Nếu q x ( )là hàm biểu diễn lợi ích của công ty
tại phương án sản xuất x nthì (16) - (20)
trở thành bài toán tìm phương án sản xuất
sao cho lợi ích của công ty là lớn nhất.
Ký hiệu X Elà tập gồm các phương án sản
xuất, lúc này bài toán (16)-(20) được viết lại
như sau: max ( ) } {q x x X | E (21)
Theo Định lý 2.3 và Định lý 2.2.1, X Ecũng
chính là tập nghiệm hữu hiệu Pareto của bài
toán tối ưu đa mục tiêu (3). Do đó, (21) là bài
toán tối ưu trên tập nghiệm hữu hiệu Pareto
của bài toán tối ưu đa mục tiêu. Đối với bài
toán dạng này đã có nhiều phương pháp giải
được đưa ra (xem [3], [6]).
Sau đây, chúng tôi sẽ sử dụng phương pháp
được đưa ra trong các bài báo [5] để biến đổi
(21) về bài toán cực đại hàm tựa lồi trên một
tập lồi compắc trong không gian kchiều. Do
đó, bài toán sau khi biến đổi có thể được giải
bằng phương pháp xấp xỉ ngoài như ở [6].
5 trang |
Chia sẻ: thucuc2301 | Lượt xem: 614 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Đối ngẫu liên hợp cho bài toán tối ưu và ứng dụng - Trần Văn Thắng, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Trần Văn Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ 128(14): 55 - 59
55
ĐỐI NGẪU LIÊN HỢP CHO BÀI TOÁN TỐI ƯU VÀ ỨNG DỤNG
Trần Văn Thắng*
Trường Đại học Điện lực
TÓM TẮT
Trong bài báo này, chúng tôi đưa ra đối ngẫu liên hợp cho các bài toán tối ưu tựa lõm với hàm
mục tiêu là các hàm sản xuất Cobb-Douglas. Sau đó, chúng tôi ứng dụng kết quả đối ngẫu đạt
được để nghiên cứu một số bài toán trong kinh tế.
Từ khoá: Hàm sản xuất Cobb-Douglas, Đối ngẫu liên hợp
GIỚI THIỆU*
Gần đây, lý thuyết đối ngẫu mà được xây
dựng dựa trên phép biến đổi tựa liên hợp của
hàm : nf dạng
* 1( ) [sup{ ( ) | 1, 0}] T np f x p xf x p
bởi TS. P. T. Thạch đã được ứng dụng cho
một số bài toán tối ưu trong kinh tế và thu
được những kết quả đáng chú ý ([5], [7], [8],
[9]). Mục đích của bài báo này là mở rộng đối
ngẫu liên hợp cho bài toán tối ưu vô hướng và
tối ưu đa mục tiêu với hàm mục tiêu là các
hàm sản xuất Cobb-Douglas. Sau đó, chúng
tôi ứng dụng kết quả đối ngẫu để nghiên cứu
tìm phương án sản xuất cho một số bài toán
trong kinh tế như: Bài toán với một ràng buộc
phân bố nguồn lực, bài toán với nhiều ràng
buộc phân bố nguồn lực và bài toán tối ưu với
các ràng buộc phân bố nguồn lực.
ĐỐI NGẪU LIÊN HỢP
Cho ( )f x là hàm số không âm, nhận giá trị
hữu hạn trên
n
.
Định nghĩa 1.1 (xem [5]). Hàm *f được gọi
là tựa liên hợp của f nếu
* 1( ) [sup{ ( ) | 1, 0}] T np f x p xf x p
(quy ước 1/ 0 ).
Cho các hàm sản xuất Cobb-Douglas
1 21 2( ) ...
n
nf x x x x và
1 21 2( ) ...
n
ng p p p p ,
với 1 20 , ... 1i ni .
