METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
|
|
- Judyta Kowalik
- 8 lat temu
- Przeglądów:
Transkrypt
1 METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski
2 WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób, aby kolejne rozwiązania były lepsze (w przypadku degeneracji niegorsze) od poprzednich Dane o rozwiązaniu bazowym x k (k-ta iteracja) są gromadzone w tablicy sympleksowej Y k Uniwersytet Zielonogórski
3 Tablica sympleksowa Y k = A k. b k (c k ) T. z k 0 gdzie A k = B k A, bk = B k b, ck = c A T k c k B, zk 0 = c T x k B k macierz bazowa c k B wektor kosztów bazowych (wektor złożony ze współczynników c j odpowiadającym zmiennym bazowym) c k wektor kosztów zredukowanych (powstaje w wyniku eliminacji z funkcji celu aktualnych zmiennych bazowych Uniwersytet Zielonogórski 2
4 Algorytm SYMPLEKS Dane: Początkowe dopuszczalne rozwiązanie bazowe x 0 i tablica Y 0 Krok : Podstaw k := 0 Krok 2: Sprawdź kryterium stopu ym+,j k = c k j 0 dla j =,..., n. Jeżeli tak, to znaleziono optymalne rozwiązanie ˆx B = b k, w przeciwnym razie idź do kroku 3 Krok 3: Wyznacz indeks s, s n, kolumny macierzy A wprowadzonej do bazy (s jest indeksem zmiennej niebazowej, która stanie się bazową) y k m+,s = max j n yk m+,j Krok 4: Sprawdź, czy jest spełnione kryterium nieograniczoności y k i,s 0 i =,..., m Jeżeli tak, to ZPL jest nieograniczone, w przeciwnym razie kontynuuj obliczenia Uniwersytet Zielonogórski 3
5 Algorytm SYMPLEKS - cd Krok 5: Wyznacz indeks r, r m, kolumny macierzy B k usuwanej z bazy y k r,n+ y k r,s = min i m { y k i,n+ y k i,s : y k i,s > 0 } Krok 6: Zmień zmienne bazowe zastępując współrzędną r wektora x b współrzędną x s. Wyznacz nową tablicę sympleksową Y k+ stosując przekształcenia y k+ i,j = y k i,j yk i,s yk r,j y k r,s y k+ r,j i =,..., m +, i r, j =,..., n + = yk r,j, j =,..., n + yr,s k Krok 7: Podstaw k := k + i przejdź do kroku 2. Uniwersytet Zielonogórski 4
6 Algorytm sympleks właściwości Jeżeli w trakcie obliczeń metodą sympleksową nie wystąpi zdegenerowane rozwiązanie bazowe, a rozwiązanie zadania istnieje (nie występuje nieograniczoność), to w skończonej liczbie iteracji uzyska się optymalne rozwiązanie bazowe 2 Rozpoczęcie obliczeń metodą sympleksową jest uwarunkowane znajomością początkowego dopuszczalnego rozwiązania bazowego 3 Jeśli układ równań Ax = b ma postać kanoniczną to wtedy bardzo łatwo można określić początkowe dopuszczalne rozwiązanie bazowe Uniwersytet Zielonogórski 5
7 Postać kanoniczna Układ równań Ax = b ma postać kanoniczną, jeżeli w macierzy A można znaleźć macierz bazową składającą się z wektorów jednostkowych Przykład 2.. Rozważmy układ 2x + x 2 + x 3 = 7 x + 2x 2 + x 4 = 5 Macierz A ma postać A = Kolumny a 3 i a 4 tworzą jednostkową macierz bazową, którek odpowiada rozwiązanie x B = B b = b = 7 5 Uniwersytet Zielonogórski 6
8 DWUFAZOWA METODA SYMPLEKSOWA Jeżeli początkowe dopuszczalne rozwiązanie bazowe nie jest łatwo dostępne, to można je wygenerować rozwiązując następujące zadanie pomocnicze min[w = T x a ] Ax + Ix a = b x 0, x a 0 gdzie b 0 x a m-wymiarowy wektorem zmiennych sztucznych m-wymiarowy wektor jednostkowy I macierz jednostkowa o wymiarach m n Uniwersytet Zielonogórski 7
