Методы анализа несобственных задач математического программирования тема автореферата и диссертации по математике, 01.01.09 ВАК РФ
Ватолин, Анатолий Анатольевич
АВТОР
|
||||
кандидата физико-математических наук
УЧЕНАЯ СТЕПЕНЬ
|
||||
Свердловск
МЕСТО ЗАЩИТЫ
|
||||
1984
ГОД ЗАЩИТЫ
|
|
01.01.09
КОД ВАК РФ
|
||
|
Введение
ГЛАВА I. Симметрическая аппроксимация несобственных задач линейного программирования
1. Вспомогательные результаты
2. Условия локального минимума
3. Анализ задачи аппроксимации
ГЛАВА 2. Аппроксимация несовместных систем линейных уравнений и неравенств
4. Методы аппроксимации, использующие евклидову норму
5. Методы, использующие другие виды функции качества аппроксимации
ГЛАВА 3. Анализ линейных моделей с интервально заданной информацией
6. Постановка задачи
7. Системы неравенств и уравнений SO
8. Задачи линейного программирования
ГЛАВА 4. Линейная коррекция выпукло-вогнутых минимаксных задач
9. Постановка задачи и вспомогательные результаты
10. Методы линейной коррекции
11. Аппроксимация несобственных задач выпуклого программирования
С: Lbf{lt*)\ ^'[^M^Gc^^acfQ] - cL (O.I) выпишем двойственную в следующем виде:
Р {%(■")' ueR* = ос* . (0.2)
Выше Q - выпуклое множество из h. -мерного евклидова пространства A* j -fj (ас) ( j= 0,1, .7 иа) - выпуклые функции, определенные на Q , О. = Р" 5 tfo (х) + (и, (ос.)} - функция Лагранжа задачи
0.1).
Среди важнейших свойств задач математического программирования (МП) такие: разрешимость или неразрешимость, конечность или бесконечность оптимального значения задачи, выполнимость или невыполнимость равенства cL - oL* . Задачи МП, для которых не выполняется свойство одновременной разрешимости прямой и двойственной задачи и совпадения их оптимальных значений, называются несобственными [зз]. Например, задача (0.1) будет несобственной, если выполняется по крайней мере одно из условий:
М = о£ , Х6 М] = J2T ,
И* = { W. : 3. (u]- cL* oio, U6 M*j = 0y at ф oL* ^ где м , м- допустимые, а м , м - оптимальные множества соответственно прямой и двойственной задач.
Систематические исследования несобственных задач математического программирования были начаты в работах И.И.Еремина, В.Д.Мазурова [23, 26, зз]. В этих и последующих работах [24, 27] подробно обсуждены причины (как практического, так и теоретического характера) возникновения несобственных задач, вызывающие необходимость развития и обоснования методов их анализа и коррекции .
В ситуации несобственности задачи требуется иной подход к формулировке как принципа двойственности, так и соответствующих ему теорем двойственности. Разработка данного подхода была осуществлена в работах [23, 24, 27].
В исследовании несобственных задач большое развитие получила идея аппроксимации (оптимальной коррекции) [24, 26, 27, зз], когда исходная несобственная задача £ (и вместе с ней двойг * ственная к ней задача L ) погружаются в некоторое семейство задач о, x6Q }, зависящих от параметра у £ R . При этом /j[ye] С^)5 s (х) 7 j - 1 .} м. при некотором £ , т.е. задачи С(%) и С совпадают. Задача аппроксимации записывается в виде ut/ {Ф (уЬ у £ К^ j , (0.3) где Я"5 - функция, оценивающая качество аппроксимации (чем меньшеСР(у) , тем более подходящим для нас является выбор задачи ч) облаДает свойством (У ^ 7
О~ - то или иное свойство задачи С (у) (быть разрешимой, собственной и т.д.). Такой подход еще носит название непрерывной аппроксимации в отличие от дискретной, когда, например, обобщенное решение несовместной системы неравенств оптимальным образом выбирается на множестве ее комитетов [27, 31-33"].
