Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2

Wielkość: px
Rozpocząć pokaz od strony:

Download "Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2"

Transkrypt

1 Document: Exercise*02*-*manual /11/ :31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z optymalizacji elementów konstrukcji Programowanie liniowe 1. CEL ĆWICZENIA Celem ćwiczenia jest zapoznanie studentów z problematyką zadań programowania liniowego. Przedstawione zostaną wybrane metody poszukiwania optimum w tej klasie zagadnień. Do rozwiązania przykładowego problemu wykorzystany będzie algorytm SIMPLEX. 2. PODSTAWY TEORETYCZNE Zadaniem programowania liniowego(ang. linear programming w skrócie LP) nazywamy zadanie optymalizacyjne, w którym zarówno funkcja celu, jak i wszystkie ograniczenia są funkcjami liniowymi zmiennych decyzyjnych. Zakładając, że rozpatrywany problem jest zagadnieniem n-wymiarowym x={x 1,x 2,...,x n } funkcjacelutegotypuzadaniamożebyćzatemzapisana w postaci minf(x)=c x 1 x 1 +c 2 x c n x n n = c i x i =c x i=1 (1) gdzieposzczególnec i,i=1...,nsąwagamizmiennychdecyzyjnychwfunkcjiceluitworząkolumnowywektorc={c 1 c 2... c n }. strona1z8

2 Document: Exercise*02*-*manual /11/ :31---page2of8 Podobniejakfunkcjacelu,takikażdezograniczeńzadaniaLPdasię zapisaćwpostacikombinacjiwyrażeńtypua i x i.funkcjeograniczeńg(x przyjmują zatem postać g j (x): a j1 x 1 +a j2 x 2 +a j3 x a jn x n b j n a ji x i b j (2) i=1 gdzie j jest numerem porządkowym ograniczenia. Podobnie jak funkcja celu komplet nałożonych ograniczeń nierównościowych daje się to sprowadzić do zapisu macierzowego A x b (3) W standardowym sformułowaniu zagadnienia przyjmuje się, że każda ze zmiennychdecyzyjnychjestnieujemnax i 0,i=1,...,n. Dziedziną rozwiązań każdego zadania programowania liniowego w rozważanej przestrzeni n-wymiarowej jest wielościan wypukły(zwany także simpleksem). Można bowiem wskazać, że każde z wprowadzonych ograniczeń g j (x)odcinapółprzestrzeńpewnąhiperpłaszczyznąg j (x)=0.interpretacja tego faktu jest bardzo łatwa w przypadku zadań dwu-wymiarowych. Pełna płaszczyznazmiennychdopuszczalnych(x 1,x 2 )jestrozcinanaprostą-ograniczeniemg j (x 1,x 2 )=0ijednazpowstałychwtensposóbpółpłaszczyzn jest odrzucana. Kolejne ograniczenia/proste odrzucają następne fragmenty płaszczyzny. Utworzony w ten sposób zbiór rozwiązań dopuszczalnych (dziedzina) jest wielokątem wypukłym. Omawiane zadanie programowania liniowego(lp) należy tym samym do szerszej klasy zagadnień, a mianowicie do kategorii programowania wypukłego. Szczególnie istotną cechą zadań programowania wypukłego są własności jakieposiadarozwiązaniex takiegozadania.obowiązujebowiemtwierdzenie jeślifunkcjaliniowaf(x)maekstremumwarunkowewzbiorzewypukłymokreślonymukłademnierównościa x b,toleżyonowwierzchołku wielościanu będącego dziedziną rozwiązania tego zadania. Jednocześnie rozwiązanie to jest ekstremum globalnym. A zatem poszukiwanie rozwiązania zadania programowania wypukłego (a tym samym i liniowego) można ograniczyć do punktów będących narożnikami zbioru rozwiązań dopuszczalnych. Ten sposób postępowania jest efektywny jednak tylko dla stosunkowo mało złożonych problemów. Można strona2z8