9 Początkowe dopuszczalne rozwiązanie bazowe zadania pomocniczego x0 x 0 a = 0 b Tablica sympleksowa Y 0 = A I. b T A 0. T b Rozwiązanie zadania pomocniczego nosi nazwę fazy I Uniwersytet Zielonogórski 8
10 Po zakończeniu fazy I mogą wystąpić przypadki:. ŵ > 0 (pusty zbiór rozwiązań dopuszczalnych zadania początkowego) 2. ŵ = 0 i wśród zmiennych bazowych nie występują zmienne sztuczne, wyznaczono początkowe rozwiązanie bazowe i tablice sympleksową 3. ŵ = 0, ale wśród zmiennych bazowych występują zmienne sztuczne (a) zmienna bazowa x Bi jest zmienną sztuczną, oraz y i,j = 0, j =,..., n w zadaniu początkowym występuje redundancja, wiersz o numerze i jest usuwany z tablicy (b) zmienna bazowa x Bi jest zmienną sztuczną, oraz y i,j 0, dla pewnego j n. Zastępujemy zmienną x Bi zmienną x j i wyznaczamy nową tablicę sympleksową. Uzyskane rozwiązanie będzie zdegenerowane W przypadku 2 oraz po usunięciu sztucznych zmiennych bazowych w przypadku 3 realizuję się fazę II rozwiązywanie zadania uzyskanego w fazie I Uniwersytet Zielonogórski 9
11 ZADANIA Przykład 2.2. Zakład produkuje dwa wyroby, które są wykonywane na dwóch obrabiarkach i na frezarce. Czas pracy tych maszyn jest ograniczony i wynosi odpowiednio dla obrabiarki O 33000h, dla obrabiarki O h i dla frezarki F 80000h. Zużycie czasu pracy maszyn (w h) na produkcję każdego z 2 wyrobów przedstawia poniższa tablica Maszyny Zużycie czasu pracy na jednostkę wyrobu I II O 3 O 2 F 5 8 Zysk ze sprzedaży wyrobu I wynosi 000zł, ze sprzedaży wyrobu II zł. Z analizy sprzedaży z lat ubiegłych wynika, że wyrobu II nie będzie można sprzedać więcej niż 7000 szt. Zaplanować strukturę asortymentową produkcji tak, aby przy przyjętych ograniczeniach zysk ze sprzedaży był jak największy. Czy optymalna struktura asortymentowa ulegnie zmianie, jeśli dzięki importowi surowca zysk ze sprzedaży wyrobu I wzrośnie do 4000zł? Uniwersytet Zielonogórski 0
12 Funkcja celu niech x - liczba wyrobu I, x 2 - liczba wyrobu II, wtedy Ograniczenia max[z = 000x x 2 ] czas pracy obrabiarki O : 3x + x czas pracy obrabiarki O 2 : x + x czas pracy frezarki F : 5x + 8x ograniczenie liczby sprzedanych wyrobów typu II : x Postać problemu max [z = 000x x 2 ] 3x + x x + x x + 8x x x, x 2 0 Postać standardowa min[z = 000x 3000x 2 ] 3x + x 2 +x 3 =33000 x + x 2 +x 4 =3000 5x +8x 2 +x 5 =80000 x 2 +x 6 = 7000 x i 0, i =... 6 Uniwersytet Zielonogórski
13 Jest to postać kanoniczna, więc macierz bazowa: B = I skojarzony z nią wektor bazowy: x 0 B = [x 3 x 4 x 5 x 6 ] T = [ ] T m = 4, n = 6 Y 0 = warunek stopu nie jest spełniony znajdujemy indeks s: max{y 5,j j =... 6}, s = 2 problem jest ograniczony znajdujemy indeks r: min{ y j,7 y j,2 j =... 4}, min{ 33000, 3000, , 7000 }, r = 4 nowy wektor bazowy: x B = [x 3 x 4 x 5 x 2 ] T Uniwersytet Zielonogórski 2
14 Przeliczamy tablicę sympleksową Y = warunek stopu nie jest spełniony s =, r = 3 problem jest ograniczony x 2 B = [x 3 x 4 x x 2 ] T Uniwersytet Zielonogórski 3
15 Przeliczamy tablicę sympleksową Y 2 = spełniony warunek stopu: y 5,j 0 dla j =... 5 optymalny wektor bazowy: x 2 B = [x 3 x 4 x x 2 ] T rozwiązanie: x = 4800, x 2 = 7000 koszt: z (x, x 2 ) = = Uniwersytet Zielonogórski 4
