PROGRAMOWANIE CAŁKOWITOLICZBOWE

Wielkość: px
Rozpocząć pokaz od strony:

Download "PROGRAMOWANIE CAŁKOWITOLICZBOWE"

Transkrypt

1 PROGRAMOWANIE CAŁKOWITOLICZBOWE

2 METODA PODZIAŁU I OGRANICZEŃ

3 Przykład 6. Metoda podziału i ograniczeń Rozwiązać zadanie z Przykładu 1. metodą podziału i ograniczeń, przy czym wielkość produkcji wyrobu W 2 musi być określona liczbą całkowitą. 3

4 Model matematyczny: FC: x1 x2 x1 x2 Z(, ) = MAX O: WB: 9x + 7x 63 ⓿ 1 2 ❶ x1+ x2 8 3x + 2x 6 ❷ 1 2 x 0, x x2 C 4

5 Szukamy rozwiązania nie uwzględniając warunku całoliczbowości (patrz: metoda geometryczna lub simplex) Zadanie 1. Z( x, x ) = 6x + 5x MAX x + 7x 63 ⓿ 1 2 ❶ x1+ x2 8 3x + 2x 6 ❷ 1 2 x 0, x x = 3.5 x = 4.5 Z( x, x ) = 43.5 Rozwiązanie:

6 Zadanie umieszczamy na liście zadań: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone Nie 6

7 Zmienna x 2 nie spełnia nałożonego na nią w zadaniu głównym warunku x 2 C. Dokonujemy podziału: Otrzymujemy dwa przedziały: x2 [0,4] x2 [5, ) x2 4 x2 5 7

8 Na podstawie otrzymanych przedziałów budujemy dwa zadania: Zadanie 2. Zadanie 3. Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x 0, x x2 4 Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x 0, x x2 5 8

9 Numery zadań umieszczamy na liście zadań: Metoda podziału i ograniczeń Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone Nie 2 3 9

10 10

11 Dla Zadania 2: Maksimum w punkcie: Wartość funkcji celu: 35 C(,4) Z(,4) = Dla Zadania 3: Maksimum w punkcie: Wartość funkcji celu: G(3,5) Z(3,5) = 43 11

12 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone Nie Tak 3 43 Tak 12

13 Porządkowanie listy zadań Z listy usuwamy: Zadanie 1. - bo zostało już podzielone Zadanie 3. spełnione są wszystkie warunki całkowitoliczbowości, ale ma mniejszą wartość funkcji celu niż Zadanie 2. 13

14 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone Tak Na liście pozostało tylko jedno zadanie. Ponieważ spełnia ono wszystkie warunki całkowitoliczbowości, to jego rozwiązanie jest rozwiązaniem optymalnym zadania pierwotnego. 14

15 Przykład 7. Metoda podziału i ograniczeń Rozwiązać zadanie z Przykładu 1. metodą podziału i ograniczeń, przy czym wielkość produkcji obydwóch wyrobów musi być określona liczbą całkowitą. 15

16 Model matematyczny: FC: x1 x2 x1 x2 Z(, ) = MAX O: WB: 9x + 7x x1+ x2 8 3x + 2x x 0, x x C, x C

17 Szukamy rozwiązania nie uwzględniając warunku całkowitoliczbowości Zadanie 1. Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x 0, x x = 3.5 x = 4.5 Z( x, x ) = 43.5 Rozwiązanie:

18 Zadanie umieszczamy na liście zadań: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone Nie 18

19 Ponieważ obydwie zmienne nie spełniają warunków całkowitoliczbowości wybieramy, względem której z nich dokonamy podziału. Dokonujemy podziału względem x 1 : Otrzymujemy dwa przedziały: x1 3 x1 4 19

20 Na podstawie otrzymanych przedziałów budujemy dwa zadania: Zadanie 2. Zadanie 3. Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x 0, x x1 3 Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x 0, x x1 4 20

21 Rozwiązanie Zadania 2: x = 3 x = 5 Z( x, x ) = Rozwiązanie Zadania 3: x = 4 x = 3.8 Z( x, x ) =

22 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone Nie Tak Nie 22

23 Porządkowanie listy zadań Z listy usuwamy: Zadanie 1. - bo zostało już podzielone Na liście pozostaje: Zadanie 2. spełnia wszystkie warunki całkowitoliczbowości Zadanie 3. nie spełnia warunków całkowitoliczbowości, ale ma większą wartość funkcji celu niż Zadanie 2. 23

24 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone 2 43 Tak Nie Zadanie 3. musi zostać podzielone 24

25 Rozwiązanie Zadania 3: x = 4 x = Ponieważ zmienna x 2 nie spełnia warunków całkowitoliczbowości, dokonujemy podziału ze względu na tą zmienną. x 2 = 3.8 x2 3 x2 4 25

26 Na podstawie otrzymanych przedziałów budujemy dwa zadania: Zadanie 4. Zadanie 5. Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x1 4 x2 3 Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x1 4 x2 4 x 0, x x 0, x

27 Rozwiązanie Zadania 4: x = x = 3 Z( x, x ) = Rozwiązanie Zadania 5: Zadanie jest sprzeczne 27

28 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone 2 43 Tak Nie Nie 5 Zadanie sprzeczne 28

29 Porządkowanie listy zadań Z listy usuwamy: Zadanie 3. - bo zostało już podzielone Zadanie 5. - bo jest sprzeczne Na liście pozostaje: Zadanie 2. spełnia wszystkie warunki całkowitoliczbowości Zadanie 4. nie spełnia warunków całkowitoliczbowości, ale wartość funkcji celu jest taka sama jak w Zadaniu 2. 29

30 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone 2 43 Tak 4 43 Nie Zadanie 4. musi zostać podzielone 30

31 Rozwiązanie Zadania 4: x = x = Ponieważ zmienna x 1 nie spełnia warunków całkowitoliczbowości, dokonujemy podziału ze względu na tą zmienną. x 1 = x1 4 x1 5 31

32 Na podstawie otrzymanych przedziałów budujemy dwa zadania: Zadanie 6. Zadanie 7. Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x1 4 x2 3 x1 4 Z( x, x ) = 6x + 5x MAX x + 7x x1+ x2 8 3x + 2x x1 4 x2 3 x1 5 x 0, x x 0, x

33 Rozwiązanie Zadania 6: x = 4 x = 3 Z( x, x ) = Rozwiązanie Zadania 7: x = 5 x = Z( x, x ) =

34 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone 2 43 Tak 4 43 Nie Tak Nie 34

35 Porządkowanie listy zadań Z listy usuwamy: Zadanie 4. - bo zostało już podzielone Zadanie 6. - warunki całkowitoliczbowości spełnione, ale wartość funkcji celu jest mniejsza niż w Zadaniu 2. Zadanie 7. nie spełnia warunków całkowitoliczbowości, a wartość funkcji celu jest mniejsza niż w Zadaniu 2. 35

36 Lista zadań wygląda teraz tak: Nr zadania Wartość FC Czy spełnione są warunki całkowitoliczbowości Numery zadań, na które zadanie zostało podzielone 2 43 Tak Na liście pozostało tylko jedno zadanie. Ponieważ spełnia ono wszystkie warunki całkowitoliczbowości, to jego rozwiązanie jest rozwiązaniem optymalnym zadania pierwotnego. 36

37 Kiedy zadanie należy usunąć z listy?

38 Kiedy zadanie należy usunąć z listy? W przypadku problemu na MAX, zadanie usuwamy z listy gdy: jest sprzeczne zostało podzielone istnieje zadanie spełniające warunki całkowitoliczbowości, o większej wartości funkcji celu 38

39 Kiedy zadanie należy usunąć z listy? W przypadku problemu na MIN, w ostatnim punkcie wymagane jest, aby funkcja celu miała mniejszą wartość 39

40 Kiedy zadanie należy podzielić?

41 Kiedy zadanie należy podzielić? W przypadku problemu na MAX, zadanie zastaje podzielone gdy: nie spełnia warunków całkowitoliczbowości, ale ma największą wartość funkcji celu spośród zadań znajdujących się na liście W przypadku problemu na MIN, funkcja celu musi mieć wartość najmniejszą 41

42 Dlaczego nie można rozwiązać zadania bez warunków całkowitoliczbowości, a później zaokrąglić wyników?

43 Dlaczego nie można rozwiązać zadania bez warunków całkowitoliczbowości... Przykład 8. Przypomnienie: Dla Przykładu 1. rozwiązaniem był punkt: A(3.5, 4.5) Wartość funkcji celu w tym punkcie wynosiła: Z( x1, x 2) =

