Luận án tiến sĩ toán học: Điều kiện tối ưu và đối ngẫu cho bài toán quy hoạch thương đa mục tiêu không trơn - Phạm Thị Linh

Luận án tiến sĩ toán học nghiên cứu điều kiện tối ưu và đối ngẫu cho bài toán quy hoạch thương đa mục tiêu không trơn.

Chuyên ngành
Toán Ứng Dụng
Tác giả

Luan An

Thể loại

Luận án tiến sĩ

Năm xuất bản

Số trang

107

Thời gian đọc

17 phút

Lượt xem

1

Lượt tải

0

Phí lưu trữ

40 Point

Tổng quan nhanh

Chủ đề:
1. Tổng quan về bài toán quy hoạch thương phi tuyến
Số trang:
107 trang
Trường:
Học viện Khoa học và Công nghệ
Chuyên ngành:
Toán Ứng Dụng
Tác giả:
Năm:

Tóm tắt nội dung luận án

I. Tổng quan về bài toán quy hoạch thương phi tuyến

Bài toán quy hoạch thương nghiên cứu việc tối ưu hóa tỷ số giữa các hàm số trong không gian vector. Mô hình này xuất hiện phổ biến trong toán học ứng dụng và kinh tế học lượng giác. Mục tiêu chính là tìm phương án tối ưu cho hàm mục tiêu dạng phân thức trên một tập chấp nhận được. Tập ràng buộc thường được xác định bởi các bất đẳng thức hoặc phương trình phi tuyến tính. Lý thuyết quy hoạch thương giải quyết trực tiếp các bài toán phân bổ nguồn lực và tối ưu hóa hiệu năng. Cấu trúc hàm phân thức mang tính phi lồi tự nhiên trong nhiều tình huống thực tế. Do đó, việc phân tích toán học đòi hỏi các công cụ giải tích hiện đại và chặt chẽ. Đề tài mở rộng lớp bài toán này sang trường hợp đa mục tiêu và không trơn. Cách tiếp cận này đáp ứng nhu cầu mô hình hóa các hiện tượng kỹ thuật phức tạp.

1.1. Bản chất của bài toán quy hoạch phân thức

Quy hoạch phân thức là một nhánh quan trọng của giải tích tối ưu phi tuyến hiện đại. Bài toán xử lý các tỷ số tối ưu như doanh thu trên chi phí hoặc hiệu suất trên năng lượng tiêu thụ. Trong không gian Euclide hữu hạn chiều, hàm mục tiêu chứa tử số và mẫu số độc lập. Mẫu số luôn được giả định mang giá trị dương trên toàn bộ miền xác định khả thi. Tính chất phi lồi của tỷ số làm tăng độ phức tạp khi tìm kiếm nghiệm tối ưu toàn cục. Các phương pháp biến đổi quy hoạch phân thức giúp chuyển đổi bài toán về dạng quy hoạch lồi tương đương. Quá trình này tạo thuận lợi lớn cho việc thiết kế thuật toán số học. Ngoài ra, việc nghiên cứu các hàm không trơn mở ra hướng tiếp cận mới cho bài toán tối ưu phi vi phân.

1.2. Ứng dụng thực tiễn của fractional programming

Lĩnh vực fractional programming giữ vai trò nền tảng trong lý thuyết quyết định hiện đại. Kỹ thuật này được áp dụng rộng rãi trong các mô hình kinh tế, tài chính và kỹ thuật điều khiển tự động. Các bài toán kinh tế sử dụng mô hình này để tối đa hóa tỷ suất sinh lời trên vốn đầu tư. Trong xử lý tín hiệu, bài toán tối ưu hóa tỷ lệ tín hiệu trên tạp âm của bộ lọc quang phổ. Các hệ thống mạng truyền thông sử dụng mô hình nhằm tối ưu hóa hiệu quả sử dụng băng thông viễn thông. Quá trình sản xuất công nghiệp ứng dụng thuật toán để giảm thiểu chi phí trên một đơn vị thời gian. Sự phát triển của fractional programming đa mục tiêu giúp giải quyết đồng thời nhiều chỉ số mâu thuẫn.

