ZAGADNIENIE TRANSPORTOWE(ZT)

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZAGADNIENIE TRANSPORTOWE(ZT)"

Transkrypt

1 A. Kasperski, M. Kulej BO Zagadnienie transportowe 1 ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a 1, a 2,...,a p i q odbiorców,którychpopytwynosi b 1, b 2,...,b q.zakładamy,że problemjestzbilansowany,tj. p i=1 a i = q i=1 b iczylicałkowita podaż jest równa całkowitemu popytowi. Dane są również koszty przewozu c ij jednostkitowaruod i-tegodostawcy(i = 1,...,p)do j-tegoodbiorcy(j = 1,...,q).Należywyznaczyćplantransportu towaru od dostawców do odbiorców o minimalnym łącznym koszcie przewozu.

2 A. Kasperski, M. Kulej BO Zagadnienie transportowe 2 Model liniowy dla ZT: Zmienne decyzyjne: x ij -ilośćtowaruprzewożonaod i-tegodostawcydo j-tego odbiorcy. Model: minz = p i=1 q j=1 c ijx ij q j=1 x ij = a i i = 1,...,p [Podażdostawców] p i=1 x ij = b i j = 1,...,q [Popytodbiorców] x ij 0 Przykład.. Rozpatrzmy następujący rysunek:

3 A. Kasperski, M. Kulej BO Zagadnienie transportowe 3 Fabryka Miasto 1 4 Fabryka Miasto 2 20 Fabryka Miasto 3 Miasto Zmienne decyzyjne: x ij -ilośćtowaruprzewożonaod i-tejfabrykido j-tegomiasta.

4 A. Kasperski, M. Kulej BO Zagadnienie transportowe 4 Model liniowy: minz = 8x x 12 + x x x x x 34 x 11 + x 12 + x 13 + x 14 = [Podażfabryki1] x 21 + x 22 + x 23 + x 24 = [Podażfabryki2] x 31 + x 32 + x 33 + x 34 = [Podażfabryki3] x 11 + x 21 + x 31 = 4 [Popytmiasta1] x 12 + x 22 + x 32 = 20 [Popytmiasta2] x 13 + x 23 + x 33 = 30 [Popytmiasta3] x 14 + x 24 + x 34 = 30 [Popytmiasta4] x ij 0

5 A. Kasperski, M. Kulej BO Zagadnienie transportowe Tablica transportowa: x 11 x 12 x 13 x 14 x 21 x 22 x 23 x x 31 x 32 x 33 x Modele niezbilansowane 1.Przypadek p i=1 a i > q i=1 b i(nadwyżkapodaży).dodajemy fikcyjnegoodbiorcę q + 1opopycie b q+1 = p i=1 a i q i=1 b ii kosztachprzewozu c iq+1 = 0, i = 1,...,p.

6 A. Kasperski, M. Kulej BO Zagadnienie transportowe 6 Przykład. Rozpatrzmy tablicę: x 13 x 11 x 14 x 11 x 12 x 12 x 13 x 21 x 21 x x 22 x 23 x 23 x W problemie tym występuje nadwyżka podaży równa 20. Dodajemy fikcyjnego odbiorcę numer 4 o popycie 20. Optymalne rozwiązaniewynosi: x 12 = 20, x 13 = 20, x 21 = 20, x 23 =, x 24 = 20.Fikcyjnyodbiorcaodbiera20jedn.oddostawcy2. Oznacza to faktycznie, że towar ten zostanie u dostawcy 2. 2.Przypadek p i=1 a i < q i=1 b i(nadwyżkapopytu).dodajemy fikcyjnegodostawcę p + 1opodaży a p+1 = q i=1 b i p i=1 a ii kosztachprzewozu c p+1i = 0, i = 1,...,q.

7 A. Kasperski, M. Kulej BO Zagadnienie transportowe 7 Metoda sympleks(potencjałów) dla zbilansowanego ZT Wyznaczanie pierwszego dopuszczalnego rozwiązania bazowego Ogólną idę konstrukcji podaje poniższy schemat: 1. Wybierz wśród nie skreślonych elementów tablicy transportowej dopuszczalną klatkę, powiedzmy (r, k) i wstaw do niej maksymalnie możliwą wielkość przewozu, tj. minimum z podaży wiersza r i popytu kolumny kczyli x rk = min(a r, b k ).Klatkatastajesięklatkąbazową odpowiadajejzmiennabazowa x rk. 2. Zmniejsz podaż r-tego dostawcy i popyt k-tego odbiorcy o wielkość ustalonegowkroku1przewozu x rk,tj. a r := a r x rk, b k := b k x rk. 3.Jeśli a r = 0,toskreślwtablicytransportowejr-tywiersz.Jeśli natomiast a r > 0,toskreślwtablicytransportowejk-tąkolumnę (wtedy b k = 0). 4. Jeśli wszystkie elementy tablicy transportowej zostały skreślone, to

8 A. Kasperski, M. Kulej BO Zagadnienie transportowe 8 KONIEC. Wyznaczono początkowe bazowe rozwiązanie dopuszczalne z dokładnie(jeśli w każdym kroku skreślamy dokładnie jedną linię, tj. wierszlubkolumnęmacierzy) m + n 1zmiennymibazowymi.W przeciwnym przypadku przejdź do kroku 1. W zależności od sposobu wyboru dopuszczalnej klatki w kroku 1 powyższego schematu otrzymujemy różne metody konstrukcji początkowego bazowego rozwiązania dopuszczalnego: metoda kąta północno-zachodniego- dopuszczalną jest klatka leżąca w pierwszym wierszu i pierwszej kolumnie nie skreślonej części tablicy; metoda minimalnego elementu macierzy- dopuszczalną jest klatka o minimalnym koszcie w nie skreślonej części tablicy; metoda Vogel a- VAM- dopuszczalną jest klatka o minimalnym koszcie w linii(wierszu lub kolumnie) z największym

