Zadanie transportowe
|
|
- Tadeusz Rudnicki
- 8 lat temu
- Przeglądów:
Transkrypt
1 Zadanie transportowe Opracowanie planu przewozu jednorodnego produktu z różnych źródeł zaopatrzenia do punktów, które zgłaszają zapotrzebowanie na ten produkt. Wykład ARo Metody optymalizacji w ekonomii
2 Sformułowanie zadania transportowego m dostawców pewnego jednorodnego towaru, z których każdy dysponuje a i (i, 2,..., m) jednostkami tego towaru, zaopatruje n odbiorców. Zapotrzebowanie każdego z odbiorców wynosi b j (j, 2,..., n). Każdy dostawców może zaopatrywać dowolnego odbiorcę i odwrotnie każdy odbiorca może otrzymać towar od dowolnego dostawcy. Dodatkowo mamy podane koszty jednostkowe transportu od i-tego dostawcy do j-tego odbiorcy c ij (i, 2,..., m; j, 2,..., n). Zamiast kosztów transportu mogą być podane odległości lub czas transportu (zwłaszcza w przypadku towarów szybko psujących się). Wówczas mówimy zagadnieniach transportowych z kryterium kosztów, odległości lub czasu. Należy opracować plan przewozu towaru między dostawcami, a odbiorcami tak, aby łączne koszty transportu były możliwie najniższe. Plan taki ma określić, ile towaru powinien dostarczyć i-ty dostawca j-temu odbiorcy. Wykład ARo Metody optymalizacji w ekonomii 2
3 Rodzaje zadań transportowych. Zamknięte (zbilansowane) zagadnienie transportowe. Łączna podaż dostawców jest równa łącznemu zapotrzebowaniu odbiorców. m n a i b j i j 2. Otwarte (niezbilansowane) zagadnienie transportowe. Występuje przewaga podaży nad popytem i odwrotnie. Należy takie zadanie zbilansować m n a i > b j i j m n a i < b j i j Wykład ARo Metody optymalizacji w ekonomii 3
4 Przedstawienie graficzne Wykład ARo Metody optymalizacji w ekonomii 4
5 Wykład ARo Metody optymalizacji w ekonomii 5 Macierz kosztów mn m m n n c c c c c c c c c L L L L L L L C c ij koszty jednostkowe transportu towaru od i-tego dostawcy do j-tego odbiorcy
6 Wykład ARo Metody optymalizacji w ekonomii 6 Macierz przewozów mn m m n n X L L L L L L L j ilość przewiezionego towaru od i-tego dostawcy do j-tego odbiorcy
7 Zmienne decyzyjne i cel Zmienne decyzyjne ij ilość przewiezionego towaru od i-tego dostawcy do j-tego odbiorcy Funkcja celu (minimalizacja łącznych kosztów transportu od wszystkich dostawców do wszystkich odbiorców), c ij koszty przewozu tego towaru od i-tego dostawcy do j-tego odbiorcy z ( ) m n i j c ij ij min Wykład ARo Metody optymalizacji w ekonomii 7
8 Warunki dla dostawców i-ty dostawca ma dostarczyć wszystkim odbiorcom tyle towaru, ile posiada; warunków tych jest tyle, ilu jest dostawców, czyli m n a i,2, K m j ij i, 2 L 2 22 L L n 2 n L a a 2 m m 2... mn a m Wykład ARo Metody optymalizacji w ekonomii 8
9 Warunki dla odbiorców j-ty odbiorca ma otrzymać od wszystkich dostawców tyle towaru, ile potrzebuje; warunków tych jest tyle, ilu jest odbiorców, czyli n 2 L n m i n ij bj j,2, K, n L L... Wykład ARo Metody optymalizacji w ekonomii 9 m m2 L mn b b b 2 n
10 Oznaczenia m ilość dostawców, a i ilość zasobów u i-tego dostawcy, n ilość odbiorców, b j ilość zapotrzebowania zasobu u j-tego odbiorcy, c ij jednostkowe koszty przewozu od każdego dostawcy do każdego odbiorcy, ij ilość jednostek ładunku, które powinny być wysłane z poszczególnych punktów dostawców do poszczególnych odbiorców. Wykład ARo Metody optymalizacji w ekonomii
11 Model zadania zbilansowanego j ij m i ij i j i,2, K, m, j,2, K, n a i n n min z n ij ai i m b j j b m i,2, K, m j,2, K, n j c ij ij Wykład ARo Metody optymalizacji w ekonomii
12 Model zadania niezbilansowanego min z n m i j c ij ij n i ij a i i,2, K, m m j ij b j j,2, K, n ij i,2, K, m, j,2, K, n Wykład ARo Metody optymalizacji w ekonomii 2
13 Model zadania zbilansowanego w postaci rozpisanej min z 2 m 2 n 2 22 m n L L L L i n m i j c ij L L,2, K, m,,2, K, n ij Wykład ARo Metody optymalizacji w ekonomii 3 n 2n LLLLLLLL mn m ij m 2 LLLLLLLL mn a a b b a 2 2 b m n j
14 Wnioski Jest to zagadnienie programowania liniowego o mn równaniach i m*n zmiennych. Każda ze zmiennych decyzyjnych występuje w dwóch równaniach ze współczynnikiem równym jeden. Zbilansowane zadanie transportowe posiada bazowe rozwiązanie dopuszczalne. Bazowe rozwiązanie dopuszczalne składa się z co najwyżej mn- dodatnich zmiennych ij. Dla zbilansowanego zadania transportowego istnieje zawsze optymalne rozwiązanie dopuszczalne. Wykład ARo Metody optymalizacji w ekonomii 4
15 Przykład Firma ma zakłady wytwórcze w miejscowościach D, D 2 i D 3 oraz ośrodki dystrybucji w miejscowościach O, O 2 i O 3. Możliwości produkcyjne zakładów wynoszą odpowiednio, 2, 2 i 3 jednostek, natomiast prognozy popytu w centrach wynoszą odpowiednio,5 i 45 jednostek. Jednostkowe koszty przewozu zestawione są w tablicy. Wykład ARo Metody optymalizacji w ekonomii 5
16 Jednostkowe koszty transportu Miejscowość D D 2 D 3 Ośrodek dystrybucji O O 2 O Wykład ARo Metody optymalizacji w ekonomii 6
17 Przedstawienie schematyczne 2 D O D O D 3 9 O 3 45 Podaż Popyt Wykład ARo Metody optymalizacji w ekonomii 7
18 Cel Znaleźć taki plan przewozów, by przy uwzględnieniu możliwości produkcyjnych zakładów oraz przewidywanego popytu w ośrodkach dystrybucji zminimalizować łączne koszty transportu (które są proporcjonalne do ilości przewożonego towaru). Wykład ARo Metody optymalizacji w ekonomii 8
19 Zmienne decyzyjne planowany przewóz na trasie od D do O, 2 planowany przewóz na trasie od D do O 2, 3 planowany przewóz na trasie od D do O 3, 2 planowany przewóz na trasie od D 2 do O, 22 planowany przewóz na trasie od D 2 do O 2, 23 planowany przewóz na trasie od D 2 do O 3, 3 planowany przewóz na trasie od D 3 do O, 32 planowany przewóz na trasie od D 3 do O 2, 33 planowany przewóz na trasie od D 3 do O 3, Wykład ARo Metody optymalizacji w ekonomii 9
20 Funkcja celu i ograniczenia , K, min Wykład ARo Metody optymalizacji w ekonomii 2
21 Rozwiązanie optymalne 5, 2, 3 5, 2 5, 22 5, 23, 3, 32, Minimalny koszt transportu wynosi 47 Wykład ARo Metody optymalizacji w ekonomii 2
22 Postać macierzowa zadania transportowego c min c ma A b A b Przy czym c c Zadanie transportowe prymalne wygodnie jest rozpatrywać jako zadanie na maksimum Wykład ARo Metody optymalizacji w ekonomii 22
23 Wykład ARo Metody optymalizacji w ekonomii 23 Współczynniki dla rozpatrywanego zadania [ ] c A b
24 Zadanie prymalne i dualne Zadanie prymalne (ZP) Zadanie dualne (ZD) c ma yb min A b ya c y dowolne Wykład ARo Metody optymalizacji w ekonomii 24
25 Wektor y zadania dualnego y [ y y y y y ] Przyjmujemy, że y[u,v], gdzie: y6 u wektor zmiennych ZD odpowiadających dostawcom, v wektor zmiennych ZD odpowiadających odbiorcom. Optymalne wartości zmiennych dualnych u i oraz v j często nazywane są potencjałami. Pozwalają obliczyć współczynniki optymalności zadania transportowego. u [ u u ] 2 u3 y v [ v v ] [ u u u v v ] v3 2 v3 Wykład ARo Metody optymalizacji w ekonomii 25
26 Zadanie dualne - funkcja celu yb [ u u u v v v ] u 2u 2 3u 3 v 5v 2 45v 3 min Wykład ARo Metody optymalizacji w ekonomii 26
27 Wykład ARo Metody optymalizacji w ekonomii 27 Zadanie dualne - ograniczenia [ ] v v v u u u ya v u v u v u v u v u v u v u v u v u
28 Zadanie prymalne ma , K, 33 Wykład ARo Metody optymalizacji w ekonomii 28
29 Wykład ARo Metody optymalizacji w ekonomii 29 Zadanie dualne Ponieważ w zadaniu prymalnym ograniczenia są w postaci równości, więc zmienne w zadaniu dualnym nie są ograniczone co do znaku. min v v v u u u dowolne -,,,,, v v v u u u v u v u v u v u v u v u v u v u v u
30 Wykład ARo Metody optymalizacji w ekonomii 3 Zależności między zmiennymi i warunkami ograniczającymi poprzez twierdzenie o komplementarności v u v u v u v u v u v u v u v u v u dpowiada warunkowi 2 dpowiada warunkowi 3 dpowiada warunkowi 2 dpowiada warunkowi 22 dpowiada warunkowi 23 dpowiada warunkowi 3 dpowiada warunkowi 32 dpowiada warunkowi 33 dpowiada warunkowi
