Programowanie dynamiczne. Tadeusz Trzaskalik
|
|
- Anatol Niemiec
- 4 lat temu
- Przeglądów:
Transkrypt
1 Programowanie dynamiczne Tadeusz Trzaskalik
2 9.. Wprowadzenie Słowa kluczowe Wieloetapowe procesy decyzyjne Zmienne stanu Zmienne decyzyjne Funkcje przejścia Korzyści (straty etapowe) Funkcja kryterium Strategia Strategia optymalna Optymalna realizacja procesu Dekompozycja Zasada optymalności Bellmana Wektorowa wersja zasady optymalności Bellmana T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
3 9.. Metoda programowania dynamicznego Przykład 9. Zadanie sterowania zapasami Liczba etapów T = Stan magazynu na początku pierwszego etapu y = Maksymalna możliwość uzupełniania zapasu w jednym etapie p t = 4 Maksymalne możliwości magazynowania h t = 4 Popyt (taki sam w każdym etapie) d t = Koszty stałe uzupełniania zapasu k t = 8 Jednostkowe koszty zmienne uzupełniania zapasu c t = Jednostkowe koszty magazynowania m t = Pożądany stan magazynu na koniec ostatniego etapu y T+ = 0 Zminimalizować koszty zakupu i koszty magazynowania. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
4 9.. Metoda programowania dynamicznego 9... Składowe wieloetapowego procesu decyzyjnego (/) Opis procesu y t - stan procesu na początku etapu t, (stan magazynu na początku etapu t) x t - decyzja dla etapu t, (wielkość zamówienia, związana z uzupełnieniem zapasu) y t+ = y t + x t d t Y t = {y t : 0 y t h t } - funkcja przejścia, - zbiory stanów dopuszczalnych dla etapu t. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
5 9.. Metoda programowania dynamicznego 9... Składowe wieloetapowego procesu decyzyjnego (/) Zbiory decyzji dopuszczalnych. Popyt w każdym etapie musi być zaspokojony y t + x t d t. Zapasy na końcu etapu nie mogą przekraczać pojemności magazynu y t + x t d t h t. Nie mogą zostać przekroczone możliwości uzupełniania zapasu x t p t 4. Wielkość, o którą uzupełniamy zapasy jest nieujemna x t 0 X t (y t ) = { x t : 0 y t + x t d t h t, 0 x t p t } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
6 9.. Metoda programowania dynamicznego 9... Składowe wieloetapowego procesu decyzyjnego (/) Funkcje kosztów etapowych ξ t (x t ) - koszty uzupełniania zapasu w etapie t, µ t (y t+ ) - koszty magazynowania w etapie t, gdy r > 0 λ(r) = 0 gdy r 0 ξ t (x t ) = k t λ(x t ) + c t x t µ t (y t+ ) = m t y t+ = m t (y t + x t d t ) f t (y t,x t ) = k t λ(x t ) + c t x t + m t (y t + x t d t ) T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
7 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (/9) Etap Y = { } dla czyli X () = { x : 0 + x 4, 0 x 4 } x = czyli 0 X () x = czyli X () x = czyli X () x = czyli X () x = czyli 4 X () X () = {,, 4 } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 7
8 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (/9) Etap (c.d.) dla czyli y = y + x x = y = + = 0 x = y = + = x = 4 y = + 4 = Y = { 0,, } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 8
9 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (/9) Etap Y = { 0,, } dla czyli X (0) = { x : x 4, 0 x 4 } x = czyli 0 X (0) x = czyli X (0) x = czyli X (0) x = czyli X (0) x = czyli 4 X (0) X (0) = {, 4 } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 9
10 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (4/9) Etap (c.d.) Y = { 0,, } dla czyli X () = { x : 0 + x 4, 0 x 4 } x = czyli 0 X () x = czyli X () x = czyli X () x = czyli X () x = czyli 4 X () X () = {,, 4 } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 0
11 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (5/9) Etap Y = { 0,, } dla czyli X () = { x : 0 + x 4, 0 x 4 } x = czyli 0 X () x = czyli X () x = czyli X () x = czyli X () x = czyli 4 X () X () = {,,, 4 } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
12 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (6/9) Etap (c.d.) y = y + x czyli y = 0 y = y = x = y = 0 + = 0 x = 4 y = = x = y = + = 0 x = y = + = x = 4 y = + 4 = x = y = + = 0 x = y = + = x = y = + = x = 4 y = + 4 = Y = { 0,,, } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
13 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (7/9) Etap (c.d.) Stan końcowy procesu jest ustalony i wynosi 0, stąd: X (0) = X () = X () = X () = { x : x = 0 } x = 0 ; x = { x : 0 + x = 0 } x = 0 ; x = { x : 0 + x = 0 } x = 0 ; x = { x : 0 + x = 0 } x = 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
