WYKŁAD nr 2
1. Zadanie programowania liniowego (ZPL)
Zadania programowania liniowego dotyczą znajdowania ekstremum funkcji liniowej przy liniowych ograniczeniach równościowych i nierównościowych . Mają duże znaczenie praktyczne zarówno jako niezależne problemy optymalizacyjne jak również pierwsze przybliżenia zadań optymalizacji nieliniowej . Stosowane są często jako etapy pomocnicze przy rozwiązywaniu bardziej skomplikowanych zagadnień programowania nieliniowego .
2. Podstawowe definicje i sformułowania
Dana jest liniowa funkcja skalarna zmiennych o postaci : n
n nx c x
c x c
z= 1 1+ 2 2 +...+ (2.1)
(2.2)
[
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
•
•
⋅
•
•
=
n n
x x x c c
c z
2 1
2
1
]
< c x > (2.3)
= z
zwana dalej funkcją kosztów, (funkcją kryterialna , wskaźnikiem jakości) oraz układ „m” nierówności liniowych w postaci np.:
m n mn m
m
n n
n n
b x a x
a x a
b x a x
a x a
b x a x
a x a
= +
+ +
≤ +
+ +
≥ +
+ +
....
...
...
...
...
...
....
....
2 2 1 1
2 2
2 22 1 21
1 1
2 12 1 11
(2.4)
(2.5)
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
≥ •
=
≤
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
•
•
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
•
•
•
•
•
•
•
•
•
•
•
m n
mn m
m
n n
b b b
x x x
a a
a
a a
a
a a
a
2 1 2
1
2 1
2 22
21
1 12
11
, ,
Ax≤ b (2.6)
Macierz o wymiarach A
[
m *n]
zawiera współczynniki aij,i=1,..,m,j=1,..,n wynikające z treści ograniczeń.Wektor to wektor zmiennych decyzyjnych x xj ,j=1,..,n
Wektor to wektor wyrazów wolnych b bi ,i=1,..,m globalnych ograniczeń ( wektor wymagań ).
Wektor c to wektor współczynników kosztów cj , j=1,..,n 1. ZPL można sformułować następująco :
Znaleźć wektor (wektor optymalnych zmiennych decyzyjnych) , który zminimalizuje
xˆ
przy ograniczeniach Ax
>
⋅
=<c x
z ≤ b (2.7)
2. Minimalizacja funkcji kosztów (2.3) może być zastąpiona przez )
max(
minz =− −z (2.8)
3. Jeżeli w zbiorze ograniczeń ZPL występują ograniczenia nierównościowe to przez wprowadzenie nowych zmiennych (zmienne dopełniające) ograniczenia (2.6) można sprowadzić do ograniczeń równościowych:
+1
xn
Ax = b
( ) x( ) b i m j n k m
a x
ai,j ⋅ j + i,n+k ⋅ n+k = i , =1,.., , =1,.., , =1,.., (2.9) np.:
⎥⎦
⎢ ⎤
⎣
≤⎡
⎥≥
⎦
⎢ ⎤
⎣
⋅⎡
⎥⎦
⎢ ⎤
⎣
⎡
2 1 2
1 22 21
12
11 ,
b b x
x a a
a
a wprowadzenie nowych
zmiennych ⎥
⎦
⎢ ⎤
⎣
=⎡
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⎥⋅
⎦
⎢ ⎤
⎣
⎡ −
2 1
4 3 2 1
22 21
12 11
1 0
0 1
b b x x x x a
a a a
macierz
A
rozszerzona macierz
A
wektor zmiennych decyzyjnych
wektor wyrazów wolnych
wektor zmiennych decyzyjnych +
zmienne dopeniające
Rys. 2.1. Wprowadzenie zmiennych uzupełniających
(2.10)
4. Postać kanoniczna :
dowolna postać programowania liniowego może być sprowadzona do zapisu : znaleźć taki wektor zmiennych decyzyjnych dla którego xˆ
z=f(xˆ) < c x przy ograniczeniach Ax = b 0 (2.11) minx
= > x≥
5. Warunki optymalności dla ZPL :
znaleźć takie że xˆ < c xˆ >
0
minx∈X
= < c x >
gdzie zbiór zdefiniowany jest : X0 X0 = {x: x∈Rn, Ax≤ b } A[m*n] ,b∈Rm,x
[
m*1] [ ]
,bn*1warunek konieczny: niech będzie rozwiązaniem ZPL wówczas istnieje takie że :
xˆ Rm
∈
≥ λ
λˆ 0, b - Axˆ ≤ 0
⋅
λˆ A=cT T ; c < xˆ > =<b⋅λˆ> (2.12)
6. Warunki istnienia rozwiązania układów liniowych
Układ równań liniowych Ax=b,A
[
m*n]
,dimx=n ,dim b=m marozwiązanie x∈Rn wtedy i tylko wtedy , gdy macierz AR =[A,b] utworzona z macierzy i wektora jest takiego samego rzędu co macierz . A b A
( )
A rz( )
A !!!!!rz R = (2.13)
Rząd macierzy równy jest maksymalnemu wymiarowi różnego od zera minora wyjętego z tej macierzy.