31 Wykład ARo Metody optymalizacji w ekonomii 3 Z twierdzenia o komplementarności 9) ( ) ( 7) ( 7) ( 6) ( 5) ( 3) ( 4) ( ) ( v u v u v u v u v u v u v u v u v u
32 Wnioski z twierdzenia o komplementarności Jeżeli >, to u v Jeżeli 2 >, to u v 2 4 Jeżeli 3 >, to u v 3 7 Jeżeli 2 >, to u 2 v 3 Jeżeli 22 >, to u 2 v 2 5 Jeżeli 23 >, to u 2 v 3 Jeżeli 3 >, to u 3 v 6 Jeżeli 32 >, to u 3 v 2 7 Jeżeli 33 >, to u 3 v 3 9 Wykład ARo Metody optymalizacji w ekonomii 32
33 Metody rozwiązania zadania transportowego. Jest to model liniowy i może być rozwiązywany za pomocą metody sympleks. 2. Metoda potencjałów. Wykorzystuje pewne specyficzne cechy tego zadania oraz teorię dualności. Jest to metoda bardzo efektywna. Pozwala skrócić i uprościć obliczenia. Ma charakter iteracyjny, a czynności wykonywane w kolejnych iteracjach są zbliżone do tych, które wykonujemy w prymalnej metodzie sympleks. Wykład ARo Metody optymalizacji w ekonomii 33
34 Algorytm metody potencjałów. Znaleźć pierwsze, dopuszczalne rozwiązanie bazowe. 2. Ocenić, czy jest ono optymalne, czy też nie. 3. Jeżeli nie jest optymalne, wyznaczyć nowe sąsiednie rozwiązanie bazowe. W tym celu należy: Wybrać zmienną wchodzącą do bazy, Wybrać zmienną usuwaną z bazy, Znaleźć rozwiązanie bazowe odpowiadającej bazie sąsiedniej. 4. Jeżeli otrzymane rozwiązanie jest optymalne, zakończyć postępowanie. Wykład ARo Metody optymalizacji w ekonomii 34
35 Pierwsze dopuszczalne rozwiązanie bazowe Wygodnie jest posługiwać się ujęciem macierzowotabelarycznym. Z zadaniem transportowym wiążemy dwie macierze o m wierszach i n kolumnach macierz przewozów (zwaną również planem przewozów) i macierz kosztów. W macierzy przewozów zapisujemy wartości aktualnie rozpatrywanego rozwiązania. W macierzy kosztów zapisujemy jednostkowe koszty transportu między poszczególnymi dostawcami i odbiorcami. Wykład ARo Metody optymalizacji w ekonomii 35
36 Macierze dla zadania przykładowego Macierz przewozów Macierz kosztów X C c c c 2 3 c c c c c c W macierzy X zapisane jest rozwiązanie bazowe i zawiera mn-5 zmiennych bazowych. Wykład ARo Metody optymalizacji w ekonomii 36
37 Algorytm wyznaczania pierwszego dopuszczalnego rozwiązania bazowego. Wybierz wśród nie skreślonych elementów tablicy transportowej dopuszczalną klatkę, powiedzmy (i,j), a następnie na trasie (i,j) określonej przez węzeł, zaplanować przewóz na poziomie ij, gdzie ij min( ai, bj ) 2. Zmniejsz podaż i-tego dostawcy i popyt j-tego odbiorcy o wielkość ij ustaloną w kroku, a więc a i a i ij b j b j ij Wykład ARo Metody optymalizacji w ekonomii 37
38 Algorytm cd. 3. Jeśli a i, to uzupełnij wiersz i-ty tablicy transportowej o wartości. Jeśli natomiast a i > (wtedy b j ), to uzupełnij j-tą kolumnę o wartości. 4. Jeśli wszystkie elementy tablicy transportowej zostały określone, to koniec. Wyznaczono początkowe dopuszczalne rozwiązanie bazowe składające się z nm- zmiennych bazowych. Wykład ARo Metody optymalizacji w ekonomii 38
39 Metody poszukiwania początkowego rozwiązania dopuszczalnego W zależności od sposobu wyboru dopuszczalnej klatki, jest kilka metod znalezienia początkowego rozwiązania dopuszczalnego:. Metoda kąta północno zachodniego. Nie wykorzystuje w żaden sposób wiedzy o jednostkowych kosztach transportu pomiędzy dostawcami i odbiorcami. Uzyskane rozwiązanie dopuszczalne zazwyczaj bardzo odległe od rozwiązania optymalnego. Dopuszczalną jest klatka leżąca w pierwszym wierszu i pierwszej kolumnie nie uzupełnionej części tablicy. 2. Metoda minimalnego elementu macierzy kosztów. Dopuszczalną jest klatka o minimalnym koszcie w nieuzupełnionej części tablicy. 3. Metoda Vogel a VAM. Dopuszczalną jest klatka o minimalnym koszcie w linii (wierszu lub kolumnie) z największym współczynniku kary. Współczynnik kary (liczba nieujemna) jest różnicą między dwoma najmniejszymi kosztami w linii. Wykład ARo Metody optymalizacji w ekonomii 39
40 Metoda minimalnego elementu macierzy kosztów Rozwiązanie początkowe Podaż Popyt Macierz kosztów jednostkowych Wykład ARo Metody optymalizacji w ekonomii 4
41 Zasada postępowania W macierzy kosztów jednostkowych szukamy elementu minimalnego. Jest to węzeł (,). Wykorzystujemy maksymalnie trasę (,) wybierając mniejszą z liczb określających podaż i popyt na tej trasie. Modyfikujemy wartości popytu i podaży na danej trasie. Kontynuujemy postępowanie tak długo aż określimy wszystkie elementy macierzy X. Wykład ARo Metody optymalizacji w ekonomii 4
42 Krok Rozwiązanie początkowe Podaż * Popyt Macierz kosztów jednostkowych min{a,b } * a a - b b - b,więc uzupełniamy pierwszą kolumnę zerami Wykład ARo Metody optymalizacji w ekonomii 42
43 Krok 2 Rozwiązanie początkowe Podaż * Popyt Macierz kosztów jednostkowych min{a,b 2 } * 4* a a - b b -5 a,więc uzupełniamy pierwszy wiersz zerami Wykład ARo Metody optymalizacji w ekonomii 43
44 Krok 3 Rozwiązanie początkowe Podaż 5* Popyt Macierz kosztów jednostkowych min{a 2,b 2 }5 * 4* 7 3 5* a 2 a 2-55 b 2 b 2-5 b 2,więc uzupełniamy drugą kolumnę zerami Wykład ARo Metody optymalizacji w ekonomii 44
45 Krok 4 Rozwiązanie początkowe Podaż 5 5 3* Popyt Macierz kosztów jednostkowych min{a 3,b 3 }3 * 4* 7 3 5* 6 7 9* a 3 a 3-3 b 3 b 3-35 b 3, ale trzeci wiersz uzupełniony Wykład ARo Metody optymalizacji w ekonomii 45
46 Krok 5 Rozwiązanie początkowe Podaż 5 5* Popyt Macierz kosztów jednostkowych * 4* 7 3 5* * 6 7 9* wypełniamy element 23, a 2 b 3 5 Wykład ARo Metody optymalizacji w ekonomii 46
47 Pierwsze dopuszczalne rozwiązanie bazowe znalezione metodą minimalnego elementu macierzy kosztów Rozwiązanie początkowe Podaż * * 5* 5* 3* Popyt Macierz kosztów jednostkowych * 4* 7 3 5* * 6 7 9* Wartość funkcji celu jest równa 5 Wykład ARo Metody optymalizacji w ekonomii 47
48 Metoda VAM W każdym wierszu i kolumnie macierzy kosztów znajdujemy bezwzględną wartość różnicy między dwoma najmniejszymi elementami macierzy kosztów jednostkowych. Wybieramy węzeł który znajduje się w linii o największej wartości bezwzględnej różnicy i którego koszt jednostkowy jest najmniejszy. Wykład ARo Metody optymalizacji w ekonomii 48
49 Krok Rozwiązanie początkowe Podaż * Popyt Macierz kosztów jednostkowych Różnice w wierszach * Różnice w kolumnach Wykład ARo Metody optymalizacji w ekonomii 49
50 Krok 2 Rozwiązanie początkowe Podaż 5* Popyt Macierz kosztów jednostkowych Różnice w wierszach * * Różnice w kolumnach Wykład ARo Metody optymalizacji w ekonomii 5
51 Wartość funkcji celu jest równa 48 Krok 3 Rozwiązanie początkowe Podaż * 5 5* 5 3* 3 45 Popyt Macierz kosztów jednostkowych Różnice w wierszach * 4 7* - 3 5* * * Różnice w kolumnach Wykład ARo Metody optymalizacji w ekonomii 5
52 Metoda kąta północnozachodniego Patrząc na zbiór węzłów tworzących macierz rozwiązania początkowego jak na mapę, znajdujemy węzeł wysunięty najdalej na północny zachód. Jest to węzeł o numerze (,). Dalej zasada postępowania jest podobna jak w poprzednich metodach. Postępowanie kontynuujemy aż do momentu wypełnienia wszystkich węzłów. W metodzie tej nie wykorzystuje się macierzy kosztów jednostkowych. Wykład ARo Metody optymalizacji w ekonomii 52
53 Krok Rozwiązanie początkowe Podaż * Zapotrzebowanie Wykład ARo Metody optymalizacji w ekonomii 53
54 Krok 2 Rozwiązanie początkowe Podaż * * Zapotrzebowanie Wykład ARo Metody optymalizacji w ekonomii 54
55 Krok 3 Rozwiązanie początkowe Podaż * * 5* Zapotrzebowanie Wykład ARo Metody optymalizacji w ekonomii 55
