Rozdział 1 PROGRAMOWANIE LINIOWE

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozdział 1 PROGRAMOWANIE LINIOWE"

Transkrypt

1 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 liniowego metodą simpleks (wraz z analizą wrażliwości) wykorzystujemy program SIMP.EXE. Implementacją komputerową dualnej metody simpleks jest program DUAL.EXE. Zagadnienia programowania parametrycznego rozwiązujemy za pomocą programu PARAM.EXE Opis programu SIMP.EXE Wprowadzanie nowego zadania Wprowadzając nowe zadanie, podajemy kolejno: - rodzaj zadania (maksymalizacja lub minimalizacja), - liczbę zmiennych (maksymalnie 20), - liczbę ograniczeń (maksymalnie 20), - współczynniki funkcji celu. Dla kolejno wprowadzanych ograniczeń podajemy: - współczynniki stojące przy niewiadomych, - rodzaj ograniczenia (,, =), - wartość prawej strony. W programie SIMP.EXE zakłada się, że wszystkie występujące w zadaniu zmienne spełniają warunki nieujemności. Edycja zadania W fazie edycji możemy dokonać następujących zmian: - zamienić zadanie minimalizacji na zadanie maksymalizacji oraz zadanie maksymalizacji na zadanie minimalizacji, - zmniejszyć lub zwiększyć liczbę zmiennych, - zmniejszyć lub zwiększyć liczbę warunków ograniczających, - zmienić współczynniki funkcji celu, macierzy warunków ograniczających oraz prawych stron. W przypadku zwiększenia rozmiarów zadania należy uzupełnić brakujące dane. Tryb konwersacyjny Możliwości stosowania Tryb konwersacyjny programu SIMP.EXE może być wykorzystany wówczas, gdy liczba wszystkich zmiennych występujących w rozwiązywanym zadaniu (a więc zmiennych zadania początkowego oraz zmiennych wprowadzonych dodatkowo)pomniejszona o liczbę warunków ograniczających (bez warunków nieujemności) jest nie większa od 7, a liczba warunków ograniczających - nie większa od 9. Ograniczenie to pozwala wyświetlić na

2 ekranie monitora kolejne tablice simpleksowe. Jeżeli łączna liczba wszystkich zmiennych występujących w zadaniu nie przekroczy 7, to wówczas na ekranie monitora pojawiają się pełne tablice simpleksowe, jeżeli natomiast ten dodatkowy warunek nie jest spełniony, możemy obserwować jedynie tablice uproszczone, w których pominięto kolumny bazowe. Sprowadzanie zadania do postaci bazowej Układ warunków ograniczających jest w dopuszczalnej postaci bazowej, gdy wszystkie występujące ograniczenia są równościami, z macierzy utworzonej ze współczynników lewych stron warunków ograniczających można wybrać kolumny w taki sposób, by po ewentualnej zmianie kolejności tworzyły one macierz jednostkową, oraz wszystkie współczynniki prawych stron są nieujemne. Zazwyczaj zadanie początkowe nie jest w dopuszczalnej postaci bazowej i wymaga przekształcenia. Gdy rozpatrywane ograniczenie jest nierównością typu, dodajemy do lewej strony zmienną bilansującą, natomiast, gdy jest typu, odejmujemy od lewej strony zmienną bilansującą. Często niezbędne jest również dodatnie do warunków w postaci równości zmiennych sztucznych i wprowadzenie tych zmiennych do funkcji celu z odpowiednio dużymi współczynnikami. Omówione powyżej przekształcenia realizowane są przez użytkownika programu. Na ekranie monitora pojawia się zadanie w postaci symbolicznej, w której wykorzystano symbole +,, l, 0, M, M, odpowiadające kolejno liczbie dodatniej (z wyjątkiem jedynki), liczbie ujemnej, jedynce, zeru oraz nieokreślonemu chwilowo co do wielkości współczynnikowi M lub M przy zmiennej sztucznej w funkcji celu. Po stwierdzeniu, że zadanie nie jest w postaci bazowej użytkownik wybiera ograniczenie i podaje, w jaki sposób należy przekształcić to ograniczenie. Dodanie lub odjęcie zmiennej bilansującej oraz dodanie zmiennej sztucznej powodują rozszerzenie obserwowanej na ekranie symbolicznej postaci zadania. W przypadku wprowadzenia zmiennych sztucznych istnieje możliwość określenia przez użytkownika wartości współczynnika M. W programie SIMP.EXE, dla zadania maksymalizacji przyjęto, że jest ona nie mniejsza niż stukrotna wartość największego dodatniego współczynnika funkcji celu lub wynosi 100 w przypadku, gdy żaden nie jest dodatni. W zadaniu minimalizacji wartość M. jest nie większa niż stukrotna wartość najmniejszego ujemnego współczynnika funkcji celu lub wynosi 100 w przypadku, gdy żaden nie jest ujemny. Kolejne iteracje Na ekranie monitora pojawia się (w zależności od liczby zmiennych i ograniczeń) pełna lub skrócona tablica simpleksowa. Znajdujemy w niej informacje dotyczące kierunku optymalizacji, wartości współczynników funkcji celu, współczynników warunków ograniczających, prawych stron warunków ograniczających oraz współczynników optymalności. Dodatkowo (już poza tablicą simpleksową) znajdują się informacje o wartości funkcji celu odpowiadającej aktualnie rozpatrywanemu rozwiązaniu oraz dokładne wartości współczynników optymalności. Jeżeli liczba nie mieści się w przeznaczonej dla niej polu, wyświetlana jest ona w postaci symbolicznej z wykorzystaniem symboli > dla dużej liczby dodatniej lub < dla dużej co do wartości bezwzględnej liczby ujemnej. W przypadku konieczności porównania ze sobą dwóch lub więcej liczb zapisanych symbolicznie dla wygody użytkownika największa z nich przedstawiona jest symbolem >> (w przypadku zadania maksymalizacji), a najmniejsza symbolem << (dla zadania minimalizacji). W kolejnych iteracjach użytkownik: - analizując wartości współczynników optymalności, rozstrzyga, czy aktualnie rozpatrywane rozwiązanie jest optymalne, czy też nie, - przeglądając wartości wskaźników optymalności, wybiera zmienną, która zostaje wprowadzona do bazy, - obserwując współczynniki wybranej kolumny, stwierdza, czy funkcja celu jest ograniczona, czy też nie, - wykorzystując pomocniczą planszę, zawierającą ilorazy wartości prawych stron podzielonych przez współczynniki wybranej uprzednio kolumny, określa zmienną, która ma opuścić bazę.

