WYKŁAD nr 7
DEKOMPOZYCJA I AGREGACJA W ZADANIACH PROGRAMOWANIA NIELINIOWEGO
Typowy problem optymalizacji, który był przedmiotem dotychczasowych rozważań można sformułować następująco: wyznaczyć takie elementy
n i
X x
xi= ˆi∈ , =1,..., , które minimalizują wskaźnik jakości
(1)
∑
== n
i i
i x
F F
1
) ( przy ograniczeniach Gj(xi)≤0, i=1,...,n, j=1,...
(2)
∑
= n ≤i
i
i x W
H
1
) (
Jak wykazały prezentowane poprzednio przykłady liczbowe, problem ten ma prostą interpretację techniczną. Należy określić elementy (wartości zmiennych decyzyjnych, sterowania) xi =xˆi∈X, i=1,...,n minimalizujące wskaźnik (1) przy ograniczeniach (2) korzystając wprost z warunków Kuhna-Tuckera.
W wielu sytuacjach, szczególnie przy dużej ilości zmiennych i znacznej liczbie ograniczeń łączących poszczególne zmienne, takie podejście nie jest wygodne, wymaga wielu długich i uciążliwych przekształceń.
Jeżeli możliwe jest wydzielenie z analizowanego zadania optymalizacji mniejszych części, które mogą być rozpatrywane oddzielnie jednakże powiązanych ze sobą dodatkowymi zmiennymi lub dodatkowymi ograniczeniami, oznacza to, że dokonaliśmy dekompozycji zadania pierwotnego na zagadnienia cząstkowe na ogół znacznie prostsze w rozwiązaniu. Zdekomponowanie problemu polega najczęściej na rozdzieleniu wielkości W na części spełniających warunek i przydzieleniu tych części zadaniom cząstkowym. Funkcjonał
n wj
∑
=
≤
1 j
j W
w
F i ograniczenie W nazywamy globalnymi, natomiast funkcjonały oraz ograniczenia Fi Gj lokalnymi.
Dekompozycja (rozdzielenie problemu globalnego) może przebiegać np. jak poniżej: dla indeksu j=1 zbiór indeksów
[
Kj]
P
j i
i i
i=1,2,3,4⇒ ∈ , oraz dla zbiór indeksów
=2
[
Kj]
jP
j i
i i
i=5,6,7⇒ ∈ , itp. wówczas lokalne wskaźniki jakości można zapisać
A Wskaźniki lokalne
( )
∑
( )=
=
Kj
Pj i
i i
i i
j F x
S ( ) (3)
gdzie i ,Pj iKj to początek i koniec zbioru indeksów dla wskaźnika o indeksie . i j B Ograniczenia lokalne
...Gj(xi)≤0, j=1, (4)
C Rozdzielone ograniczenie globalne
j i
j x w
H ( )= (5)
D Jeżeli w dalszej kolejności zostały wyznaczone elementy jako funkcje xˆi wj czyli to można również określić nowe funkcje xˆi(wj) fi(wj)=Fi
[
xˆ(wj)]
orazsformułować kolejny problem optymalizacji w postaci
(6)
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
∑
= n
i j
w fi w
j 1
) ( min przy warunku ograniczającym
∑
≤1 ' j
j W
w (7)
E Działanie takie nazywa się agregacją rozwiązań zadań cząstkowych.
Dekompozycja nie tylko umożliwia rozwiązanie dużego skomplikowanego problemu o wielu zmiennych decyzyjnych, lecz przede wszystkim pozwala na lepsze zrozumienie istoty zależności między zmiennymi w analizowanym modelu.
Dekompozycja jest wtedy sensowna, gdy ilość zmiennych koordynujących nie jest duża.
Przykład 1
Rozpatrzmy następujący system zaopatrzenia w wodę. Cztery aglomeracje o zapotrzebowaniach zasilane są w wodę ze zbiorników nr 1 do 9 w układzie jak na rysunku 1.