Mệnh đề 1.2 (xem [7]). Hàm f và g liên
hợp với nhau theo nghĩa:
1 2 1
1 2( ) ... [sup{ ( ) : 1, 0}]
n T
ng p f x p x x
,
* Tel:
1 2 1
1 2( ) ... [sup{ ( ) : 1, 0}]
n T
nf x g p p x p
.
Cho X là tập lồi, đóng, bị chặn có thứ nguyên
đầy đủ trong Rn+ và thoả mãn điều kiện bỏ đi
được: ',0x X x x ' .x X Định nghĩa
P là liên hợp dưới của X:
: 1, .n TP p p x x X
Dễ thấy P cũng là tập lồi, đóng, bị chặn có
thứ nguyên đầy đủ trong Rn+ và thoả mãn điều
kiện bỏ đi được. Ngoài ra, chúng ta có
Bổ đề 1.3 (xem [7]). X là liên hợp dưới của
P : : 1, .n TX x p x p P
Sau đây, chúng ta quan tâm đến bài toán tối ưu:
max ( ), f x v.đ.k x X (1)
và bài toán đối ngẫu:
max ( ),g p v.đ.k p P . (2)
Vì X và P là liên hợp dưới với nhau, f và
g liên hợp với nhau, do đó, cặp bài toán (1)
và (2) là đối hợp.
Mệnh đề 1.4. (xem [8]) Cho *x X và
*p P . Nếu 1 2* * 1 2( ) ( ) ...
n
nf x g p
, thì
*x là nghiệm của (1) và *p là nghiệm của
(2).
Đặt 1( ) [ ( ) ]Tf x f x x , 1( ) [ ( ) ]Tg p g p p
Chúng ta có định lý đối ngẫu sau.
Định lý 1.5. (xem [8]) Nếu *x là nghiệm của
(1) thì * *( )p f x là nghiệm của (2). Đảo
lại, Nếu *p là nghiệm của (2) thì
* *( )x f p là nghiệm của (1).
Tiếp theo, chúng ta sẽ mở rộng đối ngẫu liên
hợp cho bài toán tối ưu đa mục tiêu.
Trần Văn Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ 128(14): 55 - 59
56
Với mỗi 1 2 , ,...,r k , ta lấy véctơ r sao
cho 1 20 1 , ...
r r r r
j nj
và đặt
1 2
1 2
( ) ...
rr r
n
r n
f x x x x , 1 2
1 2
( ) ...
rr r
n
r n
g x p p p .
Xét bài toán tối ưu:
1 2max ( ( ), ( ),..., ( )) kf x f x f x , x X (3)
và bài toán đối ngẫu:
1 2max (g ( ), ( ),..., ( )) kp g p g p , p P (4)
Bổ đề 1.6 (xem [8]). *x X là nghiệm hữu
hiệu Pareto của (3) nếu và chỉ nếu tồn tại
k sao cho *x là nghiệm tối ưu của bài
toán 1 2
1 2max{ ( ) ( )... ( ) | }
k
kf x f x f x x X
(5)
Tương tự, *p P là nghiệm hữu hiệu Pareto
của (4) nếu và chỉ nếu tồn tại
k sao
cho *p là nghiệm tối ưu của bài toán
1 2
1 2max{ ( ) ( )... ( ) | p }
k
kg p g p g p P
. (6)
Cho *x là nghiệm hữu hiệu Pareto của (3) và
*p là nghiệm hữu hiệu Pareto của (4). Khi đó,
* *( , )x p được gọi là cặp nghiệm hữu hiệu
Pareto gốc-đối ngẫu nếu tồn tại
k sao
cho *x là nghiệm hữu hiệu Pareto của (5) và
*p là nghiệm hữu hiệu Pareto của (6).
Đặt là tập gồm tất cả các véctơ:
1 21 2 ...| ,n kk
1 2 .. , 1. 0,k r r .
Chúng ta có đối ngẫu cho cặp bài toán tối ưu
đa mục tiêu bởi định lý sau.
Định lý 1.7. Cho *x X và *p P . Nếu tồn
tại sao cho * *j j jx p với
mọi 1,2,...,j n thì * *( , )x p là cặp nghiệm
hữu hiệu Pareto gốc-đối ngẫu.
