Simplex-menetelmän laskin

Tekijä: Henrick Yau
- 5. elokuuta 2026
| |

Laskimet

Ratkaise lineaarisen ohjelmoinnin ongelmia käyttämällä Simplex-menetelmää. Tämä laskin auttaa optimoimaan tavoitefunktion rajoitusten alaisena, löytämällä optimaalit arvot päätösmuuttujillesi.

Ongelman Asetus

Tietoa Lineaarisesta Ohjelmoinnista

Lineaarinen ohjelmointi on matemaattinen tekniikka, jota käytetään lineaarisen tavoitefunktion optimointiin lineaaristen yhtälö- ja epäyhtälörajoitusten alaisena. Sillä on laaja käyttö eri aloilla, mukaan lukien talous, liiketoiminta, valmistus ja logistiikka.

Lineaarisen Ohjelmointiongelman Keskeiset Komponentit
  • Päätösmuuttujat: Määrät, jotka sinun on määritettävä.
  • Tavoitefunktio: Lineaarinen yhtälö, joka on maksimoitava tai minimoitava.
  • Rajoitukset: Lineaariset epäyhtälöt tai yhtälöt, jotka rajoittavat päätösmuuttujien arvoja.
  • Ei-negatiivisuusolosuhteet: Päätösmuuttujien on tyypillisesti oltava ei-negatiivisia.
Lineaarisen Ohjelmoinnin Sovellukset
  • Tuotannon Suunnittelu: Optimaalisen tuotevalikoiman määrittäminen voiton maksimoimiseksi.
  • Resurssien Kohdentaminen: Rajoitettujen resurssien tehokas kohdentaminen.
  • Kuljetus ja Logistiikka: Optimaalisten toimitusreittien suunnittelu.
  • Sijoitusportfolion Optimointi: Sijoitusten valinta tuottojen maksimoimiseksi tai riskin minimoimiseksi.
  • Seosongelmat: Optimaalisten seosten löytämistä ainesosista tai komponenteista.
Vaiheet Simplex-menetelmässä
  1. Muuta ongelma standardimuotoon lisäämällä slack-muuttujia.
  2. Muodosta alkuperäinen simplex-taulukko.
  3. Tarkista, onko nykyinen ratkaisu optimaalinen. Jos on, lopeta.
  4. Määritä sisään tulevat ja ulos lähtevät muuttujat.
  5. Suorita elementaarisia rivitoimenpiteitä saadaksesi uuden taulukon.
  6. Toista vaiheet 3-5, kunnes optimaalinen ratkaisu löytyy.

Mikä on Simplex-menetelmä?

Simplex-menetelmä on matemaattinen algoritmi, jota käytetään lineaaristen ohjelmointiongelmien ratkaisemiseen. Se on tehokas tekniikka lineaarisen tavoitefunktion optimointiin, ottaen huomioon joukko lineaarisia epätasa-arvo- tai tasa-arvorajoituksia. Menetelmä löytää optimaalisen ratkaisun iteroimalla toteuttamiskelpoisia ratkaisuja toteuttamiskelpoisen alueen huipuille, kunnes saavutetaan paras arvo tavoitefunktiolle.

Lineaariset ohjelmointiongelmat ilmenevät usein todellisissa tilanteissa, kuten resurssien jakamisessa, tuotannon aikataulutuksessa, kuljetuksessa ja rahoituksessa. Simplex-menetelmä tarjoaa järjestelmällisen lähestymistavan näiden ongelmien tehokkaaseen ratkaisemiseen.

Simplex-menetelmän laskimen ominaisuudet

  • Mahdollistaa käyttäjien syöttää lineaarisen tavoitefunktion (esim. 3x_1 + 4x_2).
  • Tukee epätasa-arvo- ja tasa-arvorajoituksia vaihtoehdoilla ≤, = ja ≥.
  • Mahdollistaa käyttäjien valita maksimoimisen ja minimoimisen tavoitteiden välillä.
  • Tarjoaa kaksi ratkaisumenetelmää: Big M -menetelmä ja Kaksivaiheinen menetelmä.
  • Näyttää vaiheittaiset laskelmat, mukaan lukien välikuvastot ja lopullinen kuvasto.
  • Visualisoi toteuttamiskelpoisen alueen ja optimaalisen ratkaisun 2D-ongelmille.