II. Điều kiện tối ưu KKT và Fritz John quy hoạch thương

Điều kiện tối ưu giữ vai trò cốt lõi trong toàn bộ lý thuyết quy hoạch thương đa mục tiêu. Đối với các hàm không khả vi, việc xác định nghiệm dựa vào đạo hàm suy rộng và nón pháp tuyến. Dưới vi phân Clarke và Michel-Penot cung cấp công cụ đắc lực để xử lý tính không trơn của hàm số. Nghiệm hữu hiệu yếu phản ánh trạng thái cân bằng Pareto trong bài toán chứa nhiều hàm mục tiêu tỷ số. Việc xây dựng hệ điều kiện tối ưu giúp xác định các điểm dừng khả nghi một cách hệ thống. Các định lý điều kiện cần và điều kiện đủ được chứng minh dựa trên kỹ thuật tách tập lồi. Đây là bước chuẩn bị quan trọng để xây dựng các thuật toán tính toán số học chính xác.

2.1. Thiết lập điều kiện cần Fritz John không trơn

Điều kiện Fritz John thiết lập mối quan hệ giữa các vectơ dưới vi phân mà không đòi hỏi điều kiện chuẩn tắc ràng buộc. Khi các hàm thành phần không khả vi, đạo hàm cổ điển được thay thế bằng dưới vi phân suy rộng. Nhân tử Lagrange tương ứng với hàm mục tiêu có thể nhận giá trị bằng 0 trong trường hợp suy biến hình học. Định lý Fritz John khẳng định sự tồn tại của tổ hợp tuyến tính không tầm thường giữa gradient suy rộng của mục tiêu và ràng buộc. Kỹ thuật vô hướng hóa đóng vai trò then chốt trong việc chứng minh định lý này. Kết quả cung cấp tiêu chuẩn kiểm tra nghiệm hữu hiệu yếu cho các bài toán phân thức đa mục tiêu phức tạp.

2.2. Xây dựng điều kiện tối ưu KKT cho nghiệm hữu hiệu

Điều kiện tối ưu KKT đại diện cho bước phát triển cao hơn của điều kiện Fritz John khi bổ sung điều kiện chuẩn tắc ràng buộc. Điều kiện này đảm bảo nhân tử gắn với hàm mục tiêu luôn mang giá trị dương ngặt. Nhờ đó, hệ phương trình và bất đẳng thức KKT phản ánh chính xác tương quan giữa hàm mục tiêu và các hàm ràng buộc. Dưới giả thiết tính lồi suy rộng hoặc tính tựa lồi của các tỷ số, điều kiện KKT trở thành điều kiện cần và đủ cho nghiệm hữu hiệu yếu. Việc mở rộng điều kiện tối ưu KKT sang trường hợp không trơn dựa trên nón tiếp tuyến Clarke. Kết quả này giúp đánh giá độ tin cậy của các thuật toán tối ưu đa mục tiêu.

III. Điều kiện tối ưu cho tựa nghiệm quy hoạch thương

Nghiên cứu tựa nghiệm hữu hiệu yếu mở rộng phạm vi ứng dụng thực tiễn của lý thuyết tối ưu hóa. Trong các bài toán thực tế, việc tìm kiếm nghiệm chính xác tuyệt đối thường gặp nhiều trở ngại do sai số đo lường hoặc nhiễu dữ liệu. Tựa nghiệm cho phép chấp nhận một độ lệch nhỏ xung quanh giá trị tối ưu lý thuyết. Khung phân tích giải tích chặt chẽ được thiết lập cho tựa nghiệm trong bài toán quy hoạch thương không trơn. Các công cụ giải tích biến phân và định lý điểm bất động được khai thác triệt để. Phương pháp tiếp cận này giúp mô tả hành vi của các nghiệm tiệm cận trong không gian hữu hạn chiều một cách rõ ràng.

3.1. Khái niệm tựa nghiệm hữu hiệu yếu trong tối ưu

Khái niệm tựa nghiệm hữu hiệu yếu xuất phát từ nguyên lý biến phân Ekeland trong giải tích phi tuyến. Một điểm được gọi là tựa nghiệm nếu không tồn tại điểm nào khác làm giảm giá trị mục tiêu vượt quá một sai số epsilon cho trước. Trong bài toán quy hoạch phân thức đa mục tiêu, tựa nghiệm bảo toàn cấu trúc tối ưu dưới tác động của các nhiễu nhỏ. Khái niệm này mang ý nghĩa đặc biệt quan trọng trong việc phân tích độ nhạy và tính ổn định nghiệm. Các đánh giá khoảng cách hình học và hàm khoảng cách Clarke được sử dụng để kiểm soát sai số. Việc nắm vững tựa nghiệm giúp cải thiện độ hội tụ của các phương pháp lặp xấp xỉ.