В [2, 27, зз] исследовались полусобственные задачи выпуклого программирования, т.е. такие, для которых М Ф pf , М ^ Ф 0 , но не выполняется по крайней мере одно из условий:
Цель диссертационной работы состоит в разработке новых методов анализа и коррекции несобственных задач МП, несовместных систем линейных уравнений и неравенств, а также линейных моделей с неточно заданной информацией.
Остановимся более подробно на содержании диссертационной работы.
Первая глава посвящена анализу и аппроксимации несобственных задач линейного программирования (ЛП). По-видимому, впервые аппроксимация несобственных задач ЛП рассматривалась в [26^, где исходной несобственной задаче ЛП и двойственной к ней, т.е.
L : max | [с^х) ; А х > О ] ;
L* ; yylLyl { (4, и): АТи > с , (Л ^ о j ОС £ С € 4 € А = [«Ус^т^ставятся в соответствие задачи
LСрл)' (c+a xV. Ax^^p.ivo } ,
1 ^ ) 7 (О Л) tvun { + ^ ,u>0 ], зависящие от параметров fy 6 К , p^ к . Задача аппроксимации рассматривается в виде (0.3), где рлЖГ" задача - собственная j = (1рА]' ^дача L ( ?Л) -собственная .
В такая аппроксимация была названа симметрической. Методы решения задачи (0.3) разрабатывались в [24, 26, 27, 33, 39] , причем наибольшее развитие здесь получили методы, названные методами итеративной аппроксимации, при которых в едином итерационном процессе отыскиваются одновременно [ р, ^ ] " решение задачи (0.3) и X решение задачи L » аппроксимирующей исходную.
Рассматриваемый в главе I подход к аппроксимации отличается от только что описанного тем, что наряду с векторами и С допускаются коррекции также и матрицы Д , т.е. коррекции могут подвергаться все параметры (коэффициенты) задачи L . Задачам L и L ставятся в соответствие задачи
•J^* т*
L (к^,^): гуЫП { + (A-v Н)а > e + ci , 7 в которых Н - L Kjil^ - матрица параметров, к. = ство Kqw и задача (0.3) имеют вид тп. этом множезадача собственная ^ = задача L* ( к, р,^) - собственная| , где ( к^р,^ рассматривается как вектор из (hm+M+ yl] --мерного пространства, Ц • Ц - евклидова норма. Такой подход является естественным развитием подхода (0.4-) и сохраняет свойства симметричности. Основная трудность здесь заключается в том, что множество уже не является, вообще говоря, выпуклым и замкнутым и задается системой билинейных ограничений.
В § I доказываются вспомогательные утверждения, в частности, вводится классификация матриц Ц , при которой все пространство Рч векторов h- оказывается разбитым на три непересекающихся множества , ~Yt и "Т^ , причем и Т^ открыты и замыкание их объединения равно PJ^1" , а Т^ выполняет роль границы, разделяющей и I z . Следует отметить, что различные свойства матриц и систем линейных неравенств, на которых основывается данная классификация, рассматривались и ранее (см., например, [25, Зо]).
В § 2 доказываются необходимые (теорема 2.1) и достаточные (теорема 2.2) условия локального минимума задачи аппроксимации (0.5). Согласно теореме 2.1 задача (0.5) может иметь точку локального минимума ( k°} только в случаях, когда О £ или 0 6 \ » причем, если 0 £ "Т- , то и к. в
1=1}2). Показывается, что каждой точке локального минимума (к'^р0,^0) соответствует подматрица T)jrj матрицы [- & ? А ~] с линейно независимыми столбцами, и приводятся формулы, по которым k. j р° / <?j/ , а также решение задачи L ( k\ р\ cj,0^ выражаются через 1У - собственный вектор матрицы Т)т1 Dj^ » соответствующий ее наименьшему собственному значению ft . При этом оказывается справедливым равенство J| ( к°, р*л°) ||Z = / .