Chứng minh. Vì * *j j jx p với
mọi 1,2,...,j n ta có
1 2* *
1 2( ) ( ) ...
n
nf x g p
, theo Mệnh đề
1.4,
*x là nghiệm của bài toán (1). Mặt khác,
do nên tồn tại
k
sao cho
12 21 1 21 2( ) . ( ) (.. )... ( )
kn
n kf x f x ff x x x xx
Điều này suy ra *x là nghiệm của (5). Tương
tự, ta cũng chỉ ra *p là nghiệm tối ưu của bài
toán (6). Vậy, * *( , )x p được là cặp nghiệm
hữu hiệu Pareto gốc-đối ngẫu.
ỨNG DỤNG
Bài toán với một ràng buộc phân bố nguồn lực
Cho m véctơ i na và
n thỏa mãn
0j với mọi ,j 1 2 ... 1n .
Chúng ta xét hệ phi tuyến sau:
1 1 1 0, ,,
m mi
i i mi i
x a m (7)
0, 1,2,..., , 1, 1,2,...,T ijp j n p a i m (8)
, 1,2,...,j j jp x a j n (9)
Bài toán này có thể gặp trong việc lập kế
hoạch hoạt động của một công ty có m nhà
máy để sản xuất n hàng hoá khác nhau. Để
sản xuất các hàng hoá này, một nguồn lực
nhất định có tổng bằng 1 được phân bố cho
các nhà máy.
Giả sử i na là véctơ đặc trưng cho năng
lực của nhà máy thứ i , nghĩa là nhà máy thứ
i chạy hết công suất có thể sản xuất được ija
đơn vị hàng hóa thứ j , 1,2,...,j n . Số jp
biểu thị phần nguồn lực được phân bố cho
việc sản xuất một đơn vị hàng hóa thứ j và
jx là tổng lượng hàng hóa thứ j cần sản xuất
bởi cả công ty. Khi đó, j jp x là tổng nguồn lực
được phân bố cho việc sản xuất hàng hóa thứ
j , tức là giá vốn sản xuất lượng hàng hóa thứ
j . Để đảm bảo khả năng cạnh tranh trên thị
trường, cần thiết rằng 1,2,...,j j jp x a j n .
Bài toán đặt ra là tìm một phương án hoạt
động khả thi, tức là tìm một véctơ
( , ) n nx p thỏa mãn hệ (7)-(9). Véctơ
được gọi là véctơ phân bố nguồn lực.
Ký hiệu X là tập các véctơ
n
x , thỏa
mãn (7) và X là tập các véctơ thỏa mãn (8).
Bổ đề 2.1.1 (xem [8]). Chúng ta có
0 1 { | }TP p p x x X
Trần Văn Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ 128(14): 55 - 59
57
{ 0 | 1 }TX x p x p P
trong đó : { : , 0}X y x X x y .
Định lý 2.1.2. Nếu * *( , )x p là nghiệm của hệ
(7)-(9), thì *x là nghiệm của (1) và *p là
nghiệm của (2). Đảo lại, nếu *x là nghiệm của
(1), thì * *( , )x p với * *( )p f x là nghiệm
của hệ hệ (7)-(9); nếu *p là nghiệm của (2),
thì * *( , )x p với * *( )x g p là nghiệm của
hệ (7)-(9).
Chứng minh. Cho * *( , )x p là nghiệm của hệ
(7)-(9). Ta có
* * 1,2,...j j jx p j n , theo
Mệnh đề 1.4, *x là nghiệm của bài toán (1) và
*p là nghiệm của (2).
Đảo lại, nếu *x là nghiệm của (1) và
* *( )p f x thì *p thỏa mãn (8) và *p là
nghiệm của (2). Do đó, * *( , )x p với là
nghiệm của hệ hệ (7)-(9). Tương tự, nếu
*p là nghiệm của (2), thì * *( , )x p với
* *( )x g p là nghiệm của hệ hệ (7)-(9).