3 Program oblicza nową tablicę simpleksową i przechodzi do wykonania następnej iteracji. Postępowanie to kontynuujemy aż do otrzymania rozwiązania optymalnego lub stwierdzenia, że funkcja celu nie jest ograniczona. W przypadku gdy do zadania zostały dołączone zmienne sztuczne, użytkownik sprawdza, czy otrzymane rozwiązanie optymalne zadania rozszerzonego jest również rozwiązaniem zadania wyjściowego. Zadanie wyjściowe jest sprzeczne wtedy, kiedy w bazie otrzymanej w ostatniej iteracji znajduje się choć jedna zmienna sztuczna i ma wartość dodatnią. Dokładne rozwiązanie W celu zapoznania się z dokładnymi wynikami użytkownik podaje interesującą go liczbę miejsc po przecinku (od 0 do 9). Tablica wynikowa zawiera również wartości wskaźników optymalności oraz informację o tym, czy dana zmienna jest zmienną decyzyjną oraz o tym, czy jest zmienną bazową. Analiza wrażliwości Możemy prześledzić analizę wrażliwości rozwiązania na zmiany współczynników funkcji celu oraz warunków ograniczających. Użytkownik odczytuje przedziały zmienności dla poszczególnych współczynników funkcji celu i prawych stron warunków ograniczających oraz ich aktualną wartość w zadaniu. Alternatywne rozwiązania optymalne O ile istnieją bazowe rozwiązania alternatywne, można wygenerować je kolejno, stosując odpowiednią strategię postępowania. Chcąc otrzymać kolejne optymalne bazowe rozwiązanie alternatywne, użytkownik wybiera zmienną wprowadzaną do bazy oraz zmienną usuwaną z bazy (wykorzystując zerowe współczynniki dla zmiennych niebazowych oraz kryterium wyjścia prymalnej metody simpleks). Dla każdego otrzymanego w ten sposób rozwiązania może odczytać wyniki z ustaloną dokładnością, a także przeprowadzić analizę wrażliwości. Tryb rozwiązania końcowego Program wybiera opcję przejścia do rozwiązania końcowego wówczas, gdy ze względu na rozmiary zadania nie jest możliwe wykorzystanie trybu konwersacyjnego. Opcja ta może zostać również włączona w każdym momencie rozwiązywania zadania w trybie konwersacyjnym na życzenie użytkownika programu. W przypadku gdy rozmiary zadania pozwalają na wyświetlenie ostatniej tablicy simpleksowej, pojawia się ona na ekranie i użytkownik (podobnie jak w trybie konwersacyjnym) może zapoznać się z dokładnym rozwiązaniem, przeprowadzić analizę wrażliwości oraz przyjść do alternatywnego bazowego rozwiązania optymalnego (o ile takie istnieje). Jeżeli rozmiary zadania nie pozwalają na wyświetlenie ostatniej tablicy simpleksowej, na ekranie monitora pojawia się plansza końcowa, na której znajduje się zestawienie wartości wszystkich zmiennych, pojawiających się w zadaniu, odpowiadające im wartości wskaźników optymalności, optymalna wartość funkcji celu oraz informacja o tym, czy występują alternatywne bazowe rozwiązania optymalne. Jeżeli zadanie jest sprzeczne, na ekranie monitora pojawia się odpowiednia informacja. Przeglądanie (wydrukowanie) rozwiązania Zestawienie skrócone Zawiera dane wejściowe zadania oraz wyniki końcowe, obejmujące optymalne wartości zmiennych, odpowiadające im wskaźniki optymalności, optymalną wartość funkcji celu, a także analizę wrażliwości dla kolejnych współczynników funkcji celu oraz składowych wektora wyrazów wolnych. Ponadto w zbiorze tym umieszczone są alternatywne