56 Krok 4 Rozwiązanie początkowe Podaż * * 5* 5* 5 3* 3 45 Zapotrzebowanie Wartość funkcji celu jest równa 5 Wykład ARo Metody optymalizacji w ekonomii 56
57 Metoda potencjałów Można ją stosować do zadania zbilansowanego Wykład ARo Metody optymalizacji w ekonomii 57
58 Algorytm postępowania. Podajemy zagadnienie zbilansowane. Jeżeli model nie jest zbilansowany, to należy go zbilansować. 2. Konstruujemy tablicę transportową i pierwsze bazowe rozwiązanie dopuszczalne dowolną z metod. 3. Obliczamy potencjały u i i v j w ten sposób, aby dla każdej zmiennej bazowej ij, c ij c ij u i v j. 4. Obliczamy oceny klatek niebazowych ze wzoru c ij c ij u i v j. Jeżeli wszystkie oceny c ij o to mamy rozwiązanie optymalne i kończymy działanie algorytmu. 5. Jeżeli nie jest optymalne, wyznaczyć nowe sąsiednie rozwiązanie bazowe. W tym celu należy: Dodać klatkę o najmniejszej ocenie do bazy, Zbudować cykl zawierający dodawaną klatkę i pewne klatki bazowe, Zmień wartości klatek należących do cyklu tak, aby otrzymać nowe rozwiązanie bazowe 6. Wróć do kroku 3. Wykład ARo Metody optymalizacji w ekonomii 58
59 Znalezienie pierwszego dopuszczalnego rozwiązania bazowego Rozwiązanie początkowe (metodą minimalnego elementu) * * 5* 5* 3* Wykład ARo Metody optymalizacji w ekonomii 59
60 Konstrukcja układu równań dla zadania dualnego mamy Ponieważ >, wic u v Ponieważ 2 >, wic u v 2 4 Ponieważ 22 >, wic u 2 v 2 5 Ponieważ 23 >, wic u 2 v 3 Ponieważ 33 >, wic u 3 v 3 9 Jest to układ pięciu równań z sześcioma niewiadomymi. Można go rozwiązać przyjmując jedną zmienną jako parametr. Jako parametr przyjmujemy u u u u 2 3 a, a, a, v Wykład ARo Metody optymalizacji w ekonomii 6 v v a a a
61 Obliczenie współczynników optymalności (są niezależne od a) Współczynnikami kosztów są lewe strony warunków ograniczających zadania dualnego. Wartości współczynników kosztów nie zależą od parametru. Można więc przyjąć, że a (czyli u ). c u v ij i j c ij Wykład ARo Metody optymalizacji w ekonomii 6
62 Wykład ARo Metody optymalizacji w ekonomii 62 Współczynniki optymalności ij j i ij c v u c 9 ) ( ) ( ) 4 ( ) ( ) ( ) ( 6 ) ( ) ( 5 ) 4 ( ) ( 5 3 ) ( ) ( ) ( 7 4 ) 4 ( 4 ) ( a a v u c a a v u c a a v u c a a v u c a a v u c a a v u c a a v u c a a v u c a a v u c C
63 Kryterium optymalności C Istnieje możliwość poprawy rozwiązania początkowego Wykład ARo Metody optymalizacji w ekonomii 63
64 Kryterium wejścia W macierzy wskaźników optymalności znajdujemy element najmniejszy. Odpowiadająca mu zmienną wprowadzamy do bazy. Jeżeli najmniejszej wartości współczynnika optymalności odpowiada więcej niż jedna zmienna, to do nowej bazy wprowadzamy zmienną o najmniejszym numerze wiersza, a gdy numer wiersza dla dwóch zmiennych jest taki sam, wówczas do nowej bazy wprowadzamy zmienną o najmniejszym numerze kolumny. C Do bazy wprowadzamy zmienną 3 Wykład ARo Metody optymalizacji w ekonomii 64
65 Określenie cyklu W naszym przypadku do bazy powinna wejść zmienna 3. Cyklem jest zbiór węzłów, który rozpoczyna się od węzła wprowadzanego do bazy i zawiera wszystkie (lub niektóre) węzły dotychczasowej bazy, w których należy zmienić wartości po wprowadzeniu do bazy wybranego wektora. Prawidłowo zbudowany cykl ma w każdym wierszu lub kolumnie dokładnie lub 2 węzły. Wykład ARo Metody optymalizacji w ekonomii 65
66 Cykl Ciąg klatek tablicy transportowej nazywamy cyklem jeżeli: Każde dwie sąsiednie klatki znajdują się w jednej linii tj w jednej kolumnie lub w jednym wierszu, Ostatnia klatka znajduje się w tej samej linii co klatka pierwsza, Żadne trzy kolejne klatki tego ciągu nie leżą w jednej linii. Wykład ARo Metody optymalizacji w ekonomii 66
67 Określenie cyklu dla zadania Rozwiązanie początkowe Cykl można podzielić na dwa półcykle:. Półcykl dodatni te w których nastąpi wzrost wartości przewozu, 2. Półcykl ujemny te w których nastąpi spadek. Wykład ARo Metody optymalizacji w ekonomii 67
68 Kryterium wyjścia Bazę opuszcza ta zmienna należąca do półcyklu ujemnego, dla której wielkość przewozu w dotychczasowym rozwiązaniu jest minimalna. W przypadku niejednoznaczności postępujemy tak samo, jak w przypadku wystąpienia niejednoznaczności w kryterium wejścia W naszym przypadku min(,5), więc bazę opuszcza zmienna 2. Wykład ARo Metody optymalizacji w ekonomii 68
69 Przejście do sąsiedniego rozwiązania bazowego Rozwiązanie początkowe Nowe rozwiązanie dopuszczalne (iteracja ) * * 5* 5* 3* Wartość funkcji celu 5 Wartość funkcji celu 48 Przy przejściu do nowego rozwiązania sąsiedniego, zwiększamy wartości zmiennych dla węzłów półcyklu dodatniego o znalezioną wartość minimalną, oraz zmniejszamy wartości zmiennych półcyklu ujemnego o tę samą wartość. Wykład ARo Metody optymalizacji w ekonomii 69
70 Przebieg obliczeń iteracja 2 Macierz współczynników optymalności * -3* * * 6 4 * Układ równań: u v u u u u v 3 v v v Rozwiązanie: u u u v v v Wykorzystując macierz współczynników optymalności uzyskaną w iteracji, tworzymy układ równań liniowych odpowiadający temu rozwiązaniu. Wykład ARo Metody optymalizacji w ekonomii 7
71 Obliczamy nowe współczynniki optymalności (rozwiązanie nadal nie jest optymalne) Dotychczasowa macierz współczynników optymalności * * -3 * * * v i Nowa macierz wskaźników optymalności * 3 * -2 * * 3 4 * c u v Wykład ARo Metody optymalizacji w ekonomii 7 ij u i i j c ij
72 Utworzenie cyklu dla węzła (2,) Rozwiązanie dopuszczalne Podaż Popyt Macierz wskaźników optymalności * 3 * -2 * * 3 4 * Z bazy usuwamy węzeł (2,3). (min(,5)5). Wykład ARo Metody optymalizacji w ekonomii 72
73 Nowe rozwiązanie dopuszczalne Dotychczasowe rozwiązanie dopuszczalne Podaż Popyt Nowe rozwiązanie dopuszczalne 5* 5* 5 * 5* * 3* Wartość funkcji celu (iteracja 2) jest równa 47 Wykład ARo Metody optymalizacji w ekonomii 73
74 Wykład ARo Metody optymalizacji w ekonomii 74 Przebieg obliczeń iteracja 3 Macierz współczynników optymalności * 3 * -2* * 3 4 * v u v u v u v u v u Układ równań: Rozwiązanie: v u v u v u
75 Macierz współczynników optymalności Dotychczasowa macierz współczynników optymalności * 3 * -2 * * * u i -2 v i Nowa macierz wskaźników optymalności * * * * * c u v ij i Ponieważ nowe współczynniki optymalności są nieujemne więc rozwiązanie jest optymalne. j c ij Wykład ARo Metody optymalizacji w ekonomii 75
76 Bilansowanie zadania transportowego m i n a i > b j j Podaż przewyższa popyt, więc pewna część towaru pozostaje u dostawców. Zadanie bilansujemy poprzez wprowadzenie fikcyjnego odbiorcy. Wykład ARo Metody optymalizacji w ekonomii 76
77 Przykład Możliwości produkcyjne zakładu w miejscowości D, z poprzedniego przykładu zwiększyły się i wynoszą 25 jednostek, popyt jest taki sam. a b 25,, a b C 2 2 2, 5, Wykład ARo Metody optymalizacji w ekonomii b a
78 Wprowadzenie fikcyjnego odbiorcy Zapotrzebowanie fikcyjnego odbiorcy jest równe całkowitej podaży pomniejszonej o wielkość całkowitego popytu. Przez i4 oznaczamy ilość towaru przekazaną fikcyjnemu odbiorcy przez i-tego dostawcę. b4 ( a a2 a3) ( b b2 b3 ) (25 2 3) ( 5 45) 5 Wykład ARo Metody optymalizacji w ekonomii 78
79 Rozwiązanie początkowe otrzymane metodą minimalnego elementu Rozwiązanie początkowe Podaż * * 5* 25 5* 5* 2 3* Zapotrzebowanie Macierz kosztów jednostkowych wartość funkcji celu 5 Wykład ARo Metody optymalizacji w ekonomii 79
80 Rozwiązanie optymalne otrzymane metodą potencjałów Optymalna wartość funkcji celu jest równa 46. Wykład ARo Metody optymalizacji w ekonomii 8
81 Bilansowanie zadania transportowego m i a i < b Popyt przewyższa podaż, więc zapotrzebowanie części odbiorców zostanie niezaspokojone. Zadanie bilansujemy poprzez wprowadzenie fikcyjnego dostawcy. Wykład ARo Metody optymalizacji w ekonomii 8 n j j