3.2. Điều kiện tối ưu KKT mở rộng cho tựa nghiệm

Điều kiện tối ưu KKT cho tựa nghiệm đòi hỏi sự can thiệp của các kỹ thuật giải tích xấp xỉ hiện đại. Hệ điều kiện này kết hợp giữa dưới vi phân xấp xỉ và các nhân tử Lagrange có tính đến sai số nhiễu. Định lý chỉ ra rằng tại điểm tựa nghiệm, tồn tại tổ hợp dưới vi phân tiệm cận thỏa mãn điều kiện bù xấp xỉ. Cấu trúc của nón pháp tuyến suy rộng cho phép kiểm soát chặt chẽ miền chấp nhận được của bài toán. Dưới các giả thiết về độ trơn suy rộng, điều kiện cần KKT cho tựa nghiệm được chứng minh tường minh. Đây là cơ sở lý thuyết vững chắc để phát triển các thuật toán dừng có kiểm soát sai số.

IV. Mô hình đối ngẫu Mond Weir và Wolfe quy hoạch thương

Lý thuyết đối ngẫu đóng vai trò then chốt trong việc kiểm tra tính tối ưu và phát triển thuật toán tính toán. Trong quy hoạch thương, bài toán đối ngẫu cung cấp cận dưới hoặc cận trên cho giá trị tối ưu của bài toán gốc. Hai mô hình đối ngẫu kinh điển được nghiên cứu sâu rộng là đối ngẫu kiểu Mond-Weir và đối ngẫu kiểu Wolfe. Mỗi mô hình sở hữu những ưu điểm cấu trúc riêng biệt về không gian biến và hàm mục tiêu đối ngẫu. Các hàm tỷ số không trơn được xử lý hiệu quả thông qua biểu diễn dưới vi phân Clarke. Phân tích đối ngẫu giúp chuyển đổi một bài toán gốc phức tạp về bài toán đối ngẫu dễ giải quyết hơn.

4.1. Cấu trúc bài toán đối ngẫu Mond Weir suy rộng

Mô hình đối ngẫu Mond-Weir suy rộng được thiết kế nhằm nới lỏng các yêu cầu về tính lồi ngặt của các hàm số. Trong bài toán đối ngẫu Mond-Weir, hàm mục tiêu giữ nguyên dạng tỷ số ban đầu, trong khi các ràng buộc gốc chuyển hóa vào tập ràng buộc mới cùng nhân tử vi phân. Cấu trúc này giúp bảo toàn nguyên vẹn hình thức phân thức của bài toán ban đầu. Định lý đối ngẫu yếu khẳng định giá trị mục tiêu của bài toán gốc không vượt trội giá trị của bài toán đối ngẫu. Dưới điều kiện giả lồi suy rộng, mô hình Mond-Weir cung cấp nghiệm đối ngẫu chính xác mà không đòi hỏi các giả thiết khắt khe về đạo hàm.

4.2. Thiết lập bài toán đối ngẫu Wolfe phi tuyến

Bài toán đối ngẫu Wolfe kết hợp trực tiếp hàm mục tiêu và các hàm ràng buộc vào một phiếm hàm Lagrange suy rộng. Trong bài toán quy hoạch phân thức, mô hình Wolfe đưa các nhân tử Lagrange vào hàm mục tiêu đối ngẫu để tạo thành biểu thức vô hướng. Biến đối ngẫu bao gồm cả biến không gian gốc và các vectơ nhân tử liên hợp. Điều kiện dừng của bài toán gốc trở thành ràng buộc chính trong cấu trúc bài toán đối ngẫu Wolfe. Khi các hàm thỏa mãn tính lồi thích hợp, đối ngẫu Wolfe cho phép xác định chính xác giá trị tối ưu ban đầu. Mô hình này rất thuận tiện để xây dựng phương pháp gradient đối ngẫu.

