OPTYMALIZACJA W LOGISTYCE

Wielkość: px
Rozpocząć pokaz od strony:

Download "OPTYMALIZACJA W LOGISTYCE"

Transkrypt

1 OPTYMALIZACJA W LOGISTYCE Zagadnienie przydziału dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ

2 Zagadnienie przydziału 1 Można wyodrębnić kilka grup problemów, których zadaniem jest alokacja szeroko pojętych zasobów. Najczęściej spotykane problemy z tego zakresu dotyczą rozdziału zadań produkcyjnych pomiędzy miejsca produkcji, ewentualnie z założeniem specjalizacji miejsc przy wykonywaniu zadań. Chodzi zatem o zaproponowanie przydziału zadań produkcyjnych do poszczególnych miejsc pracy, optymalnie z punktu widzenia jednego z następujących kryteriów: 1. Minimalizacji kosztów lub czasu wykonywania zadań, 2. Maksymalizacji efektów (ilości lub wartości produkcji. Poprawne zbudowanie modelu zależy od podanych parametrów i prawidłowym zdefiniowaniu zmiennych decyzyjnych. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

3 Zagadnienie przydziału 2 Załóżmy, że N wyrobów (czynności) można wykonać w P miejscach produkcji (w zakładach, na stanowiskach pracy, na maszynach). Należy rozdzielić produkcje wyrobów (wykonywanie czynności) pomiędzy miejsca produkcji w taki sposób, aby przydział ten był optymalny z punktu widzenia przyjętego kryterium optymalizacji. Konkretna postać modelu zależy od charakteru parametrów występujących w analizowanym problemie. Modele te są liniowe i można je rozwiązać stosując algorytm simpleks, przy czym liczba zmiennych jest równa NxP. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

4 Zagadnienie przydziału 3 Model I Dane są wydajności miejsc pracy przy wykonywaniu poszczególnych wyrobów, ograniczone moce produkcyjne poszczególnych miejsc pracy oraz (opcjonalnie) zadania zaplanowane w zakresie produkcji poszczególnych wyrobów. Wobec tego parametrami modelu są: a ij wydajność i-tego miejsca pracy przy produkcji j-tego wyrobu, C j (j=1,,n) założona wielkość produkcji j-tego wyrobu, B i (i=1,,p) dopuszczalny czas pracy i-tego miejsca. Należy przydzielić produkcję wyrobów do poszczególnych miejsc pracy, tak aby np. zminimalizować czas lub koszty produkcji albo zmaksymalizować efekty (wielkość produkcji). Jeżeli znane są wydajności w jednostce czasu, to przydział będzie polegał na określeniu czasu pracy i-tego miejsca pracy przy wykonywaniu j-tego wyrobu x ij. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

5 Zagadnienie przydziału (4) Należy rozwiązać następujące zadanie: F(x ij ) = x 11 + x 12 + x x P1 + x P2 + x P3 + +x PN = x 11 + x x 1N B 1. x P1 + x P2 + + x PN B P P a 11 x 11 + a 21 x a P1 x P1 = a i 1xi1 C 1 i1.. P N i1 j1 x ij min a 1N x 1N + a 2N x 2N + + a PN x PN = X ij (i=1,2, P ; j=1,2,,n) P a in x i1 in C N Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

6 Zagadnienie przydziału (5) Przykład 1 Do produkcji swych wyrobów przedsiębiorstwo zużywa m.in. 5 elementów. Elementy te muszą być wytwarzane na maszynach, których przedsiębiorstwo nie posiada, dlatego korzystano z dostaw kooperanta. Dostawca postanowił zmienić profil produkcji i wycofał się ze współpracy. Zobowiązał się jedynie do wydzierżawienia maszyn, na których elementy mogą być produkowane, jednak nie dłużej niż na 18 godzin w ciągu miesiąca każdą. Każdy element może być produkowany na dowolnej maszynie. Maszyny różnią się wydajnością przy produkcji poszczególnych elementów. Maszyna Wydajność maszyn w szt./godz I.8 1,,4 2,,625 II,75,6,5 1,875,6 III 1,25 1,2,375 1,5,5 Wiedząc, że 1 godz. pracy maszyny I kosztuje 3 zł, II 42 zł, II 36 zł, należy rozdzielić miesięczną produkcję elementów pomiędzy maszyny tak, aby wyprodukować co najmniej po 9 szt. elementów 1, 2 i 3 oraz co najmniej po 75 szt. elementów 4 i 5 przy możliwie najniższych kosztach dzierżawy maszyn. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