3 Document: Exercise*02*-*manual /11/ :31---page3of8 bowiem wykazać, że dziedzina zadania n-wymiarowego, w którym występuje n! m ograniczeń nierównościowych ma narożników.stądteżdorozwiązywania bardziej złożonych problemów, poza wspomnianą wcześniej metodą m!(n m)! rozwiązań bazowych polegającą na systematycznym przeglądzie narożników, stosuje się najczęściej jeden z poniższych sposobów: metoda Gaussa-Jordana, dekompozycja LU(działa dla macierzy kwadratowych), metoda SIMPLEX. Algorytm SIMPLEX Algorytm SIMPLEX jest metodą iteracyjną, polegającą na wyznaczaniu kolejnych rozwiązań dopuszczalnych zadania spośród punktów narożnych dziedziny. Wybór kolejnych rozwiązań jest prowadzony w ten sposób, aby uzyskać możliwie największą, możliwą w danym kroku i pożądaną zmianę wartości funkcji celu. Jeśli na danym etapie rozwiązania zadania nie można wykonać kroku poprawiającego wartość funkcji celu, to aktualnie wybrany wierzchołek jest rozwiązaniem optymalnym. Rozwiązanie zadania LP metodą SIMPLEX wymaga sprowadzenia zagadnienia(3) do tzw. postaci kanonicznej oraz A x=b (4) x 0 i b 0 (5) Zapisanie zagadnienia w postaci kananonicznej może wymagać pewnych modyfikacji w stosunku do pierwotnego sformułowania(3). W szczególności dotyczytoograniczeńtypu n i=1 a i x i b,któremożnasprowadzićdopostaci kanonicznej poprzez dodanie do pierwotnej nierówności tzw. zmiennej dopełniającejx n+1.otrzymujesięwtedyrówność n i=1 a i x i +x n+1 =b.podobnie ograniczenietypu a i x i bmożnazapisaćwżądanejpostacipoprzez uzupełnienienierównościotzw.zmiennąnadmiarową n i=1 a i x i x n+1 =b. Wprowadzone zmienne nadmiarowe i zmienne dopełniające tworzą wektor zmiennych bazowych(zmienne bazy), pozostałe zmienne decyzyjne stanowią wektor tzw. zmiennych swobodnych strona3z8

4 Document: Exercise*02*-*manual /11/ :31---page4of8 Sposób rozwiązania LP za pomocą algorytmu SIMPLEX sprowadza się do kilkukrotnego wykonania poniższej sekwencji: (a) ustalenie dowolnego, bazowego rozwiązania dopuszczalnego, (b) ustalenie, którą ze zmiennych spośród zmiennych swobodnych należy do bazy wprowadzić, (c) ustalenie, którą zmienną z bazy należy usunąć. Szczegóły postępowania zostaną wyjaśnione w poniższym przykładzie. Przykład 1 Wyznaczyć maximum funkcji f(x 1,x 2,x 3 )=5x 1 +4x 2 +3x 3 (6) wobec ograniczeń 2x 1 +3x 2 +x 3 5 4x 1 +x 2 +2x x 1 +4x 2 +2x 3 8 x 1,x 2,x 3 0 Zapis w postaci kanonicznej: 2x 1 +3x 2 +x 3 +x 4 =5 4x 1 +x 2 +2x 3 +x 5 =11 3x 1 +4x 2 +2x 3 +x 6 =8 x 1,x 2,x 3,x 4,x 5,x 6 0 wymagawprowadzeniazmiennychdopełniającychx 4,x 5,x 6.Typujemybazowe rozwiązanie dopuszczalne(ad pkt.(a)) przyjmując tymczasowo, że zmiennymi bazy są wprowadzone zmienne dopełniające. Zmienne oryginalnego zadania są na tym etapie rozwiązania problemu zmiennymi swobodnymi i tymczasowo przyjmują wartość 0. Wobec powyższego tymczasowa wartość funkcji celu wynosi 0, zaś wprowadzone zmienne dopełniające przyjmą wartości prawej strony ograniczeń. Można zatem utworzyć 1-sze tzw. tableau x 4 = 5 2x 1 3x 2 x 3 0 x 1 5 /2 x 5 =11 4x 1 x 2 2x 3 0 x 1 11 /4 x 6 = 8 3x 1 4x 2 2x 3 0 x 1 8 /3 (7) (8) f(x 1,x 2,x 3 ) = 5x 1 +4x 2 +3x 3 strona4z8