4 bazowe rozwiązania optymalne wyznaczone przez użytkownika w trakcie wykorzystania programu wraz z analizą wrażliwości. Zestawienie pełne Zawiera dla zadań, które można rozwiązać w trybie konwersacyjnym, tablice simpleksowe dla kolejnych iteracji. Dla zadań o większych rozmiarach zestawienie pełne jest takie samo jak zestawienie skrócone Opis programu DUAL.EXE Wprowadzanie nowego zadania Wprowadzając nowe zadanie, podajemy kolejno: - rodzaj zadania (maksymalizacja lub minimalizacja), - liczbę zmiennych (maksymalnie 20), - liczbę ograniczeń (maksymalnie 20), - współczynniki funkcji celu. Dla kolejno wprowadzanych ograniczeń podajemy: - współczynniki stojące przy niewiadomych, - rodzaj ograniczenia (,, =), - wartość prawej strony. W programie DUAL.EXE zakłada się, że wszystkie występujące w zadaniu zmienne spełniają warunki nieujemności. Edycja zadania W fazie edycji możemy dokonać następujących zmian: - zamienić zadanie minimalizacji na zadanie maksymalizacji oraz zadanie maksymalizacji na zadanie minimalizacji, - zmniejszyć lub zwiększyć liczbę zmiennych, - zmniejszyć lub zwiększyć liczbę warunków ograniczających, - zmienić współczynniki funkcji celu, macierzy warunków ograniczających oraz prawych stron. W przypadku zwiększenia rozmiarów zadania należy uzupełnić brakujące dane. Tryb konwersacyjny Możliwości stosowania Tryb konwersacyjny programu DUAL.EXE może być wykorzystany wówczas, gdy liczba wszystkich zmiennych występujących w rozwiązywanym zadaniu (a więc zmiennych zadania początkowego oraz zmiennych wprowadzonych dodatkowo), pomniejszona o liczbę warunków ograniczających (bez warunków nieujemności), jest nie większa od 7, a liczba warunków ograniczających - nie większa od 9. Ograniczenie to pozwala wyświetlić na ekranie monitora kolejne tablice simpleksowe. Jeżeli łączna liczba wszystkich zmiennych występujących w zadaniu nie przekroczy 7, to wówczas na ekranie monitora pojawiają się pełne tablice simpleksowe, jeżeli natomiast ten dodatkowy warunek nie jest spełniony, możemy obserwować jedynie tablice uproszczone, w których pominięto kolumny bazowe. Generowanie pierwszego rozwiązania bazowego Układ warunków ograniczających jest w postaci bazowej, gdy wszystkie występujące ograniczenia są równościami, z macierzy utworzonej ze współczynników lewych stron warunków ograniczających można wybrać kolumny w taki sposób, by po ewentualnej zmianie kolejności tworzyły one macierz jednostkową. Nie jest przy tym wymagane, aby prawe strony warunków ograniczających były liczbami nieujemnymi.