16 Po zmianie ceny wyrobu I do 4000 zł Y 0 = s =, r = x 0 B = [x 3 x 4 x 5 x 6 ] T = [ ] T x B = [x x 4 x 5 x 6 ] T Uniwersytet Zielonogórski 5
17 Y = s = 2, r = 2, x B = [x x 4 x 5 x 6 ] T, x 2 B = [x x 2 x 5 x 6 ] T Y 2 = x 2 B = [x x 2 x 5 x 6 ] T z (x, x 2 ) = = = Uniwersytet Zielonogórski 6
18 Przykład 2.3. Rozwiązać metodą sympleksową zadanie min[z = 2x + x 2 ] x + x 2 3 x + 2x 4 x, x 2 0 Postać standardowa min[z = 2x + x 2 ] x + x 2 x 3 = 3 x + 2x x 4 = 4 x i 0, i =,..., 4 Uniwersytet Zielonogórski 7
19 Nie jest to postać kanoniczna, więc należy zastosować metodę dwufazową Wprowadzamy wektor zmiennych sztucznych x a = [x 5 x 6 ] T Rozwiązujemy zadanie pomocnicze min[w = T x a ] Ax + I x a = b x 0, x a 0 Y 0 = Wektor zmiennych bazowych x 0 B = [x 5 x 6 ] T = [3 4] T Uniwersytet Zielonogórski 8
20 Y = Wektor zmiennych bazowych x B = [x 5 x 2 ] T = [ 2] T Y 2 = Wektor zmiennych bazowych x 2 B = [x x 2 ] T = [2 ] T Koniec fazy I w = 0 i wśród zmiennych bazowych nie występują zmienne sztuczne. Początkowe rozwiązanie bazowe x 0 = [2 0 0] T odpowiada mu postać kanoniczna A 0 x = b x x 2 x 3 x 4 = 2 Uniwersytet Zielonogórski 9
21 Uniwersytet Zielonogórski 20
22 Wektor kosztów bazowych c 0 B = [2 ] T ; wektor c 0 = c A T 0 c 0 B c 0 = [2 0 0] T [2 ] T = [0 0 3 ] z 0 0 = c T x 0 = [2 0 0] T [2 0 0] = 5 Przebieg Fazy II Y 0 2 = x 0 B = [x x 2 ] T = [2 ] T Y 2 = x B = [x 4 x 2 ] T = [2 3] T Rozwiązanie optymalne: x = [ ] T, wartość funkcji kosztu z (x) = 3 Uniwersytet Zielonogórski 2
23 Przykład 2.4. Przedsiębiorstwo produkuje 2 wyroby w i w 2. Dwa z wielu środków produkcji są limitowane. Limity te wynoszą: środek I , środek II Nakłady limitowanych środków na jednostkę produkcji zawiera poniższa tablica. Środki produkcji Jednostkowe nakłady w w 2 I 6 6 II 0 5 Zdolność produkcyjna jednego z agregatów nie pozwala wyprodukować więcej niż 4000 szt. wyrobu w 2. Nie ma natomiast żadnych dodatkowych ograniczeń w stosunku do wyrobu w. Ustalić optymalne rozmiary produkcji przy założeniu, że zysk realizowany na obu wyrobach jest jednakowy Uniwersytet Zielonogórski 22
24 Funkcja celu niech x - wielkość produkcji wyrobu w, x 2 - wielkość produkcji wyrobu w 2 max[z = x + x 2 ] Ograniczenia limit środków produkcji I : 6x + 6x limit środków produkcji II : 0x + 5x warunek brzegowy dla zmiennej x : x 0 warunek brzegowy dla zmiennej x 2 : 4000 x 2 0 Postać standardowa 6x + 6x 2 +x 3 = x + 5x 2 +x 4 = x 2 +x 5 = 4000 x 0, x 2 0 Uniwersytet Zielonogórski 23
25 Tablice sympleksowe mają postać: Y = Y = Y 2 = x 0 B = [x 3 x 4 x 5 ] T x B = [x 3 x x 5 ] T x 2 B = [x 2 x x 5 ] T Rozwiązanie: x = 4000, x 2 = 2000, z = 6000 Uniwersytet Zielonogórski 24
26 W pierwszym kroku metody sympleksowej można było wybrać również kolumnę drugą Y = x B = [x 3 x 4 x 5 ] T Y = Y = Rozwiązanie: x = 2000, x 2 = 4000, z = 6000 x B = [x 3 x 4 x 2 ] T x 2 B = [x x 4 x 2 ] T Uniwersytet Zielonogórski 25