82 Przykład Popyt w centrum dystrybucji w miejscowości O, z poprzedniego przykładu zwiększył się i wynosi 5 jednostek, podaż jest taka sama. a 2, a 2, a 3 b, C b , Wykład ARo Metody optymalizacji w ekonomii 82 b
83 Wprowadzenie fikcyjnego dostawcy Podaż fikcyjnego dostawcy jest równa całkowitemu popytowi pomniejszonemu o wielkość całkowitej podaży. Przez 4j oznaczamy ilość towaru przekazaną od fikcyjnego dostawcy do j-tego odbiorcy. a4 ( b b2 b3 ) ( a a2 a3) ( 5 5) (2 2 5) 5 Wykład ARo Metody optymalizacji w ekonomii 83
84 Rozwiązanie początkowe otrzymane metodą VAM Rozwiązanie początkowe Podaż * * 2 5* 5* 2 3* 3 5* Zapotrzebowanie Macierz kosztów jednostkowych Wartość funkcji celu Wykład ARo Metody optymalizacji w ekonomii 84
85 Rozwiązanie optymalne otrzymane metodą potencjałów Optymalna wartość funkcji celu jest równa 47. Wykład ARo Metody optymalizacji w ekonomii 85
86 Degeneracja w zadaniu transportowym Każda baza w zadaniu transportowym składa się z mn- elementów. Degeneracja występuje wtedy, kiedy liczba zmiennych bazowych o wartościach niezerowych jest mniejsza od mn-. Jeżeli degeneracja występuje już w etapie tworzenia pierwszego bazowego rozwiązania dopuszczalnego, to konieczne jest uzupełnienie bazy zmiennych o wartościach równych zero. Jeżeli degeneracja pojawi się w trakcie rozwiązywania zadania, należy pamiętać, które zera są zerami bazowymi, a które niebazowymi. Wykład ARo Metody optymalizacji w ekonomii 86
87 Przykład Mamy zadanie z trzema dostawcami i trzema odbiorcami, w którym podaż i popyt oraz koszty jednostkowe transportu są podane: a, a 2, a 3 b, b C , 3 Wykład ARo Metody optymalizacji w ekonomii b
88 Przykładowe rozwiązanie początkowe metodą kąta północno-zachodniego Rozwiązanie początkowe Podaż * * 2* * 2 3* Zapotrzebowanie W każdym kroku możemy eliminować dostawcę lub odbiorcę. Wykład ARo Metody optymalizacji w ekonomii 88
89 Dalsze rozwiązania początkowe otrzymane tą samą metodą * * 2* * 3* * * 2* * 3* * * 2* * 3* Wykład ARo Metody optymalizacji w ekonomii 89
90 Wykład ARo Metody optymalizacji w ekonomii 9 Obliczenie współczynników optymalności Macierz współczynników optymalności 7* 4* 4 3 6* * 2 3 5* v u v u v u v u v u Układ równań: Rozwiązanie: v u v u v u
91 Obliczamy nowe współczynniki optymalności (rozwiązanie nadal nie jest optymalne) Dotychczasowa macierz współczynników optymalności v i Nowa macierz wskaźników optymalności * * 5-6 * * - -7 * c u v Wykład ARo Metody optymalizacji w ekonomii 9 ij u i i j c ij
92 Określenie cyklu Rozwiązanie początkowe Wartość funkcji celu 34 Do bazy wprowadzamy węzeł (3,). Powstaje cykl składający się z 6 węzłów. Wykład ARo Metody optymalizacji w ekonomii 92
93 Nowe rozwiązanie dopuszczalne Nowe rozwiązanie dopuszczalne * * * * 2 * Wartość funkcji celu 23 W nowym rozwiązaniu wszystkie zmienne bazowe są dodatnie, czyli rozwiązanie jest niezdegenerowane. Wykład ARo Metody optymalizacji w ekonomii 93
94 Nowa macierz współczynników optymalności rozwiązanie nie jest optymalne Dotychczasowa macierz współczynników optymalności * * 5-6 * * - -7 * v i Nowa macierz wskaźników optymalności * 5 5 * * * -7 * Wykład ARo Metody optymalizacji w ekonomii 94 ij u i c u v i j c ij
95 Określenie cyklu Rozwiązanie początkowe Wartość funkcji celu 23 Wykład ARo Metody optymalizacji w ekonomii 95
96 Nowe rozwiązanie dopuszczalne Nowe rozwiązanie dopuszczalne * 2* * * * Wartość funkcji celu 6 Rozwiązanie nie jest zdegenerowane Wykład ARo Metody optymalizacji w ekonomii 96
97 Nowa macierz współczynników optymalności rozwiązanie nie jest optymalne Dotychczasowa macierz współczynników optymalności v i Nowa macierz wskaźników optymalności 4 * * * * * Wykład ARo Metody optymalizacji w ekonomii 97 ij u i c u v i j c ij
98 Określenie cyklu Rozwiązanie początkowe Wartość funkcji celu 6 Wykład ARo Metody optymalizacji w ekonomii 98
99 Nowe rozwiązanie dopuszczalne Nowe rozwiązanie dopuszczalne 2* 2* * 2* * Wartość funkcji celu 4 Rozwiązanie to zawiera jedno zero bazowe Wykład ARo Metody optymalizacji w ekonomii 99
100 Wyznaczenie macierzy współczynników optymalności - rozwiązanie jest optymalne Dotychczasowa macierz współczynników optymalności 4 * * -2 * * * v i Nowa macierz wskaźników optymalności 6 2 * 5 7 * * * * Wykład ARo Metody optymalizacji w ekonomii ij u i c u v i j c ij
101 Preferencje odbiorców w zadaniu z fikcyjnym dostawcą Jeśli z warunków zadania wynikają określone preferencje w zaspokojeniu zapotrzebowania pewnego odbiorcy k w wysokości b k, to w optymalnym planie przewozów nie może znaleźć się przewóz w wysokości b k, na trasie odbiorca k fikcyjny odbiorca m. W tym celu dzielimy zapotrzebowanie b k tego odbiorcy na dwie części i rozpatrujemy dwóch odbiorców k i k. Modyfikujemy tablicę transportową, dzieląc kolumnę odpowiadającą odbiorcy k na dwie kolumny. Jednostkowe koszty transportu na trasach do odbiorców k i k są równe jednostkowym kosztom transportu na trasach do odbiorcy k z wyjątkiem trasy (m,k ) od fikcyjnego dostawcy do odbiorcy k. Przyjmujemy na tej trasie jednostkowy koszt transportu równy M, gdzie M jest dostatecznie dużą liczbą dodatnią, co pozwoli na wyeliminowanie trasy (m,k ), w trakcie obliczeń. Wykład ARo Metody optymalizacji w ekonomii
102 Preferencje dostawców Jeśli warunki zadania narzucają wykonanie planu przewozów przez określonego dostawcę w wysokości a i, postępujemy podobnie jak przy preferencjach odbiorców. Eliminujemy przewóz na trasie fikcyjnego odbiorcy przez wprowadzenie wysokiego jednostkowego kosztu transportu. Wykład ARo Metody optymalizacji w ekonomii 2
103 Niedopuszczalność przewozów Jeśli z warunków zadania wynika niedopuszczalność przewozów na określonych trasach (blokada pewnych tras), to wprowadzamy do zadania w sposób sztuczny możliwość lokowania przewozów na trasach niedopuszczalnych, przypisując im odpowiednio duży jednostkowy koszt transportu równy M. Wykład ARo Metody optymalizacji w ekonomii 3
104 Schemat algorytmu transportowego cz. S T A R T Tak zadanie zbilansowane modyfikujemy tablicę transportową wprowadzając "fikcyjnego dostawcę" Tak Nie popyt przewyższa podaż Nie modyfikujemy tablicę transportową wprowadzając "fikcyjnego odbiorcę" czy istnieją preferencje w zaspokajaniu zapotrzebowania określonych odbiorców Tak modyfikujemy tablicę transportową eliminując przewozy od "fikcyjnego dostawcy" Nie Nie czy istnieją trasy niedopuszczalne Wprowadzamy do zadania dodatkowy warunek. Modyfikujemy tablicę transportową czy istnieją preferencje w wykonaniu przez określonych dostawców Tak modyfikujemy tablicę transportową eliminując przewozy do "fikcyjnego odbiorcy" modyfikujemy tablicę transportową wprowadzając "fikcyjnego dostawcę" Wykład ARo Metody optymalizacji w ekonomii 4 Tak Nie
105 Schemat algorytmu transportowego cz. 2 czy otrzymane rozwiązanie jest niezdegenerowane Nie Tak Tak czy otrzymane rozwiązanie jest optymalne Tak czy otrzymane rozwiązanie jest jednoznaczne znajdujemy pozostałe rozwiązanie optymalne Nie usuwamy degenerację przez dołączenie do zmiennych bazowych odpowiednią liczbę zmiennych niebazowych Nie wyznaczenie poprawionego bazowego rozwiązania dopuszczalnego Koniec Wykład ARo Metody optymalizacji w ekonomii 5
106 Uwagi Algorytm działa także wtedy, gdy koszty przewozów są ujemne. Jeżeli celem będzie maksymalizacja kosztów przewozu, to przed zastosowaniem algorytmu należy przemnożyć wszystkie koszty przez -. Jeżeli wszystkie podaże i popyty są liczbami całkowitymi, to algorytm zwraca optymalny przewóz całkowitoliczbowy. Wykład ARo Metody optymalizacji w ekonomii 6
107 Zagadnienie transportowe z kryterium czasu Współczynniki macierzy C[c ij ] oznaczają nie jednostkowe koszty przewozu, ale czas przewozu ładunku od dostawcy i do odbiorcy j. Mamy wtedy do czynienia z zadaniem transportowych z kryterium czasu. Wykład ARo Metody optymalizacji w ekonomii 7