14 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (8/9) Zestawienie Y = { } X () = {,, 4 } Y = { 0,, } X (0) = {, 4 } X () = {,, 4 } X () = {,,, 4 } Y = { 0,,, } X (0) = { } X () = { } X () = { } X () = { 0 } Y 4 = { 0 } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
15 9.. Metoda programowania dynamicznego 9... Zbiory stanów i decyzji dopuszczalnych (9/9) Graf procesu (4) () (0) (4) (4) () () () () () () (4) () () 0 () 0 () 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
16 9.. Metoda programowania dynamicznego 9... Wartości funkcji kosztów etapowych (/) Wartości liczbowe f t (y t,x t ) = k t λ(x t ) + c t x t + m t (y t + x t d t ) f t (0,) = (0 + ) = 4 f t (0,4) = (0 + 4 ) = 9 f t (,) = ( + ) = f t (,) = ( + ) = 7 f t (,4) = ( + 4 ) = f t (,) = ( + ) = 0 f t (,) = ( + ) = 5 f t (,) = ( + ) = 0 f t (,4) = ( + 4 ) = 5 f t (,0) = ( + 0 ) = 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
17 9.. Metoda programowania dynamicznego 9... Wartości funkcji kosztów etapowych (/) Graf procesu z kosztami etapowymi (4) 7 () () 5 (4) 0 () (4) 0 9 (4) 7 () () 4 () 5 () 0 () 0 (0) 0 () () 4 () 0 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 7
18 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (/) Zasada optymalności Strategia optymalna ma tę własność, że niezależnie od początkowego stanu i początkowej decyzji, pozostałe decyzje muszą stanowić ciąg optymalny ze względu na stan wynikający z pierwszej decyzji. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 8
19 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (/) Etap 5 (4) (4) 7 () () 0 0 () (4) 5 () 7 () () 9 (4) 0 () 4 () 0 0 (0) 0() () 4 () 0 g (0) = min { 4 } g (0) = 4 x (0) = T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 9
20 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (/) Etap (c.d.) 5 (4) (4) 7 () () 0 0 (0) 0 () (4) 0() 5 () 7 () () () 9 (4) 0 () 4 () 4 () 0 0 g () = min { } x () = g () = T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 0
21 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (4/) Etap (c.d.) 5 (4) 0 (0) 0 () 0() (4) (4) 5 () 7 () () 0 7 () () () 9 (4) 0 () 4 () 4 () 0 0 g () = min { 0 } x () = g () = 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
22 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (5/) Etap (c.d.) 5 (4) (4) 7 () () 0 0 (0) 0 () (4) 0() 5 () 7 () () () 9 (4) 0 () 4 () 4 () 0 0 g () = min { 0 } x () = 0 g () = 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
23 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (6/) Etap 5 (4) g () = 0 0 () (4) (4) 5 () 0 (0) g () = 0 0() 7 () 7 () () () () 9 (4) 0 4 () 0 () g () = 4 () 0 0 g (0) = 4 g (0) = min { 4 +4, 9 + } x (0) = g (0) = 8 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
24 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (7/) Etap (c.d.) 5 (4) g () = 0 (4) 7 () () 0 0 () (4) 5 () 0 (0) g () = 0 0() 7 () () () 9 (4) 0 () 4 () g () = 4 () 0 0 g (0) = 4 g () = min { +4, 7 +, + 0 } x () = g () = 6 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
25 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (8/) Etap (c.d.) 5 (4) g () = 0 (4) 7 () () 0 0 () (4) 5 () 0 (0) g () = 0 0() 7 () () () 9 (4) 0 () 4 () g () = 4 () 0 0 g (0) = 4 g () = min { 0 + 4, 5 +, 0 + 0, } x () = g () = 4 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
26 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (9/) Etap 5 (4) g () = 0 g () = 4 0 () (4) (4) g () = 6 7 () 7 () () () 9 (4) 0 4 () g (0) = 8 5 () 0 (0) g () = 0 0() g () = () 0 () 4 () 0 0 g (0) = 4 g () = min { + 8, 7 + 6, + 4 } x () = g () = 40 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
27 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (0/) Stan początkowy y = y = x () = y = + = 0 x (0) = y = 0 + = 0 x (0) = y 4 = 0 + = 0 x () = x () = (4) x () = () () () x (0) = (4) (4) () (4) () () x () = 0 x () = x () = () x (0) = (0) () () 0 () 0 () 0 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 7
28 9.. Metoda programowania dynamicznego Zasada optymalności Bellmana i równania optymalności (/) Zestawienie dla t = g { f ( y, x ) : x X ( )} ( y) = min y dla t = g { f ( y, x ) + g ( y + x d ) : x X ( )} ( y) = min y dla t = g { f ( y, x ) + g ( y + x d ) : x X ( )} ( y) = min y T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 8
29 9.. Metoda programowania dynamicznego Reguły postępowania przy rozwiązywaniu zadań programowania dynamicznego (/) Algorytm. Ustalamy liczbę etapów T rozpatrywanego procesu.. Definiujemy zmienne stanu y t (dla t =,..., T+) i zmienne decyzyjne x t (dla t =,..., T).. Określamy postać funkcji przejścia y t+ = Ω 4. Identyfikujemy zbiór stanów początkowych Y i zbiór stanów końcowych Y T+. 5. Dla etapu t (t =,..., T): t (y t, x a) określamy zbiór stanów dopuszczalnych Y t, b) dla każdego stanu y t Y t określamy zbiór decyzji dopuszczalnych X t (y t ). t ). T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 9
30 9.. Metoda programowania dynamicznego Reguły postępowania przy rozwiązywaniu zadań programowania dynamicznego (/) Algorytm (c.d.) 6. Korzystając z zasady optymalności Bellmana konstruujemy równania optymalności i rozwiązujemy je. a) Etap T: 7. Ciąg: g T ( y T ) = min b) Etap t (t = T,..., ): g t ( y t { f ( y, x ) : x X ( y )} x ( y ) T T T T T { f ( y, x ) + g ( y ) : x X ( y )} x ( y ) ) = min t t t t+ t+ przy czym y t+ = Ω t (y t,x t ). { x ( y ) : y Y, t = T} t t t t,..., T t t T t T t t decyzji optymalnych, wyznaczonych w kroku 6 stanowi strategię optymalną. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 0
31 9.. Metoda programowania dynamicznego Reguły postępowania przy rozwiązywaniu zadań programowania dynamicznego (/) Algorytm (c.d.) 8. Znajdujemy optymalny stan początkowy porównując ze sobą wartości g ( y ) następująco: (y ) = max{ g (y ) : y Y }. y g 9. Konstruujemy optymalną realizację procesu: y optymalny stan początkowy x ( = x y ) y = ) x = x ) Ω( y, x ( y... T = T T T ( T T T y Ω ( y, x ) x = x y ) y T + = ΩT ( yt, xt ( y x, y, x,..., y T x ),, T ) - optymalna realizacja procesu. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
32 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (/8) Przykład 9. Projekt I Projekt II Przydzielona ilość środka a b Dochód a b Do wykorzystania w następnym okresie Początkowa ilość środka 0,7a 0,b 00 jednostek Liczba okresów Dokonać takiego rozdziału środka, by zmaksymalizować łączny dochód z realizacji projektów I i II T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
33 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (/8) Opis wieloetapowego procesu decyzyjnego Stan procesu y t - Decyzja x t - Funkcja przejścia - ilość środka, jaka pozostała do dyspozycji na początku tego okresu ilość środka przydzielona na początku okresu t na realizację projektu I y 0, y t + = 0,7 xt + 0,( yt xt ) = 0,4xt + t T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem
34 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (/8) Zbiory stanów dopuszczalnych Y = { 00 } Y = [ 0; 70 ] Y = [ 9; 49 ] Y 4 = [,7; 4, ] y 0, y t + = 0,4xt + t T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
35 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (4/8) Decyzje dopuszczalne X t (y t ) = [0; y t ] - przydzielić cały zasóbśrodka na realizację projektu I (czyli x t = y t ), - przydzielić cały zasób środka na realizację projektu II (czyli x t = 0), - dokonać takiego rozdziału środka pomiędzy projekty, przy którym ilości środka przydzielone poszczególnym projektom są różne od zera (czyli x t (0; y t )). Funkcja korzyści f t ( yt, xt ) = xt + ( yt xt ) T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
36 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (5/8) Etap h ( x ) g ) = max{ f ( y, x : x X ( )}= ( y y { x + ( y x ) : x X ( )} = max y h ( x ) jest parabolą o ramionach skierowanych do góry h (x ) x Mamy: h ( y ) = y czyli: y) h ( = y 0) g ( = y x ( y ) 0 = T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
37 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (6/8) Etap g = max{ f( y, x) + g(0,4x + 0,y ) : x X ( )} { x + ( y x ) + (0,4x + 0,y ) : x X ( )} ( y) y = max y h ( x ) h ( x ) jest parabolą o ramionach skierowanych do góry h (x ) x Mamy: h ( y ) =, 47 y czyli: y), 47 h ( 0) =, 7 y g ( = y x ( y) = y T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 7
38 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (7/8) Etap g { x + ( y x ) +,47(0,4 x + 0,y ) : x X ( )} = max y h ( x ) ) = max{ f ( y, x ) + g (0,4x + 0,y ) : x X ( )}= ( y y h ( x ) jest parabolą o ramionach skierowanych do góry h (x ) x Mamy: czyli: h ( = y y), 70 h ( 0) =, y g ( y) =, 70y x ( y) = y T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 8
39 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie rozdziału środka (8/8) Optymalne realizacje procesu dla y = 00 dla y = 80 y = 00 y = 70 y = 49 x = x (00) = 00 x = x (70) = 70 x = x (49) = 0 y 4 = 4,7 Dochód = 7 00 y = 80 y = 56 y = 9, y 4 =,76 x = x (80) = 80 x = x (56) = 56 x = x (9,) = 0 Dochód = 68,9 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 9
40 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (/) Przykład 9. Wielkość przydzielonej kwoty Projekt I II III 0 0 0,5,5,8,5 4, 4,5 4,0 5,5 6,5 5,0 6,5 7,8 6, 7,5 9,0 7, 8 0, Rozdzielić fundusz pomiędzy projekty tak, by zmaksymalizować łączną wartość zysku T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 40
41 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (/) Opis wieloetapowego procesu decyzyjnego Stan procesu y t - Decyzja x t - Funkcja przejścia kwota do dyspozycji na początku etapu t, wielkość funduszu przekazana na realizację projektu y t+ = y t x t T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
42 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (/) Zbiory stanów i decyzji dopuszczalnych Y = { 6 } X (6) = { 0,,,, 4, 5, 6 } y = y x Y = { 0,,,, 4, 5, 6 } X (0) = { 0 } X () = { 0, } X () = { 0,, } X () = { 0,,, } X (4) = { 0,,,, 4 } X (5) = { 0,,,, 4, 5 } X (6) = { 0,,,, 4, 5, 6 } y = y x Y = { 0,,,, 4, 5, 6 } X (0) = { 0 } X () = { } X () = { } X () = { } X (4) = { 4 } X (5) = { 5 } X (6) = { 6 } y 4 = y x Y 4 = { 0 } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
43 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (4/) Graf procesu T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 4
44 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (5/) Wartość funkcji korzyści etapowych f (6; 0) = 0 f (6; ) =,5 f (6; ) =,5 f (6; ) = 4 f (6; 4) = 5 f (6; 5) = 6, f (6; 6) = 7, f (y ; 0) = 0 f (y ; ) =,5 f (y ; ) = 4, f (y ; ) = 5,5 f (y ; 4) = 6,5 f (y ; 5) = 5,5 f (y ; 6) = 8 f (0; 0) = 0 f (; ) =,8 f (; ) = 4,5 f (; ) = 6,5 f (4; 4) = 7,8 f (5; 5) = 9 f (6; 6) = 0, T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 44
45 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (6/) Równania optymalności etap g { f ( y, x ) : x X ( )} y ( y) = max g 0) = f (0,0) 0 x (0) = 0 ( = g ) = f (,),8 x () = ( = g ) = f (,) 4,5 x () = ( = g ) = f (,) 6,5 x () = ( = g 4) = f (4,4) 7,8 x (4) = 4 ( = g 5) = f (5,5) 9,0 x (5) = 5 ( = g 6) = f (6,6) 0, x (6) = 6 ( = T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 45
46 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (7/) Równania optymalności etap g { f ( y, x ) + g ( y x ) : x X ( )} y ( y) = max g (0) 0 oraz x (0) = 0 = f 0,8,8 (;0) + g () + g ( ) = max max = max =,8 = oraz x () = 0 f (;) (0),5 0,5 + g + f(;0) + g () 0 + 4,5 4,5 g () = max f(;) + g () = max,5 +,8 = max 5, = 5, oraz x () = (;) (0) 4, 0 4,4 f + g + T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 46
47 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (8/) Równania optymalności etap (c.d.) g { f ( y, x ) + g ( y x ) : x X ( )} y ( y) = max f 0 6,5 6,5 (;0) + g () + f,5 4,5 7 (;) + g () + g () = max max max 7 = = = oraz x () = f (;) () 4,,8 6,9 + g + (;) (0) 5,5 0 5,5 f + g + f 0 7,8 7,8 (4;0) + g (4) + (4;) (),5 6,5 9 f + g + g (4) = max f (4;) () max 4, 4,5 = max 8,6 = 9 + g = + oraz x (4) = (4;) () 5,5 +,8 8, f + g f (4;4) (0) 6,5 0 6,5 + g + T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 47
48 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (9/) Równania optymalności etap (c.d.) g { f ( y, x ) + g ( y x ) : x X ( )} y ( y) = max f (5;0) + g (5) +,5 7,8 0, f(5;) + g (4) + f (5;) () 4, 6,5 0,6 + g + g (5) = max max max = 0,6 = = oraz x (5;) () 5,5 4,5 0 + (5) = f + g f (5;4) () 6,5 +,8 9, + g f (5;5) (0) 7,5 0 7,5 + g + T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 48
49 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (0/) Równania optymalności etap (c.d.) g { f ( y, x ) + g ( y x ) : x X ( )} y ( y) = max f (6;0) (6) 0 0, 0, + + g f,5 9,5 (6;) + g(5) + f (6;) (4) 4, 7,8,9 + g + g (6) = max f (6;) () max 5,5 6,5 max = + g = + = oraz x (6) = f (6;4) () 6,5 4,5 + g + f (6;5) () 7,5,8 0, + g + f (6;6) (0) g + T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 49
50 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (/) Równania optymalności etap g { f ( y, x ) + g ( y x ) : x X ( )} y ( y) = max f (6;0) (6) 0 + g + (6;) (5),5 + 0,6, f + g f (6;) (4),5 9,5 + g + g (6) = max f (6;) () max 4 7 max =, + g = + = oraz x (6) = f (6;4) () 5 5, 0, + g + f (6;5) () 6, +,8 9 + g f (6;6) (0) 7, 0 7, + g + T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 50
51 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (/) Optymalna realizacja procesu y 6 x = x (6) = = y = y x = 6 = 5 x = x (5) = = y = y x = 5 x = x () y 4 = y x = = 0 = T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