5 Document: Exercise*02*-*manual /11/ :31---page5of8 Namocywarunku(5)każdazezmiennychbazowychx 4,...,x 6 musibyć nieujemna. Przystępujemy do wytypowania zmiennej wchodzącej do bazy(ad pkt. (b)).spośródzmiennychswobodnychx 1,x 2,x 3 wybieramytę,któradaje największą możliwą poprawę wartości funkcji celu. W rozważanym zadaniu poszukiwane jest maksimum f(x)), a zatem zmienną, która da największy wzrostf(x)jestx 1 zuwaginanajwiększąwartośćmnożnika(liczba5). Aby ustalić zmienną wychodzącą z bazy(ad pkt.(c)) badamy ograniczenianałożonenazmiennąwchodzącąx 1,jakiewynikajązfaktu,żewszystkie zmiennex,wtymtakżezmiennebazysąnieujemne patrz(5).przykładowo1wiersztableaustanowi,żex 4 0gdziex 4 =5 2x 1 3x 2 x 3 ; azatempowprowadzeniux 1 dobazyipamiętając,żex 2 ix 3 jakozmienne swobodnesą0,dostajemywarunek5 2x 1 0 x 1 5 /2.Następnie sprawdzamy w ten sposób każdą zmienną aktualnej bazy(pozostałe 2 nierówności w tableau). Jako zmienną wychodzącą z bazy wybieramy tę, która daje najbardziej restrykcyjny warunek nakładany na wprowadzaną zmienną. Spośród trzech nierówności najsilniejsze ograniczenie wprowadza pierwszywiersztableau;tymsamymzmiennąwchodzącądobazyjestx 4. Przekształcając pierwszy wiersza uzyskuje się: x 1 = x x x 4 (9) Równanie ro stanowi pierwszy nowego tableau Otrzymane wyrażenie(9) wstawiamy do pozostałych ograniczeń oraz do funkcji celu; powstaje w ten sposób drugie tableau x 1 = 5 2 3x 2 2 1x 2 3 1x x 5 =11 4 ( 5 2 3x 2 2 1x 2 3 1x ) 2 4 x2 2x 3 0 x 6 = 8 3 ( 5 2 3x x x ) 2 4 4x2 2x 3 0 f(x 2,x 3,x 4 ) = 5 ( 5 2 3x 2 2 1x 2 3 1x 2 4) +4x2 +3x 3 Po wykonaniu przekształceń i uporządkowaniu otrzymujemy ostateczną postać drugiego tableau strona5z8

6 Document: Exercise*02*-*manual /11/ :31---page6of8 x 1 = 5 2 3x 2 2 1x 3 3 1x x 3 5 x 5 = 1+5x 2 +2x 4 0 bezogr. x 6 = x x x 4 f(x 2,x 3,x 4 ) = x x 3 3 5x x 3 1 W nowym tableau zmienną wchodzącą do bazy(najbardziej poprawiającąwartośćfunkcjicelu)jestx 3.Sprawdzającograniczenianałożonena zmiennąwchodzącąznajdujemyzmiennąwychodzącązbazy jesttox 6. x 3 =1+x 2 +3x 4 2x 6 (10) Postępując jak poprzednio zapisujemy trzecie tableau: x 3 =1+ x 2 +3x 4 2x 6 0 x 1 =2 2x 2 2x 4 +x 6 0 x 5 =1+5x 2 +2x 4 0 f(x 2,x 4,x 6 ) =13 3x 2 x 4 x 6 Dalsza poprawa rozwiązania nie jest możliwa, bo wszystkie współczynniki wyrażeniafunkcjiceluf(x 2,x 4,x 6 )sąujemne.azatemzmiennymiswobodnymizadaniasązmiennex 2,x 4 ix 6 iprzyjmująonewartośćzero;zaś wartościzmiennychbazywynosząx 3 =1,x 1 =2ix 5 =1. Stądrozwiązaniemzadaniapierwotnegof(x 1,x 2,x 3 )sąwartościx 1 =2, x 2 =0ix 3 =1,amax.funkcjiceluwynosi PRZEBIEG ĆWICZENIA Prowadzący zajęcia przydzieli każdemu zespołowi laboratoryjnemu zadnie do rozwiązania. Będzie to zadanie optymalizacji jednokryterialnej w dziedzinie wielowymiarowej. Studenci rozwiązują zadanie korzystając z oprogramowania Linear Programming Solver. W toku rozwiązywania problemy należy postępować według poniższej kolejności Ustalić zmienne decyzyjne zadania. Zapisać wzór określający funkcję celu patrz(1). Zapisać komplet zależności ograniczeń zadania patrz(2). Zapisaćzadaniewpostacikanonicznej patrz(4)i(5)oraz(??). strona6z8