Описание точек локального минимума задачи (0.5), данное в теоремах 2.1, 2.2, в ряде случаев может быть непосредственно использовано для их поиска. Кроме того, из теоремы 2.1 следует, что для поиска точек локального минимума задачи (0.5) могут использоваться методы, разрабатываемые в § 4 главы 2. Эти вопросы, а также вопрос об условиях устойчивости свойства несобственности (неразрешимости) задачи ЛП относительно вариации вектора всех коэффициентов, обсуждается в § 3.
Отметим, что исследованию устойчивости и методов регуляризации задач ЛП посвящена обширная литература (см., например, [i, 3, 17, 25, 28, 41, 42, 44], где, в частности было получено описание класса устойчиво разрешимых задач ЛП. В теореме 3.1 дается описание класса устойчиво неразрешимых задач Ж. Понятно, что это описание является одновременно и описанием класса "неустойчиво неразрешимых" задач ЛП, т.е. таких неразрешимых задач ЛП, которые могут быть превращены в разрешимые путем сколь угодно малой вариации коэффициентов (векторов С , и матрицы
Д ). С точки зрения задачи (0.5) теорема 3.1 описывает все случаи, когда L - несобственная и в то же время оптимальное значение задачи (0.5) равно нулю. Оказалось, что этот случай является редким в том смысле, что условие 0 £ ~~Г3 является для него необходимым.
Одним из проявлений несобственности задачи является несовместность ее ограничений. В главе 2 исследуется аппроксимация несовместных систем линейных уравнений и неравенств. Среди работ, в которых изучались несовместные системы, методы их коррекции или обобщенного решения, отметим [5, 14, 20 - 27, 29, 30 - 33,
35, 46, 47, 49, 51, 54, 56, 58]. Так же, как и в главе I, при исследовании аппроксимации несовместных систем в главе 2 допускаются коррекции как правых частей, так и матриц ограничений.
В § 4 рассматривается задача аппроксимации несовместной системы линейных неравенств
X ё | X*. А0зс^
0.6) здесь А0 х ^ £ - некоторая совместная и некорректируемая система, задающая дополнительные ограничения на вектор X ) вида
У(1! РДМ QXT:
Зэс, (А+Н^Х ^-р, , (0.7) гле в качестве Q , 0г можно брать любые неособенные матрицы размерности Уп х га. и ( h+ * l) \ р =
1Н,р1= L^llwt.n.l . "ОРИИВтрицы вычисляется по формуле |[Д||г= 21» • Аналогич ная задача н/{ недн.р] ог Г г рассматривается для системы линейных уравнений
Ах = £ , X 6 (зс1, Г] ,
0.8)
0.9)
В теоремах 4.1, 4.2 решение задач (0.7), (0.8) сводится к решению задачи минимизации выпуклой функции на -мерной сфере (при дополнительных линейных ограничениях), причем, если ограничения A0dc ^ & в задаче (0.8) отсутствуют, то ее оптимальное значение оказывается равным минимальному собственному числу матрицы В»"7" В (где В я Q1 , А^ Qz ), а со
HiV р и вектор , удовлетворяющий (А+Н)5с=-ё-р , выражаются по формулам через собственный вектор, соответствующий этому собственному числу. В теореме 4.3 получены формулы для вычисления радиусов совместности и несовместности систем линейных уравнений и неравенств и радиуса разрешимости задачи L . Отметим, что меры несовместности систем линейных неравенств исследовались ранее в [20, 46~).
В § 5 рассматривается задача аппроксимации системы линейных неравенств (0.6) вида
Н Iе? (М ' Зое, , [к,р] £ S ] ? (0.10) где LkpVl^H , kio--) ^Mrtik.KUi-^hi^ile R^*^ функция качества аппроксимации Я^ определена на множестве
-s гч mn+ ha
О € К » в также аналогичная задача для системы уравнений
0.9). Для функций и множеств ^ > принадлежащих некоторым классам соответственно выпуклых кусочно-линейных функций и выпуклых полиэдральных конусов, решение задачи (0.10) и аналогичной задачи для системы (0.9) удается свести к решению некоторых задач ЛП (см. теоремы 5.1, 5.2). В частности, к упомянутым классам принадлежат функции стР и множества S следующих видов:
Я^крЬ И СМИ.-max ,
V / п $ = Sl = { Lk.pl: =0, и I \ для любых I e {Ij-mH+I^NT, £Г ^ J С { 1,., И-+ .Здесь условие t^jpl^-S'Si означает, что столбцы матрицы [А,4] с номерами i в I' фиксированы и корректироваться (при решении задачи (0.10)) не могут.
