Симплекс-метод: метод «большого M» и искусственные переменные
Optima Decisions Lab
0:00 / 0:00
Симплекс-метод: метод «большого M» и искусственные переменные
137 просмотров · 2 дня назад
Optima Decisions Lab
335 подписчиков
137 просмотров · 2 дня назад
Узнайте, как работает метод «Большого М» и искусственные переменные в симплекс-методе для линейного программирования. В этом уроке решается задача минимизации с ограничениями ≥, демонстрируется необходимость использования избыточных и искусственных переменных, а также то, как штраф «Большого М» вытесняет искусственные переменные из базиса.
📌 ЧТО ВЫ УЗНАЕТЕ
Почему для ограничений ≥ и = необходимы искусственные переменные для установления начального базиса
Роль избыточных переменных, искусственных переменных и штрафа M
Как MA добавляется к целевой функции при минимизации и вычитается при максимизации
Когда необходимы искусственные переменные и метод Big M, а когда нет
Как составить и решить симплекс-таблицу для задачи минимизации
Анализ чувствительности на основе итоговой таблицы
⏱️ РАЗДЕЛЫ
0:00 – Введение в метод Big M и искусственные переменные
7:20 – Важные замечания по использованию метода Big M и искусственных переменных
10:35 – Симплекс-таблица и вычисления
21:23 – Анализ чувствительности
🎓 СЛЕДИТЕ ЗА ПОЛНОЙ СЕРИЕЙ ПО МЕТОДУ СИМПЛЕКСА
Это часть 4 серии. В частях 1-3 рассматриваются задачи максимизации с ограничениями ≤, а в этом видео метод расширен до задач минимизации с ограничениями ≥. Для лучшего понимания смотрите видео по порядку.
▶️ Часть 1: Объяснение симплекс-метода: от исходной таблицы до оптимального решения
• Simplex Method Explained: From Initial Tab...
▶️ Часть 2: Объяснение симплекс-метода: анализ чувствительности и теневая цена
• Simplex Method Explained: Sensitivity Anal...
▶️ Часть 3: Объяснение симплекс-метода: снижение затрат и точка безубыточности
• Simplex Method Explained: Reduced Cost & B...
▶️ Часть 4: Объяснение симплекс-метода: метод «Большого M» и искусственные переменные
Вы смотрите это видео!
📈 Укрепите свое понимание с помощью графического метода
▶️ Плейлист с графическими решениями:
• Graphical Sensitivity Analysis in Linear P...
🔜 Далее: Смешанные ограничения (≤, ≥, =)
В следующем уроке мы объединим все типы ограничений в одной задаче.
Если этот урок вам помог, пожалуйста, поставьте лайк видео и подпишитесь на канал Optima Decisions Lab, чтобы получать больше уроков по линейному программированию, оптимизации, моделированию решений и симуляции.
#МетодСимплекса #МетодБольшойМетода #ИскусственныеПеременные #ЛинейноеПрограммирование #Минимизация