Построим на плоскости множество допустимых решений системы линейных неравенств и геометрически найдём минимальное значение целевой функции.

Строим в системе координат х 1 ох 2 прямые

Находим полуплоскости, определяемые системой. Так как неравенства системы выполняется для любой точки из соответствующей полуплоскости, то их достаточно проверить для какой-либо одной точки. Используем точку (0;0). Подставим её координаты в первое неравенство системы. Т.к. , то неравенство определяет полуплоскость, не содержащую точку (0;0). Аналогично определяем остальные полуплоскости. Находим множество допустимых решений как общую часть полученных полуплоскостей - это заштрихованная область.

Строим вектор и перпендикулярно к нему прямую нулевого уровня.

Перемещая прямую (5) в направлении вектора и видим, что у области максимальная точка будет в точке А пересечения прямой (3) и прямой (2). Находим решение системы уравнений:

Значит, получили точку (13;11) и.

Перемещая прямую (5) в направлении вектора и видим, что у области минимальная точка будет в точке В пересечения прямой (1) и прямой (4). Находим решение системы уравнений:

Значит, получили точку (6;6) и.

2. Мебельная фирма производит комбинированные шкафы и компьютерные столики. Их производство ограничено наличием сырья (высококачественных досок, фурнитуры) и временем работы обрабатывающих их станков. Для каждого шкафа требуется 5 м2 досок, для стола - 2 м2. На один шкаф расходуется фурнитуры на 10$, на один столик также на 8$. Фирма может получать от своих поставщиков до 600 м2 досок в месяц и фурнитуры на 2000$. Для каждого шкафа требуется 7 часов работы станков, для стола - 3 часа. В месяц возможно использовать всего 840 часов работы станков.

Сколько комбинированных шкафов и компьютерных столиков фирме следует выпускать в месяц для получения максимальной прибыли, если один шкаф приносит 100$ прибыли, а каждый стол - 50$?

• 1. Составить математическую модель задачи и решить её симплексным методом.
• 2. Составить математическую модель двойственной задачи, записать её решение исходя из решения исходной.
• 3. Установить степень дефицитности используемых ресурсов и обосновать рентабельность оптимального плана.
• 4. Исследовать возможности дальнейшего увеличения выпуска продукции в зависимости от использования каждого вида ресурсов.
• 5. Оценить целесообразность введения нового вида продукции - книжных полок, если на изготовление одной полки расходуется 1 м 2 досок и фурнитуры на 5$,и требуется затратить 0,25 часа работы станков и прибыль от реализации одной полки составляет 20$.
• 1. Построим математическую модель для данной задачи:

Обозначим через x 1 - объём производства шкафов, а х 2 - объём производства столиков. Составим систему ограничений и функцию цели:

Задачу решаем симплекс-методом. Запишем её в каноническом виде:

Запишем данные задачи в виде таблицы:

Таблица 1

Т.к. теперь все дельта больше нуля, то дальнейшее увеличение значения функции цели f невозможно и мы получили оптимальный план.

Если ограничивающий фактор один (например, дефицитный станок), решение может быть найдено с применением простых формул (см. ссылку в начале статьи). Если же ограничивающих факторов несколько, применяется метод линейного программирования.

Линейное программирование – это название, данное комбинации инструментов используемых в науке об управлении. Этот метод решает проблему распределения ограниченных ресурсов между конкурирующими видами деятельности с тем, чтобы максимизировать или минимизировать некоторые численные величины, такие как маржинальная прибыль или расходы. В бизнесе он может использоваться в таких областях как планирование производства для максимального увеличения прибыли, подбор комплектующих для минимизации затрат, выбор портфеля инвестиций для максимизации доходности, оптимизация перевозок товаров в целях сокращения расстояний, распределение персонала с целью максимально увеличить эффективность работы и составление графика работ в целях экономии времени.

Скачать заметку в формате , рисунки в формате

Линейное программирование предусматривает построение математической модели рассматриваемой задачи. После чего решение может быть найдено графически (рассмотрено ниже), с использованием Excel (будет рассмотрено отдельно) или специализированных компьютерных программ.

Пожалуй, построение математической модели – наиболее сложная часть линейного программирования, требующая перевода рассматриваемой задачи в систему переменных величин, уравнений и неравенств – процесс, в конечном итоге зависящий от навыков, опыта, способностей и интуиции составителя модели.

Рассмотрим пример построения математической модели линейного программирования

Николай Кузнецов управляет небольшим механическим заводом. В будущем месяце он планирует изготавливать два продукта (А и В), по которым удельная маржинальная прибыль оценивается в 2500 и 3500 руб., соответственно.

Изготовление обоих продуктов требует затрат на машинную обработку, сырье и труд (рис. 1). На изготовление каждой единицы продукта А отводится 3 часа машинной обработки, 16 единиц сырья и 6 единиц труда. Соответствующие требования к единице продукта В составляют 10, 4 и 6. Николай прогнозирует, что в следующем месяце он может предоставить 330 часов машинной обработки, 400 единиц сырья и 240 единиц труда. Технология производственного процесса такова, что не менее 12 единиц продукта В необходимо изготавливать в каждый конкретный месяц.

Рис. 1. Использование и предоставление ресурсов

Николай хочет построить модель с тем, чтобы определить количество единиц продуктов А и В, которые он доложен производить в следующем месяце для максимизации маржинальной прибыли.

Линейная модель может быть построена в четыре этапа.

Этап 1. Определение переменных

Существует целевая переменная (обозначим её Z), которую необходимо оптимизировать, то есть максимизировать или минимизировать (например, прибыль, выручка или расходы). Николай стремится максимизировать маржинальную прибыль, следовательно, целевая переменная:

Z = суммарная маржинальная прибыль (в рублях), полученная в следующем месяце в результате производства продуктов А и В.

Существует ряд неизвестных искомых переменных (обозначим их х 1 , х 2 , х 3 и пр.), чьи значения необходимо определить для получения оптимальной величины целевой функции, которая, в нашем случае является суммарной маржинальной прибылью. Эта маржинальная прибыль зависит от количества произведенных продуктов А и В. Значения этих величин необходимо рассчитать, и поэтому они представляют собой искомые переменные в модели. Итак, обозначим:

х 1 = количество единиц продукта А, произведенных в следующем месяце.

х 2 = количество единиц продукта В, произведенных в следующем месяце.

Очень важно четко определить все переменные величины; особое внимание уделите единицам измерения и периоду времени, к которому относятся переменные.