52 9.. Przykłady zastosowania programowania dynamicznego 9... Zagadnienie alokacji (/) Analiza rozwiązania optymalnego w zależności od wielkości funduszu Wielkość funduszu y g (y ),8 5, 7,0 4 9,0 5 0,6 6, Optymalny ciąg decyzji x x x T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
53 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (/) Przykład 9.4 Wielkość przydzielonej kwoty Zysk 0 0 Moduł Niezawodność Zysk Niezawodność Zysk Niezawodność 0,9 Moduł Moduł 0 0,9 0 0,9,5 0,97,5 0,94,8 0,96,5 0,99 4, 0,964 4,5 0,984 4,0 0,997 5,5 0,9784 6,5 0, ,0 0,999 6,5 0,987 7,8 0, , 0,9998 7,5 0,99 9,0 0, , 0, ,995 0, 0,9994 Rozdzielić posiadany zasób środka w taki sposób, by zmaksymalizować łączną korzyść z działalności systemu i zmaksymalizować jego niezawodność. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 5
54 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (/) Kryterium zysku f (6; 0) = 0 f (6; ) =,5 f (6; ) =,5 f (6; ) = 4 f (6; 4) = 5 f (6; 5) = 6, f (6; 6) = 7, f (y ; 0) = 0 f (y ; ) =,5 f (y ; ) = 4, f (y ; ) = 5,5 f (y ; 4) = 6,5 f (y ; 5) = 5,5 f (y ; 6) = 8 f (y ; 0) = 0 f (y ; ) =,8 f (y ; ) = 4,5 f (y ; ) = 6,5 f (y ; 4) = 7,8 f (y ; 5) = 9 f (y ; 6) = 0, T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 54
55 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (/) Kryterium niezawodności f (6; 0) = 0,9 f (6; ) = 0,97 f (6; ) = 0,99 f (6; ) = 0,997 f (6; 4) = 0,999 f (6; 5) = 0,9998 f (6; 6) = 0,9999 f (y ; 0) = 0,9 f (y ; ) = 0,94 f (y ; ) = 0,964 f (y ; ) = 0,9784 f (y ; 4) = 0,9870 f (y ; 5) = 0,99 f (y ; 6) = 0,995 f (y ; 0) = 0,9 f (y ; ) = 0,96 f (y ; ) = 0,984 f (y ; ) = 0,996 f (y ; 4) = 0,9974 f (y ; 5) = 0,999 f (y ; 6) = 0,9994 T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 55
56 dynamiczne ), ( ), ( ), ( ),,,,, ( x y f x y f x y f x y x y x y f + + = ), ( ), ( ), ( ),,,,, ( x y f x y f x y f x y x y x y f = [ ] = Składowa - zysk Składowa - niezawodność 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (4/) Wektorowa funkcja kryterium 9. Programowanie d T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 56 [ ], f f F = [ ] ), ( ),, ( ), ( t t t t t t t t t x y f x y f x y F = Ocena modułu drugiego i trzeciego [ ], f f f f F F + = o Ocena modułu pierwszego łącznie z pozostałymi ( ) ( ) ( ) [ ], f f f f f f F F F + + = o o Dekompozycja etapowa
57 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (5/) Wektorowa wersja zasady optymalności Bellmana Strategia sprawna ma tę własność, że niezależnie od początkowego stanu i początkowej decyzji, pozostałe decyzje muszą stanowić ciąg decyzji sprawnych ze względu na stan wynikający z pierwszej decyzji. T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 57
58 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (6/) Wektorowe równania optymalności etap G { F ( y, x ) : x X ( )} ( y) = ' max' y G 0) = F (0,0) {[0;0,9]} x (0) = {0} ( = G = {[,8;0,96]} x () = { } ( ) = F (,) = ( = G ) = F (,) {[4,5;0,984]} x () = {} ( = G ) = F (,) {[6,5;0,996]} x () = {} ( = G 4) = F (4,4) {[7,8;0,9974]} x (4) = {4} ( = G 5) = F (5,5) {[9,0;0,999]} x (5) = {5} ( = G 6) = F (6,6) {[0,;0,9994]} x (6) = {6} T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 58
59 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (7/) Wektorowe równania optymalności etap G { F ( y, x ) G ( y x ) : x X ( )} y ( y) = 'max' o G (0) = ' max'{[0; 0,9] o[0; 0,9]} = {[0; 0,8]} G () G () oraz (0) = {0} [0; 0,9] o[,8; 0,96] [,8; 0,864] = ' max' = ' max' = [,8; 0,864] [,5; 0,94] o[0; 0,9] [,5; 0,846] oraz x () = { } [0; 0,9] o[4,5; 0,984] [4,5; 0,8856] = ' max' [,5; 0,94] o[,8; 0,96] = max [5,; 0,904] = [5,; 0,904] [4,; 0,964] o[0; 0,9] [4,; 0,8676] oraz x () = { } x T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 59
60 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (8/) Wektorowe równania optymalności etap (c.d.) G { F ( y, x ) G ( y x ) : x X ( )} y ( y) = 'max' o G [ 0; 0,9] o[6,5; 0,996] [6,5; 0,894] [,5; 0,94] o[4,5; 0,984] [7; 0,95] [7; 0,95] () = ' max' = ' max' = [4,; 0,964] o[,8; 0,9] [6,9; 0,954] [6,9; 0,954] [5,5; 0,9784] o[0; 0,9] [5,5; 0,8805] oraz x () = {, } G (4) [0; 0,9] o[7,8; 0,9974] [7,8; 0,8977] [,5; 0,94] o[6,5; 0996] [9; 0,94] [9; 0,94] = ' max' [4,; 0,964] o[4,5; 0,984] = max [8,6; 0,9486] = [8,6; 0,9486] [5,5; 0,9784] o[,8; 0,96] [8,; 0,99] [6,5; 0,987] o[0; 0,9] [6,5; 0,888] oraz x (4) = {, } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 60
61 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (9/) Wektorowe równania optymalności etap (c.d.) G { F ( y, x ) G ( y x ) : x X ( )} y ( y) = 'max' o (5) G [ 0; 0,9] o[9; 0,999] [9; 0,899] [,5; 0,94] o[7,8; 0,9974] [0,; 0,976] [4,; 0,964] o[6,5; 0,996] [0,6; 0,9578] = ' max' = max = [5,5; 0,9784] o[4,5; 0,984] [0; 0,967] [6,5; 0,987] o[,8; 0,96] [9,; 0,9475] [7,5; 0,99] o[0; 0,9] [7,5; 0,89] [0,6; 0,9578] [0; 0,967] oraz x (5) = {,} T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
62 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (0/) Wektorowe równania optymalności etap (c.d.) G { F ( y, x ) G ( y x ) : x X ( )} y ( y) = 'max' o [0; 0,9] o[0,; 0,9994] [0,; 0,8995] [,5; 0,94] o [9; 0,999] [,5; 0,99] [4,; 0,964] [7,8; 0,9974] [,9; 0,965] o G (6) = ' max' [5,5; 0,9784] o[6,5; 0,996] = max [; 0,97] = [; 097] [6,5; 0,987] o[4,5; 0,984] [; 0,97] [7,5; 0,99] o[,8; 0,96] [0,; 0,955] [8; 0,995] o[0; 0,9] [8; 0,8958] oraz x (6) = {} T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
63 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (/) Wektorowe równania optymalności etap G { F ( y, x ) G ( y x ) : x X ( )} y ( y) = 'max' o (6) G [0; 0,9] o[; 0,97] [; 0,8749] [,5; 0,97] o[0,6; 0,9578] [,; 0,99] [,5; 0,97] o[0; 0,967] [,5; 0,98] [,5; 0,99] o[9; 0,94] [,5; 0,956] [,5; 0,99] o[8,6; 0,9486] [,; 0,940] [,; 0,99] = ' max' = max = [,5; 0,98] [4; 0,997] o[7; 0,95] [; 0,95] [4; 0,997] [,; 0,940] o[6,9; 0,954] [0,9; 0,99] [5; 0,999] o[5,; 0,904] [0,; 0,907] [6,; 0,9998] o[,8; 0,864] [9,0; 0,868]] [7,; 0,9999] o[0; 0,8] [7,; 0,8099] oraz x (6) = {, } T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 6
64 9.. Przykłady zastosowania programowania dynamicznego 9... Dwukryterialne zagadnienie alokacji (/) Rozwiązanie optymalne wektorowo Niezdominowany wektor ocen Rozwiązanie sprawne [,; 0,99] x =, x =, x = [,5; 0,98] x =, x =, x = [,; 0,940] x =, x =, x = T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 64
65 Pora na relaks T.Trzaskalik: Wprowadzenie do badań operacyjnych z komputerem 65
Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
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 szczegółowoProgramowanie sieciowe. Tadeusz Trzaskalik
Programowanie Tadeusz Trzaskalik 8.1. Wprowadzenie Słowa kluczowe Drzewo rozpinające Minimalne drzewo rozpinające Najkrótsza droga w sieci Wierzchołek początkowy Maksymalny przepływ w sieci Źródło Ujście
Bardziej szczegółowoModele 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 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 szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoMetody ilościowe w badaniach ekonomicznych
prof. dr hab. Tadeusz Trzaskalik dr hab. Maciej Nowak, prof. UE Wybór portfela projektów z wykorzystaniem wielokryterialnego programowania dynamicznego Metody ilościowe w badaniach ekonomicznych 19-06-2017
Bardziej szczegółowoRozdział 9 PROGRAMOWANIE DYNAMICZNE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 9 PROGRAMOWANIE DYNAMICZNE 9.2. Ćwiczenia komputerowe Ćwiczenie 9.1 Wykorzystując
Bardziej szczegółowoZarządzanie projektami. Tadeusz Trzaskalik
Zarządzanie projektami Tadeusz Trzaskalik 7.1. Wprowadzenie Słowa kluczowe Projekt Sieć czynności zynność bezpośrednio poprzedzająca Zdarzenie, zdarzenie początkowe, zdarzenie końcowe Właściwa numeracja
Bardziej szczegółowoOptymalizacja. Algorytmy dokładne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Organizacja zbioru rozwiązań w problemie SAT Wielokrotny podział na dwia podzbiory: x 1 = T, x 1
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 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 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 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 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 szczegółowoModele i narzędzia optymalizacji w systemach informatycznych zarządzania
Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5
Bardziej szczegółowoIwona 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 szczegółowoBadania 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 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 szczegółowoMetoda simpleks. Gliwice
Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2
Bardziej szczegółowoRozdział 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 szczegółowoAlgorytmy i Struktury Danych.
Algorytmy i Struktury Danych. Programowanie Dynamiczne dr hab. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 14 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych.
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 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 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 szczegółowoOpis przedmiotu. Karta przedmiotu - Badania operacyjne Katalog ECTS Politechniki Warszawskiej
Kod przedmiotu TR.NIK405 Nazwa przedmiotu Badania operacyjne Wersja przedmiotu 2015/2016 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów
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 szczegółowoProgramowanie dynamiczne Zarządzanie produkcją i zapasami
Badania operacyjne Ćwiczenia 12 Programowanie dynamiczne Zarządzanie produkcją i zapasami Filip Tużnik, Warszawa 2017 Plan zajęć Zarządzanie produkcją i zapasami Filip Tużnik, Warszawa 2017 2 Literatura
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 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 szczegółowoOpis przedmiotu. Karta przedmiotu - Badania operacyjne Katalog ECTS Politechniki Warszawskiej
Kod przedmiotu TR.SIK306 Nazwa przedmiotu Badania operacyjne Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów
Bardziej szczegółowoSterowanie optymalne
Sterowanie optymalne Sterowanie Procesami Ciągłymi 2017 Optymalizacja statyczna funkcji Funkcja celu/kryterialna/kosztów Ograniczenie Q(x) min x x = arg min Q(x) x x X, gdzie X zbiór rozwiązań dopuszczalnych
Bardziej szczegółowoOpis przedmiotu: Badania operacyjne
Opis : Badania operacyjne Kod Nazwa Wersja TR.SIK306 Badania operacyjne 2013/14 A. Usytuowanie w systemie studiów Poziom Kształcenia Stopień Rodzaj Kierunek studiów Profil studiów Specjalność Jednostka
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 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 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 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 szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium Zadanie nr 3 Osada autor: A Gonczarek Celem poniższego zadania jest zrealizowanie fragmentu komputerowego przeciwnika w grze strategiczno-ekonomicznej
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 szczegółowo=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 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 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 szczegółowoOptymalizacja. Algorytmy dokładne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Organizacja zbioru rozwiązań w problemie SAT Wielokrotny podział na dwia podzbiory: x 1 = T, x 1
Bardziej szczegółowoBadania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)
Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Badania
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 szczegółowoBADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda
BADANIA OPERACYJNE Zagadnienie transportowe dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Zagadnienie transportowe Założenia: Pewien jednorodny towar należy
Bardziej 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 szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Programowanie liniowe. Metoda Simplex. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ ZADANIE LINIOWE Tortilla z ziemniaków i cebuli (4 porcje) 300
Bardziej szczegółowoZAGADNIENIA TRANSPORTOWE
ZAGADNIENIA TRANSPORTOWE Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE opracowano w 1941 r. (F.L. Hitchcock) Jest to problem opracowania planu przewozu pewnego jednorodnego produktu z kilku różnych
Bardziej szczegółowoEkonometria - ćwiczenia 10
Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na
Bardziej 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 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 szczegółowoWielokryteriowa optymalizacja liniowa cz.2
Wielokryteriowa optymalizacja liniowa cz.2 Metody poszukiwania końcowych rozwiązań sprawnych: 1. Metoda satysfakcjonujących poziomów kryteriów dokonuje się wyboru jednego z kryteriów zadania wielokryterialnego
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 szczegółowoPoszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania
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 szczegółowoI. KARTA PRZEDMIOTU CEL PRZEDMIOTU
I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: SYSTEMY WSPOMAGANIA DECYZJI. Kod przedmiotu: Ecs 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny. Kierunek: Mechatronika 5. Specjalność: Techniki Komputerowe
Bardziej szczegółowoProblem 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 szczegółowoDualność w programowaniu liniowym
2016-06-12 1 Dualność w programowaniu liniowym Badania operacyjne Wykład 2 2016-06-12 2 Plan wykładu Przykład zadania dualnego Sformułowanie zagadnienia dualnego Symetryczne zagadnienie dualne Niesymetryczne
Bardziej szczegółowoPolitechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie
Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e
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 szczegółowoĆwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L.
Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe Ćw. L. Typy optymalizacji Istnieją trzy podstawowe typy zadań optymalizacyjnych: Optymalizacja statyczna- dotyczy
Bardziej szczegółowoBadania operacyjne. Dr Michał Kulej. Pokój 509, budynek B4 Forma zaliczenia wykładu: egzamin pisemny.
Badania operacyjne Dr Michał Kulej. Pokój 509, budynek B4 michal.kulej@pwr.wroc.pl Materiały do zajęć będa dostępne na stronie: www.ioz.pwr.wroc.pl/pracownicy/kasperski Forma zaliczenia wykładu: egzamin
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 szczegółowoElementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe
Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
Bardziej szczegółowoAgenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.
Tytuł: 01 Budowa portfela produktowego. Zastosowanie programowania liniowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WMRiT PP piotr.sawicki@put.poznan.pl www.put.poznan.pl/~piotr.sawicki www.facebook.com/piotr.sawicki.put
Bardziej szczegółowoAgenda. Optymalizacja w transporcie. Piotr Sawicki WIT PP, ZST 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.