Näin syötät tehtävän ja valitset menetelmän

  1. Syötä tavoitefunktio annettuun kenttään (esim. 3x_1 + 4x_2).
  2. Määritä, onko ongelma maksimoiminen vai minimoiminen tarkistamalla tai poistamalla "Maksimoi?" -ruudun valinta.
  3. Syötä rajoitukset lineaaristen epätasa-arvojen tai tasa-arvojen muodossa. Esimerkiksi:
    • 2x_1 + x_2 ≤ 100
    • x_1 + 2x_2 = 80
    Käytä "+ Lisää rajoitus" -painiketta lisätäksesi lisärajoituksia.
  4. Valitse ratkaisumenetelmä (Big M -menetelmä tai Kaksivaiheinen menetelmä) pudotusvalikosta.
  5. Napsauta "Laske" ratkaistaksesi ongelman. Tulokset, mukaan lukien optimaalinen ratkaisu, lopullinen kuvasto ja visualisointi, näytetään.
  6. Jos haluat nollata kentät ja aloittaa alusta, napsauta "Tyhjennä" -painiketta.

Esimerkki: maksimoi 3x₁ + 4x₂ rajoituksin

Tavoite: Maksimoi \(3x_1 + 4x_2\)

Rajoitukset:

  • \(2x_1 + x_2 ≤ 100\)
  • \(x_1 + 2x_2 ≤ 80\)
  • \(x_1, x_2 ≥ 0\)

Vaiheet:

  • Muuta epätasa-arvot tasa-arvoiksi lisäämällä liukuvaihtoehtoja \(s_1\) ja \(s_2\).
  • Aseta alkuperäinen simplex-kuvasto muuttujien ja rajoitusten kertoimilla.
  • Ratkaise kuvasto iteratiivisesti pivotoinnin avulla, kunnes optimaalinen ratkaisu saavutetaan.
  • Lopullinen ratkaisu näytetään yhdessä tavoitefunktion maksimiarvon kanssa.

Tulos: \(x_1 = 20\), \(x_2 = 30\), ja maksimiarvo on \(180\).

Mitä ovat lineaarinen ohjelmointi ja Big M -menetelmä?

  • Mikä on lineaarinen ohjelmointi?
    Lineaarinen ohjelmointi on matemaattinen menetelmä, jota käytetään parhaan mahdollisen tuloksen (kuten maksimaalisen voiton tai minimaalisen kustannuksen) määrittämiseen tietyssä matemaattisessa mallissa, jossa suhteet ovat lineaarisia.
  • Mitä ovat Big M -menetelmä ja Kaksivaiheinen menetelmä?
    Big M -menetelmä lisää keinotekoisia muuttujia suurilla rangaistuksilla (merkittynä \(M\)), jotta toteuttamiskelpoisuus varmistuu, kun taas Kaksivaiheinen menetelmä ratkaisee ongelman kahdessa vaiheessa: ensin löytämällä toteuttamiskelpoisen ratkaisun ja sitten optimoimalla tavoitefunktion.
  • Mitä "maksimoi" valintaruutu tekee?
    Tämän ruudun valitseminen ratkaisee ongelman maksimoimisena ongelmana. Jos se jätetään valitsematta, laskin olettaa minimoimisongelman.
  • Voiko laskin käsitellä ei-lineaarisia ongelmia?
    Ei, laskin on suunniteltu erityisesti lineaaristen ohjelmointiongelmien ratkaisemiseen, joissa sekä tavoitefunktio että rajoitukset ovat lineaarisia.
  • Mitä tapahtuu, jos ongelma on rajaton?
    Jos ratkaisu on rajaton, laskin näyttää viestin, joka ilmoittaa, että ongelmalla ei ole rajallista optimaalista ratkaisua.

Simplex-menetelmän laskimen käytön edut

  • Säästää aikaa automatisoimalla tylsiä manuaalisia laskelmia.
  • Tarjoaa vaiheittaisen erittelyn, mikä tekee siitä arvokkaan oppimisvälineen opiskelijoille.
  • Visualisoi toteuttamiskelpoisia alueita ja ratkaisuja paremman ymmärryksen saavuttamiseksi.
  • Käsittelee monimutkaisia ongelmia tehokkaasti useilla rajoituksilla ja muuttujilla.