Моделирование производственных и экономических процессов

Наиболее часто необходимость возврата к предшествующим этапам моделирования возникает при подготовке исходной инфориации (этап 4). Может обнаружиться, что необходимая информация отсутствует или же затраты на ее подготовку слишком велики. Тогда приходится возвращаться к постановке задачи и ее формализации, изменяя их так, чтобы приспособиться к имеющейся информации.

Поскольку экономико-математические задачи могут быть сложны по своей структуре, иметь большую размерность, то часто случается, что известные алгоритмы и программы для ЭВМ не позволяют решить задачу в первоначальном виде. Если невозможно в короткий срок разработать новые алгоритмы и программы, исходную постановку задачи и модель упрощают: снимают и объединяют условия, уменьшают число факторов, нелинейные соотношения заменяют линейными, усиливают детерминизм модели и т.д.

Недостатки, которые не удается исправить на промежуточных этапах моделирования, устраняются в последующих циклах. Но результаты каждого цикла имеют и вполне самостоятельное значение. Начав исследование с построения простой модели, можно быстро получить полезные результаты, а затем перейти к созданию более совершенной модели, дополняемой новыми условиями, включающей уточненные математические зависимости.

По мере развития и усложнения экономико-математического моделирования его отдельные этапы обособляются в специализированные области исследований, усиливаются различия между теоретико-аналитическими и прикладными моделями, происходит дефференциация моделей по уровням абстракции и идеализации.

Теория математического анализа моделей экономики развилась в особую ветвь современной математики - математическую экономику. Модели, изучаемые в рамках математической экономики, теряют непосредственную связь с экономической реальностью; они имеют дело с исключительно идеализированными экономическими объектами и ситуациями. При построении таких моделей главным принципом является не столько приближение к реальности, сколько получение возможно большего числа аналитических результатов посредством математических доказательств. Ценность этих моделей для экономической теории и практики состоит в том, что они служат теоретической базой для моделей прикладного типа.

Довольно самостоятельными областями исследований становятся подготовка и обработка экономической информации и разработка математического обеспечения экономических задач (создание баз данных и банков информации, программ автоматизированного построения моделей и программного сервиса для экономистов-пользователей). На этапе практического использования моделей ведущую роль должны играть специалисты в соответствующей области экономического анализа, планирования, управления. Главным участком работы экономистов-математиков остается постановка и формализация экономических задач и синтез процесса экономико-математического моделирования.

Глава II

2.2 Симплексный метод

Математическое программирование занимается изучение экстремальных задач и поиском методов их решения. Задачи математического программирования формулируются следующим образом : найти экстремум некоторой функции многих переменных f ( x1, x2, ... , xn ) при ограничениях gi ( x1, x2, ... , xn ) * bi , где gi - функция, описывающая ограничения, * - один из следующих знаков £ , = , ³ , а bi - действительное число, i = 1, ... , m. f называется функцией цели ( целевая функция ).

Линейное программирование - это раздел математического программирования, в котором рассматриваются методы решения экстремальных задач с линейным функционалом и линейными ограничениями, которым должны удовлетворять искомые переменные.

Задачу линейного программирования можно сформулировать так . Найти max

при условии :

a11 x1 + a12 x2 + . . . + a1n xn £ b1 ;

a21 x1 + a22 x2 + . . . + a2n xn £ b2 ;

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

am1 x1 + am2 x2 + . . . + amn xn £ bm ;

x1 ³ 0, x2 ³ 0, . . . , xn ³ 0 .

Эти ограничения называются условиями неотрицательности. Если все ограничения заданы в виде строгих равенств, то данная форма называется канонической.

В матричной форме задачу линейного программирования записывают следующим образом. Найти max cT x

при условии

A x £ b ;

x ³ 0 ,

где А - матрица ограничений размером ( m´n), b(m´1) - вектор-столбец свободных членов, x(n ´ 1) - вектор переменных, сТ = [c1, c2, ... , cn ] - вектор-строка коэффициентов целевой функции.

Решение х0 называется оптимальным, если для него выполняется условие сТ х0 ³ сТ х , для всех х Î R(x).

Поскольку min f(x) эквивалентен max [ - f(x) ] , то задачу линейного программирования всегда можно свести к эквивалентной задаче максимизации.

Для решения задач данного типа применяются методы:

1) графический;

2) табличный ( прямой, простой ) симплекс - метод;

3) метод искусственного базиса;

4) модифицированный симплекс - метод;

5) двойственный симплекс - метод.

Табличный симплекс - метод

Для его применения необходимо, чтобы знаки в ограничениях были вида “ меньше либо равно ”, а компоненты вектора b - положительны.

Алгоритм решения сводится к следующему :

Приведение системы ограничений к каноническому виду путём введения дополнительных переменных для приведения неравенств к равенствам.

Если в исходной системе ограничений присутствовали знаки “ равно ” или “ больше либо равно ”, то в указанные ограничения добавляются

искусственные переменные, которые так же вводятся и в целевую функцию со знаками, определяемыми типом оптимума.

Формируется симплекс-таблица.

Рассчитываются симплекс-разности.

Принимается решение об окончании либо продолжении счёта.

При необходимости выполняются итерации.

На каждой итерации определяется вектор, вводимый в базис, и вектор, выводимый из базиса. Таблица пересчитывается по методу Жордана-Гаусса или каким-нибудь другим способом.

Метод искусственного базиса

Данный метод решения применяется при наличии в ограничении знаков “ равно ”, “ больше либо равно ”, “ меньше либо равно ” и является модификацией табличного метода. Решение системы производится путём ввода искусственных переменных со знаком, зависящим от типа оптимума, т.е. для исключения из базиса этих переменных последние вводятся в целевую функцию с большими отрицательными коэффициентами m , а в задачи минимизации - с положительными m . Таким образом из исходной получается новая m - задача.

Если в оптимальном решении m - задачи нет искусственных переменных, это решение есть оптимальное решение исходной задачи. Если же в оптимальном решении m - задачи хоть одна из искусственных переменных будет отлична от нуля, то система ограничений исходной задачи несовместна и исходная задача неразрешима.

Модифицированный симплекс – метод

В основу данной разновидности симплекс-метода положены такие особенности линейной алгебры , которые позволяют в ходе решения задачи работать с частью матрицы ограничений. Иногда метод называют методом обратной матрицы.

В процессе работы алгоритма происходит спонтанное обращение матрицы ограничений по частям, соответствующим текущим базисным векторам. Указанная способность делает весьма привлекательной машинную реализацию вычислений вследствие экономии памяти под промежуточные переменные и значительного сокращения времени счёта. Хорош для ситуаций, когда число переменных n значительно превышает число ограничений m.

В целом, метод отражает традиционные черты общего подхода к решению задач линейного программирования, включающего в себя канонизацию условий задачи, расчёт симплекс-разностей, проверку условий оптимальности, принятие решений о коррекции базиса и исключение Жордана-Гаусса.

Особенности заключаются в наличии двух таблиц - основной и вспомагательной, порядке их заполнения и некоторой специфичности расчётных формул.

Постановка задачи

Для производства двух видов изделий А и В используется три типа технологического оборудования. На производство единицы изделия А идёт времени, часов : оборудованием 1-го типа - а1 , оборудованием 2-го типа - а2 , оборудованием 3-го типа - а3 . На производство единицы изделия В идёт времени, часов : оборудованием 1-го типа - b1 , оборудованием 2-го типа - b2 ,, оборудованием 3-го типа - b3 .

На изготовление всех изделий администрация предприятия может предоставить оборудование 1-го типа не более, чем на t1 , оборудование 2-го типа не более, чем на t2 , оборудование 3-го типа не более, чем на t3 часов.

Прибыль от реализации единицы готового изделия А составляет a рублей, а изделия В - b рублей.

Составить план производства изделий А и В, обеспечивающий максимальную прибыль от их реализации. Решить задачу простым симплекс-методом. Дать геометрическое истолкование задачи, используя для этого её формулировку с ограничениями-неравенствами.

а1 = 1 b1 = 5 t1 = 10 a = 2

а2 = 3 b2 = 2 t2 = 12 b = 3

а3 = 2 b3 = 4 t3 = 10

Разработка и описание алгоритма решения задачи

Построение математической модели задачи

Построение математической модели осуществляется в три этапа :

1. Определение переменных, для которых будет составляться математическая модель.

Так как требуется определить план производства изделий А и В, то переменными модели будут:

x1 - объём производства изделия А, в единицах;

x2 - объём производства изделия В, в единицах.

2. Формирование целевой функции.

Так как прибыль от реализации единицы готовых изделий А и В известна, то общий доход от их реализации составляет 2x1 + 3x2 ( рублей ). Обозначив общий доход через F, можно дать следующую математическую формулировку целевой функции : определить допустимые значения переменных x1 и x2 , максимизирующих целевую функцию F = 2x1 + 3x2 .

3. Формирование системы ограничений.

При определении плана производства продукции должны быть учтены ограничения на время, которое администрация предприятия сможет предоставить на изготовления всех изделий. Это приводит к следующим трём ограничениям :

x1 + 5x2 £ 10 ; 3x1 + 2x2 £ 12 ; 2x1 + 4x2 £ 10 .

Так как объёмы производства продукции не могут принимать отрицательные значения, то появляются ограничения неотрицательности :

x1 ³ 0 ; x2 ³ 0 .

Таким образом, математическая модель задачи представлена в виде : определить план x1 , x2 , обеспечивающий максимальное значение функции :

max F = max ( 2x1 + 3x2 )

при наличии ограничений :

x1 + 5x2 £ 10 ;

3x1 + 2x2 £ 12 ;

2x1 + 4x2 £ 10 .

x1 ³ 0 ; x2 ³ 0 .

3.2 Решение задачи вручную

Табличный метод ещё называется метод последовательного улучшения оценки. Решение задачи осуществляется поэтапно.

1. Приведение задачи к форме :

x1 + 5x2 £ 10 ;

3x1 + 2x2 £ 12 ;

2x1 + 4x2 £ 10 .

x1 ³ 0 ; x2 ³ 0 .

2. Канонизируем систему ограничений :

x1 + 5x2 + x3 = 10 ;

3x1 + 2x2 + x4 = 12 ;

2x1 + 4x2 + x5 = 10 .

x1 ³ 0 ; x2 ³ 0 .

A1 A2 A3 A4 A5 A0

3. Заполняется исходная симплекс-таблица и рассчитываются симплекс-разности по формулам :

d0 = - текущее значение целевой функции

di = - расчёт симплекс-разностей, где j = 1..6 .