7 Document: Exercise*02*-*manual /11/ :31---page7of8 Zapisać pierwsze tableau metody SIMPLEX patrz Przykład 1. Wytypować zmienną wchodzącą do bazy oraz zmienną wychodzącą z bazy. Uruchomić na stanowisku komputerowym oprogramowanie Linear Programming Solver. Z menu głównego wybrać polecenie New Table model. W oknie Model Parameters(patrz Rysunek 1) wprowadzić liczbę zmiennych(ang. Number of variables), liczbę ograniczeń(ang. Number of constraints) oraz liczbę funkcji celu(ang. Number of objectives). Podać także typ zadania maksymalizacja czy minimalizacja funkcji celu. Zatwierdzić wprowadzone dane klawiszem OK. Korzystając z wyprowadzonego sformułowania zadania optymalizacyjnego wypełnić poszczególne komórki tabeli okna LiPS Model patrz Rysunek 2. Po wprowadzeniu wszystkich danych uruchomić obliczenia poleceniem LiPS Solve Model. Zapisać raport z obliczeń na nośniku zewnętrznym. Rysunek 1. Przykładowe okno Model Parameters programu LiPS 4. OPRACOWANIE WYNIKÓW Porównać tableau zapisane samodzielnie i tableau uzyskane z obliczeń; porównać także wytypowane zmienne wchodzące i wychodzące z bazy. strona7z8

8 Document: Exercise*02*-*manual /11/ :31---page8of8 Rysunek 2. Tabela LiPS Model definiująca zadanie programowania liniowego programie LiPS Następnie przeanalizować uzyskany wynik zadania optymalizacyjnego. Sprawdzić, które z ograniczeń zadania są aktywne, a które nie. Odnieść uzyskane wyniki do analizowanej konstrukcji. 5. SPRAWOZDANIE Sprawozdanie z ćwiczenia powinno zawierać: 1. Tabelkę identyfikacyjną. 2. Cel ćwiczenia i schemat analizowanej konstrukcji. 3. Sformułowanie zadania optymalizacji wg.(1)-(2) 4. Sformułowanie kanoniczne zadania optymalizacji(4) z zaznaczeniem zmiennych dopełniających/nadmiarowych. 5. Pierwsze tableu algorytmu SIMPLEX. 6. Wydruk raportu z obliczeń. 7. Omówienie wyników. 8. Wnioski strona8z8

INSTRUKCJA DO ĆWICZENIA NR 1

INSTRUKCJA DO ĆWICZENIA NR 1 L01 ---2014/10/17 ---10:52---page1---#1 KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 1 PRZEDMIOT TEMAT Wybrane zagadnienia z optymalizacji elementów

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

Laboratorium Metod Optymalizacji

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

Bardziej szczegółowo

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

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

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

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

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

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

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

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

. Funkcja ta maleje dla ( ) Zadanie 1 str. 180 b) i c) Zadanie 2 str. 180 a) i b)