5 Zazwyczaj zadanie początkowe nie jest w postaci bazowej i wymaga przekształcenia. Gdy rozpatrywane ograniczenie jest nierównością, odpowiednio dodajemy do lewej strony lub odejmujemy zmienna bilansującą. W warunku ograniczającym w postaci równości staramy się uzyskać zmienną bazową przez podzielenie współczynników tego równania przez niezerowy współczynnik stojący przy wybranej zmiennej. Jeżeli to postępowanie byłoby nieskuteczne, zamieniamy równanie na dwie nierówności, po czym do każda z nich uzupełniana jest w odpowiedni sposób zmienną bilansującą. Omówione powyżej przekształcenia realizowane są przez użytkownika. Na ekranie monitora pojawia się zadanie w postaci symbolicznej, w której wykorzystano symbole +,, l, odpowiadające liczbie dodatniej (z wyjątkiem jedynki), liczbie ujemnej, jedynce i zeru. Wybieramy przekształcane ograniczenie i wprowadzamy zmienną bilansującą, dzielimy równanie przez liczbę różną od zera lub zamieniamy równanie na dwie nierówności. Podejmowanym decyzjom o wprowadzeniu dodatkowych zmiennych odpowiada rozszerzenie obserwowanej na ekranie symbolicznej postaci zadania. Pierwsze rozwiązanie bazowe powinno być rozwiązaniem bazowym optymalnym (niekoniecznie dopuszczalnym). Jeżeli nie ma ono tej własności, do zbioru warunków ograniczających dołączamy sztuczne ograniczenie. Użytkownik podaje współczynniki sztucznego ograniczenia oraz jego prawą stronę w postaci symbolicznej, wpisując symbol M, oznaczający dużą liczbę dodatnią (będącą przynajmniej stukrotnie większą od największej dodatniej wartości prawej strony lub wynosi 100, jeżeli żadna wartość wyrazu wolnego nie jest dodatnia). Aby otrzymać pierwszą bazę optymalną, należy usunąć z bazy zmienną bilansującą sztucznego ograniczenia i na to miejsce wprowadzić zmienną niebazową o największej wartości współczynnika funkcji celu. Kolejne iteracje Na ekranie monitora pojawia się pełna lub skrócona tablica simpleksowa. Znajdujemy w niej informacje dotyczące kierunku optymalizacji, wartości współczynników funkcji celu, współczynników warunków ograniczających, prawych stron warunków ograniczających oraz współczynników optymalności. Dodatkowo (już poza tablicą simpleksową) znajdują się informacje o wartości funkcji celu odpowiadającej aktualnie rozpatrywanemu rozwiązaniu oraz dokładne wartości współczynników optymalności. Jeżeli liczba nie mieści się w przeznaczonej dla niej polu, wyświetlana jest ona w postaci symbolicznej z wykorzystaniem symboli > dla dużej liczby dodatniej lub < dla dużej co do wartości bezwzględnej liczby ujemnej. W przypadku konieczności porównania ze sobą dwóch lub więcej małych liczb zapisanych symbolicznie dla wygody użytkownika najmniejsza z nich przedstawiona jest symbolem <<. W kolejnych iteracjach użytkownik: - analizując wartości prawych stron, rozstrzyga, czy aktualnie rozpatrywane rozwiązanie jest dopuszczalne, czy też nie, - przeglądając wartości prawych stron, wybiera zmienną usuwaną z bazy, - obserwując współczynniki wybranego wiersza, stwierdza, czy rozpatrywane zadanie jest sprzeczne, czy też nie, - wykorzystując pomocniczą planszę, zawierającą ilorazy wartości współczynników optymalności podzielonych przez współczynniki wybranego uprzednio wiersza, określa zmienną wprowadzaną do bazy. Program oblicza nową tablicę simpleksową i przechodzi do wykonania następnej iteracji. Postępowanie to kontynuujemy aż do otrzymania rozwiązania optymalnego lub stwierdzenia, że zadanie jest sprzeczne. W przypadku gdy do zadania zostało dołączone sztuczne ograniczenie, należy upewnić się, czy funkcja celu jest ograniczona. Będzie tak wówczas, gdy w ostatniej bazie znajdzie się zmienna bazowa sztucznego ograniczenia.