4 ..., , 1 , j= Azj
7 8 9 AZ3
x7 x8 x9
4 5 6
AZ2
x4 x5 x6
AZ4
q1 q2
q3
Z
1 2 3
AZ1
x1 x2 x3
wydzielony układ cząstkowy
Rys. 1. Analizowany system wodno-gospodarczy
Koszt pozyskania wody ze zbiorników opisany jest funkcjami
a równania ograniczeń, wynikające z powiązań w systemie sprowadzają się do zapisów
9 ..., , 1
2, =
=ax i Fi i i
0 :
0 :
0 :
0 :
4 3 2 1 4
3 3 9 8 7 3
2 2 6 5 4 2
1 1 3 2 1 1
≥
−
− + +
≥
−
− + +
≥
−
− + +
≥
−
− + +
Z A q q q g
q A x x x g
q A x x x g
q A x x x g
z z z z
(8)
Poszukiwać będziemy takich odpływów ze zbiorników xˆi, i=1,...,9, które spełnią przyjęte ograniczenia przy minimalnej wartości wskaźnika jakości w postaci
∑
.=
= 9
1 i
Fi
F
Określony powyżej problem można oczywiście rozwiązać bez stosowania dekompozycji, a mianowicie korzystając z warunków K-H przy funkcji Lagrange’a w postaci
(9)
∑
=⋅ +
⋅ +
⋅ +
⋅ +
= 9
1
4 4 3 3 2 2 1 1 i
i g q g g
F
L λ λ λ λ
Przeprowadzenie dekompozycji sprowadza się do wydzielenia i optymalizacji zadań cząstkowych np. w postaci:
1) 1 1 2 3 przy ograniczeniu
, ,2 3 1
min S F F F
x x
x = + + g1
2) 2 4 5 6 przy ograniczeniu
, ,5 6 4
min S F F F
x x
x = + + g2
3) 3 7 8 9 przy ograniczeniu
, ,8 9 7
min S F F F
x x
x = + + g3
przyjmując zmienne q1,q2,q3 jako parametry.
Następnie zgodnie z punktem D należy określić funkcje fi(qj)=Fi
[
xˆ(qj)]
orazrozwiązać zaagregowane zadanie optymalizacji w postaci:
4)
∑
przy ograniczeniu .= 9 =
1 , 1
, ( ), 1,...,3
min
3 1
1 i
q j q
q f q j g4
Dla przykładu z rysunku 3.31 procedura ta przebiega następująco:
Rozwiązanie zadania cząstkowego (dekompozycja)
(
1 1 1 2 3)
1 2 3 3 2 2 2 2 1 1 1
1 1 1
1 0,5 S g L 0,5 (ax a x a x ) A q x x x
L = ⋅ +λ ⋅ ⇒ = ⋅ + + +λ ⋅ z + − − −
3 1 3 1
3 3 3
1
2 1 2 1
2 2 2
1
1 1 1
1 1 1
1
ˆ ˆ ˆ 0
0 ˆ
ˆ ˆ ˆ 0
0 ˆ
ˆ ˆ ˆ 0
0 ˆ
a x x
a x
L
a x
x a x
L
a x x
a x
L
λ λ
λ λ
λ λ
=
⇒
=
−
⇒
=
∂
∂
=
⇒
=
−
⇒
=
∂
∂
=
⇒
=
−
⇒
=
∂
∂ 1
(10)
ˆ 0 ˆ
0 1 1 ˆ1 2 3
1 ∂ = ⇒ + − − − =
∂L λ Az q x x x (11)
Po podstawieniu (10) do (11) otrzymujemy związek określający mnożnik Lagrange’a
∑
∏
= =−
⋅
= 3
1 3
1
1 1
1 ( )
ˆ
i i i
z
i A q a
a
λ (12)
a po podstawieniu (12) do (10) optymalne elementy xj,j=1,...,3 w funkcji nieznanej wartości zmiennej mają postać q1
3 ..., , 1 , )
ˆ ( 3
1 3
1
1
1− =
⋅
=
∏ ∑
≠ =
=
j a q
A a x
i i
j ii
z i j
Po przyjęciu j
i i
j ii
i a b
a
∑
=∏
=≠=
3
1 3
1
równanie (12) przyjmuje prostszą formę
) (A1 q1 b
xj = j⋅ z − (13)
Analogicznie rozwiązanie drugiego i trzeciego zadania cząstkowego prowadzi do podobnych związków
) ˆ b (A2 q2
xj= j⋅ z − , , 4,...,6
6
4 6
4
=
=
∏ ∑
≠ =
=
j a a
b
i i
j ii
i j
xˆj=bj⋅(Az3−q3), , 7,...,9
9
7 9
7
=
=
∏ ∑
≠ =
=
j a a
b
i i
j ii
i
j (14)
Elementy 3xj,j=1,..., zależą od nieznanej wartości zmiennej , od nieznanej wartości zmiennej , oraz
q1 xj,j=4,...,6 q2 xj,j=7,...,9 są wyliczone w funkcji nieznanej wartości . q3
Rozwiązanie zadania globalnego (agregacja)
Funkcja Lagrange’a zadania zaagregowanego uwzględniająca (13) i (14) oraz ograniczenie g4 przyjmuje postać
( )
[ ] [ ( ) ] [ ( ) ]
(
4 1 2 3)
3
1
6
4
9
7
2 3 3 2
2 2 2
1
1 ( (
( 5
, 0
q q q A
q A b q
A b q
A b L
z
i i i
z i z
i z
i
−
−
−
⋅ +
⎭+
⎬⎫
⎩⎨
⎧ ⋅ − + ⋅ − + ⋅ −
⋅
=
∑ ∑ ∑
= = =
λ
(15)
Z warunków K-T tym razem względem zmiennych q1,q2,q3,λ otrzymujemy równania w postaci
( )
[ ]
( )
[ ]
( )
[ ]
ˆ 0 ˆ 0 ˆ
ˆ 0 ( ˆ
0
ˆ 0 ˆ
( 0
ˆ 0 ( ˆ
0
3 2 1 4 9
7
3 3 3
6
4
2 2 2
3
1
1 1 1
=
−
−
−
⇒
=
∂
∂
=
−
⋅
−
⋅
⇒
=
∂
∂
=
−
⋅
−
⋅
⇒
=
∂
∂
=
−
⋅
−
⋅
⇒
=
∂
∂
∑
∑
∑
=
=
=
q q q A L
b q A b q
L
b q A b q
L
b q A b q
L
z i
i z
i i
i z
i i
i z
i
λ
λ λ λ
(16)
Z równań (16) w prosty sposób można wyliczyć optymalne wartości qˆ1,qˆ2,qˆ3
∑∏
=≠=
− + +
⋅
−
= 3
1 3
1 4
3 2 1 3 2 1
1 ( )
ˆ
i i jj
j z
z z z
z d d A A A A d
A q
∑∏
=≠=
− + +
⋅
−
= 3
1 3
1 4
3 2 1 3 2 1
2 ( )
ˆ
i i jj
j z
z z z
z dd A A A A d
A q
∑∏
=≠=
− + +
⋅
−
= 3
1 3
1 4
3 2 1 2 1 3
3 ( )
ˆ
i jj i j z
z z z
z dd A A A A d
A
q (17)
we wzorze (17) przyjęto:
2 9 2 8 2 7 3
2 6 2 5 2 4 2
2 3 2 2 2 1 1
b b b d
b b b d
b b b d
+ +
=
+ +
=
+ +
=
Związki (17) podstawiamy do wzorów (13) i (14) otrzymując w konsekwencji optymalne wartości poszukiwanych odpływów ze zbiorników i = 1, ..., 9, które spełnią przyjęte ograniczenia przy minimalnej wartości wskaźnika jakości
.
ˆi, x
∑
== 9
1 i
Fi
F
Przykład 2
Rozpatrzmy system zaopatrzenia w wodę jak na rysunku 2. Każdy z trzech zbiorników zasila w wodę grupę odbiorców o określonych zapotrzebowaniach.
Zbiornik nr 1 zasila odbiorców Az1,1,...,Az1,m (m, liczba odbiorców).
Zbiornik nr 2 zasila odbiorców Az2,1,...,Az2,n (n, liczba odbiorców).
Zbiornik nr 3 zasila odbiorców Az3,1,...,Az3,p (p, liczba odbiorców).
