សេចក្តីផ្តើម
ដំណាក់កាលទំនើបនៃការអភិវឌ្ឍន៍មនុស្សគឺខុសគ្នាត្រង់ថា សតវត្សនៃថាមពលកំពុងត្រូវបានជំនួសដោយយុគសម័យព័ត៌មានវិទ្យា។ មានការណែនាំយ៉ាងយកចិត្តទុកដាក់នៃបច្ចេកវិទ្យាថ្មីនៅក្នុងគ្រប់វិស័យនៃសកម្មភាពរបស់មនុស្ស។ មានបញ្ហាពិតប្រាកដនៃការផ្លាស់ប្តូរទៅកាន់សង្គមព័ត៌មាន ដែលការអភិវឌ្ឍន៍ការអប់រំគួរតែក្លាយជាអាទិភាព។ រចនាសម្ព័ន្ធនៃចំណេះដឹងនៅក្នុងសង្គមក៏កំពុងផ្លាស់ប្តូរផងដែរ។ ចំណេះដឹងជាមូលដ្ឋានដែលរួមចំណែកដល់ការអភិវឌ្ឍន៍ប្រកបដោយភាពច្នៃប្រឌិតរបស់បុគ្គលគឺកាន់តែមានសារៈសំខាន់សម្រាប់ជីវិតជាក់ស្តែង។ ភាពស្ថាបនានៃចំណេះដឹងដែលទទួលបាន សមត្ថភាពក្នុងការរៀបចំរចនាសម្ព័ន្ធវាឱ្យស្របតាមគោលដៅក៏សំខាន់ផងដែរ។ ផ្អែកលើចំណេះដឹង ធនធានព័ត៌មានថ្មីៗរបស់សង្គមត្រូវបានបង្កើតឡើង។ ការបង្កើត និងការទទួលបានចំណេះដឹងថ្មីគួរតែផ្អែកលើវិធីសាស្រ្តដ៏តឹងរឹងនៃវិធីសាស្រ្តជាប្រព័ន្ធ ដែលនៅក្នុងនោះកន្លែងដាច់ដោយឡែកមួយត្រូវបានកាន់កាប់ដោយវិធីសាស្រ្តគំរូ។ លទ្ធភាពនៃវិធីសាស្រ្តគំរូគឺមានភាពចម្រុះយ៉ាងខ្លាំងទាំងនៅក្នុងលក្ខខណ្ឌនៃគំរូផ្លូវការដែលបានប្រើ និងនៅក្នុងវិធីនៃការអនុវត្តវិធីសាស្រ្តគំរូ។ ការធ្វើគំរូរូបវន្តធ្វើឱ្យវាអាចទទួលបានលទ្ធផលគួរឱ្យទុកចិត្តសម្រាប់ប្រព័ន្ធសាមញ្ញយុត្តិធម៌។
នាពេលបច្ចុប្បន្ននេះ វាមិនអាចទៅរួចទេក្នុងការដាក់ឈ្មោះតំបន់នៃសកម្មភាពរបស់មនុស្ស ដែលក្នុងកម្រិតមួយ ឬមួយកម្រិតទៀត វិធីសាស្ត្រគំរូនឹងមិនត្រូវបានប្រើទេ។ នេះជាការពិតជាពិសេសសម្រាប់ការគ្រប់គ្រងប្រព័ន្ធផ្សេងៗ ដែលចំណុចសំខាន់គឺដំណើរការធ្វើការសម្រេចចិត្តដោយផ្អែកលើព័ត៌មានដែលទទួលបាន។
1. សេចក្តីថ្លែងការណ៍អំពីបញ្ហា
មុខងារគោលដៅអប្បបរមា
ដោះស្រាយបញ្ហានៃការស្វែងរកអប្បបរមានៃមុខងារគោលបំណងសម្រាប់ប្រព័ន្ធនៃឧបសគ្គដែលបានបញ្ជាក់ដោយពហុកោណការសម្រេចចិត្តស្របតាមជម្រើសលេខ 16 នៃកិច្ចការ។ ពហុកោណនៃការសម្រេចចិត្តត្រូវបានបង្ហាញក្នុងរូបភាពទី 1៖
រូបភាពទី 1 - ពហុកោណនៃដំណោះស្រាយបញ្ហា
ប្រព័ន្ធនៃឧបសគ្គ និងមុខងារគោលបំណងនៃបញ្ហាត្រូវបានបង្ហាញដូចខាងក្រោម៖
វាចាំបាច់ក្នុងការដោះស្រាយបញ្ហាដោយប្រើវិធីដូចខាងក្រោមៈ
វិធីសាស្រ្តក្រាហ្វិកសម្រាប់ការដោះស្រាយបញ្ហា LP;
វិធីសាស្រ្តពិជគណិតសម្រាប់ការដោះស្រាយបញ្ហា LP;
វិធីសាស្រ្តសាមញ្ញសម្រាប់ការដោះស្រាយបញ្ហា LP;
វិធីសាស្រ្តក្នុងការស្វែងរកដំណោះស្រាយដែលអាចធ្វើទៅបានចំពោះបញ្ហា LP;
ការដោះស្រាយបញ្ហា LP ពីរ;
វិធីសាស្រ្តនៃ "សាខានិងព្រំដែន" សម្រាប់ដោះស្រាយបញ្ហា LP ចំនួនគត់;
វិធីសាស្រ្តរបស់ Gomory សម្រាប់ដោះស្រាយបញ្ហា LP ចំនួនគត់;
វិធីសាស្រ្ត Balash សម្រាប់ដោះស្រាយបញ្ហា Boolean LP ។
ប្រៀបធៀបលទ្ធផលនៃដំណោះស្រាយដោយវិធីសាស្ត្រផ្សេងៗ ដើម្បីធ្វើការសន្និដ្ឋានសមស្របលើការងារ។
ដំណោះស្រាយក្រាហ្វិកនៃបញ្ហាកម្មវិធីលីនេអ៊ែរ
វិធីសាស្ត្រក្រាហ្វិកសម្រាប់ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរត្រូវបានប្រើក្នុងករណីដែលចំនួនមិនស្គាល់មិនលើសពីបី។ វាងាយស្រួលសម្រាប់ការសិក្សាគុណភាពនៃលក្ខណៈសម្បត្តិនៃដំណោះស្រាយ និងត្រូវបានប្រើប្រាស់ដោយភ្ជាប់ជាមួយវិធីសាស្រ្តផ្សេងទៀត (ពិជគណិត សាខា និងចង។ ល។ )។ គំនិតនៃវិធីសាស្រ្តគឺផ្អែកលើដំណោះស្រាយក្រាហ្វិកនៃប្រព័ន្ធនៃវិសមភាពលីនេអ៊ែរ។
អង្ករ។ 2 ដំណោះស្រាយក្រាហ្វិកនៃបញ្ហា LP
ចំណុចទាប
សមីការនៃបន្ទាត់ត្រង់ឆ្លងកាត់ពីរចំណុច A1 និង A2៖
AB: (0;1); (៣;៣)
ព្រះអាទិត្យ: (3; 3); (4; 1)
ស៊ីឌី៖ (៤; ១); (3;0)
EA: (1; 0); (0;1)
CF: (0; 1); (5; 2)
ជាមួយនឹងការរឹតបន្តឹង៖
ការដោះស្រាយបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរដោយវិធីសាស្ត្រសាមញ្ញពិជគណិត
ការអនុវត្តវិធីសាស្រ្តពិជគណិតសម្រាប់ការដោះស្រាយបញ្ហាតម្រូវឱ្យមានការធ្វើឱ្យទូទៅនៃតំណាងនៃបញ្ហា LP ។ ប្រព័ន្ធដើមនៃឧបសគ្គដែលបានផ្តល់ឱ្យក្នុងទម្រង់នៃវិសមភាពត្រូវបានបំប្លែងទៅជាសញ្ញាណស្តង់ដារនៅពេលដែលឧបសគ្គត្រូវបានផ្តល់ឱ្យក្នុងទម្រង់សមភាព។ ការបំប្លែងប្រព័ន្ធនៃឧបសគ្គទៅជាទម្រង់ស្ដង់ដាររួមមានជំហានដូចខាងក្រោមៈ
បំប្លែងវិសមភាពតាមរបៀបដែលអថេរ និងសមាជិកទំនេរនៅខាងឆ្វេង និង 0 នៅខាងស្តាំ i.e. ថាផ្នែកខាងឆ្វេងធំជាងឬស្មើសូន្យ;
ណែនាំអថេរបន្ថែមចំនួនដែលស្មើនឹងចំនួនវិសមភាពនៅក្នុងប្រព័ន្ធនៃការរឹតបន្តឹង;
ការណែនាំអំពីការរឹតបន្តឹងបន្ថែមលើភាពមិនអវិជ្ជមាននៃអថេរដែលបានបន្ថែម ជំនួសសញ្ញាវិសមភាពជាមួយនឹងសញ្ញាស្មើគ្នាយ៉ាងតឹងរឹង។
នៅពេលដោះស្រាយបញ្ហា LP ដោយវិធីសាស្ត្រពិជគណិត លក្ខខណ្ឌមួយត្រូវបានបន្ថែម៖ មុខងារគោលបំណងគួរតែមានទំនោរទៅអប្បបរមា។ ប្រសិនបើលក្ខខណ្ឌនេះមិនត្រូវបានបំពេញ នោះចាំបាច់ត្រូវបំប្លែងមុខងារគោលបំណង (គុណនឹង -1) ឱ្យបានត្រឹមត្រូវ និងដោះស្រាយបញ្ហានៃការបង្រួមអប្បបរមា។ បន្ទាប់ពីដំណោះស្រាយត្រូវបានរកឃើញ ជំនួសតម្លៃនៃអថេរនៅក្នុងមុខងារដើម ហើយគណនាតម្លៃរបស់វា។
ដំណោះស្រាយនៃបញ្ហាដោយប្រើវិធីសាស្ត្រពិជគណិតត្រូវបានចាត់ទុកថាល្អបំផុតនៅពេលដែលតម្លៃនៃអថេរមូលដ្ឋានទាំងអស់មិនអវិជ្ជមាន ហើយមេគុណសម្រាប់អថេរឥតគិតថ្លៃនៅក្នុងសមីការមុខងារគោលបំណងក៏មិនអវិជ្ជមានផងដែរ។ ប្រសិនបើលក្ខខណ្ឌទាំងនេះមិនត្រូវបានបំពេញ នោះចាំបាច់ត្រូវបំប្លែងប្រព័ន្ធវិសមភាព ដោយបង្ហាញពីអថេរមួយចំនួនក្នុងលក្ខខណ្ឌផ្សេងទៀត (ផ្លាស់ប្តូរអថេរឥតគិតថ្លៃ និងមូលដ្ឋាន) ដើម្បីសម្រេចបាននូវការរឹតបន្តឹងខាងលើ។ តម្លៃនៃអថេរឥតគិតថ្លៃទាំងអស់ត្រូវបានសន្មតថាជាសូន្យ។
វិធីសាស្រ្តពិជគណិតសម្រាប់ការដោះស្រាយបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរគឺជាវិធីសាស្រ្តដ៏មានប្រសិទ្ធភាពបំផុតមួយសម្រាប់ការដោះស្រាយបញ្ហានៃវិមាត្រតូចដោយដៃ។ មិនតម្រូវឱ្យមានការគណនានព្វន្ធច្រើនទេ។ ការអនុវត្តម៉ាស៊ីននៃវិធីសាស្រ្តនេះគឺមានភាពស្មុគស្មាញជាងឧទាហរណ៍សម្រាប់វិធីសាស្រ្តសាមញ្ញព្រោះ ក្បួនដោះស្រាយសម្រាប់ការដោះស្រាយវិធីសាស្រ្តពិជគណិតគឺនៅក្នុងវិសាលភាពមួយចំនួននៃ heuristic និងប្រសិទ្ធភាពនៃដំណោះស្រាយភាគច្រើនអាស្រ័យលើបទពិសោធន៍ផ្ទាល់ខ្លួន។
អថេរឥតគិតថ្លៃ
ផ្លូវផ្លូវ - បន្ថែម។ ឧបករណ៍
លក្ខខណ្ឌមិនអវិជ្ជមានត្រូវបានពេញចិត្ត ដូច្នេះដំណោះស្រាយដ៏ល្អប្រសើរត្រូវបានរកឃើញ។
3. ការដោះស្រាយបញ្ហាសរសេរកម្មវិធីលីនេអ៊ែរដោយប្រើតារាងសាមញ្ញ
ដំណោះស្រាយ៖ ចូរនាំបញ្ហាទៅជាទម្រង់ស្តង់ដារសម្រាប់ដោះស្រាយដោយប្រើតារាងសាមញ្ញ។
យើងកាត់បន្ថយសមីការទាំងអស់នៃប្រព័ន្ធទៅជាទម្រង់៖
យើងបង្កើតតារាងសាមញ្ញមួយ៖
នៅជ្រុងខាងលើនៃក្រឡានីមួយៗនៃតារាងយើងបញ្ចូលមេគុណពីប្រព័ន្ធសមីការ;
យើងជ្រើសរើសធាតុវិជ្ជមានអតិបរមានៅក្នុងជួរ F លើកលែងតែវានឹងជាជួរឈរទូទៅ។
ដើម្បីស្វែងរកធាតុទូទៅ យើងបង្កើតទំនាក់ទំនងសម្រាប់វិជ្ជមានទាំងអស់។ ៣/៣; 9/1;- សមាមាត្រអប្បបរមានៅក្នុងបន្ទាត់ x3 ។ ដូច្នេះ - ខ្សែទូទៅ និង =3 - ធាតុទូទៅ។
យើងរកឃើញ =1/=1/3 ។ យើងនាំយកនៅជ្រុងខាងក្រោមនៃក្រឡាដែលធាតុទូទៅមានទីតាំងនៅ;
នៅជ្រុងខាងក្រោមដែលមិនបានបំពេញទាំងអស់នៃបន្ទាត់ទូទៅ យើងបញ្ចូលផលិតផលនៃតម្លៃនៅជ្រុងខាងលើនៃក្រឡាដោយ;
ជ្រើសរើសជ្រុងខាងលើនៃបន្ទាត់ទូទៅ;
នៅជ្រុងខាងក្រោមទាំងអស់នៃជួរឈរទូទៅយើងបញ្ចូលផលិតផលនៃតម្លៃនៅជ្រុងខាងលើដោយ - ហើយជ្រើសរើសតម្លៃលទ្ធផល;
ក្រឡាដែលនៅសល់នៃតារាងត្រូវបានបំពេញជាផលិតផលនៃធាតុដែលបានជ្រើសរើសដែលត្រូវគ្នា។
បន្ទាប់មកយើងបង្កើតតារាងថ្មីមួយដែលការរចនានៃក្រឡានៃធាតុនៃជួរឈរនិងជួរដេកទូទៅត្រូវបានបញ្ច្រាស (x2 និង x3);
នៅជ្រុងខាងលើនៃអតីតជួរដេក និងជួរឈរ តម្លៃដែលពីមុននៅជ្រុងខាងក្រោមត្រូវបានសរសេរ។
ផលបូកនៃតម្លៃនៃជ្រុងខាងលើ និងខាងក្រោមនៃក្រឡាទាំងនេះនៅក្នុងតារាងមុនត្រូវបានសរសេរនៅជ្រុងខាងលើនៃក្រឡាដែលនៅសល់
4. ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរដោយស្វែងរកដំណោះស្រាយដែលអាចធ្វើទៅបាន
អនុញ្ញាតឱ្យប្រព័ន្ធនៃសមីការពិជគណិតលីនេអ៊ែរត្រូវបានផ្តល់ឱ្យ៖
យើងអាចសន្មត់ថាអ្វីៗទាំងអស់ បើមិនដូច្នេះទេ យើងគុណសមីការដែលត្រូវគ្នាដោយ -1 ។
យើងណែនាំអថេរជំនួយ៖
យើងក៏ណែនាំមុខងារជំនួយផងដែរ។
យើងនឹងកាត់បន្ថយប្រព័ន្ធក្រោមកំហិត (2) និងលក្ខខណ្ឌ។
ច្បាប់សម្រាប់ការស្វែងរកដំណោះស្រាយដែលអាចកើតមាន៖ ដើម្បីស្វែងរកដំណោះស្រាយដែលអាចធ្វើទៅបានចំពោះប្រព័ន្ធ (1) យើងកាត់បន្ថយទម្រង់ (3) ក្រោមកម្រិត (2) ដោយសារការមិនស្គាល់ដោយឥតគិតថ្លៃ យើងយក xj ជាមូលដ្ឋាន។
នៅពេលដោះស្រាយបញ្ហាដោយវិធីសាស្ត្រសាមញ្ញ ករណីពីរអាចកើតឡើង៖
min f=0 បន្ទាប់មកខ្ញុំទាំងអស់ត្រូវតែស្មើនឹងសូន្យ។ ហើយតម្លៃលទ្ធផល xj នឹងក្លាយជាដំណោះស្រាយដែលអាចកើតមានចំពោះប្រព័ន្ធ (1)។
min f>0, i.e. ប្រព័ន្ធដើមមិនមានដំណោះស្រាយត្រឹមត្រូវទេ។
ប្រព័ន្ធប្រភព៖
លក្ខខណ្ឌនៃបញ្ហានៃប្រធានបទមុនត្រូវបានប្រើ។
តោះបន្ថែមអថេរបន្ថែម៖
ដំណោះស្រាយដែលអាចទទួលយកបានចំពោះបញ្ហាដើមត្រូវបានរកឃើញ៖ x1 = 3, x2 = 3, F = -12 ។ ដោយផ្អែកលើដំណោះស្រាយដែលអាចធ្វើទៅបាន យើងរកឃើញដំណោះស្រាយដ៏ប្រសើរបំផុតចំពោះបញ្ហាដើមដោយប្រើវិធីសាស្ត្រសាមញ្ញ។ ដើម្បីធ្វើដូចនេះយើងនឹងបង្កើតតារាងសាមញ្ញថ្មីមួយពីតារាងដែលទទួលបានខាងលើដោយលុបជួរដេកនិងជួរដេកជាមួយនឹងមុខងារគោលដៅនៃភារកិច្ចជំនួយ:
