Метод штучного базису

Метод штучного базису застосовується в тих випадках коли система обмежень задачі лінійного програмування не містить одиничну матрицю порядку m.

Розглянемо задачу лінійного програмування:

Неможливо розібрати вираз (невідома помилка): \max \,F=c_{1} x_{1} +c_{2} x_{2} +...+c_{n} x_{n}

Неможливо розібрати вираз (невідома помилка): \left\{ {\begin{array}{l} a_{11} x_{1} +a_{12} x_{2} +...+a_{1n} x_{n} =b_{1} ; \\ a_{21} x_{1} +a_{22} x_{2} +...+a_{2n} x_{n} =b_{2} ; \\ ......................................... \\ a_{m1} x_{1} +a_{m2} x_{2} +...+a_{mn} x_{n} =b_{m} . \\ \end{array}} \right.

Неможливо розібрати вираз (невідома помилка): x_{j} \ge 0\,\,\,\,\,\,(j=1,2,...,n).

Отримаємо одиничну матрицю додаванням штучних змінних

Неможливо розібрати вираз (невідома помилка): x_{n+i} \ge 0\;\,\,\,(i=\overline {1,m} )

лише в ті рівняння, які не розв’язані відносно базисних змінних.

Нехай штучну змінну введено у кожне рівняння:

Неможливо розібрати вираз (невідома помилка): \left\{ {\begin{array}{l} a_{11} x_{1} +a_{12} x_{2} +...+a_{1n} x_{n} +x_{n+1} \,=b_{1} , \\ a_{21} x_{1} +a_{22} x_{2} +...+a_{2n} x_{n} +x_{n+2} \,=b_{2} , \\ ......................................... \\ a_{m1} x_{1} +a_{m2} x_{2} +...+a_{mn} x_{n} +x_{n+m} =b_{m} . \\ \end{array}} \right.

Неможливо розібрати вираз (невідома помилка): x_{j} \ge 0\,\,\,\,\,(j=1,2,...,n+m).

область допустимих розв’язків задачі розширилась.

Задача з даною системою обмежень називається розширеноб, або М-задачею

Розв’язок розширеної задачі збігатиметься з розв’язком початкової лише за умови, що всі введені штучні змінні в оптимальному плані задачі будуть виведені з базису, тобто дорівнюватимуть нулеві

Для того, щоб у результаті процедур симплексних перетворень виключалися з базису штучні змінні, потрібно ввести їх у цільову функцію з великими від’ємними коефіцієнтами. Нехай величина М є достатньо великим за модулем числом. Цільова функція для задачі максимізації (мінімізації):

Неможливо розібрати вираз (невідома помилка): \max \,F^{\ast }=c_{1} x_{1} +c_{2} x_{2} +...+c_{n} x_{n} -Mx_{n+1} -...-Mx_{n+m} Неможливо розібрати вираз (невідома помилка): \min \,F^{\ast }=c_{1} x_{1} +c_{2} x_{2} +...+c_{n} x_{n} +Mx_{n+1} +...+Mx_{n+m}

Якого б малого значення не набувала відповідна коефіцієнту штучна змінна Неможливо розібрати вираз (невідома помилка): x_{n+i}

, значення цільової функції 

Неможливо розібрати вираз (невідома помилка): F^{\ast }

буде від’ємним для задачі на максимум та додатним для задачі на мінімум і водночас значним за модулем. Тому процедура симплексного методу одразу вилучає відповідні змінні з базису і забезпечує знаходження плану, в якому всі штучні змінні 

Неможливо розібрати вираз (невідома помилка): x_{n+i} =0\;\left( {\,i=\overline {1,m} } \right)

Якщо в оптимальному плані розширеної задачі існує хоча б одне значення Неможливо розібрати вираз (невідома помилка): x_{n+i} >0 , то це означає, що початкова задача не має розв’язку, тобто система обмежень несумісна.

Для розв’язання розширеної задачі за допомогою симплексних таблиць зручно використовувати таблиці, оцінкові рядки яких поділені на дві частини-рядки. Тоді в (m+2)-му рядку записують коефіцієнти з М, а в (m+1)-му — ті, які не містять М. Вектор, який підлягає включенню до базису, визначають за (m+2)-м рядком. Ітераційний процес по (m+2)-му рядку проводять до повного виключення всіх штучних змінних з базису, потім процес визначення оптимального плану продовжують за (m+1)-им рядком.

Взаємозв’язок між розв’язками початкової та розширеної задач лінійного програмування не є очевидним і визначається такою теоремою.