได้ทั้งหมดเรียกว่า พื้นที่ที่ถูกต้อง .
ทางออกที่ดีที่สุด (แผนที่เหมาะสมที่สุด)ปัญหาการเขียนโปรแกรมเชิงเส้นเรียกว่าวิธีแก้ปัญหา เอ็กซ์=( , , … ) ที่เป็นของขอบเขตที่ยอมรับได้และเป็นของฟังก์ชันเชิงเส้น ถามใช้ค่าที่เหมาะสมที่สุด (สูงสุดหรือต่ำสุด)
ทฤษฎีบท- ชุดของวิธีแก้ปัญหาที่เป็นไปได้ทั้งหมดสำหรับระบบข้อจำกัดของปัญหาการโปรแกรมเชิงเส้นนั้นเป็นรูปนูน
เซตของจุดเรียกว่า นูน ถ้ามันพร้อมกับจุดสองจุดใดๆ ของมัน จะมีผลรวมเชิงเส้นตรงนูนออกมาตามอำเภอใจ
จุด เอ็กซ์เรียกว่า การรวมกันเชิงเส้นนูน คะแนนหากตรงตามเงื่อนไข
ชุดของวิธีแก้ปัญหาที่เป็นไปได้ทั้งหมดสำหรับปัญหาการโปรแกรมเชิงเส้นคือบริเวณรูปทรงหลายเหลี่ยมนูน ซึ่งต่อจากนี้เราจะเรียกว่า รูปทรงหลายเหลี่ยมของสารละลาย .
ทฤษฎีบท- หาก ZLP มีคำตอบที่เหมาะสมที่สุด ฟังก์ชันวัตถุประสงค์จะใช้ค่าสูงสุด (ต่ำสุด) ที่จุดยอดจุดใดจุดหนึ่งของรูปทรงหลายเหลี่ยมของสารละลาย ถ้าฟังก์ชันวัตถุประสงค์รับค่าสูงสุด (ต่ำสุด) ที่มากกว่าหนึ่งจุด ฟังก์ชันวัตถุประสงค์ก็จะรับค่านี้ที่จุดใดๆ ที่เป็นผลรวมเชิงเส้นนูนของจุดเหล่านี้
ท่ามกลางโซลูชั่นมากมายของระบบ มสมการเชิงเส้นที่อธิบายรูปทรงหลายเหลี่ยมของสารละลายซึ่งเรียกว่าวิธีแก้ปัญหาพื้นฐานนั้นมีความโดดเด่น
โซลูชั่นพื้นฐานของระบบ มสมการเชิงเส้นที่มีตัวแปร n ตัวเป็นคำตอบที่ทั้งหมด นาโนเมตรตัวแปรที่ไม่ใช่แกนหลักจะเป็นศูนย์ ในปัญหาการเขียนโปรแกรมเชิงเส้น วิธีแก้ปัญหาดังกล่าวเรียกว่า โซลูชันพื้นฐานที่ยอมรับได้ (แผนอ้างอิง)
ทฤษฎีบท- แต่ละวิธีแก้ปัญหาพื้นฐานที่ยอมรับได้สำหรับปัญหาการโปรแกรมเชิงเส้นตรงจะสอดคล้องกับจุดยอดของรูปทรงหลายเหลี่ยมของสารละลาย และในทางกลับกัน กับแต่ละจุดยอดของรูปทรงหลายเหลี่ยมของสารละลายนั้นสอดคล้องกับวิธีแก้ปัญหาพื้นฐานที่ยอมรับได้
ข้อพิสูจน์ที่สำคัญตามมาจากทฤษฎีบทข้างต้น:
ถ้าปัญหาการโปรแกรมเชิงเส้นมีวิธีแก้ปัญหาที่ดีที่สุด มันก็จะสอดคล้องกับวิธีแก้ปัญหาพื้นฐานที่เป็นไปได้อย่างน้อยหนึ่งข้อ
ดังนั้น ฟังก์ชันเชิงเส้นที่เหมาะสมที่สุดของเป้าหมายของปัญหาการโปรแกรมเชิงเส้นจะต้องค้นหาจากจำนวนที่จำกัดของวิธีแก้ปัญหาพื้นฐานที่เป็นไปได้