ការវិភាគតារាងសាមញ្ញដែលបានសាងសង់ យើងឃើញថាដំណោះស្រាយល្អបំផុតសម្រាប់បញ្ហាដើមត្រូវបានរកឃើញរួចហើយ (ធាតុនៅក្នុងជួរដែលត្រូវគ្នានឹងមុខងារគោលបំណងគឺអវិជ្ជមាន)។ ដូច្នេះ ដំណោះស្រាយដែលអាចកើតមាននៅពេលដោះស្រាយបញ្ហាជំនួយ ស្របពេលជាមួយនឹងដំណោះស្រាយដ៏ប្រសើរបំផុតនៃបញ្ហាដើម៖
6. បញ្ហាពីរនៃការសរសេរកម្មវិធីលីនេអ៊ែរ
ប្រព័ន្ធដំបូងនៃឧបសគ្គ និងមុខងារគោលបំណងនៃបញ្ហាត្រូវបានបង្ហាញក្នុងរូបភាពខាងក្រោម។
ជាមួយនឹងការរឹតបន្តឹង៖
ដំណោះស្រាយ៖ យើងនាំយកប្រព័ន្ធនៃការរឹតបន្តឹងទៅជាទម្រង់ស្តង់ដារ៖
ភារកិច្ចទ្វេរនឹងមួយនេះនឹងមើលទៅដូចនេះ៖
បញ្ហាទ្វេនឹងត្រូវបានដោះស្រាយដោយវិធីសាស្ត្រសាមញ្ញ។
អនុញ្ញាតឱ្យយើងបំប្លែងមុខងារគោលបំណងដើម្បីឱ្យបញ្ហាបង្រួមអប្បបរមាត្រូវបានដោះស្រាយ ហើយសរសេរប្រព័ន្ធនៃឧបសគ្គក្នុងទម្រង់ស្តង់ដារសម្រាប់ដោះស្រាយដោយវិធីសាស្ត្រសាមញ្ញ។
y6 = 1 - (-2 y1 + 2y2 + y3 + y4 + y5)
y7 = 5 - (-3y1 - y2 + y3 + y4)
Ф = 0 - (3y1 + 9y2 + 3y3 + y4) ??នាទី
អនុញ្ញាតឱ្យយើងបង្កើតតារាងសាមញ្ញដំបូងសម្រាប់ការដោះស្រាយបញ្ហា LP ពីរ។
ជំហានទីពីរនៃវិធីសាស្រ្តសាមញ្ញ
ដូច្នេះនៅជំហានទីបីនៃវិធីសាស្រ្តសាមញ្ញ ដំណោះស្រាយដ៏ល្អប្រសើរនៃបញ្ហាបង្រួមអប្បបរមាត្រូវបានរកឃើញជាមួយនឹងលទ្ធផលដូចខាងក្រោមៈ y2 = -7/8, y1 = -11/8, Ф = 12. ដើម្បីស្វែងរកតម្លៃនៃ មុខងារគោលបំណងនៃបញ្ហាទ្វេ យើងជំនួសតម្លៃដែលបានរកឃើញនៃអថេរមូលដ្ឋាន និងឥតគិតថ្លៃទៅក្នុងមុខងារអតិបរមា៖
Фអតិបរមា = - Фmin = 3*(-11/8) + 9(-7/8) + 3*0 + 0 = -12
ដោយសារតម្លៃនៃមុខងារគោលបំណងនៃបញ្ហាផ្ទាល់ និងពីរគឺដូចគ្នា ដំណោះស្រាយចំពោះបញ្ហាផ្ទាល់ត្រូវបានរកឃើញ ហើយស្មើនឹង 12 ។
Fmin \u003d Fmax \u003d -12
7. ការដោះស្រាយបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរចំនួនគត់ដោយប្រើវិធីសាស្ត្រ "សាខា និងព្រំដែន"
អនុញ្ញាតឱ្យយើងបំប្លែងបញ្ហាដើមតាមរបៀបដែលលក្ខខណ្ឌចំនួនគត់មិនពេញចិត្តនៅពេលដោះស្រាយដោយវិធីសាមញ្ញ។
ពហុកោណដំបូងនៃដំណោះស្រាយចំពោះបញ្ហាសរសេរកម្មវិធីចំនួនគត់។
អនុញ្ញាតឱ្យយើងបង្កើតប្រព័ន្ធថ្មីនៃឧបសគ្គសម្រាប់ពហុកោណដំណោះស្រាយដែលបានផ្លាស់ប្តូរ។
យើងសរសេរប្រព័ន្ធនៃឧបសគ្គក្នុងទម្រង់សមភាព សម្រាប់ដោះស្រាយដោយវិធីសាស្ត្រពិជគណិត។
ជាលទ្ធផលនៃដំណោះស្រាយផែនការភារកិច្ចដ៏ល្អប្រសើរត្រូវបានរកឃើញ: x1 = 9/4, x2 = 5/2, F = -41/4 ។ ដំណោះស្រាយនេះមិនបានបំពេញតាមលក្ខខណ្ឌសុចរិតភាពដែលបានកំណត់ក្នុងបញ្ហានោះទេ។ យើងបែងចែកពហុកោណដំណោះស្រាយដើមជាពីរតំបន់ ដោយមិនរាប់បញ្ចូលតំបន់ 3 ពីវា។ បានផ្លាស់ប្តូរពហុកោណនៃដំណោះស្រាយបញ្ហា អនុញ្ញាតឱ្យយើងបង្កើតប្រព័ន្ធថ្មីនៃការរឹតបន្តឹងសម្រាប់តំបន់ដែលបានបង្កើតឡើងនៃពហុកោណដំណោះស្រាយ។ តំបន់ខាងឆ្វេងគឺជារាងបួនជ្រុង (trapezium) ។ ប្រព័ន្ធកំហិតសម្រាប់តំបន់ខាងឆ្វេងនៃពហុកោណដំណោះស្រាយត្រូវបានបង្ហាញខាងក្រោម។ ប្រព័ន្ធរឹតបន្តឹងសម្រាប់តំបន់ខាងឆ្វេង តំបន់ត្រឹមត្រូវតំណាងឱ្យចំណុច C ។ ប្រព័ន្ធនៃឧបសគ្គសម្រាប់តំបន់ការសម្រេចចិត្តត្រឹមត្រូវត្រូវបានបង្ហាញខាងក្រោម។ ប្រព័ន្ធកំហិតថ្មីគឺជាបញ្ហាសាខាពីរដែលត្រូវដោះស្រាយដោយឯករាជ្យពីគ្នាទៅវិញទៅមក។ ចូរដោះស្រាយបញ្ហានៃការសរសេរកម្មវិធីចំនួនគត់សម្រាប់តំបន់ខាងឆ្វេងនៃពហុកោណដំណោះស្រាយ។ ជាលទ្ធផលនៃដំណោះស្រាយផែនការភារកិច្ចដ៏ល្អប្រសើរត្រូវបានរកឃើញ: x1 = 3, x2 = 3, F = -12 ។ ផែនការនេះបំពេញលក្ខខណ្ឌនៃអថេរចំនួនគត់នៅក្នុងបញ្ហា ហើយអាចត្រូវបានយកជាផែនការយោងដ៏ល្អប្រសើរសម្រាប់បញ្ហាកម្មវិធីលីនេអ៊ែរចំនួនគត់ដើម។ វាគ្មានន័យទេក្នុងការអនុវត្តដំណោះស្រាយសម្រាប់តំបន់ដំណោះស្រាយត្រឹមត្រូវ។ រូបខាងក្រោមបង្ហាញពីវឌ្ឍនភាពនៃការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរចំនួនគត់ក្នុងទម្រង់ជាមែកធាង។ វគ្គនៃការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរចំនួនគត់ដោយវិធីសាស្ត្រ Gomory ។ នៅក្នុងការអនុវត្តជាក់ស្តែងជាច្រើន បញ្ហានៃការសរសេរកម្មវិធីចំនួនគត់គឺមានការចាប់អារម្មណ៍យ៉ាងខ្លាំង ដែលក្នុងនោះប្រព័ន្ធនៃវិសមភាពលីនេអ៊ែរ និងទម្រង់លីនេអ៊ែរត្រូវបានផ្តល់ឱ្យ។ វាត្រូវបានទាមទារដើម្បីស្វែងរកដំណោះស្រាយចំនួនគត់នៃប្រព័ន្ធ (1) ដែលកាត់បន្ថយមុខងារគោលបំណង F លើសពីនេះ មេគុណទាំងអស់គឺជាចំនួនគត់។ វិធីសាស្រ្តមួយក្នុងការដោះស្រាយបញ្ហាសរសេរកម្មវិធីចំនួនគត់ត្រូវបានស្នើឡើងដោយ Gomori ។ គំនិតនៃវិធីសាស្រ្តគឺត្រូវប្រើវិធីសាស្រ្តនៃការសរសេរកម្មវិធីលីនេអ៊ែរបន្ត ជាពិសេសវិធីសាស្រ្តសាមញ្ញ។ 1) ដោយប្រើវិធីសាស្រ្តសាមញ្ញដំណោះស្រាយចំពោះបញ្ហា (1), (2) ត្រូវបានកំណត់ដែលតម្រូវការដែលដំណោះស្រាយជាចំនួនគត់ត្រូវបានដកចេញ។ ប្រសិនបើដំណោះស្រាយប្រែទៅជាចំនួនគត់ នោះដំណោះស្រាយដែលចង់បានចំពោះបញ្ហាចំនួនគត់ក៏នឹងត្រូវបានរកឃើញផងដែរ។ 2) បើមិនដូច្នេះទេ ប្រសិនបើកូអរដោណេមួយចំនួនមិនមែនជាចំនួនគត់នោះ ដំណោះស្រាយដែលទទួលបាននៃបញ្ហាត្រូវបានពិនិត្យរកមើលលទ្ធភាពនៃអត្ថិភាពនៃដំណោះស្រាយចំនួនគត់ (វត្តមាននៃចំនួនគត់នៅក្នុងពហុកោណដែលអាចទទួលយកបាន)៖ ប្រសិនបើនៅក្នុងបន្ទាត់ណាមួយដែលមានសមាជិកសេរីប្រភាគ មេគុណផ្សេងទៀតទាំងអស់ប្រែទៅជាចំនួនគត់ បន្ទាប់មកមិនមានចំនួនគត់ ចំនុចនៅក្នុងពហុកោណដែលអាចទទួលយកបាន ហើយបញ្ហានៃការសរសេរកម្មវិធីចំនួនគត់មិនមានដំណោះស្រាយទេ។ បើមិនដូច្នេះទេ ឧបសគ្គលីនេអ៊ែរបន្ថែមត្រូវបានណែនាំ ដែលកាត់ផ្តាច់ចេញពីពហុលីនេអ៊ែរដែលអាចទទួលយកបាន ដែលជាផ្នែកមួយដែលមិនមានការសន្យាសម្រាប់ការស្វែងរកដំណោះស្រាយចំពោះបញ្ហាសរសេរកម្មវិធីចំនួនគត់។ 3) ដើម្បីបង្កើតឧបសគ្គលីនេអ៊ែរបន្ថែម សូមជ្រើសរើសជួរទី l ដោយមានសមាជិកទំនេរប្រភាគ ហើយសរសេរការកំណត់បន្ថែម កន្លែង និងនៅ រៀងគ្នា ផ្នែកប្រភាគនៃមេគុណ និងឥតគិតថ្លៃ សមាជិក។ ចូរយើងណែនាំអថេរជំនួយទៅក្នុងកម្រិត (3)៖ អនុញ្ញាតឱ្យយើងកំណត់មេគុណ និងរួមបញ្ចូលក្នុងកម្រិត (4)៖ កន្លែងណា និងជាចំនួនគត់ទាបបំផុតសម្រាប់ និងរៀងៗខ្លួន។ Gomory បានបង្ហាញថាចំនួនកំណត់នៃជំហានបែបនេះនាំទៅរកបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរដែលដំណោះស្រាយគឺចំនួនគត់ ហើយដូច្នេះ មួយចង់បាន។ ដំណោះស្រាយ៖ យើងកាត់បន្ថយប្រព័ន្ធនៃឧបសគ្គលីនេអ៊ែរ និងមុខងារគោលដៅទៅជាទម្រង់ Canonical៖ អនុញ្ញាតឱ្យយើងកំណត់ដំណោះស្រាយដ៏ល្អប្រសើរនៃប្រព័ន្ធនៃឧបសគ្គលីនេអ៊ែរ ដោយបោះបង់លក្ខខណ្ឌចំនួនគត់ជាបណ្តោះអាសន្ន។ យើងប្រើវិធីសាស្រ្តសាមញ្ញសម្រាប់ការនេះ។ តារាងខាងក្រោមបង្ហាញជាបន្តបន្ទាប់នូវដំណោះស្រាយដំបូងនៃបញ្ហា ហើយការផ្លាស់ប្តូរតារាងដើមត្រូវបានផ្តល់ឱ្យដើម្បីទទួលបានដំណោះស្រាយដ៏ប្រសើរបំផុតចំពោះបញ្ហា៖ ការដោះស្រាយបញ្ហា Boolean LP ដោយវិធីសាស្ត្រ Balash ។ តែងដោយឯករាជ្យនូវបំរែបំរួលសម្រាប់បញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរចំនួនគត់ជាមួយអថេរ Boolean ដោយគិតគូរពីច្បាប់ខាងក្រោម៖ បញ្ហានេះប្រើអថេរយ៉ាងតិច 5 យ៉ាងតិច 4 កម្រិត មេគុណនៃការរឹតបន្តឹង និងមុខងារគោលបំណងត្រូវបានជ្រើសរើសតាមអំពើចិត្ត ប៉ុន្តែក្នុងនោះ វិធីដែលប្រព័ន្ធនៃការរឹតបន្តឹងគឺត្រូវគ្នា។ ភារកិច្ចគឺដើម្បីដោះស្រាយ ZCLP ជាមួយអថេរ Boolean ដោយប្រើក្បួនដោះស្រាយ Balash និងកំណត់ការកាត់បន្ថយភាពស្មុគស្មាញក្នុងការគណនាទាក់ទងនឹងការដោះស្រាយបញ្ហាដោយការស្វែងរកពេញលេញ។ ការអនុវត្តការរឹតបន្តឹង តម្លៃ F ដែនកំណត់តម្រង៖ ការគណនាការកាត់បន្ថយការកំណត់ ដំណោះស្រាយនៃបញ្ហាដោយវិធីសាស្ត្រស្វែងរកពេញលេញគឺ 6*25=192 កន្សោមដែលបានគណនា។ ដំណោះស្រាយនៃបញ្ហាដោយវិធីសាស្ត្រ Balash គឺ 3*6+(25-3)=47 កន្សោមដែលបានគណនា។ ការកាត់បន្ថយសរុបនៃភាពស្មុគស្មាញនៃការគណនាទាក់ទងនឹងការដោះស្រាយបញ្ហាដោយវិធីសាស្រ្តស្វែងរកពេញលេញគឺ។ សេចក្តីសន្និដ្ឋាន ដំណើរការនៃការរចនាប្រព័ន្ធព័ត៌មានដែលអនុវត្តបច្ចេកវិទ្យាព័ត៌មានថ្មីកំពុងត្រូវបានកែលម្អឥតឈប់ឈរ។ ប្រព័ន្ធស្មុគ្រស្មាញកាន់តែខ្លាំងឡើងកំពុងក្លាយជាការយកចិត្តទុកដាក់របស់វិស្វករប្រព័ន្ធ ដែលធ្វើឱ្យវាពិបាកក្នុងការប្រើគំរូរូបវន្ត និងបង្កើនសារៈសំខាន់នៃគំរូគណិតវិទ្យា និងការក្លែងធ្វើប្រព័ន្ធកុំព្យូទ័រ។ គំរូម៉ាស៊ីនបានក្លាយជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពសម្រាប់ការស្រាវជ្រាវ និងការរចនាប្រព័ន្ធស្មុគស្មាញ។ ភាពពាក់ព័ន្ធនៃគំរូគណិតវិទ្យាកំពុងកើនឡើងឥតឈប់ឈរ ដោយសារភាពបត់បែនរបស់ពួកគេ ភាពគ្រប់គ្រាន់នៃដំណើរការពិត ការចំណាយទាបនៃការអនុវត្តនៅលើមូលដ្ឋាននៃកុំព្យូទ័រទំនើប។ ឱកាសកាន់តែច្រើនឡើងត្រូវបានផ្តល់ជូនអ្នកប្រើប្រាស់ ពោលគឺ អ្នកឯកទេសខាងប្រព័ន្ធគំរូតាមបច្ចេកវិទ្យាកុំព្យូទ័រ។ ការប្រើប្រាស់គំរូគឺមានប្រសិទ្ធភាពជាពិសេសនៅក្នុងដំណាក់កាលដំបូងនៃការរចនាប្រព័ន្ធស្វ័យប្រវត្តិ នៅពេលដែលតម្លៃនៃការសម្រេចចិត្តខុសមានសារៈសំខាន់បំផុត។ ឧបករណ៍កុំព្យូទ័រទំនើបបានធ្វើឱ្យវាអាចធ្វើទៅបានដើម្បីបង្កើនភាពស្មុគស្មាញនៃគំរូដែលបានប្រើក្នុងការសិក្សាប្រព័ន្ធ វាបានក្លាយទៅជាអាចធ្វើទៅបានដើម្បីបង្កើតគំរូរួមបញ្ចូលគ្នា ការវិភាគ និងការក្លែងធ្វើដែលគិតគូរពីកត្តាផ្សេងៗដែលកើតឡើងនៅក្នុងប្រព័ន្ធពិត។ ឧ. ការប្រើប្រាស់គំរូដែលសមស្របទៅនឹងបាតុភូតដែលកំពុងសិក្សា។ អក្សរសិល្ប៍៖ 1. Lyashchenko I.N. ការសរសេរកម្មវិធីលីនេអ៊ែរនិងមិនលីនេអ៊ែរ / I.N. Lyashchenko, E.A. Karagodova, N.V. Chernikova, N.Z. Shor ។ - K ។ : "វិទ្យាល័យ", ឆ្នាំ 1975, 372 ទំ។ 2. គោលការណ៍ណែនាំសម្រាប់ការអនុវត្តគម្រោងវគ្គសិក្សាក្នុងមុខវិជ្ជា "គណិតវិទ្យាអនុវត្ត" សម្រាប់សិស្សឯកទេស "ប្រព័ន្ធកុំព្យូទ័រ និងបណ្តាញ" ទម្រង់ពេញម៉ោង និងក្រៅម៉ោងនៃការអប់រំ / ចងក្រងដោយ: I.A. Balakireva, A.V. Skatkov - Sevastopol: គ្រឹះស្ថានបោះពុម្ព SevNTU , 2003. - 15 ទំ។ 3. គោលការណ៍ណែនាំសម្រាប់ការសិក្សាមុខវិជ្ជា "គណិតវិទ្យាអនុវត្ត" ផ្នែក "វិធីសាស្រ្តនៃការស្វែងរកសកល និងការបង្រួមអប្បបរមាមួយវិមាត្រ" / Comp ។ A.V. Skatkov, I.A. Balakireva, L.A. Litvinova - Sevastopol: SevGTU Publishing House, 2000. - 31s. 4. គោលការណ៍ណែនាំសម្រាប់ការសិក្សាមុខវិជ្ជា "គណិតវិទ្យាអនុវត្ត" សម្រាប់សិស្សឯកទេស "ប្រព័ន្ធកុំព្យូទ័រ និងបណ្តាញ" ផ្នែក "ការដោះស្រាយបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរចំនួនគត់" ទម្រង់ការអប់រំពេញម៉ោង និងក្រៅម៉ោង / ចងក្រងដោយ៖ I.A. Balakireva, A.V. Skatkov - Sevastopol : SevNTU Publishing House, 2000. - 13 p. 5. Akulich I.L. ការសរសេរកម្មវិធីគណិតវិទ្យាក្នុងឧទាហរណ៍ និងកិច្ចការ៖ 6. ប្រូក ប្រាក់ឧបត្ថម្ភសម្រាប់សេដ្ឋកិច្ចនិស្សិត។ អ្នកឯកទេស។ សាកលវិទ្យាល័យ.-M.: ខ្ពស់ជាង។ សាលា, ឆ្នាំ ១៩៨៦-៣១៩, ឈឺ។ 7. Andronov S.A. វិធីសាស្រ្តរចនាល្អបំផុត៖ អត្ថបទមេរៀន / SPbGUAP ។ SPb., 2001. 169 p.: ill ។ ក្បួនដោះស្រាយសម្រាប់ការសរសេរកម្មវិធីលីនេអ៊ែរដោយវិធីសាស្ត្រសាមញ្ញ។ ការសាងសង់គំរូគណិតវិទ្យានៃបញ្ហាកម្មវិធីលីនេអ៊ែរ។ ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរក្នុង Excel ។ ស្វែងរកប្រាក់ចំណេញ និងផែនការផលិតកម្មដ៏ល្អប្រសើរ។ ក្រដាសពាក្យបន្ថែមថ្ងៃទី ០៣/២១/២០១២ ការដោះស្រាយបញ្ហាក្រាហ្វិក។ គូរគំរូគណិតវិទ្យា។ កំណត់តម្លៃអតិបរមានៃមុខងារគោលបំណង។ ដំណោះស្រាយដោយវិធីសាស្រ្តសាមញ្ញជាមួយនឹងមូលដ្ឋានសិប្បនិម្មិតនៃបញ្ហាកម្មវិធីលីនេអ៊ែរ Canonical ។ ពិនិត្យមើលភាពល្អប្រសើរនៃដំណោះស្រាយ។ សាកល្បង, បានបន្ថែម 04/05/2016 មូលដ្ឋានទ្រឹស្តីនៃការសរសេរកម្មវិធីលីនេអ៊ែរ។ បញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរ វិធីសាស្រ្តនៃដំណោះស្រាយ។ ការវិភាគនៃដំណោះស្រាយល្អបំផុត។ ដំណោះស្រាយនៃបញ្ហាសរសេរកម្មវិធីលីនេអ៊ែរតែមួយ។ សេចក្តីថ្លែងការណ៍អំពីបញ្ហា និងការបញ្ចូលទិន្នន័យ។ ការកសាងគំរូ និងជំហានដំណោះស្រាយ។ ក្រដាសពាក្យបន្ថែម 12/09/2008 ការសាងសង់គំរូគណិតវិទ្យា។ ការជ្រើសរើស យុត្តិកម្ម និងការពិពណ៌នាអំពីវិធីសាស្រ្តសម្រាប់ដោះស្រាយបញ្ហាផ្ទាល់នៃការសរសេរកម្មវិធីលីនេអ៊ែរដោយវិធីសាស្ត្រសាមញ្ញ ដោយប្រើតារាងសាមញ្ញ។ ការបង្កើត និងដំណោះស្រាយនៃបញ្ហាទ្វេ។ ការវិភាគគំរូសម្រាប់ភាពប្រែប្រួល។ ក្រដាសពាក្យបន្ថែម 10/31/2014 ការកសាងគំរូគណិតវិទ្យា ដើម្បីបង្កើនប្រាក់ចំណេញរបស់សហគ្រាស ដែលជាដំណោះស្រាយក្រាហ្វិកចំពោះបញ្ហា។ ការដោះស្រាយបញ្ហាដោយប្រើកម្មវិធីបន្ថែម SOLVER ។ ការវិភាគនៃការផ្លាស់ប្តូរធនធានបម្រុង។ ការកំណត់ដែនកំណត់នៃការផ្លាស់ប្តូរនៅក្នុងមេគុណនៃមុខងារគោលបំណង។ ក្រដាសពាក្យបន្ថែម 12/17/2014 ការសរសេរកម្មវិធីគណិតវិទ្យា។ កម្មវិធីលីនេអ៊ែរ។ បញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរ។ វិធីសាស្រ្តក្រាហ្វិកសម្រាប់ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរ។ ការបង្កើតសេដ្ឋកិច្ចនៃបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរ។ ការសាងសង់គំរូគណិតវិទ្យា។ ក្រដាសពាក្យបន្ថែម 10/13/2008 ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរដោយវិធីសាស្ត្រក្រាហ្វិច ការផ្ទៀងផ្ទាត់របស់វានៅក្នុង MS Excel ។ ការវិភាគរចនាសម្ព័ន្ធផ្ទៃក្នុងនៃដំណោះស្រាយបញ្ហានៅក្នុងកម្មវិធី។ ការបង្កើនប្រសិទ្ធភាពផែនការផលិតកម្ម។ ដំណោះស្រាយនៃបញ្ហាដោយវិធីសាស្រ្តសាមញ្ញ។ ប្រព័ន្ធតម្រង់ជួរច្រើន។ សាកល្បង, បានបន្ថែម 05/02/2012 ការដោះស្រាយបញ្ហានៃការសរសេរកម្មវិធីលីនេអ៊ែរដោយវិធីសាស្ត្រសាមញ្ញ៖ ការកំណត់បញ្ហា ការកសាងគំរូសេដ្ឋកិច្ច និងគណិតវិទ្យា។ ដំណោះស្រាយនៃបញ្ហាដឹកជញ្ជូនដោយវិធីសាស្រ្តនៃសក្តានុពល: ការសាងសង់ផែនការយោងដំបូង ការកំណត់តម្លៃដ៏ល្អប្រសើររបស់វា។ សាកល្បង, បានបន្ថែម 04/11/2012 សេចក្តីថ្លែងការណ៍អំពីបញ្ហានៃការសរសេរកម្មវិធីមិនមែនលីនេអ៊ែរ។ ការកំណត់ចំណុចស្ថានី និងប្រភេទរបស់វា។ ការសាងសង់បន្ទាត់កម្រិត ក្រាហ្វបីវិមាត្រនៃមុខងារគោលបំណង និងការរឹតបន្តឹង។ ដំណោះស្រាយក្រាហ្វិក និងការវិភាគនៃបញ្ហា។ សៀវភៅណែនាំអ្នកប្រើប្រាស់ និងគ្រោងការណ៍ក្បួនដោះស្រាយ។ ក្រដាសពាក្យបន្ថែម 12/17/2012 ការវិភាគនៃដំណោះស្រាយនៃបញ្ហាកម្មវិធីលីនេអ៊ែរ។ វិធីសាស្រ្តសាមញ្ញដោយប្រើតារាងសាមញ្ញ។ ការបង្កើតគំរូ និងដំណោះស្រាយបញ្ហា LP នៅលើកុំព្យូទ័រ។ ការបកស្រាយសេដ្ឋកិច្ចនៃដំណោះស្រាយដ៏ល្អប្រសើរនៃបញ្ហា។ រូបមន្តគណិតវិទ្យានៃបញ្ហាដឹកជញ្ជូន។ យើងបែងចែកជួរទីបីដោយធាតុសំខាន់ស្មើនឹង 5 យើងទទួលបានជួរទីបីនៃតារាងថ្មី។ ជួរឈរមូលដ្ឋានត្រូវគ្នាទៅនឹងជួរឈរតែមួយ។ ការគណនាតម្លៃតារាងដែលនៅសល់៖ "BP - ផែនការមូលដ្ឋាន"៖ ; ; "x1"៖ ; ; "x5"៖ ; . តម្លៃនៃជួរសន្ទស្សន៍គឺមិនអវិជ្ជមាន ដូច្នេះយើងទទួលបានដំណោះស្រាយដ៏ល្អប្រសើរ៖ , ; . ចម្លើយ៖ប្រាក់ចំណេញអតិបរមាពីការលក់ផលិតផលដែលផលិតស្មើនឹង 160/3 គ្រឿងត្រូវបានធានាដោយការចេញផ្សាយផលិតផលតែមួយគត់នៃប្រភេទទីពីរក្នុងចំនួន 80/9 គ្រឿង។ បញ្ហានៃការសរសេរកម្មវិធីមិនមែនលីនេអ៊ែរត្រូវបានផ្តល់ឱ្យ។ ស្វែងរកអតិបរមា និងអប្បបរមានៃមុខងារគោលបំណងដោយប្រើវិធីសាស្ត្រវិភាគក្រាហ្វ។ តែងមុខងារ Lagrange ហើយបង្ហាញថាលក្ខខណ្ឌអប្បបរមា (អតិបរមា) គ្រប់គ្រាន់ត្រូវបានពេញចិត្តនៅចំណុចខ្លាំងបំផុត។ ដោយសារតែ ខ្ទង់ចុងក្រោយនៃលេខសម្ងាត់គឺ 8 បន្ទាប់មក A=2; B=5. ដោយសារតែ ខ្ទង់ចុងក្រោយនៃលេខសម្ងាត់គឺ 1 បន្ទាប់មកអ្នកគួរតែជ្រើសរើសលេខកិច្ចការ 1។ ការសម្រេចចិត្ត៖ ១) ចូរយើងគូរតំបន់ដែលប្រព័ន្ធវិសមភាពកំណត់។ តំបន់នេះជាត្រីកោណ ABC ដែលមានកូអរដោណេនៃចំណុចកំពូល៖ A(0; 2); B(4; 6) និង C(16/3; 14/3) ។ កម្រិតមុខងារគោលបំណងគឺជារង្វង់ដែលស្ថិតនៅចំកណ្តាលចំណុច (2; 5)។ ការ៉េនៃរ៉ាឌីនឹងជាតម្លៃនៃមុខងារគោលបំណង។ បន្ទាប់មកតួលេខបង្ហាញថាតម្លៃអប្បបរមានៃមុខងារគោលបំណងត្រូវបានឈានដល់ចំណុច H តម្លៃអតិបរមាគឺនៅចំណុច A ឬនៅចំណុច C ។ តម្លៃនៃមុខងារគោលបំណងនៅចំណុច A: ; តម្លៃនៃមុខងារគោលបំណងនៅចំណុច C: ; នេះមានន័យថាតម្លៃអតិបរមានៃអនុគមន៍ត្រូវបានទៅដល់ចំណុច A(0; 2) និងស្មើនឹង 13។ ចូរយើងស្វែងរកកូអរដោនេនៃចំណុច H ។ ដើម្បីធ្វើដូចនេះពិចារណាប្រព័ន្ធ:
ó
ó បន្ទាត់គឺតង់សង់ទៅរង្វង់មួយ ប្រសិនបើសមីការមានដំណោះស្រាយតែមួយគត់។ សមីការការ៉េមានដំណោះស្រាយប្លែកមួយប្រសិនបើការរើសអើងគឺ 0 ។ 2) តែងមុខងារ Lagrange ដើម្បីស្វែងរកដំណោះស្រាយអប្បបរមា៖ នៅ x 1
=2.5;
x 2
=4.5
យើងទទួលបាន:
ó ប្រព័ន្ធមានដំណោះស្រាយសម្រាប់ , i.e. លក្ខខណ្ឌធ្ងន់ធ្ងរគ្រប់គ្រាន់ត្រូវបានពេញចិត្ត។ យើងបង្កើតមុខងារ Lagrange សម្រាប់ការស្វែងរកដំណោះស្រាយអតិបរមា៖ ល័ក្ខខ័ណ្ឌគ្រប់គ្រាន់សម្រាប់ភាពខ្លាំង៖ នៅ x 1
=0;
x 2
=2
យើងទទួលបាន:
ó ó ប្រព័ន្ធក៏មានដំណោះស្រាយដែរ ឧ. លក្ខខណ្ឌធ្ងន់ធ្ងរគ្រប់គ្រាន់ត្រូវបានពេញចិត្ត។ ចម្លើយ៖អប្បបរមានៃមុខងារគោលបំណងត្រូវបានឈានដល់ ; ; មុខងារគោលដៅអតិបរិមាត្រូវបានដល់ពេល ; . សហគ្រាសចំនួនពីរត្រូវបានបែងចែកមូលនិធិក្នុងចំនួនទឹកប្រាក់ ឃឯកតា។ នៅពេលបែងចែកទៅសហគ្រាសដំបូងសម្រាប់រយៈពេលមួយឆ្នាំ xឯកតានៃមូលនិធិដែលវាផ្តល់ប្រាក់ចំណូល k 1
xឯកតា និងនៅពេលបែងចែកទៅសហគ្រាសទីពីរ yឯកតានៃមូលនិធិ, វាផ្តល់នូវប្រាក់ចំណូល k 1