7 Zagadnienie przydziału (6) Przykład 1 Model: F(x ij ) = 3(x 11 + x 12 + x 13 + x 14 + x 15 ) + 42(x 21 + x 22 + x 23 + x 24 + x 25 ) (x 31 + x 32 + x 33 + x 34 + x 35 ) min x 11 + x 12 + x 13 + x 14 + x x 21 + x 22 + x 23 + x 24 + x x 31 + x 32 + x 33 + x 34 + x 35 18,8x 11 +,75x x ,x 12 +,6x ,2x 32 9,4x 13 +,5x 23 +,375x ,x ,875x ,5x 34 75,625x 15 +,6x 21 +,5x X ij (i=1,2,3; j=1,2,3,4,5) Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

8 Zagadnienie przydziału (7) Przykład 1 Rozwiązanie: X opt , ,5 12 Wartość funkcji celu : F(x opt ) = zł miesięcznie. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

9 Zagadnienie przydziału (8) Model II Dane są czasy pracy poszczególnych miejsc pracy przy wykonywaniu poszczególnych wyrobów, zadania zaplanowane w zakresie produkcji poszczególnych wyrobów oraz (opcjonalnie) ograniczone moce produkcyjne poszczególnych miejsc pracy Wobec tego parametrami modelu są: a ij czas pracy i-tego miejsca pracy przy produkcji j-tego wyrobu, lub k ij jednostkowe koszty produkcji j-tego wyrobu na i-tym miejscu pracy, C j (j=1,,n) założona wielkość produkcji j-tego wyrobu, B i (i=1,,p) dopuszczalny czas pracy i-tego miejsca. Należy przydzielić produkcję wyrobów do poszczególnych miejsc pracy, tak aby np. zminimalizować czas lub koszty produkcji albo zmaksymalizować efekty ( łączną wielkość lub produkcji). Jeżeli znane są jednostkowe czasy pracy, to przydział będzie polegał na określeniu x ij. - ilości j-tego wyrobu, jaką należy wykonać na i-tym stanowisku pracy. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

10 Zagadnienie przydziału (8) Należy rozwiązać następujące zadanie: F(x ij ) =c 11 x 11 +c 12 x 12 +c 13 x c P1 x P1 + c P2 x P2 +c P3 x P3 + + c PN x PN = a 11 x 11 + a 12 x a 1N x 1N B 1. a P1 x P1 + a P2N x P2 + + a PN x PN B P x 11 + x x P1 = 1 C 1.. x 1N + x 2N + + x PN = X ij P i1 P i1 x i x in (i=1,2, P ; j=1,2,,n) C N P N i1 j1 c ij x ij max Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

11 Zagadnienie przydziału (9) Przykład 2 Do produkcji 5 elementów przedsiębiorstwo musi wydzierżawić trzy maszyny. Każdy element może być produkowany na dowolnej maszynie. Maszyny różnią się nakładem czasu pracy niezbędnego do wyprodukowania poszczególnych elementów. wydajnością przy produkcji poszczególnych elementów. Maszyna Zużycie czasu pracy maszyn na produkcję elementu (w min) I II III Wiedząc, że 1 godz. pracy maszyny I kosztuje 3 zł, II 42 zł, II 36 zł oraz, że każdą z nich można wydzierżawić na co najwyżej 18 godz. w ciągu miesiąca, należy rozdzielić miesięczną produkcję elementów pomiędzy maszyny tak, aby wyprodukować co najmniej po 9 szt. elementów 1, 2 i 3 oraz co najmniej po 75 szt. elementów 4 i 5 przy możliwie najniższych kosztach dzierżawy maszyn. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

12 Zagadnienie przydziału (1) Przykład 2 Model: F(x ij ) =,5(75x x x x x 15 ) +,7(8x x x x 24 +1x 25 ) +,6(48x x x x x 35 ) min x 11 + x 21 + x 31 9 x 12 + x 22 + x 32 9 x 13 + x 23 + x 33 9 x 14 + x 24 + x x 15 + x 21 + x x x x x x x x x x x x x x x x X ij (i=1,2,3; j=1,2,3,4,5) Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

13 Zagadnienie przydziału (11) Przykład 2 Rozwiązanie: X opt Wartość funkcji celu : F(x opt ) = zł miesięcznie. Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

14 Zadanie optymalnego przydziału problem najkorzystniejszego skojarzenia n środków z m celami ( maksymalizacja pozytywnych lub minimalizacja negatywnych efektów działalności ), przy czym każdy środek może być użyty tylko do osiągnięcia jednego celu. Rozwiązaniem tego problemu jest kwadratowa macierz permutacji X=[x ij ] składająca się z zer i jedynek. Założenia : Zagadnienie optymalnego przydziału z dodatkowymi warunkami. n m - liczba celów - liczba środków x ij - zmienne decyzyjne; x ij =1 jeżeli j-ty cel jest realizowany przez i-ty środek; x ij = jeżeli j-ty cel nie jest realizowany przez i-ty środek; [i=1,2,,m; j=1,2,,n;] c ij - parametr problemu; korzyść związana z realizacją j-tego celu przez i- ty środek [i=1,2,,m; j=1,2,,n;]

15 Zadanie przydziału model decyzyjny (n = m) Liczba celów = liczba środków = n Funkcja celu: (łączna korzyść) U ( x ) c ij x ij n Ograniczenia: n i1 j1 max (min) n x ij i1 1 i = 1,2,,n (bilanse dla środków) n xij i1 1 j = 1,2,,n (bilanse dla celów) Warunki brzegowe: x ij {,1} i = 1,2,,n j = 1,2,,n

16 Nadwyżka środków nad celami ( nie każdy środek będzie wykorzystany ). Funkcja celu: (łączna korzyść) m U ( x ) c ij x ij Ograniczenia: n i1 j1 Zadanie przydziału model decyzyjny (n < m) max (min) n x ij i1 1 i = 1,2,,m (bilanse dla środków) m xij i1 1 j = 1,2,,n (bilanse dla celów) Warunki brzegowe: x ij {,1} i = 1,2,,m j = 1,2,,n

17 Nadwyżka celów nad środkami ( nie każdy cel będzie zrealizowany ) Funkcja celu: (łączna korzyść) m U ( x ) c ij x ij Ograniczenia: n i1 j1 Zadanie przydziału model decyzyjny (n > m) max (min) n x ij i1 1 i = 1,2,,m (bilanse dla środków) m xij i1 1 j = 1,2,,n (bilanse dla celów) Warunki brzegowe: x ij {,1} i = 1,2,,m j = 1,2,,n

18 Zagadnienie optymalnego przydziału z dodatkowymi warunkami. Używając klasycznego algorytmu transportowego należy liczyć się z wystąpieniem przypadku degeneracji rozwiązania bazowego ( przy n środkach i n celach stopień degeneracji wyniesie n + n -1 n = n 1 ). Okoliczność ta stanowi podstawowe utrudnienie związane z wykorzystaniem klasycznego algorytmu transportowego. Istnieje jednak bardzo prosty algorytm oparty na twierdzeniu węgierskiego matematyka Denesa Königa, który pozwala na stosunkowo szybkie uzyskanie rozwiązania optymalnego. Algorytm ten nazywany jest metodą węgierską ( Hungarian Method )

19 Metoda węgierska 1 Krok 1 Punkt wyjścia algorytmu stanowi takie przekształcenie macierzy współczynników funkcji celu U=[c ij ], aby w każdym wierszu i w każdej kolumnie występowało przynajmniej jedno zero. W tym celu od każdego wiersza macierzy U odejmujemy jego najmniejszy element, a następnie jeżeli potrzeba czynność tą powtarzamy dla kolumn. Krok 2 W przekształconej macierzy współczynników funkcji celu należy skreślić wiersze i kolumny zawierające zera możliwie najmniejszą liczbą linii poziomych i pionowych. Jeżeli liczba linii potrzebnych do skreślenia wszystkich zer jest równa wymiarowi macierzy, to można wyznaczyć rozwiązanie optymalne i należy przejść do kroku 3. Jeżeli liczba ta jest mniejsza wymiaru macierzy, należy przejść do Kroku 4

20 Metoda węgierska 2 Krok 3 Ustalenie rozwiązania optymalnego, polegające na takiej konstrukcji macierzy X, aby jedynki znalazły się tylko na tych polach, na których w przekształconej macierzy współczynników funkcji celu występują zera i aby w każdym wierszu i w każdej kolumnie występowała tylko jedna 1. Krok 4 Jeżeli liczba linii pokrywających zera jest mniejsza od wymiaru macierzy, to w bieżącej przekształconej macierzy współczynników funkcji celu należy znaleźć najmniejszy nieskreślony element i: odjąć go od elementów nieskreślonych, dodać do podwójnie skreślonych. Elementy skreślone jedną linią pozostawiamy bez zmian i przechodzimy do kroku 2.

21 Metoda węgierska 3 Kilka uwag na temat Algorytmu Węgierskiego: 1. Algorytm węgierski w opisanej postaci ma zastosowanie wyłącznie do rozwiązywania problemów minimalizacji. Aby rozwiązać problem maksymalizacji, należy macierz współczynników funkcji kryterium przekształcić tak, aby jej elementy miały przeciwne znaczenie, np. mnożąc je przez -1, lub odejmując od największego elementu wszystkie pozostałe. 2. Model omawianego zagadnienia, a tym samym algorytm zakłada, że liczba zadań do wykonania jest równa liczbie jednostek wykonawczych, a wiec macierz współczynników funkcji kryterium jest macierzą kwadratową. Tymczasem w wielu problemach zadań jest więcej niż jednostek wykonawczych lub odwrotnie. W takich przypadkach do macierzy należy wprowadzić dodatkowy wiersz lub dodatkową kolumnę ( fikcyjną jednostkę wykonawczą lub fikcyjne zadanie), których elementy są równe. 3. W praktyce zdarzają się także sytuacje, że pewne przydziały są niedopuszczalne (tzn. określone elementy macierzy X z założenia są równe zeru). W takich przypadkach do macierzy współczynników funkcji kryterium w miejscach, gzie ma być spełniony ten warunek wprowadza się bardzo dużą liczbę, np. M, taką, że odjęcie od niej jakiejkolwiek liczby praktycznie nie zmieni jej wartości.

22 Metoda węgierska 4 Przykład 1 Do wykonania czterech zadań należy przydzielić pracowników, w taki sposób aby zminimalizować łączny czas ich wykonania. Czasy ( w godzinach) potrzebne do wykonania poszczególnych zadań przez pracowników podaje poniższa tabela: Z 1 Z 2 Z 3 Z 4 P P P P

23 Funkcja celu : (łączna korzyść) U(X) = 1x 11 +9x x 13 +1x x 21 +8x 22 +9x x 24 +9x 31 +1x x x x 41 +1x 42 +8x 43 +9x 44 min Metoda węgierska 5 Przykład 1 x 11 +x 12 +x 13 +x 14 = 1 x 21 +x 22 +x 23 +x 24 = 1 x 31 +x 32 +x 33 +x 34 = 1 x 41 +x 42 +x 43 +x 44 = 1 każdy pracownik może wykonywać jedno zadanie x 11 +x 21 +x 31 +x 41 = 1 x 12 +x 22 +x 32 +x 42 = 1 każde zadanie może być wykonywane x 13 +x 23 +x 33 +x 43 = 1 tylko przez jednego pracownika x 14 +x 24 +x 34 +x 44 = 1 X ij ϵ {,1 } i=1,,n j=1,,n

24 Metoda węgierska 6 Przykład 1 Z 1 Z 2 Z 3 Z 4 min P P P P Z 1 Z 2 Z 3 Z 4 P P P P min 1

25 Metoda węgierska 7 Przykład 1 Z 1 Z 2 Z 3 Z 4 P P P P Z 1 Z 2 Z 3 Z 4 P 1 1 P 2 1 P 3 1 P 4 1 Łączny czas = = 34 godziny

26 Metoda węgierska 8 Przykład 2 Przedsiębiorstwo ma możliwość wysłania w charakterze konsultantów pracowników na cztery budowy. Przedsiębiorstwo to zatrudnia obecnie trzech odpowiednich specjalistów, a ponieważ dysponują oni różnym doświadczeniem zawodowym, zyski dla firmy są zróżnicowane w zależności od przydziału pracowników na poszczególne kontrakty (zyski podano w tysiącach złotych miesięcznie). Pracownicy Kontrakty A B C Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

27 Ponieważ występuje nadwyżka celów nad środkami przed przystąpieniem do rozwiązania należy dopisać dodatkowy wiersz z elementami równymi zeru. Oznacza to, że przedsiębiorstwo będzie mogło wysłać pracowników tylko na trzy kontrakty. Następnie macierz zysków przekształcamy do postaci, która będzie minimalizowana. Sposób I - mnożymy macierz zysków przez -1 Metoda węgierska 9 Przykład [ c ij ] = [ c ij ] =

28 Funkcja celu : (łączna korzyść) U(X) = -1x 11-7x 12-6x 13-8x 14-12x 21-14x 22-1x 23-17x 24-3x 31-5x 32-8x x 34 -x 41 -x 42 -x 43 -x 44 min Metoda węgierska 1 Przykład 2 x 11 +x 12 +x 13 +x 14 = 1 x 21 +x 22 +x 23 +x 24 = 1 x 31 +x 32 +x 33 +x 34 = 1 x 41 +x 42 +x 43 +x 44 = 1 każdy pracownik może pojechać na jeden kontrakt x 11 +x 21 +x 31 +x 41 = 1 x 12 +x 22 +x 32 +x 42 = 1 każdy kontrakt może być realizowany x 13 +x 23 +x 33 +x 43 = 1 tylko przez jednego pracownika x 14 +x 24 +x 34 +x 44 = 1 X ij ϵ {,1 } i=1,,n j=1,,n Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

29 Metoda węgierska 11 Przykład 2 Z 1 Z 2 Z 3 Z 4 min P P P P 4 Z 1 Z 2 Z 3 Z 4 P P P P 4 Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

30 Rozwiązanie: [ x ij ] = Łączny zysk przedsiębiorstwa wyniesie: U(X) = (1+17+8)*1=35 PLN Metoda węgierska 12 Przykład Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

31 Sposób II - w każdej kolumnie wybieramy maksymalny element i odejmujemy od niego poszczególne jej elementy. Elementy tak przekształconej macierzy zysków możemy interpretować jako straty przedsiębiorstwa powstałe w wyniku nieoptymalnego przydziału pracowników na poszczególne kontrakty [ c ij ] = [c ij ] = max [ ] Metoda węgierska 13 Przykład Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

32 Funkcja celu : (łączna korzyść) U(X) = 1x 11 +7x 12 +6x 13 +8x x x 22 +1x x 24 +3x 31 +5x 32 +8x x 34 +x 41 +x 42 +x 43 +x 44 max Metoda węgierska 14 Przykład 2 x 11 +x 12 +x 13 +x 14 = 1 x 21 +x 22 +x 23 +x 24 = 1 x 31 +x 32 +x 33 +x 34 = 1 x 41 +x 42 +x 43 +x 44 = 1 każdy pracownik może pojechać na jeden kontrakt x 11 +x 21 +x 31 +x 41 = 1 x 12 +x 22 +x 32 +x 42 = 1 każdy kontrakt może być realizowany x 13 +x 23 +x 33 +x 43 = 1 tylko przez jednego pracownika x 14 +x 24 +x 34 +x 44 = 1 X ij ϵ {,1 } i=1,,n j=1,,n Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

33 Metoda węgierska 15 Przykład 2 Z 1 Z 2 Z 3 Z 4 min P P 2 P P Z 1 Z 2 Z 3 Z 4 P P 2 P P Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

34 Metoda węgierska 16 Przykład 2 Ponieważ liczba linii potrzebna do wykreślenia wszystkich zer w macierzy strat jest mniejsza od wymiaru macierzy przechodzimy do kroku 4 metody węgierskiej. Minimalny nieskreślony element jest równy 2, odejmujemy go od elementów nieskreślonych i dodajemy do podwójnie skreślonych. Z 1 Z 2 Z 3 Z 4 P P 2 2 P P Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

35 Metoda węgierska 17 Przykład 2 Ponownie liczba linii potrzebna do wykreślenia wszystkich zer jest mniejsza od wymiaru macierzy. Powtarzamy krok 4, minimalny nieskreślony element jest równy także 2. Z 1 Z 2 Z 3 Z 4 P P P P 4 3 Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

36 Rozwiązanie: [ x ij ] = Łączny zysk przedsiębiorstwa wyniesie: U(X) = (1+17+8)*1=35 PLN Metoda węgierska 18 Przykład Źródło: Jędrzejczyk Z., Kukuła K., Skrzypek J., Walkosz A., Badania operacyjne w przykładach i zadaniach, PWN, Warszawa 21

37 Metoda węgierska 19 Przykład 3 Określić optymalny przydział 5 pracowników do wykonywania 4 wyrobów, mając daną liczbę braków, jaką wytwarzają oni w ciągu tygodnia. Znak X oznacza, że pracownik nie ma kwalifikacji do wytwarzania tego wyrobu. Wyroby Pracownicy X

38 Metoda węgierska 2 Przykład 3 Wyrob y Pracownicy MIN M

39 Wyroby Pracownicy M Wyrob y Pracownicy Metoda węgierska 21 Przykład M

40 Metoda węgierska 22 Przykład 3 Wyrob y Pracownicy M opt X Liczba braków= =86

41 Metoda węgierska 23 Przykład 4 Przydzielić maszynistki do korespondencji w trzech językach obcych, w taki sposób aby zmaksymalizować łączną wydajność ich pracy. W tablicy podano liczbę uderzeń na minutę i-tej maszynistki w j-tym języku obcym. Angielski Niemiecki Włoski P P 2 19 X 9 P X P

42 Metoda węgierska 23 Przykład 4 Angielski Niemiecki Włoski P P M 9 P M P max Angielski Niemiecki Włoski P P 2 M P M P

43 Metoda węgierska 24 Przykład 4 Angielski Niemiecki Włoski P P 2 M P M P Angielski Niemiecki Włoski P P 2 M 5 P M P

44 Metoda węgierska 23 Przykład 4 Angielski Niemiecki Włoski P 1 1 P 2 1 P 3 1 P 4 1 Liczba uderzeń na minutę= = 299

Zagadnienie transportowe i zagadnienie przydziału

Zagadnienie 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 szczegółowo

Klasyczne zagadnienie przydziału

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

Bardziej szczegółowo

OPTYMALIZACJA W LOGISTYCE

OPTYMALIZACJA 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 szczegółowo

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT).

KLASYCZNE 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 szczegółowo

OPTYMALIZACJA DYSKRETNA

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

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład z modelowania matematycznego. Zagadnienie transportowe. Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE(ZT)

ZAGADNIENIE TRANSPORTOWE(ZT) A. Kasperski, M. Kulej BO Zagadnienie transportowe 1 ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a 1, a 2,...,a p i q odbiorców,którychpopytwynosi b 1, b 2,...,b q.zakładamy,że

Bardziej szczegółowo

Standardowe zadanie programowania liniowego. Gliwice 1

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

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

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

Bardziej szczegółowo

Rozwiązanie Ad 1. Model zadania jest następujący:

Rozwiązanie Ad 1. Model zadania jest następujący: Przykład. Hodowca drobiu musi uzupełnić zawartość dwóch składników odżywczych (A i B) w produktach, które kupuje. Rozważa cztery mieszanki: M : M, M i M. Zawartość składników odżywczych w poszczególnych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1

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

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe 9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

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

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10

Bardziej szczegółowo

Lista 1 PL metoda geometryczna

Lista 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 szczegółowo

Elementy Modelowania Matematycznego

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

Bardziej szczegółowo

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe

BADANIA 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 szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

Programowanie liniowe. Tadeusz Trzaskalik Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków

Bardziej szczegółowo

Definicja problemu programowania matematycznego

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Macierze. Rozdział Działania na macierzach

Macierze. Rozdział Działania na macierzach Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy

Bardziej szczegółowo

Zagadnienie 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 Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie OPIS ZAGADNIENIA Zagadnienie transportowe służy głównie do obliczania najkorzystniejszego

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

Algebra liniowa. Macierze i układy równań liniowych

Algebra 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 szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Ćwiczenia 4 Programowanie liniowe Dualizm w programowaniu liniowym Plan zajęć Dualizm w programowaniu liniowym Projektowanie programu dualnego Postać programu dualnego Przykład 1 Rozwiązania

Bardziej szczegółowo

Zadanie laboratoryjne "Wybrane zagadnienia badań operacyjnych"

Zadanie laboratoryjne Wybrane zagadnienia badań operacyjnych Zadanie laboratoryjne "Wybrane zagadnienia badań operacyjnych" 1. Zbudować model optymalizacyjny problemu opisanego w zadaniu z tabeli poniżej. 2. Rozwiązać zadanie jak w tabeli poniżej z wykorzystaniem

Bardziej szczegółowo

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda

Bardziej szczegółowo

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl

Bardziej szczegółowo

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

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

Bardziej szczegółowo

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe

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

Bardziej szczegółowo

Programowanie nieliniowe

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

Bardziej szczegółowo

O MACIERZACH I UKŁADACH RÓWNAŃ

O MACIERZACH I UKŁADACH RÓWNAŃ O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie 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 szczegółowo

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

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

Bardziej szczegółowo

OPTYMALIZACJA W LOGISTYCE

OPTYMALIZACJA 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 szczegółowo

5. Rozwiązywanie układów równań liniowych

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

Bardziej szczegółowo

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 7: Przydziały w grafach i sieciach dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 26-83-95-04, p.225/00 Zakład

