1 Programowanie całkowitoliczbowe PLC
|
|
- Wacław Matuszewski
- 9 lat temu
- Przeglądów:
Transkrypt
1 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, Mass.), 977. [] R.S. Garfinkel, G.L. Nemhauser Programowanie całkowitoliczbowe PWN, 978. [] M.M. Sysło, M. Deo, J.S. Kowalik Algorytmy optymalizacji dyskretnej z programami w języku PASCAL PWN, 99. Znaczna część wykładu została przygotowana na podstawie książki [].. Metody programowania całkowitoliczbowego Wyróżnia się trzy podejścia do rozwiązywania zagadnień programowania całkowitoliczbowego metody przeglądu pośredniego (niebezpośredniego), m.in. metody podziału i ograniczeń, metody płaszczyzn odcinających, metody oparte na dekompozycji (podziale)... Rozwiązanie PCL za pomocą LP Przykład. z =maxz =x +8x x + x 6 x + 9x x,x 0 icałkowite x 6 x + x =6 Optymalne rozwiązanie ciągłe z =x +8x =. x +9x = x
2 Metody optymalizacji, wykład nr 9 Paweł Zieliński Rozwiązanie Rozwiązanie Rozwiązanie Rozwiązanie optymalne zaokrąglone najbliższe optymalne ciągłe całkowite całkowite =. 0 =.7 z. niedopuszcz. 0 x 9 x.. Metoda podziału i ograniczeń dla PCL Metoda podziału i ograniczeń jest oparta na podejściu dziel i zwyciężaj. Kluczowe fakty: PCL= LP + ograniczenia całkowitoliczbowości Fakt. Wartość optymalna funkcji celu LP jest górnym ograniczeniem (maksymalizacja funkcji celu) optymalnej wartości funkcji celu PCL. Fakt. Wartość funkcji celu PCL dla dowolnego rozwiązania całkowitoliczbowego jest dolnym ograniczeniem (maksymalizacja funkcji celu) optymalnej wartości funkcji celu PCL. Pomijamy warunki całkowitoliczbowości i rozwiązujemy następujące zagadnienie LP z =maxz =x +8x = x + x 6 x + 9x x,x 0 Otrzymujemy: x =, x =, z0 = oraz górne ograniczenie z. Ponieważ współczynniki funkcji celu są całkowitoliczbowe, możemy poprawić górne ograniczenie z. Wybieramy zmienną decyzyjną o wartości ułamkowej np. x wybórjest heurystyczny (możemy wybrać również x ). Narzucamy warunki, x lub x, wykluczające przedział (, ).
3 Metody optymalizacji, wykład nr 9 Paweł Zieliński x 6 L Optymalne rozwiązanie ciągłe L x x =. x =.7 z =. z x x L L L = max z =x +8x max z =x +8x x + x 6 x + 9x L x = x,x 0 x + x 6 x + 9x x x,x 0 Wybór węzła L czy L jest heurystyczny. Rozpatrzmy L. Otrzymujemy: x =.8, x =, z =. Wybieramy zmienną decyzyjną o wartości ułamkowej x Narzucamy warunki, x lub x, wykluczające przedział (, ). x 6 L Optymalne rozwiązanie ciągłe L x
4 Metody optymalizacji, wykład nr 9 Paweł Zieliński x =. x =.7 z =. z x x x =.8 x = z = L L x x L L Zadanie sprzeczne L = max z =x +8x max z =x +8x x + x 6 x + 9x x L = x x,x 0 x + x 6 x + 9x x x x,x 0 sprzeczne x =,x = 9,z =0 9 Wybieramy zmienną decyzyjną o wartości ułamkowej x Narzucamy warunki, x lub x, wykluczające przedział (, ). x 6 L 6 L L Optymalne rozwiązanie ciągłe L x Rozpatrujemy L.