9 A. Kasperski, M. Kulej BO Zagadnienie transportowe 9 współczynnikiem kary. Współczynnik kary(liczba nieujemna) jest modułem różnicy między najmniejszym i drugim z koleji najmniejszym kosztem w linii. Metoda kąta północno- zachodniego

10 A. Kasperski, M. Kulej BO Zagadnienie transportowe Otrzymujemy następujące bazowe rozwiązanie dopuszczalne: x 11 =, x 21 =, x 22 = 20, x 23 = 20, x 33 =, x 34 = 30,pozostałe zmienne mają wartość 0. Koszt tego rozwiązania(przewozu) wynosi Metoda minimalnego elementu macierzy

11 A. Kasperski, M. Kulej BO Zagadnienie transportowe 11 Otrzymujemyrozwiązaniebazowe(przewóz): x 14 = 30, x 12 =, x 21 = 4, x 23 =, x 32 = 1, x 33 = 2,pozostałezmiennemają wartość 0. Koszt tego rozwiązania wynosi 9. Klatki odpowiadające zmiennym bazowym nazywamy klatkami bazowymi. Uwaga: Jeśli w każdym kroku skreślamy tylko jeden wiersz albo jedną kolumnę, to otrzymamy bazowe rozwiązanie dopuszczalne o dokładnie p + q 1 zmiennych bazowych. Ocena klatek i iteracja sympleksowa. Ciągklatek (i 1, j 1 ), (i 2, j 2 ),...,(i l, j l ),gdzie l 4tablicy

12 A. Kasperski, M. Kulej BO Zagadnienie transportowe 12 transportowej nazywamy cyklem jeżeli: każdedwiesąsiednieklatkiznajdująsięwjednejliniitj.wjednej kolumnie lub jednym wierszu, ostatnia klatka znajduje się w tej samej linii co klatka pierwsza czyli i 1 = i l lub j 1 = j l żadnetrzykolejnekolejneklatkitegociągunieleżąwjednejlinii. Przykładowe cykle utworzone przez szare klatki pokazane są na poniższym rysunku:

13 A. Kasperski, M. Kulej BO Zagadnienie transportowe 13 Ciągi(szare klatki), które nie tworzą cyklu: Twierdzenie 1. Zestaw p + q 1 klatek odpowiada zmiennym bazowym wtedy i tylko wtedy gdy klatki te nie zawierają cyklu. Dodanie jednej klatki niebazowej do klatek bazowych powoduje powstanie dokładnie jednego cyklu.

14 A. Kasperski, M. Kulej BO Zagadnienie transportowe 14 Rozpatrzmy początkowe bazowe rozwiązanie dopuszczalne rozważanego przykładu uzyskane metodą kąta północnozachodniego. Zmiennymi bazowymi są: ZB = {x 11, x 21, x 22, x 23, x 33, x 34 } Jaką maksymalną wartość możemy wprowadzić do klatki[1,4]? Jeżeli

15 A. Kasperski, M. Kulej BO Zagadnienie transportowe 1 wprowadzimy do klatki[1,4] pewną wartość δ to aby zachować bilans podażyipopytumusimyodjąć δodwszystkichklatek-idodać δdo wszystkich klatek +. Do klatki[1,4] wprowadzamy więc najmniejszą wartość występującą w klatkach- czyli 20 z klatki[2,3]. Oznacza to, żezmienna x 23 wychodzizbazy(zostajewyzerowana).nowymi zmiennymibazowymisą {x 11, x 14, x 21, x 22, x 33, x 34 }abazowe rozwiązaniedopuszczalnejestnastępujące: x 11 = 1, x 14 = 20, x 21 = 30, x 22 = 20, x 13 = 30, x 14 =.

16 A. Kasperski, M. Kulej BO Zagadnienie transportowe Czywartośćfunkcjicelu(FC)zmalejepowprowadzeniu x 14 dobazy? Zmiana FC wyniesie: 20 ( ) = 20 ( 4) = 80, czylizmniejszysięo80.liczba-4jestocenąklatkiniebazowej [1, 4].

17 A. Kasperski, M. Kulej BO Zagadnienie transportowe 17 Twierdzenie 2. Aktualne rozwiązanie bazowe w tablicy transportowej jest optymalne jeżeli oceny(współczynniki optymalności) wszystkich klatek niebazowych są nieujemne. Jeżeli istnieje klatka niebazowa o ujemnej ocenie to można wyznaczyć lepsze rozwiązanie wprowadzając tą klatkę do bazy i wprowadzając do niej pewien niezerowy przewóz. Obliczanie ocen(współczynników optymalności) klatek niebazowych(zmiennych niebazowych) Współczynnikioptymalności c ij dlazmiennejniebazowej x ij można wyznaczyć bez znajomości tablicy sympleksowej wykorzystują tzw. potencjałytj.liczby u i, i = 1,...,poraz v j, j = 1,...,q.Wartości potencjałów wyznacza się następująco:

18 A. Kasperski, M. Kulej BO Zagadnienie transportowe 18 dlakażdejzmiennejbazowej x ij mamyrównanie: c ij = 0 = c ij + u i + v j. Mamyzatemukład p + q 1równańop + qniewiadomych. Przyjmujączajednąniewiadomązeronp. u 1 = 0możnagołatwo rozwiązać.znajomoścwartości u i, v j pozwalajużwyznaczyć współczynniki optymalności za wzoru: c ij = c ij + u i + v j dlakażdejzmiennejniebazowej x ij.

