Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego

Wielkość: px
Rozpocząć pokaz od strony:

Download "Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego"

Transkrypt

1 Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową 7. Analiza rozwiązania zadania programowania liniowego uzyskanego metodą simpleksową Dla rozwiązujacego zadanie programowania liniowego istotne znaczenie ma możliwość interpretacji i analizy wyników uzyskanych przy stosowaniu metody simpleksowej. Warunkiem istotnym poprawnego przeprowadzenia takich analiz jest zrozumienie dlaczego i jak "działa" metoda simpleksowa. Z tablicy obliczeniowej metody simpleksowej, bądź bezpośrednio, bądź przy pomocy prostych obliczeń uzupełniających można uzyskać informację o: rozwiązaniu optymalnym, statusie poszczególnych zasobów, cenności każdego z zasobów, wrażliwości rozwiązania optymalnego na zmiany wielkości zasobów, wrażliwości rozwiązania optymalnego na zmiany współczynników funkcji celu, Informację odnoszące się do pierwszych trzech punktów można uzyskać bezpośrednio z tablicy obliczeniowej metody simpleksowej. Uzyskanie informacji odnoszącej się do następnych punktów wymaga dodatkowych obliczeń. Dla ilustracji możliwości uzyskania wymienionych wyżej informacji posłużymy się rozważanym już zadaniem optymalizacji planu produkcji firmy produkującej farby. Przypomnijmy to zadanie. Przykład. Pewna firma produkuje dwa rodzaje farb: dla prac wewnętrznych (I) i zewnętrznych (E). Wyprodukowane farby kierowane są do sprzedaży hurtowej. Do produkcji farb stosuje się dwa surowce A i B. Maksymalne dostępne dziennie ilości tych surowców Kazimierz Duzinkiewicz

2 wynoszą odpowiednio 6 i 8 t. Zużycie surowców A i B na jedną tonę odpowiedniej farby podaje tabela. Surowiec Zużycie surowca w tonach Maksymalna na tonę farby dostępna dziennie Farba E Farba I ilość surowca A 6 B 8 Badanie rynku pokazało, że dzienny popyt na farbę I nigdy nie przewyższa popytu na farbę E o więcej niż tonę. Poza tym ustalono, że popyt na farbę I nigdy nie przekracza ton na dobę. Ceny hurtowe jednej tony farb są równe: 3j.p. dla farby E, i j.p. dla farby I. Jakie ilości farby E i I powinna produkować firma, aby dochód z produkcji był maksymalny? Rozwiązując to zadanie można wyróżnic dwie działalności: produkcja farby E i produkcja farby I. Jako zmienne decyzyjne dla tych działalności dogodnie jest przyjąć: - dzienna produkcja farby E w tonach; - dzienna produkcja farby I w tonach. Funkcja celu: Ograniczenia: Zmaksymalizować z 3 Zasoby dzienne surowca A 6 Zasoby dzienne surowca B 8 Różnica popytu na farbę I i E Popyt na farbę I Warunki nieujemności, Kazimierz Duzinkiewicz

3 Zadanie to zapisane w postaci standardowej wygląda następująco: Ma z 3 przy ograniczeniach: ,,..., 6 Tablice obliczeniowe dla kolejnych kroków metody simpleksowej przedstawione są na rys.7.. Rys.7.. Przykład. Tablice obliczeniowe kolejnych kroków metody simpleksowej Interpretacja geometryczna realizacji tych kroków przedstawiona jest na rys.7.. Kazimierz Duzinkiewicz 3

4 Rys.7.. Przykład. Interpretacja geometryczna kolejnych kroków metody simpleksowej 7.. Rozwiązanie optymalne Z punktu widzenia praktycznego wykorzystania wyników rozwiązania zadania programowania liniowego podział zmiennych na bazowe i niebazowe nie jest istotny i przy przedstawianiu rozwiązania optymalnego nie musi być uwzględniany. Zmienne nie występujące w kolumnie "Zmienna bazowa" tablicy obliczeniowej mają wartość zero. Wartości pozostałych zmiennych znajdują się w kolumnie "Rozwiązanie". Wykorzystując dane zawarte w tablicy obliczeniowej rozwiązanie optymalne zadania planowania produkcji dla firmy produkującej farby można przedstawić w następującej tabeli: Kazimierz Duzinkiewicz 4

5 Zmienne decyzyjne Wartości optymalne Decyzja z Wielkość produkcji farby E powinna być równa 3 3 t na dobę Wielkość produkcji farby I powinna być równa 3 t na dobę Dochód z realizacji produkcji będzie wynosić 3 j.p. na dobę 7.. Status zasobu Rozwiązując graficznie nasze przykładowe zadanie wprowadziliśmy podział zasobów na deficytowe i niedeficytowe, w zależności od tego, czy dla punktu rozwiązania optymalnego odpowiadające danemu zasobowi ograniczenie było aktywne czy nieaktywne. Teraz informację o tym, czy dany zasób jest deficytowy czy nie, chcielibyśmy uzyskać z tablicy obliczeniowej. Musimy jednak najpierw uczynić pewną uwagę. Mówiąc o zasobach występujących w zadaniu programowania liniowego, rozumiemy pod tym terminem składniki dla których określone są pewne maksymalne wielkości tych składników. Dla zasobów zatem, w tym rozumieniu, w pierwotnym sformułowaniu zadania programowania liniowego występować będą ograniczenia ze znakiem. Wynika z tego, że ograniczenia ze znakiem lub nie mogą być uważane za ograniczenia na zasoby. Ograniczenia ze znakiem wyrażają zwykle warunek, że rozwiązanie powinno spełniać pewne wymagania np. zapewniać pewną minimalną podaż. Ograniczenia ze znakiem wyrażają zwykle warunki bilansowania się określonego składnika. W przykładowym zadaniu występują cztery ograniczenia ze znakiem. Pierwsze dwa warunki określają "istotne" ograniczenia na wielkości zasobów. Dwa następne odnoszą się do popytu. Warunki te można rozważać jak ograniczenia na odpowiadające im "zasoby", ponieważ zwiększenie popytu na produkcję jest równoważne poszerzeniu "obecności" firmy na rynku. Z punktu widzenia środków finansowych sytuacja taka powoduje takie same skutki, jak zwiększenie wielkości określonych zasobów (surowców) - wymaga podziału dodatkowych nakładów. Kazimierz Duzinkiewicz 5