108 Typy zadań z kryterium czasu. Zadanie transportowe z kryterium czasu pierwszego rodzaju jako kryterium optymalizacji przyjmujemy minimalizację łącznej liczby tonogodzin. Dla takiego zadania wyznaczamy rozwiązanie podobnie jak w zadaniach z kryterium kosztów. Takie zadania często stosuje się przy przewozach towarów łatwo lub szybko tracących własności użytkowe. Nie zapewnia ono jednak, że przewozy na wszystkich wybranych trasach trwać będą stosunkowo krótko. 2. Zadanie transportowe z kryterium czasu drugiego rodzaju jako kryterium przyjmuje się minimalizację najdłużej trwającego przewozu. Wykład ARo Metody optymalizacji w ekonomii 8
109 Zadanie transportowe z kryterium czasu drugiego rodzaju min z n j ij a ma{ c i ij > ij }, i,2, K, m m i ij ij, b j, j,2, K, n i,2, K, m, j,2, K, n Wykład ARo Metody optymalizacji w ekonomii 9
110 Algorytm rozwiązania S T A R T Budowa początkowego rozwiązania dopuszczalnego Budowa macierzy T[t ij ] Wyznaczenie czasu realizacji planu przewozowego t ma Budowa macierzy H[h ij ] Tak Czy otrzymane rozwiązanie jest optymalne Nie Opisanie znalezionego rozwiązania optymalnego Koniec Wyznaczenie poprawionego rozwiązania bazowego Wykład ARo Metody optymalizacji w ekonomii
111 Budowa początkowego rozwiązania bazowego Budowy początkowego rozwiązania bazowego dokonujemy jedną z poznanych wcześniej metod. Budujemy macierz X[ ij ]. Wykład ARo Metody optymalizacji w ekonomii
112 Budowa macierzy T[t ij ] t ij c ij ij ij > Wykład ARo Metody optymalizacji w ekonomii 2
113 Wyznaczenie t ma Czas ten nazywamy czasem realizacji danego czasu przewozowego X[ ij ]. Jest to największy element macierzy T[t ij ] Wykład ARo Metody optymalizacji w ekonomii 3
114 Budowa macierzy H[h ij ] h ij M Należy sprawdzić, czy znalezione t ma jest najmniejsze spośród wszystkich t ma odpowiadających różnym rozwiązaniom X[ ij ]. Dzielimy w ten sposób trasy zadania na trzy grupy: h ij (korzystne), h ij (równorzędne), h ij M (niekorzystne M odpowiednio duża liczba dodatnia). Wykład ARo Metody optymalizacji w ekonomii 4 c c c ij ij ij < > t t t ma ma ma
115 Sprawdzenie optymalności otrzymanego rozwiązania Dokonujemy tak jak poprzednio, biorąc zamiast macierzy C macierz H. Wykład ARo Metody optymalizacji w ekonomii 5
116 Przykład Trzej ogrodnicy dostarczają codziennie świeże kwiaty różnych gatunków: Kowalski 2 szt., Nowak 8 szt., Wiśniewski szt. do kwiaciarni w trzech miejscowościach. Zapotrzebowanie w tych miejscowościach wynosi odpowiednio: Baranowo 6 szt., Kaczyce szt., Koziny 4 szt. Biorąc pod uwagę czasy przejazdu od poszczególnych ogrodników do kwiaciarni oraz to, że Wiśniewski otrzymał z Kozin zamówienie jedynie na 7 szt kwiatów dziennie, ustal dokąd powinni wysłać swe kwiaty ogrodnicy, aby możliwie najbardziej skrócić najdłuższy czas przewozu. Wykład ARo Metody optymalizacji w ekonomii 6
117 Czasy przejazdu tabela T Dostawca Czas przejazdu (w godz.) do: Baranowa Kaczyce Koziny Kowalski 4 3 Nowak 3 3 Wiśniewski 3 2 Wykład ARo Metody optymalizacji w ekonomii 7
118 Uwagi Zadanie jest bilansowane a a 2 a 3 b b 2 b 3 3. Występuje w nim ograniczenie trasy (3,3) (przewóz kwiatów w ilości 7 szt.) Wykład ARo Metody optymalizacji w ekonomii 8
119 Obliczenie rozwiązania początkowego bez dodatkowego ograniczenia Rozwiązanie początkowe Podaż 6* 6* 2 4* 4* 8 * 6 4 Popyt Macierz kosztów jednostkowych Wykład ARo Metody optymalizacji w ekonomii 9
120 Dodatkowe ograniczenie Rozwiązanie początkowe Podaż 6* 6* 2 4* 4* 8 3* 7* Popyt Macierz kosztów jednostkowych Wykład ARo Metody optymalizacji w ekonomii 2
121 Przykłady wykorzystania zadania transportowego. Minimalizacja pustych przebiegów 2. Zagadnienie transportowoprodukcyjne 3. Zagadnienie przydziału zadań Wykład ARo Metody optymalizacji w ekonomii 2
122 Minimalizacja pustych przebiegów Mamy układ 8 punktów geograficznych, między którymi istnieją połączenia komunikacyjne. Z każdego z tych punktów wywozi się i do każdego przywozi określoną masę towaru,wykorzystując do przewozu samochody o tej samej ładowności. Wykład ARo Metody optymalizacji w ekonomii 22
123 Odległości między miastami Wykład ARo Metody optymalizacji w ekonomii 23
124 Przewidywany przewóz masy towaru między miastami, mierzony liczbą samochodów Wywóz z miasta i p i Przywóz do miasta i w i Wykład ARo Metody optymalizacji w ekonomii 24
125 Nadwyżka/niedobór samochodów Dla rozpatrywanych miast wywóz nie jest równy przywozowi. Należy określić taki plan przebiegu pustych samochodów, przy którym łączna liczba samochodo-kilometrów pustych przebiegów będzie minimalna, przy zaopatrzeniu każdego miasta (w którym wywóz przekracza przywóz) w niezbędną liczbę pustych samochodów. W tabeli suma wartości w wierszu oznaczona jest przez p i, natomiast suma wartości w kolumnie oznaczona jest przez w i. Wykład ARo Metody optymalizacji w ekonomii 25
126 Nadwyżka/niedobór samochodów w kolejnych miastach Dla każdego miasta obliczamy wielkość: r i p i -w i. p i w i r i Wykład ARo Metody optymalizacji w ekonomii 26
127 Dostawcy pustych samochodów Miasto, dla którego r i >, jest dostawcą pustych samochodów, przy czym podaż pustych samochodów wynosi p i -w i. Miasto, dla którego r i <, jest odbiorcą pustych samochodów, przy czym popyt na puste samochody wynosi w i -p i. Rozpatrywane zadanie ma strukturę zadania transportowego. Dostawcami samochodów są miasta o numerach, 3, 5, 7, natomiast odbiorcami miasta o numerach 2, 4, 6, 8. Wykład ARo Metody optymalizacji w ekonomii 27
128 Dostawcy i odbiorcy a nadwyżka samochodów w mieście (dostawca pierwszy) a 2 nadwyżka samochodów w mieście 3 (dostawca drugi) a 3 nadwyżka samochodów w mieście 5 (dostawca trzeci) a 4 nadwyżka samochodów w mieście 7 (dostawca czwarty) b niedobór samochodów w mieście 2 (odbiorca pierwszy) b 2 niedobór samochodów w mieście 4 (odbiorca drugi) b 3 niedobór samochodów w mieście 6 (odbiorca trzeci) b 4 niedobór samochodów w mieście 8 (odbiorca czwarty) Wykład ARo Metody optymalizacji w ekonomii 28
129 Odległości między dostawcami a odbiorcami Dostawca Odbiorca b b 2 b 3 b 4 a a a a Wykład ARo Metody optymalizacji w ekonomii 29
130 Zmienne decyzyjne liczba pustych przebiegów z miasta do miasta 2 3 z miasta 3 do miasta 2 2 z miasta do miasta 4 32 z miasta 3 do miasta 4 3 z miasta do miasta 6 33 z miasta 3 do miasta 6 4 z miasta do miasta 8 34 z miasta 3 do miasta 8 2 z miasta 2 do miasta 2 4 z miasta 4 do miasta 2 22 z miasta 2 do miasta 4 42 z miasta 4 do miasta 4 23 z miasta 2 do miasta 6 43 z miasta 4 do miasta 6 24 z miasta 2 do miasta 8 44 z miasta 4 do miasta 8 Wykład ARo Metody optymalizacji w ekonomii 3
131 Funkcja celu f (, 2, 3, 4, 2, 22, 23, 24, 3, 32, 33, 34, 4, 42, 43, 44 ) min Wykład ARo Metody optymalizacji w ekonomii 3
132 Ograniczenia Dostawca Dostawca 2 Dostawca 3 Dostawca Wykład ARo Metody optymalizacji w ekonomii 32 4 Odbiorca Odbiorca Odbiorca Odbiorca , 2, 3, 4, 2, 22, 23, 24, 3, 32, 33, 34, 4, 42, 43, 44
133 Rozwiązanie optymalne optymalna wartość funkcji celu Wykład ARo Metody optymalizacji w ekonomii 33
134 Interpretacja rozwiązania 2 puste przebiegi na trasie z miasta do miasta 2, 5 pustych przebiegów na trasie z miasta do miasta 4, 2 puste przebiegi na trasie z miasta do miasta 8, 7 pustych przebiegów na trasie z miasta 3 do miasta 2, 4 puste przebiegi na trasie z miasta 5 do miasta 4, 6 pustych przebiegów na trasie z miasta 5 do miasta 6, 5 pustych przebiegów na trasie z miasta 7 do miasta 2. Minimalna liczba samochodo-kilometrów pustych przebiegów wynosi 69. Wykład ARo Metody optymalizacji w ekonomii 34