V. Định lý đối ngẫu mạnh cùng đối ngẫu Lagrange Fenchel

Lý thuyết đối ngẫu đạt đến mức độ hoàn thiện cao với việc thiết lập các định lý đối ngẫu mạnh. Mối quan hệ đối ngẫu không chỉ giới hạn ở các mô hình Wolfe hay Mond-Weir mà còn mở rộng sang đối ngẫu Lagrange và Fenchel. Các mô hình đối ngẫu liên hợp Fenchel cho phép khai thác sâu cấu trúc hình học của tập lồi và hàm liên hợp. Trong khi đó, đối ngẫu Lagrange tập trung vào việc nới lỏng các ràng buộc bằng các hệ số phạt thích hợp. Sự tương đương giữa các phương pháp đối ngẫu mang lại cái nhìn toàn diện về quy hoạch phân thức không trơn. Các định lý đảm bảo việc kiểm soát độ lệch đối ngẫu chặt chẽ.

5.1. Mối liên hệ với đối ngẫu Lagrange và Fenchel

Mối liên hệ giữa đối ngẫu Lagrange và đối ngẫu Fenchel thể hiện sự kết hợp chặt chẽ giữa giải tích hàm và tối ưu hóa. Phiếm hàm đối ngẫu Lagrange biến đổi bài toán có ràng buộc thành chuỗi các bài toán tối ưu không ràng buộc. Ngược lại, đối ngẫu Fenchel tận dụng phép biến đổi liên hợp Fenchel để nghiên cứu không gian đối ngẫu tôpô. Khi áp dụng vào bài toán quy hoạch thương, hai cách tiếp cận này bổ trợ lẫn nhau để xử lý các toán tử không trơn. Bằng cách kết hợp sơ đồ Fenchel-Lagrange, mô hình đối ngẫu thu được có tính chất đối xứng cao. Kỹ thuật này giúp giải quyết hiệu quả bài toán phân thức đa mục tiêu quy mô lớn.

5.2. Các định lý đối ngẫu yếu và đối ngẫu mạnh

Định lý đối ngẫu mạnh khẳng định khoảng cách đối ngẫu bằng không giữa bài toán gốc và bài toán đối ngẫu. Điều này đồng nghĩa với việc giá trị tối ưu của hai bài toán hoàn toàn trùng khớp tại nghiệm tối ưu. Để đối ngẫu mạnh xảy ra, bài toán cần thỏa mãn các điều kiện chuẩn tắc như điều kiện Slater suy rộng hoặc tính chính quy bất đẳng thức. Định lý đối ngẫu yếu luôn được thỏa mãn như một tính chất tự nhiên của cấu trúc bài toán. Khi kết hợp đối ngẫu yếu và điều kiện tối ưu KKT, sự tồn tại của đối ngẫu mạnh được chứng minh trọn vẹn. Kết quả này đảm bảo tính khả thi khi giải bài toán qua không gian đối ngẫu.

Mục lục chi tiết luận án

Lời cam đoan
Lời cảm ơn
Danh mục các ký hiệu và chữ viết tắt
MỞ ĐẦU
1. Chương 1: Một số kiến thức chuẩn bị
1.1. Một số khái niệm cơ bản
1.2. Một số kết quả vô hướng hóa của Gong
1.3. Dưới vi phân suy rộng
1.4. Kết luận Chương 1
2. Chương 2: Điều kiện cần và điều kiện đủ cho nghiệm hữu hiệu yếu của bài toán quy hoạch thương đa mục tiêu
2.1. Điều kiện cần
2.1.1. Điều kiện cần Fritz John
2.1.2. Điều kiện cần Kuhn-Tucker
2.3. Kết luận Chương 2
3. Chương 3: Điều kiện cần và điều kiện đủ cho tựa nghiệm hữu hiệu yếu của bài toán quy hoạch thương đa mục tiêu
3.1. Điều kiện cần
3.1.1. Điều kiện cần Fritz John
3.1.2. Điều kiện cần Kuhn-Tucker
3.3. Kết luận Chương 3
4. Chương 4: Đối ngẫu cho bài toán quy hoạch thương đa mục tiêu với nghiệm hữu hiệu yếu
4.1. Bài toán đối ngẫu kiểu Mond-Weir
4.2. Bài toán đối ngẫu kiểu Wolfe
4.3. Kết luận Chương 4
5. Chương 5: Đối ngẫu cho bài toán quy hoạch thương đa mục tiêu với tựa nghiệm hữu hiệu yếu
5.1. Bài toán đối ngẫu kiểu Mond-Weir
5.2. Bài toán đối ngẫu kiểu Wolfe
5.3. Kết luận Chương 5
Kết luận và hướng nghiên cứu tiếp theo
Danh mục công trình của tác giả
Tài liệu tham khảo
Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Luận án tiến sĩ toán học điều kiện tối ưu và đối ngẫu cho bài toán quy hoạch thương đa mục tiêu không trơn

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (107 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ ———————————– Phạm Thị Linh ĐIỀU KIỆN TỐI ƯU VÀ ĐỐI NGẪU CHO BÀI TOÁN QUY HOẠCH THƯƠNG ĐA MỤC TIÊU KHÔNG TRƠN LUẬN ÁN TIẾN SĨ TOÁN HỌC Hà Nội – 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ ———————————– Phạm Thị Linh ĐIỀU KIỆN TỐI ƯU VÀ ĐỐI NGẪU CHO BÀI TOÁN QUY HOẠCH THƯƠNG ĐA MỤC TIÊU KHÔNG TRƠN LUẬN ÁN TIẾN SĨ TOÁN HỌC Chuyên ngành: Toán ứng dụng Mã số chuyên ngành: 9.12 NGƯỜI HƯỚNG DẪN KHOA HỌC : 1. Nguyễn Công Điều Hà Nội – 2022 Lời cam đoan Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các kết quả viết chung với các tác giả khác đã được sự nhất trí của các đồng tác giả đưa vào Luận án. Các kết quả được nêu trong Luận án này là trung thực và chưa từng được ai công bố trong bất kỳ một công trình nào khác.

Tôi xin chịu trách nhiệm với những lời cam đoan của mình. Tác giả Phạm Thị Linh ii Lời cảm ơn Luận án được hoàn thành tại Viện Công nghệ Thông tin, Học viện Khoa học và Công nghệ thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam dưới sự hướng dẫn tận tình của GS. Nguyễn Công Điều. Tác giả xin bày tỏ sự kính trọng và lòng biết ơn sâu sắc nhất tới hai Thầy.

Tác giả cũng xin bày tỏ lòng biết ơn tới các thầy giáo, cô giáo của Viện Công nghệ Thông tin, Học viện Khoa học và Công nghệ thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam đã tạo điều kiện, giúp đỡ tác giả trong quá trình học tập và nghiên cứu. Trong quá trình học tập, nghiên cứu tác giả đã được tham gia Seminar của Viện Toán học và Khoa học ứng dụng Thăng Long, Trường Đại học Thăng Long Hà Nội. Tác giả xin chân thành cảm ơn. Tác giả xin chân thành cảm ơn Ban giám hiệu, Khoa Khoa học Cơ bản và Bộ môn Toán - Tin của Trường Đại học Kinh tế và Quản trị Kinh doanh, nơi tác giả đang công tác đã tạo điều kiện thuận lợi trong suốt quá trình học tập và nghiên cứu.

Cuối cùng, tác giả xin bày tỏ lòng biết ơn sâu sắc tới những người thân trong gia đình đã động viên, chia sẻ và khích lệ tác giả để tác giả có thể hoàn thành Luận án tiến sĩ của mình. Tác giả Phạm Thị Linh iii Mục lục Lời cam đoan ii Lời cảm ơn iii Mục lục iv Danh mục các ký hiệu và chữ viết tắt vi Mở đầu 1 Chương 1. Một số kiến thức chuẩn bị 18 1.1 Một số khái niệm cơ bản .2 Một số kết quả vô hướng hóa của Gong .3 Dưới vi phân suy rộng .4 Kết luận Chương 1. Điều kiện cần và điều kiện đủ cho nghiệm hữu hiệu yếu của bài toán quy hoạch thương đa mục tiêu 25 2.1 Điều kiện cần .1 Điều kiện cần Fritz John .2 Điều kiện cần Kuhn-Tucker .3 Kết luận Chương 2.