Этап. 2. Построение целевой функции

Целевая функция – это линейное уравнение, которое должно быть или максимизировано или минимизировано. Оно содержит целевую переменную, выраженную с помощью искомых переменных, то есть Z выраженную через х 1 , х 2 … в виде линейного уравнения.

В нашем примере каждый изготовленный продукт А приносит 2500 руб. маржинальной прибыли, а при изготовлении х 1 единиц продукта А, маржинальная прибыль составит 2500 * х 1 . Аналогично маржинальная прибыль от изготовления х 2 единиц продукта В составит 3500 * х 2 . Таким образом, суммарная маржинальная прибыль, полученная в следующем месяце за счет производства х 1 единиц продукта А и х 2 единиц продукта В, то есть, целевая переменная Z составит:

Z = 2500 * х 1 + 3500 *х 2

Николай стремится максимизировать этот показатель. Таким образом, целевая функция в нашей модели:

Максимизировать Z = 2500 * х 1 + 3500 *х 2

Этап. 3. Определение ограничений

Ограничения – это система линейных уравнений и/или неравенств, которые ограничивают величины искомых переменных. Они математически отражают доступность ресурсов, технологические факторы, условия маркетинга и иные требования. Ограничения могут быть трех видов: «меньше или равно», «больше или равно», «строго равно».

В нашем примере для производства продуктов А и В необходимо время машинной обработки, сырье и труд, и доступность этих ресурсов ограничена. Объемы производства этих двух продуктов (то есть значения х 1 их 2) будут, таким образом, ограничены тем, что количество ресурсов, необходимых в производственном процессе, не может превышать имеющееся в наличии. Рассмотрим ситуацию со временем машинной обработки. Изготовление каждой единицы продукта А требует трех часов машинной обработки, и если изготовлено х 1 , единиц, то будет потрачено З * х 1 , часов этого ресурса. Изготовление каждой единицы продукта В требует 10 часов и, следовательно, если произведено х 2 продуктов, то потребуется 10 * х 2 часов. Таким образом, общий объем машинного времени, необходимого для производства х 1 единиц продукта А и х 2 единиц продукта В, составляет 3 * х 1 + 10 * х 2 . Это общее значение машинного времени не может превышать 330 часов. Математически это записывается следующим образом:

3 * х 1 + 10 * х 2 ≤ 330

Аналогичные соображения применяются к сырью и труду, что позволяет записать еще два ограничения:

16 * х 1 + 4 * х 2 ≤ 400

6 * х 1 + 6 * х 2 ≤ 240

Наконец следует отметить, что существует условие, согласно которому должно быть изготовлено не менее 12 единиц продукта В:

Этап 4. Запись условий неотрицательности

Искомые переменные не могут быть отрицательными числами, что необходимо записать в виде неравенств х 1 ≥ 0 и х 2 ≥ 0. В нашем примере второе условия является избыточным, так как выше было определено, что х 2 не может быть меньше 12.

Полная модель линейного программирования для производственной задачи Николая может быть записана в виде:

Максимизировать: Z = 2500 * х 1 + 3500 *х 2

При условии, что: 3 * х 1 + 10 * х 2 ≤ 330

16 * х 1 + 4 * х 2 ≤ 400

6 * х 1 + 6 * х 2 ≤ 240

Рассмотрим графический метод решения задачи линейного программирования.

Этот метод подходит только для задач с двумя искомыми переменными. Модель, построенная выше, будет использована для демонстрации метода.

Оси на графике представляют собой две искомые переменные (рис. 2). Не имеет значения, какую переменную отложить вдоль, какой оси. Важно выбрать масштаб, который в конечном итоге позволит построить наглядную диаграмму. Поскольку обе переменные должны быть неотрицательными, рисуется только I-й квадрант.

Рис. 2. Оси графика линейного программирования

Рассмотрим, например, первое ограничение: 3 * х 1 + 10 * х 2 ≤ 330. Это неравенство описывает область, лежащую ниже прямой: 3 * х 1 + 10 * х 2 = 330. Эта прямая пересекает ось х 1 при значении х 2 = 0, то есть уравнение выглядит так: 3 * х 1 + 10 * 0 = 330, а его решение: х 1 = 330 / 3 = 110

Аналогично вычисляем точки пересечения с осями х 1 и х 2 для всех условий-ограничений:

Область допустимых значений	Граница допустимых значений	Пересечение с осью х 1	Пересечение с осью х 2
3 * х 1 + 10 * х 2 ≤ 330	3 * х 1 + 10 * х 2 = 330	х 1 = 110; х 2 = 0	х 1 = 0; х 2 = 33
16 * х 1 + 4 * х 2 ≤ 400	16 * х 1 + 4 * х 2 = 400	х 1 = 25; х 2 = 0	х 1 = 0; х 2 = 100
6 * х 1 + 6 * х 2 ≤ 240	6 * х 1 + 6 * х 2 = 240	х 1 = 40; х 2 = 0	х 1 = 0; х 2 = 40
х 2 ≥ 12	х 2 = 12	не пересекает; идет параллельно оси х 1	х 1 = 0; х 2 = 12

Графически первое ограничение отражено на рис. 3.

Рис. 3. Построение области допустимых решений для первого ограничения

Любая точка в пределах выделенного треугольника или на его границах будет соответствовать этому ограничению. Такие точки называются допустимыми, а точки за пределами треугольника называются недопустимыми.

Аналогично отражаем на графике остальные ограничения (рис. 4). Значения х 1 и х 2 на или внутри заштрихованной области ABCDE будут соответствовать всем ограничениям модели. Такая область называется областью допустимых решений.

Рис. 4. Область допустимых решений для модели в целом

Теперь в области допустимых решений необходимо определить значения х 1 и х 2 , которые максимизируют Z. Для этого в уравнении целевой функции:

Z = 2500 * х 1 + 3500 *х 2

разделим (или умножим) коэффициенты перед х 1 и х 2 на одно и тоже число, так чтобы получившиеся значения попали в диапазон, отражаемый на графике; в нашем случае такой диапазон – от 0 до 120; поэтому коэффициенты можно разделить на 100 (или 50):

Z = 25х 1 + 35х 2

затем присвоим Z значение равное произведению коэффициентов перед х 1 и х 2 (25 * 35 = 875):

875 = 25х 1 + 35х 2

и, наконец, найдем точки пересечения прямой с осями х 1 и х 2:

Нанесем это целевое уравнение на график аналогично ограничениям (рис. 5):

Рис. 5. Нанесение целевой функции (черная пунктирная линия) на область допустимых решений

Значение Z постоянно на всем протяжении линии целевой функции. Чтобы найти значения х 1 и х 2 , которые максимизируют Z, нужно параллельно переносить линию целевой функции к такой точке в границах области допустимых решений, которая расположена на максимальном удалении от исходной линии целевой функции вверх и вправо, то есть к точке С (рис. 6).

Рис. 6. Линия целевой функции достигла максимума в пределах области допустимых решений (в точке С)

Можно сделать вывод, что оптимальное решение будет находиться в одной из крайних точек области принятия решения. В какой именно, будет зависеть от угла наклона целевой функции и от того, какую задачу мы решаем: максимизации или минимизации. Таким образом, не обязательно чертить целевую функцию – все, что необходимо, это определить значения х 1 и х 2 в каждой из крайних точек путем считывания с диаграммы или путем решения соответствующей пары уравнений. Найденные значения х 1 и х 2 затем подставляются в целевую функцию для расчета соответствующей величины Z. Оптимальным решением является то, при котором получена максимальная величина Z при решении задачи максимизации, и минимальная – при решении задачи минимизации.

Определим, например значения х 1 и х 2 в точке С. Заметим, что точка С находится на пересечении линий: 3х 1 + 10х 2 = 330 и 6х 1 + 6х 2 = 240. Решение этой системы уравнений дает: х 1 = 10, х 2 = 30. Результаты расчета для всех вершин области допустимых решений приведены в таблице:

Точка	Значение х 1	Значение х 2	Z = 2500х 1 + 3500х 2
А	22	12	97 000
В	20	20	120 000
С	10	30	130 000
D	0	33	115 500
E	0	12	42 000

Таким образом, Николай Кузнецом должен запланировать на следующий месяц производство 10 изделий А и 30 изделий В, что позволит ему получить маржинальную прибыль в размере 130 тыс. руб.

Кратко суть графического метода решения задач линейного программирования можно изложить следующим образом:

1. Начертите на графике две оси, представляющие собою два параметра решения; нарисуйте только I-й квадрант.
2. Определите координаты точек пересечения всех граничных условий с осями, подставляя в уравнения граничных условий поочередно значения х 1 = 0 и х 2 = 0.
3. Нанести линии ограничений модели на график.
4. Определите на графике область (называемую допустимой областью принятия решения), которая соответствует всем ограничениям. Если такая область отсутствует, значит, модель не имеет решения.
5. Определите значения искомых переменных в крайних точках области принятия решения, и в каждом случае рассчитайте соответствующее значение целевой переменной Z.
6. Для задач максимизации решение – точка, в которой Z максимально, для задач минимизации, решение – точка, в которой Z минимально.

ТЕМА: ЛИНЕЙНОЕ ПРОГРАММИРОВАНИЕ

ЗАДАЧА 2.А. Решение задачи линейного программирования графическим методом

Внимание!

Это ОЗНАКОМИТЕЛЬНАЯ ВЕРСИЯ работы №2073, цена оригинала 200 рублей. Оформлена в программе Microsoft Word.

Оплата . Контакты.

Вариант 7. Найти максимальное и минимальное значения линейной функции Ф = 2x 1 — 2·x 2 при ограничениях: x 1 + х 2 ≥ 4;

— х 1 + 2·х 2 ≤ 2;

x 1 + 2·х 2 ≤ 10;

х i ≥ 0, i = 1,2.

Решение:

Заменив условно знаки неравенств на знаки равенств, получим систему уравнений x1 + х2 = 4;

— х1 + 2·х2 = 2;

x1 + 2·х2 = 10.

Построим по этим уравнениям прямые, затем в соответствии со знаками неравенств выделим полуплоскости и получим их общую часть – область допустимых решений ОДР – четырехугольник MNPQ.

Минимальное значение функ-

ции — в точке М(2; 2)

Ф min = 2·2 — 2·2 = 0.

Максимальное значение достигается в точке N (10; 0),

Ф max = 2·10 — 2·0 = 20.

Вариант 8. Найти максимальное и минимальное значения

линейной функции Ф = x 1 + x 2

при ограничениях: x 1 — 4·х 2 — 4 ≤ 0;

3·х 1 — х 2 ≥ 0;

x 1 + х 2 — 4 ≥ 0;

х i ≥ 0, i = 1,2.

Решение:

Заменив условно знаки неравенств на знаки равенств, получим систему уравнений x1 — 4·х2 = 4 ;

3·х1 — х2 = 0;

Построим по этим уравнениям прямые, затем в соответствии со знаками неравенств выделим полуплоскости и получим их общую часть – область допустимых решений ОДР – неограниченный многоугольник MNPQ.

Минимальное значение функ-

ции – на прямой NP, например

в точке Р(4; 0)

Ф min = 4 + 0 = 4.

ОДР сверху не ограничена, следовательно, Ф max = + ∞.

Вариант 10. Найти максимальное и минимальное значения

линейной функции Ф = 2·x 1 — 3·x 2

при ограничениях: x 1 + 3·x 2 ≤ 18;

2·х 1 + х 2 ≤ 16;

х 2 ≤ 5;

х i ≥ 0, i = 1,2.

Заменив условно знаки неравенств знаками равенств, получим систему уравнений

x 1 + 3·x 2 = 18 (1);

2·х 1 + х 2 = 16 (2);

3·х 1 = 21 (4).

Построим по этим уравнениям прямые, затем в соответствии со знаками неравенств выделим полуплоскости и получим их общую часть — область допустимых решений ОДР – многоугольник MNPQRS.

Построим вектор Г(2; -3) и через начало координат проведем линию уровня – прямую.

Перемещаем линию уровня в направлении, значение Ф при этом растет. В точке S(7; 0) целевая функция достигает максимума Ф max =2·7–3·0= = 14. Перемещаем линию уровня в направлении, значение Ф при этом убывает. Минимальное значение функции — в точке N(0; 5)

Ф min = 2·0 – 3·5 = –15.

ЗАДАЧА 2.B. Решение задачи линейного программирования

аналитическим симплексным методом

Вариант 7. Минимизировать целевую функцию Ф = x 1 — x 2 + x 3 + x 4 + x 5 — x 6

при ограничениях: x 1 + x 4 +6·x 6 = 9,

3·x 1 + x 2 – 4·x 3 + 2·x 6 = 2,

x 1 + 2·x 3 + x 5 + 2·x 6 = 6.

Решение:

Количество неизвестных n=6, количество уравнений m=3. Следовательно, r = n-m = 3 неизвестных можно принять в качестве свободных. Выберем x 1 , x 3 и x 6 .

Базисные переменные x 2 ,x 4 и x 5 выразим через свободные и приведем систему к единичному базису

х 2 = 2 — 3·x 1 + 4·x 3 – 2·x 6

x 4 = 9 – x 1 – 6·x 6 (*)

x 5 = 6 – x 1 — 2·x 3 – 2·x 6

Целевая функция будет иметь вид:

Ф = x 1 — 2 + 3·x 1 — 4·x 3 + 2·x 6 + x 3 + 9 – x 1 – 6·x 6 +6 – x 1 — 2·x 3 – 2·x 6 – x 6 =

13 + 2·x 1 — 5·x 3 – 7·x 6

Положим x 1 = x 3 = x 6 = 0, при этом базисные переменные примут значения x 2 = 2; x 4 = 9; x 5 = 6, то есть, первое допустимое решение (0; 2; 0; 9; 6; 0), целевая функция Ф 1 = 13.

Переменные х 3 и х 6 входят в целевую функцию с отрицательными коэффициентами, следовательно, при увеличении их значений величина Ф будет уменьшаться. Возьмем, к примеру, х 6 . Из 1-го уравнения системы (*) видно, что увеличение значения x 6 возможно до x 6 = 1 (пока x 2 ³ 0). При этом x 1 и x 3 сохраняют значения, равные нулю. Теперь в качестве базисных переменных примем х 4 , х 5 , х 6 , в качестве свободных – х 1 , х 2 , х 3 . Выразим новые базисные переменные через новые свободные. Получим

х 6 = 1 – 3/2·x 1 – 1/2·x 2 + 2·x 3

x 4 = 3 + 8·x 1 + 3·x 2 – 12·x 3

x 5 = 4 + 2·x 1 + x 2 – 6·x 3

Ф = 6 + 25/2 ·x 1 + 7/2·x 2 – 19·x 3

Присвоим свободным переменным нулевые значения, то есть, x 1 =x 2 = x 3 =0, при этом х 6 = 1, x 4 = 3, x 5 = 4, то есть, третье допустимое решение (0; 0; 0; 3; 4; 1). При этом Ф 3 = 6.

Переменная x 3 входит в целевую функцию с отрицательным коэффициентом, следовательно увеличение x 3 относительно нулевого значения приведет к снижению Ф. Из 2-го уравнения видно, что x 3 может возрастать до 1/4, из 3-го уравнения – до 2/3. Второе уравнение более критично. Переменную x 3 переведем в число базисных, x 4 — в число свободных.

Теперь в качестве новых свободных переменных примем x 1 , x 2 и x 4 . Выразим через них новые базисные переменные x 3 , x 5 , x 6 . Получим систему

х 3 = 1/4 + 2/3·x 1 + 1/4·x 2 – 1/12·x 4

x 5 = 5/2 — 2·x 1 – 1/2·x 2 + 1/2·x 4

x 6 = 3/2 – 1/6·x 1 – 1/6·x 4

Целевая функция примет вид

Ф = 5/4 — 1/6·x 1 — 5/4·x 2 + 19/12·x 4

Переменные х 1 и х 2 входят в целевую функцию с отрицательными коэффициентами, следовательно, при увеличении их значений величина Ф будет уменьшаться. Возьмем, например, х 2 . Из 2-го уравнения системы видно, что увеличение значения x 2 возможно до x 2 = 5 (пока x 5 ³ 0). При этом x 1 и x 4 сохраняют нулевые значения, значения других переменных равны x 3 = 3/2; x 5 = 0, x 6 = 3/2, то есть, четвертое допустимое решение (0; 5; 3/2; 0; 0; 3/2). При этом Ф 4 = 5/4.

Теперь в качестве новых свободных переменных примем x 1 , x 4 и x 5 . Выразим через них новые базисные переменные x 2 , x 3 , x 6 . Получим систему

х 2 = 5 — 4·x 1 + x 4 – 2·x 5

x 3 = 3/2 – 1/3·x 1 + 1/6·x 4 — 1/2·x 5

x 6 = 3/2 – 1/6·x 1 – 1/6·x 4

Целевая функция примет вид

Ф = — 5 + 29/6·x 1 + 1/3·x 4 + 5/2·x 5

Коэффициенты при обеих переменных в выражении для Ф положительные, следовательно, дальнейшее уменьшение величины Ф невозможно.

То есть, минимальное значение Ф min = — 5, последнее допустимое решение (0; 5; 3/2; 0; 0; 3/2) является оптимальным.

Вариант 8. Максимизировать целевую функцию Ф = 4·x 5 + 2·x 6

при ограничениях: x 1 + x 5 + x 6 = 12;

x 2 + 5·x 5 — x 6 = 30;

x 3 + x 5 — 2·x 6 = 6;

2·x 4 + 3·x 5 — 2·x 6 = 18;

Решение:

Количество уравнений равно 4, количество неизвестных – 6. Следовательно r = n – m = 6 – 4 = 2 переменных можем выбрать в качестве свободных, 4 переменных – в качестве базисных. В качестве свободных выберем x 5 и x 6 , в качестве базисных — x 1 , x 2 , x 3 , x 4 . Выразим базисные переменные через свободные и приведем систему уравнений к единичному базису

x 1 = 12 — x 5 — x 6 ;

x 2 = 30 — 5·x 5 + x 6 ;

x 3 = 6 — x 5 + 2·x 6 ;

x 4 = 9 — 3/2·x 5 + x 6 ;

Целевую функцию запишем в виде Ф = 4·x 5 + 2·x 6 . Присвоим свободным переменным нулевые значения x 5 = x 6 = 0. При этом базисные переменные примут значения x 1 = 12, x 2 = 30, x 3 = 6, x 4 = 9, то есть, получим первое допустимое решение (12, 30, 6, 9, 0,) и Ф 1 = 0.

В целевую функцию обе свободные переменные входят с положительными коэффициентами, то есть, возможно дальнейшее увеличение Ф. Переведем, например, x 6 в число базисных. Из уравнения (1) видно, что x 1 = 0 при x 5 = 12, в (2) ÷ (4) x 6 входит с положительными коэффициентами. Перейдем к новому базису: базисные переменные – x 6 , x 2 , x 3 , x 4 , свободные — x 1 , x 5. Выразим новые базисные переменные через новые свободные

х 6 = 12 — x 1 — x 5 ;

x 2 = 42 — x 1 — 6·x 5 ;

x 3 = 30 — 2·x 1 — 3·x 5 ;

x 4 = 21 — x 1 — 5/2·x 5 ;

Целевая функция примет вид Ф = 24 — 2·x 1 + 2·x 5 ;

Присвоим свободным переменным нулевые значения x 1 = x 5 = 0. При этом базисные переменные примут значения x 6 =12, x 2 =42, x 3 = 30, x 4 = 21, то есть, получим второе допустимое решение (0, 42, 30, 21, 0, 12) и Ф 2 = 24.

В целевую функцию x 5 входит с положительным коэффициентом, то есть, возможно дальнейшее увеличение Ф. Перейдем к новому базису: базисные переменные – x 6 , x 5 , x 3 , x 4 , свободные — x 1 , x 2. Выразим новые базисные переменные через новые свободные

х 6 = 5 — 5/6·x 1 + 1/6·x 2 ;

x 5 = 7 — 1/6·x 1 — 1/6·x 2 ;

x 3 = 9 — 3/2·x 1 + 1/2·x 2 ;

x 4 = 7/2 — 7/12·x 1 + 5/12·x 5 ;

Целевая функция примет вид Ф = 38 – 7/2·x 1 – 1/3·x 2 ;

Присвоим свободным переменным нулевые значения x 1 = x 2 = 0. При этом базисные переменные примут значения x 6 = 5, x 5 = 7, x 3 = 9, x 4 = 7/2, то есть, получим третье допустимое решение Х 3 = (0, 0, 9, 7/2, 7, 5) и Ф 3 = 38.

В целевую функцию обе переменные входят с отрицательными коэффициентами, то есть, дальнейшее увеличение Ф невозможно.

Следовательно, последнее допустимое решение является оптимальным, то есть, Х опт = (0, 0, 9, 7/2, 7, 5) и Ф max = 38.

Вариант 10. Максимизировать целевую функцию Ф = x 2 + x 3

при ограничениях: x 1 — x 2 + x 3 = 1,

x 2 — 2·х 3 + х 4 = 2.

Решение:

Система уравнений — ограничений совместна, так как ранги матрицы системы уравнений и расширенной матрицы одинаковы и равны 2. Следовательно, две переменные можно принять в качестве свободных, две другие переменные — базисные — выразить линейно через две свободные.

Примем за свободные переменные x 2 и х 3 .Тогда базисными будут переменные х 1 и х 2 , которые выразим через свободные

x 1 = 1 + x 2 — x 3 ; (*)

x 4 = 2 — x 2 + 2·x 3 ;

Целевая функция уже выражена через x 2 и x 3 , то есть, Ф = x 2 + x 3 .

При х 2 =0 и х 3 =0 базисные переменные будут равными х 1 = 1, х 4 = 2.

Имеем первое допустимое решение Х 1 = (1, 0, 0, 2), при этом Ф 1 = 0.

Увеличение Ф возможно при увеличении, например, значения х 3 , который входит в выражение для Ф с положительным коэффициентом (x 2 при этом остается равным нулю). В первое уравнение системы (*) видно, что х 3 можно увеличивать до 1 (из условия х 1 ³0), то есть это уравнение накладывает ограничение на увеличение значения х 3 . Первое уравнение системы (*) является разрешающим. На базе этого уравнения переходим к новому базису, поменяв х 1 и х 3 местами. Теперь базисными переменными будут х 3 и x 4 , свободными — x 1 и x 2 . Выразим теперь х 3 и x 4 через х 1 и х 2 .

Получим: x 3 = 1 — x 1 + x 2 ; (**)

x 4 = 4 — 2·x 1 + x 2 ;

Ф = х 2 + 1 — х 1 + х 2 = 1 — x 1 + 2·x 2

Приравняв нулю свободные переменные, получим второе допустимое базисное решение Х 2 = (0; 0; 1; 4), при котором Ф 2 =1.

Увеличение Ф возможно при увеличении х 2 . Увеличение же х 2 , судя по последней системе уравнений (**), не ограничено. Следовательно, Ф будет принимать все большие положительные значения, то есть, Ф мах = + ¥.

Итак, целевая функция Ф не ограничена сверху, потому оптимального решения не существует.

ЗАДАЧА 2.D. Составить задачу, двойственную к приведенной

исходной задаче.

Вариант 7. Максимизировать целевую функцию Ф = 2 × х 1 — х 4

при ограничениях: х 1 + х 2 = 20,

х 2 + 2 × х 4 ≥ 5,

х 1 + х 2 + х 3 ≤ 8,

х i ≥ 0 (i = 1, 2, 3, 4)

Решение:

Приведем систему ограничений к единому, например, каноническому виду, введя дополнительные переменные во 2-ое и 3-е уравнения

х 1 + х 2 = 20,

х 2 + 2× х 4 – х 5 = 5,

— х 1 + х 2 + х 3 + х 6 = 8.

Получили несимметричную задачу 2-го типа. Двойственная задача будет иметь вид:

Минимизировать целевую функцию F = 20× у 1 + 5× y 2 + 8× y 3

при y 1 — y 3 ≥ 2,

y 1 + y 2 + y 3 ≥ 0,

y 3 ≥ 0,

2× y 2 ≥ 1,

Y 2 ≥ 0,

y 3 ≥ 0.

Вариант 8. Максимизировать целевую функцию Ф = х 2 — х 4 — 3 × х 5

при ограничениях: х 1 + 2 × х 2 — х 4 + х 5 = 1,

— 4 × х 2 + х 3 + 2 × х 4 — х 5 = 2,

3 × х 2 + х 5 + х 6 = 5,

x i ≥ 0, (i = 1, 6)

Решение:

Имеем исходную задачу на максимизацию с системой ограничений в виде уравнений, то есть, пара двойственных задач имеет несимметричный вид 2-го типа, математическая модель которых в матричной форме имеет вид:

Исходная задача: Двойственная задача:

Ф = С× Х max F = B Т × Y min

при А× Х = В при A Т × Y ≥ С Т

В исходной задаче матрица-строка коэффициентов при переменных в целевой функции имеет вид С = (0; 1; 0; -1; -3; 0),

матрица-столбец свободных членов и матрица коэффициентов при переменных в системе ограничений имеют вид

В = 2 , А = 0 — 4 1 2 -1 0

Найдем транспонированную матрицу коэффициентов, матрицу-строку коэффициентов при переменных в целевой функции и матрицу-столбец свободных членов

0 1 0 0 В Т = (1; 2; 5)

A T = -1 2 0 С Т = -1

Двойственная задача запишется в следующем виде:

найти минимальное значение целевой функции F = y 1 + 2× y 2 + 5× y 3

при ограничениях y 1 ≥ 0,

2× y 1 — 4× y 2 + 3× y 3 ≥ 1,

— y 1 + 2× y 2 ≥ -1,

y 1 — y 2 + y 3 ≥ -3,

Вариант 10. Минимизировать функцию Ф = х 1 + х 2 + х 3

при ограничениях: 3 × х 1 + 9 × х 2 + 7 × х 3 ≥ 2,

6 × х 1 + 4·х 2 + 5 × х 3 ≥ 3,

8 × х 1 + 2·х 2 + 4 × х 3 ≥ 4,

Решение:

Имеем исходную задачу на минимизацию с системой ограничений в виде неравенств, то есть, пара двойственных задач имеет симметричный вид 3-го типа, математическая модель которых в матричной форме имеет вид:

Исходная задача Двойственная задача

Ф = С× Х min F = B Т × Y max

при А × Х ≥ В при A Т × Y ≤ С Т

Х ≥ 0 Y ≥ 0

В исходной задаче матрица-строка коэффициентов при переменных в целевой функции, матрица-столбец свободных членов и матрица коэффициентов при переменных в системе ограничений имеют вид

С = (1; 1; 1), В = 3 , А = 6 4 5

Найдем матрицы двойственной задачи

В T = (2; 3; 4) С T = 3 A T = 9 4 2

Двойственная задача формулируется в виде:

Максимизировать целевую функцию F = 2y 1 + 3y 2 + 4y 3

при ограничениях 3× y 1 + 6× y 2 + 8× y 3 ≤ 1,

9× y 1 + 4× y 2 + 2× y 3 ≤ 1,

7× y 1 + 5× y 2 + 4× y 3 ≤ 1,

y i ≥ 0 (i = 1, 2, 3)

ЗАДАЧА 2.С. Решение задачи линейного программирования с помощью симплексных таблиц.

Вариант 7. Максимизировать целевую функцию Ф = 2·x 1 — x 2 + 3·x 3 + 2·x 4

при ограничениях: 2·x 1 + 3·x 2 — x 3 + 2·x 4 ≤ 4,

x 1 — 2·x 2 + 5·x 3 — 3·x 4 ≥ 1,

4·x 1 + 10·x 2 +3·x 3 + x 4 ≤ 8.

Решение:

Приведем систему ограничений к каноническому виду

2·x 1 + 3·x 2 — x 3 + 2·x 4 + z 1 = 4, (1)

x 1 — 2·x 2 + 5·x 3 — 3·x 4 — z 2 = 1, (2)

4·x 1 + 10·x 2 +3·x 3 + x 4 + z 3 = 8. (3)

Имеем систему 3-х уравнений с 7-ю неизвестными. Выберем в качестве базисных 3 переменных x 1 , z 1 , z 3 , в качестве свободных — x 2 , x 3 , x 4 , z 2 , выразим через них базисные переменные.

Из (2) имеем x 1 = 1 + 2·x 2 — 5·x 3 + 3·x 4 + x 6

Подставим в (1) и (3), получим

x 1 — 2·x 2 + 5·x 3 — 3·x 4 — z 2 = 1,

z 1 + 7·x 2 — 11·x 3 + 8·x 4 + 2·z 2 = 2,

z 3 + 18·x 2 — 17·x 3 + 13·x 4 + 4·z 2 = 4,

Ф — 3·x 2 + 7·x 3 — 8·x 4 — 2· z 2 = 2.

Составим симплекс-таблицу

I итерация Таблица 1

Базисн. перем.	Свобод. перем.
x 1	1	1	— 2	5	— 3	0	— 1	0		3/8
z 1	2	0	7	-11		1	2	0	1/ 4	1/8
z 3	4	0	18	-17	13	0	4	1	4/13	13/8
Ф	2	0	— 3	7	— 8	0	— 2	0		1

Х 1 = (1; 0; 0; 0; 2; 0; 4) Ф 1 = 2.

II итерация Таблица 2

x 1	14/8	1	5/8	7/8	0	3/8	-2/8	0	2	— 1
x 4	1/ 4	0	7/8	-11/8	1	1/8	2/8	0		11/7
z 3	6/8	0	53/8		0	-13/8	6/8	1	6/7	8/7
Ф	4	0	4	— 4	0	1	0	0		32/7

Х 2 = (14/8; 0; 0; 1/4; 0; 0; 4) Ф 2 = 4.

III итерация Таблица 3

x 1	1	1	— 6	0	0		-1	— 1		1/2
x 4	10/ 7	0	79/7	0	1	-17/7	10/7	11/7		11/7
x 3	6/7	0	53/7	1	0	-13/7	6/7	8/7		13/14
Ф	52/7	0	240/7	0	0	-45/7	24/7	32/7		45/14

Х 3 = (1; 0; 6/7; 10/7; 0; 0; 0) Ф 3 = 52/7.

IV итерация Таблица 4

z 1	1/ 2	1/2	— 3	0	0	1	-1/2	-1/2
x 4	37/ 14	17/14	56/14	0	1	0	3/14	5/14
x 3	25/14	13/14	28/14	1	0	0	-1/14	3/14
Ф	149/14	45/14	15	0	0	0	3/14	19/14

Х 4 = (0; 0; 25/14; 37/14; 1/2; 0; 0) Ф 4 = 149/14.

В индексной строке последней таблицы нет отрицательных чисел, то есть, в выражении для целевой функции все Г i < 0. Имеем случай I, следовательно, последнее базисное решение является оптимальным.

Ответ: Ф m ax = 149/14,

оптимальное решение (0; 0; 25/14; 37/14; 1/2; 0; 0)

Вариант 8. Минимизировать целевую функцию Ф = 5·x 1 — x 3

при ограничениях: x 1 + x 2 + 2·x 3 — x 4 = 3,

x 2 + 2· x 4 =1,

Решение:

Количество переменных равно 4, ранг матрицы — 2, следовательно количество свободных переменных равно r = 4 — 2 = 2, количество базисных тоже 2. В качестве свободных переменных примем х 3 , х 4 , базисные переменные x 1 , x 2 выразим через свободные и приведем систему к единичному базису:

x 2 = 1 — 2· x 4 ,

x 1 = 3 — x 2 — 2·x 3 + x 4 = 3 – 1 + 2· x 4 — 2·x 3 + x 4 = 2 — 2·x 3 + 3· x 4

Ф = 5·x 1 — x 3 = 5·(2 — 2·x 3 + 3· x 4) — x 3 = 10 — 10·x 3 + 15· x 4 — x 3 = 10 — 11·x 3 + 15· x 4

Запишем систему уравнений и целевую функцию в удобном для симплекс-таблицы виде, то есть, x 2 + 2· x 4 = 1,

x 1 +2·x 3 — 3· x 4 = 2

Ф + 11·x 3 — 15· x 4 = 10

Составим таблицу

I итерация Таблица 1

Базисн. перем.	Свобод. перем.
X 1	2	1	0		— 3		1/2
X 2	1	0	1	0	2
Ф	10	0	0	11	— 15		— 11/2

Х 1 = (2; 1; 0; 0) Ф 1 = 10.

II итерация Таблица 2

X 3	1	1/2	0	1	-3/2		3/4
X 2	1	0	1	0			1/2
Ф	— 1	— 11/2	0	0	3/2		— 3/4

Х 2 = (0; 1; 1; 0) Ф 2 = -1.

III итерация Таблица 3

X 3	7/4	1/2	3/4	1	0
X 4	1/2	0	1/2	0	1
Ф	— 7/4	— 11/2	— 3/4	0	0

Х 3 = (0; 0; 7/4; 1/2) Ф 3 = -7/4.

В индексной строке последней таблицы нет положительных чисел, то есть, в выражении для целевой функции все Г i > 0. Имеем случай I, следовательно, последнее базисное решение является оптимальным.

Ответ: Ф min = -7/4, оптимальное решение (0; 0; 7/4; 1/2)

********************

Вариант 10. Минимизировать целевую функцию Ф = x 1 + x 2 ,

при ограничениях: x 1 –2·x 3 + x 4 = 2,

x 2 – x 3 + 2·x 4 = 1,

Решение:

Количество переменных равно 5, ранг матрицы — 3, следовательно количество свободных переменных равно r = 6-3 = 2. В качестве свободных переменных примем х 3 и х 4 , в качестве базисных — x 1 , x 2 , x 5 . Все уравнения системы уже приведены к единичному базису (базисные переменные выражены через свободные), но записаны в виде, не удобном к применению симплекс-таблиц. Запишем систему уравнений в виде

x 1 — 2·x 3 + x 4 = 2

x 2 — x 3 +2·x 4 = 1

x 5 + x 3 — x 4 . = 5

Целевую функцию выразим через свободные переменные и запишем в виде Ф — 3·x 3 +3·x 4 = 3

Составим таблицу

I итерация Таблица 1

Базисн. перем.	Свобод. перем.
х 1	2	1	0	-2	1	0	2	-1/2
х 2	1	0	1	-1		0	1/2	1/2
х 5	5	0	0	1	-1	1		1/2
Ф	3	0	0	-3	3	0		-3/2

Х 1 = (2; 3; 0; 0; 5) Ф 1 = 3.

Таблица 2

х 1	3/2	1	-1/2	-3/2	0	0
х 4	1/2	0	1/2	-1/2	1	0
х 5	11/2	0	1/2	1/2	0	1
Ф	3/2	0	-3/2	-3/2	0	0

Х 2 = (3/2; 0; 0; 1/2; 11/2) Ф 2 = 3/2.

В индексной строке последней таблицы нет положительных чисел, то есть, в выражении для целевой функции все Гi > 0. Имеем случай 1, следовательно, последнее базисное решение является оптимальным.

Ответ: Ф min = 3/2, оптимальное решение (3/2; 0; 0; 1/2; 11/2).

Решение : найдем максимальное и минимальное значение функции \(f (x, y)\) при следующих ограничениях $$ f(x,y)=(x-4)^2 + (y-3)^2 \rightarrow max,min \\ \begin{cases} 2x+3y\geq 6 \\ 3x-2y\leq 18\\ -x+2y\leq 8\\ x,y\geq0\end{cases} $$
Графический способ решения задачи целесообразно использовать, для задач с двумя переменными, которые записаны в симметричной форме, а также для задач со многими переменными при условии, что в их канонической записи содержится не более двух свободных переменных.

В данном случае задача с двумя переменными.

Алгоритм решения задачи "геометрическая интерпретация задачи линейного программирования":

1.Построим на плоскости xOy область допустимых решений.
2.Выделим область неотрицательных решений.

4. Построим семейство целевых функций.
5. Находим максимальное (минимальное) значение целевой функции.

1. Строим область допустимых решений задачи \(D\).

Для построения области допустимых решений:
1) Строим граничные прямые:
преобразуем неравенства к равенствам, а затем к уравнению прямой линии в отрезках на осях вида \(\frac{x}{a}+\frac{y}{b} = 1\), тогда \(x=a\) - отрезок отсекаемый на оси Ox, \(y=b\) - на оси Oy $$ \begin{cases} 2x+3y = 6 \\ 3x-2y = 18\\ -x+2y = 8 \end{cases} => \begin{cases} \frac{x}{3}+\frac{y}{2} = 1 \\ \frac{x}{8}-\frac{y}{9} = 1 \\ -\frac{x}{6}+ \frac{y}{4} = 1 \end{cases} $$ Для каждой прямой откладываем отрезки на осях и соединяем их. Получили нужные прямые.

2) Находим полуплоскости, которые удовлетворяют заданным неравенствам:
Для неравенства \(2x+3y\geq 6\) - полуплоскость, которая лежит выше прямой \(2x+3y = 6\). Прямая AC
Для неравенства \(3x-2y\leq 18 => -3x+2y \geq -18\)- полуплоскость, которая лежит выше прямой \(3x-2y = 18\). Прямая CB
Для неравенства \(-x+2y\leq 8\)- полуплоскость, которая лежит ниже прямой \(-x+2y = 8\). Прямая AB

Область допустимых решений определяется как общая часть трех полуплоскостей, соответствующих данным неравенствам. Эта область представляет собой треугольник \(ABC\)

Областью \(D\) является треугольник \(ABC\) см. рис.

2.Выделим область неотрицательных решений.