44 Dlaczego nie można rozwiązać zadania bez warunków całkowitoliczbowości... Zaokrąglenie obydwu wartości zmiennych: W górę: B(4,5) W dół: C(3,4) 44

45 Dlaczego nie można rozwiązać zadania bez warunków całkowitoliczbowości... 45

46 Dlaczego nie można rozwiązać zadania bez warunków całkowitoliczbowości... Punkt: B(4,5) leży poza zbiorem rozwiązań dopuszczalnych Punkt: C(3,4) leży w zbiorze rozwiązań dopuszczalnych Wartość funkcji celu dla tego punktu: Z( x1, x 2) = 38 Jest to mniejsza wartość FC, niż ta, którą uzyskano w wyniku rozwiązania zadania z warunkami całkowitoliczbowości. 46

47 Zadanie binarne

48 Przykład 9. Zadanie binarne Firma Ziutek Pizza chce otworzyć lokale w pewnym miasteczku. Możliwe lokacje pizzerii oraz dzielnice jakie może obsłużyć dany lokal podane są w tabeli. Sformułować zadanie programowania całkowitoliczbowego, które może zostać wykorzystane do znalezienia najmniejszej liczby pizzerii pokrywających swoim zasięgiem wszystkie dzielnice. 48

49 Zadanie binarne Możliwa lokalizacja pizzerii (ulice) Pola Elizejskie Wall Street Ramblas Dzielnice Wygwizdów, Mannhattan, Narita, Montparnasse Mannhattan, Sikornik, Montparnasse Wygwizdów, Mannhattan, Sikornik, Narita 49

50 Zmienne decyzyjne Zadanie binarne Przyjmują tylko wartości 0 i 1. Nazywane są zmiennymi zerojedynkowymi lub binarnymi 50

51 Zadanie binarne Zmienna x 1 : Opisuje decyzję o ewentualnej lokalizacji pizzerii przy ulicy Pola Elizejskie: x 1 1 jeśli stwierdzona zostanie konieczność lokalizacji przy tej ulicy = 0 jeżeli nie trzeba lokalizować pizzerii przy tej ulicy 51

52 Zadanie binarne Zmienna x 2 : Opisuje decyzję o ewentualnej lokalizacji pizzerii przy ulicy Wall Street: x 2 1 jeśli stwierdzona zostanie konieczność lokalizacji przy tej ulicy = 0 jeżeli nie trzeba lokalizować pizzerii przy tej ulicy 52

53 Zadanie binarne Zmienna x 3 : Opisuje decyzję o ewentualnej lokalizacji pizzerii przy ulicy Ramblas: x 3 1 jeśli stwierdzona zostanie konieczność lokalizacji przy tej ulicy = 0 jeżeli nie trzeba lokalizować pizzerii przy tej ulicy 53

54 Zadanie binarne Funkcja celu: Minimalizujemy ilość pizzerii, czyli sumę wartości zmiennych x 1, x 2, x 3 Z( x, x, x ) = x + x + x MIN

55 Zadanie binarne Ograniczenia: Dla każdej dzielnicy musi istnieć przynajmniej jedna pizzeria, która będzie ją obsługiwać. 55

56 Zadanie binarne Dzielnicę Wygwizdów może obsługiwać pizzeria przy ulicy Pola Elizejskie lub Ramblas: x 1+ x3 1 Dzielnicę Mannhattan może obsługiwać pizzeria przy ulicy Pola Elizejskie, Wall Street lub Ramblas: x1+ x2 + x3 1 Dzielnicę Sikornik może obsługiwać pizzeria przy ulicy Wall Street lub Ramblas: x 2 + x3 1 56

57 Zadanie binarne Dzielnicę Narita może obsługiwać pizzeria przy ulicy Pola Elizejskie lub Ramblas: x 1+ x3 1 Dzielnicę Montparnasse może obsługiwać pizzeria przy ulicy Pola Elizejskie lub Wall Street: x 1+ x2 1 57

58 Zadanie binarne Model matematyczny: Z( x, x, x ) = x + x + x MIN x1+ x x x x x 2 + x3 1 x x 1+ x x { } x, x, x 0,1 58

59 ...a studenci żyli z tą wiedzą długo i szczęśliwie 59

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

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

Bardziej szczegółowo

BADANIA OPERACYJNE 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

PROGRAMOWANIE WIELOKRYTERIALNE (CELOWE)

PROGRAMOWANIE WIELOKRYTERIALNE (CELOWE) PROGRAMOWANIE WIELOKRYTERIALNE (CELOWE) Przykład 14. Zakład zamierza rozpocząć produkcję wyrobów W 1 i W 2. Wśród środków produkcyjnych, które zostaną użyte w produkcji dwa są limitowane. Limity te wynoszą:

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

etody programowania całkowitoliczboweg

etody programowania całkowitoliczboweg etody programowania całkowitoliczboweg Wyróżnia się trzy podejścia do rozwiazywania zagadnień programowania całkowitoliczbowego metody przegladu pośredniego (niebezpośredniego), m.in. metody podziału i

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

Standardowe zadanie programowania liniowego. Gliwice 1

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

Bardziej szczegółowo

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

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

Badania operacyjne. te praktyczne pytania, na które inne metody dają odpowiedzi jeszcze gorsze.

Badania operacyjne. te praktyczne pytania, na które inne metody dają odpowiedzi jeszcze gorsze. BADANIA OPERACYJNE Badania operacyjne Badania operacyjne są sztuką dawania złych odpowiedzi na te praktyczne pytania, na które inne metody dają odpowiedzi jeszcze gorsze. T. Sayty 2 Standardowe zadanie

Bardziej szczegółowo

Definicja problemu programowania matematycznego

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

Bardziej szczegółowo

Programowanie liniowe całkowitoliczbowe

Programowanie liniowe całkowitoliczbowe Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie nazywamy zadaniem programowania liniowego

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

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

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

Autostopem przez galaiktykę: Intuicyjne omówienie zagadnień. Tom I: Optymalizacja. Nie panikuj!

Autostopem przez galaiktykę: Intuicyjne omówienie zagadnień. Tom I: Optymalizacja. Nie panikuj! Autostopem przez galaiktykę: Intuicyjne omówienie zagadnień Tom I: Optymalizacja Nie panikuj! Autorzy: Iwo Błądek Konrad Miazga Oświadczamy, że w trakcie produkcji tego tutoriala nie zginęły żadne zwierzęta,

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

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

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

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

Bardziej szczegółowo

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

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

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

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

Programowanie liniowe całkowitoliczbowe

Programowanie liniowe całkowitoliczbowe Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie nazywamy zadaniem programowania liniowego

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

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 nieliniowe

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

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe 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

Modelowanie całkowitoliczbowe

Modelowanie całkowitoliczbowe 1 Modelowanie całkowitoliczbowe Zmienne binarne P 1 Firma CMC rozważa budowę nowej fabryki w miejscowości A lub B lub w obu tych miejscowościach. Bierze również pod uwagę budowę co najwyżej jednej hurtowni

Bardziej szczegółowo

Elementy Modelowania Matematycznego

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

Bardziej szczegółowo

Programowanie liniowe 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

Wykład 7. Informatyka Stosowana. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Wykład 7 16 kwietnia / 23

Wykład 7. Informatyka Stosowana. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Wykład 7 16 kwietnia / 23 Wykład 7 Informatyka Stosowana Magdalena Alama-Bućko 16 kwietnia 2018 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 1 / 23 Programowanie liniowe Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 2 / 23

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

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

Badania Operacyjne Ćwiczenia nr 2 (Materiały)

Badania Operacyjne Ćwiczenia nr 2 (Materiały) Zbiór rozwiązań dopuszczalnych programu liniowego Zbiór rozwiązań dopuszczalnych programu linowego to taki zbiór, który spełnia warunki ograniczające (funkcyjne oraz brzegowe) programu liniowego. Przy

Bardziej szczegółowo

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony.

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. GRY (część 1) Zastosowanie: Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. Najbardziej znane modele: - wybór strategii marketingowych przez konkurujące ze sobą firmy

Bardziej szczegółowo

SCENARIUSZ LEKCJI Z MATEMATYKI. opracowała Hanna Szmyt

SCENARIUSZ LEKCJI Z MATEMATYKI. opracowała Hanna Szmyt SCENARIUSZ LEKCJI Z MATEMATYKI opracowała Hanna Szmyt Temat: Zadania optymalizacyjne dotyczące funkcji kwadratowej. 1. Cele główne: pokazanie zastosowań własności funkcji kwadratowe w zadaniach optymalizacyjnych,

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

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

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

Bardziej szczegółowo

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

Programowanie liniowe

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

Bardziej szczegółowo

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

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

zadaniem programowania liniowego całkowitoliczbowego. nazywamy zadaniem programowania liniowego 0-1. Zatem, w

zadaniem programowania liniowego całkowitoliczbowego. nazywamy zadaniem programowania liniowego 0-1. Zatem, w Sformułowanie problemu Zastosowania Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie

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

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

Agenda. Optymalizacja w transporcie. Piotr Sawicki WIT PP, ZST 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Agenda. Optymalizacja w transporcie. Piotr Sawicki WIT PP, ZST 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu. Tytuł: 01 Budowa portfela produktowego. Zastosowanie programowania liniowego Autor: Piotr SAWICKI, dr hab. inż. Zakład Systemów Transportowych WIT PP piotr.sawicki@put.poznan.pl piotr.sawicki.pracownik.put.poznan.pl

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

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

Bardziej szczegółowo

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

MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 120 minut

MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 120 minut Miejsce na naklejkę z kodem szkoły OKE ŁÓDŹ CKE MATEMATYKA POZIOM PODSTAWOWY MARZEC ROK 008 PRZYKŁADOWY ZESTAW ZADAŃ NR 1 Czas pracy 10 minut Instrukcja dla zdającego 1. Sprawdź, czy arkusz egzaminacyjny

Bardziej szczegółowo

Zestaw C-11: Organizacja plików: Oddajemy tylko źródła programów (pliki o rozszerzeniach.cpp i.h)!!! Zad. 1: Zad. 2:

Zestaw C-11: Organizacja plików: Oddajemy tylko źródła programów (pliki o rozszerzeniach.cpp i.h)!!! Zad. 1: Zad. 2: Zestaw C-11: funkcję usun rozpatrującą rozłączne trójki elementów sznura i usuwającą te z elementów trójki, które nie zawierają wartości najmniejszej w obrębie takiej trójki (w każdej trójce pozostaje

Bardziej szczegółowo

MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 120 minut

MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 120 minut Miejsce na naklejkę z kodem szkoły OKE ŁÓDŹ CKE MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1 Czas pracy 120 minut Instrukcja dla zdającego 1. Sprawdź, czy arkusz egzaminacyjny zawiera 24

Bardziej szczegółowo

MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 120 minut

MATEMATYKA POZIOM PODSTAWOWY PRZYKŁADOWY ZESTAW ZADAŃ NR 1. Czas pracy 120 minut Miejsce na naklejkę z kodem szkoły OKE ŁÓDŹ CKE MATEMATYKA POZIOM PODSTAWOWY MARZEC ROK 2008 PRZYKŁADOWY ZESTAW ZADAŃ NR 1 Czas pracy 120 minut Instrukcja dla zdającego 1. Sprawdź, czy arkusz egzaminacyjny

Bardziej szczegółowo

Programowanie dynamiczne

Programowanie dynamiczne Programowanie dynamiczne Patryk Żywica 5 maja 2008 1 Spis treści 1 Problem wydawania reszty 3 1.1 Sformułowanie problemu...................... 3 1.2 Algorytm.............................. 3 1.2.1 Prosty

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

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

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2 Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z

Bardziej szczegółowo

Metoda Karnaugh. B A BC A

Metoda Karnaugh. B A BC A Metoda Karnaugh. Powszechnie uważa się, iż układ o mniejszej liczbie elementów jest tańszy i bardziej niezawodny, a spośród dwóch układów o takiej samej liczbie elementów logicznych lepszy jest ten, który

Bardziej szczegółowo

Liniowe Zadanie Decyzyjne model matematyczny, w którym zarówno funkcja celu jak i warunki

Liniowe Zadanie Decyzyjne model matematyczny, w którym zarówno funkcja celu jak i warunki Liniowe Zadanie Decyzyjne model matematyczny, w którym zarówno funkcja celu jak i warunki ograniczające są funkcjami liniowymi ekonomiczne wykorzystanie Programowania Liniowego do opisu sytuacji decyzyjnej

Bardziej szczegółowo

Programowanie dynamiczne i algorytmy zachłanne

Programowanie dynamiczne i algorytmy zachłanne Programowanie dynamiczne i algorytmy zachłanne Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii

Bardziej szczegółowo

Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Zadania funkcje cz.1

Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Zadania funkcje cz.1 1 TEST WSTĘPNY 1. (1p) Funkcja f przyporządkowuje każdej liczbie naturalnej większej od 1 jej największy dzielnik będący liczbą pierwszą. Spośród liczb f(42), f(44), f(45), f(48) A. f(42) B. f(44) C. f(45)

Bardziej szczegółowo

Temat: Algorytmy zachłanne

Temat: Algorytmy zachłanne Temat: Algorytmy zachłanne Algorytm zachłanny ( ang. greedy algorithm) wykonuje zawsze działanie, które wydaje się w danej chwili najkorzystniejsze. Wybiera zatem lokalnie optymalną możliwość w nadziei,

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

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej: Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Ćwiczenia 2 Programowanie liniowe Metoda geometryczna Plan zajęć Programowanie liniowe metoda geometryczna Przykład 1 Zbiór rozwiązań dopuszczalnych Zamknięty zbiór rozwiązań dopuszczalnych

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

4. PROGRAMOWANIE LINIOWE

4. PROGRAMOWANIE LINIOWE 4. PROGRAMOWANIE LINIOWE Programowanie liniowe jest jednym z działów badań operacyjnych. Celem badań operacyjnych jest pomoc w podejmowaniu optymalnych z pewnego punktu widzenia decyzji. Etapy rozwiązywania

Bardziej szczegółowo

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1 Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie

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

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji. Twierdzenie 1.1. (Rolle a) Jeżeli funkcja f jest ciągła w przedziale domkniętym

Bardziej szczegółowo

Zadania do samodzielnego rozwiązania

Zadania do samodzielnego rozwiązania Zadania do samodzielnego rozwiązania I. Podzielność liczb całkowitych 1. Pewna liczba sześciocyfrowa a kończy się cyfrą 5. Jeśli tę cyfrę przestawimy na miejsce pierwsze ze strony lewej, to otrzymamy nową

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

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

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

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

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

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu. Tytuł: 03. Zastosowanie programowania binarnego i całkowitoliczbowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WMRiT PP piotr.sawicki@put.poznan.pl www.put.poznan.pl/~piotr.sawicki www.facebook.com/piotr.sawicki.put

Bardziej szczegółowo

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

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

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

METODY WIELOKRYTERIALNE

METODY WIELOKRYTERIALNE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 4 METODY WIELOKRYTERIALNE 4.3. ZADANIA Zadanie 4.1 Wykorzystując tryb konwersacyjny

Bardziej szczegółowo

KONSPEKT FUNKCJE cz. 1.

KONSPEKT FUNKCJE cz. 1. KONSPEKT FUNKCJE cz. 1. DEFINICJA FUNKCJI Funkcją nazywamy przyporządkowanie, w którym każdemu elementowi zbioru X odpowiada dokładnie jeden element zbioru Y Zbiór X nazywamy dziedziną, a jego elementy

Bardziej szczegółowo

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

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

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne [1]

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne [1] D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne [1] Co to są badania operacyjne? Termin "badanie operacji" (Operations' Research) powstał podczas II wojny światowej i przetrwał do dzisiaj. W terminologii

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

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

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

Bardziej szczegółowo

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

I) Reszta z dzielenia

I) Reszta z dzielenia Michał Kremzer tekst zawiera 9 stron na moim komputerze Tajemnice liczb I) Reszta z dzielenia 1) Liczby naturalne dodatnie a, b, c dają tę samą resztę przy dzieleniu przez 3. Czy liczba A) a + b + c B)

Bardziej szczegółowo

Poszukiwanie liniowe wśród liczb naturalnych

Poszukiwanie liniowe wśród liczb naturalnych Poszukiwanie liniowe wśród liczb naturalnych Wiele problemów, dotyczących liczb naturalnych, można rozwiązać idąc w góręodzera(lubczasemodinnejliczby)isprawdzając,czyjuż. Przykład: (zadane reszty z dzielenia)

Bardziej szczegółowo

Fakt 3.(zastosowanie różniczki do obliczeń przybliżonych) Przy czym błąd, jaki popełniamy zastępując przyrost funkcji