yឯកតា។ សមតុល្យនៃមូលនិធិនៅចុងឆ្នាំសម្រាប់សហគ្រាសដំបូងគឺស្មើនឹង nxនិងសម្រាប់លើកទីពីរ របស់ខ្ញុំ. តើធ្វើដូចម្តេចដើម្បីចែកចាយមូលនិធិទាំងអស់ក្នុងរយៈពេល 4 ឆ្នាំដើម្បីឱ្យប្រាក់ចំណូលសរុបមានចំនួនច្រើនបំផុត? ដោះស្រាយបញ្ហាដោយការសរសេរកម្មវិធីថាមវន្ត។ i=8, k=1 ។ A=2200; k 1 = 6; k2=1; n=0.2; m=0.5 ។ ការសម្រេចចិត្ត៖ រយៈពេលទាំងមូលនៃ 4 ឆ្នាំត្រូវបានបែងចែកជា 4 ដំណាក់កាលដែលនីមួយៗស្មើនឹងមួយឆ្នាំ។ ចូរយើងរាប់ដំណាក់កាលដែលចាប់ផ្តើមពីឆ្នាំដំបូង។ អនុញ្ញាតឱ្យ X k និង Y k ជាមូលនិធិដែលបានបែងចែករៀងៗខ្លួនដល់សហគ្រាស A និង B នៅដំណាក់កាល k-th ។ បន្ទាប់មកផលបូក X k + Y k = a k គឺជាចំនួនសរុបនៃមូលនិធិដែលបានប្រើនៅដំណាក់កាល k - នោះ ហើយនៅសល់ពីដំណាក់កាលមុន k - 1. នៅដំណាក់កាលដំបូង មូលនិធិដែលបានបែងចែកទាំងអស់ត្រូវបានប្រើប្រាស់ និង 1 = 2200 ឯកតា។ ប្រាក់ចំណូលដែលនឹងទទួលបាននៅដំណាក់កាល k-th នៅពេលដែលឯកតា X k និង Y k ត្រូវបានបែងចែក នឹងមាន 6X k + 1Y k ។ អនុញ្ញាតឱ្យប្រាក់ចំណូលអតិបរមាដែលទទួលបាននៅដំណាក់កាលចុងក្រោយដោយចាប់ផ្តើមពី k - ដំណាក់កាលនោះគឺ f k (a k) ឯកតា។ ចូរយើងសរសេរសមីការមុខងាររបស់ Bellman ដែលបង្ហាញពីគោលការណ៍នៃភាពសុទិដ្ឋិនិយម៖ ទោះបីជាស្ថានភាពដំបូង និងដំណោះស្រាយដំបូងក៏ដោយ ដំណោះស្រាយជាបន្តបន្ទាប់ត្រូវតែមានភាពល្អប្រសើរបំផុតទាក់ទងនឹងរដ្ឋដែលទទួលបានជាលទ្ធផលនៃស្ថានភាពដំបូង៖ សម្រាប់ដំណាក់កាលនីមួយៗ អ្នកត្រូវជ្រើសរើសតម្លៃ X k និងតម្លៃ យ ក= កk- Xk. ជាមួយនឹងគំនិតនេះ យើងនឹងស្វែងរកប្រាក់ចំណូលនៅដំណាក់កាល k-th៖ សមីការ Bellman មុខងារនឹងមើលទៅដូចនេះ៖ ពិចារណាដំណាក់កាលទាំងអស់ដោយចាប់ផ្តើមពីចុងក្រោយ។ (ចាប់តាំងពីអតិបរមានៃអនុគមន៍លីនេអ៊ែរត្រូវបានឈានដល់នៅចុងបញ្ចប់នៃផ្នែកនៅ x 4 = a 4); មុខងារគោលបំណង- មុខងារពិត ឬចំនួនគត់នៃអថេរជាច្រើន កម្មវត្ថុនៃការបង្កើនប្រសិទ្ធភាព (ការបង្រួមអប្បបរមា ឬអតិបរមា) ដើម្បីដោះស្រាយបញ្ហាបង្កើនប្រសិទ្ធភាពមួយចំនួន។ ពាក្យនេះត្រូវបានប្រើប្រាស់ក្នុងកម្មវិធីគណិតវិទ្យា ការស្រាវជ្រាវប្រតិបត្តិការ ការរៀបចំកម្មវិធីលីនេអ៊ែរ ទ្រឹស្ដីការសម្រេចចិត្តស្ថិតិ និងផ្នែកផ្សេងទៀតនៃគណិតវិទ្យា ជាចម្បងនៃលក្ខណៈដែលបានអនុវត្ត ទោះបីជាគោលដៅនៃការបង្កើនប្រសិទ្ធភាពក៏អាចជាដំណោះស្រាយនៃបញ្ហាគណិតវិទ្យាផងដែរ។ បន្ថែមពីលើមុខងារគោលបំណង ក្នុងបញ្ហាបង្កើនប្រសិទ្ធភាព អថេរអាចត្រូវដាក់កម្រិតក្នុងទម្រង់ជាប្រព័ន្ធនៃសមភាព ឬវិសមភាព។ ក្នុងករណីទូទៅ អាគុយម៉ង់មុខងារគោលបំណងអាចត្រូវបានបញ្ជាក់នៅលើសំណុំបំពាន។ បញ្ហានៃការដោះស្រាយប្រព័ន្ធសមីការណាមួយ។ ( F 1 (x 1 , x 2 , … , x M) = 0 F 2 (x 1 , x 2 , … , x M) = 0 … F N (x 1 , x 2 , … , x M) = 0 ( \displaystyle \left\((\begin(ម៉ាទ្រីស)F_(1)(x_(1),x_(2),\ldots,x_(M))=0\\F_(2)(x_(1),x_ (2),\ldots ,x_(M))=0\\\ldots \\F_(N)(x_(1),x_(2),\ldots,x_(M))=0\end(ម៉ាទ្រីស) )\ ត្រូវ។) អាចត្រូវបានបង្កើតជាបញ្ហានៃការបង្រួមមុខងារគោលបំណង S = ∑ j = 1 N F j 2 (x 1 , x 2 , … , x M) (1) (\displaystyle S=\sum _(j=1)^(N)F_(j)^(2)( x_(1),x_(2),\ldots,x_(M))\qquad(1)) ប្រសិនបើមុខងារមានភាពរលូន នោះបញ្ហាបង្រួមអប្បបរមាអាចត្រូវបានដោះស្រាយដោយវិធីសាស្ត្រជម្រាល។ សម្រាប់មុខងារគោលបំណងរលូនណាមួយ មួយអាចស្មើនឹង 0 (\displaystyle 0) ដេរីវេដោយផ្នែកទាក់ទងនឹងអថេរទាំងអស់។ មុខងារគោលបំណងដ៏ល្អប្រសើរនឹងក្លាយជាដំណោះស្រាយមួយចំពោះប្រព័ន្ធសមីការបែបនេះ។ ក្នុងករណីមុខងារ (1) (\displaystyle (1)) វានឹងជាប្រព័ន្ធនៃសមីការការ៉េតិចបំផុត (LSM) ។ ដំណោះស្រាយណាមួយនៃប្រព័ន្ធដើមគឺជាដំណោះស្រាយនៃប្រព័ន្ធការ៉េតិចបំផុត។ ប្រសិនបើប្រព័ន្ធដើមមានភាពមិនស៊ីសង្វាក់គ្នានោះ ប្រព័ន្ធ LSM ដែលតែងតែមានដំណោះស្រាយ ធ្វើឱ្យវាអាចទទួលបានដំណោះស្រាយប្រហាក់ប្រហែលនៃប្រព័ន្ធដើម។ ចំនួនសមីការនៃប្រព័ន្ធ LSM ស្របពេលជាមួយនឹងចំនួនមិនស្គាល់ ដែលជួនកាលជួយសម្រួលដល់ដំណោះស្រាយនៃប្រព័ន្ធដំបូងរួម។ ឧទាហរណ៍ដ៏ល្បីមួយទៀតនៃមុខងារគោលបំណងគឺមុខងារលីនេអ៊ែរដែលកើតឡើងនៅក្នុងបញ្ហាកម្មវិធីលីនេអ៊ែរ។ ផ្ទុយទៅនឹងមុខងារគោលបំណងរាងបួនជ្រុង ការបង្កើនប្រសិទ្ធភាពនៃអនុគមន៍លីនេអ៊ែរគឺអាចធ្វើទៅបានលុះត្រាតែមានការរឹតបន្តឹងក្នុងទម្រង់ជាប្រព័ន្ធនៃសមភាពលីនេអ៊ែរ ឬវិសមភាព។ ឧទាហរណ៍ធម្មតានៃមុខងារគោលបំណងរួមបញ្ចូលគ្នាគឺជាមុខងារគោលបំណងនៃបញ្ហាអ្នកលក់ធ្វើដំណើរ។ មុខងារនេះស្មើនឹងប្រវែងនៃវដ្ត Hamiltonian នៅលើក្រាហ្វ។ វាត្រូវបានផ្តល់ឱ្យនៅលើសំណុំ permutation n −1 (\displaystyle n-1) នៃបន្ទាត់បញ្ឈរក្រាហ្វ ហើយត្រូវបានកំណត់ដោយម៉ាទ្រីសប្រវែងគែមរបស់ក្រាហ្វ។ ដំណោះស្រាយពិតប្រាកដនៃបញ្ហាបែបនេះច្រើនតែធ្លាក់មកលើការរាប់បញ្ចូលជម្រើស។ ការសរសេរកម្មវិធីលីនេអ៊ែរ គឺជាផ្នែកមួយនៃការសរសេរកម្មវិធីគណិតវិទ្យាដែលសិក្សាពីវិធីសាស្រ្តក្នុងការដោះស្រាយបញ្ហាខ្លាំង ដែលត្រូវបានកំណត់ដោយទំនាក់ទំនងលីនេអ៊ែររវាងអថេរ និងលក្ខណៈវិនិច្ឆ័យលីនេអ៊ែរ។ ភារកិច្ចបែបនេះរកឃើញកម្មវិធីទូលំទូលាយនៅក្នុងវិស័យផ្សេងៗនៃសកម្មភាពរបស់មនុស្ស។ ការសិក្សាជាប្រព័ន្ធនៃបញ្ហានៃប្រភេទនេះបានចាប់ផ្តើមនៅឆ្នាំ 1939-1940 ។ នៅក្នុងស្នាដៃរបស់ L.V. Kantorovich ។ បញ្ហាគណិតវិទ្យានៃការសរសេរកម្មវិធីលីនេអ៊ែរ រួមមានការសិក្សាអំពីផលិតកម្មជាក់លាក់ និងស្ថានភាពសេដ្ឋកិច្ច ដែលក្នុងទម្រង់មួយ ឬទម្រង់ផ្សេងទៀតត្រូវបានបកស្រាយថាជាបញ្ហានៃការប្រើប្រាស់ដ៏ល្អប្រសើរនៃធនធានមានកំណត់។ ជួរនៃបញ្ហាដែលត្រូវបានដោះស្រាយដោយប្រើវិធីសាស្ត្រសរសេរកម្មវិធីលីនេអ៊ែរគឺធំទូលាយណាស់។ ទាំងនេះជាឧទាហរណ៍៖ បញ្ហានៃការប្រើប្រាស់ធនធានដ៏ល្អប្រសើរក្នុងការរៀបចំផែនការផលិតកម្ម។ បញ្ហានៃល្បាយ (ការធ្វើផែនការសមាសភាពនៃផលិតផល); បញ្ហានៃការស្វែងរកការរួមបញ្ចូលគ្នាដ៏ល្អប្រសើរនៃប្រភេទផ្សេងគ្នានៃផលិតផលសម្រាប់ការរក្សាទុកនៅក្នុងឃ្លាំង (ការគ្រប់គ្រងសារពើភ័ណ្ឌឬ); ភារកិច្ចដឹកជញ្ជូន (ការវិភាគទីតាំងរបស់សហគ្រាសចលនាទំនិញ) ។ ការសរសេរកម្មវិធីលីនេអ៊ែរ គឺជាផ្នែកដែលត្រូវបានអភិវឌ្ឍ និងប្រើប្រាស់យ៉ាងទូលំទូលាយបំផុតនៃការសរសេរកម្មវិធីគណិតវិទ្យា (លើសពីនេះ រួមមានៈ ចំនួនគត់ ថាមវន្ត មិនមែនលីនេអ៊ែរ ការសរសេរកម្មវិធីប៉ារ៉ាម៉ែត្រ)។ នេះត្រូវបានពន្យល់ដូចខាងក្រោមៈ គំរូគណិតវិទ្យានៃបញ្ហាសេដ្ឋកិច្ចមួយចំនួនធំគឺមានលក្ខណៈលីនេអ៊ែរទាក់ទងនឹងអថេរដែលត្រូវការ។ បញ្ហាប្រភេទនេះបច្ចុប្បន្នត្រូវបានសិក្សាច្រើនបំផុត។ សម្រាប់គាត់វិធីសាស្រ្តពិសេសត្រូវបានបង្កើតឡើងដោយមានជំនួយពីបញ្ហាទាំងនេះត្រូវបានដោះស្រាយហើយកម្មវិធីកុំព្យូទ័រដែលត្រូវគ្នា; បញ្ហាជាច្រើននៃការសរសេរកម្មវិធីលីនេអ៊ែរ ដែលកំពុងត្រូវបានដោះស្រាយ បានរកឃើញកម្មវិធីធំទូលាយ។ បញ្ហាមួយចំនួនដែលមិនមែនជាលីនេអ៊ែរក្នុងទម្រង់ដើម បន្ទាប់ពីការរឹតបន្តឹង និងការសន្មត់បន្ថែមមួយចំនួនអាចក្លាយជាលីនេអ៊ែរ ឬអាចត្រូវបានកាត់បន្ថយទៅជាទម្រង់ដែលពួកគេអាចដោះស្រាយបានដោយវិធីសាស្ត្រសរសេរកម្មវិធីលីនេអ៊ែរ។ គំរូសេដ្ឋកិច្ច និងគណិតវិទ្យានៃបញ្ហាកម្មវិធីលីនេអ៊ែរ រួមមានៈ មុខងារគោលបំណង តម្លៃល្អបំផុតដែល (អតិបរមា ឬអប្បបរមា) ត្រូវតែរកឃើញ។ ការរឹតបន្តឹងក្នុងទម្រង់ជាប្រព័ន្ធនៃសមីការលីនេអ៊ែរ ឬវិសមភាព; តម្រូវការនៃភាពមិនអវិជ្ជមាននៃអថេរ។ ជាទូទៅគំរូត្រូវបានសរសេរដូចខាងក្រោម: មុខងារគោលបំណង (1.1) ក្រោមការរឹតបន្តឹង (1.2) តម្រូវការមិនអវិជ្ជមាន (1.3) កន្លែងណា x j- អថេរ (មិនស្គាល់); - មេគុណនៃបញ្ហាកម្មវិធីលីនេអ៊ែរ។ បញ្ហាគឺត្រូវស្វែងរកតម្លៃល្អបំផុតនៃមុខងារ (1.1) ដែលត្រូវនឹងឧបសគ្គ (1.2) និង (1.3)។ ប្រព័ន្ធនៃឧបសគ្គ (1.2) ត្រូវបានគេហៅថាឧបសគ្គមុខងារនៃបញ្ហា ហើយឧបសគ្គ (1.3) ត្រូវបានគេហៅថាឧបសគ្គផ្ទាល់។ វ៉ិចទ័រដែលបំពេញនូវឧបសគ្គ (1.2) និង (1.3) ត្រូវបានគេហៅថាដំណោះស្រាយដែលអាចធ្វើទៅបាន (ផែនការ) នៃបញ្ហាកម្មវិធីលីនេអ៊ែរ។ ផែនការដែលមុខងារ (1.1) ឈានដល់តម្លៃអតិបរមា (អប្បបរមា) ត្រូវបានគេហៅថាល្អបំផុត។ វិធីសាស្រ្តសាមញ្ញត្រូវបានបង្កើតឡើង និងអនុវត្តដំបូងដើម្បីដោះស្រាយបញ្ហាក្នុងឆ្នាំ 1947 ដោយគណិតវិទូជនជាតិអាមេរិក J. Dantzig ។ បញ្ហាសរសេរកម្មវិធីលីនេអ៊ែរពីរវិមាត្រត្រូវបានដោះស្រាយជាក្រាហ្វិក។ សម្រាប់ករណី N=3 យើងអាចពិចារណាលំហបីវិមាត្រ ហើយមុខងារគោលបំណងនឹងឈានដល់តម្លៃដ៏ល្អប្រសើររបស់វានៅចំនុចកំពូលមួយនៃ polyhedron ។ ដំណោះស្រាយដែលអាចទទួលយកបាន (ផែនការដែលអាចទទួលយកបាន) នៃបញ្ហា LP ដែលបានផ្តល់ឱ្យក្នុងទម្រង់ស្តង់ដារគឺជាសំណុំលេខលំដាប់ (x1, x2, ..., xn) ដែលបំពេញនូវឧបសគ្គ។ គឺជាចំណុចមួយនៅក្នុងលំហ n-dimensional ។ សំណុំនៃដំណោះស្រាយដែលអាចទទួលយកបានបង្កើតបានជាតំបន់នៃដំណោះស្រាយដែលអាចទទួលយកបាន (SDR) នៃបញ្ហា LP ។ ODR គឺជាពហុកោណប៉ោង (ពហុកោណ) ។ នៅក្នុងពាក្យទូទៅ នៅពេលដែល N-unknowns ពាក់ព័ន្ធនឹងបញ្ហា យើងអាចនិយាយបានថាតំបន់នៃដំណោះស្រាយដែលអាចធ្វើទៅបានដែលបានបញ្ជាក់ដោយប្រព័ន្ធនៃលក្ខខណ្ឌកំណត់ត្រូវបានតំណាងដោយប៉ោងប៉ោងនៅក្នុងលំហ n-dimensional និងតម្លៃល្អបំផុតនៃគោលបំណង។ មុខងារត្រូវបានសម្រេចនៅចំនុចមួយ ឬច្រើន។ ដំណោះស្រាយត្រូវបានគេហៅថាជាមូលដ្ឋាន ប្រសិនបើអថេរឥតគិតថ្លៃទាំងអស់ស្មើនឹងសូន្យ។ ដំណោះស្រាយយោងគឺជាដំណោះស្រាយមូលដ្ឋានដែលមិនអវិជ្ជមាន។ ដំណោះស្រាយជំនួយអាចមិនខូច និងខូចទ្រង់ទ្រាយ។ ដំណោះស្រាយជំនួយត្រូវបានគេហៅថា non-degenerate ប្រសិនបើចំនួននៃកូអរដោណេមិនសូន្យរបស់វាគឺស្មើនឹងចំណាត់ថ្នាក់នៃប្រព័ន្ធ បើមិនដូច្នេះទេវានឹង degenerate ។ ដំណោះស្រាយដែលអាចធ្វើទៅបាន ដែលមុខងារគោលបំណងឈានដល់តម្លៃខ្លាំងបំផុត ត្រូវបានគេហៅថាល្អបំផុត និងត្រូវបានតំណាងឱ្យ . វាពិបាកណាស់ក្នុងការដោះស្រាយបញ្ហាទាំងនេះតាមក្រាហ្វិកនៅពេលដែលចំនួនអថេរច្រើនជាង 3 ។ មានវិធីជាសកលដើម្បីដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរ ហៅថា វិធីសាស្ត្រសាមញ្ញ។ វិធីសាស្រ្តសាមញ្ញគឺជាវិធីសាស្រ្តសកលសម្រាប់ការដោះស្រាយបញ្ហា LP ដែលជាដំណើរការដដែលៗដែលចាប់ផ្តើមជាមួយនឹងដំណោះស្រាយមួយ ហើយក្នុងការស្វែងរកជម្រើសដ៏ល្អបំផុត ផ្លាស់ទីតាមចំនុចជ្រុងនៃតំបន់នៃដំណោះស្រាយដែលអាចធ្វើទៅបានរហូតដល់វាឈានដល់តម្លៃដ៏ល្អប្រសើរ។ . វាអាចត្រូវបានប្រើដើម្បីដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរណាមួយ។ វិធីសាស្រ្តសាមញ្ញគឺផ្អែកលើគំនិតនៃការកែលម្អជាបន្តបន្ទាប់នៃដំណោះស្រាយលទ្ធផល។ អត្ថន័យធរណីមាត្រនៃវិធីសាស្ត្រ simplex គឺដើម្បីផ្លាស់ទីជាបន្តបន្ទាប់ពីចំនុចកំពូលមួយនៃប៉ូលីអេដរ៉ុនឧបសគ្គទៅជិតខាង ដែលក្នុងនោះមុខងារគោលបំណងយកតម្លៃល្អបំផុត (ឬយ៉ាងហោចណាស់មិនអាក្រក់បំផុត) រហូតដល់ដំណោះស្រាយដ៏ល្អប្រសើរត្រូវបានរកឃើញ - ចំនុចកំពូលដែលជាកន្លែងដែល តម្លៃល្អបំផុតត្រូវបានឈានដល់មុខងារគោលដៅ (ប្រសិនបើបញ្ហាមានកម្រិតល្អបំផុត)។ ដូច្នេះ ការមានប្រព័ន្ធនៃឧបសគ្គត្រូវបានកាត់បន្ថយទៅជាទម្រង់ Canonical (ឧបសគ្គមុខងារទាំងអស់គឺនៅក្នុងទម្រង់នៃភាពស្មើគ្នា) មនុស្សម្នាក់ស្វែងរកដំណោះស្រាយជាមូលដ្ឋាននៃប្រព័ន្ធនេះដោយយកចិត្តទុកដាក់ដើម្បីស្វែងរកវាឱ្យបានសាមញ្ញតាមដែលអាចធ្វើទៅបាន។ ប្រសិនបើដំណោះស្រាយមូលដ្ឋានដែលបានរកឃើញដំបូងបានប្រែទៅជាអាចធ្វើទៅបាន នោះវាត្រូវបានពិនិត្យសម្រាប់ភាពល្អប្រសើរ។ ប្រសិនបើវាមិនល្អបំផុតទេ នោះការផ្លាស់ប្តូរមួយត្រូវបានធ្វើឡើងទៅដំណោះស្រាយមូលដ្ឋានដែលចាំបាច់អាចទទួលយកបាន។ វិធីសាស្ត្រសាមញ្ញធានាថា ជាមួយនឹងដំណោះស្រាយថ្មីនេះ មុខងារគោលបំណង ប្រសិនបើវាមិនឈានដល់កម្រិតល្អបំផុតនោះ ចូលទៅជិតវា (ឬយ៉ាងហោចណាស់មិនរើចេញពីវា)។ ជាមួយនឹងដំណោះស្រាយមូលដ្ឋានថ្មីដែលអាចទទួលយកបាន ដូចគ្នានេះត្រូវបានធ្វើឡើងរហូតដល់ដំណោះស្រាយត្រូវបានរកឃើញថាល្អបំផុត។ ដំណើរការនៃការអនុវត្តវិធីសាស្រ្តសាមញ្ញពាក់ព័ន្ធនឹងការអនុវត្តធាតុសំខាន់បីរបស់វា: វិធីសាស្រ្តសម្រាប់កំណត់ដំណោះស្រាយជាមូលដ្ឋានដែលអាចធ្វើទៅបានដំបូងចំពោះបញ្ហា។ ច្បាប់នៃការផ្លាស់ប្តូរទៅល្អបំផុត (ច្បាស់ជាងនេះទៅទៀត មិនមែនអាក្រក់បំផុតទេ) ដំណោះស្រាយ; លក្ខណៈវិនិច្ឆ័យសម្រាប់ពិនិត្យមើលភាពល្អប្រសើរនៃដំណោះស្រាយដែលបានរកឃើញ។ វិធីសាស្រ្តសាមញ្ញរួមមានជំហានមួយចំនួន ហើយអាចត្រូវបានបង្កើតជាក្បួនដោះស្រាយច្បាស់លាស់ (ការណែនាំច្បាស់លាស់ដើម្បីអនុវត្តប្រតិបត្តិការបន្តបន្ទាប់គ្នា)។ នេះអនុញ្ញាតឱ្យអ្នកបង្កើតកម្មវិធីដោយជោគជ័យ និងអនុវត្តវានៅលើកុំព្យូទ័រ។ បញ្ហាជាមួយនឹងអថេរ និងឧបសគ្គមួយចំនួនតូចអាចត្រូវបានដោះស្រាយដោយវិធីសាស្ត្រសាមញ្ញដោយដៃ។ ការបង្កើនប្រសិទ្ធភាព។ ផ្នែកទី 1 វិធីសាស្រ្តបង្កើនប្រសិទ្ធភាពអនុញ្ញាតឱ្យអ្នកជ្រើសរើសជម្រើសរចនាដ៏ល្អបំផុតពីជម្រើសដែលអាចធ្វើបានទាំងអស់។ ក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ ការយកចិត្តទុកដាក់ជាច្រើនត្រូវបានបង់ចំពោះវិធីសាស្ត្រទាំងនេះ ហើយជាលទ្ធផល ក្បួនដោះស្រាយដែលមានប្រសិទ្ធភាពខ្ពស់មួយចំនួនត្រូវបានបង្កើតឡើង ដែលធ្វើឱ្យវាអាចស្វែងរកជម្រើសរចនាដ៏ល្អប្រសើរដោយប្រើកុំព្យូទ័រឌីជីថល។ ជំពូកនេះបង្ហាញអំពីមូលដ្ឋានគ្រឹះនៃទ្រឹស្តីបង្កើនប្រសិទ្ធភាព ពិចារណាលើគោលការណ៍ជាមូលដ្ឋាននៃការសាងសង់ក្បួនដោះស្រាយសម្រាប់ដំណោះស្រាយដ៏ល្អប្រសើរ ពិពណ៌នាអំពីក្បួនដោះស្រាយដ៏ល្បីបំផុត និងវិភាគគុណសម្បត្តិ និងគុណវិបត្តិរបស់វា។ ពាក្យ "ការបង្កើនប្រសិទ្ធភាព" នៅក្នុងអក្សរសិល្ប៍សំដៅលើដំណើរការ ឬលំដាប់នៃប្រតិបត្តិការដែលអនុញ្ញាតឱ្យអ្នកទទួលបានដំណោះស្រាយចម្រាញ់។ ទោះបីជាគោលដៅចុងក្រោយនៃការបង្កើនប្រសិទ្ធភាពគឺដើម្បីស្វែងរកដំណោះស្រាយដែលល្អបំផុត ឬ "ល្អបំផុត" ក៏ដោយ ជាធម្មតាមនុស្សម្នាក់ត្រូវតែពេញចិត្តជាមួយនឹងការកែលម្អដំណោះស្រាយដែលគេស្គាល់ជាជាងធ្វើឱ្យពួកវាល្អឥតខ្ចោះ។ ដូច្នេះ ការបង្កើនប្រសិទ្ធភាពទំនងជាត្រូវបានយល់ថាជាការស្វែងរកភាពល្អឥតខ្ចោះ ដែលប្រហែលជាមិនអាចសម្រេចបាន។ ដោយពិចារណាលើប្រព័ន្ធបំពានមួយចំនួនដែលត្រូវបានពិពណ៌នាដោយសមីការ m ជាមួយ n មិនស្គាល់ យើងអាចបែងចែកបញ្ហាបីប្រភេទសំខាន់ៗ។ ប្រសិនបើ m = n នោះបញ្ហាត្រូវបានគេហៅថាពិជគណិត។ បញ្ហាបែបនេះជាធម្មតាមានដំណោះស្រាយមួយ។ ប្រសិនបើ m>n នោះបញ្ហាត្រូវបានកំណត់ឡើងវិញ ហើយជាក្បួនមិនមានដំណោះស្រាយទេ។ ទីបំផុតសម្រាប់ ម មុននឹងបន្តទៅការពិភាក្សាអំពីបញ្ហាបង្កើនប្រសិទ្ធភាព យើងណែនាំនិយមន័យមួយចំនួន។ ប៉ារ៉ាម៉ែត្ររចនា
ពាក្យនេះបង្ហាញពីប៉ារ៉ាម៉ែត្រអថេរឯករាជ្យ ដែលកំណត់ទាំងស្រុង និងមិនច្បាស់លាស់នៃបញ្ហារចនាដែលកំពុងត្រូវបានដោះស្រាយ។ ប៉ារ៉ាម៉ែត្ររចនាគឺជាបរិមាណដែលមិនស្គាល់តម្លៃដែលត្រូវបានគណនាក្នុងអំឡុងពេលដំណើរការបង្កើនប្រសិទ្ធភាព។ បរិមាណមូលដ្ឋាន ឬដេរីវេណាដែលបម្រើដើម្បីពណ៌នាអំពីប្រព័ន្ធអាចបម្រើជាប៉ារ៉ាម៉ែត្ររចនា។ ដូច្នេះ វាអាចជាតម្លៃមិនស្គាល់នៃប្រវែង ម៉ាស់ ពេលវេលា សីតុណ្ហភាព។ ចំនួននៃប៉ារ៉ាម៉ែត្ររចនាកំណត់លក្ខណៈកម្រិតនៃភាពស្មុគស្មាញនៃបញ្ហារចនានេះ។ ជាធម្មតាចំនួននៃប៉ារ៉ាម៉ែត្ររចនាត្រូវបានតាងដោយ n ហើយប៉ារ៉ាម៉ែត្ររចនាដោយខ្លួនឯងដោយ x ជាមួយនឹងសន្ទស្សន៍ដែលត្រូវគ្នា។ ដូច្នេះ n ប៉ារ៉ាម៉ែត្ររចនានៃបញ្ហានេះនឹងត្រូវបានតាងដោយ មុខងារគោលបំណង
នេះគឺជាកន្សោមដែលតម្លៃដែលវិស្វករព្យាយាមពង្រីក ឬបង្រួមអប្បបរមា។ មុខងារគោលបំណងអនុញ្ញាតឱ្យអ្នកប្រៀបធៀបបរិមាណដំណោះស្រាយជំនួសពីរ។ តាមទស្សនៈគណិតវិទ្យា មុខងារគោលបំណងពិពណ៌នាមួយចំនួន (n + 1) - ផ្ទៃវិមាត្រ។ តម្លៃរបស់វាត្រូវបានកំណត់ដោយប៉ារ៉ាម៉ែត្ររចនា M=M(x 1, x 2,...,x n)។ ឧទាហរណ៍នៃមុខងារគោលបំណង ដែលជារឿយៗជួបប្រទះក្នុងការអនុវត្តផ្នែកវិស្វកម្ម គឺតម្លៃ ទម្ងន់ កម្លាំង វិមាត្រ ប្រសិទ្ធភាព។ ប្រសិនបើមានប៉ារ៉ាម៉ែត្ររចនាតែមួយ នោះមុខងារគោលបំណងអាចត្រូវបានតំណាងដោយខ្សែកោងនៅលើយន្តហោះ (រូបភាព 6.1) ។ ប្រសិនបើមានប៉ារ៉ាម៉ែត្ររចនាពីរ នោះមុខងារគោលដៅនឹងត្រូវបានតំណាងដោយផ្ទៃក្នុងចន្លោះនៃវិមាត្របី (រូបភាព 6.2)។ ជាមួយនឹងប៉ារ៉ាម៉ែត្ររចនាបី ឬច្រើន ផ្ទៃដែលបានបញ្ជាក់ដោយមុខងារគោលបំណងត្រូវបានគេហៅថា hypersurfaces ហើយមិនអាចត្រូវបានបង្ហាញបានទេ។ មធ្យោបាយសាមញ្ញ zheniya ។ លក្ខណៈសម្បត្តិ topological នៃផ្ទៃមុខងារគោលដៅដើរតួនាទីយ៉ាងសំខាន់ក្នុងដំណើរការបង្កើនប្រសិទ្ធភាព ដោយសារជម្រើសនៃក្បួនដោះស្រាយដែលមានប្រសិទ្ធភាពបំផុតអាស្រ័យលើពួកគេ។ មុខងារគោលបំណងនៅក្នុងករណីខ្លះអាចយកទម្រង់ដែលមិនរំពឹងទុកបំផុត។ ជាឧទាហរណ៍ វាមិនតែងតែអាចបង្ហាញវានៅក្នុងនោះទេ។ រូបភព 1. មុខងារគោលបំណងមួយវិមាត្រ។ Fig.6.2.មុខងារគោលបំណងពីរវិមាត្រ។ ទម្រង់គណិតវិទ្យាដែលបិទ ក្នុងករណីផ្សេងទៀតវាអាចធ្វើបាន ក្លាយជាមុខងាររលូន។ ជួនកាលមុខងារគោលបំណងអាចត្រូវការតារាងទិន្នន័យបច្ចេកទេស (ឧទាហរណ៍ តារាងស្ថានភាពចំហាយទឹក) ឬវាអាចចាំបាច់ដើម្បីធ្វើពិសោធន៍។ ក្នុងករណីខ្លះ ប៉ារ៉ាម៉ែត្ររចនាយកតែតម្លៃចំនួនគត់។ ឧទាហរណ៍មួយនឹងជាចំនួនធ្មេញនៅក្នុងប្រអប់លេខ ឬចំនួនប៊ូឡុងនៅក្នុងប្រអប់។ ជួនកាលប៉ារ៉ាម៉ែត្រនៃការរចនាមានតម្លៃតែពីរប៉ុណ្ណោះ - បាទឬអត់។ ប៉ារ៉ាម៉ែត្រគុណភាពដូចជាការពេញចិត្តរបស់អតិថិជន ភាពជឿជាក់ សោភ័ណភាពគឺពិបាកក្នុងការយកទៅពិចារណាក្នុងដំណើរការបង្កើនប្រសិទ្ធភាព ព្រោះវាស្ទើរតែមិនអាចកំណត់បរិមាណបាន។ ទោះយ៉ាងណាក៏ដោយ ក្នុងទម្រង់ណាក៏ដោយ ដែលមុខងារគោលបំណងត្រូវបានបង្ហាញ វាត្រូវតែជាមុខងារតម្លៃតែមួយនៃប៉ារ៉ាម៉ែត្ររចនា។ នៅក្នុងបញ្ហាបង្កើនប្រសិទ្ធភាពមួយចំនួន ការណែនាំនៃមុខងារគោលបំណងច្រើនជាងមួយគឺត្រូវបានទាមទារ។ ជួនកាលមួយក្នុងចំណោមពួកវាអាចមិនត្រូវគ្នានឹងមួយទៀត។ ឧទាហរណ៏មួយគឺការរចនានៃយន្តហោះនៅពេលដែលវាត្រូវបានទាមទារដើម្បីផ្តល់នូវកម្លាំងអតិបរមាទម្ងន់អប្បបរមានិងការចំណាយអប្បបរមាក្នុងពេលតែមួយ។ ក្នុងករណីបែបនេះ អ្នករចនាត្រូវតែណែនាំប្រព័ន្ធអាទិភាព និងកំណត់មេគុណគ្មានវិមាត្រមួយចំនួនដល់មុខងារគោលបំណងនីមួយៗ។ ជាលទ្ធផល "មុខងារសម្របសម្រួល" លេចឡើងដែលអនុញ្ញាតឱ្យប្រើមុខងារគោលបំណងផ្សំមួយនៅក្នុងដំណើរការបង្កើនប្រសិទ្ធភាព។ ស្វែងរកអប្បបរមានិងអតិបរមា
ក្បួនដោះស្រាយការបង្កើនប្រសិទ្ធភាពមួយចំនួនត្រូវបានកែសម្រួលសម្រាប់ការស្វែងរកអតិបរមា និងផ្សេងទៀតសម្រាប់ការស្វែងរកអប្បបរមា។ ទោះបីជាយ៉ាងណាក៏ដោយ ដោយមិនគិតពីប្រភេទនៃបញ្ហាធ្ងន់ធ្ងរដែលកំពុងត្រូវបានដោះស្រាយ មនុស្សម្នាក់អាចប្រើក្បួនដោះស្រាយដូចគ្នា ចាប់តាំងពីបញ្ហាអប្បបរមាអាចប្រែទៅជាបញ្ហាអតិបរមាបានយ៉ាងងាយស្រួលដោយការផ្លាស់ប្តូរសញ្ញានៃមុខងារគោលបំណងទៅផ្ទុយ។ បច្ចេកទេសនេះត្រូវបានបង្ហាញក្នុងរូបភាព 6.3 ។ កន្លែងរចនា
នេះគឺជាឈ្មោះនៃផ្ទៃដែលកំណត់ដោយប៉ារ៉ាម៉ែត្ររចនា n ទាំងអស់។ ទំហំរចនាមិនធំដូចដែលវាហាក់បីដូចជាទេ ព្រោះជាធម្មតាវាត្រូវបានកំណត់ចំពោះចំនួនមួយចំនួន លក្ខខណ្ឌដែលទាក់ទងនឹងខ្លឹមសាររូបវន្តនៃបញ្ហា។ ឧបសគ្គអាចខ្លាំងដែលកិច្ចការនឹងមិនមាន Fig.6.3. ការផ្លាស់ប្តូរសញ្ញានៃមុខងារគោលបំណងទៅផ្ទុយ ភារកិច្ចអតិបរមាក្លាយជាកិច្ចការអប្បបរមា។ ដំណោះស្រាយដែលពេញចិត្ត។ ឧបសគ្គត្រូវបានបែងចែកជាពីរក្រុម៖ ឧបសគ្គ - សមភាព និងឧបសគ្គ - វិសមភាព។ ឧបសគ្គ - សមភាព