Điều kiện cần và điều kiện đủ cho tựa nghiệm hữu hiệu yếu của bài toán quy hoạch thương đa mục iv tiêu 41 3.1 Điều kiện cần .1 Điều kiện cần Fritz John .2 Điều kiện cần Kuhn-Tucker .3 Kết luận Chương 3. Đối ngẫu cho bài toán quy hoạch thương đa mục tiêu với nghiệm hữu hiệu yếu 57 4.1 Bài toán đối ngẫu kiểu Mond-Weir .2 Bài toán đối ngẫu kiểu Wolfe .3 Kết luận Chương 4. Đối ngẫu cho bài toán quy hoạch thương đa mục tiêu với tựa nghiệm hữu hiệu yếu 73 5.1 Bài toán đối ngẫu kiểu Mond-Weir .2 Bài toán đối ngẫu kiểu Wolfe .3 Kết luận Chương 5. 86 Kết luận và hướng nghiên cứu tiếp theo 88 Danh mục công trình của tác giả 90 Tài liệu tham khảo 91 v Danh mục các ký hiệu và chữ viết tắt X∗ Không gian tôpô đối ngẫu của X hx∗ , xi Giá trị của phiếm hàm x∗ ∈ X ∗ tại x ∈ X cl Bao đóng ∗ yếu conv Bao lồi intD Phần trong của D d(x, Q) Khoảng cách từ x ∈ X đến Q B(x; δ) Hình cầu mở tâm x bán kính δ f − (x; υ) Đạo hàm theo phương Dini dưới của f tại x theo phương v f + (x; υ) Đạo hàm theo phương Dini trên của f tại x theo phương v ∇f (x) Đạo hàm Fréchet của f tại x ∇G f (x) Đạo hàm Gâteaux của f tại x ∂ C f (x) Dưới vi phân Clarke của f tại x ∂ M P f (x) Dưới vi phân Michel-Penot của f tại x ∂ ∗ f (x) Dưới vi phân suy rộng của f tại x T (D; x) Nón tiếp tuyến Clarke của D tại x ∈ D N (D; x) Nón pháp tuyến Clarke của D tại x (MFP) Bài toán quy hoạch thương đa mục tiêu vi Mở đầu Các bài toán tối ưu có hàm mục tiêu là các hàm thương được gọi là bài toán quy hoạch thương.

Bài toán quy hoạch thương được nảy sinh từ các vấn đề kinh tế hoặc phi kinh tế. Đó chính là Bài toán cực đại lợi nhuận trên chi phí, Bài toán cực đại giá trên thời gian, Bài toán cực đại đầu ra trên đầu vào, Bài toán cực tiểu chi phí trên thời gian, Bài toán cực đại tỷ lệ tín hiệu trên tạp âm của bộ lọc quang phổ trong vật lý, Bài toán lên kế hoạch, Bài toán lập trình quy mô lớn,. Năm 1962, Charnes và Cooper [1] đã đưa ra bài toán quy hoạch thương. Từ đó, bài toán quy hoạch thương thu hút được sự chú ý và quan tâm của rất nhiều nhà nghiên cứu.

Tuy nhiên phần lớn các kết quả mang tính lý thuyết và xét trên tập chấp nhận được là tập lồi tùy ý hay khối đa điện lồi tùy ý [2] – [14]. Giả sử f, g, hk (k = 1, 2, · · · , m) là các hàm trên tập D của không gian Euclide n chiều Rn. Xét hàm f (x) q(x) = (1) g(x) trên tập S = {x ∈ D : hk (x) 6 0, k = 1, · · · , m}, (2) trong đó, g(x) dương trên D. Ta có, Bài toán quy hoạch phi tuyến: (P ) : sup{q(x) : x ∈ S} (3) được gọi là Bài toán quy hoạch thương một mục tiêu.

Ta có một số dạng khác của Bài toán quy hoạch thương một mục tiêu như: sup{ min qi (x) : x ∈ S} (4) 16i6p 1 và p nX o sup qi (x) : x ∈ S , (5) i=1 trong đó, qi (x) = fi (x)/gi (x), gi (x) > 0. (6) Nếu f, g là các hàm affine và S là đa diện lồi thì (P) được gọi là bài toán quy hoạch thương tuyến tính. Bài toán này có dạng n cT x + α o sup T : Ax 6 b, x > 0 , (7) d x+β trong đó, c, d ∈ Rn , α, β ∈ R, T là ký hiệu phép chuyển vị, A là ma trận cấp m × n và b ∈ Rm. Bài toán (P) được gọi là bài toán quy hoạch thương bậc hai nếu f, g là các hàm bậc hai và S là đa diện lồi.

Bài toán (P) được gọi là bài toán quy hoạch thương lõm nếu f là hàm lõm trên D và g, hk là các hàm lồi trên D, D là một tập lồi. Nếu giảm bớt các giả thiết về tính lồi hoặc tính lõm thì bài toán quy hoạch thương một mục tiêu được gọi là bài toán không lõm suy rộng và được nhiều tác giả quan tâm trong tối ưu toàn cục. Xét Bài toán (3): Bài toán này nảy sinh từ các vấn đề kinh tế hoặc phi kinh tế. Sau đây, ta sẽ trình bày một số ứng dụng của bài toán này trong các lĩnh vực kinh tế, phi kinh tế và một số lĩnh vực khác.