1 2 2
1, q ,
q =− q2,3 =−q3,2
3 1 1
3, q ,
q =− 2
1
x1,
x1,m
1
x2, wydzielony układ
cząstkowy
1
2
z m
A 1,
1 z1,
A
1 z3,
A
z p
A 3,
1 z2,
A Az2,n x2,n
1
x3,
x3,p
Rys. 2. Wyodrębniony system wodno-gospodarczy
Suma zapotrzebowań (zbiornik nr 1) jest większa niż zapas wody w zbiorniku. W związku z powyższym odbiorcy otrzymują tylko
wody ponosząc przy tym straty oszacowane za pomocą
funkcji kwadratowej .
∑
= mi z i
A
1 , 1
m i
A
x1,i≤ z1,i, =1,...,
( )
∑
=−
⋅
= m
i
i i z
i A x
a F
1
2 , , 1 , 1 1 1
Analogicznie dla zbiornika nr 2 i nr 3
∑ ( )
=
−
⋅
= n
i
i i z
i A x
a F
1
2 , 2 , 2 , 2 2
(18)
∑ (
=
−
⋅
= p
i
i i z
i A x
a F
1
2 , 3 , 3 , 3
3
)
Istnieje możliwość przerzutu wody między zbiornikami, które wraz z zapasami
)
wody w zbiornikach
(
i sumarycznymi odpływami ze zbiorników tworzą równania ograniczeń3 2 1,V ,V V
(19) 0
:
0 :
0 :
1 , 3 31 23 3 3
1 , 2 23 12 2 2
1 , 1 13 12 1 1
≥
−
− +
≥
−
− +
≥
− +
−
∑
∑
∑
=
=
=
p
i i n
i i m
i i
x q
q V g
x q
q V g
x q
q V g
Ponieważ w systemie nie ma niewykorzystanej wody, znaki nierówności w równaniu (19) można zamienić na znaki równości.
W opisanych warunkach należy określić optymalne wartości przerzutów między zbiornikami qˆ12, qˆ23, qˆ31 oraz optymalne zrzuty ze zbiorników do odbiorców xˆ1 i,,
p k
x n j
x m
i=1,..., , ˆ1,j, =1,..., , ˆ1,k, =1,..., , zapewniające minimum strat globalnych w systemie wyrażonych w postaci
(20)
∑
== 3
1 i
Fi
F
Problem określony równaniami (19) i (20) można rozwiązać bez dekompozycji, posługując się funkcja Lagrange’a w postaci
(
A −x)
⋅ ⋅(
A −x)
+λ ⋅(
V − ⋅q− ⋅x)
⋅
=0,5 z T A z T T1 T2
L (21)
w której odpowiednie wektory i macierze przybierają następujące wymiary i kształty:
[ ] [ ] [ ]
[
z z m z z n z z p]
T
z = A1,1,...,A1, A2,1,..., A2, A3,1,...,A3, A
[ ] [ ] [ ]
[
m n p]
T = x1,1,...,x1, x2,1,...,x2, x3,1,...,x3, x
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎢⎢
⎢
⎣
⎡
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
•
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
•
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
•
=
p n
m
a a
a a
a a
, 3 1 , 3 , 2 1 , 2 , 1 1 , 1
0 0
0 0
0 0 0
0
0 0
0
0 0
0 0 0
0 0
0 0
0 0
0 0
A
dodatnio określona macierz współczynników wag przypisanych do każdego odbiorcy
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
−
−
−
=
1 1 0
0 1 1
1 0 1
T1 strukturalna macierz połączeń
międzyzbiornikowych,
[ ]
( )[ ]
( )[ ]
( )⎥⎥⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
T p T
n T
m
, 1 , 1 , 1
2
1 0 0
0 1
0
0 0 1
T strukturalna macierz powiązana z odpływami,
[
V1 V2 V3]
T =
V wektor zapasów wody w zbiornikach,
[
q12 q23 q31T =
q
]
]
wektor przerzutów międzyzbiornikowych,[
λ1 λ2 λ3=
λT wektor mnożników Lagrange’a.