np.:
( )
⎥ (2.14)⎦
⎢ ⎤
⎣
=⎡
⎥ =
⎦
⎢ ⎤
⎣
=⎡
2 1 22
21 12
11 , 1 ,
b wektor b a rz
a a
macierz A a A b
(2.15) 1
) ( ,
2 22 21
1 12
11 ⎥ =
⎦
⎢ ⎤
⎣
=⎡ R
R rz
b a a
b a
macierz A a A
układ równań zbudowany w oparciu o A,b ma rozwiązanie,
Jeżeli rząd macierzy równy jest rzędowi macierzy występują trzy przypadki
AR A
1. rz(A)=m=n układ równań posiada jedno rozwiązanie,
2. rz(A)=n < m układ równań posiada jedno rozwiązanie oraz
(
m− równań zbędnych , n)
3. rz(A)=n > m nieskończenie wiele rozwiązań układ nieoznaczony.
7. Podstawowe definicje dotyczące rozwiązania ZPL
Niech będzie dane ZPL w postaci kanonicznej a mianowicie : znaleźć wektor
(2.16)
n m
n o
X x
R R
n x m
R X
z że taki
o
∈
∈
∈
≥
=
=
>
<
=
>
=<
∈
c b
x x b x x
x c, x
c, x
, ,
] [
} ,
0 , :
{
ˆ min ˆ
A
A
a.) wektor x∈Xograniczenialiniowe nazywamy rozwiązaniem dopuszczalnym , b.) macierzą bazową B układu równań Ax=b rz(A)=m ,n>m
nazywamy nieosobliwą macierz kwadratową o wymiarze utworzoną z liniowo niezależnych kolumn macierzy .
[
m *m]
a A
c.) rozwiązaniem bazowym układu równań Ax=b rz(A)=m ,n>m nazywamy wektor xB =B−1⋅b
Składowe wektora xB noszą nazwę zmiennych bazowych .
d.) rozwiązanie bazowe jest rozwiązaniem dopuszczalnym jeżeli wektor jest nieujemny
xB
≥0 xB
e.) maksymalna ilość rozwiązań bazowych wynosi :
)!
(
!
! m n m
n
−
⋅
f.) niezdegenerowanym dopuszczalnym rozwiązaniem bazowym nazywamy rozwiązanie bazowe , w którym wszystkie zmienne są dodatnie ; xB ≥0 g.) rozwiązaniem optymalnym zadania ZPL nazywamy rozwiązanie
dopuszczalne które minimalizuje funkcje kosztów (wskaźnik jakości , funkcje celu )
xˆ
>
=< xc, z
3. Przykłady zastosowania PL Przykład nr.2
Przyjmiemy układ ograniczeń liniowych w postaci układu nierówności :
−x1+x2 ≤1 , x1+x2 ≥2 , x1≤2 (2.17) który wyznacza obszar rozwiązań dopuszczalnych jak na rys.2.2
Określimy wskaźnik jakości z=< xc, > w którym wektor współczynników kosztów wynosi . Zadanie sprowadza się do poszukiwania w zbiorze rozwiązań dopuszczalnych takiego wektora rozwiązań , dla którego iloczyn skalarny ( wskaźnik jakości ) osiągnie wartość minimalną
[
3 5=
c
]
> x
< xc,
x1
x2
2
0 2
Zbiór rozwiązań dopuszczalnych
1≤2 x
2 1
1+ ≤
− x x
2 2
1+ x ≥ x
A
B
C
Rys.2.2 Obszar rozwiązań dopuszczalnych wyznaczonych przez układ nierówności liniowych .
Wprowadzamy do układu nierówności przedstawiających ograniczenia zmienne dodatkowe sprowadzające układ nierówności w układ równań ;
2 2 1
5 1
4 2
1
3 2 1
= +
=
− +
= +
+
−
x x
x x
x
x x x
xi≥ i0, =1,..,5 (2.18)
równanie (2.18) zapiszemy w postaci macierzowej :
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
2 2 1
1 0 0 0 1
0 1 0 1 1
0 0 1 1 1
5 4 3 2 1
x x x x x
[ ]
⋅3*=5 m=3, n=5 ;dimx=5 dimb=3A A x b
(2.19)
ilość rozwiązań bazowych
)!