27 W obu przypadkach otrzymano tę samą wartość funkcji celu z = 6000 dla różnych wartości x i x 2:. I rozwiązanie: x = 4000 i x 2 = II rozwiązanie: x = 2000 i x 2 = 4000 Jest to przypadek specjalny kiedy mamy do czynienia z nieskończoną liczbą rozwiązań Uniwersytet Zielonogórski 26
28 ANALIZA POOPTYMALIZACYJNA Zadaniem analizy pooptymalizacyjnej jest odpowiedź na pytania typu:. czy wzrost jednego z zasobów produkcyjnych może zwiększyć zysk? 2. jeżeli możliwy jest wzrost zysku to w jakim zakresie należy zwiększyć zasoby? 3. po uzupełnieniu zasobów jakie będzie nowe rozwiązanie optymalne? 4. czy niedobór jednego z zasobów może obniżyć zysk? 5. jeśli tak to w jakim stopniu i jakie będzie nowe rozwiązanie optymalne? W celu odpowiedzi na te pytania należy przeprowadzić analizę ostatniej tabeli sympleksowej Odejmując ostatni wiersz tej tabeli od wektora kosztów c otrzymujemy wiersz s. Wartości tego wiersza określają wartości zasobów produkcyjnych. Jest to dodatkowy zysk, jaki jest możliwy do uzyskania przy zwiększaniu danych zasobów o jedną jednostkę Uniwersytet Zielonogórski 27
29 Rozpatrzmy przykład 2.2. Ostatnia tablica ma postać x x 2 x 3 x 4 x 5 x c k c s = c c k W celu wyznaczenia zakresu zmienności zasobów:. dzielimy liczby w ostatniej kolumnie przez odpowiadające im liczby w kolumnie zmiennej pomocniczej rozważanego zasobu 2. wyznaczamy najmniejszy dodatni iloraz i największy ujemny 3. dodając otrzymane liczby do wielkości rozważanego zasobu otrzymujemy największy dopuszczalny wzrost i najmniejszy dopuszczalny spadek zasobu 9 Uniwersytet Zielonogórski 28
30 x 3 x 4 x 5 x = = = = = = = = = 0 = 0.2 = = = = = 7000 = , 8 mln wektor s wartość wyjściowa górny zakres dolny zakres Dodatkowy zysk: z h pracy O wynosi 0 zł, z h pracy O 2 wynosi 0 zł, zysk z h pracy F wynosi 200 zł i zysk za egzemplarz wyrobu II wynosi 400 zł Zakresy ważności tych zysków dla zasobów wynoszą odpowiednio: (dla O ), (dla O 2 ), (dla F ) i (dla wyr. II) Uniwersytet Zielonogórski 29
31 Przykład 2.5. WYZNACZANIE NOWEGO ROZWIĄZANIA OPTYMALNEGO Załóżmy że możliwa jest zmiana czasu pracy obrabiarki F o +5000h i +0000h. przypadek I = < przypadek II = > należy przeliczyć całe zadanie Dla pierwszego przypadku otrzymujemy: Baza x 5 wartość nowa wartość x ( 3 ) = = x ( ) = = x ( ) = = x = 7000 s , 8mln 25, 8mln = 25, 8mln mln = 26, 8mln Nowe wartości x = 5800, x 2 = 7000, z = 26, 8mln Uniwersytet Zielonogórski 30
32 Załóżmy, że z powodu starości należy zmniejszyć wykorzystanie frezarki o 0000h. Nowe rozwiązanie optymalne otrzymujemy następująco: Baza x 5 wartość nowa wartość x ( 3 ) = = x ( ) = = x ( ) = = x = 7000 s , 8mln 25, 8mln = 25, 8mln + 2mln = 23, 8mln Nowe wartości x = 2800, x 2 = 7000, z = 23, 8mln Uniwersytet Zielonogórski 3
33 WPŁYW ZMIAN CEN NA ZYSK Warto wiedzieć przy jakich wahaniach cen danej zmiennej decyzyjnej, rozwiązanie optymalne pozostaje bez zmian Dla zmiennej x i która jest w bazie obowiązuje reguła:. Dopuszczalny wzrost współczynnika c i to najmniejszy dodatni iloraz wyrazu c kj przez a ij 2. Dopuszczalny spadek współczynnika c i to największy ujemny iloraz wyrazu c kj przez a ij Przykład 2.6. Rozważmy końcową tablicę sympleksową w przykładu 2.2. Y 2 = Uniwersytet Zielonogórski 32