Można również przeprowadzić dekompozycję (podział) zadania globalnego na mniejsze części, rozwiązać zadania cząstkowe a następnie dokonać agregacji rozwiązań cząstkowych.
Dekompozycja
Rozwiązanie pierwszego zadania cząstkowego. Otoczenie zbiornika nr 1
( ) ( )
0 :
1 1 12 13 1
1 1 1 1 1
1
≥
⋅
− +
−
−
⋅
⋅
−
=
X 1
X A X
A
q T
q V g
F z T A z
(22) Funkcję Lagrange’a dla elementów (22) przedstawiono poniżej
(
1 1)
1(
1 1)
1(
1 12 13 1)
1= A −X ⋅ ⋅ A −X +λ ⋅ V −q +q −1T⋅X
L z T A z (23)
w której:
[
z z m Tz1 = A1,1 • • A1,
A
]
]
]
zapotrzebowania odbiorców zbiornika nr 1,
[
mT x1,1 x1,
1 = • •
X odpływy ze zbiornika nr 1 do odbiorców,
⎥⎥
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢⎢
⎢
⎣
⎡
•
= •
a m
a
, 1 1
, 1
1
0 0 0
0 0
0
0 0 0
0 0 0
A dodatnio określona macierz współczynników wag,
[
( )mT
,
1 1
1 • •
=
1 wektor jednostkowy,
λ1 mnożnik Lagrange’a,
V1 zapas wody w zbiorniku nr 1,
q12 przerzut wody ze zbiornika nr 1 do zbiornika nr 2, q31 przerzut wody ze zbiornika nr 3 do zbiornika nr 1.
Korzystając z warunków Kuhna-Tuckera otrzymujemy
( )
[
∇xL1 xˆ,λˆ,q]
=0,(
Az1−Xˆ1)
T⋅A1−λˆ1⋅1T =0(24)
1 1 1 1
1 ˆ
ˆ =Az − − ⋅1⋅λ
X A
1 0
1 ∂ =
∂L λ
(
V1−q12+q13−1T⋅X1)
=0 (25) Podstawiając (24) do (25) oraz przyjmując C1=V1−q12+q13 otrzymujemy( )
ˆ 0 ˆ 0
1 1 1 1
1
1 1 1 1 1
=
⋅
⋅
⋅ +
⋅
−
=
⋅
⋅
−
⋅
−
−
−
λ C
λ C
z z
1 1
A 1
1 A
1
T T
T
A A
( ) (
1 1)
1 1 1
ˆ1 C
λ = 1T⋅A− ⋅1− ⋅ 1T⋅Az − (26)
oraz
( ) (
1 1)
1 1 1 1
1 1
ˆ1=Az − − ⋅1⋅ 1 ⋅ − ⋅1− ⋅ 1T ⋅Az −C
X A T A
a po dalszych przekształceniach
(27) q
S D E
Xˆ1= 1− 1⋅ 1⋅ gdzie:
( )
( )
[ ]
[
12 23 31]
1
1 1 1 1
1
1 1 1 1
1 1
1 0 1
q q q
V
T
z z
=
−
=
−
⋅
⋅
−
=
⋅
⋅
⋅
⋅
= − − −
q S
A 1 D A E
1 1
1 D
T
T A
A
Rozwiązanie drugiego zadania cząstkowego. Otoczenie zbiornika nr 2
( ) ( )
2 23
12 2
2 2 2 2 2
2
2 1 X
X A X
A
⋅
−
− +
=
−
⋅
⋅
−
=
T z T
z
q q V g
F A
(28) Funkcję Lagrange’a dla elementów (28) przedstawiono poniżej
(
2 2)
2(
2 2)
2(
2 12 23 2)
2= A −X ⋅ ⋅ A −X +λ ⋅V −q +q −1T⋅X
L z T A z (29)
w której:
[
z z n Tz2 = A2,1 • • A2,
A
]
]
]
zapotrzebowania odbiorców zbiornika nr 2,
[
nT x2,1 x2,
2 = • •
X odpływy ze zbiornika nr 2 do odbiorców,
⎥⎥
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢⎢
⎢
⎣
⎡
•
= •
a n
a
, 2 1
, 2
2
0 0 0
0 0
0
0 0 0
0 0 0
A dodatnio określona macierz współczynników wag,
[
( )nT
,
1 1
1 • •
=
1 wektor jednostkowy,
λ mnożnik Lagrange’a, 2
V 2 zapas wody w zbiorniku nr 2,
q 12 przerzut wody ze zbiornika nr 1 do zbiornika nr 2, q 23 przerzut wody ze zbiornika nr 2 do zbiornika nr 3.