6 Status zasobu (czy jest on deficytowy czy niedeficytowy) dla zadania programowania liniowego można okreslić zwracając uwagę na wartości zmiennych uzupełniających w końcowej tablicy obliczeniowej, które odpowiadają określonym zasobom. W zadaniu przykładowym mamy: Zasób Zmienna uzupełniająca Status zasobu Surowiec A Surowiec B Nadwyżka popytu na farbę I nad popytem na farbę E Popyt na farbę I Deficytowy Deficytowy Niedeficytowy Niedeficytowy Ilustracja graficzna odpowiadająca odpowiadająca tym danym przedstawiona jest na rys.7.3. Dodatnia wartość zmiennej uzupełniającej wskazuje na niepełne wykorzystanie określonego zasobu, co oznacza, że jest on niedeficytowy. Jeżeli zmienna uzupełniająca odpowiadająca określonemu zasobowi jest równa zeru, to świadczy to o pełnym wykorzystaniu dostępnej ilości tego zasobu, a zatem zasób ten jest deficytowy. Z przedstawionej tablicy wynika, że zasoby, trzeci i czwarty, związane z możliwościami zbytu produktów, są niedeficytowe. Dowolne powiększenie wielkości tych zasobów powyżej aktualnych wartości spowoduje jedynie, że staną się one jeszcze bardziej niedeficytowe. Rozwiązanie optymalne zadania pozostanie przy tym niezmienione. Zasoby, pierwszy i drugi, związane z dostępnymi ilościami surowców A i B, są deficytowe. Powiększenie wielkości tych zasobów pozwoli poprawić otrzymane rozwiązanie - zwiekszyć dochód. W związku z tym uzasadnione jest postawienie pytania: ilość którego z zasobów deficytowych należy powiększać w pierwszej kolejności, aby uzyskać największy przyrost dochodu? Kazimierz Duzinkiewicz 6

7 Rys.7.3. Przykład. Status zasobów dla rozwiązania optymalnego 7.3. Cenność zasobu Cenność zasobu charakteryzuje się wielkością poprawienia aktualnej optymalnej wartości funkcji celu z przypadającą na jednostkę przyrostu ilości określonego zasobu. Graficzna metoda określania cenności zasobu dla rozważanego przykładowego zadania została podana w rozdziale (drugie zadanie analizy wrażliwości). Otrzymaliśmy wówczas następujące wyniki zawarte w tabeli: Zasób Rodzaj zasobu Wartość i j.p./t Deficytowy 3 Deficytowy Niedeficytowy 3 4 Niedeficytowy 4 Kazimierz Duzinkiewicz 7

8 Informacja ta zawarta jest również w końcowej tablicy obliczeniowej przykładowego zadania. Zwroćmy uwagę na wartości współczynników wiersza przekształconej funkcji celu z odpowiadające zmiennym uzupełniającym niedoboru,, i Zmienne z 0 Wiersz przekształconej funkcji celu Wartości tych współczynników (, 4 3 3, 0, 0 ) odpowiadają dokładnie wartościom,, i. Nie jest to zbieżność przypadkowa. Weźmy z-równanie tablicy 3 4 obliczeniowej dla rozwiązania optymalnego: z Wzrost w kierunku wartości dodatnich zmiennej np. 3 od jej aktualnej wartości ( 3 ) prowadzi do proporcjonalnego zmniejszenia wartości funkcji celu z, przy czym współczynnik proporcjonalności wynosi 3 j.p./t. Jak wynika jednak z pierwszego ograniczenia przykładowego zadania 6 3 zwiększenie wartości 3 powoduje zmniejszenie wykorzystania zasobu (surowca A). Ponieważ operujemy zależnościami liniowymi, możemy twierdzić, że zwiększenie wykorzystania zasobu (zmniejszenie wartości zmiennej 3 ) będzie prowadzić do proporcjonalnego zwiększenia wartości funkcji celu z, ze współczynnikiem proporcjonalności 3 j.p./t. Analogiczne rozważania można oczywiście przeprowadzić dla zasobu (surowiec B). Cenność zasobów 3 i 4 wynosi zero, czego należało się spodziewać ponieważ są to zasoby niedeficytowe. Wynik taki uzyska się zawsze, kiedy odpowiadające zasobowi, zmienne uzupełniające niedoboru przyjmują w rozwiązaniu optymalnym wartości dodatnie. Kazimierz Duzinkiewicz 8