34 Po przeliczeniu otrzymujemy: x 0 = = 000 x = = = 400 Zakres współczynnika c : od = 0 do = 875 Zakres współczynnika c 2 : od = 600 do = Rozwiązanie problemu: x = 4800, x 2 = 7000 Wartość funkcji kosztu: wartości nominalne kosztu: c = 000, c 2 = 3000 po zmianie na: c = 500, c 2 = 3000, z = = 28.2mln po zmianie na c = 000, c 2 = 650, z = = 6.35mln UWAGA! Rozwiązanie optymalne nie ulegnie zmianie tylko wtedy gdy ulegnie zmianie tylko jeden! koszt Uniwersytet Zielonogórski 33
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 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 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 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 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 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 szczegółowoKolejny 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 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 szczegółowoMETODA 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 szczegółowoA. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1
A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe ZAGADNIENIE DUALNE Z każdym zagadnieniem liniowym związane jest inne zagadnienie nazywane dualnym. Podamy teraz teraz jak budować zagadnienie
Bardziej 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 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 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 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 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 szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
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 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 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 szczegółowoProgramowanie 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 szczegółowoRozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych
Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.
Bardziej szczegółowoProgramowanie 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 szczegółowoDefinicja 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 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 szczegółowoBadania Operacyjne Ćwiczenia nr 4 (Materiały)
Analiza wrażliwości Rozwiązanie programu liniowego jest dopiero początkiem analizy. Z punktu widzenia decydenta (menadżera) jest istotne, żeby wiedzieć jak na rozwiązanie optymalne wpływają zmiany parametrów
Bardziej szczegółowoProgramowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
Bardziej szczegółowoLaboratorium Metod Optymalizacji
Laboratorium Metod Optymalizacji Grupa nr... Sekcja nr... Ćwiczenie nr 4 Temat: Programowanie liniowe (dwufazowa metoda sympleksu). Lp. 1 Nazwisko i imię Leszek Zaczyński Obecność ocena Sprawozdani e ocena
Bardziej szczegółowoZadanie 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 szczegółowoALGORYTM 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 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 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 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 szczegółowoWykład z modelowania matematycznego. Algorytm sympleks.
Wykład z modelowania matematycznego. Algorytm sympleks. 1 Programowanie matematyczne jest to zbiór metod poszukiwania punktu optymalizującego (minimalizującego lub maksymalizującego) wartość funkcji rzeczywistej
Bardziej 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 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 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 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 DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej:
A Kasperski, M Kulej Badania Operacyjne- programowanie liniowe 1 ZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej: max z = c 1 x 1 + c 2 x 2 + +
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 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem
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 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 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 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 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 szczegółowoBadania 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 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 szczegółowodoc. 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 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 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 szczegółowoRównania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem
Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,
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 szczegółowoPROGRAMOWANIE NIELINIOWE
PROGRAMOWANIE NIELINIOWE Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie programowania nieliniowego (ZPN) min f(x) g i (x) 0, h i (x) = 0, i = 1,..., m g i = 1,..., m h f(x) funkcja celu g i (x) i
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowoRozwiązywanie 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 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 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 szczegółowoMacierze. 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 szczegółowoRozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:
Zadanie Rafineria naftowa otrzymała zamówienie na dwa rodzaje specjalnych paliw węglowodorowych X oraz Y. Zamówienie opiewa na minimum 4 000 galonów paliwa X i minimum 2 400 galonów paliwa Y. Paliwa te
Bardziej 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 szczegółowoZadania 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 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 szczegółowo(Dantzig G. B. (1963))
(Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku
Bardziej szczegółowoWykład 5. Metoda eliminacji Gaussa
1 Wykład 5 Metoda eliminacji Gaussa Rozwiązywanie układów równań liniowych Układ równań liniowych może mieć dokładnie jedno rozwiązanie, nieskończenie wiele rozwiązań lub nie mieć rozwiązania. Metody dokładne
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 szczegółowo2. Układy równań liniowych
2. Układy równań liniowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 2. Układy równań liniowych zima 2017/2018 1 /
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 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 szczegółowoMetody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1
Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy
Bardziej szczegółowoMetody numeryczne Wykład 4
Metody numeryczne Wykład 4 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Metody skończone rozwiązywania
Bardziej szczegółowoIII TUTORIAL Z METOD OBLICZENIOWYCH
III TUTORIAL Z METOD OBLICZENIOWYCH ALGORYTMY ROZWIĄZYWANIA UKŁADÓW RÓWNAŃ LINIOWYCH Opracowanie: Agata Smokowska Marcin Zmuda Trzebiatowski Koło Naukowe Mechaniki Budowli KOMBO Spis treści: 1. Wstęp do
Bardziej szczegółowoA. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1
A. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1 ALGORYTM SYMPLEKS Model liniowy nazywamy modelem w postaci standardowej jeżeli wszystkie ograniczenia s a w postaci równości i wszystkie zmienne
Bardziej szczegółowoProgramowanie matematyczne
dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Programowanie matematyczne Programowanie matematyczne, to problem optymalizacyjny w postaci: f ( x) max przy warunkach g( x) 0 h( x) = 0 x X
Bardziej szczegółowoFirma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2.
Przykład Elementy analizy wrażliwości Firma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2. Dla wyrobu 2 czasy te wynosza
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 szczegółowoFormy kwadratowe. Rozdział 10
Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej 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 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 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 szczegółowoRozdział 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 szczegółowoUkłady równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowo6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego
6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne
Bardziej szczegółowoUKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne
UKŁADY RÓWNAŃ LINIOWYCH - Metody dokładne Układy równań liniowych Rozpatruje się układ n równań liniowych zawierających n niewiadomych: a11x1 a12x2... a1nxn b1 a21x1 a22x2... a2nxn b2... an 1x1 an2x2...
Bardziej szczegółowoMETODY NUMERYCZNE. wykład. konsultacje: wtorek 10:00-11:30 środa 10:00-11:30. dr inż. Grażyna Kałuża pokój
METODY NUMERYCZNE wykład dr inż. Grażyna Kałuża pokój 103 konsultacje: wtorek 10:00-11:30 środa 10:00-11:30 www.kwmimkm.polsl.pl Program przedmiotu wykład: 15 godzin w semestrze laboratorium: 30 godzin
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 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 szczegółowoPrzykład: 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 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 szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 2
RÓWNANIA RÓŻNICZKOWE WYKŁAD 2 Równania różniczkowe o zmiennych rozdzielonych Równania sprowadzalne do równań o zmiennych rozdzielonych Niech f będzie funkcją ciągłą na przedziale (a, b), spełniającą na
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 szczegółowoWydział Matematyki Programowanie liniowe Ćwiczenia. Zestaw 1. Modelowanie zadań programowania liniowego.
Wydział Matematyki Programowanie liniowe Ćwiczenia Zestaw. Modelowanie zadań programowania liniowego. Zadania dotyczące zagadnienia planowania produkcji Zadanie.. Zapisać następujące zadanie w postaci
Bardziej szczegółowoMetody wielokryterialne. Tadeusz Trzaskalik
Metody wielokryterialne Tadeusz Trzaskalik 4.1. Wprowadzenie Słowa kluczowe Zadanie wielokryterialne Zadanie wielokryterialne programowania liniowego Przestrzeń decyzyjna Zbiór rozwiązań za dopuszczalnych
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 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 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 szczegółowoMetoda eliminacji Gaussa. Autorzy: Michał Góra
Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego
Bardziej szczegółowo