Rozwiązanie sprowadza się do analogicznej postaci jak poprzednio
(30) q
S D E
Xˆ2= 2− 2⋅ 2⋅ gdzie:
( )
( )
[ ]
[
12 23 31]
2
2 2 2 2
2
1 1 2 1
2 2
0 1 1
q q q
V
T
z z
T
=
−
=
−
⋅
⋅
−
=
⋅
⋅
⋅
⋅
= − − −
q S
A 1 D A E
1 1
1 D
T
A A
Rozwiązanie trzeciego zadania cząstkowego. Otoczenie zbiornika nr 3
( ) ( )
3 13
23 3
3 3 3 3 3
3
3 1 X
X A X
A
⋅
−
− +
=
−
⋅
⋅
−
=
T z T
z
q q V g
F A
(31) Funkcję Lagrange’a dla elementów (31) zestawiono poniżej
(
3 3)
3(
3 3)
3(
3 23 31 3)
2= A −X ⋅ ⋅ A −X +λ ⋅V +q −q −1T⋅X
L z T A z (32)
w której:
[
z z pT
z3 = A3,1 • • A3,
A
]
]
]
zapotrzebowania odbiorców zbiornika nr 3,
[
pT x3,1 x3,
3 = • •
X odpływy ze zbiornika nr 3 do odbiorców,
⎥⎥
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢⎢
⎢
⎣
⎡
•
= •
a p
a
, 3 1
, 3
3
0 0 0
0 0
0
0 0 0
0 0 0
A dodatnio określona macierz współczynników wag,
[
( )pT
,
1 1
1 • •
=
1 wektor jednostkowy,
λ mnożnik Lagrange’a, 3
V 3 zapas wody w zbiorniku nr 3,
q 23 przerzut wody ze zbiornika nr 2 do zbiornika nr 3, q 31 przerzut wody ze zbiornika nr 3 do zbiornika nr 1.
Rozwiązanie jest w postaci analogicznej jak w zadaniu cząstkowym nr 1 i nr 2
(33) q
S D E
Xˆ3= 3− 3⋅ 3⋅ gdzie:
( )
( )
[ ]
[
12 23 31]
3
3 3 3 3
3
1 1 3 1
3 3
1 1 0
q q q
V
T
z z
T
=
−
=
−
⋅
⋅
−
=
⋅
⋅
⋅
⋅
= − − −
q S
A 1 D A E
1 1
1 D
T
A A
Agregacja zadań cząstkowych
Dysponując wzorami (27), (30), (33), które określają wektory optymalnych odpływów ze zbiorników w funkcji przerzutów międzyzbiornikowych, następnie wykorzystując zaagregowane zadanie optymalizacji należy wyznaczyć optymalne wartości przerzutów między kolejnymi zbiornikami.
W tym celu w oparciu o (28), (30), (33) tworzymy wskaźnik jakości, który w dalszej kolejności różniczkujemy względem wektora przerzutów międzyzbiornikowych q
(
q) (
q)
F =0,5⋅ E−D⋅S⋅1⋅ T⋅I⋅ E−D⋅S⋅1⋅ (34) we wskaźniku (34) przyjęte symbole oznaczają macierze blokowe i wektory
blokowe, których elementami są macierze i wektory używane w trakcie rozwiązywania zadań cząstkowych
( ) ( ) ( )
[
m n p]
T
, 31 , 21 ,
11 E E
E E =
( )
( )
( )⎥⎥⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
1 3 , 1 2 , 1 1 ,
0 0
0 0
0 0
p n
m
D D
D
D ,
( ) ( )
( )⎥⎥⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
3 , 31 3 , 21 3 , 11
0 0
0 0
0 0
S S S S
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
⎥⎥
⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
1 0 0
0 1 0
0 0 1 1 0 0
0 1 0
0 0 1 1 0 0
0 1 0
0 0 1
1T ,
( ) ( )
( )⎥⎥⎥
⎦
⎤
⎢⎢
⎢
⎣
⎡
=
p p n n m m
3 , 2 , , 1
0 0
0 0
0 0
I I I
I
[
q12 q23 q31]
T =
q
Przyrównując do zera gradient globalnej funkcji kosztów względem wektora przerzutów międzyzbiornikowych, otrzymujemy związki, z których możliwe jest wyliczenie wektora optymalnych przerzutów międzyzbiornikowych.
