Ekonometria - ćwiczenia 10

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ekonometria - ćwiczenia 10"

Transkrypt

1 Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012

2 Wprowadzenie Optymalizacja liniowa Na dzisiejszych zajęciach zajmiemy się wstępem do badań operacyjnych, czyli dyscypliny zajmującej się wyznaczaniem optymalnych decyzji i wspomaganiem procesu decyzyjnego przy użyciu metod matematycznych. Omówimy zakres zastosowań badań operacyjnych oraz wykorzystamy optymalizację liniową do rozwiązywania prostych problemów decyzyjnych. Szczegółowo przyjrzymy się programowaniu liniowemu, rozwiążemy kilka przykładów metodą graficzną oraz zobaczymy, jak działa dodatek Solver w Excelu. Kolejne zajęcia będą poświęcone omówieniu kilku szczególnych problemów decyzyjnych oraz zagadnieniom pooptymalizacyjnym.

3 Przykładowy problem decyzyjny (1) Zanim wprowadzimy formalne nazewnictwo oraz podamy kilka definicji, rozważmy przykładowy problem decyzyjny. Problem decyzyjny Pewien sklep zoologiczny zajmuje się hodowlą i sprzedażą chomików oraz świnek morskich, sprzedając je po 8 i 25 zł za sztukę. Aby utrzymać przez tydzień jednego chomika, sklep musi wykorzystać 150 g trocin, 90 g karmy, a także zapewnić mu miejsce w klatce o powierzchni 200 cm 2. Natomiast w przypadku świnki morskiej to zużycie wynosi odpowiednio 100 g trocin, 300 g karmy i przynajmniej 1000 cm 2 powierzchni życiowej. Wiemy także, że sklep może sobie pozwolić, aby zużyć w tygodniu maksymalnie 2 kg trocin i 3 kg karmy oraz posiada klatki i akwaria o łącznej powierzchni 1,5 m 2. Zakładając, że wszystkie zwierzęta znajdują od razu nowych właścicieli, należy znaleźć liczbę chomików i świnek morskich, która powinna być hodowana tygodniowo przez sklep zoologiczny aby maksymalizował swój przychód.

4 Przykładowy problem decyzyjny (2) Rozwiązanie tego problemu można przedstawić w kilku krokach: 1 Zdefiniowanie decyzji. Pierwszym krokiem jest określenie, co będzie stanowić naszą decyzję w tym przypadku. Najpierw musimy określić niewiadome (zmienne decyzyjne) w zadaniu: x 1 liczba wyhodowanych chomików, x 2 liczba wyhodowanych świnek morskich. Zatem decyzją będzie wektor x = [x 1 x 2 ] R 2, określający, ile chomików i świnek ma być wyprodukowane, aby zmaksymalizować przychód sklepu. 2 Zdefiniowanie funkcji celu i kryterium optymalizacji. Funkcja celu (kryterium) jest to funkcja decyzji f (x), która pozwala ocenić decyzję pod względem stopnia realizacji określonego celu. W przypadku naszego zadania, celem jest maksymalizacja przychodu sklepu, zatem funkcja celu to po prostu całkowity przychód ze sprzedaży chomików i świnek morskich. Dodatkowo wiemy, że chcemy osiągnąć jak największy przychód, znamy zatem kierunek optymalizacji. Wiedząc, że chomiki sprzedajemy po 8, a świnki po 25 zł, możemy zapisać: f (x 1, x 2 ) = 8x x 2 max

5 Przykładowy problem decyzyjny (3) 3 Zapisanie warunków ograniczających. Patrząc na powyższą funkcję celu widzimy, że jest to funkcja liniowa, której wartość rośnie wraz ze wzrostem x 1 i x 2. Oczywiście nie możemy hodować nieskończenie wielu zwierząt, bo mamy pewne ograniczenia związane z posiadanymi zasobami pokarmu i powierzchni sklepowej. Zapiszmy zatem warunki ograniczające funkcję celu w zadaniu: Warunek pierwszy trociny: 0, 15 }{{} x 1 + 0, 1 }{{} x 2 2 }{{} Chomik zużywa 150g trocin Świnka zużywa 100g trocin Całkowity zasób trocin 2kg Warunek drugi karma: Warunek trzeci powierzchnia: Warunki nieujemności: 0, 09x 1 + 0, 3x x x x 1, x 2 0 Warunki ograniczające wyznaczają zbiór decyzji dopuszczalnych D, tj. definiują zbiór w przestrzeni R 2, w którym może znajdować się decyzja dla danego problemu. 4 Znalezienie decyzji optymalnej, tj. maksymalizacja/minimalizacja funkcji celu przy podanych warunkach ograniczających.

6 Rozwiązanie zadania metodą graficzną Rozpocznijmy od wyznaczenia zbioru decyzji dopuszczalnych D:

7 Rozwiązanie zadania metodą graficzną Rozpocznijmy od wyznaczenia zbioru decyzji dopuszczalnych D:

8 Rozwiązanie zadania metodą graficzną Rozpocznijmy od wyznaczenia zbioru decyzji dopuszczalnych D:

9 Rozwiązanie zadania metodą graficzną Rozpocznijmy od wyznaczenia zbioru decyzji dopuszczalnych D: D

10 Rozwiązanie zadania metodą graficzną Teraz nanieśmy przykładową warstwicę funkcji celu, np. dla poziomu przychodu 125 zł

11 Rozwiązanie zadania metodą graficzną Pamiętając, że gradient jest kierunkiem najszybszego wzrostu funkcji, wyznaczamy gradient funkcji celu: f = [8 25] i zaznaczamy go na wykresie

12 Rozwiązanie zadania metodą graficzną Przesuwamy warstwicę funkcji wzdłuż gradientu, aż do osiągnięcia wierzchołka lub krawędzi zbioru dopuszczalnych decyzji

13 Rozwiązanie zadania metodą graficzną Po osiągnięciu wierzchołka lub krawędzi, jeśli warstwice są równoległe do krawędzi zbioru, zatrzymujemy się i odczytujemy rozwiązanie optymalne Rozwiązanie optymalne x=[25/3; 7.5]

14 Zadanie optymalizacyjne - formalnie Analizowany problem stanowi zadanie optymalizacyjne, które można zapisać formalnie w języku matematyki. Zauważmy, że rozwiązywany problem sprowadzał się po prostu do znalezienia ekstremum funkcji dwóch zmiennych na pewnym zbiorze. Na zadanie optymalizacyjne, nazywane także zadaniem programowania matematycznego składają się następujące elementy: Zmienne decyzyjne niewiadome x 1, x 2,..., x n, których wartości chcemy ustalić. Decyzja wektor x = [x 1 x 2... x n]. Zbiór decyzji dopuszczalnych D czyli zbiór opisany przez układ słabych nierówności lub równań ze zmiennymi decyzyjnymi, wyznaczający obszar, w którym może znaleźć się decyzja x. Warunki ograniczające nierówności lub równania definiujące zbiór decyzji dopuszczalnych. Funkcja celu funkcja decyzji f (x), pozwalająca ocenić decyzję pod względem stopnia realizacji postawionego celu. Kierunek optymalizacji maksymalizacja lub minimalizacja. Decyzja optymalna Decyzją optymalną (rozwiązaniem optymalnym) nazywamy najlepszą dla danej funkcji celu i ustalonego kierunku optymalizacji decyzję dopuszczalną. W zadaniach z maksymalizacją/minimalizacją funkcji celu f (x) na zbiorze D, decyzja x jest optymalna jeśli: 1 jest decyzją dopuszczalną, tj. x D, 2 x D f (x ) f (x) w przypadku maksymalizacji i x D f (x ) f (x) dla minimalizacji.