ឧបសគ្គ - សមភាព - គឺជាការពឹងផ្អែករវាងប៉ារ៉ាម៉ែត្រនៃការរចនាដែលត្រូវតែយកមកពិចារណានៅពេលស្វែងរកដំណោះស្រាយ។ ពួកគេឆ្លុះបញ្ចាំងពីច្បាប់នៃធម្មជាតិ សេដ្ឋកិច្ច សិទ្ធិ ចំណង់ចំណូលចិត្ត និងលទ្ធភាពនៃសម្ភារៈចាំបាច់។ ចំនួននៃការរឹតបន្តឹង - សមភាពអាចជាណាមួយ។ ពួកគេមើលទៅដូច C 1 (x 1, x 2,...,x n)=0, C 2 (x 1, x 2,...,x n)=0, .................. C j (x 1 , x 2 , ... ,x n) = 0 ។ ប្រសិនបើមានទំនាក់ទំនងទាំងនេះអាចត្រូវបានដោះស្រាយដោយគោរពតាមប៉ារ៉ាម៉ែត្រនៃការរចនាណាមួយ នោះវាអនុញ្ញាតឱ្យអ្នកដកប៉ារ៉ាម៉ែត្រនេះចេញពីដំណើរការបង្កើនប្រសិទ្ធភាព។ នេះកាត់បន្ថយចំនួនវិមាត្រនៃទំហំរចនា និងសម្រួលដំណោះស្រាយនៃបញ្ហា។ ឧបសគ្គ - វិសមភាព
នេះគឺជាប្រភេទនៃឧបសគ្គពិសេសដែលបង្ហាញដោយវិសមភាព។ ក្នុងករណីទូទៅ វាអាចមានលេខណាមួយ ហើយពួកវាទាំងអស់មានទម្រង់ z 1 r 1 (x 1 , x 2 ,... ,x n) Z ១ z 2 r 2 (x 1 , x 2 ,... ,x n) Z ២ ....................... z k r k (x 1 , x 2 , ... ,x n) Z k វាគួរតែត្រូវបានកត់សម្គាល់ថាជាញឹកញាប់ណាស់, ដោយសារតែដែនកំណត់, តម្លៃល្អបំផុតនៃមុខងារគោលបំណងមិនត្រូវបានសម្រេចដែលជាកន្លែងដែលផ្ទៃរបស់វាមានជម្រាលសូន្យ។ ជារឿយៗដំណោះស្រាយដ៏ល្អបំផុតគឺនៅព្រំដែនមួយនៃដែននៃការរចនា។ ក្នុងស្រុកល្អបំផុត
នេះគឺជាឈ្មោះនៃចំណុចនៅក្នុងចន្លោះការរចនាដែលមុខងារគោលបំណងមានតម្លៃធំបំផុតបើប្រៀបធៀបទៅនឹងតម្លៃរបស់វានៅគ្រប់ចំណុចផ្សេងទៀតនៅក្នុងសង្កាត់ភ្លាមៗរបស់វា។ Fig.6.4. មុខងារគោលបំណងបំពានអាចមានច្រើន។ optima ក្នុងស្រុក។ នៅលើរូបភព។ រូបភាពទី 6.4 បង្ហាញមុខងារគោលបំណងមួយវិមាត្រដែលមានភាពប្រសើរក្នុងតំបន់ពីរ។ ជាញឹកញយ កន្លែងរចនាមានសុទិដ្ឋិនិយមក្នុងស្រុកជាច្រើន ហើយត្រូវយកចិត្តទុកដាក់កុំឱ្យច្រឡំលេខទីមួយសម្រាប់ដំណោះស្រាយល្អបំផុតចំពោះបញ្ហា។ សកលល្អបំផុត
ល្អបំផុតជាសកលគឺជាដំណោះស្រាយដ៏ល្អប្រសើរសម្រាប់ទំហំរចនាទាំងមូល។ វាប្រសើរជាងដំណោះស្រាយផ្សេងទៀតទាំងអស់ដែលត្រូវគ្នាទៅនឹង optima ក្នុងស្រុក ហើយនេះគឺជាអ្វីដែលអ្នករចនាកំពុងស្វែងរក។ ករណីនៃ optima សកលស្មើគ្នាជាច្រើនដែលមានទីតាំងនៅផ្នែកផ្សេងៗនៃទំហំរចនាគឺអាចធ្វើទៅបាន។ របៀបដែលបញ្ហាបង្កើនប្រសិទ្ធភាពត្រូវបានដាក់បង្ហាញគឺល្អបំផុតដោយឧទាហរណ៍មួយ។ ឧទាហរណ៍ 6.1
អនុញ្ញាតឱ្យវាតម្រូវឱ្យរចនាធុងរាងចតុកោណដែលមានបរិមាណ 1 ម ត្រូវបានរចនាឡើងដើម្បីដឹកជញ្ជូនជាតិសរសៃដែលមិនបានវេចខ្ចប់។ វាជាការចង់បានដែលសម្ភារៈតិចតួចតាមដែលអាចធ្វើទៅបានសម្រាប់ការផលិតធុងបែបនេះ (សន្មតថាកម្រាស់ជញ្ជាំងថេរនេះមានន័យថាផ្ទៃគួរតែមានតិចតួច) ព្រោះវាមានតម្លៃថោកជាង។ ដើម្បីធ្វើឱ្យវាមានភាពងាយស្រួលក្នុងការយកកុងតឺន័រជាមួយ forklift ទទឹងរបស់វាត្រូវតែមានយ៉ាងហោចណាស់ 1.5 ម៉ែត្រ។ អនុញ្ញាតឱ្យយើងបង្កើតបញ្ហានេះក្នុងទម្រង់ដែលងាយស្រួលសម្រាប់អនុវត្តក្បួនដោះស្រាយបង្កើនប្រសិទ្ធភាព។ ប៉ារ៉ាម៉ែត្ររចនា៖ x 1, x 2, x 3 ។ មុខងារគោលបំណង (ដែលត្រូវការបង្រួមអប្បបរមា) គឺជាផ្ទៃនៃផ្ទៃចំហៀងនៃធុង៖ A=2(x 1 x 2 +x 2 x 3 +x 1 x 3), m2 ។ ឧបសគ្គ - សមភាព៖ បរិមាណ \u003d x 1 x 2 x 3 \u003d 1m3 ។ ឧបសគ្គ - វិសមភាព៖ ការសរសេរកម្មវិធីលីនេអ៊ែរ (LP)គឺជាផ្នែកមួយនៃការសរសេរកម្មវិធីគណិតវិទ្យា - វិន័យដែលសិក្សាពីបញ្ហា (ការបង្កើនប្រសិទ្ធភាព) យ៉ាងខ្លាំង ហើយបង្កើតវិធីសាស្រ្តសម្រាប់ដោះស្រាយវា។ បញ្ហាបង្កើនប្រសិទ្ធភាពគឺជាបញ្ហាគណិតវិទ្យាដែលមាននៅក្នុងការស្វែងរកតម្លៃល្អបំផុត (ឧ. អតិបរមា ឬអប្បបរមា) នៃមុខងារគោលបំណង ហើយតម្លៃនៃអថេរត្រូវតែជារបស់តំបន់ជាក់លាក់នៃតម្លៃដែលអាចទទួលយកបាន (ODV)។ ជាទូទៅ ការបង្កើតបញ្ហាធ្ងន់ធ្ងរនៃការសរសេរកម្មវិធីគណិតវិទ្យាមានក្នុងការកំណត់តម្លៃធំបំផុត ឬតូចបំផុតនៃអនុគមន៍ ដែលហៅថា មុខងារគោលបំណងនៅក្រោមលក្ខខណ្ឌ (ការរឹតបន្តឹង) កន្លែង និងត្រូវបានផ្តល់មុខងារ និងត្រូវបានផ្តល់ឱ្យថេរ។ ទន្ទឹមនឹងនេះ ការរឹតបន្តឹងក្នុងទម្រង់សមភាព និងវិសមភាពកំណត់សំណុំ (តំបន់) នៃដំណោះស្រាយដែលអាចធ្វើទៅបាន (ODS) ហើយត្រូវបានគេហៅថា ប៉ារ៉ាម៉ែត្ររចនា. អាស្រ័យលើប្រភេទនៃមុខងារ និងបញ្ហានៃការសរសេរកម្មវិធីគណិតវិទ្យាត្រូវបានបែងចែកទៅជាថ្នាក់មួយចំនួន (លីនេអ៊ែរ មិនមែនលីនេអ៊ែរ ប៉ោង លេខគត់ stochastic ការសរសេរកម្មវិធីថាមវន្ត។ល។)។ អេ ទិដ្ឋភាពទូទៅបញ្ហា LP មានទម្រង់ដូចខាងក្រោមៈ , (5.1) , , (5.2) , , (5.3) ដែលជាកន្លែងដែល , , ត្រូវបានផ្តល់ឱ្យថេរ។ អនុគមន៍ (៥.១) ហៅថា មុខងារគោលបំណង; ប្រព័ន្ធ (5.2), (5.3) - ដោយប្រព័ន្ធនៃឧបសគ្គមួយ; លក្ខខណ្ឌ (5.4) គឺជាលក្ខខណ្ឌនៃភាពមិនអវិជ្ជមាននៃប៉ារ៉ាម៉ែត្ររចនា។ សំណុំនៃប៉ារ៉ាម៉ែត្ររចនាដែលបំពេញឧបសគ្គ (5.2), (5.3) និង (5.4) ត្រូវបានគេហៅថា ដំណោះស្រាយដែលអាចទទួលយកបាន។ឬ ផែនការ. ដំណោះស្រាយល្អបំផុតឬ ផែនការដ៏ល្អប្រសើរបញ្ហា LP ត្រូវបានគេហៅថាជាដំណោះស្រាយដែលអាចធ្វើទៅបាន ដែលមុខងារគោលបំណង (5.1) យកតម្លៃដ៏ល្អបំផុត (អតិបរមា ឬអប្បបរមា)។ ភារកិច្ចស្តង់ដារ LP ត្រូវបានគេហៅថាបញ្ហានៃការស្វែងរកតម្លៃអតិបរមា (អប្បបរមា) នៃមុខងារគោលបំណង (5.1) ក្រោមលក្ខខណ្ឌ (5.2) និង (5.4) ដែលជាកន្លែងដែល , , i.e. ទាំងនោះ។ ការរឹតត្បិតតែក្នុងទម្រង់នៃវិសមភាព (5.2) និងប៉ារ៉ាម៉ែត្ររចនាទាំងអស់បំពេញលក្ខខណ្ឌមិនអវិជ្ជមាន ហើយមិនមានលក្ខខណ្ឌក្នុងទម្រង់សមភាពទេ៖ , , , (5.5) . កិច្ចការ Canonical (ចម្បង) LP ត្រូវបានគេហៅថាបញ្ហានៃការស្វែងរកតម្លៃអតិបរមា (អប្បបរមា) នៃមុខងារគោលបំណង (5.1) ក្រោមលក្ខខណ្ឌ (5.3) និង (5.4) ដែលជាកន្លែងដែល , , i.e. ទាំងនោះ។ ការរឹតត្បិតតែក្នុងទម្រង់សមភាព (៥.៣) និងប៉ារ៉ាម៉ែត្ររចនាទាំងអស់បំពេញលក្ខខណ្ឌមិនអវិជ្ជមាន ហើយមិនមានលក្ខខណ្ឌក្នុងទម្រង់វិសមភាពទេ៖ , . បញ្ហា Canonical LP ក៏អាចត្រូវបានសរសេរជាទម្រង់ម៉ាទ្រីស និងវ៉ិចទ័រផងដែរ។ ទម្រង់ម៉ាទ្រីសនៃបញ្ហា Canonical LP មានទម្រង់ដូចខាងក្រោមៈ ទម្រង់វ៉ិចទ័រនៃបញ្ហា Canonical LP ។ ប្រសិនបើមានកត្តាកំណត់តែមួយគត់ (ឧទាហរណ៍ ម៉ាស៊ីនខ្វះខាត) ដំណោះស្រាយអាចត្រូវបានរកឃើញដោយប្រើរូបមន្តសាមញ្ញ (សូមមើលតំណនៅដើមអត្ថបទ)។ ប្រសិនបើមានកត្តាកំណត់ជាច្រើន វិធីសាស្ត្រសរសេរកម្មវិធីលីនេអ៊ែរត្រូវបានប្រើ។ កម្មវិធីលីនេអ៊ែរគឺជាឈ្មោះដែលត្រូវបានផ្តល់ឱ្យទៅនឹងការរួមបញ្ចូលគ្នានៃឧបករណ៍ដែលបានប្រើក្នុងវិទ្យាសាស្រ្តគ្រប់គ្រង។ វិធីសាស្រ្តនេះដោះស្រាយបញ្ហានៃការបែងចែកធនធានដែលខ្វះខាតក្នុងចំណោមសកម្មភាពប្រកួតប្រជែង ដើម្បីបង្កើន ឬកាត់បន្ថយតម្លៃជាលេខមួយចំនួនដូចជា ប្រាក់ចំណេញរឹម ឬការចំណាយ។ នៅក្នុងអាជីវកម្ម វាអាចប្រើប្រាស់ក្នុងផ្នែកដូចជា ការធ្វើផែនការផលិតកម្មដើម្បីបង្កើនប្រាក់ចំណេញ ការជ្រើសរើសធាតុផ្សំដើម្បីកាត់បន្ថយការចំណាយ ការជ្រើសរើសផលប័ត្រវិនិយោគដើម្បីបង្កើនប្រាក់ចំណេញ ការបង្កើនប្រសិទ្ធភាពនៃការដឹកជញ្ជូនទំនិញដើម្បីកាត់បន្ថយចម្ងាយ ការបែងចែកបុគ្គលិកដើម្បីបង្កើនប្រសិទ្ធភាពការងារ និងការកំណត់ពេលវេលាការងារក្នុង ដើម្បីសន្សំពេលវេលា។ ទាញយកចំណាំក្នុង , គំនូរជាទម្រង់ ការសរសេរកម្មវិធីលីនេអ៊ែរពាក់ព័ន្ធនឹងការសាងសង់គំរូគណិតវិទ្យានៃបញ្ហាដែលកំពុងពិចារណា។ បន្ទាប់ពីនោះដំណោះស្រាយអាចត្រូវបានរកឃើញជាក្រាហ្វិក (ពិភាក្សាខាងក្រោម) ដោយប្រើ Excel (នឹងត្រូវបានពិចារណាដាច់ដោយឡែក) ឬកម្មវិធីកុំព្យូទ័រឯកទេស។ ប្រហែលជាការសាងសង់គំរូគណិតវិទ្យាគឺជាផ្នែកដ៏លំបាកបំផុតនៃការសរសេរកម្មវិធីលីនេអ៊ែរ ដែលទាមទារឱ្យមានការបកប្រែបញ្ហាដែលកំពុងពិចារណាទៅក្នុងប្រព័ន្ធនៃអថេរ សមីការ និងវិសមភាព ដែលជាដំណើរការដែលទីបំផុតអាស្រ័យលើជំនាញ បទពិសោធន៍ សមត្ថភាព និងវិចារណញាណនៃ អ្នកចងក្រងគំរូ។ ពិចារណាឧទាហរណ៍នៃការបង្កើតគំរូគណិតវិទ្យានៃការសរសេរកម្មវិធីលីនេអ៊ែរ Nikolai Kuznetsov ដំណើរការរោងចក្រមេកានិចតូចមួយ។ នៅខែក្រោយគាត់គ្រោងនឹងផលិតផលិតផលពីរ (A និង B) ដែលប្រាក់ចំណេញជាក់លាក់ត្រូវបានប៉ាន់ប្រមាណនៅ 2,500 និង 3,500 រូប្លិរៀងគ្នា។ ការផលិតផលិតផលទាំងពីរនេះទាមទារការចំណាយលើម៉ាស៊ីន វត្ថុធាតុដើម និងកម្លាំងពលកម្ម (រូបភាពទី 1)។ សម្រាប់ការផលិតឯកតានៃផលិតផល A នីមួយៗដំណើរការម៉ាស៊ីនរយៈពេល 3 ម៉ោង 16 គ្រឿងនៃវត្ថុធាតុដើម និង 6 គ្រឿងត្រូវបានបែងចែក។ តម្រូវការដែលត្រូវគ្នាសម្រាប់ឯកតា B គឺ 10, 4, និង 6។ Nikolai ព្យាករណ៍ថាខែក្រោយគាត់អាចផ្គត់ផ្គង់ម៉ាស៊ីនបាន 330 ម៉ោង វត្ថុធាតុដើម 400 ឯកតា និងកម្លាំងពលកម្ម 240 ឯកតា។ បច្ចេកវិជ្ជានៃដំណើរការផលិតគឺយ៉ាងតិច 12 គ្រឿងនៃផលិតផល B ត្រូវតែផលិតក្នុងខែណាមួយ។ អង្ករ។ 1. ការប្រើប្រាស់ និងការផ្តល់ធនធាន Nikolai ចង់បង្កើតគំរូមួយដើម្បីកំណត់ចំនួនផលិតផល A និង B ដែលគាត់ត្រូវផលិតក្នុងខែបន្ទាប់ដើម្បីបង្កើនប្រាក់ចំណេញអប្បបរមា។ គំរូលីនេអ៊ែរអាចត្រូវបានសាងសង់ជាបួនជំហាន។ ដំណាក់កាលទី 1. និយមន័យនៃអថេរ មានអថេរគោលដៅមួយ (សូមបញ្ជាក់វា Z) ដែលត្រូវការធ្វើឱ្យប្រសើរ ពោលគឺ ពង្រីក ឬបង្រួមអប្បបរមា (ឧទាហរណ៍ ប្រាក់ចំណេញ ចំណូល ឬចំណាយ)។ Nikolay ស្វែងរកប្រាក់ចំណេញអប្បបរមា ដូច្នេះអថេរគោលដៅគឺ៖ Z = ប្រាក់ចំណេញសរុប (គិតជារូប្លិង) ទទួលបានក្នុងខែបន្ទាប់ ដែលជាលទ្ធផលនៃការផលិតផលិតផល A និង B ។ មានអថេរដែលមិនស្គាល់មួយចំនួន (សូមបង្ហាញពួកវា x 1, x 2, x 3 ។ គឺជាប្រាក់ចំណេញសរុប។ រឹមការរួមចំណែកនេះអាស្រ័យលើបរិមាណនៃផលិតផល A និង B ដែលផលិត។ តម្លៃនៃបរិមាណទាំងនេះត្រូវតែត្រូវបានគណនា ដូច្នេះពួកវាគឺជាអថេរដែលចង់បាននៅក្នុងគំរូ។ ដូច្នេះសូមបញ្ជាក់៖ x 1 = ចំនួនឯកតានៃផលិតផល A ដែលផលិតក្នុងខែបន្ទាប់។ x 2 = ចំនួនឯកតានៃផលិតផល B ដែលផលិតក្នុងខែបន្ទាប់។ វាមានសារៈសំខាន់ខ្លាំងណាស់ក្នុងការកំណត់យ៉ាងច្បាស់នូវអថេរទាំងអស់; យកចិត្តទុកដាក់ជាពិសេសចំពោះឯកតារង្វាស់ និងរយៈពេលដែលអថេរយោង។ ដំណាក់កាល។ 2. ការសាងសង់មុខងារគោលបំណង មុខងារគោលបំណងគឺជាសមីការលីនេអ៊ែរដែលត្រូវតែត្រូវបានពង្រីក ឬបង្រួមអប្បបរមា។ វាមានអថេរគោលដៅដែលបង្ហាញក្នុងលក្ខខណ្ឌនៃអថេរដែលចង់បាន ពោលគឺ Z បានបង្ហាញក្នុងលក្ខខណ្ឌ x 1 , x 2 ... ជាសមីការលីនេអ៊ែរ។ ក្នុងឧទាហរណ៍របស់យើងផលិតផលដែលផលិតនីមួយៗ A នាំមកនូវ 2500 រូប្លិ៍។ ប្រាក់ចំណេញរឹម ហើយនៅក្នុងការផលិត x 1 ឯកតានៃផលិតផល A ប្រាក់ចំណេញរឹមនឹងមាន 2500 * x 1 ។ ដូចគ្នានេះដែរ ប្រាក់ចំណេញរឹមពីការផលិត x 2 ឯកតានៃផលិតផល B នឹងមាន 3500 * x 2 ។ ដូច្នេះ ប្រាក់ចំណេញសរុបដែលទទួលបានក្នុងខែបន្ទាប់ដោយសារការផលិត x 1 ឯកតានៃផលិតផល A និង x 2 ឯកតានៃផលិតផល B ពោលគឺអថេរ Z គោលដៅនឹងមានៈ Z = 2500 * x 1 + 3500 * x 2 Nikolay ព្យាយាមពង្រីកសូចនាករនេះ។ ដូច្នេះមុខងារគោលបំណងនៅក្នុងគំរូរបស់យើងគឺ: អតិបរមា Z = 2500 * x 1 + 3500 * x 2 ដំណាក់កាល។ 3. និយមន័យនៃការរឹតបន្តឹង ឧបសគ្គគឺជាប្រព័ន្ធនៃសមីការលីនេអ៊ែរ និង/ឬវិសមភាពដែលកំណត់តម្លៃនៃអថេរដែលត្រូវការ។ ពួកវាឆ្លុះបញ្ចាំងតាមគណិតវិទ្យាអំពីភាពអាចរកបាននៃធនធាន កត្តាបច្ចេកវិទ្យា លក្ខខណ្ឌទីផ្សារ និងតម្រូវការផ្សេងៗទៀត។ ឧបសគ្គអាចមានបីប្រភេទ៖ "តិចជាង ឬស្មើ" "ធំជាង ឬស្មើ" "ស្មើយ៉ាងតឹងរឹង"។ ក្នុងឧទាហរណ៍របស់យើង ផលិតផល A និង B ទាមទារពេលវេលាដំណើរការ វត្ថុធាតុដើម និងកម្លាំងពលកម្មដើម្បីផលិត ហើយធនធានទាំងនេះមានកម្រិតក្នុងភាពអាចរកបាន។ បរិមាណផលិតកម្មនៃផលិតផលទាំងពីរនេះ (ពោលគឺតម្លៃ x 1 នៃ 2) នឹងត្រូវកំណត់ដោយការពិតដែលថាបរិមាណធនធានដែលត្រូវការក្នុងដំណើរការផលិតមិនអាចលើសពីអ្វីដែលមាននោះទេ។ ពិចារណាស្ថានភាពជាមួយនឹងពេលវេលាដំណើរការម៉ាស៊ីន។ ការផលិតឯកតានីមួយៗនៃផលិតផល A ត្រូវការដំណើរការម៉ាស៊ីនបីម៉ោង ហើយប្រសិនបើ x 1 ត្រូវបានផលិតនោះ 3 * x 1 ម៉ោងនៃធនធាននេះនឹងត្រូវចំណាយ។ ការផលិតឯកតានៃផលិតផល B នីមួយៗត្រូវការពេល 10 ម៉ោង ហើយដូច្នេះប្រសិនបើផលិតផល x 2 ត្រូវបានផលិតនោះ 10 * x 2 ម៉ោងនឹងត្រូវបានទាមទារ។ ដូច្នេះចំនួនសរុបនៃពេលវេលាម៉ាស៊ីនដែលត្រូវការដើម្បីផលិត x 1 ឯកតានៃផលិតផល A និង x 2 ឯកតានៃផលិតផល B គឺ 3 * x 1 + 10 * x 2 ។ រយៈពេលម៉ាស៊ីនសរុបនេះមិនអាចលើសពី 330 ម៉ោងបានទេ។ តាមគណិតវិទ្យា វាត្រូវបានសរសេរដូចខាងក្រោម៖ 3 * x 1 + 10 * x 2 ≤ 330 ការពិចារណាស្រដៀងគ្នានេះអនុវត្តចំពោះវត្ថុធាតុដើម និងកម្លាំងពលកម្ម ដែលអនុញ្ញាតឱ្យយើងសរសេរការរឹតបន្តឹងពីរបន្ថែមទៀត៖ 16 * x 1 + 4 * x 2 ≤ 400 6 * x 1 + 6 * x 2 ≤ 240 ជាចុងក្រោយ វាគួរតែត្រូវបានកត់សម្គាល់ថាមានលក្ខខណ្ឌមួយយោងទៅតាមដែលយ៉ាងហោចណាស់ 12 គ្រឿងនៃផលិតផល B ត្រូវតែត្រូវបានផលិត: ដំណាក់កាលទី 4. ការសរសេរលក្ខខណ្ឌនៃការមិនអវិជ្ជមាន អថេរដែលត្រូវការមិនអាចជាលេខអវិជ្ជមាន ដែលត្រូវតែសរសេរជាវិសមភាព x 1 ≥ 0 និង x 2 ≥ 0 ។ ក្នុងឧទាហរណ៍របស់យើង លក្ខខណ្ឌទីពីរគឺលែងត្រូវការតទៅទៀត ព្រោះវាត្រូវបានកំណត់ខាងលើថា x 2 មិនអាចតិចជាង 12 ទេ។ គំរូកម្មវិធីលីនេអ៊ែរពេញលេញសម្រាប់បញ្ហាផលិតកម្មរបស់ Nikolai អាចត្រូវបានសរសេរជា: អតិបរមា៖ Z = 2500 * x 1 + 3500 * x 2 បានផ្តល់ថា: 3 * x 1 + 10 * x 2 ≤ 330 16 * x 1 + 4 * x 2 ≤ 400 6 * x 1 + 6 * x 2 ≤ 240 ពិចារណាវិធីសាស្រ្តក្រាហ្វិកសម្រាប់ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរ។ វិធីសាស្រ្តនេះគឺសមរម្យសម្រាប់តែបញ្ហាជាមួយនឹងអថេរពីរដែលត្រូវការ។ គំរូដែលបានសាងសង់ខាងលើនឹងត្រូវបានប្រើដើម្បីបង្ហាញវិធីសាស្រ្ត។ អ័ក្សនៅលើក្រាហ្វតំណាងឱ្យអថេរមិនស្គាល់ពីរ (រូបភាពទី 2) ។ វាមិនមានបញ្ហាថាអថេរមួយណាត្រូវកំណត់តាមអ័ក្សមួយណាទេ។ វាជាការសំខាន់ក្នុងការជ្រើសរើសមាត្រដ្ឋានដែលនៅទីបំផុតនឹងអនុញ្ញាតឱ្យអ្នកបង្កើតដ្យាក្រាមដែលមើលឃើញ។ ដោយសារអថេរទាំងពីរត្រូវតែមិនអវិជ្ជមាន ដូច្នេះមានតែ quadrant ទី 1 ប៉ុណ្ណោះដែលត្រូវបានគូរ។ អង្ករ។ 2. អ័ក្សក្រាហ្វកម្មវិធីលីនេអ៊ែរ ពិចារណាឧទាហរណ៍ ឧបសគ្គទីមួយ៖ 3 * x 1 + 10 * x 2 ≤ 330 ។ វិសមភាពនេះពិពណ៌នាអំពីផ្ទៃខាងក្រោមបន្ទាត់៖ 3 * x 1 + 10 * x 2 = 330 ។ បន្ទាត់នេះប្រសព្វអ័ក្ស x 1 នៅ x 2 \u003d 0 នោះគឺសមីការមើលទៅដូចនេះ៖ 3 * x 1 + 10 * 0 \u003d 330 និងដំណោះស្រាយរបស់វា៖ x 1 \u003d 330 / 3 \u003d 110 ដូចគ្នានេះដែរ យើងគណនាចំណុចប្រសព្វជាមួយអ័ក្ស x 1 និង x 2 សម្រាប់លក្ខខណ្ឌកំហិតទាំងអស់៖ តាមក្រាហ្វិក ការកំណត់ដំបូងត្រូវបានបង្ហាញក្នុងរូប។ ៣. អង្ករ។ 3. ការកសាងដែននៃដំណោះស្រាយដែលអាចធ្វើទៅបានសម្រាប់ឧបសគ្គទីមួយ ចំណុចណាមួយនៅក្នុងត្រីកោណដែលបានជ្រើសរើស ឬនៅលើព្រំដែនរបស់វានឹងអនុលោមតាមដែនកំណត់នេះ។ ចំនុចបែបនេះត្រូវបានគេហៅថាត្រឹមត្រូវ ហើយចំនុចនៅខាងក្រៅត្រីកោណត្រូវបានគេហៅថាមិនត្រឹមត្រូវ។ ស្រដៀងគ្នានេះដែរ យើងឆ្លុះបញ្ចាំងពីការរឹតបន្តឹងដែលនៅសល់នៅលើតារាង (រូបភាពទី 4)។ តម្លៃ x 1 និង x 2 នៅលើ ឬនៅក្នុងផ្ទៃដែលមានស្រមោល ABCDE នឹងអនុលោមតាមការកំណត់គំរូទាំងអស់។ តំបន់បែបនេះត្រូវបានគេហៅថាដែននៃដំណោះស្រាយដែលអាចទទួលយកបាន។ អង្ករ។ 4. តំបន់នៃដំណោះស្រាយដែលអាចធ្វើទៅបានសម្រាប់គំរូទាំងមូល ឥឡូវនេះ នៅក្នុងតំបន់នៃដំណោះស្រាយដែលអាចធ្វើទៅបាន វាចាំបាច់ក្នុងការកំណត់តម្លៃ x 1 និង x 2 ដែលបង្កើន Z ។ ដើម្បីធ្វើដូចនេះក្នុងសមីការមុខងារគោលបំណង៖ Z = 2500 * x 1 + 3500 * x 2 យើងបែងចែក (ឬគុណ) មេគុណមុន x 1 និង x 2 ដោយលេខដូចគ្នា ដូច្នេះតម្លៃលទ្ធផលធ្លាក់ក្នុងចន្លោះដែលបង្ហាញនៅលើក្រាហ្វ។ ក្នុងករណីរបស់យើង ជួរបែបនេះគឺពី 0 ទៅ 120; ដូច្នេះមេគុណអាចត្រូវបានបែងចែកដោយ 100 (ឬ 50)៖ Z = 25x 1 + 35x 2 បន្ទាប់មកកំណត់ Z តម្លៃស្មើនឹងផលគុណនៃមេគុណមុន x 1 និង x 2 (25 * 35 = 875): 875 = 25x 1 + 35x 2 ហើយចុងក្រោយរកចំនុចប្រសព្វនៃបន្ទាត់ជាមួយអ័ក្ស x 1 និង x 2៖ ចូរយើងរៀបចំសមីការគោលដៅនេះនៅលើក្រាហ្វតាមរបៀបដូចគ្នាទៅនឹងឧបសគ្គ (រូបភាពទី 5)៖ អង្ករ។ 5. ការអនុវត្តមុខងារគោលបំណង (បន្ទាត់ខ្មៅដាច់ៗ) ទៅកាន់តំបន់នៃដំណោះស្រាយដែលអាចធ្វើទៅបាន តម្លៃ Z គឺថេរពេញបន្ទាត់មុខងារគោលបំណង។ ដើម្បីស្វែងរកតម្លៃ x 1 និង x 2 ដែលពង្រីកអតិបរមា Z អ្នកត្រូវផ្ទេរស្របគ្នានូវបន្ទាត់នៃមុខងារគោលបំណងទៅចំណុចបែបនេះនៅក្នុងព្រំដែននៃតំបន់នៃដំណោះស្រាយដែលអាចទទួលយកបាន ដែលមានទីតាំងនៅអតិបរមា។ ចម្ងាយពីបន្ទាត់ដើមនៃមុខងារគោលបំណងឡើងលើ និងទៅខាងស្តាំ ពោលគឺដល់ចំណុច C (រូបភាពទី 6)។ អង្ករ។ 6. បន្ទាត់នៃមុខងារគោលបំណងបានឈានដល់អតិបរមានៅក្នុងតំបន់នៃដំណោះស្រាយដែលអាចធ្វើទៅបាន (នៅចំណុច C) វាអាចត្រូវបានសន្និដ្ឋានថាដំណោះស្រាយដ៏ល្អប្រសើរនឹងមានទីតាំងនៅចំណុចខ្លាំងមួយនៃតំបន់ការសម្រេចចិត្ត។ ក្នុងមួយណា វានឹងអាស្រ័យលើជម្រាលនៃមុខងារគោលបំណង និងលើបញ្ហាអ្វីដែលយើងកំពុងដោះស្រាយ៖ ពង្រីក ឬបង្រួមអប្បបរមា។ ដូច្នេះវាមិនចាំបាច់ក្នុងការគូរមុខងារគោលបំណងទេ - អ្វីទាំងអស់ដែលត្រូវការគឺត្រូវកំណត់តម្លៃនៃ x 1 និង x 2 នៅចំនុចខ្លាំងនីមួយៗដោយការអានពីដ្យាក្រាម ឬដោយការដោះស្រាយសមីការគូដែលត្រូវគ្នា។ តម្លៃដែលបានរកឃើញនៃ x 1 និង x 2 បន្ទាប់មកត្រូវបានជំនួសទៅក្នុងមុខងារគោលបំណងដើម្បីគណនាតម្លៃដែលត្រូវគ្នានៃ Z ។ ដំណោះស្រាយល្អបំផុតគឺតម្លៃអតិបរមានៃ Z ត្រូវបានទទួលនៅពេលដោះស្រាយបញ្ហាអតិបរមា និងអប្បបរមា នៅពេលដោះស្រាយបញ្ហាបង្រួមអប្បបរមា។ ចូរកំណត់ឧទាហរណ៍តម្លៃនៃ x 1 និង x 2 នៅចំណុច C ។ ចំណាំថាចំណុច C គឺនៅចំនុចប្រសព្វនៃបន្ទាត់: 3x 1 + 10x 2 = 330 និង 6x 1 + 6x 2 = 240 ។ ដំណោះស្រាយ ទៅប្រព័ន្ធនៃសមីការនេះផ្តល់ឱ្យ: x 1 = 10, x 2 = 30 ។ លទ្ធផលគណនាសម្រាប់ចំណុចកំពូលទាំងអស់នៃផ្ទៃនៃដំណោះស្រាយដែលអាចធ្វើទៅបានត្រូវបានផ្តល់ឱ្យក្នុងតារាង៖ ដូច្នេះ Nikolai Kuznetsom ត្រូវតែរៀបចំផែនការផលិត 10 ធាតុ A និង 30 ធាតុ B សម្រាប់ខែបន្ទាប់ដែលនឹងអនុញ្ញាតឱ្យគាត់ទទួលបានប្រាក់ចំណេញតិចតួច 130 ពាន់រូប្លិ៍។ ដោយសង្ខេប ខ្លឹមសារនៃវិធីសាស្ត្រក្រាហ្វិចសម្រាប់ដោះស្រាយបញ្ហាការសរសេរកម្មវិធីលីនេអ៊ែរ អាចត្រូវបានសង្ខេបដូចខាងក្រោមៈ គ្រប់គ្រងការងារលើវិន័យ៖ "វិធីសាស្រ្តនៃដំណោះស្រាយល្អបំផុត" ជម្រើសលេខ ៨ 1.
ដោះស្រាយបញ្ហាសរសេរកម្មវិធីលីនេអ៊ែរដោយប្រើវិធីសាស្ត្រក្រាហ្វិក។ ស្វែងរកអតិបរមា និងអប្បបរមានៃអនុគមន៍ ក្រោមការរឹតត្បិតដែលបានផ្តល់ឱ្យ៖ , . ការសម្រេចចិត្ត វាចាំបាច់ក្នុងការស្វែងរកតម្លៃអប្បបរមានៃមុខងារគោលបំណង និងអតិបរមា នៅក្រោមប្រព័ន្ធនៃការរឹតបន្តឹង៖ 9x1 +3x2 ≥30, (1) X 1 + x 2 ≤4, (2) x 1 + x 2 ≤8, (3) អនុញ្ញាតឱ្យយើងសាងសង់ដែននៃដំណោះស្រាយដែលអាចទទួលយកបាន, i.e. ដោះស្រាយក្រាហ្វិកប្រព័ន្ធវិសមភាព។ ដើម្បីធ្វើដូចនេះយើងសាងសង់បន្ទាត់ត្រង់នីមួយៗហើយកំណត់ប្លង់ពាក់កណ្តាលដែលបានផ្តល់ឱ្យដោយវិសមភាព (យន្តហោះពាក់កណ្តាលត្រូវបានសម្គាល់ដោយបឋម) ។ ចំនុចប្រសព្វនៃយន្តហោះពាក់កណ្តាលនឹងជាតំបន់ដែលជាកូអរដោនេនៃចំនុចដែលបំពេញលក្ខខណ្ឌនៃវិសមភាពនៃប្រព័ន្ធឧបសគ្គនៃបញ្ហា។ ចូរយើងកំណត់ព្រំដែននៃតំបន់នៃពហុកោណដំណោះស្រាយ។ ចូរយើងបង្កើតបន្ទាត់ត្រង់ដែលត្រូវគ្នានឹងតម្លៃនៃអនុគមន៍ F = 0: F = 2x 1 +3x 2 = 0 ។ វ៉ិចទ័រជម្រាលដែលផ្សំឡើងដោយមេគុណនៃអនុគមន៍គោលបំណងបង្ហាញពីទិសដៅនៃការបង្រួមអប្បបរមានៃ F(X) ។ ការចាប់ផ្តើមនៃវ៉ិចទ័រគឺជាចំនុច (0; 0) ចុងបញ្ចប់គឺជាចំនុច (2; 3) ។ ចូរផ្លាស់ទីបន្ទាត់នេះក្នុងវិធីស្របគ្នា។ ដោយសារយើងចាប់អារម្មណ៍លើដំណោះស្រាយអប្បបរមា ដូច្នេះហើយ យើងរំកិលបន្ទាត់ត្រង់រហូតដល់ប៉ះដំបូងនៃតំបន់ដែលបានកំណត់។ នៅលើក្រាហ្វ បន្ទាត់នេះត្រូវបានចង្អុលបង្ហាញដោយបន្ទាត់ចំនុច។ ត្រង់ ដោយបានដោះស្រាយប្រព័ន្ធសមីការយើងទទួលបាន: x 1 = 3.3333, x 2 = 0 ។ កន្លែងដែលយើងអាចស្វែងរកតម្លៃអប្បបរមានៃមុខងារគោលបំណង៖ . ពិចារណាមុខងារគោលបំណងនៃបញ្ហា។ ចូរយើងសង់បន្ទាត់ត្រង់មួយដែលត្រូវគ្នានឹងតម្លៃនៃអនុគមន៍ F = 0: F = 2x 1 +3x 2 = 0 ។ វ៉ិចទ័រជម្រាលដែលផ្សំឡើងដោយមេគុណនៃអនុគមន៍គោលបំណងបង្ហាញពីទិសដៅនៃការពង្រីកអតិបរមានៃ F(X) ។ ការចាប់ផ្តើមនៃវ៉ិចទ័រគឺជាចំនុច (0; 0) ចុងបញ្ចប់គឺជាចំនុច (2; 3) ។ ចូរផ្លាស់ទីបន្ទាត់នេះក្នុងវិធីស្របគ្នា។ ដោយសារយើងចាប់អារម្មណ៍លើដំណោះស្រាយអតិបរមា យើងផ្លាស់ទីបន្ទាត់ត្រង់រហូតដល់ប៉ះចុងក្រោយនៃតំបន់ដែលបានកំណត់។ នៅលើក្រាហ្វ បន្ទាត់នេះត្រូវបានចង្អុលបង្ហាញដោយបន្ទាត់ចំនុច។ ត្រង់ កន្លែងណាដែលយើងអាចរកតម្លៃអតិបរមានៃមុខងារគោលបំណង៖ . ចម្លើយ៖ 2
.
ដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរ ដោយប្រើវិធីសាស្ត្រសាមញ្ញ៖ . ការសម្រេចចិត្ត ចូរដោះស្រាយបញ្ហាផ្ទាល់នៃការសរសេរកម្មវិធីលីនេអ៊ែរដោយវិធីសាស្ត្រសាមញ្ញ ដោយប្រើតារាងសាមញ្ញ។ អនុញ្ញាតឱ្យយើងកំណត់តម្លៃអប្បបរមានៃមុខងារគោលបំណង ដើម្បីបង្កើតផែនការយោងដំបូង យើងកាត់បន្ថយប្រព័ន្ធវិសមភាពទៅជាប្រព័ន្ធសមីការដោយណែនាំអថេរបន្ថែម។ នៅក្នុងវិសមភាពនៃអត្ថន័យទី 1 (≥) យើងណែនាំអថេរមូលដ្ឋាន x 3
ជាមួយនឹងសញ្ញាដក។ នៅក្នុងវិសមភាពនៃអត្ថន័យទី 2 (≤) យើងណែនាំអថេរមូលដ្ឋាន x 4
. នៅក្នុងន័យទី 3 វិសមភាព (≤) យើងណែនាំអថេរមូលដ្ឋាន x 5 ។ សូមណែនាំអថេរសិប្បនិម្មិត ៖ នៅក្នុងសមភាពទី 1 យើងណែនាំអថេរមួយ។ x 6
; ដើម្បីកំណត់ភារកិច្ចសម្រាប់អប្បបរមា យើងសរសេរមុខងារគោលបំណងដូចខាងក្រោម៖ . សម្រាប់ការប្រើប្រាស់អថេរសិប្បនិម្មិតដែលបានណែនាំទៅក្នុងមុខងារគោលបំណង អ្វីដែលគេហៅថាការពិន័យរបស់ M ត្រូវបានដាក់ជាចំនួនវិជ្ជមានដ៏ច្រើន ដែលជាធម្មតាមិនត្រូវបានបញ្ជាក់។ មូលដ្ឋានលទ្ធផលត្រូវបានគេហៅថាសិប្បនិម្មិត ហើយវិធីសាស្ត្រដំណោះស្រាយត្រូវបានគេហៅថាវិធីសាស្ត្រមូលដ្ឋានសិប្បនិម្មិត។ ជាងនេះទៅទៀត អថេរសិប្បនិម្មិតមិនទាក់ទងទៅនឹងខ្លឹមសារនៃកិច្ចការនោះទេ ប៉ុន្តែពួកវាអនុញ្ញាតឱ្យអ្នកបង្កើតចំណុចចាប់ផ្តើម ហើយដំណើរការបង្កើនប្រសិទ្ធភាពបង្ខំឱ្យអថេរទាំងនេះយកតម្លៃសូន្យ និងធានាបាននូវលទ្ធភាពទទួលយកបាននៃដំណោះស្រាយដ៏ល្អប្រសើរ។ ពីសមីការ យើងបង្ហាញអថេរសិប្បនិម្មិត៖ x 6 \u003d 4-x 1 -x 2 +x 3 ដែលយើងជំនួសមុខងារគោលបំណង៖ ឬ។ ម៉ាទ្រីសមេគុណ តោះដោះស្រាយប្រព័ន្ធសមីការទាក់ទងនឹងអថេរមូលដ្ឋាន៖ x 6
, x 4
, x 5.
ដោយសន្មតថាអថេរឥតគិតថ្លៃគឺ 0 យើងទទួលបានបន្ទាត់គោលដំបូង៖ X1 = (0,0,0,2,10,4) ដំណោះស្រាយជាមូលដ្ឋានត្រូវបានគេហៅថាអាចទទួលយកបាន ប្រសិនបើវាមិនអវិជ្ជមាន។ x 1
x 2
x 3
x 4
x 5
x 6
x 6
x 4
x 5
បន្ទាត់មូលដ្ឋានបច្ចុប្បន្នមិនល្អបំផុតទេ ដោយសារមានមេគុណវិជ្ជមាននៅក្នុងជួរសន្ទស្សន៍។ យើងនឹងជ្រើសរើសជួរឈរដែលត្រូវនឹងអថេរ x 2 ជាជួរមុខ ព្រោះនេះជាមេគុណធំជាងគេ។ គណនាតម្លៃ ឃ ខ្ញុំ ហើយជ្រើសរើសតូចបំផុតក្នុងចំណោមពួកគេ៖ min(4:1, 2:2,10:2) = 1។ ដូច្នេះខ្សែទី 2 នាំមុខ។ ធាតុដោះស្រាយគឺស្មើនឹង (2) ហើយមានទីតាំងនៅចំនុចប្រសព្វនៃជួរឈរនាំមុខនិងជួរនាំមុខ។ x 1
x 2
x 3
x 4
x 5
x 6
x 6
x 4
x 5
យើងបង្កើតផ្នែកបន្ទាប់នៃតារាងសាមញ្ញ។ ជំនួសឱ្យអថេរ x 4 អថេរ x 2 នឹងចូលទៅក្នុងផែនការ 1 ។ បន្ទាត់ដែលត្រូវគ្នាទៅនឹងអថេរ x 2 ក្នុងផែនការ 1 ត្រូវបានទទួលដោយការបែងចែកធាតុទាំងអស់នៃបន្ទាត់ x 4 នៃផែនការ 0 ដោយធាតុអនុញ្ញាត RE=2 ។ ជំនួសឱ្យធាតុដោះស្រាយ យើងទទួលបាន 1. នៅក្នុងក្រឡាដែលនៅសល់នៃជួរឈរ x 2 យើងសរសេរលេខសូន្យ។ ដូច្នេះនៅក្នុងផែនការថ្មី 1 ជួរដេក x 2 និងជួរឈរ x 2 ត្រូវបានបំពេញ។ ធាតុផ្សេងទៀតទាំងអស់នៃផែនការថ្មី 1 រួមទាំងធាតុនៃជួរសន្ទស្សន៍ត្រូវបានកំណត់ដោយច្បាប់ចតុកោណ។ x 1
x 2
x 3
x 4
x 5
x 6
x 6
x 2
x 5
1 1/2 +1 1/2 M បន្ទាត់មូលដ្ឋានបច្ចុប្បន្នមិនល្អបំផុតទេ ដោយសារមានមេគុណវិជ្ជមាននៅក្នុងជួរសន្ទស្សន៍។ យើងនឹងជ្រើសរើសជួរឈរដែលត្រូវនឹងអថេរ x 1 ជាជួរមុខ ព្រោះនេះជាមេគុណធំជាងគេ។ គណនាតម្លៃ ឃ ខ្ញុំតាមជួរជាកូតានៃការបែងចែក៖ ហើយពីពួកគេយើងជ្រើសរើសតូចបំផុត: នាទី (3: 1 1 / 2, -, 8: 2) = 2 ។ ដូច្នេះខ្សែទី 1 គឺនាំមុខ។ ធាតុដោះស្រាយគឺស្មើនឹង (1 1 / 2) ហើយមានទីតាំងនៅចំនុចប្រសព្វនៃជួរឈរនាំមុខនិងជួរនាំមុខ។ x 1
x 2
x 3
x 4
x 5
x 6
x 6
1
1
/
2
x 2
x 5
-1
1
/
2
+1
1
/
2
ម យើងបង្កើតផ្នែកបន្ទាប់នៃតារាងសាមញ្ញ។ ជំនួសឱ្យអថេរ x 6 អថេរ x 1 នឹងត្រូវបានបញ្ចូលក្នុងផែនការ 2 ។ យើងទទួលបានតារាងសាមញ្ញថ្មីមួយ៖ x 1
x 2
x 3
x 4
x 5
x 6
x 1
x 2
x 5
គ្មានតម្លៃជួរសន្ទស្សន៍ណាមួយគឺវិជ្ជមានទេ។ ដូច្នេះតារាងនេះកំណត់ផែនការការងារដ៏ល្អប្រសើរ។ កំណែចុងក្រោយនៃតារាងសាមញ្ញ៖ x 1
x 2
x 3
x 4
x 5
x 6
x 1
x 2
x 5
ដោយសារមិនមានអថេរសិប្បនិម្មិតនៅក្នុងដំណោះស្រាយល្អបំផុត (ពួកវាស្មើនឹងសូន្យ) ដំណោះស្រាយនេះគឺអាចធ្វើទៅបាន។ ផែនការល្អបំផុតអាចត្រូវបានសរសេរដូចខាងក្រោម: x 1 \u003d 2, x 2 \u003d 2: ។ ចម្លើយ: 3.
ក្រុមហ៊ុន "បុរសធាត់បីនាក់" ចូលរួមក្នុងការដឹកជញ្ជូនសាច់កំប៉ុងពីឃ្លាំងចំនួនបីដែលមានទីតាំងនៅផ្នែកផ្សេងៗនៃទីក្រុងទៅហាងចំនួនបី។ ស្តុកអាហារកំប៉ុងដែលមាននៅក្នុងឃ្លាំង ក៏ដូចជាបរិមាណនៃការបញ្ជាទិញពីហាង និងអត្រាដឹកជញ្ជូន (ជាឯកតារូបិយវត្ថុសាមញ្ញ) ត្រូវបានបង្ហាញនៅក្នុងតារាងដឹកជញ្ជូន។ ស្វែងរកផែនការដឹកជញ្ជូនដែលផ្តល់នូវការចំណាយសាច់ប្រាក់តិចបំផុត (អនុវត្តផែនការដឹកជញ្ជូនដើមដោយប្រើវិធីសាស្ត្រ "ជ្រុងពាយ័ព្យ")។ ការសម្រេចចិត្ត អនុញ្ញាតឱ្យយើងពិនិត្យមើលលក្ខខណ្ឌចាំបាច់ និងគ្រប់គ្រាន់សម្រាប់ដំណោះស្រាយនៃបញ្ហា៖ =
300 + 300 + 200 = 800 . =
250 + 400 + 150 = 800. លក្ខខណ្ឌតុល្យភាពត្រូវបានបំពេញ។ ភាគហ៊ុនស្មើនឹងតម្រូវការ។ ដូច្នេះម៉ូដែលបញ្ហាដឹកជញ្ជូនត្រូវបានបិទ។ ចូរយើងបញ្ចូលទិន្នន័យដំបូងនៅក្នុងតារាងចែកចាយ។ តម្រូវការ ដោយប្រើវិធីសាស្រ្តនៃជ្រុងភាគពាយ័ព្យយើងនឹងសាងសង់ផែនការមូលដ្ឋានដំបូងនៃភារកិច្ចដឹកជញ្ជូន។ ផែនការចាប់ផ្តើមត្រូវបានបំពេញពីជ្រុងខាងលើខាងឆ្វេង។ ធាតុដែលចង់បានគឺ 4. សម្រាប់ធាតុនេះភាគហ៊ុនគឺ 300, តម្រូវការគឺ 250. ចាប់តាំងពីអប្បបរមាគឺ 250 យើងដកវាចេញ: . 300 - 250 = 50
250 - 250 = 0
ធាតុដែលចង់បានគឺ 2. សម្រាប់ធាតុនេះ ភាគហ៊ុនគឺ 50, តម្រូវការគឺ 400។ ដោយសារអប្បបរមាគឺ 50 យើងដកវាចេញ៖ . 50 - 50 = 0
400 - 50 = 350
ធាតុដែលចង់បានគឺ 5. សម្រាប់ធាតុនេះ ភាគហ៊ុនគឺ 300 តម្រូវការគឺ 350។ ដោយសារអប្បបរមាគឺ 300 យើងដកវាចេញ៖ 300 - 300 = 0
350 - 300 = 50
ធាតុដែលចង់បានគឺ 3. សម្រាប់ធាតុនេះ ភាគហ៊ុនគឺ 200 តម្រូវការគឺ 50។ ដោយសារអប្បបរមាគឺ 50 យើងដកវាចេញ៖ 200 - 50 = 150
50 - 50 = 0
ធាតុដែលចង់បានគឺ 6. សម្រាប់ធាតុនេះ ភាគហ៊ុនគឺ 150, តម្រូវការគឺ 150។ ដោយសារអប្បបរមាគឺ 150 យើងដកវាចេញ៖ 150 - 150 = 0
150 - 150 = 0
តម្រូវការ
ឯកសារស្រដៀងគ្នា
លេខកិច្ចការ 2
បន្ទាប់មក ; ; - តម្លៃអប្បបរមានៃមុខងារ។
លេខកិច្ចការ 3
ឧទាហរណ៍
មុខងាររលូន និងប្រព័ន្ធនៃសមីការ
កម្មវិធីលីនេអ៊ែរ
ការបង្កើនប្រសិទ្ធភាពរួមបញ្ចូលគ្នា
ជំពូកទី 1. សេចក្តីថ្លែងការណ៍អំពីបញ្ហាចម្បងនៃការសរសេរកម្មវិធីលីនេអ៊ែរ
កម្មវិធីលីនេអ៊ែរ
១.២. វិធីសាស្រ្តសាមញ្ញសម្រាប់ការដោះស្រាយបញ្ហាកម្មវិធីលីនេអ៊ែរ
6.1 ការណែនាំ
6.2 មូលដ្ឋានគ្រឹះនៃទ្រឹស្តីបង្កើនប្រសិទ្ធភាព
X1, x2, x3, ...,xn ។
បញ្ហាកម្មវិធីលីនេអ៊ែរ
ជួរដែលអាចទទួលយកបាន។
ដែនកំណត់នៃតម្លៃដែលបានអនុញ្ញាត
ប្រសព្វជាមួយអ័ក្ស x 1
ប្រសព្វជាមួយអ័ក្ស x 2
3 * x 1 + 10 * x 2 ≤ 330
3 * x 1 + 10 * x 2 = 330
x 1 = 110; x 2 = 0
x 1 = 0; x 2 = 33
16 * x 1 + 4 * x 2 ≤ 400
16 * x 1 + 4 * x 2 = 400
x 1 = 25; x 2 = 0
x 1 = 0; x 2 = 100
6 * x 1 + 6 * x 2 ≤ 240
6 * x 1 + 6 * x 2 = 240
x 1 = 40; x 2 = 0
x 1 = 0; x 2 = 40
x 2 ≥ 12
x 2 = 12
មិនឆ្លង; រត់ស្របទៅនឹងអ័ក្ស x 1
x 1 = 0; x 2 = 12
ចំណុច
តម្លៃ x 1
តម្លៃ x 2
Z \u003d 2500x 1 + 3500x 2
ប៉ុន្តែ
22
12
97 000
អេ
20
20
120 000
ជាមួយ
10
30
130 000
ឃ
0
33
115 500
អ៊ី
0
12
42 000
ប្រសព្វតំបន់នៅចំណុច C. ចាប់តាំងពីចំណុច C ត្រូវបានទទួលជាលទ្ធផលនៃចំនុចប្រសព្វនៃបន្ទាត់ (4) និង (1) បន្ទាប់មកកូអរដោនេរបស់វាបំពេញសមីការនៃបន្ទាត់ទាំងនេះ៖
.
ប្រសព្វតំបន់នៅចំណុច B. ចាប់តាំងពីចំណុច B ត្រូវបានទទួលជាលទ្ធផលនៃចំណុចប្រសព្វនៃបន្ទាត់ (2) និង (3) ដូច្នេះកូអរដោនេរបស់វាបំពេញសមីការនៃបន្ទាត់ទាំងនេះ៖
.
និង
.
នៅក្រោមលក្ខខណ្ឌដូចខាងក្រោម - ការរឹតបន្តឹង:
.
ប្រព័ន្ធសមីការនេះមានទម្រង់៖
.
,
.