В главе 3 рассматриваются системы линейных уравнений и неравенств
Ах , Q х ^ р , х V О
Q ~ С к ' Р€ ^ ) • а также задачи лп ыах (сэху. Ах = £, Qx ^ Р , зс^о ] , все или часть коэффициентов (параметров) которых заданы не конкретными значениями, а интервалами их возможных значений. Изучение линейных моделей подобного рода с множественно заданными коэффициентами было начато Данцигом и Вульфом (обобщенное линейное программирование) [l8^j и продолжено в работах [34, 43, 48, 50, 52-53, 55, 57, 59 - 65].
Как неоднократно отмечалось в [24, 26, 27, зз], неточность (неопределенность) задания информации является одной из причин возникновения несобственных задач. Поэтому различные методы учета и "раскрытия" неопределенностей одновременно выступают в роли методов преодоления или предупреждения несобственности. На важность использования множественного (и, в частности, интервального) задания параметров, отображающего реальные возможности управления ими, как на средство "улучшения надежности модели в смысле ее совместности", позволяющее в случае ее несовместности формализовать трудоемкую процедуру коррекции параметров, указывалось в [ 34, с. 5, 7, 13].
В зависимости от конкретной ситуации в качестве допустимых векторов такого рода моделей можно рассматривать или все эс , удовлетворяющие ограничениям модели при каких-либо значениях ее параметров, укладывающихся ъ заданные границы (обобщенное линейное программирование), или же все X , удовлетворяющие ограничениям модели при любых (лежащих в заданных границах) значениях неопределенных параметров. Для названия второго из этих подходов, использующего принцип гарантированного результата в условиях неопределенности информации о параметрах модели, в иностранной литературе используется термин "неточное линейное программирование", введенный в
В случае несовместности ограничений модели первый из этих подходов соответствует цели преодоления ее за счет либо рассмотрения всех эквивалентных по точности решений системы [4-I^J (если система задана приближенно), либо управления параметрами (если возможности такого управления имеются). Второй подход ("неточное ЛП") обеспечивает гарантированную допустимость выбранного (оптимального) вектора X .
Предлагаемый в главе 3 подход к "раскрытию" неопределенностей в моделях с интервально заданными параметрами включает в себя оба описанных выше подхода. При этом (в общем случае) возникают постановки игрового типа, когда вначале выбирается оптимальный план X , а затем по мере поступления дополнительной информации о параметрах модели производится соответствующая "подстройка" управляемых параметров, позволяющая в итоге обеспечить допустимость плана X и одновременно максимизировать значение целевой функции (с , х) .
Для всех рассматриваемых в главе 3 задач даются методы, сводящие их решение к решению обычных, т.е. точно заданных систем линейных неравенств или соответственно задач ЛП.
В [33, с.48-51J впервые рассматривалось погружение несобственной задачи (0.1) в семейство задач вида
С K,pV> ly4 { p,эсeQ }, зависящих от параметра [д,р^) € Я. • При этом задача аппроксимации имела вид l4 ( ^U^ U.Pl е К ] , №-и) где К = { [ - собственная J . В [Ю - II, 14, 22, 24, 27, 33, 36, 37] исследовались методы решения задачи (О.II) для случая Я*5 (с^р^к ^ и близких к (О.II) задач вида
L4 {%(?)■■ р£к< ^ , ^ {Н1: «vt кь\,
Ц { i : Ц 6 Кс , i> 0} , где и Кс - множества параметров р и , для которых не пусты допустимые множества соответственно задачи С^р) и двойственной к ней задачи С * ( р^ , Я^ - некоторая выпуклая функция качества аппроксимации, - фиксированный вектор из R .