135 Zagadnienie transportowoprodukcyjne Mamy 3 zakłady produkujące pewien towar o zdolnościach produkcyjnych równych odpowiednio: 4, 5 i 3 oraz 4 odbiorców tego towaru, których zapotrzebowania wynoszą odpowiednio: 45,, 3 i 35. Koszt produkcji jednostki towaru w kolejnych zakładach wynosi odpowiednio: 4, 3 i, natomiast koszty przewozu przedstawia macierz C, macierz jednostkowych kosztów produkcji i transportu przedstawia macierz J. Celem jest minimalizacja łącznych kosztów produkcji i transportu. Wykład ARo Metody optymalizacji w ekonomii 35
136 Wykład ARo Metody optymalizacji w ekonomii 36 Macierze zadania C J
137 Zmienne decyzyjne ilość produktu wytworzona przez zakład dla odbiorcy 3 przez zakład 3 dla odbiorcy 2 przez zakład dla odbiorcy 2 32 przez zakład 3 dla odbiorcy 2 3 przez zakład dla odbiorcy 3 33 przez zakład 3 dla odbiorcy 3 4 przez zakład dla odbiorcy 4 34 przez zakład 3 dla odbiorcy 4 2 przez zakład 2 dla odbiorcy 22 przez zakład 2 dla odbiorcy 2 23 przez zakład 2 dla odbiorcy 3 24 przez zakład 2 dla odbiorcy 4 Wykład ARo Metody optymalizacji w ekonomii 37
138 Funkcja celu f (, 2, 3, 4, 2, 22, 23, 24, 3, 32, 33, 34 ) min Wykład ARo Metody optymalizacji w ekonomii 38
139 Ograniczenia Zakład Zakład 2 Zakład Odbiorca Odbiorca Odbiorca Odbiorca Wykład ARo Metody optymalizacji w ekonomii , 2, 3, 4, 2, 22, 23, 24, 3, 32, 33,
140 Rozwiązanie optymalne optymalna wartość funkcji celu jest równa Wykład ARo Metody optymalizacji w ekonomii 4
141 Interpretacja rozwiązania Plan przewozów Odbiorca Odbiorca 2 Odbiorca 3 Odbiorca 4 Produkcja 3 Zakład Zakład zakład3 3 Wykład ARo Metody optymalizacji w ekonomii 4
142 Zagadnienie przydziału zadań Dwóch doradców firmy konsultingowej, panowie X i Y, może poświęcić podczas najbliższych 4 tygodni nie więcej niż 4 godzin na pracę dla nowych klientów. Trzeci doradca, pani Z, jest już częściowo zajęta i będzie mogła poświęcić w tym czasie jedynie 2 godzin na nowe projekty. Firma pozyskała cztery nowe kontrakty. Wykład ARo Metody optymalizacji w ekonomii 42
143 Wymagania czasowe nowych kontraktów Klient Liczba godzin A 65 B 5 C 8 D 7 Wykład ARo Metody optymalizacji w ekonomii 43
144 Stawki godzinowe różnią się w zależności od doradców i klientów (zł/godz.) Doradca Klient A Klient B Klient C Klient D X 9,5 2 Y 3,5 2 Z 5 4,5 4 3 W jaki sposób przydzielić doradcom kontrakty, tak by łączny koszt ich realizacji był najmniejszy. Wykład ARo Metody optymalizacji w ekonomii 44
145 Zmienne decyzyjne liczba godzin pracy doradcy X dla klienta A 2 doradcy X dla klienta B 3 doradcy X dla klienta C 4 doradcy X dla klienta D 3 doradcy Z dla klienta A 32 doradcy Z dla klienta B 33 doradcy Z dla klienta C 34 doradcy Z dla klienta D 2 doradcy Y dla klienta A 22 doradcy Y dla klienta B 23 doradcy Y dla klienta C 24 doradcy Y dla klienta D Wykład ARo Metody optymalizacji w ekonomii 45
146 Funkcja celu f (, 2, 3, 4, 2, 22, 23, 24, 3, 32, 33, 34 ) min Wykład ARo Metody optymalizacji w ekonomii 46
147 Ograniczenia Dla doradcy X Dla doradcy Y Dla doradcy Z Dla klienta A Dla klienta B Dla klienta C Dla klienta D Wykład ARo Metody optymalizacji w ekonomii , 2, 3, 4, 2, 22, 23, 24, 3, 32, 33,
148 Struktura zadania Struktura otrzymanego zadania jest typu transportowego, w którym dostawcami są doradcy firmy konsultingowej, a ich podaż to czas, jaki mogą poświęcić na nowe projekty, natomiast odbiorcami są klienci, a ich zapotrzebowanie to liczba godzin przeznaczona przez doradców na analizę nowych kontraktów. Jest to zadanie niezbilansowane, gdyż łączna podaż jest równa 4 godzin, przewyższa łączny popyt, który wynosi 365 godzin. Należy wprowadzić fikcyjnego odbiorcę, czyli fikcyjnego klienta E, którego projekt wymaga godzin. Wykład ARo Metody optymalizacji w ekonomii 48
149 Dodatkowe zmienne decyzyjne i ograniczenia 5 liczba godzin pracy doradcy X dla klienta E 25 liczba godzin pracy doradcy Y dla klienta E 35 liczba godzin pracy doradcy Z dla klienta E , 25, 35, 5 Wykład ARo Metody optymalizacji w ekonomii 49
150 Rozwiązanie optymalne minimalna wartość funkcji celu wynosi Wykład ARo Metody optymalizacji w ekonomii 5
151 Interpretacja rozwiązania Plan pracy doradców: Doradca Klient A Klient B Klient C Klient D X 4 Y Z 5 7 Wykład ARo Metody optymalizacji w ekonomii 5
152 Zagadnienie przydziału Algorytm węgierski Wykład ARo Metody optymalizacji w ekonomii 52
153 Zagadnienie przydziału Istnieje możliwość obsadzenia n stanowisk roboczych przez n pracowników. Znane są efekty pracy j-tego pracownika na i-tym stanowisku. Efekty mogą być oceniane pozytywnie (wydajność, wartość produkcji na jednostkę czasu) lub negatywnie ( liczba braków, czas wykonywania pracy, koszty związane z wykonywaniem pracy). Efekty te dane są macierzą C[c ij ] (i,j,2,,n). Należy przydzielić pracowników do poszczególnych stanowisk tak, aby zmaksymalizować pozytywne lub zminimalizować negatywne efekty pracy całego zespołu. Zakłada się tu, że każde stanowisko może być obsadzone przez jednego pracownika, każdy pracownik może pracować na jednym stanowisku. Wykład ARo Metody optymalizacji w ekonomii 53
154 Ogólnie Dane jest n celów i n środków do realizacji tych celów. Z każdym skojarzeniem i-tego celu i j-tego środka związana jest pewna korzyść c ij. Korzyści te tworzą kwadratową macierz korzyści C[c ij ] (i,j,2,,n). Każdy cel musi być zrealizowany, a każdy ze środków może być użyty tylko jeden raz. Wykład ARo Metody optymalizacji w ekonomii 54
155 Oznaczenia Oznaczamy zmienną decyzyjną dla tego zagadnienia przez ij. Zmienna ta może przyjmować tylko dwie wartości lub. ij Gdy i-ty cel jest realizowany za pomocą j-tego środka Gdy i-ty cel nie jest realizowany za pomocą j-tego środka Należy znaleźć takie skojarzenia wszystkich celów ze środkami, aby łączna korzyść była najlepsza. Wykład ARo Metody optymalizacji w ekonomii 55
156 Model decyzyjny n n i j c ij ij min(ma) n j ij i,2, K, n Bilanse dla celów n i ij ij {,} j i,2, K, n,2, K, n j,2, K, n Bilanse dla środków Wykład ARo Metody optymalizacji w ekonomii 56
157 Metody rozwiązania Jeśli ostatni warunek w tym zadaniu zastąpimy warunkiem ij, wtedy ten model może być rozwiązany przy pomocy metody potencjałów. Ponieważ wyrazy wolne tego zagadnienia są jedynkami, a więc liczbami całkowitymi, to i rozwiązanie optymalne jest całkowite. Tak więc metoda transportowa musi dać rozwiązanie optymalne z wartościami lub. Zastosowanie jednak metody transportowej prowadzi do degeneracji rozwiązania bazowego. Stopień degeneracji wyniesie nn--nn-. degeneracja ta stanowi podstawowe utrudnienie związane z zastosowaniem algorytmu transportowego. Wykład ARo Metody optymalizacji w ekonomii 57
158 Metoda węgierska Obecnie metoda powszechnie stosowana. Metoda została opublikowana przez węgierskiego matematyka Egervary ego w 93 roku. Przetłumaczona i nazwana Metodą węgierską przez H. Kuhna. W 957 r została rozwinięta na ogólny przypadek zagadnienia transpotrowego przez J. Munkresa Wykład ARo Metody optymalizacji w ekonomii 58
159 Algorytm węgierski dotyczy minimalizacji funkcji celu. Przekształcamy macierz C[c ij ], tak aby w każdym jej wierszu i w każdej kolumnie występowało przynajmniej jedno zero. W tym celu od każdego wiersza macierzy odejmujemy jedo najmniejszy element i (jeżeli trzeba) to od każdej kolumny odejmujemy jej najmniejszy element. 2. Skreślamy w przekształconej macierzy wiersze i kolumny zawierające zera możliwie najmniejszą liczbą linii. Jeżeli najmniejsza liczba niezbędnych linii jest równa wymiarowi macierzy n, to idziemy do kroku Jeśli ilość linii jest mniejsza od n, to ze wszystkich niezakreślonych elementów znajdujemy minimalny, który: odejmujemy od wszystkich nieskreślonych elementów, dodajemy do elementów podwójnie skreślonych elementy skreślone jedną linią pozostawiamy bez zmian. Wracamy do kroku Startując od pierwszego wiersza i idąc w dół dokonujemy przypisań cel-środek., a więc ustawiamy w macierzy przydziału. kasujemy (uzupełniamy zerami) dany wiersz i kolumnę. Wykład ARo Metody optymalizacji w ekonomii 59