15 Zadanie programowania liniowego ZPL Będziemy rozważać szczególne przypadki zagadnień optymalizacyjnych, a mianowicie zadania programowania liniowego (ZPL). Charakteryzują się one następującymi cechami: Wszystkie zmienne decyzyjne są ciągłe. Warunki ograniczające są zapisane w postaci równań lub słabych nierówności liniowych. Funkcja celu jest liniową funkcją zmiennych decyzyjnych. Ogólnie zadanie programowania liniowego możemy zapisać jako: Zadanie programowania liniowego Funkcja celu: f (x 1, x 2,..., x n) = c 1 x 1 + c 2 x c nx n max / min Przy warunkach: a 11 x 1 + a 12 x a 1n x n b 1, a 21 x 1 + a 22 x a 2n x n b 2, a m1 x 1 + a m2 x a mnx n b m. x 1 0, x 2 0,..., x n 0 c j to współcznnik funkcji celu dla j-tej zmiennej decyzyjnej, b i nazywamy wyrazem wolnym w i-tym warunku ograniczającym. a ij to wobec tego współczynnik przy j-tej zmiennej decyzyjnej w i-tym warunku ograniczającym. Potencjalne ograniczenia: Zmienne decyzyjne są ciągłe, co czasami sprawia kłopoty interpretacyjne. Wszystkie wielkości są liniowymi funkcjami zmiennych decyzyjnych (czyli np. w problemie produkcyjnym zawsze stałe korzyści skali). Wszystkie współczynniki są ustalone i znane, sytuacja całkowicie deterministyczna. Brak możliwości uwzględnienia niepewności.

16 Optymalizacja liniowa Rodzaje wyników zadań PL Zadania PL możemy podzielić ze względu na rodzaj otrzymanego wyniku (tj. rozwiązania optymalnego). ZPL z dokładnie jednym rozwiązaniem optymalnym. ZPL z nieskończenie wieloma rozwiązaniami optymalnymi (tzw. alternatywne rozwiązania optymalne). Zadania sprzeczne, nieposiadające rozwiązania optymalnego ponieważ D =. 25 ZPL bez rozwiązania optymalnego, ponieważ D jest nieograniczony (z góry w przypadku maksymalizacji, z dołu w przypadku minimalizacji) Rozwiązania optymalne na odcinku Rozwiązanie optymalne x=[25/3; 7.5] Przypadek 1 Mateusz Myśliwski Przypadek 2 Ekonometria - ćwiczenia

17 Optymalizacja liniowa Rodzaje wyników zadań PL Warunek Dodatkowy warunek 15 Zbiór D jest pusty 5 5 Zbiór D nieograniczony z góry, brak rozw Przypadek 3 Mateusz Myśliwski Przypadek 4 Ekonometria - ćwiczenia

18 Własności ZPL Optymalizacja liniowa Rozwiązywanie ZPL może być ułatwione, jeśli znamy pewne własności, którymi się cechują: 1 Jeśli D jest niepusty i ograniczony, to w zadaniu programowania liniowego istnieje rozwiązanie optymalne. 2 W ZPL o nieujemnych zmiennych decyzyjnych i niepustym zbiorze rozwiązań optymalnych przynajmniej jeden wierzchołek zbioru D jest rozwiązaniem optymalnym. 3 Zbiór rozwiązań dopuszczalnych ZPL jest zbiorem wypukłym. 4 Zbiór rozwiązań optymalnych ZPL jest zbiorem wypukłym. 5 Zbiór rozwiązań optymalnych ZPL z funkcją celu f (x) nie ulega zmianie, jeśli: Zastąpimy funkcję f (x) funkcją af (x), gdzie a > 0. Zastąpimy funkcję f (x) funkcją f (x) + b, gdzie b R. 6 Zbiór rozwiązań optymalnych nie ulega zmianie, jeśli funkcja celu f (x) zostanie zastąpiona f (x) i zmieni się kierunek optymalizacji:. f (x) max f (x) min

19 Metody rozwiązywania ZPL Istnieje kilka metod rozwiązywania ZPL: Metoda graficzna przydatna tylko jeśli x R 2, ewentualnie x R 3. Metoda sympleks opracowana przez Dantziga (1947), wykorzystuje własność 2 podaną na poprzednim slajdzie, tj. szuka rozwiązania optymalnego poprzez wędrówkę po wierzchołkach zbioru D wzdłuż jego krawędzi, ale tylko w kierunku wzrostu funkcji celu. Inne metody algorytm criss-cross, algorytm elipsoidalny Khachiyana, algorytm Karmarkara. Metody iteracyjne szukania ekstremum funkcji (np. metoda Newtona), zaimplementowane w dodatku Solver do Excela.

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

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

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

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

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 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

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

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

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

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

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

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

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

Metody Optymalizacji. Wstęp. Programowanie matematyczne. Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt

Metody Optymalizacji. Wstęp. Programowanie matematyczne. Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt Metody Optymalizacji Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt Wstęp W ogólności optymalizacja związana jest z maksymalizowaniem lub minimalizowaniem pewnej wielkości np. maksymalizacja zysku

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

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

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

Bardziej szczegółowo

Programowanie 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

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

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

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

Programowanie liniowe metoda sympleks

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

Bardziej szczegółowo

Programowanie 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

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 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

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników

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

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

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

. 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

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

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. Algorytm sympleks.

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

Bardziej szczegółowo

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

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

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

FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH

FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH FUNKCJA LINIOWA, RÓWNANIA I UKŁADY RÓWNAŃ LINIOWYCH PROPORCJONALNOŚĆ PROSTA Proporcjonalnością prostą nazywamy zależność między dwoma wielkościami zmiennymi x i y, określoną wzorem: y = a x Gdzie a jest

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

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

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Funkcja kwadratowa. f(x) = ax 2 + bx + c, Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \

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

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

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

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

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

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

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

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

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

Bardziej szczegółowo

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

Wykład 4. Określimy teraz pewną ważną klasę pierścieni.

Wykład 4. Określimy teraz pewną ważną klasę pierścieni. Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia

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

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Struktury i Algorytmy Wspomagania Decyzji Zadanie projektowe 2 Czas realizacji: 6 godzin Maksymalna liczba

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Schemat postępowania w badaniach operacyjnych decydent sytuacja decyzyjna decyzje decyzje dopuszczalne niedopuszczalne kryterium wyboru zadanie decyzyjne zmienne decyzyjne warunki

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

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

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

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

Tomasz M. Gwizdałła 2012/13

Tomasz M. Gwizdałła 2012/13 METODY METODY OPTYMALIZACJI OPTYMALIZACJI Tomasz M. Gwizdałła 2012/13 Informacje wstępne Tomasz Gwizdałła Katedra Fizyki Ciała Stałego UŁ Pomorska 149/153, p.523b tel. 6355709 tomgwizd@uni.lodz.pl http://www.wfis.uni.lodz.pl/staff/tgwizdalla

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Przestrzenie wektorowe

Przestrzenie wektorowe Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:

Bardziej szczegółowo

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe

FUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych

Wykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych Arytmetyka liczb całkowitych Wykład 1 Na początku zajmować się będziemy zbiorem liczb całkowitych Z = {0, ±1, ±2,...}. Zakładamy, że czytelnik zna relację

Bardziej szczegółowo

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

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.

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

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

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

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI Miejsce na naklejkę z kodem (Wpisuje zdający przed rozpoczęciem pracy) KOD ZDAJĄCEGO PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI Arkusz I Czas pracy 10 minut ARKUSZ I GRUDZIEŃ ROK 004 Instrukcja dla zdającego

Bardziej szczegółowo

9 Funkcje Użyteczności

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

Bardziej szczegółowo

Rozwiązaniem jest zbiór (, ] (5, )

Rozwiązaniem jest zbiór (, ] (5, ) FUNKCJE WYMIERNE Definicja Miech L() i M() będą niezerowymi wielomianami i niech D { R : M( ) 0 } Funkcję (*) D F : D R określoną wzorem F( ) L( ) M( ) nazywamy funkcją wymierną Funkcja wymierna, to iloraz