Как известно, задачи С и могут быть записаны соответственно в виде
Lyuf. Л-up Г (х. , и) , ос в Q а > о ск^. -Vup | F(x,uV Р»")^ • осе Q u>o
Но тогда, очевидно, (О.II) может рассматриваться и как задача выбора оптимальной коррекции р! , обеспечивающей для выпукло-вогнутой функции Г (x3u)- ~ ( Р>и*) существование седловой точки на множестве .
В главе 4 в качестве исходной берется минимаксная задача tKsf -Vup F (х 1 хеХ uelL в которой F(x,u) - выпуклая по х и вогнутая по U. функция, определенная на декартовом произведении выпуклых множеств х С Г и и с ИГ . Для нее рассматривается задача оптимальной линейной коррекции (являющаяся естественным обобще -нием задачи (0.11))
Lrvf. { Я5 (X* u*') : [х*,и*1 £ К П $ 5 ; (0.12) где - выпуклая функция (качества коррекции), гч - множество всех ^x^u* f для которых функция
F - (х*, эс) - ( и\ имеет седловую точку на множестве X х U ; $ - выпуклое множество из РJ***"1 ,
Теоремы 10.1, 10.2 заключают в себе методы, сводящие решение задачи (0.12) к решению некоторой последовательности (разрешимых) выпукло-вогнутых минимаксных задач.
В § II полученные результаты применяются к описанному выше случаю аппроксимации несобственных задач ВП.
Результаты диссертационной работы являются новыми и получены автором самостоятельно. Основные результаты диссертации опубликованы в [7 - I3],j[27, §§ 12-13, 26, с.84-119, 245-262] и докладывались на семинарах в Институте математики и механики УНЦ АН СССР, на У Сибирской школе-семинаре "Методы оптимизации и их приложения" (г.Иркутск, 1980 г.), на конференции "Методы математического программирования и их программное обеспечение" (г.Свердловск, 1981 г.) и на Конференциях молодых ученых институтов математики АН СССР (г.Ленинград, 1981 г., г.Москва, 1983 г.). В работе используются следующие основные обозначения:
D "" -Л"
Г\ - евклидово пространство векторов [x1,.JxK J • ос v О э х > О означает соответственно x-L>Oy Х^>0 (для всех L ); в { X £ : х > О ^ ^
- скалярное произведение векторов С $ X ;
К = К — * ] ;
А - [«я! ы „ , г\ - матрица размерности х п и транспонированная к ней; А , "D 3 - матрица размерности ^ х (и-+ "О , образованная приписыванием справа к матрице А = l^jt]^ л матрицы
D=L<^slwt / >
Al^, С- - оптимальное множество задачи С
1. Астафьев Н.Н. Линейные неравенства и выпуклость. - М.: Наука, 1982. - 152 с.
2. Астафьев Н.Н. Аппроксимирующие многогранники Лагранжа и разрыв в двойственности. В кн.: Несобственные задачи оптимизации, Свердловск: УНЦ АН СССР, 1982, с.23-29.
3. Ашманов С.А. Линейное программирование. М.: Наука, 1981. -304 с.
4. Базара М., Шетти К. Нелинейное программирование. М.: Мир, 1982. - 584 с.
5. Булавский В.А. Методы релаксации для систем неравенств. Новосибирск: НГУ, 1981. - 84 с.
6. Васильев Ф.П. Численные методы решения экстремальных задач. -М.: Наука, 1980. 520 с.
7. Ватолин А.А. Об условиях экстремума в аппроксимации несобственных задач линейного программирования. В кн.: Численные методы оптимизации и их приложения. - Иркутск: СЭИ СО АН СССР, 1981, с.49-57.
8. Ватолин А.А.Метод аппроксимации несобственных задач выпуклогопрограммирования. В кн.: Несобственные задачи оптимизации.-Свердловск: УНЦ АН СССР, 1982, с.67-74.
9. Ватолин А.А. Об аппроксимации несобственных задач выпуклого программирования. Мат.заметки, 1983, т.33, № 4, с.627-636.