160 Uwagi Przypisanie jest jednoznaczne, jeżeli w danym wierszu i kolumnie występuje dokładnie jedno zero. Przypisanie dokonujemy od w kolejnych wierszy. Jeśli w danym wierszu występuje dokładnie jedno zero to pozycja tego zera definiuje nam przypisanie. Jeśli po przejściu wszystkich wierszy nie byliśmy w stanie dokonać wszystkich n przypisań to przechodzimy do kolumn. Startujemy od kolumny pierwszej i idziemy w prawo. Jeśli w wierszu jest więcej zer, wtedy należy arbitralnie wybrać przypisanie. Jeżeli problem przydziału dotyczy maksymalizacji funkcji celu, to należy wszystkie c ij funkcji celu pomnożyć przez (-) Wykład ARo Metody optymalizacji w ekonomii 6
161 Przykład Zakład posiada n robotników i n maszyn. Znane są koszty pracy i-tego robotnika na j-tej maszynie równe cij. Należy tak przydzielić robotników do maszyn, aby koszty były najmniejsze. Wykład ARo Metody optymalizacji w ekonomii 6
162 Przedstawienie graficzne Wykład ARo Metody optymalizacji w ekonomii 62
163 Model matematyczny zadania Wykład ARo Metody optymalizacji w ekonomii 63
164 Tabela korzyści (strat) Wykład ARo Metody optymalizacji w ekonomii 64
165 Najmniejsze elementy w wierszach R R2 R3 R4 Min w wierszach Wykład ARo Metody optymalizacji w ekonomii 65
166 Przekształcona tablica Wykład ARo Metody optymalizacji w ekonomii 66
167 Najmniejsze elementy w kolumnach M M M M Min w kolumnach 2 Wykład ARo Metody optymalizacji w ekonomii 67
168 Przekształcona tabela Wykład ARo Metody optymalizacji w ekonomii 68
169 Wykreślenie zer wystarczą 3 linie (mniej niż 4) Szukamy najmniejszego elementu w nieskreślonej części tablicy. Jest to 2. Odejmujemy 2 od elementów nieskreślonych i dodajemy 2 do elementów podwójnie skreślonych. Pozostałe elementy pozostawiamy bez zmian Wykład ARo Metody optymalizacji w ekonomii 69
170 Przekształcona tabela Wykład ARo Metody optymalizacji w ekonomii 7
171 Wykreślenie zer potrzebne 4 linie (tyle jaki rozmiar) Potrzebne są cztery linie, tyle jaki jest rozmiar tabeli, więc przechodzimy do przydzielania zadań do robotników. Wykład ARo Metody optymalizacji w ekonomii 7
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 szczegółowoZAGADNIENIE TRANSPORTOWE(ZT)
A. Kasperski, M. Kulej BO Zagadnienie transportowe 1 ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a 1, a 2,...,a p i q odbiorców,którychpopytwynosi b 1, b 2,...,b q.zakładamy,że
Bardziej szczegółowoZAGADNIENIE 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 szczegółowoBADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda
BADANIA OPERACYJNE Zagadnienie transportowe dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Zagadnienie transportowe Założenia: Pewien jednorodny towar należy
Bardziej szczegółowoA. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1
A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a,a 2,...,a p i qodbiorców, którychpopytwynosi b,b 2,...,b
Bardziej szczegółowoPlan 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 szczegółowoBADANIA OPERACYJNE Zagadnienie transportowe
BADANIA OPERACYJNE Zagadnienie transportowe Zadanie zbilansowane Zadanie zbilansowane Przykład 1 Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości
Bardziej szczegółowoZAGADNIENIE 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 szczegółowoWykład 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 szczegółowoOPTYMALIZACJA W LOGISTYCE
OPTYMALIZACJA W LOGISTYCE Zagadnienie transportowe 1 dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Klasyczne zagadnienie transportowe 1 Klasyczne zadanie transportowe problem najtańszego przewozu
Bardziej szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoRozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA 3.2. Ćwiczenia komputerowe
Bardziej szczegółowoBADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe
BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI Zagadnienie transportowe Klasyczne zagadnienie transportowe Klasyczne zadanie transportowe problem najtańszego przewozu jednorodnego dobra pomiędzy punktami nadania
Bardziej szczegółowoProgramowanie 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 szczegółowoZAGADNIENIE TRANSPORTOWE (część 2)
ZAGADNIENIE TRANSPORTOWE (część ) Zadanie niezbilansowane Zadanie niezbilansowane Przykład 11. 5 3 8 A 4 6 4 B 9 3 11 C D E F G dostawcy odbiorcy Dostawcy: A :15 B : C :6 Odbiorcy: D :8 E :3 F :4 G :5
Bardziej szczegółowoBADANIA 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 szczegółowoZagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie
Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie OPIS ZAGADNIENIA Zagadnienie transportowe służy głównie do obliczania najkorzystniejszego
Bardziej szczegółowoProgramowanie 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 szczegółowoOPTYMALIZACJA W LOGISTYCE
OPTYMALIZACJA W LOGISTYCE Zagadnienie przydziału dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Zagadnienie przydziału 1 Można wyodrębnić kilka grup problemów, których zadaniem jest alokacja szeroko
Bardziej szczegółowoZAGADNIENIA TRANSPORTOWE
ZAGADNIENIA TRANSPORTOWE Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE opracowano w 1941 r. (F.L. Hitchcock) Jest to problem opracowania planu przewozu pewnego jednorodnego produktu z kilku różnych
Bardziej szczegółowoKLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT).
KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT). Przez klasyczne zagadnienie transportowe rozumiemy problem znajdowania najtańszego programu przewozowego jednorodnego dobra pomiędzy punktami nadania (m liczba
Bardziej szczegółowoZadanie niezbilansowane. Gliwice 1
Zadanie niezbilansowane 1 Zadanie niezbilansowane Przykład 11 5 3 8 2 A 4 6 4 2 B 9 2 3 11 C D E F G dostawcy odbiorcy DOSTAWCY: A: 15 B: 2 C: 6 ODBIORCY: D: 8 E: 3 F: 4 G: 5 2 Zadanie niezbilansowane
Bardziej szczegółowoRozwiązanie Ad 1. Model zadania jest następujący:
Przykład. Hodowca drobiu musi uzupełnić zawartość dwóch składników odżywczych (A i B) w produktach, które kupuje. Rozważa cztery mieszanki: M : M, M i M. Zawartość składników odżywczych w poszczególnych
Bardziej szczegółowoRozdział 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 szczegółowoZagadnienie transportowe
Zagadnienie transportowe Firma X zawarła kontrakt na dostarczenie trawnika do wykończenia terenów wokół trzech zakładów U, V i W. Trawnik ma być dostarczony z trzech farm A, B i C. Zapotrzebowanie zakładów
Bardziej szczegółowoZAGADNIENIE 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 szczegółowoWprowadzenie 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 szczegółowoKlasyczne zagadnienie przydziału
Klasyczne zagadnienie przydziału Można wyodrębnić kilka grup problemów, w których zadaniem jest odpowiednie rozmieszczenie posiadanych zasobów. Najprostszy problem tej grupy nazywamy klasycznym zagadnieniem
Bardziej szczegółowoRozdział 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 szczegółowoBadania 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 szczegółowoOPTYMALIZACJA 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 szczegółowo1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11
Spis treści 1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11 1.4 Metoda VAM... 18 1.5 Metoda e-perturbacji... 28 1.6 Metoda potencjałów...