9 Podsumowanie: Cenność zasobów zadania programowania liniowego odpowiada współczynnikom przy zmiennych początkowej bazy, które znajdują się w wierszu przekształconej funkcji celu. Ponieważ poszczególne zmienne uzupełniające niedoboru związane są zawsze z jednym zasobem (ograniczeniem na ten zasób) identyfikacja odpowiedniości zasób - współczynnik nie powinna sprawiać trudności. Cennościom zasobów ze względu na ich wyraźnie ekonomiczną naturę nadaje się często specjalne nazwy: ceny fikcyjne, ceny przetargowe itp. W teorii programowania liniowego mają one nazwę: oceny dualne. Ceność zasobu charakteryzuje jedynie intensywność poprawienia aktualnej optymalnej wartości funkcji celu z. Nie określony jest jednak przedział zmian wielkości zasobów przy którym ta intensywność pozostaje stała. Dla większości praktycznych zadań należy spodziewać się istnienia górnej granicy takiego przedziału, po przekroczeniu której odpowiednie ograniczenie staje się zbędne, co oczywiście prowadzi do nowego rozwiązania bazowego i nowych wartości cenności zasobów Maksymalne zmiany wielkości zasobu Przy podejmowaniu decyzji, wielkość którego z zasobów należy powiększać, kierujemy się wartościami cenności zasobów (cenami dualnymi). Aby określić przedział zmian wielkości określonego zasobu, dla którego cena dualna tego zasobu, występująca w końcowej tablicy obliczeniowej metody simpleksowej, nie ulegnie zmianie, należy wykonać pewne dodatkowe obliczenia. Omówimy najpierw odpowiednie procedury obliczeniowe, a potem pokażemy, w jaki sposób potrzebna informacja może być uzyskana z tablicy obliczeniowej. Załóżmy, że w przykładowym zadaniu wielkość zasobu (surowca A) zmienia się o, to znaczy zasób tego surowca wynosi 6. Przy dodatniej wartości wielkość zasobu wzrasta, przy ujemnej - maleje. Zwykle bada się sytuację wzrostu wielkości zasobu ( ). Dla uzyskania ogólnego wyniku rozważymy obydwa przypadki. Jak zmieni się tablica obliczeniowa metody simpleksowej przy zmianie wielkości zasobu o? Najprościej odpowiedzieć na to pytanie wprowadzając do wektora współczynników prawej strony ograniczeń i następnie wykonać wszystkie przekształcenia algebraiczne odpowiadające poszczególnym krokom prowadzącym Kazimierz Duzinkiewicz 9

10 do rozwiązania optymalnego. Ponieważ elementy wektora prawych stron nigdy nie są wykorzystywane w charakterze elementów centralnych (wektor prawej strony ograniczeń nigdy nie jest kolumną centralną), to w każdej iteracji będzie wpływać tylko na elementy występujące w kolumnie "Rozwiązanie" tablicy obliczeniowej. Dla przykładowego zadania otrzymamy (sprawdzić!): Wartości elementów kolumny "Rozwiązanie" w kolejnych krokach Ograniczeni e Krok Krok Krok z Wszystkie informacje niezbędne do zestawienia powyższej tabeli zawarte są w tablicach obliczeniowych kolejnych kroków. Zauważmy, że w każdym kroku nowa wartość elementu prawej strony składa się z dwóch wielkości: (i) stałej i (ii) składnika liniowo zależnego od. Stałe odpowiadają wartościom, które w kolejnych krokach występują w kolumnie "Rozwiązania" przed wprowadzeniem. Współczynniki przy równe są współczynnikom występującym w kolumnie zmiennej uzupełniającej niedoboru związanej z danym zasobem, czyli w rozważanym przypadku w kolumnie zmiennej 3. Dla rozważanego przypadku (zmiana wielkości zasobu - surowiec A) i końcowej tablicy obliczeniowej, współczynniki w kolumnie "Rozwiązania" wynoszą ( 4, 0 3 3, 3, 3, 3 ) zaś w kolumnie odpowiadającej zmiennej 3, ( 3, 3,, 3, 3 ). Przy analizie wpływu zmian wielkości zasobów, 3 i 4 należałoby wykorzystać współczynniki występujące w kolumnach odpowiadających zmiennym, i. Ponieważ wprowadzenie zmiany powoduje zmiany jedynie w kolumnie "Rozwiązania", to wynika z tego, że zmiana wielkości zasobu może wpłynąć jedynie Kazimierz Duzinkiewicz 0

11 na dopuszczalność rozwiązania. Dlatego też nie może przyjmować wartości, dla których którakolwiek ze zmiennych bazowych przyjmie wartość ujemną. Wartość powinna być ograniczona takim przedziałem zmian, dla którego spełniony będzie warunek nieujemności zmiennych bazowych aktualnego rozwiązania optymalnego. Innymi słowy muszą być, dla rozważanego przypadku, spełnione wyrunki: (7.) (7.) 5 3 (7.3) (7.4) Wartość funkcji celu w tak wyznaczonym przedziale będzie zmieniać się według zależności: z 3 3 (7.5) Dla określenia dopuszczalnego przedziału zmian należy rozpatrzyć dwa przypadki: Przypadek :. Warunek () spełniony jest zawsze; warunek () spełniony jest dla ; warunek (3) dla 3; warunek (4) dla - wszystkie cztery warunki spełnione są przy. Przypadek :. Warunek () spełniony jest dla ; warunki (), (3) i (4) spełnione są zawsze. Łącząc wyniki dla tych dwóch przypadków, otrzymamy warunek. Dla zmienna uzupełniająca niedoboru 6 przyjmie wartość zero - nastąpi zmiana rozwiązania bazowego. Podobnie dla zmienna przyjmie wartość zero - nastąpi zmiana rozwiązania bazowego. Ilustracja graficzna przeprowadzonej analizy przedstawiona jest na rys.7.4. Kazimierz Duzinkiewicz