19 A. Kasperski, M. Kulej BO Zagadnienie transportowe 19 u 1 u 2 u 3 v 1 v 2 v 3 v Potencjały dobieramy tak aby wyzerować współczynniki optymalności dla zmiennych bazowych, tj.:

20 A. Kasperski, M. Kulej BO Zagadnienie transportowe u 1 + v 1 = 0 (x 11 ) 9 + u 2 + v 1 = 0 (x 21 ) 12 + u 2 + v 2 = 0 (x 22 ) 13 + u 2 + v 3 = 0 (x 23 ) 16 + u 3 + v 3 = 0 (x 33 ) + u 3 + v 4 = 0 (x 34 )

21 A. Kasperski, M. Kulej BO Zagadnienie transportowe Algorytm transportowy KROK 1 Na wejściu podajemy zbilansowane zagadnienie transportowe. Jeżeli model nie jest zbilansowany to należy go zbilansować wprowadzając fikcyjnego dostawcę albo fikcyjnego odbiorcę.

22 A. Kasperski, M. Kulej BO Zagadnienie transportowe 22 KROK 2 Skonstruuj tablicę transportową i pierwsze rozwiązanie bazowe(dowolną z podanych metod) KROK3Obliczpotencjały u i, i = 1,...,piv i = 1,...,qorazoceny klatekniebazowych c ij = c ij + u i + v i.jeżeliwszystkieoceny c ij 0 to KONIEC- rozwiązanie jest optymalne. W przeciwnym wypadku przejdź do kroku 4. KROK 4 Wybierz klatkę z najmniejszą ujemną oceną. Dodaj tą klatkę do klatek bazowych i zbuduj cykl zawierający dodawaną klatkę i pewne klatki bazowe(istnieje dokładnie jeden taki cykl). Oznacz dodawaną klatkę symbolem +. Następnie przesuwając się wzdłuż cyklu oznaczaj kolejne klatki cyklu na przemian- i +. Znajdź klatkę oznaczoną- dla której aktualna wielkość przewozu δ jest najmniejsza. Klatka ta wychodzi z bazy. Do klatek + dodaj przewóz

23 A. Kasperski, M. Kulej BO Zagadnienie transportowe 23 δaodklatek-odejmijprzewóz δ.jeżeli δ > 0,tootrzymaliśmy rozwiązanie o mniejszym koszcie. Wróć do kroku 3. Przykład. Rozwiążemy przykładowe zadanie ze strony Obliczamy potencjały:

24 A. Kasperski, M. Kulej BO Zagadnienie transportowe u 1 + v 2 = 0 zmiennabazowa x u 1 + v 4 = 0 zmiennabazowa x u 2 + v 1 = 0 zmiennabazowa x u 2 + v 3 = 0 zmiennabazowa x u 3 + v 2 = 0 zmiennabazowa x u 3 + v 3 = 0 zmiennabazowa x 33 Otrzymujemy:

25 A. Kasperski, M. Kulej BO Zagadnienie transportowe Rozwiązanie nie jest optmalne ponieważ pewne klatki niebazowe mają ujemne oceny. Wybieramy klatkę z najmniejszą ujemną oceną, czyli [1,3]. Dodajemy tą klatkę do klatek bazowych i konstruujemy cykl:

26 A. Kasperski, M. Kulej BO Zagadnienie transportowe Najmniejszy przewóz dla klatek- znajduje się w klatce[1,2]. Klatka tawychodzizbazy.doklatek+dodajemyaodklatekodejmujemy. Otrzymujemy kolejne, lepsze rozwiązanie bazowe i ponownie obliczamy potencjały

27 A. Kasperski, M. Kulej BO Zagadnienie transportowe Ponieważ wszystkie oceny klatek niebazowych są nieujemne to tablica zawiera optymalne rozwiązanie. Przykład- rozwiązania zdegenerowane. Rozpatrzmy zagadnienie dla którego podaż, popyt, koszty oraz pierwsze rozwiązanie bazowe (metoda kąta) podane są w tabeli:

28 A. Kasperski, M. Kulej BO Zagadnienie transportowe W pierwszym rozwiązaniu pewne zmienne bazowe mają wartość 0. Rozwiązanie takie nazywamy rozwiązaniem zdegenerowanym. Należy odróżniać klatki z zerami bazowymi od klatek niebazowych! Obliczamy potencjały:

29 A. Kasperski, M. Kulej BO Zagadnienie transportowe Do bazy wprowadzamy klatkę[1,2]. Tworzymy cykl i wykonujemy iterację:

30 A. Kasperski, M. Kulej BO Zagadnienie transportowe Należyuważaćabynieusunąćzbazydwóchklatek[1,1]i[2,2].Z bazy wychodzi tylko jedna z tych klatek(obojętnie która). Druga pozostaje klatką bazową. Otrzymujemy kolejne rozwiązanie zdegenerowane.

31 A. Kasperski, M. Kulej BO Zagadnienie transportowe 31 Trasy zakazane. Jeżeli połączenie między dostawą i a odbiorcą j nieistniejetopodstawiamy c ij = M,gdzie Mjestjakąśbardzodużą liczbą.jeżeliwkońcowejtablicytransportowejotrzymamy x ij > 0, to wyjściowe zagadnienie jest sprzeczne( nie istnieje dopuszczalny plan przewozów). Przykład. Rozpatrzmy problem:

32 A. Kasperski, M. Kulej BO Zagadnienie transportowe 32 Fabryka 1 3 Miasto Fabryka 2 9 Miasto 2 20 Fabryka Miasto 3 Miasto Pierwsza tablica(bazowe rozwiązanie dopuszczalne wyznaczone metodą kąta północno-zachodniego) i pierwsza iteracja są następujące:

33 A. Kasperski, M. Kulej BO Zagadnienie transportowe M M M 2 6 M M 7 M M M-16 -M M 3 M M 2 9 M 7 M M

34 A. Kasperski, M. Kulej BO Zagadnienie transportowe 34 Rozwiązanie to nie jest jeszcze optymalne. Należy wykonać kolejne iteracje. Optymalne rozwiązanie pokazane jest w poniższej tablicy: 3 M M 2 9 M 7 M M Ponieważ przewóz na trasach zakazanych jest 0 to rozwiązanie to jest dopuszczalne(i optymalne). Wieloetapowe zagadnienie transportowe Przykład.TrzyfabrykiF1,F2iF3,którychpodażwynosi20,i

35 A. Kasperski, M. Kulej BO Zagadnienie transportowe 30majądostarczyćtowardodwóchodbiorcówO1iO2,których popytwynosi20i.towarmożebyćprzewożonypotrasach pokazanych na rysunku(czyli niekoniecznie bezpośrednio z fabryk do odbiorców). Wyznaczyć plan przewozu minimalizujący łączny koszt.