5 Metody optymalizacji, wykład nr 9 Paweł Zieliński x =. x =.7 z =. z x x x =.8 x = z = L L x x L L Zadanie sprzeczne x = x = 9 z =0 9 co najwyzej 0% od optimum! x Dolne ograniczenie x x = L L 6 x = z =7 z 7 x =. x =.7 z =. z x x x =.8 x = z = L L x x L L Zadanie sprzeczne x = x = 9 z =0 9 x co najwyzej.% od optimum! x dolne ograniczenie L L 6 x = x = z =7 z 7 x =0 x = z =0 z 0
6 Metody optymalizacji, wykład nr 9 Paweł Zieliński 6 x =. x =.7 z =. z x x L L x =.8 x = z = x = x = z =9 x>= x=< L L Zadanie sprzeczne x = x= /9 z=0 /9 x x x = optimum! L L 6 x = z =7 z>=7 x =0 x = z =0 z>=0 x 6 L 6 L L Optymalne rozwiązanie całkowitoliczbowe Optymalne rozwiązanie ciągłe L x Czy można poprawić górne ograniczenie? x =. x =.7 z =. z x x x =.8 x = z = L L x = x = z =9 x x L L Zadanie sprzeczne x = x = 9 z =0 9 Załóżmy, że w naszym przykładzie rozpatrujemy węzeł L przed L lub L 6.
7 Metody optymalizacji, wykład nr 9 Paweł Zieliński 7 Optymalne rozwiązanie leży w L lub L.Stądz jest ograniczone przez 0 9. Ponieważ współczynniki funkcji celu są całkowitoliczbowe, możemy poprawić górne ograniczenie na 0. Podsumowanie Załóżmy rozpatrzyliśmy węzeł L j. Nie ma sensu dzielić L j (rozgałęziać) jeśli: LP w L j jest sprzeczne, optymalne rozwiązanie LP jest całkowitoliczbowe, wartość funkcji celu LP w L j jest nie większa niż aktualne dolne ograniczenie. Uwagi Relaksacje LP rozwiązuje się efektywnie, Nie ma ogólnej metody wyboru zmiennej decyzyjne. Nie ma ogólnej metody wyboru węzła po rozgałęzieniu... Metoda przeglądu dla problemów 0- W metodzie tej stosuje się metodę podziału i ograniczeń w celu inteligentnego ustalania wartości zmiennych decyzyjnym na 0 lub. Zmienne, które nie są ustalone będziemy nazywać wolnymi. Zakłada się,że wszystkie współczynniki celu są niedodatnie (w zadaniu maksymalizacji), Jeżeli współczynnik przy x i jest dodatni, to podstawiamy x i = x i, x i {0, }, ograniczenia są postaci. Rozpatrzmy przykład. z =maxz = 8x x x 7x x +0 x x + x +x +x x x x x + x x,x,x,x,x {0, }
8 Metody optymalizacji, wykład nr 9 Paweł Zieliński 8 0 z 0 x = x =0 z węzeł 0: Wszystkie zmienne decyzyjne są wolne. Jeżeli chwilowo nadamy im wartość 0, to z 0, ponieważ współczynniki funkcji celu są ujemne. Rozwiązanie to nie spełnia ograniczeń, więc dokonujemy rozgałęzienia. węzeł :x =jest ustalona x,x,x,x są wolne. Nadajmy im chwilowo wartość 0 z = 8() (0) (0) 7(0) (0)+0 =. Rozwiązanie to spełnia ograniczenia, więc z. Dalej nie rozgałęziamy. węzeł :x = 0 jest ustalona. x,x,x,x są wolne. Nadajmy im chwilowo wartość 0. Przypadek jak węzeł 0. Rozgałęziamy. 0 z 0 x = x =0 z x = x =0 węzeł :x = 0 i x = są ustalone, x,x,x są wolne. Nadajemy im wartość 0. Rozwiązanie nie spełnia ograniczeń. Rozgałęziamy.
9 Metody optymalizacji, wykład nr 9 Paweł Zieliński 9 0 z 0 x = x =0 z x = x =0 x = x =0 z 6 x = x =0 z< z 0 x = x =0 z x = x =0 x = x =0 węzeł : x =0i x = x =są ustalone, x,x są wolne. Nadajemy im wartość 0.Rozwiązanie to jest dopuszczalne z =. Więc otrzymujemy lepsze dolne ograniczenie z węzeł 6: x = x =0i x =są ustalone, x,x są wolne. Nadajemy im wartość 0. Rozwiązanie nie spełnia ograniczeń (jak w węźle ). Rozgałęziamy. węzeł 7: x = x =0i x = x =są ustalone, x jest wolna. Nadajemy jej wartość 0. Rozwiązanie jest niedopuszczalne i z =<, a więc nie ma sensu rozgałęziać. węzeł 8: jak dla węzła 6. węzeł 9: x = x = x =0x = x = są ustalone. Jest to jedyne rozwiązanie i w dodatku niedopuszczalne. Nie rozgałęziamy. węzeł 0: x = x = x = x =0x = są ustalone. Jest to jedyne rozwiązanie i jest niedopuszczalne. Nie rozgałęziamy. węzeł : x = x = 0 są ustalone x,x,x są wolne. Ograniczenie z 6 x = x =0 x x x x + x redukuje się do z< 7 8 x = x =0 9 0 x x + x. Nie istnieje 0- podstawienie do x,x,x spełniające powyższe ograniczenie. Nie ma sensu rozgałęziać.
10 Metody optymalizacji, wykład nr 9 Paweł Zieliński 0 0 z 0 x = x =0 z x = x =0 x = x =0 optimum z 6 x = x =0 Rozpatrzyliśmy wszystkie węzły. Rozwiązaniem optymalnym jest x = x = x = 0, x = x =. z =. z< 7 8 x = x =0 9 0 Podsumowanie Nie rozgałęziamy w węźle jeżeli: kiedy zadanie PCL w węźle jest sprzeczne. Np. po podstawieniu zmiennych ustalonych do ograniczeń nie istnieje 0- podstawienie do zmiennych wolnych spełniające ograniczenia. rozwiązanie binarne po podstawieniu pod zmienne wolne wartości 0 jest dopuszczalne, wartość funkcji celu jest nie większa od aktualnego dolnego ograniczenia.
etody programowania całkowitoliczboweg
etody programowania całkowitoliczboweg Wyróżnia się trzy podejścia do rozwiazywania zagadnień programowania całkowitoliczbowego metody przegladu pośredniego (niebezpośredniego), m.in. metody podziału i
[1] E. M. Reingold, J. Nievergelt, N. Deo Algorytmy kombinatoryczne PWN, 1985.
Metody optymalizacji, wykład nr 10 Paweł Zieliński 1 Literatura [1] E. M. Reingold, J. Nievergelt, N. Deo Algorytmy kombinatoryczne PWN, 1985. [2] R.S. Garfinkel, G.L. Nemhauser Programowanie 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
[1] R. K. Ahuja, T. L. Magnanti, J. B. Orlin, Network Flows: Theory, Algorithms, and Applications, Prentice Hall, 1993.
Metody optymalizacji, wykład nr 11 Paweł Zieliński 1 1 Relaksacja Lagrange a Literatura [1] R. K. Ahuja, T. L. Magnanti, J. B. Orlin, Network Flows: Theory, Algorithms, and Applications, Prentice Hall,
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
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
Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
PROGRAMOWANIE CAŁKOWITOLICZBOWE
PROGRAMOWANIE CAŁKOWITOLICZBOWE METODA PODZIAŁU I OGRANICZEŃ Przykład 6. Metoda podziału i ograniczeń Rozwiązać zadanie z Przykładu 1. metodą podziału i ograniczeń, przy czym wielkość produkcji wyrobu
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
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
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
K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Elementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
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
Konspekt. Piotr Chołda 2 marca Podstawowe informacje nt. przedmiotu. Prowadzący przedmiot (wykład, egzamin, projekt, laboratorium):
Konspekt Piotr Chołda 2 marca 2016 1 Podstawowe informacje nt. przedmiotu 1.1 Dane nt. prowadzących Prowadzący przedmiot (wykład, egzamin, projekt, laboratorium): dr hab. inż. Piotr Chołda; pok. 015, pawilon
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
ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ
ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar
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.
BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych
BADANIA OPERACYJNE i teoria optymalizacji Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych e-mail: tpisula@prz.edu.pl 1 Literatura podstawowa wykorzystywana podczas zajęć wykładowych: 1. Gajda J.,
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
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
A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1
A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a,a 2,...,a p i qodbiorców, którychpopytwynosi b,b 2,...,b
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
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
) a j x j b; x j binarne (j N) całkowitoliczbowe; przyjmujemy (bez straty ogólności): c j > 0, 0 <a j b (j N), P n
PDczęść4 8. Zagadnienia załadunku 8.1 Klasyczne zagadnienia załadunku (ozn. N = {1, 2,..., n} Binarny problem ( (Z v(z =max c j x j : a j x j b; x j binarne (j N zakładamy, że wszystkie dane sa całkowitoliczbowe;
Programowanie liniowe
Programowanie liniowe Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 8, 2016 Łukasz Kowalik (UW) LP April 8, 2016 1 / 15 Problem diety Tabelka wit. A (µg) wit. B1 (µg) wit. C (µg) (kcal)
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
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Podniesienie poziomu wiedzy studentów z zagadnień dotyczących analizy i syntezy algorytmów z uwzględnieniem efektywności
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
Pendolinem z równaniami, nierównościami i układami
Pendolinem z równaniami, nierównościami i układami 1. Równaniem nazywamy równość dwóch wyrażeń algebraicznych. Równaniami z jedną niewiadomą są, np. równania: 2 x+3=5 x 2 =4 2x=4 9=17 x 3 2t +3=5t 7 Równaniami
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,
Rozdział 9 PROGRAMOWANIE DYNAMICZNE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 9 PROGRAMOWANIE DYNAMICZNE 9.2. Ćwiczenia komputerowe Ćwiczenie 9.1 Wykorzystując
TOZ -Techniki optymalizacji w zarządzaniu
TOZ -Techniki optymalizacji w zarządzaniu Wykład dla studentów II roku studiów II stopnia na kierunku Zarządzanie Semestr zimowy 2009/2010 Wykładowca: prof. dr hab. inż. Michał Inkielman Wykład 2 Optymalizacja
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,
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
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
Wstęp do programowania INP001213Wcl rok akademicki 2018/19 semestr zimowy. Wykład 5. Karol Tarnowski A-1 p.
Wstęp do programowania INP001213Wcl rok akademicki 2018/19 semestr zimowy Wykład 5 Karol Tarnowski karol.tarnowski@pwr.edu.pl A-1 p. 411B Plan prezentacji Algorytm Euklidesa Liczby pierwsze i złożone Metody
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
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
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie
Techniki Optymalizacji: Optymalizacja wypukła
Techniki Optymalizacji: Optymalizacja wypukła Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: piątek 15:10-16:40
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
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
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
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
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
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
Metody optymalizacji dyskretnej
Metody optymalizacji dyskretnej Spis treści Spis treści Metody optymalizacji dyskretnej...1 1 Wstęp...5 2 Metody optymalizacji dyskretnej...6 2.1 Metody dokładne...6 2.2 Metody przybliżone...6 2.2.1 Poszukiwanie
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
Schemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem
BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda
BADANIA OPERACYJNE Zagadnienie transportowe dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Zagadnienie transportowe Założenia: Pewien jednorodny towar należy
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,
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]
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
Analiza wielokryterialna wstęp do zagadnienia
Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym
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
Rozwiązywanie problemów z użyciem Solvera programu Excel
Rozwiązywanie problemów z użyciem Solvera programu Excel Podstawowe czynności: aktywować dodatek Solver oraz ustawić w jego opcjach maksymalny czas trwania algorytmów na sensowną wartość (np. 30 sekund).
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
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
Krzysztof Trajkowski. Przegląd pakietów do optymalizacji liniowej
Krzysztof Trajkowski Przegląd pakietów do optymalizacji liniowej 1. Wprowadzenie Niniejsze opracowanie dotyczy opisu funkcji solvelp(linprog) i lp(lpsolve) za pomocą których możemy rozwiązywać zadania
FUNKCJA LINIOWA - WYKRES
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości
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
Wielokryteriowa optymalizacja liniowa
Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia
PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 5 PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI 5.2. Ćwiczenia komputerowe
Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy. Wykład 9. Karol Tarnowski A-1 p.
Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy Wykład 9 Karol Tarnowski karol.tarnowski@pwr.edu.pl A-1 p. 411B Plan prezentacji Zasada dziel i zwyciężaj Przykłady znajdowanie
Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne
Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Piotr Kaczyński Badania Operacyjne Notatki do ćwiczeń wersja 0. Warszawa, 7 stycznia 007 Spis treści Programowanie
Badania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13
Badania operacyjne Michał Kulej semestr letni, 2012 Michał Kulej () Badania operacyjne semestr letni, 2012 1/ 13 Literatura podstawowa Wykłady na stronie: www.ioz.pwr.wroc.pl/pracownicy/kulej Trzaskalik
Optymalizacja. Algorytmy dokładne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Organizacja zbioru rozwiązań w problemie SAT Wielokrotny podział na dwia podzbiory: x 1 = T, x 1
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
Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach
Adam Stawowy Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Summary: We present a meta-heuristic to combine Monte Carlo simulation with genetic algorithm for Capital
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=
Agenda. Optymalizacja w transporcie. Piotr Sawicki WIT PP ZST 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.