(
!
! m n m
n
−
⋅ = 10
)!
3 5 (
! 3
!
5 =
−
⋅
tworzymy macierze bazowe uformowane z kolumn macierzy .
[
a1 a2 a3 a4 a5]
B= A
Jak zaznaczono powyżej ilość rozwiązań bazowych wynika z ilości macierzy bazowych których zbiór przedstawia się następująco :
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
⎪⎪⎪⎪
⎪⎪
⎪
⎭
⎪⎪
⎪⎪
⎪⎪
⎪
⎬
⎫
⎪⎪
⎪⎪
⎪⎪
⎪
⎩
⎪⎪
⎪⎪
⎪⎪
⎪
⎨
⎧
=
=
=
=
=
=
=
=
=
=
5 4 3 10
5 4 2 9
5 3 2 8
4 3 2 7
5 4 1 6
5 3 1 5
4 3 1 4
5 2 1 3
4 2 1 2
3 2 1 1
:
a a a
a a a
a a a
a a a
a a a
a a a
a a a
a a a
a a a
a a a
B B B B B B B B B B
B
Z punktu widzenia sensowności zadania rz(B)=2 interesujące są jedynie te rozwiązania bazowe w których wektor zawiera obie zmienne wchodzące wchodzącego do wskaźnika jakości tj.
x
[
x1, x2]
,a ogólna liczba zmiennych równa jest rzędowi macierzy B . Zatem do dalszej konkurencji mogą być jedynie brane rozwiązania bazowe powstałe w oparciu o macierze bazowe3 .
2 1,B ,B B
Rozwiązanie bazowe nr 1
1./ Macierz bazowa B
[ ]
(2.20)⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡−
=
=
0 0 1
0 1 1
1 1 1
3 2 1
1 a a a
2./ Macierz odwrotna do
(2.21)
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
−
−
⋅
−
=
⇒ −
2 1 1
1 1 0
1 0 0 ) 1
1 (
1
1 B
B
3./ Rozwiązanie bazowe nr 1 xB1=B1−1⋅b (2.22)
(2.23)
( )
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⋅
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
−
−
⋅
−
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
3 0 2
2 2 1
2 1 1
1 1 0
1 0 0 1
3 2 1 1
x x x xB
4./ Wartość wskaźnika jakości dla rozwiązania bazowego wynosi:
(2.24) b
xB1=B1−1⋅
[ ]
60 5 2
1 3
1 ⎥=
⎦
⎢ ⎤
⎣
⋅⎡
=
>
=< B zB c,x
Rozwiązanie bazowe nr 2
1./ Macierz bazowa B
[ ]
(2.25)⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
=
=
0 0 1
1 1 1
0 1 1
4 2 1
2 a a a
2./ Macierz odwrotna do
(2.26)
( )
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
−
−
−
⋅
−
=
⇒ −
2 1 1
1 0 1
1 0 0
1 1
2
2 B
B
3./ Rozwiązanie bazowe nr 2 xB2 =B−12 ⋅b (2.27)
(2.28)
( )
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⋅
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
−
−
−
⋅
−
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
3 3 2
2 2 1
2 1 1
1 0 1
1 0 0 1
4 2 1 2
x x x xB
4./ Wartość wskaźnika jakości dla rozwiązania bazowego wynosi:
(2.29) b
xB2 =B−12 ⋅
[ ]
213 5 2
2 3
2 ⎥=
⎦
⎢ ⎤
⎣
⋅⎡
=
>
=< B zB c,x
Rozwiązanie bazowe nr 3
1./ Macierz bazowa B
[ ]
(2.30)⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡−
=
=
1 0 1
0 1 1
0 1 1
5 2 1
3 a a a
2./ Macierz odwrotna do (2.31)
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
=
⇒ −
1 5 . 0 5 . 0
0 5 . 0 5 . 0
0 5 . 0 5 . 0
31
3 B
B
3./ Rozwiązanie bazowe nr 3 xB3 =B−13 ⋅b (2.32)
(2.33)
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⋅
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
=
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
5 . 1
5 . 1
5 . 0
2 2 1
1 5 . 0 5 . 0
0 5 . 0 5 . 0
0 5 . 0 5 . 0
5 2 1 3
x x x xB
4./ Wartość wskaźnika jakości dla rozwiązania bazowego wynosi:
b xB3 =B−13 ⋅
(2.34)
[ ]
95 . 1
5 . 5 0
3 3
3 ⎥=
⎦
⎢ ⎤
⎣
⋅⎡
=
>
=< B zB c,x
Z układu równań (2.24) wynika ,że 2x1 = oraz 0x2= . Rozwiązanie to nazywamy zdegenerowanym ponieważ jedna ze zmiennych decyzyjnych przyjmuje wartość zero
Wskaźnik jakości dla rozwiązania zdegenerowanego wynosi:
(2.35)
[ ]
60 5 2
3 ⎥=
⎦
⎢ ⎤
⎣
⋅⎡
=
>
=< d zd c,x
W świetle punktu 8 litera g rozwiązaniem optymalnym zadania ZPL nazywamy rozwiązanie dopuszczalne które minimalizuje funkcje kosztów (wskaźnik jakości , funkcje celu ) ) .Rozwiązaniem optymalnym przykładu nr 1 będzie rozwiązanie zdegenerowane nr 1 generujące wartość wskaźnika jakości równą 6 . Innym zagadnieniem jest, czy rozwiązanie zdegenerowane jest do przyjęcia z uwagi na istotę problemu opisanego przytoczonymi równaniami ograniczającymi i przedstawionym wskaźnikiem jakości .