Bardziej szczegółowoProgramowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
Bardziej szczegółowoĆwiczenia 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 szczegółowoRozdział 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 szczegółowoMetoda 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 szczegółowoMETODA 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 szczegółowoMetoda 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 szczegółowoRozdział 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 szczegółowocelu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n
123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki
Bardziej szczegółowoZAGADNIENIA 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 szczegółowoElementy 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 szczegółowoProgramowanie 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 szczegółowoProgramowanie 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 szczegółowoRozwiązanie zadania 1. Krok Tym razem naszym celem jest, nie tak, jak w przypadku typowego zadania transportowego
Zadanie 1 Pośrednik kupuje towar u dwóch dostawców (podaż: 2 i, jednostkowe koszty zakupu 1 i 12), przewozi go i sprzedaje trzem odbiorcom (popyt: 1, 28 i 27, ceny sprzedaży:, 25 i ). Jednostkowe koszty
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoOPTYMALIZACJA W LOGISTYCE
OPTYALIZACJA W LOGISTYCE Zagadnienie transportowe 2 dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Zagadnienie transportowe z kryterium czasu I rodzaju () Jeżeli w modelu klasycznego zagadnienia transportowego
Bardziej szczegółowoNotatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego
Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową
Bardziej szczegółowoRozwiązanie problemu transportowego metodą VAM. dr inż. Władysław Wornalkiewicz
Rozwiązanie problemu transportowego metodą VAM dr inż. Władysław Wornalkiewicz Występuje wiele metod rozwiązywania optymalizacyjnego zagadnienia transportowego. Jedną z nich jest VAM (Vogel s approximation
Bardziej szczegółowoEkonometria - 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 szczegółowoProgramowanie 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 szczegółowoWYKORZYSTANIE 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 szczegółowoTOZ -Techniki optymalizacji w zarządzaniu
TOZ -Techniki optymalizacji w zarządzaniu Wykład dla studentów II roku studiów II stopnia na kierunku Zarządzanie Semestr zimowy 2009/2010 Wykładowca: prof. dr hab. inż. Michał Inkielman Wykład 2 Optymalizacja
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
Bardziej szczegółowo3. 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 szczegółowoZagadnienie transportowe i zagadnienie przydziału
Temat: Zagadnienie transportowe i zagadnienie przydziału Zadanie 1 Trzy piekarnie zlokalizowane na terenie miasta są zaopatrywane w mąkę z trzech magazynów znajdujących się na peryferiach. Zasoby mąki
Bardziej szczegółowo1 Układy równań liniowych
II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie
Bardziej szczegółowoProgramowanie 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 szczegółowoPRZEWODNIK 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 szczegółowoProgramowanie 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 szczegółowoStandardowe 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 szczegółowoBadania 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 szczegółowoUkłady 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 szczegółowoPRZEWODNIK 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 szczegółowoOptymalizacja kosztów transportu w sferze logistyki zaopatrzenia
SZKUTNIK Joanna 1 ZIÓŁKOWSKI Jarosław 2 Optymalizacja kosztów transportu w sferze logistyki zaopatrzenia WSTĘP Zagadnienie transportowe jest szczególnym rodzajem zadania programowania liniowego. Polega
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowo3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Bardziej szczegółowoStatystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda
Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe dr Adam Sojda Literatura o Kukuła K. (red.): Badania operacyjne w przykładach i zadaniach.
Bardziej szczegółowoPROGRAMOWANIE 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 szczegółowoZASTOSOWANIE 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 szczegółowoUniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne
Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Piotr Kaczyński Badania Operacyjne Notatki do ćwiczeń wersja 0. Warszawa, 7 stycznia 007 Spis treści Programowanie
Bardziej szczegółowoDualność w programowaniu liniowym
2016-06-12 1 Dualność w programowaniu liniowym Badania operacyjne Wykład 2 2016-06-12 2 Plan wykładu Przykład zadania dualnego Sformułowanie zagadnienia dualnego Symetryczne zagadnienie dualne Niesymetryczne
Bardziej szczegółowoUkłady równań liniowych. Ax = b (1)
Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoTreść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.
. Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21
Bardziej szczegółowoBadania 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 szczegółowoEkonometria - 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 szczegółowoRozwiązywanie 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).
Bardziej szczegółowo5. 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 szczegółowoUkłady równań liniowych
Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1
Bardziej szczegółowo1 Przykładowe klasy zagadnień liniowych
& " 1 PRZYKŁADOWE KLASY ZAGADNIEŃ LINIOWYCH 1 1 Przykładowe klasy zagadnień liniowych Liniowy model produkcji Zakład może prowadzić rodzajów działalności np. produkować różnych wyrobów). Do prowadzenia
Bardziej szczegółowo= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4 " 5 3$ 7&=0 5$+7&=4
17. Układ równań 17.1 Co nazywamy układem równań liniowych? Jak zapisać układ w postaci macierzowej (pokazać również na przykładzie) Co to jest rozwiązanie układu? Jaki układ nazywamy jednorodnym, sprzecznym,
Bardziej szczegółowoTeoretyczne podstawy programowania liniowego
Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i
Bardziej szczegółowoAlgebra liniowa. Macierze i układy równań liniowych
Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,
Bardziej szczegółowoWykład 6. Programowanie liniowe
Wykład 6. Programowanie liniowe Zakład może wytwarzać dwa produkty: P 1 i P 2. Ich produkcja jest limitowana dostępnymi zasobami trzech środków: S 1, S 2, S 3. Zasoby tych środków wynoszą odpowiednio,
Bardziej szczegółowoUKŁADY RÓWNAŃ LINIOWYCH
Wykłady z matematyki inżynierskiej JJ, 08 DEFINICJA Układ m równań liniowych z n niewiadomymi to: ( ) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 +
Bardziej szczegółowoc j x x
ZESTAW 1 Numer indeksu Test jest wielokrotnego wyboru We wszystkich mają być nieujemne 1 Pewien towar jest zmagazynowany w miejscowości A 1 w ilości 700 ton, w miejscowości 900 ton Ma być on przewieziony
Bardziej szczegółowoWieloetapowe zagadnienia transportowe
Przykład 1 Wieloetapowe zagadnienia transportowe Dwóch dostawców o podaży 40 i 45 dostarcza towar do trzech odbiorców o popycie 18, 17 i 26 za pośrednictwem dwóch punktów pośrednich o pojemnościach równych
Bardziej szczegółowoAlgorytm 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 szczegółowoPolitechnika 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 szczegółowoElementy 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( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa
Standardowe zadanie PL () Należy zaplanować produkcję zakładu w pewnym tygodniu w taki sposób, aby osiągnięty zysk był maksymalny. akład może wytwarzać dwa wyroby: P i P. Ich produkcja jest limitowana
Bardziej szczegółowoNarzędzia wspomagania decyzji logistycznych
Narzędzia wspomagania decyzji logistycznych Dr Adam Kucharski Spis treści Optymalizacja liniowa. Programowanie liniowe.................................. Metoda graficzna.....................................
Bardziej szczegółowoOPTYMALIZACJA W LOGISTYCE
OPTYMALIZACJA W LOGISTYCE Optymalizacja zadań bazy transportowej ( część 2 ) Opracowano na podstawie : Stanisław Krawczyk, Metody ilościowe w logistyce ( przedsiębiorstwa ), Wydawnictwo C. H. Beck, Warszawa
Bardziej szczegółowoModelowanie 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 szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA 3.3. ZADANIA Wykorzystując
Bardziej szczegółowoLista 1 PL metoda geometryczna
Lista 1 PL metoda geometryczna 1.1. Znajdź maksimum funkcji celuf(x 1,x 2 )=5x 1 +7x 2 przy ograniczeniach: 2x 1 +2x 2 600, 2x 1 +4x 2 1000, x i 0 dlai=1,2 1.2. Znajdź maksimum funkcji celuf(x 1,x 2 )=2x
Bardziej szczegółowoWybrane elementy badań operacyjnych
Wybrane elementy badań operacyjnych 1 Przykład 1. GWOŹDZIE. Pewna fabryczka może produkować dwa gatunki gwoździ II i I. Do wyprodukowania tony gwoździ II gatunku potrzeba 1,2 tony stali oraz 1 roboczogodzinę
Bardziej szczegółowoProgramowanie dynamiczne. Tadeusz Trzaskalik
Programowanie dynamiczne Tadeusz Trzaskalik 9.. Wprowadzenie Słowa kluczowe Wieloetapowe procesy decyzyjne Zmienne stanu Zmienne decyzyjne Funkcje przejścia Korzyści (straty etapowe) Funkcja kryterium
Bardziej szczegółowo