Dễ thấy các bài toán (1) và (2) tương ứng
tương đương với các bài toán cực đại hàm
lõm sau:
max{ln( ( )) : },f x x X (10)
max{ln( ( )) : }.g p p P (11)
Các hàm ln( ( ))f x và ln( ( ))g p là lõm chặt
trên n nên nghiệm của các bài toán (10) và
(11) là tồn tại duy nhất. Do đó, từ Định lý
2.1.2 chúng ta khẳng định nghiệm của hệ (7)-
(9) là tồn tại và duy nhất, đồng thời nghiệm
này có được bằng cách giải bài toán (10) hoặc
(11). Chú ý rằng các bài toán (10) và (11)
tương đương với các bài toán tối ưu lồi, nên
việc giải các bài toán này đơn giản hơn việc
giải hệ phi tuyến (7)-(9).
Bài toán với nhiều ràng buộc phân bố
nguồn lực
Trong phần này, chúng ta xét bài toán mở
rộng của (7)-(9) khi công ty có 1k nguồn
lực được sử dụng để sản xuất n sản phẩm
trong m nhà máy, với r là giá trị của
nguồn lực thứ , 1,2,..,r r k . Không mất tính
tổng quát ta có thể giả thiết rằng
1 1.
k
rr
Giả sử rj là phần nguồn lực thứ r được
phân bố cho việc sản xuất sản phẩm thứ j và
toàn bộ các nguồn lực được sử dụng hết, khi
đó ta có
0 1rj , 1 1 1, , .j
r
j
n
r k
Véctơ 1( , , )
n
n với
1
k
r
j r j
r
(tổng giá trị các nguồn lực được sử dụng để
sản xuất sản phẩm thứ j ), 1, , ,j n được
gọi là véctơ phân bố các nguồn lực. Vậy
là tập gồm tất cả các véctơ phân bố các
nguồn lực.
Ứng với mỗi véctơ phân bố các nguồn lực
, véctơ nx thỏa mãn (7)-(9) sẽ
được gọi là một phương án sản xuất. Véctơ
1 ( , , )np p p với jp là tổng giá trị các
nguồn lực được sử dụng để sản xuất một đơn
vị hàng hóa thứ j (tức là giá vốn sản xuất của
đơn vị hàng hóa thứ j ) sẽ được gọi là véctơ
chi phí sản xuất đơn vị.
Bài toán đặt ra là tìm phương án sản xuất
nx và véctơ chi phí sản xuất đơn vị
n
p thỏa mãn 1 1( , , )n np x p x .
Điều đó có nghĩa là chúng ta cần giải hệ sau:
1 1 1 0, ,,
m mi
i i mi i
x a m
(12)
0 1,2,..., , 1 1,2,...,T ijp j n p a i m
(13)
1,2,...,j j jp x j n (14)
. (15)
Định lý 2.2.1. Giả sử * *( , )x p là cặp nghiệm
hữu hiệu Pareto gốc-đối ngẫu. Khi đó,
* *( , )x p là nghiệm của hệ (12)-(15).
Chứng minh. Cho * *( , )x p là cặp nghiệm hữu
hiệu Pareto gốc-đối ngẫu, nghĩa là tồn tại
Trần Văn Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ 128(14): 55 - 59
58
véctơ
k sao cho *x là nghiệm hữu hiệu
Pareto của (5) và *p là nghiệm hữu hiệu
Pareto của (6). Bằng cách chứng minh tương
tự như ở Định lý 2.3 ta có *x là nghiệm của
(1), *p là nghiệm của (2), trong đó
1 2
1 2 ...
k
k . Theo Định lý
2.1.2, * *( , )x p là nghiệm của hệ (7)-(9).
Từ Định lý 2.3 và Định lý 2.2.1 ta chỉ ra rằng
bài toán với nhiều ràng buộc phân bố nguồn
lực tương đương với bài toán tối ưu đa mục
tiêu (3) hoặc (4).