Gilmore và Gomory đã phân tích bài toán chia cổ phần trong ngành công nghiệp giấy [16]. Nhóm nghiên cứu này đã chỉ ra rằng việc giảm tỷ lệ nguyên liệu thô được thực hiện là tối ưu hơn việc giảm thiểu lượng nguyên liệu bị hao hụt. Bài toán chia cổ phần này là bài toán quy hoạch thương tuyến tính. Hoskins và Blom [17] đã sử dụng bài toán quy hoạch thương một mục tiêu để phân tích giảm chi phí lao động.

2 Bài toán quy hoạch thương phi tuyến bậc hai lõm xuất phát từ bài toán lựa chọn danh mục đầu tư được đề xuất bởi Ziemba, Parkan và Brooks-Hill [18]. Ohlson và Ziemba [19] đã xét bài toán n cT x o max :x∈S , (8) (xT Cx)γ trongđó, c ∈ Rn dương, C là ma trận xác định dương cấp n × n và 1 γ ∈ 0,. Ở đây c và C được xác định bởi vectơ lợi nhuận kỳ vọng 2  1 e và ma trận phương sai-hiệp phương sai V. Với γ ∈ 0, thì tử số 2 không phải là hàm lồi và do đó Bài toán (8) không phải là bài toán quy hoạch thương lõm [20]–[22].

Mao [23], Faaland và Jacobs [24] đã sử dụng bài toán quy hoạch thương tuyến tính trong việc lựa chọn các danh mục đầu tư. Những ứng dụng khác của bài toán quy hoạch thương một mục tiêu trong kế hoạch tài chính được đề xuất bởi Uberti [25] với bài toán cho thuê. Konno và Inori [26] đã tối ưu hóa kỳ hạn trung bình hoặc năng suất trung bình trong giao dịch trái phiếu bằng bài toán quy hoạch thương một mục tiêu. Dantzig, Blattner và Rao [27] đã phân tích bài toán thương một mục tiêu để xác định hành trình cho các con tàu hoặc máy bay trong đó một chu trình trong mạng lưới sẽ được xác định trước để giảm thiểu tỷ lệ chi phí theo thời gian.

Kydland [28] đã nghiên cứu về bài toán vận chuyển hàng hóa với việc tối ưu hóa lợi nhuận trên mỗi đơn vị thời gian. Cả bài toán chi phí và bài toán thời gian đều phụ thuộc vào lượng hàng hóa. Nếu doanh thu là hàm tuyến tính cũng như chi phí và thời gian là các hàm tuyến tính thì đã có kết quả nghiên cứu đối với bài toán quy hoạch thương tuyến tính. Derman [29], Klein [30] đã nghiên cứu về quy trình ngẫu nhiên để cực tiểu chi phí/thời gian.

Charnes, Cooper và Rhodes [31] đã sử dụng bài toán quy hoạch thương tuyến tính để đánh giá hoạt động của các tổ chức phi lợi nhuận 3 trong các bài toán công cộng và đưa ra một loạt các quyết định. Các quyết định này được chọn dựa vào cực đại tỷ số của đầu ra/đầu vào. Một ví dụ khác về cực đại đầu ra/đầu vào được đưa ra bởi Stancu- Minasian [32].

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Trích dẫn luận án này

Phạm Thị Linh (2022). Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương [Luận án tiến sĩ, Học viện Khoa học và Công nghệ]. LuanAn.net. https://luanan.net/toan-hoc/tron

Câu hỏi thường gặp

Luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" nghiên cứu về vấn đề gì?

Luận án tiến sĩ toán học nghiên cứu điều kiện tối ưu và đối ngẫu cho bài toán quy hoạch thương đa mục tiêu không trơn.

Luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Học viện Khoa học và Công nghệ. Năm bảo vệ: 2022.

Luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" thuộc chuyên ngành gì?

Luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" thuộc chuyên ngành Toán ứng dụng. Danh mục: Toán Học.

Luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" có bao nhiêu trang?

Luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" có 107 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Luận án toán học: Điều kiện tối ưu và đối ngẫu bài toán quy hoạch thương" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter