Основное назначение любой математической модели - помочь получить новые знания об объекте исследования. Одна из самых главных целей информации об объекте - определение оптимальных условий функционирования исследуемого объекта. Модели оптимизации специально посвящены решению этой задачи [11, 29, 30].
Любой объект исследования можно представить (рис. 2.1), где х1, …хn - входные параметры; y1, …yk - выходные параметры.
Рис. 2.1 – Схема объекта исследования
Среди выходных параметров выделяют несколько наиболее важных, от численных значений которых зависит качество функционирования объекта. Эти параметры называются критерии оптимальности или критерии качества q:
(2.1)
Задача ставится следующим образом: найти такие значения входных параметров (хп), при которых критерии оптимальности достигнут оптимального (min или max) значения, причем вектор входных параметров должен принадлежать некоторому множеству, которое называется множество допустимых решений:
, (2.2)
где х1, х2,…хn - должны удовлетворять некоторым ограничениям.
|
|
Задачи оптимизации делятся на:
а) скалярную оптимизацию - это наиболее простая задача, когда рассматривается один критерий оптимальности (для решения используют графический метод, а аналитический метод (симплекс-метод);
б) векторную оптимизацию - когда рассматривается несколько критериев оптимизации (для решения используют метод Зейдена, градиентные методы, методы Поррето).
Из задач скалярной оптимизации наиболее простыми являются задачи линейного программирования (ЛП), в которых критерий оптимальности - это линейная функция входных параметров, а область допустимых решений задана системой линейных равенств [25].
Модель задачи ЛП формализуется следующим образом:
(2.3)
Функцию называют целевой.
Более компактно модель (1) может быть записана в матричной форме следующим образом:
(2.4)
где - матрица размером m<n;
- вектор правых частей ограничения;
- входных параметров;
- вектор коэффициента целевой функции.