12 Rys.7.4. Przykład. Maksymalne zmiany wielkości zasobów deficytowych Podobną analizę można przeprowadzić dla drugiego zasobu deficytowego - surowca B. Oznaczając zmianę wielkości tego zasobu przez otrzymamy następujące warunki na określenie dopuszczalnego przedziału zmian : (7.6) (7.7) 5 3 (7.8) (7.9) Wartość funkcji celu w tak wyznaczonym przedziale będzie zmieniać się według zależności: z (7.0) Kazimierz Duzinkiewicz

13 Dopuszczalny przedział zmian dla wynosi: 4. Ilustracja graficzna przeprowadzonej analizy przedstawiona jest na rys.7.4. Można również przeprowadzić podobną analizę dla zasobów niedeficytowych. O ile jednak w przypadku zasobów deficytowych interesuje nas odpowiedź na pytanie: o ile można zwiększyć wielkość zasobu deficytowego nie zmieniając rozwiązania bazowego (zbioru zmiennych bazowych), o tyle w przypadku zasobu niedeficytowego pytanie brzmi: o ile można zmniejszyć wielkość zasobu niedeficytowego nie zmieniając rozwiązania bazowego (zbioru zmiennych bazowych). Oznaczmy zmianę wielkości zasobu niedeficytowego odpowiadającego zmiennej niedoboru 5 przez 3, otrzymamy wówczas następujące warunki na określenie dopuszczalnego przedziału zmian 3 : 4 3 (7.) 0 3 (7.) (7.3) 6 3 (7.4) Wartość funkcji celu w tak wyznaczonym przedziale nie będzie ulegać zmienie, czyli: z 3 (7.5) 3 Dopuszczalny przedział zmian dla 3 wynosi:. Ilustracja graficzna przeprowadzonej analizy przedstawiona jest na rys.7.5. Podobnie, oznaczmy zmianę wielkości zasobu niedeficytowego odpowiadającego zmiennej niedoboru 6 przez 4, otrzymamy wówczas następujące warunki na określenie dopuszczalnego przedziału zmian 4 : 4 3 (7.6) 0 3 (7.7) Kazimierz Duzinkiewicz 3

14 5 3 (7.8) (7.9) Wartość funkcji celu w tak wyznaczonym przedziale nie będzie ulegać zmienie, czyli: z 3 (7.0) Dopuszczalny przedział zmian dla 4 wynosi:. Ilustracja graficzna przeprowadzonej analizy przedstawiona jest na rys Rys.7.5. Przykład. Maksymalne zmiany wielkości zasobów niedeficytowych 7.5. Maksymalne zmiany współczynników funkcji celu Rozważymy teraz możliwości określenia zakresu zmian współczynników funkcji celu dla których aktualne optymalne rozwiązanie nie będzie ulegać zmianie (zmiana zbioru zmiennych bazowych). Zagadnienie to w sposób graficzny rozwiązaliśmy w rozdziale (trzecie zadanie analizy wrażliwości). Teraz pokażemy w jaki sposób Kazimierz Duzinkiewicz 4

15 zagadnienie to można rozwiązać korzystając z danych zawartych w tablicy obliczeniowej metody simpleksowej. Załóżmy, że w przykładowym zadaniu współczynnik funkcji celu (wartość dochodu na jednostkę produktu) związany ze zmienną zmienia się o, to znaczy wynosi on 3. Wielkość może być zarówno dodatnia jak i ujemna. Jak zmieni się tablica obliczeniowa metody simpleksowej przy zmianie współczynnika funkcji celu przy zmiennej o? Znowu, najprościej odpowiedzieć na to pytanie wprowadzając do wiersza współczynników funkcji celu i następnie wykonując wszystkie przekształcenia algebraiczne odpowiadające poszczególnym krokom prowadzącym do rozwiązania optymalnego. Ponieważ elementy wiersza przekształconej funkcji celu, podobnie jak elementy kolumny współczynników prawej strony ograniczeń, nigdy nie są wykorzystywane jako elementy centralne przekształceń mających miejsce przy obliczeniach za pomocą metody simpleksowej (wiersz przekształconej funkcji celu nigdy nie jest wierszem centralnym), dlatego też jakiekolwiek zmiany współczynników funkcji celu wpłyną jedynie na wartości współczynników występujących w wierszu przekształconej funkcji celu. Przypominamy sobie, że współczynniki tego wiersza służą do stwierdzenia czy aktualnie posiadane rozwiązanie jest optymalne, czy też nie. Oznacza to, że zmiany te mogą uczynić otrzymane rozwiązanie nieoptymalnym. Określimy przedział zmian współczynników funkcji celu (rozważając każdy ze współczynników oddzielnie) dla którego, uzyskane dla aktualnego rozwiązania optymalnego, wartości zmiennych nie ulegną zmianie. Dla rozważanego przykładu zmieniona postać funkcji celu będzie następująca: z ( ) (7.) 3 Po wykonaniu przekształceń tablicy obliczeniowej odpowiadających kolejnym krokom metody simpleksowej, dla tak zmienionej postaci funkcji celu, wiersz przekształconej funkcji celu w tablicy końcowej będzie miał postać (sprawdzić!): Kazimierz Duzinkiewicz 5