xˆ
>
=< xc,
z xˆ
Przykład nr 1
Aglomeracja zasilana jest w wodę przez dwa ujęcia wody znajdujące się na tym samym cieku w miejscach poboru P1 , P2 .
Ilość wody z ujęcia nr 1 to zmienna decyzyjna , ilość wody z ujęcia nr 2 to zmienna decyzyjna . Zapotrzebowanie na wodę jest zmienne i zawiera się w przedziale co można zinterpretować jako ograniczenia w postaci:
x1
x2
3 2≤Az ≤
3 :
2 :
2 1 2
2 1 1
≤ +
≥ +
x x g
x x
g (2.36)
Z uwagi na zasadę nienaruszalności przepływu wody w rzece w przekroju wodowskazowym zależności między poborami wyrażają się w postaci przykładowych ograniczeń :
S x1 ,x2
1 5 . 0 :
5 . 0 :
1 2
4
1 2
3
+
⋅
≤
⋅
≥ x x
g
x x
g (2.37)
Koszt poboru wody z ujęcia zawarty jest we współczynniku kosztów , oraz koszt poboru wody z ujęcia odzwierciedla współczynnik kosztów . Przy ograniczeniach oraz wskaźnika jakości
(sumaryczny koszt poboru wody ), wyznaczyć wektor optymalnych zmiennych decyzyjnych minimalizujący jego wartość .Wektor współczynników kosztów wyraża się liczbowo
P1 c1
P2 c2
{
, 1,..,4: g i=
G i
}
z=< xc, >⎥⎦
⎢ ⎤
⎣
=⎡
2 1
ˆ ˆ ˆ
x x x
[
1, 2] [
= 1 2]
= c c c
P1
P2 S
Rys 2.3 Aglomeracja , ujęcia wody , przekrój wodowskazowy S
x
1x
22 0
1 g
2 2 g
3 g
4 g
Zbiór rozwiązań dopuszczalnych
A B
C
D xˆ
1xˆ
2[ ] 2 . 67
66 . 0
33 . 2 1 1
66 . 0
33 . 1 ˆ
ˆ
2 1
⎥ =
⎦
⎢ ⎤
⎣
⋅ ⎡
=
⎥ ⎦
⎢ ⎤
⎣
= ⎡
⎥ ⎦
⎢ ⎤
⎣
= ⎡ z
x D x
Rys.2.4 Interpretacja graficzna do przykładu nr3.
Interpretacja graficzna w/w zadania przedstawia się następująco.
Zaznaczony na rysunku czworokąt A, B,C ,D stanowi obszar rozwiązań
dopuszczalnych. Minimalną wartość wskaźnika jakości można odczytać wprost z rysunku uwzględniając współrzędne punktów i przemnażając przez współczynniki kosztów . Minimum wskaźnika jakości o wartości 2.67 znajduje się w punkcie
D C B A, , ,
c z
D .
Sprowadzamy układ równań ograniczeń do postaci kanonicznej przez wprowadzenie dodatkowych zmiennych , które pozwalają zapisać równania ograniczeń w postaci równościowej ;
1 5
, 0 :
0 5
, 0 :
3 :
2 :
6 2
1 4
5 2
1 3
4 2
1 2
3 2 1 1
= + +
−
=
− +
−
= +
+
=
− +
x x
x g
x x
x g
x x
x g
x x x g
(2.38)
a następnie przekształcając do liniowego równania macierzowego otrzymujemy
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
−
−
1 0 3 2
1 0 0 0 1 5 , 0
0 1 0 0 1 5 , 0
0 0 1 0 1 1
0 0 0 1 1 1
6 5 4 3 2 1
x x x x x x
, A⋅x=b (2.39)
Stosując metodę rozwiązań bazowych ( ilość możliwych macierzy bazowych B )! 15
4 6 (
! 4
! 6 )!