6 Dokładne rozwiązanie W celu zapoznania się z dokładnymi wynikami użytkownik podaje interesującą go liczbę miejsc po przecinku (od 0 do 9). Tablica wynikowa zawiera również wartości wskaźników optymalności oraz informację o tym, czy dana zmienna jest zmienną decyzyjną oraz czy jest zmienna bazową. Analiza wrażliwości Na ekranie monitora odczytujemy przedziały zmienności dla poszczególnych współczynników funkcji celu oraz ich aktualną wartość w zadaniu. Alternatywne rozwiązania optymalne O ile istnieją bazowe rozwiązania alternatywne, można wygenerować je kolejno, stosując odpowiednią strategię postępowania. Chcąc otrzymać kolejne optymalne bazowe rozwiązanie alternatywne, użytkownik wybiera zmienną wprowadzaną do bazy oraz zmienną usuwaną z bazy (wykorzystując zerowe współczynniki dla zmiennych niebazowych oraz kryterium wyjścia prymalnej metody simpleks). Dla każdego otrzymanego w ten sposób rozwiązania może odczytać wyniki z ustaloną dokładnością, a także przeprowadzić analizę wrażliwości. Tryb rozwiązania końcowego Program wybiera opcję przejścia do rozwiązania końcowego wówczas, gdy ze względu na rozmiary zadania nie jest możliwe wykorzystanie trybu konwersacyjnego. Opcja ta może zostać również włączona w każdym momencie rozwiązywania zadania w trybie konwersacyjnym na życzenie użytkownika programu. W przypadku gdy rozmiary zadania pozwalają na wyświetlenie ostatniej tablicy simpleksowej, pojawia się ona na ekranie i użytkownik (podobnie jak w trybie konwersacyjnym) może zapoznać się z dokładnym rozwiązaniem, przeprowadzić analizę wrażliwości oraz przejść do alternatywnego bazowego rozwiązania optymalnego (o ile takie istnieje). Jeżeli rozmiary zadania nie pozwalają na wyświetlenie ostatniej tablicy simpleksowej, na ekranie monitora pojawia się plansza końcowa, na której znajduje się zestawienie wartości wszystkich zmiennych, pojawiających się w zadaniu, odpowiadające im wartości wskaźników optymalności, optymalna wartość funkcji celu oraz informacja o tym, czy występują alternatywne bazowe rozwiązania optymalne. Jeżeli funkcja celu nie jest ograniczona, na ekranie monitora pojawia się odpowiednia informacja. Przeglądanie (wydrukowanie) rozwiązania Zestawienie skrócone Zawiera dane wejściowe zadania oraz wyniki końcowe, obejmujące optymalne wartości zmiennych, odpowiadające im wskaźniki optymalności, optymalną wartość funkcji celu, a także analizę wrażliwości dla kolejnych współczynników funkcji celu. Ponadto w zbiorze tym umieszczone są alternatywne bazowe rozwiązania optymalne wyznaczone przez użytkownika w trakcie wykorzystania programu wraz z analizą wrażliwości. Zestawienie pełne Zawiera dla zadań, które można rozwiązać w trybie konwersacyjnym, tablice simpleksowe dla kolejnych iteracji. Dla zadań o większych rozmiarach zestawienie pełne jest takie samo jak zestawienie skrócone.

