Розробка методу дрібно-нелінійної оптимізації

Автор(и)

  • Lev Raskin Національний технічний університет «Харківський політехнічний інститут» вул. Кирпичова, 2, м. Харків, Україна, 61002, Україна https://orcid.org/0000-0002-9015-4016
  • Oksana Sira Національний технічний університет «Харківський політехнічний інститут» вул. Кирпичова, 2, м. Харків, Україна, 61002, Україна https://orcid.org/0000-0002-4869-2371

DOI:

https://doi.org/10.15587/1729-4061.2019.174079

Ключові слова:

оптимізація дрібно-нелінійної функції, лінійні обмеження, однокрокова процедура, точне розв’язання

Анотація

Запропоновано метод розв'язання задачі дрібно-нелінійної оптимізації. Показано, що саме до такої математичної моделі зводяться численні задачі управління запасами, раціонального розподілу обмежених ресурсів, відшукання оптимальних шляхів на графі, раціональної організації перевезень, управління динамічними системами та інші задачі у випадках, коли вихідні дані задачі описані в термінах теорії ймовірностей або нечіткої математики. Проведено аналіз відомих методів вирішення задач дрібно-нелінійної оптимізації. Найбільш продуктивний з них заснований на ітераційної процедурі послідовного поліпшення початкового рішення задачі. При цьому на кожному кроці вирішується задача математичного програмування. Метод сходиться, якщо область допустимих рішень компактна. Очевидний недолік методу – неконтрольована швидкість збіжності. В роботі запропонований метод розв'язання задачі, ідея якого перегукується з відомим методом дрібно-лінійної оптимізації. Запропонована технологія перетворює вихідну задачу з дрібно-раціональним критерієм до звичайної задачі математичного програмування. Головне достоїнство методу і його відмінність від відомих полягає в тому, що метод реалізується з використанням однокрокової процедури отримання рішення. При цьому розмірність задачі не є обмежуючим фактором. Вимоги до математичної моделі задачі, які звужують область можливих додатків розробленої методики:

1) компоненти цільової функції повинні бути сепарабельном функціями;

2) показники ступеня всіх нелінійних доданків компонентних функцій повинні бути однаковими.

Інша важлива перевага методу полягає в можливості його використання для вирішення задачі безумовної та умовної оптимізації. Розглянуто приклади

Біографії авторів

Lev Raskin, Національний технічний університет «Харківський політехнічний інститут» вул. Кирпичова, 2, м. Харків, Україна, 61002

Доктор технічних наук, професор, завідувач кафедри

Кафедра розподілених інформаційних систем і хмарних технологій

Oksana Sira, Національний технічний університет «Харківський політехнічний інститут» вул. Кирпичова, 2, м. Харків, Україна, 61002

Доктор технічних наук, професор

Кафедра розподілених інформаційних систем і хмарних технологій

Посилання

  1. Yudin, D. B. (1974). Matematicheskie metody upravleniya v usloviyah nepolnoy informatsii. Zadachi i metody stohasticheskogo programmirovaniya. Moscow: Sovetskoe radio, 392.
  2. Bazaraa, M. S., Shetty, C. M. (1979). Nonlinear Programming: Theory and Algorithms. Wiley, 312.
  3. Larichev, O. I. (2002). Teoriya i metody prinyatiya resheniy. Moscow: Logos, 392.
  4. Karmanov, V. G. (1980). Matematicheskoe programmirovanie. Moscow, 256.
  5. Himmelblau, D. (1972). Applied Nonlinear Programming. New York: McGraw-Hill, 498.
  6. Zangwill, W. I. (1969). Nonlinear Programming: A Unified Approach. Prentice-Hall, 356.
  7. Rekleytis, G., Reyvindran, A., Regsdel, K. (1989). Optimizatsiya v tekhnike. Moscow: MIR, 349.
  8. Zuhovitskiy, S. I., Avdeeva, L. I. (1967). Lineynoe i vypukloe programmirovanie. Moscow: «Nauka», 460.
  9. Malaguti, E., Monaci, M., Paronuzzi, P., Pferschy, U. (2019). Integer optimization with penalized fractional values: The Knapsack case. European Journal of Operational Research, 273 (3), 874–888. doi: https://doi.org/10.1016/j.ejor.2018.09.020
  10. Yue, D., You, F. (2014). Reformulation-linearization Method for Global Optimization of Mixed Integer Linear Fractional Programming Problems with Application on Sustainable Batch Scheduling. 24th European Symposium on Computer Aided Process Engineering, 949–954. doi: https://doi.org/10.1016/b978-0-444-63456-6.50159-9
  11. Borza, M., Rambely, A. S., Saraj, M. (2012). Solving Linear Fractional Programming Problems with Interval Coefficients in the Objective Function. A New Approach. Applied Mathematical Sciences, 6 (69), 3443–3452.
  12. Khalifa, H. (2018). On Solutions of Linear Fractional Programming Problems with Rough-interval Coefficients in The Objective Function. The Journal of Fuzzy Mathematics, 26 (2), 415–422.
  13. Das, S. K., Mandal, T., Edalatpanah, S. A. (2017). A new approach for solving fully fuzzy linear fractional programming problems using the multi-objective linear programming. RAIRO - Operations Research, 51 (1), 285–297. doi: https://doi.org/10.1051/ro/2016022
  14. Deb, M. (2018). A Study of Fully Fuzzy Linear Fractional Programming Problems by Signed Distance Ranking Technique. Advances in Data Mining and Database Management, 73–115. doi: https://doi.org/10.4018/978-1-5225-5091-4.ch004
  15. Arya, R., Singh, P., Bhati, D. (2018). A fuzzy based branch and bound approach for multi-objective linear fractional (MOLF) optimization problems. Journal of Computational Science, 24, 54–64. doi: https://doi.org/10.1016/j.jocs.2017.12.011
  16. Arya, R., Singh, P. (2019). Fuzzy efficient iterative method for multi-objective linear fractional programming problems. Mathematics and Computers in Simulation, 160, 39–54. doi: https://doi.org/10.1016/j.matcom.2018.11.013
  17. Raskin, L. G. (1976). Analiz slozhnyh sistem i elementy teorii upravleniya. Moscow: Sovetskoe radio, 344.
  18. Wolf, H. (1986). Solving special nonlinear fractional programming problems via parametric linear programming. European Journal of Operational Research, 23 (3), 396–400. doi: https://doi.org/10.1016/0377-2217(86)90305-x
  19. Saxena, P., Jain, R. (2017). Duality for a nonlinear fractional programming under fuzzy environment with parabolic concave membership functions. International Journal of ADVANCED AND APPLIED SCIENCES, 4 (1), 131–136. doi: https://doi.org/10.21833/ijaas.2017.01.019
  20. Jeflea, A. (2003). A parametric study for solving nonlinear fractional problems. An. St. Univ. Ovidius Constanta, 11 (2), 87–92.
  21. Bhurjee, A. K., Panda, G. (2013). Nonlinear fractional programming problem with inexact parameter. Journal of Applied Mathematics & Informatics, 31 (5_6), 853–867. doi: https://doi.org/10.14317/jami.2013.853
  22. Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8 (3), 338–353. doi: https://doi.org/10.1016/s0019-9958(65)90241-x
  23. Pawlak, Z. (1985). Rough sets and fuzzy sets. Fuzzy Sets and Systems, 17 (1), 99–102. doi: https://doi.org/10.1016/s0165-0114(85)80029-4
  24. Pawlak, Z. (1991). Rough Sets: Theoretical Aspects of Reasoning about Data. Dordrecht: Kluwer Academic Publisher, 284. doi: https://doi.org/10.1007/978-94-011-3534-4
  25. Raskin, L., Sira, O. (2016). Method of solving fuzzy problems of mathematical programming. Eastern-European Journal of Enterprise Technologies, 5 (4 (83)), 23–28. doi: https://doi.org/10.15587/1729-4061.2016.81292
  26. Raskin, L., Sira, O. (2016). Fuzzy models of rough mathematics. Eastern-European Journal of Enterprise Technologies, 6 (4 (84)), 53–60. doi: https://doi.org/10.15587/1729-4061.2016.86739
  27. Raskin, L., Sira, O., Ivanchykhin, Y. (2017). Models and methods of regression analysis under conditions of fuzzy initial data. Eastern-European Journal of Enterprise Technologies, 4 (4 (88)), 12–19. doi: https://doi.org/10.15587/1729-4061.2017.107536

##submission.downloads##

Опубліковано

2019-07-24

Як цитувати

Raskin, L., & Sira, O. (2019). Розробка методу дрібно-нелінійної оптимізації. Eastern-European Journal of Enterprise Technologies, 4(4 (100), 37–43. https://doi.org/10.15587/1729-4061.2019.174079

Номер

Розділ

Математика та кібернетика - прикладні аспекти