36 A. Kasperski, M. Kulej BO Zagadnienie transportowe 36 F2 F3 1 2 O1 O2 +20 F1 2 + F2 7 F1 F s F O2 1 F s s s O1-20 O2 1 0 s s s s s 20 +s Połączenia oraz odpowiednia tablica transportowa pokazane są na rysunku.

37 A. Kasperski, M. Kulej BO Zagadnienie transportowe 37 Uwaga: Do pustych klatek należy wpisać koszty M(ponieważ odpowiednie połączenia nie istnieją). Uwaga: Koszty przewozu między tymi samymi punktami, np: międzyf2if2wynoszą0.sątotzw.przewozyfikcyjne. Rozwiązanie optymalne pokazane jest na poniższym rysunku:

38 A. Kasperski, M. Kulej BO Zagadnienie transportowe 38 F2 F3 1 2 O1 O F F F O2 O1-20 F1 F2 F3 1 2 O

39 A. Kasperski, M. Kulej BO Zagadnienie transportowe 39 Końcowe uwagi na temat algorytmu transportowego: 1. Algorytm działa również wtedy, gdy koszty przewozów są ujemne. 2. Jeżeli celem jest maksymalizacja kosztów przewozu, to przed zastosowaniem algorytmu należy przemnożyć wszystkie koszty przez Jeżeli podaże i popyty wszystkich dostawców i odbiorców są liczbami całkowitymi, to algorytm zwraca optymalny przewóz całkowitoliczbowy.

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,

Bardziej szczegółowo

Zadanie transportowe

Zadanie transportowe Zadanie transportowe Opracowanie planu przewozu jednorodnego produktu z różnych źródeł zaopatrzenia do punktów, które zgłaszają zapotrzebowanie na ten produkt. Wykład ARo Metody optymalizacji w ekonomii

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład z modelowania matematycznego. Zagadnienie transportowe. Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana

Bardziej szczegółowo

ZAGADNIENIA TRANSPORTOWE

ZAGADNIENIA TRANSPORTOWE ZAGADNIENIA TRANSPORTOWE Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE opracowano w 1941 r. (F.L. Hitchcock) Jest to problem opracowania planu przewozu pewnego jednorodnego produktu z kilku różnych

Bardziej szczegółowo

Rozwiązanie Ad 1. Model zadania jest następujący:

Rozwiązanie Ad 1. Model zadania jest następujący: Przykład. Hodowca drobiu musi uzupełnić zawartość dwóch składników odżywczych (A i B) w produktach, które kupuje. Rozważa cztery mieszanki: M : M, M i M. Zawartość składników odżywczych w poszczególnych

Bardziej szczegółowo

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie OPIS ZAGADNIENIA Zagadnienie transportowe służy głównie do obliczania najkorzystniejszego

Bardziej szczegółowo

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n 123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki

Bardziej szczegółowo

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNENE TRANSPORTOWE Definicja: Program liniowy to model, w którym warunki ograniczające oraz funkcja celu są funkcjami liniowymi. W skład każdego programu liniowego wchodzą: zmienne decyzyjne, ograniczenia

Bardziej szczegółowo

1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11

1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11 Spis treści 1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11 1.4 Metoda VAM... 18 1.5 Metoda e-perturbacji... 28 1.6 Metoda potencjałów...

Bardziej szczegółowo

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe dr Adam Sojda Literatura o Kukuła K. (red.): Badania operacyjne w przykładach i zadaniach.

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

Wieloetapowe zagadnienia transportowe

Wieloetapowe zagadnienia transportowe Przykład 1 Wieloetapowe zagadnienia transportowe Dwóch dostawców o podaży 40 i 45 dostarcza towar do trzech odbiorców o popycie 18, 17 i 26 za pośrednictwem dwóch punktów pośrednich o pojemnościach równych

Bardziej szczegółowo

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe Ćwiczenia laboratoryjne - 7 Zagadnienie transportowoprodukcyjne ZT-P programowanie liniowe Ćw. L. 8 Konstrukcja modelu matematycznego Model matematyczny składa się z: Funkcji celu będącej matematycznym

Bardziej szczegółowo

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW Zadania transportowe Zadania transportowe są najczęściej rozwiązywanymi problemami w praktyce z zakresu optymalizacji

Bardziej szczegółowo

Zagadnienie transportowe. Hurtownia Zapotrzebowanie (w tonach) 1 100 2 160 3 350 4 100 5 220

Zagadnienie transportowe. Hurtownia Zapotrzebowanie (w tonach) 1 100 2 160 3 350 4 100 5 220 Zagadnienie transportowe Firma produkująca papier kserograficzny posiada 4 wytwórnie i 5 hurtowni, do których dostarczany jest papier. Każda z fabryk wytwarza określoną liczbę ton papieru na miesiąc, i

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE] Spis treści 1 Metoda geometryczna... 2 1.1 Wstęp... 2 1.2 Przykładowe zadanie... 2 2 Metoda simpleks... 6 2.1 Wstęp... 6 2.2 Przykładowe zadanie... 6 3 Problem transportowy... 16 3.1 Wstęp... 16 3.2 Metoda