. Funkcja ta maleje dla ( ) Zadanie 1 str. 180 b) i c) Zadanie 2 str. 180 a) i b) Lekcja 1 -. Lekcja organizacyjna kontrakt diagnoza i jej omówienie Podręcznik: W. Babiański, L. Chańko, D. Ponczek Matematyka. Zakres podstawowy. Wyd. Nowa Era. Zakres materiału: Funkcje kwadratowe Wielomiany

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

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

Elementy modelowania matematycznego

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

Bardziej szczegółowo

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

Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego

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

Bardziej szczegółowo

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

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

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

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

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

Bardziej szczegółowo

Programowanie matematyczne

Programowanie matematyczne dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Programowanie matematyczne Programowanie matematyczne, to problem optymalizacyjny w postaci: f ( x) max przy warunkach g( x) 0 h( x) = 0 x X

Bardziej szczegółowo

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4 " 5 3$ 7&=0 5$+7&=4

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4  5 3$ 7&=0 5$+7&=4 17. Układ równań 17.1 Co nazywamy układem równań liniowych? Jak zapisać układ w postaci macierzowej (pokazać również na przykładzie) Co to jest rozwiązanie układu? Jaki układ nazywamy jednorodnym, sprzecznym,

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

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

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne

UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne Układy równań liniowych Rozpatruje się układ n równań liniowych zawierających n niewiadomych: a11x1 a12x2... a1nxn b1 a21x1 a22x2... a2nxn b2... an 1x1 an2x2...

Bardziej szczegółowo

Po zapoznaniu się z funkcją liniową możemy przyjśd do badania funkcji kwadratowej.

Po zapoznaniu się z funkcją liniową możemy przyjśd do badania funkcji kwadratowej. Po zapoznaniu się z funkcją liniową możemy przyjśd do badania funkcji kwadratowej. Definicja 1 Jednomianem stopnia drugiego nazywamy funkcję postaci: i a 0. Dziedziną tej funkcji jest zbiór liczb rzeczywistych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rozwiązywanie programów matematycznych

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

Bardziej szczegółowo

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

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych)

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości

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

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

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

Bardziej szczegółowo

WYKŁADY Z MATEMATYKI DLA STUDENTÓW UCZELNI EKONOMICZNYCH

WYKŁADY Z MATEMATYKI DLA STUDENTÓW UCZELNI EKONOMICZNYCH WYKŁADY Z MATEMATYKI DLA STUDENTÓW UCZELNI EKONOMICZNYCH Pod redakcją Anny Piweckiej Staryszak Autorzy poszczególnych rozdziałów Anna Piwecka Staryszak: 2-13; 14.1-14.6; 15.1-15.4; 16.1-16.3; 17.1-17.6;

Bardziej szczegółowo

Badania operacyjne Instrukcja do c wiczen laboratoryjnych Rozwiązywanie problemów programowania liniowego z użyciem MS Excel + Solver

Badania operacyjne Instrukcja do c wiczen laboratoryjnych Rozwiązywanie problemów programowania liniowego z użyciem MS Excel + Solver Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Techniki Morskiej i Transportu Katedra Konstrukcji, Mechaniki i Technologii Okręto w Badania operacyjne Instrukcja do c wiczen laboratoryjnych

Bardziej szczegółowo

FUNKCJE I RÓWNANIA KWADRATOWE. Lekcja 78. Pojęcie i wykres funkcji kwadratowej str

FUNKCJE I RÓWNANIA KWADRATOWE. Lekcja 78. Pojęcie i wykres funkcji kwadratowej str FUNKCJE I RÓWNANIA KWADRATOWE Lekcja 78. Pojęcie i wykres funkcji kwadratowej str. 178-180. Funkcja kwadratowa to taka, której wykresem jest parabola. Definicja Funkcją kwadratową nazywamy funkcje postaci

Bardziej szczegółowo

Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a

Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a Programowanie nieliniowe Badania operacyjne Wykład 3 Metoda Lagrange a Plan wykładu Przykład problemu z nieliniową funkcją celu Sformułowanie problemu programowania matematycznego Podstawowe definicje