Tối ưu với các ràng buộc phân bố nguồn lực
Xét bài toán
max ( )q x (16)
1 1 1 0, ,,
m mi
i i mi i
x a m ,
(17)
0, 1,2,..., , 1, 1,2,..., ,T iip i n p a i m (18)
, 1,2,...,i i ip x i n (19)
, (20)
trong đó ( )q x là hàm lõm liên tục trên
n sao cho ( ) 0 x>0q x .
Nếu ( )q x là hàm biểu diễn lợi ích của công ty
tại phương án sản xuất
n
x thì (16) - (20)
trở thành bài toán tìm phương án sản xuất
sao cho lợi ích của công ty là lớn nhất.
Ký hiệu EX là tập gồm các phương án sản
xuất, lúc này bài toán (16)-(20) được viết lại
như sau: max ( ) }{ | Eq x x X (21)
Theo Định lý 2.3 và Định lý 2.2.1, EX cũng
chính là tập nghiệm hữu hiệu Pareto của bài
toán tối ưu đa mục tiêu (3). Do đó, (21) là bài
toán tối ưu trên tập nghiệm hữu hiệu Pareto
của bài toán tối ưu đa mục tiêu. Đối với bài
toán dạng này đã có nhiều phương pháp giải
được đưa ra (xem [3], [6]).
Sau đây, chúng tôi sẽ sử dụng phương pháp
được đưa ra trong các bài báo [5] để biến đổi
(21) về bài toán cực đại hàm tựa lồi trên một
tập lồi compắc trong không gian k chiều. Do
đó, bài toán sau khi biến đổi có thể được giải
bằng phương pháp xấp xỉ ngoài như ở [6].
Bằng cách đổi thang đơn vị nếu cần thiết,
không mất tính tổng quát chúng ta có thể giả
thiết rằng 1, ,min 2
i
j n ja với mọi
1,2,...,i m . Điều này dẫn đến
1, , min 2 .j n jx x X Đặt
1 221| max ( ) ( )... ( ) 3rn x X rM f fx x xf
1 221 3 ( ) max ( ) | ( ) ( )... ( ) ,rrh q x x x xf f xf X
.n (quy ước max 0 ).
Dễ thấy tập M là tập lồi compắc. Ngoài ra, ta
có bổ đề sau:
Bổ đề 2.3.1 (xem [8]).
Hàm h là nửa liên tục trên và tựa lồi ở trên .
k
Xét bài toán: max ( ) | h M (22)
Định lý 2.3.2. Giá trị tối ưu của các bài toán
(21) và (22) là bằng nhau: * *.q h Ngoài
ra, nếu
* là nghiệm tối ưu của (22) thì
điểm cực đại *x của hàm
1 2
1 2
** *
( ) ( )... ( )kkf fx fx x trên X là nghiệm tối
ưu của (21).
Chứng minh. Cho *x là nghiệm tối ưu của
(21), nghĩa là * * *, ( ) .Ex X q x q Vì
*
Ex X , nên tồn tại véctơ
k sao cho
*x là nghiệm tối ưu của (5). Ta khẳng định
rằng tồn tại 0 sao cho
1 2* * *
1 2( ) ( )... ( ) 3.
k
kf x x xf f
Thực vậy, đặt
1 2* * *
1 2( ) ( )... ( ).
k
kf x f x f x
Vì
* 2, 1, ,jx j n , do đó ln( ) 0. Lấy
1ln(3)ln ( ) ta có ln( ) ln(3) .
Bây giờ, đặt . Dễ thấy
1 2
1 2max ( ) ( )... ( ) 3,
k
x X kf x f x f x
điều này
suy ra .M Do vậy, * *( )q q x
1 21 2sup ( ) | ( ) ( )... ( ) 3,kkq x f x f x f x x X
*( )h h .