Bardziej szczegółowo

Zadanie transportowe

Zadanie transportowe 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

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu Analiza wrażliwości: współczynników funkcji celu analiza wrażliwości pozwala odpowiedzieć na pytanie, w jakich granicach mogą się zmieniać te parametry, aby dotychczasowe rozwiązanie było optymalne, wyrazów

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.1 Opis programów Do rozwiązania zadań programowania

Bardziej szczegółowo

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że Stwierdzeń będzie. Przy każdym będzie należało ocenić, czy jest to stwierdzenie prawdziwe, czy fałszywe i zaznaczyć x w tabelce odpowiednio przy prawdzie, jeśli jest ono prawdziwe lub przy fałszu, jeśli

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE (część 1)

ZAGADNIENIE TRANSPORTOWE (część 1) ZAGADNIENIE TRANSPORTOWE (część 1) Zadanie zbilansowane Przykład 1. Zadanie zbilansowane Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości

Bardziej szczegółowo

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F

Bardziej szczegółowo

Programowanie liniowe

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby Zadania 1 Przedsiębiorstwo wytwarza cztery rodzaje wyrobów: A, B, C, D, które są obrabiane na dwóch maszynach M 1 i M 2. Czas pracy maszyn przypadający na obróbkę jednostki poszczególnych wyrobów podany

Bardziej szczegółowo

Rozwiązywanie problemów z użyciem Solvera programu Excel

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).

Bardziej szczegółowo

3. Macierze i Układy Równań Liniowych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

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

Bardziej szczegółowo

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach. WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=

Bardziej szczegółowo

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej szczegółowo

1 Układy równań liniowych

1 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 szczegółowo

Metody Ilościowe w Socjologii

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

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 2 (Materiały)

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

BADANIA OPERACYJNE pytania kontrolne

BADANIA OPERACYJNE pytania kontrolne DUALNOŚĆ 1. Podać twierdzenie o dualności 2. Jaka jest zależność pomiędzy funkcjami celu w zadaniu pierwotnym i dualnym? 3. Prawe strony ograniczeń zadania pierwotnego, w zadaniu dualnym są 4. Współczynniki

Bardziej szczegółowo

Iwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ

Iwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ 1 Iwona Konarzewska Programowanie celowe - wprowadzenie Katedra Badań Operacyjnych UŁ 2 Programowanie celowe W praktycznych sytuacjach podejmowania decyzji często występuje kilka celów. Problem pojawia

Bardziej szczegółowo

Wprowadzenie do badań operacyjnych - wykład 2 i 3

Wprowadzenie do badań operacyjnych - wykład 2 i 3 Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j

Bardziej szczegółowo

det[a 1,..., A i,..., A j,..., A n ] + det[a 1,..., ka j,..., A j,..., A n ] Dowód Udowodniliśmy, że: det[a 1,..., A i + ka j,..., A j,...

det[a 1,..., A i,..., A j,..., A n ] + det[a 1,..., ka j,..., A j,..., A n ] Dowód Udowodniliśmy, że: det[a 1,..., A i + ka j,..., A j,... Wykład 14 Wyznacznik macierzy cd Twierdzenie 1 Niech A będzie macierzą kwadratową i niech A i, A j będą dwiema różnymi jej kolumnami, wtedy dla dowolnego k K: det[a 1,, A i,, A j,, A n ] det[a 1,, A i

Bardziej szczegółowo

METODY OBLICZENIOWE OPTYMALIZACJI zadania

METODY OBLICZENIOWE OPTYMALIZACJI zadania METODY OBLICZENIOWE OPTYMALIZACJI zadania Przedstawione dalej zadania rozwiąż wykorzystując Excel/Solver. Zadania 8 są zadaniami optymalizacji liniowej, zadania 9, dotyczą optymalizacji nieliniowej. Przed

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Programowanie liniowe w technice Linear programming in engineering problems Kierunek: Rodzaj przedmiotu: obowiązkowy na kierunku matematyka przemysłowa Rodzaj zajęć: wykład, laboratorium,

Bardziej szczegółowo

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 cx MAX Ax < b x > 0 Postać standardowa (kanoniczna): z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX

Bardziej szczegółowo

Modelowanie całkowitoliczbowe

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

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując

Bardziej szczegółowo

Problem zarządzania produkcją i zapasami

Problem zarządzania produkcją i zapasami Problem zarządzania produkcją i zapasami Wykorzystamy zasadę optymalności Bellmana do poradzenia sobie z zarządzaniem zapasami i produkcją w określonym czasie z punktu widzenia istniejącego i mogącego

Bardziej szczegółowo

Zagadnienia programowania liniowego dotyczą modelowania i optymalizacji wielu problemów decyzyjnych, na przykład:

Zagadnienia programowania liniowego dotyczą modelowania i optymalizacji wielu problemów decyzyjnych, na przykład: Programowanie liniowe. 1. Aktywacja polecenia Solver. Do narzędzia Solver można uzyskać dostęp za pomocą polecenia Dane/Analiza/Solver, bądź Narzędzia/Solver (dla Ex 2003). Jeżeli nie można go znaleźć,

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

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

Bardziej szczegółowo

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa Standardowe zadanie PL () Należy zaplanować produkcję zakładu w pewnym tygodniu w taki sposób, aby osiągnięty zysk był maksymalny. akład może wytwarzać dwa wyroby: P i P. Ich produkcja jest limitowana

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa

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

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

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

Bardziej szczegółowo

TOZ -Techniki optymalizacji w zarządzaniu

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

Bardziej szczegółowo

ZAGADNIENIA TRANSPORTOWE

ZAGADNIENIA 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 szczegółowo

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA 1. Proble przydziału. Należy przydzielić zadań do wykonawców. Każde zadanie oże być wykonywane przez co najwyżej jednego wykonawcę

Bardziej szczegółowo

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

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

Bardziej szczegółowo

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

a 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 szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINIOWYCH

UKŁADY 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 szczegółowo

Finanse i Rachunkowość studia niestacjonarne/stacjonarne Model Przepływów Międzygałęziowych

Finanse i Rachunkowość studia niestacjonarne/stacjonarne Model Przepływów Międzygałęziowych dr inż. Ryszard Rębowski 1 OPIS ZJAWISKA Finanse i Rachunkowość studia niestacjonarne/stacjonarne Model Przepływów Międzygałęziowych 8 listopada 2015 1 Opis zjawiska Będziemy obserwowali proces tworzenia

Bardziej szczegółowo

Analiza danych przy uz yciu Solvera

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

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Przedmiot: Nr ćwiczenia: 3 Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Temat: Programowanie dynamiczne Cel ćwiczenia: Formułowanie i rozwiązywanie problemów optymalizacyjnych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Programowanie liniowe w zagadnieniach finansowych i logistycznych Linear programming in financial and logistics problems Kierunek: Matematyka Rodzaj przedmiotu: obowiązkowy dla specjalności

Bardziej szczegółowo

0 + 0 = 0, = 1, = 1, = 0.

0 + 0 = 0, = 1, = 1, = 0. 5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,

Bardziej szczegółowo

Metoda eliminacji Gaussa

Metoda eliminacji Gaussa Metoda eliminacji Gaussa Rysunek 3. Rysunek 4. Rozpoczynamy od pierwszego wiersza macierzy opisującej nasz układ równań (patrz Rys.3). Zakładając, że element a 11 jest niezerowy (jeśli jest, to niezbędny

Bardziej szczegółowo

Dualność w programowaniu liniowym

Dualność 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 szczegółowo

Własności wyznacznika

Własności wyznacznika Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy

Bardziej szczegółowo

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony.

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

Bardziej szczegółowo

OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH

OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza Wydział Zarządzania Katedra Metod Ilościowych OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH Prowadzący: dr Tomasz Pisula e-mail: tpisula@prz.edu.pl Treści kształcenia:

Bardziej szczegółowo

Ekonometria - ćwiczenia 10

Ekonometria - ćwiczenia 10 Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na

Bardziej szczegółowo

ALGORYTM SIMPLEX. B.Gładysz Badania operacyjne 2007

ALGORYTM SIMPLEX. B.Gładysz Badania operacyjne 2007 ALGORYTM SIMPLEX 7 Zagadnienie asortymentu produkcji Firma produkuje dwa wyroby P, P. Ograniczeniem dla produkcji są trzy surowce S, S i S.Nakłady jednostkowe surowców są następujące: S S S Zysk jednostkowy

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 3 autorzy: A. Gonczarek, J.M. Tomczak Zbiory i funkcje wypukłe Zad. 1 Pokazać, że następujące zbiory są wypukłe: a) płaszczyzna S = {x

Bardziej szczegółowo

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Treść 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 szczegółowo