16 Zmienne z 0 Przekształcona funkcja celu W otrzymanej tablicy współczynniki przy zmiennych bazowych w wierszu przekształconej funkcji celu, pozostają równe zeru. Wiersz ten różni się od wiersza przekształconej funkcji celu przed wprowadzeniem zaburzenia na pozycjach odpowiadających zmiennym niebazowym. Wartości współczynników przy zmiennych niebazowych składają się z dwóch członów: (i) stałej i (ii) składnika liniowo zależnego od. Stałe odpowiadają wartościom przed wprowadzeniem zaburzenia. Współczynniki przy równe są współczynnikom przy odpowiednich zmiennych niebazowych w wierszu końcowej tablicy obliczeniowej odpowiadającym zmiennej bazowej : Zmienne z 0 Wiersz zmiennej bazowej Bierzemy pod uwagę wiersz odpowiadający zmiennej bazowej, ponieważ współczynnik funkcji celu przy tej zmiennej zmienia się o. Otrzymane przed wprowadzeniem zaburzenia rozwiązanie optymalne nie ulegnie zmianie po wprowadzeniu tego zaburzenia dopóki współczynniki w wierszu przekształconej funkcji celu pozostaną niedodatnie (patrz: warunek optymalności rozwiązania), czyli dopóki spełnione będą warunki: ( ) czyli (7.) ( ) czyli (7.3) Rozważymy dwa przypadki: Przypadek :. Warunek () spełniony jest dla ; warunek (3) spełniony jest zawsze. Przypadek :. Warunek () spełniony jest zawsze; warunek (3) spełniony jest dla. Kazimierz Duzinkiewicz 6

17 Łącząc wyniki dla tych dwóch przypadków, otrzymamy warunek. Zatem przy zmniejszeniu współczynnika funkcji celu przy zmiennej do wartości równej 3 + (-) =, lub przy jego zwiększeniu do wartości 3 + = 4 optymalne wartości zmiennych pozostaną niezmienione. Wartość funkcji celu z będzie się jednak zmieniać zgodnie z wyrażeniem Ilustracja graficzna przeprowadzonej analizy przedstawiona jest na rys.7.6. Rys.7.6. Przykład. Maksymalne zmiany współczynników funkcji celu W podobny sposób można przeprowadzić analizę dla wszystkich zmiennych bazowych, którym odpowiadają, jak widzieliśmy określone wiersze tablicy obliczeniowej metody simpleksowej. Przeprowadźmy jeszcze analizę dla zmiany współczynników funkcji celu przy zmiennej. Wiersz współczynników związanych z tą zmienną ma postać: Kazimierz Duzinkiewicz 7

18 Zmienne z 0 Wiersz zmiennej bazowej Załóżmy, że współczynnik funkcji celu (wartość dochodu na jednostkę produktu) związany ze zmienną zmienia się o, to znaczy wynosi on. Wielkość może być zarówno dodatnia jak i ujemna. Wiersz przekształconej funkcji celu po wprowadzeniu zaburzenia będzie miał postać: Zmienne z 0 Przekształcona funkcja celu Otrzymamy następujące warunki dla określenia przedziału zmian zaburzenia : 3 3 (7.4) (7.5) Otrzymamy stąd warunek 4. Ilustracja graficzna otrzymanego wyniku przedstawiona jest na rys.7.6. Przedstawiona metoda analizy dotyczyła zmiennych bazowych, którym odpowiadają, jak widzieliśmy określone wiersze tablicy obliczeniowej metody simpleksowej. Jeżeli zmienna jest zmienną niebazową to nie wystąpi ona w kolumnie "Zmienna bazowa" tablicy obliczeniowej. Postępując jednak podobnie jak przy wyprowadzaniu metody opisanej powyżej (zaburzenie współczynnika funkcji celu przy zmiennej niebazowej i wykonanie przekształceń tablicy obliczeniowej odpowiadających kolejnym krokom metody simpleksowej) stwierdzimy (sprawdzić!), że w wierszu przekształconej funkcji celu zmianie ulegnie jedynie współczynnik przy interesującej nas zmiennej niebazowej. Dla przykładu rozważymy przypadek, kiedy zmienia się współczynnik przy zmiennej niebazowej 3, a wielkość tej zmiany oznaczona jest 3. Wykonując przekształcenia tablicy obliczeniowej otrzymamy: Kazimierz Duzinkiewicz 8

19 Zmienne z 0 Przekształcona funkcja celu Współczynnik przy zmiennej niebazowej w wierszu przekształconej funkcji celu zmniejsza się o wartość wprowadzonego zaburzenia współczynnika oryginalnej funkcji celu przy tej zmiennej. Rozwiązanie optymalne nie ulegnie zatem zmianie, jeżeli spełniony będzie warunek: 3 3 (7.6) czyli jeżeli Zakończenie Teoretyczną podstawą na której opiera się metoda simpleksowa jest stwierdzenie, że punkt wierzchołkowy zbioru rozwiązań dopuszczalnych zadania programowania liniowego odpowiada bazowemu rozwiązaniu tego zadania zapisanego w postaci standardowej. Zasady wprowadzania nowej zmiennej do zbioru zmiennych bazowych i usuwania jednej ze zmiennych bazowych z tego zbioru, stanowiące zasadniczy składnik metody simpleksowej, zapewniają przejście od początkowego rozwiązania wierzchołkowego do rozwiązania optymalnego w skończonej liczbie kroków. Tablica obliczeniowa metody simpleksowej zawiera, poza wartościami optymalnymi zmiennych, szereg danych, które można wykorzystać do analizy otrzymanego rozwiązania. Bezpośrednio w tej tablicy znajdują się informacje określające status poszczególnych zasobów oraz ich cenności (oceny dualne). Wykorzystując dane zawarte w tej tablicy, przy pomocy prostych dodatkowych obliczeń, można określić przedziały zmian wielkości zasobów dla których zbiór zmiennych bazowych pozostanie niezmieniony, przy zmianach wartości poszczególnych zmiennych. Cenności zasobów wraz z wynikami takiej analizy mogą stanowić podstawę decyzji o zwiększeniu lub zmniejszeniu wielkości odpowiednich zasobów oraz o uzasadnionej wielkości tych zmian. Podobnie, korzystając z danych zawartych w tablicy obliczeniowej możemy określić przedziały zmian współczynników funkcji celu dla których otrzymane rozwiązanie optymalne nie ulegnie zmianie. Kazimierz Duzinkiewicz 9

20 Objęty niniejszym kursem zakres zagadnień związanych z zadaniami programowania liniowego oraz metodą simpleksową stanowi podstawy programowania liniowego. Nie wyczerpał on oczywiście wszystkich zagadnień teoretycznych i technik obliczeniowych związanych z programowaniem liniowym, umożliwia jednak samodzielne przeprowadzanie analiz rozwiązania zadania programowania liniowego. Kazimierz Duzinkiewicz 0

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując

Bardziej szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

Programowanie liniowe. Tadeusz Trzaskalik Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10

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

Metoda simpleks. Gliwice

Metoda simpleks. Gliwice Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.1 Opis programów Do rozwiązania zadań programowania

Bardziej szczegółowo

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): 1 Narysuj na płaszczyźnie zbiór dopuszczalnych rozwiazań. 2 Narysuj funkcję

Bardziej szczegółowo

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE 6. Ćwiczenia komputerowe Ćwiczenie 6.1

Bardziej szczegółowo

A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1

A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1 A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe ZAGADNIENIE DUALNE Z każdym zagadnieniem liniowym związane jest inne zagadnienie nazywane dualnym. Podamy teraz teraz jak budować zagadnienie

Bardziej szczegółowo

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda

Bardziej szczegółowo

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

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

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 6 Metoda simpleks Spis treści Wstęp Zadanie programowania liniowego Wstęp Omówimy algorytm simpleksowy, inaczej metodę simpleks(ów). Jest to stosowana w matematyce

Bardziej szczegółowo

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania

Bardziej szczegółowo

BADANIA OPERACYJNE Zagadnienie transportowe

BADANIA OPERACYJNE Zagadnienie transportowe BADANIA OPERACYJNE Zagadnienie transportowe Zadanie zbilansowane Zadanie zbilansowane Przykład 1 Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE (część 1)

ZAGADNIENIE TRANSPORTOWE (część 1) ZAGADNIENIE TRANSPORTOWE (część 1) Zadanie zbilansowane Przykład 1. Zadanie zbilansowane Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości

Bardziej szczegółowo

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE 2.2 Ćwiczenia komputerowe Ćwiczenie

Bardziej szczegółowo

OPTYMALIZACJA W LOGISTYCE

OPTYMALIZACJA W LOGISTYCE OPTYMALIZACJA W LOGISTYCE Zagadnienie transportowe 1 dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Klasyczne zagadnienie transportowe 1 Klasyczne zadanie transportowe problem najtańszego przewozu

Bardziej szczegółowo

Iwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ

Iwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ 1 Iwona Konarzewska Programowanie celowe - wprowadzenie Katedra Badań Operacyjnych UŁ 2 Programowanie celowe W praktycznych sytuacjach podejmowania decyzji często występuje kilka celów. Problem pojawia

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

Badania Operacyjne Ćwiczenia nr 4 (Materiały)

Badania Operacyjne Ćwiczenia nr 4 (Materiały) Analiza wrażliwości Rozwiązanie programu liniowego jest dopiero początkiem analizy. Z punktu widzenia decydenta (menadżera) jest istotne, żeby wiedzieć jak na rozwiązanie optymalne wpływają zmiany parametrów

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

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych

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

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Ćwiczenia 4 Programowanie liniowe Dualizm w programowaniu liniowym Plan zajęć Dualizm w programowaniu liniowym Projektowanie programu dualnego Postać programu dualnego Przykład 1 Rozwiązania

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

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA

Rozdział 3 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 3.2. Ćwiczenia komputerowe

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

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Wykład 2 - model produkcji input-output (Model 1)

Wykład 2 - model produkcji input-output (Model 1) Wykład 2 - model produkcji input-output (Model 1) 1 Wprowadzenie Celem wykładu jest omówienie (znanego z wcześniejszych zajęć) modelu produkcji typu input-output w postaci pozwalającej na zaprogramowanie

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

Wprowadzenie do badań operacyjnych - wykład 2 i 3

Wprowadzenie do badań operacyjnych - wykład 2 i 3 Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j

Bardziej szczegółowo

Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie:

Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: Ciągi rekurencyjne Zadanie 1 Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: w dwóch przypadkach: dla i, oraz dla i. Wskazówka Należy poszukiwać rozwiązania w postaci, gdzie

Bardziej szczegółowo

BADANIA OPERACYJNE pytania kontrolne

BADANIA OPERACYJNE pytania kontrolne DUALNOŚĆ 1. Podać twierdzenie o dualności 2. Jaka jest zależność pomiędzy funkcjami celu w zadaniu pierwotnym i dualnym? 3. Prawe strony ograniczeń zadania pierwotnego, w zadaniu dualnym są 4. Współczynniki

Bardziej szczegółowo

Wykład 2 - model produkcji input-output (Model 1)

Wykład 2 - model produkcji input-output (Model 1) Wykład 2 - model produkcji input-output (Model 1) 1 Wprowadzenie Celem wykładu jest omówienie (znanego z wcześniejszych zaję) modelu produkcji typu input-output w postaci pozwalającej na zaprogramowanie

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE(ZT)

ZAGADNIENIE TRANSPORTOWE(ZT) 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

Bardziej szczegółowo

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla

Bardziej szczegółowo

A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1

A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a,a 2,...,a p i qodbiorców, którychpopytwynosi b,b 2,...,b

Bardziej szczegółowo

TOZ -Techniki optymalizacji w zarządzaniu

TOZ -Techniki optymalizacji w zarządzaniu TOZ -Techniki optymalizacji w zarządzaniu Wykład dla studentów II roku studiów II stopnia na kierunku Zarządzanie Semestr zimowy 2009/2010 Wykładowca: prof. dr hab. inż. Michał Inkielman Wykład 2 Optymalizacja

Bardziej szczegółowo

3. Macierze i Układy Równań Liniowych

3. Macierze i Układy Równań Liniowych 3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x

Bardziej szczegółowo

Stabilność II Metody Lapunowa badania stabilności

Stabilność II Metody Lapunowa badania stabilności Metody Lapunowa badania stabilności Interesuje nas w sposób szczególny system: Wprowadzamy dla niego pojęcia: - stabilności wewnętrznej - odnosi się do zachowania się systemu przy zerowym wejściu, czyli

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa

Wielokryteriowa optymalizacja liniowa Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia

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

c j x x

c j x x ZESTAW 1 Numer indeksu Test jest wielokrotnego wyboru We wszystkich mają być nieujemne 1 Pewien towar jest zmagazynowany w miejscowości A 1 w ilości 700 ton, w miejscowości 900 ton Ma być on przewieziony

Bardziej szczegółowo

Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne

Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Piotr Kaczyński Badania Operacyjne Notatki do ćwiczeń wersja 0. Warszawa, 7 stycznia 007 Spis treści Programowanie

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

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki

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

Otrzymaliśmy w ten sposób ograniczenie na wartości parametru m.

Otrzymaliśmy w ten sposób ograniczenie na wartości parametru m. Dla jakich wartości parametru m dziedziną funkcji f ( x) = x + mx + m 1 jest zbiór liczb rzeczywistych? We wzorze funkcji f(x) pojawia się funkcja kwadratowa, jednak znajduje się ona pod pierwiastkiem.

Bardziej szczegółowo

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl

Bardziej szczegółowo

Definicja problemu programowania matematycznego

Definicja problemu programowania matematycznego Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i

Bardziej szczegółowo

Definicje i przykłady

Definicje i przykłady Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest

Bardziej szczegółowo

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu Analiza wrażliwości: współczynników funkcji celu analiza wrażliwości pozwala odpowiedzieć na pytanie, w jakich granicach mogą się zmieniać te parametry, aby dotychczasowe rozwiązanie było optymalne, wyrazów

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) ( ) 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

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

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

Dualność w programowaniu liniowym

Dualność w programowaniu liniowym 2016-06-12 1 Dualność w programowaniu liniowym Badania operacyjne Wykład 2 2016-06-12 2 Plan wykładu Przykład zadania dualnego Sformułowanie zagadnienia dualnego Symetryczne zagadnienie dualne Niesymetryczne

Bardziej szczegółowo

9 Funkcje Użyteczności

9 Funkcje Użyteczności 9 Funkcje Użyteczności Niech u(x) oznacza użyteczność wynikającą z posiadania x jednostek pewnego dobra. Z założenia, 0 jest punktem referencyjnym, czyli u(0) = 0. Należy to zinterpretować jako użyteczność

Bardziej szczegółowo

Algorytm simplex i dualność

Algorytm simplex i dualność Algorytm simplex i dualność Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 15, 2016 Łukasz Kowalik (UW) LP April 15, 2016 1 / 35 Przypomnienie 1 Wierzchołkiem wielościanu P nazywamy

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych

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

1 Przykładowe klasy zagadnień liniowych

1 Przykładowe klasy zagadnień liniowych & " 1 PRZYKŁADOWE KLASY ZAGADNIEŃ LINIOWYCH 1 1 Przykładowe klasy zagadnień liniowych Liniowy model produkcji Zakład może prowadzić rodzajów działalności np. produkować różnych wyrobów). Do prowadzenia

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

Programowanie nieliniowe

Programowanie nieliniowe Rozdział 5 Programowanie nieliniowe Programowanie liniowe ma zastosowanie w wielu sytuacjach decyzyjnych, jednak często zdarza się, że zależności zachodzących między zmiennymi nie można wyrazić za pomocą

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.