Fakt 3.(zastosowanie różniczki do obliczeń przybliżonych) Przy czym błąd, jaki popełniamy zastępując przyrost funkcji Wykład 5 De.5 (różniczka unkcji Niech unkcja ma pochodną w punkcie. Różniczką unkcji w punkcie nazywamy unkcję d zmiennej określoną wzorem. Fakt 3.(zastosowanie różniczki do obliczeń przybliżonych Jeżeli

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

Przez F(C) oznaczamy figurę narysowaną w kartezjańskim układzie współrzędnych, która ograniczona jest przez:

Przez F(C) oznaczamy figurę narysowaną w kartezjańskim układzie współrzędnych, która ograniczona jest przez: Obliczanie pola figury ograniczonej krzywymi było jednym z zadań na maturze z informatyki w 2006 roku. Według mnie jest to najtrudniejsze zadania jakie zostało umieszczone w arkuszach egzaminacyjnych z

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

PROGRAM OPTYMALIZACJI PLANU PRODUKCJI

PROGRAM OPTYMALIZACJI PLANU PRODUKCJI Strona 1 PROGRAM OPTYMALIZACJI PLANU PRODUKCJI Program autorski opracowany przez Sławomir Dąbrowski ul. SIENKIEWICZA 3 m. 18 26-220 STĄPORKÓW tel: 691-961-051 email: petra.art@onet.eu, sla.dabrowscy@onet.eu

Bardziej szczegółowo

Zadania obejmujące materiał z działów liczby i funkcje do egzaminu rocznego

Zadania obejmujące materiał z działów liczby i funkcje do egzaminu rocznego Liczby Zadania obejmujące materiał z działów liczby i funkcje do egzaminu rocznego Zad.1 Znajdź liczbę odwrotną do liczby nieskracalnego. : ( Wynik podaj w postaci ułamka ) ( ). Zad. 2 Zapisz w postaci

Bardziej szczegółowo

Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie:

Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, , tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Rozwiązanie: Zadanie 3 Oblicz jeżeli wiadomo, że liczby 8 2,, 1, 6 11 6 11, tworzą ciąg arytmetyczny. Wyznacz różnicę ciągu. Uprośćmy najpierw liczby dane w treści zadania: 8 2, 2 2 2 2 2 2 6 11 6 11 6 11 26 11 6 11

Bardziej szczegółowo

Teoria. a, jeśli a < 0.

Teoria. a, jeśli a < 0. Teoria Definicja 1 Wartością bezwzględną liczby a R nazywamy liczbę a określoną wzorem a, jeśli a 0, a = a, jeśli a < 0 Zgodnie z powyższym określeniem liczba a jest równa odległości liczby a od liczby

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

Algorytmy i struktury danych. Co dziś? Tytułem przypomnienia metoda dziel i zwyciężaj. Wykład VIII Elementarne techniki algorytmiczne

Algorytmy i struktury danych. Co dziś? Tytułem przypomnienia metoda dziel i zwyciężaj. Wykład VIII Elementarne techniki algorytmiczne Algorytmy i struktury danych Wykład VIII Elementarne techniki algorytmiczne Co dziś? Algorytmy zachłanne (greedyalgorithms) 2 Tytułem przypomnienia metoda dziel i zwyciężaj. Problem można podzielić na

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

SPRAWDZIAN Z MATEMATYKI KLASA I

SPRAWDZIAN Z MATEMATYKI KLASA I Imię i Nazwisko:.. Klasa:. SPRAWDZIAN Z MATEMATYKI KLASA I POZIOM PODSTAWOWY Czas pracy 100 minut Instrukcja dla ucznia 1. Sprawdź, czy arkusz zawiera 11 stron (zadania 1 19). 2. Arkusz zawiera 13 zadań

Bardziej szczegółowo

Egzamin wstępny z Matematyki 1 lipca 2011 r.

Egzamin wstępny z Matematyki 1 lipca 2011 r. Egzamin wstępny z Matematyki 1 lipca 011 r. 1. Mamy 6 elementów. Ile jest możliwych permutacji tych elementów jeśli: a) wszystkie elementy są różne, b) dwa elementy wśród nich są identyczne, a wszystkie

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska DRZEWO REGRESYJNE Sposób konstrukcji i przycinania

Bardziej szczegółowo