Điều này dẫn đến * 0h . Đảo lại, giả sử
* là nghiệm tối ưu của (22), nghĩa là
* M và * *( ) .h h Giả sử *x là một điểm
Trần Văn Thắng Tạp chí KHOA HỌC & CÔNG NGHỆ 128(14): 55 - 59
59
cực đại của hàm
** *
1 2
1 2( ) ( )... ( )
k
kf fx x f x
trên
.X Theo Bổ đề (1.6), *x là nghiệm hữu
hiệu Pareto của (5) và do đó, * .Ex X Vì
* M , nên ta có
** *
1 2* * *
1 2( ) ( )... ( )
k
kx x xf f f
** *
1 2* * *
1 2sup{ ( ) ( )... ( ) : x X} 3.
k
kf fx xf x
Nếu
** *
1 2* * *
1 2( ) ( )... ( ) 3
k
kx x xf f f
thì
** *
1 2*
1 2( ) sup ( ) | ( ) ( )... ( ) 3,
k
kh q x f x f x f x x X
*sup 0 h
điều này là vô lý. Do đó,
** *
1 2* * *
1 2( ) ( )... ( ) 3
k
kx x xf f f
và hơn nữa,
* *( )h h
** *
1 2
1 2sup ( ) | ( ) ( )... ( ) 3,
k
kq x f x f x f x x X
* *( )q x q .
Hệ quả là * *q h và do đó, *x là nghiệm tối
ưu của (21).
TÀI LIỆU THAM KHẢO
1. A. V. Fiacco, (1983), Introduction to Sensitivity
and Stability Analysis in Nonlinear Programming,
Academic Press, New York.
2. D. G. Luenberger, (1995), Microeconomic
Theory, McGraw-Hill, Inc., New York.
3. L. D. Muu, (2000), A Convex-concave
Programming Method for Optimizing over the
Efficient Set, Acta Math. Vietnam, 25, 67-85.
4. P. T. Thach, (1993), Global Optimality
Criterion and Duality with Zero Gap in
Nonconvex Optimization, SIAM J. Math. Anal.,
24, 1537-1556.
5. P. T. Thach, (2004), Dual preference in
Leontief production problem and its extension,
Vietnam J. Math., 32, 209-218.
6. P. T. Thach, H. Konno, and D. Yokota, (1996),
Dual Approach to Minimization on the Set of
Pareto-optimal Solutions, J. Optim. Theory Appl.,
88, 689-707.
7. P. T. Thach and T. V. Thang, (2011), Conjugate
duality for vector-maximization problems, J. Math.
Anal. Appl., 1, 94-102.
8. P. T. Thach and T. V. Thang, (2014), Problems
with resource allocation constraints and
optimization over the efficient set, J. Glob. Optim.,
58, 481-495.
9. T. V. Thang, (2014), Conjugate duality in
nonconvex optimization problems and
optimization over the weakly efficient set
(Preprint).
10 H. Tuy, (2000), Monotonnic Optimization:
Problem and Solution Approaches, SIAM Journal
of Optimization, 11, 464-494.
11. H. Tuy, A. Migdalas and N.T. Hoai-Phuong,
(2007), A novel approach to Bilevel nonlinear
programming, J. Glol. Optim., 38, 527-554.
SUMMARY
CONJUAGATE DUALITY FOR OPTIMIZATION
PROBLEMS AND APPLICATIONS
Tran Van Thang*
University of Electric Power
In this paper, we present the conjugate duality for a class of quasiconcave optimization problems
with objective functions are Cobb-Douglas production functions. Then, we apply the conjugate
duality to study some optimization problems in Economics.
Key word: cobb-douglas function, conjuagate duality
Ngày nhận bài:17/9/2014; Ngày phản biện:02/10/2014; Ngày duyệt đăng: 25/11/2014
Phản biện khoa học: PGS.TS Hà Trần Phương – Trường Đại học Sư phạm - ĐHTN
* Tel:
Các file đính kèm theo tài liệu này:
- brief_48359_52275_4920152116249_5103_2046484.pdf