Преобразование нелинейной модели к сепарабельному виду. Аппроксимация нелинейной сепарабельной функции кусочно-линейной функцией

Y=36x₂-5x₁²+4x₁x₂-5x₂² → max

При ограничениях:

x₁+x₂ ≤ 2

x₁ ≤ 1/2

x_1,2 ≥ 0

Функция является сепарабельной, если ее можно представить как сумму функций, каждая из которых зависит от одной переменной. Целевая функция данной задачи не является сепарабельной, т.к. содержит произведение двух переменных . Для приведения ее к сепарабельному виду необходимо ввести подстановку

В задачу также добавятся ограничения:

y1=1/2*x1+1/2*x2

z2=1/2*x1+1/2*x2

y_­²-z²≥0

Тогда задача примет вид:

Определим верхние и нижние границы переменных х₁, х₂, z, y. Для этого решаем соответствующие задачи линейного программирования. В итоге получим:

/4

Для осуществления линеаризации выберем некоторую «сетку» значений x, построенную так:

Затем любое значение x будем выражать в виде некоторой средневзвешенной x_k по правилу:

где веса l_k удовлетворяют условиям:

Для выбора точек аппроксимации построим графики линеаризуемых функций.

Рисунок 3.1 -

Рисунок 3.2 -

Рисунок 3.3 -

Рисунок 3.4 -

Точки следует выбрать в соответствии со следующим правилом: чем менее линейна функция на определенном участке, тем выше должна быть плотность точек аппроксимации. Разбиения, принятые при решении данной задачи, приведены в таблице 3.3.1.

Таблица 3.3.1 – Сетка аппроксимации

Выразим переменные

Таблица 3.3.2

Решение задачи сепарабельным симплекс-методом

Теперь, используя выбранные точки можно преобразовать нелинейные ограничения и нелинейную ЦФ к кусочно-линейному виду. К ограничениям также добавятся ограничения, обеспечивающие свойство весов смежных точек. В итоге получим задачу линейного программирования.

Максимизировать целевую функцию вида:

При ограничениях:

k = 1, 2, …, 10.

Полученную задачу решаем с помощью сепарабельного симплекс-метода. Сепарабельный симплексный алгоритм аналогичен обычному симплекс методу, за исключением необходимости соблюдения правила ограниченного ввода в базис, суть которого заключается в том, что оптимальное решение, полученное с использованием аппроксимирующей модели, содержит либо один вес l_k, либо два соседних l_k, l_k+1.

Оптимизация исходной целевой функции и ее решение, с учетом правила ограниченного ввода в базис, приведены в приложении B.

Полученследующийрезультат:

Подставим полученные значения в исходную функцию и ограничения, получим:

Y = 21/5

Ответ:X = (1; 4/5); Y = 21/5