(
!
! =
−
= ⋅
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
−
⋅ n m m
n ) tworzymy kolejne macierze bazowe z kolumn macierzy
wg następującego schematu
A
[ ]
[ ]
[ ]
[ [ ]
[
1 2 5 6]
6
6 4 2 1 5
5 4 2 1 4
6 3 2 1 3
5 3 2 1 2
4 3 2 1 1
a a a a
a a a a
a a a a
a a a a
a a a a
a a a a
=
=
=
=
=
=
B B B B B B
]
(2.40)Dla macierzy bazowej nie istnieje macierz odwrotna zatem dla tej macierzy brak rozwiązania bazowego .
B1
Dla macierzy bazowej B2 rozwiązanie bazowe wynosi :xB2 =B(2− )1 ⋅b
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
−
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
−
−
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
−
1 1 66 , 1
33 , 1
1 0 3 2
1 1 0 0
0 0 1 1
666 , 0 0 333 , 0 0
666 , 0 0 666 , 0 0
1 0 3 2
0 0 1 5 ,
1 0 1 5 ,
0 0 1 1
0 1 1
1 ( 1)
5 3 2 1 2
x x x x xB
(2.41) Dla macierzy bazowej B3 rozwiązanie bazowe wynosi: xB3=B(3− )1 ⋅b
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
−
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
−
1 1 1 2
1 0 3 2
1 1 0
0
0 0 1
1
0 66 , 0 333 , 0 0
0 66 , 0 666 , 0 0
1 0 3 2
1 0 1 5 ,
0 0 1 5 ,
0 0 1 1
0 1 1
1 ( 1)
6 3 2 1 3
x x x x xB
(2.42) Dla macierzy bazowej B4 rozwiązanie bazowe wynosi: xB4 =B(4− )1 ⋅b
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
−
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
= −
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
−
1 1 33 , 1
66 , 0
1 0 3 2
1 1 0 0
0 0 1 1
666 , 0 0 0 333 , 0
666 , 0 0 0 666 , 0
1 0 3 2
0 0 1 5 ,
1 0 1 5 ,
0 1 1 1
0 0 1
1 ( 1)
5 4 2 1 4
x x x x xB
(2.43) Dla macierzy bazowej B5 rozwiązanie bazowe wynosi: xB5 =B5(− )1 ⋅b
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
−
−
=
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⋅
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
−
= −
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
−
1 1 66 , 0
33 , 1
1 0 3 2
1 1 0
0
0 0 1 1
0 666 , 0 0 333 , 0
0 666 , 0 0 666 , 0
1 0 3 2
1 0 1 5 ,
0 0 1 5 ,
0 1 1 1
0 0 1
1 ( 1)
6 4 2 1 5
x x x x xB
(2.44) Dla macierzy bazowej nie istnieje macierz odwrotna zatem dla tej macierzy brak rozwiązania bazowego .
B6
Otrzymane rozwiązania bazowe tworzą zbiór rozwiązań dopuszczalnych .
{ }
⎪⎪
⎭
⎪⎪
⎬
⎫
⎪⎪
⎩
⎪⎪
⎨
⎧
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
⎥⎥
⎥⎥
⎦
⎤
⎢⎢
⎢⎢
⎣
⎡
=
=
1 1 66 , 0
33 , 1 , 1 1 33 , 1
66 , 0 , 1 1 1 2 , 1 1 66 , 1
33 , 1 ,
,
, 3 4 5
2 B B B
B L
O x x x x
X (2.45)
W następnej kolejności sprawdzamy warunki ograniczające dla rozwiązań bazowych i przyjmujemy to rozwiązanie jako optymalne dla którego występuje minimalna wartość wskaźnika jakości . Rozwiązaniem optymalnym jest rozwiązanie bazowe dla którego wskaźnik jakości wynosi 2,667.
z ˆB5
x
Odpowiedź obowiązującą w rozpatrywanym przykładzie można sformułować następująco : z uwagi na przyjęte współczynniki kosztów i obowiązujące ograniczenia wielkości poborów wody z miejsc poboru wody powinny wynosić
2 1,P
[ ]
m3 s , ˆ 0,66[ ]
m3 s P 33,
ˆ1=1 x2=
x . Dla tych wartości poborów koszt
zaopatrzenia aglomeracji w wodę będzie najmniejszy .