7 1.1.3 Opis programu PARAM.EXE Wprowadzanie nowego zadania Wprowadzając nowe zadanie, podajemy kolejno: - rodzaj zadania (maksymalizacja lub minimalizacja), - liczbę zmiennych (maksymalnie 20), - liczbę ograniczeń (maksymalnie 20), - rodzaj parametryzacji (parametryzacja funkcji celu lub wyrazu wolnego). W przypadku parametryzacji funkcji celu użytkownik podaje współczynniki funkcji celu niezależne i zależne od parametru. Dla kolejno wprowadzanych ograniczeń użytkownik wprowadza: - współczynniki stojące przy niewiadomych, - rodzaj ograniczenia (,, =), - wartość prawej strony ograniczenia. W przypadku parametryzacji wyrazu wolnego użytkownik podaje współczynniki funkcji celu, a następnie dla kolejnych ograniczeń wprowadza: - współczynniki stojące przy niewiadomych, - rodzaj ograniczenia (,, =), - wartości prawej strony ograniczenia niezależne i zależne od parametru. W programie PARAM.EXE zakłada się, że wszystkie występujące w zadaniu zmienne spełniają warunki nieujemności. Edycja zadania W fazie edycji możemy dokonać następujących zmian: - zamienić zadanie minimalizacji na zadanie maksymalizacji oraz zadanie maksymalizacji na zadanie minimalizacji, - zamienić parametryzację funkcji celu na parametryzację wyrazu wolnego oraz parametryzację wyrazu wolnego na parametryzację funkcji celu, - zmniejszyć lub zwiększyć liczbę warunków ograniczających, - zmienić współczynniki funkcji celu, macierzy warunków ograniczających oraz prawych stron. W przypadku zmiany rodzaju parametryzacji zadania oraz/lub zwiększenia jego rozmiarów należy uzupełnić brakujące dane. Tryb konwersacyjny Możliwości stosowania Oznaczymy przez n liczbę zmiennych w zadaniu, a przez m. liczbę warunków ograniczających. Tryb konwersacyjny może być zastosowany wówczas, gdy n m. 6 i m. 6 w przypadku parametryzacji funkcji celu n m. 6 i m. 8 w przypadku parametryzacji wektora wyrazów wolnych oraz liczba przedziałów, na które podzielony zostanie zbiór parametrów nie przekracza 20. Początkowa wartość parametru Użytkownik podaje początkową wartość parametru. Może nią być dowolna liczba rzeczywista, dla której istnieje rozwiązanie. Wartością proponowaną przez program jest zero. Kolejne iteracje W kolejnych iteracjach na podstawie obserwacji tablic simpleksowych, uwzględniających sparametryzowane współczynniki optymalności (sparametryzowane prawe strony), użytkownik formułuje układ nierówności, dla których rozwiązanie pozostanie optymalne (w przypadku parametryzacji funkcji celu) lub dopuszczalne (w przypadku parametryzacji wyrazu wolnego). Program podaje rozwiązanie tego układu nierówności. Na

8 końcu znalezionego przedziału może istnieć alternatywne rozwiązanie optymalne (w przypadku parametryzacji funkcji celu) lub alternatywne rozwiązanie dopuszczalne (w przypadku parametryzacji wyrazu wolnego). Zadaniem użytkownika jest zastosowanie kryterium wejścia i wyjścia zgodnie z prymalną (dualną) metodą simpleks. Po zidentyfikowaniu i przeanalizowaniu wszystkich przedziałów zmienności parametru na prawo od wartości początkowej przechodzimy do wartości znajdujących się po lewej stronie tej wartości i identyfikujemy oraz analizujemy kolejne przedziały (o ile takie przedziały istnieją). Tryb rozwiązania końcowego Program wybiera opcję przejścia do rozwiązania końcowego wówczas, gdy ze względu na rozmiary zadania nie jest możliwe wykorzystanie trybu konwersacyjnego, przy czym liczba przedziałów, na które zostaje podzielony zbiór parametrów nie może przekraczać 50. Opcja ta może zostać również włączona w każdym momencie rozwiązywania zadania w trybie konwersacyjnym na życzenie użytkownika programu. Na ekranie monitora pojawia się plansza wynikowa, na której znajduje się zestawienie znalezionych przedziałów zmienności dla parametru. Naciskając klawisz F2, użytkownik może zidentyfikować rozwiązanie (optymalne i dopuszczalne) dla każdego z tych przedziałów. Zbiory wynikowe Zestawienie skrócone Zawiera dane wejściowe zadania i wyniki końcowe, obejmujące informacje o kolejnych przedziałach parametru t oraz rozwiązania (optymalne i dopuszczalne) w każdym z tych przedziałów. Rozwiązanie pełne Zawiera ponadto wszystkie pojawiające się kolejno tablice simpleksowe i układy nierówności, rozpatrywane w celu identyfikacji kolejnych przedziałów wartości parametru t.

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

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

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

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

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 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

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

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

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

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

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

Rozdział 9 PROGRAMOWANIE DYNAMICZNE

Rozdział 9 PROGRAMOWANIE DYNAMICZNE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 9 PROGRAMOWANIE DYNAMICZNE 9.2. Ćwiczenia komputerowe Ćwiczenie 9.1 Wykorzystując

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 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 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

( 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

DZIAŁANIA NA UŁAMKACH DZIESIĘTNYCH.