Bardziej szczegółowo

Definicja pochodnej cząstkowej

Definicja pochodnej cząstkowej 1 z 8 gdzie punkt wewnętrzny Definicja pochodnej cząstkowej JeŜeli iloraz ma granicę dla to granicę tę nazywamy pochodną cząstkową funkcji względem w punkcie. Oznaczenia: Pochodną cząstkową funkcji względem

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa Etap edukacyjny: IV, przedmiot: informatyka (poziom podstawowy )

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa Etap edukacyjny: IV, przedmiot: informatyka (poziom podstawowy ) SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

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

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

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

5. Rozwiązywanie układów równań liniowych

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

Bardziej szczegółowo

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

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

WPROWADZENIE DO EKONOMII MENEDŻERSKIEJ.

WPROWADZENIE DO EKONOMII MENEDŻERSKIEJ. Wykład 1 Wprowadzenie do ekonomii menedżerskiej 1 WPROWADZENIE DO EKONOMII MENEDŻERSKIEJ. PODEJMOWANIE OPTYMALNYCH DECYZJI NA PODSTAWIE ANALIZY MARGINALNEJ. 1. EKONOMIA MENEDŻERSKA ekonomia menedżerska

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI KLASA I GIMNAZJUM Małgorzata Janik

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

Bardziej szczegółowo

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

3. Macierze i Układy Równań Liniowych

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

Bardziej szczegółowo

Rozwiązania, seria 5.

Rozwiązania, seria 5. Rozwiązania, seria 5. 26 listopada 2012 Zadanie 1. Zbadaj, dla jakich wartości parametru r R wektor (r, r, 1) lin{(2, r, r), (1, 2, 2)} R 3? Rozwiązanie. Załóżmy, że (r, r, 1) lin{(2, r, r), (1, 2, 2)}.

Bardziej szczegółowo

Metody Ilościowe w Socjologii

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

Bardziej szczegółowo

Zajęcia nr. 6: Równania i układy równań liniowych

Zajęcia nr. 6: Równania i układy równań liniowych Zajęcia nr. 6: Równania i układy równań liniowych 13 maja 2005 1 Podstawowe pojęcia. Definicja 1.1 (równanie liniowe). Równaniem liniowym będziemy nazwyać równanie postaci: ax = b, gdzie x oznacza niewiadomą,

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

Zapisujemy:. Dla jednoczesnego podania funkcji (sposobu przyporządkowania) oraz zbiorów i piszemy:.

Zapisujemy:. Dla jednoczesnego podania funkcji (sposobu przyporządkowania) oraz zbiorów i piszemy:. Funkcja Funkcją (stosuje się też nazwę odwzorowanie) określoną na zbiorze o wartościach w zbiorze nazywamy przyporządkowanie każdemu elementowi dokładnie jednego elementu. nazywamy argumentem, zaś wartością

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

Definicja i własności wartości bezwzględnej.

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

Bardziej szczegółowo

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

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

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

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

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

Bardziej szczegółowo

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

WARSZTATY METODYCZNE (dla nauczycieli matematyki szkół ponadgimnazjalnych)

WARSZTATY METODYCZNE (dla nauczycieli matematyki szkół ponadgimnazjalnych) WARSZTATY METODYCZNE (dla nauczycieli matematyki szkół ponadgimnazjalnych) Aktywizujące metody nauczania na przykładzie tematu: Dyskusja nad liczbą rozwiązań równania liniowego z wartością bezwzględną

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera

Bardziej szczegółowo

Metody Optymalizacji: Przeszukiwanie z listą tabu

Metody Optymalizacji: Przeszukiwanie z listą tabu Metody Optymalizacji: Przeszukiwanie z listą tabu Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: wtorek

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 6 (Materiały)

Badania Operacyjne Ćwiczenia nr 6 (Materiały) Otwarte zagadnienie transportowe Jeżeli łączna podaż dostawców jest większa niż łączne zapotrzebowanie odbiorców to mamy do czynienia z otwartym zagadnieniem transportowym. Warunki dla dostawców (i-ty

Bardziej szczegółowo

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych, IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy

Bardziej szczegółowo