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

Badania Operacyjne Ćwiczenia nr 5 (Materiały) ZADANIE 1 Zakład produkuje trzy rodzaje papieru: standardowy do kserokopiarek i drukarek laserowych (S), fotograficzny (F) oraz nabłyszczany do drukarek atramentowych (N). Każdy z rodzajów papieru wymaga

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5

Bardziej szczegółowo

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa Standardowe zadanie PL () Należy zaplanować produkcję zakładu w pewnym tygodniu w taki sposób, aby osiągnięty zysk był maksymalny. akład może wytwarzać dwa wyroby: P i P. Ich produkcja jest limitowana

Bardziej szczegółowo

Narzędzia wspomagania decyzji logistycznych

Narzędzia wspomagania decyzji logistycznych Narzędzia wspomagania decyzji logistycznych Dr Adam Kucharski Spis treści Optymalizacja liniowa. Programowanie liniowe.................................. Metoda graficzna.....................................

Bardziej szczegółowo

Badania operacyjne. Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 adam.kasperski@pwr.edu.pl Materiały do zajęć dostępne na stronie:

Badania operacyjne. Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 adam.kasperski@pwr.edu.pl Materiały do zajęć dostępne na stronie: Badania operacyjne Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 adam.kasperski@pwr.edu.pl Materiały do zajęć dostępne na stronie: www.ioz.pwr.wroc.pl/pracownicy/kasperski Forma zaliczenia

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE] Spis treści 1 Metoda geometryczna... 2 1.1 Wstęp... 2 1.2 Przykładowe zadanie... 2 2 Metoda simpleks... 6 2.1 Wstęp... 6 2.2 Przykładowe zadanie... 6 1 Metoda geometryczna Anna Tomkowska 1 Metoda geometryczna

Bardziej szczegółowo

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12

Bardziej szczegółowo

ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA

ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA 3.3. ZADANIA Wykorzystując

Bardziej szczegółowo

Wykład z modelowania matematycznego. Algorytm sympleks.

Wykład z modelowania matematycznego. Algorytm sympleks. Wykład z modelowania matematycznego. Algorytm sympleks. 1 Programowanie matematyczne jest to zbiór metod poszukiwania punktu optymalizującego (minimalizującego lub maksymalizującego) wartość funkcji rzeczywistej

Bardziej szczegółowo

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby Zadania 1 Przedsiębiorstwo wytwarza cztery rodzaje wyrobów: A, B, C, D, które są obrabiane na dwóch maszynach M 1 i M 2. Czas pracy maszyn przypadający na obróbkę jednostki poszczególnych wyrobów podany

Bardziej szczegółowo

Ekonometria - ćwiczenia 11

Ekonometria - ćwiczenia 11 Ekonometria - ćwiczenia 11 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 21 grudnia 2012 Na poprzednich zajęciach zajmowaliśmy

Bardziej szczegółowo

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że Stwierdzeń będzie. Przy każdym będzie należało ocenić, czy jest to stwierdzenie prawdziwe, czy fałszywe i zaznaczyć x w tabelce odpowiednio przy prawdzie, jeśli jest ono prawdziwe lub przy fałszu, jeśli

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 4 BADANIA OPERACYJNE dr inż. Maciej Wolny AGENDA I. Badania operacyjne podstawowe definicje II. Metodologia badań operacyjnych III. Wybrane zagadnienia badań operacyjnych

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja Politechnika Wrocławska, Wydział Informatyki i Zarządzania Optymalizacja Dla podanych niżej problemów decyzyjnych (zad.1 zad.5) należy sformułować zadania optymalizacji, tj.: określić postać zmiennych

Bardziej szczegółowo

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak

Bardziej szczegółowo

Ekonometria - ćwiczenia 10

Ekonometria - ćwiczenia 10 Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 1/11 Spis treści Rozdział 1. Zagadnienie transportowe................... 5 1.1.

Bardziej szczegółowo

Przykład wykorzystania dodatku SOLVER 1 w arkuszu Excel do rozwiązywania zadań programowania matematycznego

Przykład wykorzystania dodatku SOLVER 1 w arkuszu Excel do rozwiązywania zadań programowania matematycznego Przykład wykorzystania dodatku SOLVER 1 w arkuszu Ecel do rozwiązywania zadań programowania matematycznego Firma produkująca samochody zaciągnęła kredyt inwestycyjny w wysokości mln zł na zainstalowanie

Bardziej szczegółowo

Wartości i wektory własne

Wartości i wektory własne Dość często przy rozwiązywaniu problemów naukowych czy technicznych pojawia się konieczność rozwiązania dość specyficznego układu równań: Zależnego od n nieznanych zmiennych i pewnego parametru. Rozwiązaniem

Bardziej szczegółowo

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu. Tytuł: 01 Budowa portfela produktowego. Zastosowanie programowania liniowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WMRiT PP piotr.sawicki@put.poznan.pl www.put.poznan.pl/~piotr.sawicki www.facebook.com/piotr.sawicki.put

Bardziej szczegółowo

Wykłady z programowania liniowego

Wykłady z programowania liniowego Wykłady z programowania liniowego A. Paweł Wojda Wydział Matematyki Stosowanej AGH 2 Spis treści 1 Wstęp 5 2 Problem programowania liniowego 7 2.1 PPL.................................. 7 2.2 Definicje................................