DZIAŁANIA NA UŁAMKACH DZIESIĘTNYCH. DZIAŁANIA NA UŁAMKACH DZIESIĘTNYCH. Dodawanie,8 zwracamy uwagę aby podpisywać przecinek +, pod przecinkiem, nie musimy uzupełniać zerami z prawej strony w liczbie,8. Pamiętamy,że liczba to samo co,0, (

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

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

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

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

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 2009 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 13

Bardziej szczegółowo

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda BADANIA OPERACYJNE Zagadnienie transportowe dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Zagadnienie transportowe Założenia: Pewien jednorodny towar należy

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

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

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

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

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

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 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

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE KWADRATOWE PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej

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

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

Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową

Bardziej szczegółowo

x 2 = a RÓWNANIA KWADRATOWE 1. Wprowadzenie do równań kwadratowych 2. Proste równania kwadratowe Równanie kwadratowe typu:

x 2 = a RÓWNANIA KWADRATOWE 1. Wprowadzenie do równań kwadratowych 2. Proste równania kwadratowe Równanie kwadratowe typu: RÓWNANIA KWADRATOWE 1. Wprowadzenie do równań kwadratowych Przed rozpoczęciem nauki o równaniach kwadratowych, warto dobrze opanować rozwiązywanie zwykłych równań liniowych. W równaniach liniowych niewiadoma

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

PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI

PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 5 PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI 5.2. Ćwiczenia komputerowe

Bardziej szczegółowo

Rozdział 8 PROGRAMOWANIE SIECIOWE

Rozdział 8 PROGRAMOWANIE SIECIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 8 PROGRAMOWANIE SIECIOWE 8.2. Ćwiczenia komputerowe Ćwiczenie 8.1 Wykorzystując

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

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

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

2. Układy równań liniowych

2. Układy równań liniowych 2. Układy równań liniowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 2. Układy równań liniowych zima 2017/2018 1 /

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

UKŁADY RÓWNAŃ LINIOWYCH

UKŁADY RÓWNAŃ LINIOWYCH Wykłady z matematyki inżynierskiej JJ, 08 DEFINICJA Układ m równań liniowych z n niewiadomymi to: ( ) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 +

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

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

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

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

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

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

FUNKCJA LINIOWA - WYKRES

FUNKCJA LINIOWA - WYKRES FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości

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

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

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

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej szczegółowo

(Dantzig G. B. (1963))

(Dantzig G. B. (1963)) (Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku

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

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

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

Instrukcja obsługi programu SWWS autorstwa Michała Krzemińskiego

Instrukcja obsługi programu SWWS autorstwa Michała Krzemińskiego Instrukcja obsługi programu SWWS autorstwa Michała Krzemińskiego Krótkie informacje o programie można znaleźć zarówno w pliku readme.txt zamieszczonym w podkatalogu DANE jak i w zakładce O programie znajdującej

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

Pendolinem z równaniami, nierównościami i układami

Pendolinem z równaniami, nierównościami i układami Pendolinem z równaniami, nierównościami i układami 1. Równaniem nazywamy równość dwóch wyrażeń algebraicznych. Równaniami z jedną niewiadomą są, np. równania: 2 x+3=5 x 2 =4 2x=4 9=17 x 3 2t +3=5t 7 Równaniami

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

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

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

Microsoft EXCEL SOLVER

Microsoft EXCEL SOLVER Microsoft EXCEL SOLVER 1. Programowanie liniowe z wykorzystaniem dodatku Microsoft Excel Solver Cele Po ukończeniu tego laboratorium słuchacze potrafią korzystając z dodatku Solver: formułować funkcję

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1

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

Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE

Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE Wymagania edukacyjne matematyka klasa 1 zakres podstawowy 1. LICZBY RZECZYWISTE podaje przykłady liczb: naturalnych, całkowitych, wymiernych, niewymiernych, pierwszych i złożonych oraz przyporządkowuje

Bardziej szczegółowo

Wymagania edukacyjne z matematyki klasa II technikum

Wymagania edukacyjne z matematyki klasa II technikum Wymagania edukacyjne z matematyki klasa II technikum Poziom rozszerzony Obowiązują wymagania z zakresu podstawowego oraz dodatkowo: 1. JĘZYK MATEMATYKI I FUNKCJE LICZBOWE Uczeń otrzymuje ocenę dopuszczającą

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

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

Układy równań liniowych i metody ich rozwiązywania

Układy równań liniowych i metody ich rozwiązywania Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +

Bardziej szczegółowo

Przykład 2 układ o rozwiązaniu z parametrami. Rozwiążemy następujący układ równań:

Przykład 2 układ o rozwiązaniu z parametrami. Rozwiążemy następujący układ równań: Przykład 2 układ o rozwiązaniu z parametrami Rozwiążemy następujący układ równań: Po zapisaniu układu w postaci macierzy rozszerzonej będziemy dążyć do uzyskania macierzy jednostkowej po lewej stronie

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 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

WYMAGANIA EDUKACYJNE Z MATEMATYKI dla klasy I ba Rok szk. 2012/2013

WYMAGANIA EDUKACYJNE Z MATEMATYKI dla klasy I ba Rok szk. 2012/2013 Dział LICZBY RZECZYWISTE Uczeń otrzymuje ocenę dopuszczającą lub dostateczną, jeśli: podaje przykłady liczb: naturalnych, całkowitych, wymiernych, niewymiernych, pierwszych i złożonych oraz przyporządkowuje

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

Wymagania edukacyjne z matematyki dla klasy VII

Wymagania edukacyjne z matematyki dla klasy VII Wymagania edukacyjne z matematyki dla klasy VII Szkoły Podstawowej nr 100 w Krakowie Na podstawie programu Matematyka z plusem Na ocenę dopuszczającą Uczeń: rozumie rozszerzenie osi liczbowej na liczby

Bardziej szczegółowo

Programowanie dynamiczne. Tadeusz Trzaskalik

Programowanie dynamiczne. Tadeusz Trzaskalik Programowanie dynamiczne Tadeusz Trzaskalik 9.. Wprowadzenie Słowa kluczowe Wieloetapowe procesy decyzyjne Zmienne stanu Zmienne decyzyjne Funkcje przejścia Korzyści (straty etapowe) Funkcja kryterium

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo

O MACIERZACH I UKŁADACH RÓWNAŃ

O MACIERZACH I UKŁADACH RÓWNAŃ O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a

Bardziej szczegółowo

Wymagania edukacyjne z matematyki

Wymagania edukacyjne z matematyki Wymagania edukacyjne z matematyki Liceum Ogólnokształcące Klasa I Poniżej przedstawiony został podział wymagań edukacyjnych na poszczególne oceny. Wiedza i umiejętności konieczne do opanowania (K) to zagadnienia,

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

Zagadnienie transportowe

Zagadnienie transportowe 9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT).

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT). KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT). Przez klasyczne zagadnienie transportowe rozumiemy problem znajdowania najtańszego programu przewozowego jednorodnego dobra pomiędzy punktami nadania (m liczba

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE - matematyka - poziom rozszerzony Dariusz Drabczyk

WYMAGANIA EDUKACYJNE - matematyka - poziom rozszerzony Dariusz Drabczyk WYMAGANIA EDUKACYJNE - matematyka - poziom rozszerzony Dariusz Drabczyk str 1 Klasa 1d: wpisy oznaczone jako: LICZBY RZECZYWISTE, JĘZYK MATEMATYKI, FUNKCJA LINIOWA, (F) FUNKCJE, FUNKCJA KWADRATOWA. Przypisanie

Bardziej szczegółowo

Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej

Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej Ocenę dopuszczającą otrzymuje uczeń, który: rozumie rozszerzenie osi liczbowej na liczby ujemne umie porównywać liczby wymierne,

Bardziej szczegółowo

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych

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

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

WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA I GIMNAZJUM Małgorzata Janik

WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA I GIMNAZJUM Małgorzata Janik WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA I GIMNAZJUM Małgorzata Janik DOPUSZCZAJĄCY DOSTATECZNY DOBRY BARDZO DOBRY LICZBY I DZIAŁANIA zna pojęcie liczby naturalnej, całkowitej, wymiernej. rozumie rozszerzenie

Bardziej szczegółowo

MATeMAtyka 1. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Klasa pierwsza

MATeMAtyka 1. Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych. Zakres podstawowy i rozszerzony Klasa pierwsza MATeMAtyka 1 Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych Zakres podstawowy i rozszerzony Klasa pierwsza Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe

Bardziej szczegółowo

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu

Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych

Bardziej szczegółowo

3. Wykład Układy równań liniowych.

3. Wykład Układy równań liniowych. 31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +

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

Instrukcja użytkowa programu INTERNET LAB-BIT

Instrukcja użytkowa programu INTERNET LAB-BIT Instrukcja użytkowa programu INTERNET LAB-BIT 1. Co to jest program INTERNET LAB-BIT i dla kogo jest przeznaczony? Program INTERNET LAB-BIT jest to program umożliwiający zdalne przeglądanie danych z laboratoriów

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