حل عددی برنامه ریزی خطی بازه ای
چکیده
این مقاله، الگوریتمی را برای حل مسائل برنامه ریزی خطی بازه ای (LIP) ارایه می کند. قیود نامساوی بازه ای و قیود مساوی به طور جداگانه مورد بحث قرار می گیرند. هدف این مقاله نشان دادن این موضوع است که مسائل LIP را می توان به دو برنامه ریزی خطی عمومی(LP) با یکنواختی مسائل(LP) تجزیه کرد و ما می توانیم مقادیر هدف بازه ای را بدست آوریم. در نهایت، روش پیشنهادی نتایج یکسان و مشابهی با نتایج مقاله(1) را نشان داد.
1- مقدمه
در برنامه نویسی( برنامه ریزی) ریاضی متعارف، ضرایب مسائل معمولا به عنوان مقادیر قطعی در نظر گرفته می شوند. با این حال، عدم قطعیت معمولا در مسائل مهندسی کاربردی وجود دارد(1-3). به منظور حل مسائل بهینه سازی غیر قطعی، رویکرد های فازی(4) و تصادفی(5-6) به طور مکرر برای توصیف ویژگی های غیر دقیق مورد استفاده قرار می گیرند. در این دو رویکرد، تابع عضویت و توزیع احتمال ، نقش مهمی ایفا می کنند. با این حال، گاهی مواقع، تعیین یک تابع عضویت مناسب و یا توزیع احتمالی دقیق در یک محیط غیر قطعی سخت است(7).بنابر این، مسائل بهینه سازی بازه ای می تواند یک گزینه جایگزین برای حل مسائل بهینه سازی عدم قطعیت در اختیار بگذارد.
Abstract
This paper presents an algorithm for solving interval linear programming(ILP) problems. Interval inequality constraints and equality constraints are discussed separately. The aim of the paper is to show that (ILP) problems can be decomposed into two general linear programming(LP) by the monotonicity of (LP) problems , and we can gain the interval objective values. Finally, the proposed method have virtually the same results with paper [1].
1 Introduction
In traditional mathematical programming, the coefficients of the problems are always treated as deterministic values. However, uncertainty always exits in practical engineering problems[1-3]. In order to deal with the uncertain optimization problems, fuzzy[4] and stochastic[5-6] approaches are frequently used to describe the imprecise characteristics. In these two approaches,the membership function and probability distribution play important roles. However, it is sometimes difficult to specify an appropriate membership function or accurate probability distribution in an uncertain environment[7]. Therefore, interval optimization problems may provide an alternative choice for solving uncertainty optimization problems.
چکیده
1- مقدمه
2- یک مدل عمومی
3- نتایج و بحث
3-1 قیود مساوی
3-2 یکنواختی برنامه ریزی(3-1)
3-3 کران پایین و بالای برنامه ریزی (2)
3-4 مثال
4- نتیجه گیری
Abstract
1 Introduction
2 A general model
3 Results and Discussion
3.1 Equality constraints
3.2 The monotonicity of programming (3.1)
3.3 The lower and upper bound of programming (2)
3.4 Example
4 Conclusion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه