(в линейном программировании)

двойственность в линейном программировании
Принцип, заключающийся в том, что для каждой задачи линейного программирования путем замены некоторых ее элементов на двойственные можно сформулировать двойственную задачу. Связь между прямой и двойственной задачами устанавливается двумя теоремами. 1. «Теорема двойственности». Если обе задачи имеют допустимые решения, то они имеют и оптимальные решения, причем значение целевых функций у них будет одинаково: (обозначения см. в статье Линейное программирование). Если же хотя бы одна из задач не имеет допустимого решения, то ни одна из них не имеет оптимального решения. 2. «Признак оптимальности«. Чтобы допустимое решение прямой задачи было оптимальным, необходимо и достаточно, чтобы нашлось такое решение двойственной задачи, что Принцип двойственности, как ключ к решению широкого класса экстремальных задач, распространяется также на ряд других областей математического программирования, на математическую теорию оптимальных процессов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• duality in linear programming

линейное программирование
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

линейное программирование
Область математического программирования, посвященная теории и методам решения экстремальных задач, характеризующихся линейной зависимостью между переменными. В самом общем виде задачу Л.п. можно записать так. Даны ограничения типа или в так называемой канонической форме, к которой можно привести все три указанных случая Требуется найти неотрицательные числа xj (j = 1, 2, …, n), которые минимизируют (или максимизируют) линейную форму Неотрицательность искомых чисел записывается так: Таким образом, здесь представлена общая задача математического программирования с теми оговорками, что как ограничения, так и целевая функция — линейные, а искомые переменные — неотрицательны. Обозначения можно трактовать следующим образом: bi — количество ресурса вида i; m — количество видов этих ресурсов; aij — норма расхода ресурса вида i на единицу продукции вида j; xj — количество продукции вида j, причем таких видов — n; cj — доход (или другой выигрыш) от единицы этой продукции, а в случае задачи на минимум — затраты на единицу продукции; нумерация ресурсов разделена на три части: от 1 до m1, от m1 + 1 до m2 и от m2 + 1 до m в зависимости от того, какие ставятся ограничения на расходование этих ресурсов; в первом случае — «не больше», во втором — «столько же», в третьем — «не меньше»; Z — в случае максимизации, например, объем продукции или дохода, в случае же минимизации — себестоимость, расход сырья и т.п. Добавим еще одно обозначение, оно появится несколько ниже; vi — оптимальная оценка i-го ресурса. Слово «программирование» объясняется здесь тем, что неизвестные переменные, которые отыскиваются в процессе решения задачи, обычно в совокупности определяют программу (план) работы некоторого экономического объекта. Слово, «линейное» отражает факт линейной зависимости между переменными. При этом, как указано, задача обязательно имеет экстремальный характер, т.е. состоит в отыскании экстремума (максимума или минимума) целевой функции. Следует с самого начала предупредить: предпосылка линейности, когда в реальной экономике подавляющее большинство зависимостей носит более сложный нелинейный характер, есть огрубление, упрощение действительности. В некоторых случаях оно достаточно реалистично, в других же выводы, получаемые с помощью решения задач Л.п. оказываются весьма несовершенными. Рассмотрим две задачи Л.п. — на максимум и на минимум — на упрощенных примерах. Предположим, требуется разработать план производства двух видов продукции (объем первого — x1; второго — x2) с наиболее выгодным использованием трех видов ресурсов (наилучшим в смысле максимума общей прибыли от реализации плана). Условия задачи можно записать в виде таблицы (матрицы). Исходя из норм, зафиксированных в таблице, запишем неравенства (ограничения): a11x1 + a12x2 ? bi a21x1 + a22x2 ? b2 a31x1 + a32x2 ? b3 Это означает, что общий расход каждого из трех видов ресурсов не может быть больше его наличия. Поскольку выпуск продукции не может быть отрицательным, добавим еще два ограничения: x1? 0, x2? 0. Требуется найти такие значения x1 и x2, при которых общая сумма прибыли, т.е. величина c1 x1 + c2 x2 будет наибольшей, или короче: Удобно показать условия задачи на графике (рис. Л.2). Рис. Л.2 Линейное программирование, I (штриховкой окантована область допустимых решений) Любая точка здесь, обозначаемая координатами x1 и x2, составляет вариант искомого плана. Очевидно, что, например, все точки, находящиеся в области, ограниченной осями координат и прямой AA, удовлетворяют тому условию, что не может быть израсходовано первого ресурса больше, чем его у нас имеется в наличии (в случае, если точка находится на самой прямой, ресурс используется полностью). Если то же рассуждение отнести к остальным ограничениям, то станет ясно, что всем условиям задачи удовлетворяет любая точка, находящаяся в пределах области, края которой заштрихованы, — она называется областью допустимых решений (или областью допустимых значений, допустимым множеством). Остается найти ту из них, которая даст наибольшую прибыль, т.е. максимум целевой функции. Выбрав произвольно прямую c1x1 + c2x2 = П и обозначив ее MM, находим на чертеже все точки (варианты планов), где прибыль одинакова при любом сочетании x1 и x2 (см. Линия уровня). Перемещая эту линию параллельно ее исходному положению, найдем точку, которая в наибольшей мере удалена от начала координат, однако не вышла за пределы области допустимых значений. (Перемещая линию уровня еще дальше, уже выходим из нее и, следовательно, нарушаем ограничения задачи). Точка M0 и будет искомым оптимальным планом. Она находится в одной из вершин многоугольника. Может быть и такой случай, когда линия уровня совпадает с одной из прямых, ограничивающих область допустимых значений, тогда оптимальным будет любой план, находящийся на соответствующем отрезке. Координаты точки M0 (т.е. оптимальный план) можно найти, решая совместно уравнения тех прямых, на пересечении которых она находится. Противоположна изложенной другая задача Л.п.: поиск минимума функции при заданных ограничениях. Такая задача возникает, например, когда требуется найти наиболее дешевую смесь некоторых продуктов, содержащих необходимые компоненты (см. Задача о диете). При этом известно содержание каждого компонента в единице исходного продукта — aij, ее себестоимость — cj ; задается потребность в искомых компонентах — bi. Эти данные можно записать в таблице (матрице), сходной с той, которая приведена выше, а затем построить уравнения как ограничений, так и целевой функции. Предыдущая задача решалась графически. Рассуждая аналогично, можно построить график (рис. Л.3), каждая точка которого — вариант искомого плана: сочетания разных количеств продуктов x1 и x2. Рис.Л.3 Линейное программирование, II Область допустимых решений здесь ничем сверху не ограничена: нужное количество заданных компонентов тем легче получить, чем больше исходных продуктов. Но требуется найти наиболее выгодное их сочетание. Пунктирные линии, как и в предыдущем примере, — линии уровня. Здесь они соединяют планы, при которых себестоимость смесей исходных продуктов одинакова. Линия, соответствующая наименьшему ее значению при заданных требованиях, — линия MM. Искомый оптимальный план — в точке M0. Приведенные крайне упрощенные примеры демонстрируют основные особенности задачи Л.п. Реальные задачи, насчитывающие много переменных, нельзя изобразить на плоскости — для их геометрической интерпретации используются абстрактные многомерные пространства. При этом допустимое решение задачи — точка в n-мерном пространстве, множество всех допустимых решений — выпуклое множество в этом пространстве (выпуклый многогранник). Задачи Л.п., в которых нормативы (или коэффициенты), объемы ресурсов («константы ограничений«) или коэффициенты целевой функции содержат случайные элементы, называются задачами линейного стохастического программирования; когда же одна или несколько независимых переменных могут принимать только целочисленные значения, то перед нами задача линейного целочисленного программирования. В экономике широко применяются линейно-программные методы решения задач размещения производства (см. Транспортная задача), расчета рационов для скота (см. Задача диеты), наилучшего использования материалов (см. Задача о раскрое), распределения ресурсов по работам, которые надо выполнять (см. Распределительная задача) и т.д. Разработан целый ряд вычислительных приемов, позволяющих решать на ЭВМ задачи линейного программирования, насчитывающие сотни и тысячи переменных, неравенств и уравнений. Среди них наибольшее распространение приобрели методы последовательного улучшения допустимого решения (см. Симплексный метод, Базисное решение), а также декомпозиционные методы решения крупноразмерных задач, методы динамического программирования и др. Сама разработка и исследование таких методов — развитая область вычислительной математики. Один из видов решения имеет особое значение для экономической интерпретации задачи Л.п. Он связан с тем, что каждой прямой задаче Л.п. соответствует другая, симметричная ей двойственная задача (подробнее см. также Двойственность в линейном программировании). Если в качестве прямой принять задачу максимизации выпуска продукции (или объема реализации, прибыли и т.д.), то двойственная задача заключается, наоборот, в нахождении таких оценок ресурсов, которые минимизируют затраты. В случае оптимального решения ее целевая функция — сумма произведений оценки (цены) vi каждого ресурса на его количество bi— то есть равна целевой функции прямой задачи. Эта цена называется объективно обусловленной, или оптимальной оценкой, или разрешающим множителем. Основополагающий принцип Л.п. состоит в том, что в оптимальном плане и при оптимальных оценках всех ресурсов затраты и результаты равны. Оценки двойственной задачи обладают замечательными свойствами: они показывают, насколько возрастет (или уменьшится) целевая функция прямой задачи при увеличении (или уменьшении) запаса соответствующего вида ресурсов на единицу. В частности, чем больше в нашем распоряжении данного ресурса по сравнению с потребностью в нем, тем ниже будет оценка, и наоборот. Не решая прямую задачу, по оценкам ресурсов, полученных в двойственной задаче, можно найти оптимальный план: в него войдут все технологические способы, которые оправдывают затраты, исчисленные в этих оценках (см. Объективно обусловленные (оптимальные) оценки). Первооткрыватель Л.п. — советский ученый, академик, лауреат Ленинской, Государственной и Нобелевской премий Л.В.Канторович. В 1939 г. он решил математически несколько задач: о наилучшей загрузке машин, о раскрое материалов с наименьшими расходами, о распределении грузов по нескольким видам транспорта и др., при этом разработав универсальный метод решения этих задач, а также различные алгоритмы, реализующие его. Л.В.Канторович впервые точно сформулировал такие важные и теперь широко принятые экономико-математические понятия, как оптимальность плана, оптимальное распределение ресурсов, объективно обусловленные (оптимальные) оценки, указав многочисленные области экономики, где могут быть применены экономико-математические методы принятия оптимальных решений. Позднее, в 40—50-х годах, многое сделали в этой области американские ученые — экономист Т.Купманс и математик Дж. Данциг. Последнему принадлежит термин «линейное программирование». См. также: Ассортиментные задачи, Базисное решение, Блочное программирование, Булево линейное программирование, Ведущий столбец, Ведущая строка, Вершина допустимого многогранника, Вырожденная задача, Гомори способ, Граничная точка, Двойственная задача, Двойственность в линейном программировании, Дифференциальные ренты, Дополняющая нежесткость, Жесткость и нежесткость ограничений ЛП, Задача диеты, Задача о назначениях, Задача о раскрое, Задачи размещения, Исходные уравнения, Куна — Таккера условия, Множители Лагранжа, Область допустимых решений, Опорная прямая, Распределительные задачи, Седловая точка, Симплексная таблица, Симплексный метод, Транспортная задача.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• linear programming

гиперплоскость
Математический объект, который можно представить как расширение (до более высокой размерности).
[[http://www.rfcmd.ru/glossword/1.8/index.php?a=index&d=23]]

гиперплоскость
Гиперповерхность (в евклидовом n-мерном пространстве), которая задается одним линейным уравнением: a1x1 + a2x2 + … + anxn = h, или в сокращенной (векторной) записи: Размерность Г. на единицу меньше размерности рассматриваемого пространства Еn. Например, для трехмерного пространства гиперплоскостью является плоскость,. для двухмерного пространства — прямая на плоскости (отражаемая уравнением а1х1+а2х2=b). Г. делит пространство (соответствующей размерности) на два полупространства. Все точки каждого из них определяются неравенствами. Например, в случае прямой на плоскости одно полупространство отображает все точки, удовлетворяющие неравенству a1x1+a2x2>b, а другое — неравенству a1x1+a2x2<b Г. используются при математическом анализе и решении разнообразных экономических задач: в линейном программировании, анализе спроса и потребления и др. Например, каждая прямая, изображенная на рис. Б.2 к статье «Бюджетная линия», делит пространство товаров на два полупространства: тех ассортиментных наборов, которые мы можем купить при ограниченном этой прямой доходе, и тех, которые купить не можем. См. также: Опорная гиперплоскость, Разделяющая гиперплоскость.
[ http://slovar-lopatnikov.ru/]

Тематики

• защита информации
• экономика

EN

• hyperplane

конечные методы математического программирования
Численные методы, позволяющие получить решение задачи за определенное (не обязательно известное заранее) количество шагов (итераций). Пример: Симплексный метод в линейном программировании. Ср. Бесконечные методы математического программирования.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• finite methods in mathematical programming

множители Лагранжа
Дополнительные множители, преобразующие целевую функцию экстремальной задачи выпуклого программирования (в частности, линейного программирования) при ее решении одним из классических методов — методом разрешающих множителей (методом Лагранжа). Полученная функция носит название лагранжиан или функция Лагранжа. Подробнее об этом методе см. в статье Лагранжиан. Множители (обычно обозначаемые греческой буквой l) помогают проверить оптимальность найденного допустимого решения и, если оно неоптимально, найти направление, в котором нужно производить изменение решения. Их особенно важное свойство заключается в том, что они помогают выяснить, в какой степени оптимальное значение целевой функции чувствительно к изменениям констант ограничений. Широко используются М.Л. в линейном программировании, причем последнее из указанных свойств можно назвать ключом к применению линейного программирования в экономических задачах распределения ресурсов (здесь их называют оптимальными или объективно обусловленными оценками, или теневыми ценами соответствующих видов затрат.).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• Lagrange multipliers

невыпуклое программирование
Раздел математического программирования, изучающий методы решения таких экстремальных задач, целевая функция которых является невыпуклой (см. Выпуклость, вогнутость). Задачи Н.п. обладают той особенностью, что в них не выполняется условие двойственности, характерное, например, для задач линейного программирования. (См. Двойственность в линейном программировании). Для преодоления «разрыва двойственности» и построения двойственных задач здесь разрабатываются специальные методы, в частности, с использованием модифицированных функций Лагранжа (см. Лагранжиан).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• non-convex programming

область допустимых решений
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

область допустимых решений
допустимое множество
множество возможностей
множество допустимых решений
область допустимых значений
область свободы решений
Понятие математического программирования, область (см. рис. к статье Линейное программирование или рис. к статье Нелинейное программирование), в пределах которой осуществляется выбор решений. В принципе она может быть определена разными способами, вплоть до прямого перечисления входящих в нее элементов. В экономических задачах эта область ограничена (отсюда и происходит термин «ограничения«) условиями задачи, наличными ресурсами. Эти ограничения могут быть более жесткими и менее жесткими, соответственно область свободы — более или менее широкой. Она является нулевой, если определяющие ее ограничения составляют несовместную систему уравнений. В линейном программировании область допустимых решений (допустимый многогранник) всегда выпукла и всегда находится в неотрицательном подпространстве многомерного (n-мерного) векторного пространства решений.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• энергетика в целом

Синонимы

• допустимое множество
• множество возможностей
• множество допустимых решений
• область допустимых значений
• область свободы решений

EN

• constraint region
• feasible region
• feasible set
• feasible space
• opportunity set

параметрическое программирование
Раздел математического программирования, изучающий задачи, отличие которых от других задач состоит в следующем. Коэффициенты их целевой функции, или числовые характеристики ограничений, или и те и другие, предполагаются не постоянными величинами (как, например, в линейном программировании), а функциями, зависящими от некоторых параметров. Причем чаще всего эта зависимость носит линейный характер. П.п. позволяет в ряде случаев приблизить к реальности условия задач линейного программирования. Например, если коэффициенты целевой функции представляют собой цены некоторых продуктов, то вполне естественно бывает предположить, что эти цены не постоянны, а являются функциями параметра времени. Такая зависимость встречается при планировании производства в сельском хозяйстве, где цены на продукцию носят ярко выраженный сезонный характер. При оптимизации экономических систем, сочетающей гибкое использование детерминированных моделей со специальными методами учета случайных факторов, П.п. используется для выявления семейства оптимальных решений (каждое из которых соответствует некоторому сочетанию условий задачи), зависящих от изменения одного или нескольких параметров. Такое семейство оптимальных решений составляет зону неопределенности, анализ которой позволяет отказаться от части вариантов и тем самым упростить решение задачи. Важной областью П.п. является также анализ устойчивости решений оптимизационных задач. Цель такого анализа состоит в определении интервала (области) значений того или иного параметра, в пределах которого решение остается оптимальным.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• parametrical programming

потенциалы
В линейном программировании — дополнительные переменные, включаемые в формулировку транспортной задачи при ее решении специальным методом, который так и называется — метод потенциалов.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• potentials