Tytuł: 02 Określenie kompozycji taboru. Zastosowanie programowania całkowitoliczbowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WIT PP piotr.sawicki@put.poznan.pl piotr.sawicki.pracownik.put.poznan.pl
Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle
Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,
Wykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ
Wykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZŁOŻONOŚĆ OBLICZENIOWA ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ dr hab. Krzysztof SZKATUŁA, prof. PAN Instytut Badań Systemowych PAN Uniwersytet
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
Zagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
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
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,
Metody Rozmyte i Algorytmy Ewolucyjne
mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawy optymalizacji Plan prezentacji 1 Podstawy matematyczne 2 3 Eliminacja ograniczeń Metody
Wstęp. Jak programować w DNA? Idea oraz przykład. Problem FSAT charakterystyka i rozwiązanie za pomocą DNA. Jak w ogólności rozwiązywać problemy
Ariel Zakrzewski Wstęp. Jak programować w DNA? Idea oraz przykład. Problem FSAT charakterystyka i rozwiązanie za pomocą DNA. Jak w ogólności rozwiązywać problemy matematyczne z użyciem DNA? Gdzie są problemy?
OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI
Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w
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
Modele całkowitoliczbowe zagadnienia komiwojażera (TSP)
& Zagadnienie komowojażera 1 Modele całkowitoliczbowe zagadnienia komiwojażera (TSP) Danych jest miast oraz macierz odległości pomiędzy każdą parą miast. Komiwojażer wyjeżdża z miasta o numerze 1 chce
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
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
METODY OPTYMALIZACJI. Tomasz M. Gwizdałła 2018/19
METODY OPTYMALIZACJI Tomasz M. Gwizdałła 2018/19 Informacje wstępne Tomasz Gwizdałła Katedra Fizyki Ciała Stałego UŁ Pomorska 149/153, p.524b tel. 6355709 tomgwizd@uni.lodz.pl http://www.wfis.uni.lodz.pl/staff/tgwizdalla
WŁAŚCIWOŚCI PROGRAMOWEJ REALIZACJI ZADANIA PROGRAMOWANIA CAŁKOWITOLICZBOWEGO
ZESZYTY NAUKOWE POLITECHNIKI BIAŁOSTOCKIEJ 2008 Informatyka Zeszyt 3 Aleksander Ostanin 1, Jerzy Wasiluk 1 WŁAŚCIWOŚCI PROGRAMOWEJ REALIZACJI ZADANIA PROGRAMOWANIA CAŁKOWITOLICZBOWEGO Streszczenie: Praca
Programowanie dynamiczne. Tadeusz Trzaskalik
Programowanie dynamiczne Tadeusz Trzaskalik 9.. Wprowadzenie Słowa kluczowe Wieloetapowe procesy decyzyjne Zmienne stanu Zmienne decyzyjne Funkcje przejścia Korzyści (straty etapowe) Funkcja kryterium
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
Badania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Badania
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
łączny czas pracy (1 wariant) łączny koszt pracy (2 wariant) - całkowite (opcjonalnie - dla wyrobów liczonych w szt.)
14. Zadanie przydziału z ustalonym poziomem produkcji i limitowanym czasem pracy planowanie wielkości produkcji (wersja uproszczona) Producent może wytwarzać n rodzajów wyrobów. Każdy z wyrobów można być
Laboratorium 5: Tablice. Wyszukiwanie binarne
Wojciech Myszka Laboratorium 5: Tablice. Wyszukiwanie binarne 2016-05-07 09:02:17 +0200 1. Tablice Do tej pory nie było potrzeby odwoływać się do zmiennych złożonych. Programy były bardzo proste i korzystały
BADANIA OPERACYJNE PROGRAMOWANIE WIELOKRYTERIALNE
DR ADAM SOJDA Czasem istnieje wiele kryteriów oceny. Kupno samochodu: cena prędkość maksymalna spalanie kolor typ nadwozia bagażnik najniższa najwyższa najniższe {czarny*, czerwony, } {sedan, coupe, SUV,
Optymalizacja. Algorytmy dokładne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Organizacja zbioru rozwiązań w problemie SAT Wielokrotny podział na dwia podzbiory: x 1 = T, x 1
Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,
1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości
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
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
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