Область неотрицательных решений расположена в первой четверти и является общей частью всех пяти полуплоскостей, три их которых - область \(D\), полученная из неравенств и дополнительно два неравенства \(x \geq 0\) - верхняя полуплоскость (I и II четверти) и \(y \geq 0\) - правая полуплоскость (I и IV четверти), которые выражают условие неотрицательности переменных \(x;y\). Получили искомую область неотрицательных решений \(DEBFG\)

3.Найдем координаты вершин области.
Координаты четырех вершин уже известны (это точки пересечения прямых с осями).
Запишем эти координаты:
\(D(0;2)\), \(E(0;4)\), \(F(6;0)\), \(G(3;0)\)
Найдем координаты точки \(B\), как точки пересечения прямых \(-x+2y = 8\) и \(3x-2y = 18\). Решим систему уравнений и найдем координаты этой точки $$\begin{cases} -x+2y = 8\\ 3x-2y = 18\end{cases}=> \begin{cases} 2x = 26\\ 3x-2y = 18\end{cases}=> \begin{cases} x = 13\\ y =10.5\end{cases}$$
Получили координаты точки \(B(13;10.5)\)

4. Строим семейство целевых функций.
Уравнение \(f(x,y)=(x-4)^2 + (y-3)^2 \rightarrow max,min\) определяет на плоскости xOy семейство концентрических окружностей с центом в точке с координатами \(Q(4;3)\), каждой из которых отвечает определенное значение параметра \(f\). Как известно, для уравнения окружности параметр \(f=R^2\).

Изобразим в одной системе координат семейство концентрических окружностей \(f\) и семейство прямых. Задача определения точки максимума (минимума) точки \(f\) сведется к нахождению в допустимой области точки, через которую проходит окружность семейства \(f=const\), отвечающая за наибольшее (наименьшее) значение параметра \(f\).

5. Находим максимальное (минимальное) значение целевой функции.

Минимальное значение целевой функции : Путем постепенного увеличения радиуса окружности мы получили, что первая вершина, через которую пройдет окружность это точка \(G(3;0)\). Целевая функция в этой точке будет минимальной и равна \(f(3,0)=(3-4)^2 + (0-3)^2 = 10\)

Максимальное значение целевой функции : Путем дальнейшего увеличения радиуса окружности мы получили, что последняя вершина, через которую пройдет окружность это точка \(B(13;10.5)\). Целевая функция в этой точке будет максимальной и равна \(f(13,10.5)=(13-4)^2 + (10.5-3)^2 = 137.25\)

Можно убедиться в правильности решения путем подстановки координат оставшихся вершин в уравнение целевой функции:
в вершине \(D(0;2)\) значение целевой функции равно \(f(0,2)=(0-4)^2 + (2-3)^2 = 17\)
в вершине \(E(0;4)\) значение целевой функции равно \(f(0,4)=(0-4)^2 + (4-3)^2 = 17\)
в вершине \(F(6;0)\) значение целевой функции равно \(f(6,4)=(6-4)^2 + (0-3)^2 = 13\)
Получили, что

Ответ :
минимальное значение целевой функции \(f_{min} = 10\)
максимальное значение целевой функции \(f_{max} = 137.25\)

Найти графическим методом максимум целевой функции

F = 2x 1 + 3x 2 ® max

При ограничениях

Решение с помощью таблиц Excel

Вначале построим на листе Excel решение системы неравенств.

Рассмотрим первое неравенство .

Построим граничную прямую по двум точкам. Прямую обозначим (L1)(или Ряд1). Координаты х 2 считаем по формулам:

Для построения выбираем точечную диаграмму

Выбираем данные для прямой

Изменяем название прямой:

Выбираем макет диаграммы. Изменяем название осей координат:

Прямая (L1) на графике:

Решение строгого неравенства можно найти с помощью единственной пробной точки, не принадлежащей прямой (L1). Например, с помощью точки (0; 0)Ï(L1).

0 + 3×0 < 18 или 0 < 18 .

Неравенство является верным, следовательно решением неравенства (1) будет та полуплоскость, в которой пробная точка расположена (на рисунке ниже прямой L1).

Затем решаем неравенство (2) .

Построим граничную прямую 2 по двум точкам. Прямую обозначим (L2).

Прямая (L2) на графике:

Решение строгого неравенства 2 можно найти с помощью единственной пробной точки, не принадлежащей прямой (L2). Например, с помощью точки (0; 0)Ï(L2).

При подстановке координат точки (0; 0), получаем неравенство

2×0 + 0 < 16 или 0 < 16 .

Неравенство является верным, следовательно решением неравенства (2) будет та полуплоскость, в которой пробная точка расположена (на рисунке ниже прямой L2).

Затем решаем неравенство (3) .

Построим граничную прямую по двум точкам. Прямую обозначим (L3).

Прямая (L3) на графике:

Решение строгого неравенства 2 можно найти с помощью единственной пробной точки, не принадлежащей прямой (L3). Например, с помощью точки (0; 0)Ï(L3).

При подстановке координат точки (0; 0), получаем неравенство

Неравенство является верным, следовательно решением неравенства (3) будет та полуплоскость, в которой пробная точка расположена (на рисунке ниже прямой L3).

Затем решаем неравенство (4) .

Построим граничную прямую по двум точкам. Прямую обозначим (L4).

На листе Excel добавляем данные

Прямая (L4) на графике:

Решение строгого неравенства 3х 1 < 21 можно найти с помощью единственной пробной точки, не принадлежащей прямой (L4). Например, с помощью точки (0; 0)Ï(L4).

При подстановке координат точки (0; 0), получаем неравенство

Неравенство является верным, следовательно, решением неравенства (4) будет та полуплоскость, в которой пробная точка расположена (на рисунке левее прямой L4).

Решением двух неравенств (5) и (6)

является 1-ая четверть, ограниченная координатными прямыми и .

Система неравенств решена. Решением системы неравенств (1) – (6) в данном примере является выпуклый многоугольник в левом нижнем углу рисунка, ограниченный прямыми L1, L2, L3, L4 и координатными прямыми и . Убедиться, что многоугольник выбран правильно, можно подстановкой пробной точки, например (1; 1) в каждое неравенство исходной системы. При подстановке точки (1; 1) получаем, что все неравенства, в том числе естественные ограничения, верные.

Рассмотрим теперь целевую функцию

F = 2x 1 + 3x 2 .

Построим линии уровня для значений функции F = 0 и F = 12 (числовые значения выбраны произвольно). На листе Excel добавляем данные

Линии уровней на графике:

Построим вектор направлений (или градиент) {2; 3}. Координаты вектора совпадают с коэффициентами целевой функции F .