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

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=

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

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1

Aproksymacja. funkcji: ,a 2. ,...,a m. - są funkcjami bazowymi m+1 wymiarowej podprzestrzeni liniowej X m+1 Założenie: f(x) funkcja którą aproksymujemy X jest przestrzenią liniową Aproksymacja liniowa funkcji f(x) polega na wyznaczeniu współczynników a 0,a 1,a 2,...,a m funkcji: Gdzie: - są funkcjami bazowymi

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 GOSPODARKI ELEKTROENERGETYCZNEJ INSTRUKCJA DO ĆWICZENIA 5 Planowanie

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

Optymalizacja systemów

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

Excel - użycie dodatku Solver

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

Bardziej szczegółowo

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

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

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału Problem przydziału Przykład Firma KARMA zamierza w okresie letnim przeprowadzić konserwację swoich urządzeń; mieszalników,

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

III TUTORIAL Z METOD OBLICZENIOWYCH

III TUTORIAL Z METOD OBLICZENIOWYCH III TUTORIAL Z METOD OBLICZENIOWYCH ALGORYTMY ROZWIĄZYWANIA UKŁADÓW RÓWNAŃ LINIOWYCH Opracowanie: Agata Smokowska Marcin Zmuda Trzebiatowski Koło Naukowe Mechaniki Budowli KOMBO Spis treści: 1. Wstęp do

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie

Bardziej szczegółowo

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne.

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Definicja. Niech a i b będą dodatnimi liczbami rzeczywistymi i niech a. Logarytmem liczby b przy podstawie

Bardziej szczegółowo

Scenariusz lekcji diagnozującej z matematyki przygotowującej do sprawdzianu z funkcji kwadratowej

Scenariusz lekcji diagnozującej z matematyki przygotowującej do sprawdzianu z funkcji kwadratowej Scenariusz lekcji diagnozującej z matematyki przygotowującej do sprawdzianu z funkcji kwadratowej Temat : Powtórzenie i utrwalenie wiadomości z funkcji kwadratowej Czas trwania : 90 min. Środki dydaktyczne:

Bardziej szczegółowo

Geometria analityczna

Geometria analityczna Geometria analityczna Paweł Mleczko Teoria Informacja (o prostej). postać ogólna prostej: Ax + By + C = 0, A + B 0, postać kanoniczna (kierunkowa) prostej: y = ax + b. Współczynnik a nazywamy współczynnikiem

Bardziej szczegółowo

Zapisywanie algorytmów w języku programowania

Zapisywanie algorytmów w języku programowania Temat C5 Zapisywanie algorytmów w języku programowania Cele edukacyjne Zrozumienie, na czym polega programowanie. Poznanie sposobu zapisu algorytmu w postaci programu komputerowego. Zrozumienie, na czym

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Modele liniowe.......................... 5 1.1.

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium Zadanie nr 3 Osada autor: A Gonczarek Celem poniższego zadania jest zrealizowanie fragmentu komputerowego przeciwnika w grze strategiczno-ekonomicznej

Bardziej szczegółowo

1 Programowanie całkowitoliczbowe PLC

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

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 2

INSTRUKCJA DO ĆWICZENIA NR 2 KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 PRZEDMIOT TEMAT OPRACOWAŁ MECHANIKA UKŁADÓW MECHANCZNYCH Modelowanie fizyczne układu o jednym stopniu

Bardziej szczegółowo

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW

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

Bardziej szczegółowo

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

Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje

Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

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

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu:

Funkcja jednej zmiennej - przykładowe rozwiązania 1. Badając przebieg zmienności funkcji postępujemy według poniższego schematu: Funkcja jednej zmiennej - przykładowe rozwiązania Zadanie 4 c) Badając przebieg zmienności funkcji postępujemy według poniższego schematu:. Analiza funkcji: (a) Wyznaczenie dziedziny funkcji (b) Obliczenie

Bardziej szczegółowo

Klasyczne zagadnienie przydziału

Klasyczne zagadnienie przydziału Klasyczne zagadnienie przydziału Można wyodrębnić kilka grup problemów, w których zadaniem jest odpowiednie rozmieszczenie posiadanych zasobów. Najprostszy problem tej grupy nazywamy klasycznym zagadnieniem

Bardziej szczegółowo

Skrypt 12. Funkcja kwadratowa:

Skrypt 12. Funkcja kwadratowa: Projekt Innowacyjny program nauczania matematyki dla liceów ogólnokształcących współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Skrypt 12 Funkcja kwadratowa: 8.