Bardziej szczegółowo

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 cx MAX Ax < b x > 0 Postać standardowa (kanoniczna): z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX

Bardziej szczegółowo

Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego

Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego Wstęp Spośród różnych analitycznych metod stosowanych do rozwiązywania problemów optymalizacji procesów technologicznych

Bardziej szczegółowo

=B8*E8 ( F9:F11 F12 =SUMA(F8:F11)

=B8*E8 ( F9:F11 F12 =SUMA(F8:F11) Microsoft EXCEL - SOLVER 2. Elementy optymalizacji z wykorzystaniem dodatku Microsoft Excel Solver Cele Po ukończeniu tego laboratorium słuchacze potrafią korzystając z dodatku Solver: formułować funkcję

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO D. Miszczyńska, M.Miszczyński KBO UŁ GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO Gra w sensie niżej przedstawionym to zasady którymi kierują się decydenci. Zakładamy, że rezultatem gry jest wypłata,

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE] Spis treści 1 Zastosowanie Matlab a... 2 1.1 Wstęp... 2 1.2 Zagadnienie standardowe... 3 1.3 Zagadnienie transportowe... 5 1 Zastosowanie Matlab a Anna Tomkowska [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia:

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne Temat ćwiczenia: Programowanie liniowe, metoda geometryczna, dobór struktury asortymentowej produkcji Zachodniopomorski Uniwersytet

Bardziej szczegółowo

Stabilność. Krzysztof Patan

Stabilność. Krzysztof Patan Stabilność Krzysztof Patan Pojęcie stabilności systemu Rozważmy obiekt znajdujący się w punkcie równowagi Po przyłożeniu do obiektu siły F zostanie on wypchnięty ze stanu równowagi Jeżeli po upłynięciu

Bardziej szczegółowo

łączny czas pracy (1 wariant) łączny koszt pracy (2 wariant) - całkowite (opcjonalnie - dla wyrobów liczonych w szt.)

łączny czas pracy (1 wariant) łączny koszt pracy (2 wariant) - całkowite (opcjonalnie - dla wyrobów liczonych w szt.) 14. Zadanie przydziału z ustalonym poziomem produkcji i limitowanym czasem pracy planowanie wielkości produkcji (wersja uproszczona) Producent może wytwarzać n rodzajów wyrobów. Każdy z wyrobów można być

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A

Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Zadanie do wykonania 1) Utwórz na pulpicie katalog w formacie Imię nazwisko, w którym umieść wszystkie pliki związane z

Bardziej szczegółowo

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1

Teoria gier. wstęp. 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier wstęp 2011-12-07 Teoria gier Zdzisław Dzedzej 1 Teoria gier zajmuje się logiczną analizą sytuacji, gdzie występują konflikty interesów, a także istnieje możliwość kooperacji. Zakładamy zwykle,

Bardziej szczegółowo

Laboratorium Metod Optymalizacji

Laboratorium Metod Optymalizacji Laboratorium Metod Optymalizacji Grupa nr... Sekcja nr... Ćwiczenie nr 4 Temat: Programowanie liniowe (dwufazowa metoda sympleksu). Lp. 1 Nazwisko i imię Leszek Zaczyński Obecność ocena Sprawozdani e ocena

Bardziej szczegółowo

Rozwiązywanie programów matematycznych

Rozwiązywanie programów matematycznych Rozwiązywanie programów matematycznych Program matematyczny składa się z następujących elementów: 1. Zmiennych decyzyjnych:,,, 2. Funkcji celu, funkcji-kryterium, która informuje o jakości rozwiązania

Bardziej szczegółowo

Optymalizacja liniowa w liczbach całkowitych (PLC)

Optymalizacja liniowa w liczbach całkowitych (PLC) * ) && &&& % ( - &&(() n && - n% ( ' n!"#$ Optymalizacja liniowa w liczbach całkowitych (PLC) (( & ' nn nn Zadanie (-) nazywamy zadaniem regularnym Zadanie (-) nazywamy zadaniem PLC Stosownie do tego podziału

Bardziej szczegółowo

Optymalizacja systemów

Optymalizacja systemów Optymalizacja systemów Laboratorium Zadanie nr 3 Sudoku autor: A. Gonczarek Cel zadania Celem zadania jest napisanie programu rozwiązującego Sudoku, formułując problem optymalizacji jako zadanie programowania

Bardziej szczegółowo

Rozwiązywanie zadań za pomocą pakietu WinQSB

Rozwiązywanie zadań za pomocą pakietu WinQSB Rozwiązywanie zadań za pomocą pakietu WinQSB Pakiet WinQSB (Windows Quantitative System for Business) jest przeznaczony do komputerowego rozwiązywania zadań z zakresu programowania matematycznego. Uruchomienie

Bardziej szczegółowo

1.2. Rozwiązywanie zadań programowania liniowego metodą geometryczną

1.2. Rozwiązywanie zadań programowania liniowego metodą geometryczną binarną są określane mianem zadania programowania binarnego. W stosunku do dyskretnych modeli decyzyjnych stosuje się odrębną klasę metod ich rozwiązywania. W dalszych częściach niniejszego rozdziału zostaną

Bardziej szczegółowo

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji Macierze - obliczanie wyznacznika macierzy z użyciem permutacji I LO im. F. Ceynowy w Świeciu Radosław Rudnicki joix@mat.uni.torun.pl 17.03.2009 r. Typeset by FoilTEX Streszczenie Celem wykładu jest wprowadzenie

Bardziej szczegółowo

Prostowniki. Prostownik jednopołówkowy

Prostowniki. Prostownik jednopołówkowy Prostowniki Prostownik jednopołówkowy Prostownikiem jednopołówkowym nazywamy taki prostownik, w którym po procesie prostowania pozostają tylko te części przebiegu, które są jednego znaku a części przeciwnego

Bardziej szczegółowo

Wstęp do analizy matematycznej

Wstęp do analizy matematycznej Wstęp do analizy matematycznej Andrzej Marciniak Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych i ich zastosowań w

Bardziej szczegółowo

Problem 1 [Sieć telekomunikacyjna routing]

Problem 1 [Sieć telekomunikacyjna routing] Problem 1 [Sieć telekomunikacyjna routing] Sieć z komutacją pakietów (packet switched newtork) z dwoma różnymi klasami danych: A packet switched network is a digital communications network that groups

Bardziej szczegółowo

Wydział Matematyki Programowanie liniowe Ćwiczenia. Zestaw 1. Modelowanie zadań programowania liniowego.

Wydział Matematyki Programowanie liniowe Ćwiczenia. Zestaw 1. Modelowanie zadań programowania liniowego. Wydział Matematyki Programowanie liniowe Ćwiczenia Zestaw. Modelowanie zadań programowania liniowego. Zadania dotyczące zagadnienia planowania produkcji Zadanie.. Zapisać następujące zadanie w postaci

Bardziej szczegółowo

ANALIZA CZASOWO-KOSZTOWA SIECI CPM-COST

ANALIZA CZASOWO-KOSZTOWA SIECI CPM-COST ANALIZA CZASOWO-KOSZTOWA SIECI CPM-COST Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE W metodach CPM i PERT zwraca się uwagę jedynie na analizę ilościowa Równie ważne zagadnienie aspekt ekonomiczny

Bardziej szczegółowo

1 Programowanie całkowitoliczbowe PLC

1 Programowanie całkowitoliczbowe PLC Metody optymalizacji, wykład nr 9 Paweł Zieliński Programowanie całkowitoliczbowe PLC Literatura [] S.P. Bradley, A.C. Hax, T. L. Magnanti Applied Mathematical Programming Addison-Wesley Pub. Co. (Reading,

Bardziej szczegółowo

Algorytmy i struktury danych.

Algorytmy i struktury danych. Algorytmy i struktury danych. Wykład 4 Krzysztof M. Ocetkiewicz Krzysztof.Ocetkiewicz@eti.pg.gda.pl Katedra Algorytmów i Modelowania Systemów, WETI, PG Problem plecakowy mamy plecak o określonej pojemności

Bardziej szczegółowo

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego: Zadanie Rafineria naftowa otrzymała zamówienie na dwa rodzaje specjalnych paliw węglowodorowych X oraz Y. Zamówienie opiewa na minimum 4 000 galonów paliwa X i minimum 2 400 galonów paliwa Y. Paliwa te

Bardziej szczegółowo

... (środowisko) ... ... 60 minut

... (środowisko) ... ... 60 minut EGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 INFORMATYKA POZIOM ROZSZERZONY ARKUSZ I PRZYKŁADOWY ZESTAW ZADAŃ DLA OSÓB Z AUTYZMEM, W TYM Z ZESPOŁEM ASPERGERA (A2) WYBRANE:... (środowisko)... (kompilator)...

Bardziej szczegółowo

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011 Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2011 Mirosław Sobolewski (UW) Warszawa, 2011 1 / 16 Definicja Niech V,

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elementy modelowania matematycznego Programowanie liniowe. Metoda Simplex. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ ZADANIE LINIOWE Tortilla z ziemniaków i cebuli (4 porcje) 300

Bardziej szczegółowo

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania

Bardziej szczegółowo

Formy kwadratowe. Rozdział 10

Formy kwadratowe. Rozdział 10 Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w

Bardziej szczegółowo

Ekonomia matematyczna - 1.2

Ekonomia matematyczna - 1.2 Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x

Bardziej szczegółowo

Podaż firmy. Zakładamy, że firmy maksymalizują zyski

Podaż firmy. Zakładamy, że firmy maksymalizują zyski odaż firmy Zakładamy, że firmy maksymalizują zyski Inne cele działalności firm: Maksymalizacja przychodów Maksymalizacja dywidendy Maksymalizacja zysków w krótkim okresie Maksymalizacja udziału w rynku

Bardziej szczegółowo

x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n )

x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n ) *** Elementy teorii popytu *** II. Funkcja popytu konsumenta x = (x 1, x 2,..., x n ), p = (p 1, p 2,..., p n ) p, x = p 1 x 1 + p 2 x 2 + + p n x n cena koszyka x Zbiór wszystkich koszyków, na jakie sta

Bardziej szczegółowo

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie minimalizacji bez ograniczeń f(ˆx) = min x R nf(x) f : R n R funkcja ograniczona z dołu Algorytm rozwiazywania Rekurencyjny

Bardziej szczegółowo

Informatyzacja Przedsiębiorstw

Informatyzacja Przedsiębiorstw Informatyzacja Przedsiębiorstw Microsoft Dynamics NAV 2013 Moduł finansowo-księgowy lab6 Strona 1 Plan zajęć 1 Utworzenie kartoteki środka trwałego... 3 2 Zakup środka trwałego... 4 3 Amortyzacja środka

Bardziej szczegółowo

Optymalizacja. Programowanie Matematyczne

Optymalizacja. Programowanie Matematyczne . dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Zakres tematyczny Metodyka optymalizacja liniowa, całkowitoliczbowa, nieliniowa, heurystyki,

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Informacje podstawowe 1. Konsultacje: pokój

Bardziej szczegółowo

Analiza zależności liniowych

Analiza zależności liniowych Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala

Bardziej szczegółowo

Podstawy OpenCL część 2

Podstawy OpenCL część 2 Podstawy OpenCL część 2 1. Napisz program dokonujący mnożenia dwóch macierzy w wersji sekwencyjnej oraz OpenCL. Porównaj czasy działania obu wersji dla różnych wielkości macierzy, np. 16 16, 128 128, 1024

Bardziej szczegółowo

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego 6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne

Bardziej szczegółowo

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM EKONOMIKA W ELEKTROTECHNICE INSTRUKCJA DO ĆWICZENIA 6 Analiza decyzji

Bardziej szczegółowo

Excel - użycie dodatku Solver

Excel - użycie dodatku Solver PWSZ w Głogowie Excel - użycie dodatku Solver Dodatek Solver jest narzędziem używanym do numerycznej optymalizacji nieliniowej (szukanie minimum funkcji) oraz rozwiązywania równań nieliniowych. Przed pierwszym

Bardziej szczegółowo

System bonus-malus z mechanizmem korekty składki

System bonus-malus z mechanizmem korekty składki System bonus-malus z mechanizmem korekty składki mgr Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny dr hab. Wojciech Bijak, prof. SGH Ubezpieczeniowy Fundusz Gwarancyjny, Szkoła Główna Handlowa Zagadnienia

Bardziej szczegółowo

Rozdział 7 ZARZĄDZANIE PROJEKTAMI

Rozdział 7 ZARZĄDZANIE PROJEKTAMI Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 7 ZARZĄDZANIE PROJEKTAMI 7.2. Ćwiczenia komputerowe Ćwiczenie 7.1 Wykorzystując

Bardziej szczegółowo

Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ).

Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ). PROGRAMOWANIE LINIOWE Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ). Problem. Przedsiębiorstwo przewozowe STAR zajmuje się dostarczaniem lodów do sklepów. Dane dotyczące

Bardziej szczegółowo

Analiza danych przy uz yciu Solvera

Analiza danych przy uz yciu Solvera Analiza danych przy uz yciu Solvera Spis treści Aktywacja polecenia Solver... 1 Do jakich zadań wykorzystujemy Solvera?... 1 Zadanie 1 prosty przykład Solvera... 2 Zadanie 2 - Optymalizacja programu produkcji

Bardziej szczegółowo

INTERAKTYWNA KOMUNIKACJA WIZUALNA ANIMACJA

INTERAKTYWNA KOMUNIKACJA WIZUALNA ANIMACJA INTERAKTYWNA KOMUNIKACJA WIZUALNA ANIMACJA LITERATURA: R. Reinhardt, S. Dowd, Adobe Flash Professional. Biblia. D. Hirmes, JD Hooge, K. Jokol, FLASH. AKADEMIA MATEMATYCZNYCH SZTUCZEK ZASTOSOWANIA ANIMACJI

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Przedmiot: Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Nr ćwiczenia: 2 Temat: Problem transportowy Cel ćwiczenia: Nabycie umiejętności formułowania zagadnienia transportowego

Bardziej szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(x 1,..., x n ) = a i x 2 i + Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.

Bardziej szczegółowo

Algorytmy ewolucyjne

Algorytmy ewolucyjne Algorytmy ewolucyjne Dr inż. Michał Bereta p. 144 / 10, Instytut Modelowania Komputerowego mbereta@pk.edu.pl beretam@torus.uck.pk.edu.pl www.michalbereta.pl Problemy świata rzeczywistego często wymagają

Bardziej szczegółowo

Dopasowanie prostej do wyników pomiarów.

Dopasowanie prostej do wyników pomiarów. Dopasowanie prostej do wyników pomiarów. Graficzna analiza zależności liniowej Założenie: każdy z pomiarów obarczony jest taką samą niepewnością pomiarową (takiej samej wielkości prostokąty niepewności).

Bardziej szczegółowo

(x j x)(y j ȳ) r xy =

(x j x)(y j ȳ) r xy = KORELACJA. WSPÓŁCZYNNIKI KORELACJI Gdy w badaniu mamy kilka cech, często interesujemy się stopniem powiązania tych cech między sobą. Pod słowem korelacja rozumiemy współzależność. Mówimy np. o korelacji

Bardziej szczegółowo

Skowrońska-Szmer. Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością. 04.01.2012r.

Skowrońska-Szmer. Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością. 04.01.2012r. mgr inż. Anna Skowrońska-Szmer Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością 04.01.2012r. 1. Cel prezentacji 2. Biznesplan podstawowe pojęcia 3. Teoria gier w

Bardziej szczegółowo

a[1] a[2] a[3] a[4] a[5] a[6] a[7] a[8] a[9] a[10] 3-2 5 8 12-4 -26 12 45-76

a[1] a[2] a[3] a[4] a[5] a[6] a[7] a[8] a[9] a[10] 3-2 5 8 12-4 -26 12 45-76 . p. 1 Algorytmem nazywa się poddający się interpretacji skończony zbiór instrukcji wykonania zadania mającego określony stan końcowy dla każdego zestawu danych wejściowych W algorytmach mogą występować

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

Bardziej szczegółowo

Pyt.1. Podać warunki jakie musi spełniać model matematyczny dla możliwości rozwiązywania metodami programowania liniowego.

Pyt.1. Podać warunki jakie musi spełniać model matematyczny dla możliwości rozwiązywania metodami programowania liniowego. Firma produkująca płatki śniadaniowe rozważa wypuszczenie na rynek nowego produktu. Ma to być mieszanka pszenicy, ryżu i kukurydzy. Normy zawartości przedstawia tabela: Dane Pszenica Ryż Kukurydza Zawartość

Bardziej szczegółowo

Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu,

Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu, wprowadzenie Co to jest algorytm? przepis prowadzący do rozwiązania zadania, problemu, w przepisie tym podaje się opis czynności, które trzeba wykonać, oraz dane, dla których algorytm będzie określony.

Bardziej szczegółowo

Schemat sprawdzianu. 25 maja 2010

Schemat sprawdzianu. 25 maja 2010 Schemat sprawdzianu 25 maja 2010 5 definicji i twierdzeń z listy 12(po 10 punktów) np. 1. Proszę sformułować twierdzenie Brouwera o punkcie stałym. 2. Niech X będzie przestrzenią topologiczną. Proszę określić,

Bardziej szczegółowo

oferty kupujących oferty wytwórców

oferty kupujących oferty wytwórców Adam Bober Rybnik, styczeń Autor jest pracownikiem Wydziału Rozwoju Elektrowni Rybnik S.A. Artykuł stanowi wyłącznie własne poglądy autora. Jak praktycznie zwiększyć obrót na giełdzie? Giełda jako jedna

Bardziej szczegółowo