[ ( )∇qF qˆ]
T=0 −(
E−D⋅S⋅1⋅qˆ)
T ⋅I⋅D⋅S⋅1=0
( ) ( )
(
1)
1 q(
1)
E0 q 1 E
1
⋅
⋅
⋅
⋅
=
⋅
⋅
⋅
⋅
⋅
⋅
⋅
=
⋅
⋅
⋅
−
⋅
⋅
⋅
⋅
−
T T
T
S D I S
D S
D I
S D S
D I
ˆ ˆ
(35)
( )
[
1 1] (
1)
Eqˆ= I⋅D⋅S⋅ T ⋅D⋅S⋅ −1⋅ I⋅D⋅S⋅ T⋅
Kończąc podstawiamy otrzymany wzór (35) do wzorów (28), (30), (33) otrzymując tym samym optymalne wartości odpływów z kolejnych zbiorników do wskazanych odbiorców.
q S D E
Xˆ ˆ
1 1 1
1= − ⋅ ⋅
q S D E
Xˆ ˆ
2 2 2
2= − ⋅ ⋅
(36) q
S D E
Xˆ ˆ
3 3 3
3= − ⋅ ⋅
Wektory (35), (36) zapewniają minimum strat globalnych w systemie wyrażonych w postaci przyjętego wskaźnika jakości
∑
.=
= 3
1 i
Fi
F
Agregacja parametryczna
Dotychczas poznaliśmy takie pojęcia jak dekompozycja zadania głównego (globalnego) na zadania cząstkowe, następnie agregacja rozwiązań cząstkowych celem otrzymania optymalnego rozwiązania globalnego.
Okazuje się, że przy niewielkiej modyfikacji zadania zaagregowanego można uzyskać wiele rozwiązań zaagregowanych w funkcji przyjętej macierzy, której elementami są współczynniki zwane współczynnikami wagi, preferencji lub aspiracji itp. Otrzymane zaagregowane rozwiązania w zakresie obowiązującego ograniczenia globalnego tworzą zbiór rozwiązań zaagregowanych z parametrem a sam proces tworzenia zbioru rozwiązań można nazwać agregacją parametryczną.
Tworzenie zbioru zaagregowanych rozwiązań przedstawione zostanie na dwóch prostych przykładach.
Przykład 1
Rozpatrzymy system dystrybucji wody jak na rysunku 3, w którym poszukujemy takich wartości zmiennych xi,i=1,...,4, qj, j=1,2, które zminimalizują globalne koszty dystrybucji wody w systemie oszacowane jako
(37)
∑
∑
= ==
= 4
1 2 4
1 i
i i i
i ax
F F przy ograniczeniach
0 :
0 :
0 :
2 3 1
3
4 3 2 2 2
2 1 1 1 1
≤
−
− +
≤
−
− +
≤
−
− +
q q z A g
x x q A g
x x q A g
z z z
(38)
3 4
AZ2
x3 x4
AZ3
q1 q2
Z
1 2
AZ1
x1 x2
wydzielony układ cząstkowy nr 1
⎥⎦
⎢ ⎤
⎣
⎡
2 1
0 0 α α
Rys. 3. Analizowany system wodno-gospodarczy
Dekompozycja
Zadanie globalne zdekomponowane zostanie na dwa zadania cząstkowe:
A S1:min
(
F1+F2)
przy ograniczeniu . g1 B S2:min(
F3+F4)
przy ograniczeniu . g2Rozwiązanie sprowadza się do zapisania funkcji Lagrange’a i skorzystanie z warunków K-T.
Ad A
[ ] ( ) [ ]
⎭⎬
⎫
⎩⎨
⎧ ⎥
⎦
⎢ ⎤
⎣
⋅⎡
− +
⋅
⎥+
⎦
⎢ ⎤
⎣
⋅⎡
⎥⎦
⎢ ⎤
⎣
⋅⎡
=
2 1 1 1
2 1 22 11 2
1 1 1
0 0
x q x
x A x a x a
x
L λ z
( )
[
1 1 1]
1 1
1 X 1 X
X ⋅ ⋅ + ⋅ + − ⋅
= T Az q T
L A λ (39)
( )
[
∇X1L Xˆ1,λˆ]
T =0 X1T⋅A1+λˆ⋅1T =0(40) ˆ 1 λˆ
1 1= − ⋅1⋅ X A
( )
ˆ 00 1+ 1 − ⋅ 1=
=
∂
∂L λ Az q 1T X (41)
podstawiając (40) do (41) otrzymujemy
(42)
( )
( ) (
1 1)
1 1 1
1 1 1 1
ˆ
ˆ 0 q A q
A
z T
T z
+
⋅
⋅
⋅
=
=
⋅
⋅
⋅
− +
− −
−
1 1
1 1
A A λ
λ
i ostatecznie
( ) (
1 11 1 1 1
1
ˆ1= − ⋅1⋅ 1T⋅ − ⋅1 − ⋅ Az +q
X A A
)
(43)jeżeli oznaczymy
(
11)
11 1 1
− −
− ⋅ ⋅ ⋅ ⋅
= 1 1 1
D A T A
wówczas
(44)
1 1 1 1
ˆ1=D ⋅Az +D ⋅q X
Ad B Analogicznie dla drugiego zadania cząstkowego
(45)
2 2 2 2
ˆ2=D ⋅Az +D ⋅q X
gdzie:
[ ]
( )
⎥⎦
⎢ ⎤
⎣
=⎡
⋅
⋅
⋅
⋅
=
=
− −
−
44 33 2
1 1 2 1
2 2
4 3 2
0 0 ˆ
a a
x
T x
A
A
A 1 1 1
D X
T
Agregacja
a Agregacje zadań cząstkowych można przeprowadzić poprzez rozwiązanie zadania globalnego ze wskaźnikiem jakości w postaci (37) i ograniczeniem globalnym g3 (38) i wówczas otrzymamy jako rozwiązanie jeden wektor optymalnych przepływów oraz jeden wektor odpływów qˆ XˆT =
[
Xˆ1 Xˆ2]
. Jest toklasyczne rozwiązanie zaagregowanego zadania optymalizacji.
(46)
⎪⎭
⎪⎬
⎫
⎪⎩
⎪⎨
⎧ ⎥
⎦
⎢ ⎤
⎣
⋅⎡
⎥⎦
⎢ ⎤
⎣ +⎡
⎥⎦
⎢ ⎤
⎣
⋅⎡
⎥⎦
⎢ ⎤
⎣
⋅ ⎡
⎪⎭ ⋅
⎪⎬
⎫
⎪⎩
⎪⎨
⎧ ⎥
⎦
⎢ ⎤
⎣
⋅⎡
⎥⎦
⎢ ⎤
⎣ +⎡
⎥⎦
⎢ ⎤
⎣
⋅⎡
⎥⎦
⎢ ⎤
⎣
= ⎡
2 1 2 1 2 1 2 1
2 1 2 1 2 1 2 1
0 0 0
0 0
0 0
0
q q A
A q q A
F A
z z
T
z z
D D D
D
D D D
D
b Agregacje zadań cząstkowych można również przeprowadzić z wprowadzeniem macierzy ⎥ współczynników wag, (preferencji, aspiracji
⎦
⎢ ⎤
⎣
=⎡
2 1
0 0 φ
Φ φ (φ1+φ2=1)),
a w takiej sytuacji wskaźnik jakości przyjmie postać