Bardziej szczegółowo

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe

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

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne Temat ćwiczenia: Komputerowe wspomaganie rozwiązywania zadań programowania nieliniowego Zachodniopomorski Uniwersytet Technologiczny

Bardziej szczegółowo

PLAN WYNIKOWY (zakres podstawowy) klasa 2. rok szkolny 2015/2016

PLAN WYNIKOWY (zakres podstawowy) klasa 2. rok szkolny 2015/2016 PLAN WYNIKOWY (zakres podstawowy) klasa 2. rok szkolny 2015/2016 Wymagania wykraczające zawierają w sobie wymagania dopełniające, te zaś zawierają wymagania podstawowe. Ocenę dopuszczającą powinien otrzymać

Bardziej szczegółowo

Analiza danych przy uz yciu Solvera

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

Bardziej szczegółowo

Dział I FUNKCJE I ICH WŁASNOŚCI

Dział I FUNKCJE I ICH WŁASNOŚCI MATEMATYKA ZAKRES PODSTAWOWY Rok szkolny 01/013 Klasa: II Nauczyciel: Mirosław Kołomyjski Dział I FUNKCJE I ICH WŁASNOŚCI Lp. Zagadnienie Osiągnięcia ucznia. 1. Podstawowe własności funkcji.. Podaje określenie

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz

Bardziej szczegółowo

Opis modułu kształcenia Programowanie liniowe

Opis modułu kształcenia Programowanie liniowe Opis modułu kształcenia Programowanie liniowe Nazwa podyplomowych Nazwa obszaru kształcenia, w zakresie którego są prowadzone studia podyplomowe Nazwa kierunku, z którym jest związany zakres podyplomowych

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )

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

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

Informatyka II stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Informatyka II stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES) KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Badania Operacyjne w Informatyce Operations Research in Computer Science

Bardziej szczegółowo

Z-ZIP2-303z Zagadnienia optymalizacji Problems of optimization

Z-ZIP2-303z Zagadnienia optymalizacji Problems of optimization KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 0/03 Z-ZIP-303z Zagadnienia optymalizacji Problems of optimization A. USYTUOWANIE

Bardziej szczegółowo

OPTYMALIZACJA DYSKRETNA

OPTYMALIZACJA DYSKRETNA Temat nr a: odelowanie problemów decyzyjnych, c.d. OPTYALIZACJA DYSKRETA Zagadnienia decyzyjne, w których chociaż jedna zmienna decyzyjna przyjmuje wartości dyskretne (całkowitoliczbowe), nazywamy dyskretnymi

Bardziej szczegółowo

Optymalizacja konstrukcji

Optymalizacja konstrukcji Optymalizacja konstrukcji Kształtowanie konstrukcyjne: nadanie właściwych cech konstrukcyjnych przeszłej maszynie określenie z jakiego punktu widzenia (wg jakiego kryterium oceny) będą oceniane alternatywne

Bardziej szczegółowo

Sposoby przedstawiania algorytmów

Sposoby przedstawiania algorytmów Temat 1. Sposoby przedstawiania algorytmów Realizacja podstawy programowej 5. 1) wyjaśnia pojęcie algorytmu, podaje odpowiednie przykłady algorytmów rozwiązywania różnych problemów; 2) formułuje ścisły

Bardziej szczegółowo

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB IV ZBIORY PRZYBLIŻONE I ODKRYWANIE REGUŁ DECYZYJNYCH

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB IV ZBIORY PRZYBLIŻONE I ODKRYWANIE REGUŁ DECYZYJNYCH WSOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB IV ZBIORY RZYBLIŻONE I ODKRYWANIE REGUŁ DECYZYJNYCH 1. Definicje Zbiory, które nie są zbiorami definiowalnymi, są nazywane zbiorami przybliżonymi. Zbiory definiowalne

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 1 (Materiały)

Badania Operacyjne Ćwiczenia nr 1 (Materiały) Wprowadzenie Badania operacyjne (BO) to stosunkowo młoda dyscyplina naukowa, która powstała w czasie II Wojny Światowej, w związku z utworzeniem przy niektórych sztabach sił zbrojnych specjalnych grup

Bardziej szczegółowo

Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np.

Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np. Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona f(x 0, f ( f, f,..., f n gdzie 2 x ( x, x 2,..., x n dla n2 np. f ( x, y 0 g( x, y 0 dla każdej wielowymiarowej rozwinięcie w szereg Taylora

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

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

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 4

INSTRUKCJA DO ĆWICZENIA NR 4 KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 4 PRZEDMIOT TEMAT Wybrane zagadnienia z optymalizacji elementów konstrukcji Zastosowanie optymalizacji

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

Układy równań. Kinga Kolczyńska - Przybycień 22 marca Układ dwóch równań liniowych z dwiema niewiadomymi

Układy równań. Kinga Kolczyńska - Przybycień 22 marca Układ dwóch równań liniowych z dwiema niewiadomymi Układy równań Kinga Kolczyńska - Przybycień 22 marca 2014 1 Układ dwóch równań liniowych z dwiema niewiadomymi 1.1 Pojęcie układu i rozwiązania układu Układem dwóch równań liniowych z dwiema niewiadomymi

Bardziej szczegółowo

Scenariusz lekcji 1. Informacje wst pne: 2. Program nauczania: 3. Temat zaj 4. Integracja: 5. Cele lekcji: Ucze potrafi:

Scenariusz lekcji 1. Informacje wst pne: 2. Program nauczania: 3. Temat zaj 4. Integracja: 5. Cele lekcji: Ucze potrafi: Scenariusz lekcji 1. Informacje wstępne: Data: 25 września 2012r. Klasa: II a 2 liceum (profil bezpieczeństwo wewnętrzne); Czas trwania zajęć: 45 minut; Nauczany przedmiot: matematyka. 2. Program nauczania:

Bardziej szczegółowo

Egzamin ustny z matematyki semestr II Zakres wymaganych wiadomości i umiejętności

Egzamin ustny z matematyki semestr II Zakres wymaganych wiadomości i umiejętności Egzamin ustny z matematyki semestr II Zakres wymaganych wiadomości i umiejętności I. Pojęcie funkcji definicja różne sposoby opisu funkcji określenie dziedziny, zbioru wartości, miejsc zerowych. Należy

Bardziej szczegółowo

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych klasa druga zakres rozszerzony

Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych klasa druga zakres rozszerzony Przedmiotowy system oceniania wraz z określeniem wymagań edukacyjnych klasa druga zakres rozszerzony Wymagania konieczne (K) dotyczą zagadnień elementarnych, stanowiących swego rodzaju podstawę, zatem

Bardziej szczegółowo

KLASA II TECHNIKUM POZIOM PODSTAWOWY PROPOZYCJA POZIOMÓW WYMAGAŃ

KLASA II TECHNIKUM POZIOM PODSTAWOWY PROPOZYCJA POZIOMÓW WYMAGAŃ KLASA II TECHNIKUM POZIOM PODSTAWOWY PROPOZYCJA POZIOMÓW WYMAGAŃ Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i wykraczające (W).

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY. (zakres podstawowy) klasa 2

WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY. (zakres podstawowy) klasa 2 WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY (zakres podstawowy) klasa 2 1. Funkcja liniowa Tematyka zajęć: Proporcjonalność prosta Funkcja liniowa. Wykres funkcji liniowej Miejsce zerowe funkcji liniowej.

Bardziej szczegółowo

METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH

METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH Jednym z zastosowań metod numerycznych jest wyznaczenie pierwiastka lub pierwiastków równania nieliniowego. W tym celu stosuje się szereg metod obliczeniowych np:

Bardziej szczegółowo