Tytuł: 01 Budowa portfela produktowego. Zastosowanie programowania liniowego Autor: Piotr SAWICKI, dr hab. inż. Zakład Systemów Transportowych WIT PP piotr.sawicki@put.poznan.pl piotr.sawicki.pracownik.put.poznan.pl
Bardziej szczegółowoWstęp do programowania
Wstęp do programowania Algorytmy zachłanne, programowanie dynamiczne Paweł Daniluk Wydział Fizyki Jesień 2014 P. Daniluk(Wydział Fizyki) WP w. IX Jesień 2014 1 / 26 Algorytmy zachłanne Strategia polegająca
Bardziej szczegółowoBADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych
BADANIA OPERACYJNE i teoria optymalizacji Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych e-mail: tpisula@prz.edu.pl 1 Literatura podstawowa wykorzystywana podczas zajęć wykładowych: 1. Gajda J.,
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowoOptymalizacja programu produkcji
ZARZĄDZANIE PRODUKCJĄ I USŁUGAMI Ćwiczenie 3 Optymalizacja programu produkcji Co i ile produkować i sprzedawać, aby zmaksymalizować zysk? Programowanie produkcji ZADANIE odpowiedź na pytania Co produkować?
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 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 szczegółowoZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA
ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania
Bardziej szczegółowoEkonomia matematyczna i dynamiczna optymalizacja
Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać
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 szczegółowoRównania różniczkowe liniowe rzędu pierwszego
Katedra Matematyki i Ekonomii Matematycznej SGH 21 kwietnia 2016 Wstęp Definicja Równanie różniczkowe + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to
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 szczegółowoMetody 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 szczegółowoECONOMIC ORDER QUANTITY (EOQ)
Systemy Logistyczne Wojsk nr 41/2014 MODEL EKONOMICZNEJ WIELKOŚCI ZAMÓWIENIA (EOQ) ECONOMIC ORDER QUANTITY (EOQ) Małgorzata GRZELAK Jarosław ZIÓŁKOWSKI Wojskowa Akademia Techniczna Wydział Logistyki Instytut
Bardziej szczegółowoProgramowanie dynamiczne i algorytmy zachłanne
Programowanie dynamiczne i algorytmy zachłanne Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii
Bardziej szczegółowoROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH
Transport, studia I stopnia Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać ogólna równania nieliniowego Często występującym, ważnym problemem obliczeniowym
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 szczegółowoMetody 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 szczegółowoskłada się z m + 1 uporządkowanych niemalejąco liczb nieujemnych. Pomiędzy p, n i m zachodzi następująca zależność:
TEMATYKA: Krzywe typu Splajn (Krzywe B sklejane) Ćwiczenia nr 8 Krzywe Bezier a mają istotne ograniczenie. Aby uzyskać kształt zawierający wiele punktów przegięcia niezbędna jest krzywa wysokiego stopnia.
Bardziej szczegółowoPodejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik
Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji
Bardziej szczegółowoSterowanie napędów maszyn i robotów
Wykład 7b - Układy wieloobwodowe ze sprzężeniem od zmiennych stanu Instytut Automatyki i Robotyki Warszawa, 2014 Układy wieloobwodowe ze sprzężeniem od zmiennych stanu Zadanie przestawiania Postać modalna
Bardziej szczegółowoSieć (graf skierowany)
Sieci Sieć (graf skierowany) Siecia (grafem skierowanym) G = (V, A) nazywamy zbiór wierzchołków V oraz zbiór łuków A V V. V = {A, B, C, D, E, F}, A = {(A, B), (A, D), (A, C), (B, C),..., } Ścieżki i cykle
Bardziej szczegółowoAnalityczna postać równowagi Nasha w postaci sprzężenia zwrotnego w modelu Lanchestera
Analityczna postać równowagi Nasha w postaci sprzężenia zwrotnego w modelu Lanchestera Dominika Machowska dominika.machowska@uni.lodz.pl Katedra Ekonometrii, Wydział Ekonomiczno-Socjologiczny, Uniwersytet
Bardziej szczegółowoĆwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe
Ćwiczenia laboratoryjne - 7 Zagadnienie transportowoprodukcyjne ZT-P programowanie liniowe Ćw. L. 8 Konstrukcja modelu matematycznego Model matematyczny składa się z: Funkcji celu będącej matematycznym
Bardziej 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 szczegółowoZbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ).
PROGRAMOWANIE LINIOWE Zbudować model matematyczny do poniższych zagadnień (ułożyć program matematyczny ). Problem. Przedsiębiorstwo przewozowe STAR zajmuje się dostarczaniem lodów do sklepów. Dane dotyczące
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 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 szczegółowoMECHANIKA 2. Prowadzący: dr Krzysztof Polko
MECHANIKA 2 Prowadzący: dr Krzysztof Polko PLAN WYKŁADÓW 1. Podstawy kinematyki 2. Ruch postępowy i obrotowy bryły 3. Ruch płaski bryły 4. Ruch złożony i ruch względny 5. Ruch kulisty i ruch ogólny bryły
Bardziej szczegółowoSystemy. Krzysztof Patan
Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej
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 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 szczegółowoMatematyka w ekonomii
Tadeusz Trzaskalik Matematyka w ekonomii Streszczenie. Rozwój zastosowań matematyki w ekonomii na Górnym Śląsku związany jest z działalnością matematyków, głównie absolwentów matematyki Uniwersytetu Śląskiego
Bardziej szczegółowo