10. Ватолин А.А. К анализу задач линейного программирования с интервальными коэффициентами. Ин-т матем. и механ. УНЦ АН СССР. Свердловск, 1983, 22 с. Рукопись деп. в ВИШИ 03.05.83,2363-83 Деп.
11. Ватолин А.А. Методы аппроксимации несовместных систем линейных уравнений и неравенств. Ин-т матем. и механ. УНЦ АН СССР, Свердловск, 1983, 17 с. Рукопись деп. в ВИНИТИ 03.05.83,2362-83 Деп.
12. Габасов Р., Кириллова §.М. Методы оптимизации. Мн.: Изд.БГУ им.В.И.Ленина, 1981. - 350 с.
13. Гермейер Ю.Б. Введение в теорию исследования операций. М.: Наука, 1971. - 383 с.
14. Гольштейн Е.Г., Юдин Д.Б. Новые направления в линейном программировании. М.: Сов.радио, 1966. - 524 с.
15. Данциг Дж. Линейное программирование, его применения и обобщения. М.: Прогресс, 1966. - 600 с.
16. Евтушенко Ю.Г. Методы решения экстремальных задач и их приме-менение в системах оптимизации. М.: Наука, 1982. - 432 с.
17. Еремин И.И. О несовместных системах линейных неравенств. -Докл. АН СССР, 1961, т.138, W 6, с.1280-1283.
18. Еремин И.И. Итеративный метод для чебышевских приближений несовместных систем линейных неравенств. Докл. АН СССР, 1962, т.143, № 6, с.1253-1256.
19. Еремин И.И. О задачах выпуклого программирования с противоречивыми ограничениями. Кибернетика, 1971, № 4, с.124-129.
20. Еремин И.И. Двойственность для несобственных задач линейного и выпуклого программирования. Докл. АН СССР, 1981, т.256, № 2, с.272-276.
21. Еремин И.И. Двойственность для несобственных задач линейного и выпуклого программирования и методы их коррекции. Известия АН СССР, Технич.кибернетика, 1983, № I, с.20-32.
22. Еремин И.И., Астафьев Н.Н. Введение в теорию линейного и выпуклого программирования. М.: Наука, 1976. - 192 с.
23. Еремин И.И., Мазуров В.Д. Нестационарные процессы математического программирования. М.: Наука, 1979. - 288 с.
24. Еремин И.И., Мазуров В.Д., Астафьев Н.Н. Несобственные задачи линейного и выпуклого программирования. М.: Наука, 1983. -336 с.
25. Карманов В.Г. Математическое программирование. М.: Наука, 1980. - 256 с.
26. Коробкин А.Д., Михайленко Ю.М. К анализу несовместности системы ограничений в задачах оптимизации. Применение ЭВМ в оптимальном планировании и управлении. (Новосибирск), 1979 (1980), № 4, с.3-25.
27. Линейные неравенства и смежные вопросы: Сб. статей/Под ред. Г.Куна и А.Таккера. М.: ИЛ, 1959. - 470 с.
28. Мазуров В.Д. 0 комитете системы выпуклых неравенств. Труды ICM 1966. - М.: Изд-во МГУ, 1966, № 14, с.41.
29. Мазуров В.Д. 0 построении комитета системы выцуклых неравенств. Кибернетика, 1967, № 2, с.56-59.
30. Несобственные модели математического программирования/Под ред.И.И.Еремина; УНЦ АН СССР. Ин-т матем. и механ., Свердловск, 1980, 466 с. Рукопись деп. в ВИНИТИ 03.07.80; чЛ, 236 е., $ 2823-80 Деп.; ч.2, 230 е., № 2824-80 Деп.
31. Плискин Л.Г. Билинейные модели оптимизации производства. -М.: Сов.радио, 1979. 200 с.
32. Плотников С.В. 0 циклическом проектировании на систему выпуклых множеств с пустым пересечением. В кн.: Несобственные задачи оптимизации, Свердловск: УНЦ АН СССР, 1982, с.60-66.
