《 ERP高階計劃》書的解讀之二APS演算法分析之單一:內點方法(蔡穎)(轉)

urinator發表於2007-08-04

《 ERP高階計劃》書的解讀之二APS演算法分析之單一:內點方法(蔡穎)

http://www.amteam.org/k/Board/2004-11/0/484323.html


1. 單一方法

1),單一演算法

-最初的單一方法的案例

目標函式

Z = 500×X + 300×Y => max!

約束

X 6

Y 8

2 ×X+ 3×Y 24

X,Y3 0

Z-500×X-300×Y = 0

X+ V1=6

Y+V2 =8

2 ×X +3×Y+ V3 =24

X, Y ,V1,V2,V3 30

-開始表:

基本

X

Y

V1

V2

V3

方案

V1

1

0

1

0

0

6

V2

0

1

0

1

0

8

V3

2

3

0

0

1

24

Z

-500

-300

0

0

0

0

-最大目標函式的演算法

-約束被轉換成增加鬆散變數V1,V2,V3的限制

單一方法的意思:

在方法裡,用一個非基本變數改變一個基本變數 V1,V2,V3

- 目標值增加

- 基本變數的值和剩餘非-負值

-基本改變的優選:在目標函式行裡,非基本變數和負係數

-如果目標函式的所有係數是非負的,最佳方案就找到了。

 

演算法:非基本變數的選擇是在基本里:

1. 重要列的決定: 在目標函式行的最低負係數的變數被選擇,因為目標值增加大部分是這個變數(這裡: X –500). 在這個順序,重要欄目是q (這裡: q = 1)

重點要素: A11

基本

X

Y

V1

V2

V3

方案

qi

V1

1

0

1

0

0

6

6

V2

0

1

0

1

0

8

-

V3

2

3

0

0

1

24

12

Z

-500

-300

0

0

0

0

重要步驟:

基本

X

Y

V1

V2

V3

方案

X

1

0

1

0

0

6

V2

0

1

0

1

0

8

V3

0

3

-2

0

1

12

Z

0

-300

500

0

0

3000

2. 重要行的決定: 目標函式增加的值是隨著新的基本變數的值。如 這個值應該儘可能的大。一般來說,新的基本變數的增加會導致其它一變數的減少,因為 ,否則約束就會衝突。(如:人力約束). 因此,新基本變數增加是有條件限制的,其條件是其它基本變數剩餘非-負的值。 新的基本變數唯一被增加,直到其它變數之一的值等於0 這個變數將是基本。決定這個瓶頸的所有係數 aiq > 0 重要列q 的商計算如下:

qi= bi/ aiq 對所有行 i aiq > 0

bi
是在方案列裡行的係數值。那麼在行P的變數必須被基本的在最低的非-負的值的商 qi (: q1的值
6).

重要因素: a11 (p=1, q=1)

3. 重要步驟:在重要行裡用 `1`建立一單位向量,如 a*pq =1

4. 優化條件:,如果目標函式的行的所有係數是非負的,就找到最佳方案。否則就回到第一步(選擇總要列)

這裡: 優化條件是不能完成的。 => 回到第一步.

重要要素: a32

基本

X

Y

V1

V2

V3

方案

qi

X

1

0

1

0

0

6

-

V2

0

1

0

1

0

8

8

V3

0

3

-2

0

1

12

4

Z

0

-300

500

0

0

3000

重要步驟:

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/7942439/viewspace-20262/,如需轉載,請註明出處,否則將追究法律責任。

《 ERP高階計劃》書的解讀之二APS演算法分析之單一:內點方法(蔡穎)(轉)
請登入後發表評論 登入
全部評論

相關文章