Bardziej szczegółowo

Obliczenia iteracyjne

Obliczenia iteracyjne Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji

Bardziej szczegółowo

Układy równań liniowych. Ax = b (1)

Układy równań liniowych. Ax = b (1) Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m

Bardziej szczegółowo

W. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1

W. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1 W. Guzicki Próbna matura, grudzień 01 r. poziom rozszerzony 1 Próbna matura rozszerzona (jesień 01 r.) Zadanie 18 kilka innych rozwiązań Wojciech Guzicki Zadanie 18. Okno na poddaszu ma mieć kształt trapezu

Bardziej szczegółowo

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7 Ćwiczenia laboratoryjne - 7 Problem (diety) mieszanek w hutnictwie programowanie liniowe Ćw. L. 7 Konstrukcja modelu matematycznego Model matematyczny składa się z: Funkcji celu będącej matematycznym zapisem

Bardziej szczegółowo

lim Np. lim jest wyrażeniem typu /, a

lim Np. lim jest wyrażeniem typu /, a Wykład 3 Pochodna funkcji złożonej, pochodne wyższych rzędów, reguła de l Hospitala, różniczka funkcji i jej zastosowanie, pochodna jako prędkość zmian 3. Pochodna funkcji złożonej. Jeżeli funkcja złożona

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp

Bardziej szczegółowo

Metoda eliminacji Gaussa. Autorzy: Michał Góra

Metoda eliminacji Gaussa. Autorzy: Michał Góra Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego

Bardziej szczegółowo

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w

Bardziej szczegółowo

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi

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

Standardowe zadanie programowania liniowego. Gliwice 1

Standardowe zadanie programowania liniowego. Gliwice 1 Standardowe zadanie programowania liniowego 1 Standardowe zadanie programowania liniowego Rozważamy proces, w którym zmiennymi są x 1, x 2,, x n. Proces poddany jest m ograniczeniom, zapisanymi w postaci

Bardziej szczegółowo

Firma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2.

Firma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2. Przykład Elementy analizy wrażliwości Firma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2. Dla wyrobu 2 czasy te wynosza

Bardziej szczegółowo

Pochodna funkcji odwrotnej

Pochodna funkcji odwrotnej Pochodna funkcji odwrotnej Niech będzie dana w przedziale funkcja różniczkowalna i różnowartościowa. Wiadomo, że istnieje wówczas funkcja odwrotna (którą oznaczymy tu : ), ciągła w przedziale (lub zależnie

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

1 Wartości własne oraz wektory własne macierzy

1 Wartości własne oraz wektory własne macierzy Rozwiązania zadania umieszczonego na końcu poniższych notatek proszę przynieść na kartkach Proszę o staranne i formalne uzasadnienie odpowiedzi Za zadanie można uzyskać do 6 punktów (jeżeli przyniesione

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Programowanie liniowe w technice Linear programming in engineering problems Kierunek: Rodzaj przedmiotu: obowiązkowy na kierunku matematyka przemysłowa Rodzaj zajęć: wykład, laboratorium,

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa cz.2

Wielokryteriowa optymalizacja liniowa cz.2 Wielokryteriowa optymalizacja liniowa cz.2 Metody poszukiwania końcowych rozwiązań sprawnych: 1. Metoda satysfakcjonujących poziomów kryteriów dokonuje się wyboru jednego z kryteriów zadania wielokryterialnego

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

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 13. wykład z algebry liniowej Warszawa, styczeń 2018 Mirosław Sobolewski (UW) Warszawa, 2018 1 /

Bardziej szczegółowo

Funkcja liniowa - podsumowanie

Funkcja liniowa - podsumowanie Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych

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

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2

RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 Równania różniczkowe o zmiennych rozdzielonych Równania sprowadzalne do równań o zmiennych rozdzielonych Niech f będzie funkcją ciągłą na przedziale (a, b), spełniającą na

Bardziej szczegółowo

Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L.

Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L. Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe Ćw. L. Typy optymalizacji Istnieją trzy podstawowe typy zadań optymalizacyjnych: Optymalizacja statyczna- dotyczy

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można

Bardziej szczegółowo

Analiza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny

Analiza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,

Bardziej szczegółowo

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym

Bardziej szczegółowo

Metoda eliminacji Gaussa

Metoda eliminacji Gaussa Metoda eliminacji Gaussa Rysunek 3. Rysunek 4. Rozpoczynamy od pierwszego wiersza macierzy opisującej nasz układ równań (patrz Rys.3). Zakładając, że element a 11 jest niezerowy (jeśli jest, to niezbędny

Bardziej szczegółowo

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego. . Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21

Bardziej szczegółowo

Wśród prostokątów o jednakowym obwodzie największe pole. ma kwadrat. Scenariusz zajęć z pytaniem problemowym dla. gimnazjalistów.

Wśród prostokątów o jednakowym obwodzie największe pole. ma kwadrat. Scenariusz zajęć z pytaniem problemowym dla. gimnazjalistów. 1 Wśród prostokątów o jednakowym obwodzie największe pole ma kwadrat. Scenariusz zajęć z pytaniem problemowym dla gimnazjalistów. Czas trwania zajęć: 45 minut Potencjalne pytania badawcze: 1. Jaki prostokąt

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Programowanie liniowe w zagadnieniach finansowych i logistycznych Linear programming in financial and logistics problems Kierunek: Matematyka Rodzaj przedmiotu: obowiązkowy dla specjalności

Bardziej szczegółowo