33. Попов Л.Д. Двойственный метод итеративной аппроксимации, использующий модифицированную функцию Лагранжа. В кн.: Несобственные задачи оптимизации, Свердловск: УНЦ АН СССР, 1982, с.42-51.
34. Рокафеллар Р.Т. Выцуклый анализ. М.: Мир, 1973 -472 с.
35. Скарин В.Д. 0 применении метода регуляризации для коррекции несобственных задач ЛП I рода. В кн.: Методы аппроксимации несобственных задач математического программирования. Свердловск: УНЦ АН СССР, 1984, с.51-63.
36. Стренг Г. Линейная алгебра и ее применения. М.: Мир, 1980.456 с.
37. Тихонов А.Н. 0 приближенных системах линейных алгебраических уравнений. Ж.вычисл.матем. и матем.физ., 1980, т.20, № 6, с.1373-1983.
38. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1979. - 285 с.
39. Тимохин С.Г., Шапкин А.В. О задачах линейного программирования в условиях неточных данных. Экономика и матем.методы, 1981, т.17, № 5, с.955-963.
40. Федоров В.В. Численные методы максимина. М.: Наука, 1979. - 280 с.
41. Фиакко А., Маккормик Г. Методы последовательной безусловной минимизации. М.: Мир, 1972. - 240 с.
42. Черников С.Н. Линейные неравенства. М.: Наука, 1968. - 488 с.
43. Anwendungen der linearen parametrischen Optimierung/Ed. K. Lommatzsch.- Berlin: Akad.- Verl., 1979.- 190 S.
44. Cope J.E., Rust B.W. Bounds on solutions of linear systems with inaccurate data.- SIAM Numer. Analysis, 1979» vol.16, m 6, p.950-963.
45. Elving T. Block-iterative methods for consistent and inconsistent linear equations.- Numer. Math., 1980, vol.35, IS 1» p.1-12.
46. Falk E.J. Exact solutions of inexact linear programs.- Oper. Res., 1976, vol.24, № 4, p.783-787.
47. Pan K., Glicksberg I., Hoffman A. Systems of inequalities involving convex functions.- Proc. Amer. Math. Soc., 1957» vol. 8, Hi 3, p.617-622.
48. Gay D. Solving interval linear equations.- SIM J. Numer. Analysis, 1982, vol.19, И 4, p.858-870.
49. Granot D., Granot P., Johnson E.L. Duality and pricing in multiple right-hand choice linear programming problems.-Math. Oper. Res., 1982, vol.7, J2 4, p.545-556.
50. Laczkovich M. Solvability and consistency for infinite systems of linear inequalities.- Period. Math. Hung., 1978, vol.9,Ш 1-2, p.63-70.
51. Rohn J. Systems of linear equations with inexact data.- Ekon.-mat. obzor, 1976, vol.12, № 3, p.311-315.
52. Roodmen G.M. Post-infeasibility analysis in linear programming.- Manag. Sci., 1979, vol.25, hi 9, p.916-922.
53. Sik F. A linear problem of the interval calculus.- Ekon.-mat. obzor, 1980, vol.16, N? 1, p.37-46.
54. Sik F. Solutions of a system of linear equations with given error sets for coefficients.- Aplik. Mat., 1982, vol.27, M 5, p.319-325.
55. Singh C. Convex programming with set-inclusive constraints and its applications to generalized linear and fractional programming.- J. Opzimiz. Theory and Appl., 1982, vol.38, Ne 1, p.33-42.
56. Soyster L.A. Convex programming with set-inclusive constraints and applications to inexact linear programming.- Oper. Res., 1973, vol.2, Ш 5, p.1154-1157.
57. Soyster L.A. A duality theory for convex programming with set-inclusive constraints.- Oper. Res., 1974, vol.22, Ш 4-, p.892-898.
58. Soyster L.A. Erratum.- Oper. Res., 1974, vol.22, ?.g 5, p. 1279-1280.
59. Thuente J.D. Duality theory for generalized linear programs with computational methods.- Oper. Res., 1980, vol.28, Ш 5, p.1005-1011.