Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):
|
|
- Eugeniusz Majewski
- 6 lat temu
- Przeglądów:
Transkrypt
1 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 celu, np. dla z = 0, i przesuwaj ja równolegle, zgodnie ze wzrostem (max) lub spadkiem (min) wartości z, dopóki ma przynajmniej jeden punkt wspólny ze zbiorem rozwiazań dopuszczalnych.
2 Jedno rozwiazanie optymalne Problem może mieć dokładnie jedno rozwiazanie optymalne, znajdujace się w pewnym wierzchołku zbioru rozwiazań dopuszczalnych.
3 Nieskończona liczba rozwiazań Problem może mieć nieskończenie wiele rozwiazań optymalnych znajdujacych się na pewnym odcinku łacz acym dwa wierzchołki. max z = 2x 1 + 4x 2 6x 1 + 4x 2 24 x 1 + 2x 2 6 x 2 x 1 1 x 2 2 x 1, x 2 0
4 Nieograniczona funkcja celu Funkcja celu może być nieograniczona. Wówczas problem nie posiada rozwiazania optymalnego max z = 2x 1 + 2x 2 2x 1 x 2 40 x 2 10 x 1, x 2 0
5 Problem sprzeczny Problem może nie mieć rozwiazania dopuszczalnego. Ma to miejsce wówczas, gdy ograniczenia sa sprzeczne. max z = 3x 1 + 2x 2 6x 1 + 4x 2 12 x 1 3 x 2 2
6 Obserwacje (przypadek 2 zmiennych) 1 Zbiór rozwiazań dopuszczalnych jest wypukłym wielokatem (ograniczonym lub nieograniczonym) 2 Jeżeli problem ma optymalne rozwiazanie, to przynajmniej jedno rozwiazanie optymalne znajduje się w wierzchołku zbioru dopuszczalnych rozwiazań. Wierzchołek jest punktem przecięcia dwóch prostych (punktem w którym dwa ograniczenia sa spełnione jako równości).
7 Przypadek 3 zmiennych Optymalne rozwiazanie znajduje się w wierzchołku x 1 = 0, x 2 = 300, x 3 = 100, który jest punktem przecięcia trzech płaszczyzn (2,3 i 4).
8 Model w postaci kanonicznej Model jest w postaci kanonicznej jeżeli: 1 wszystkie ograniczenia maja postać równości (za wyjatkiem ograniczeń na nieujemność zmiennych), 2 wszystkie prawe strony ograniczeń sa nieujemne, 3 wszystkie zmienne przyjmuja wartości nieujemne. max (min) z = c 1 x 1 + c 2 x c nx n [f. celu] a 11 x 1 + a 12 x a 1n x n = b 1 [Ograniczenie 1] a 21 x 1 + a 22 x a 2n x n = b 2 [Ograniczenie 2] a m1 x 1 + a m2 x a mnx n = b m [Ograniczenie m] x i 0, i = 1,..., n [Nieujemność] Każdy model liniowy można sprowadzić do postaci kanonicznej.
9 Model w postaci kanonicznej Każdy model liniowy można sprowadzić do równoważnej postaci kanonicznej. 1 Jeżeli b i < 0, to mnożymy ograniczenie i-te przez a i1 x a in x n b i zastępujemy a i1 x a in x n + s i = b i, gdzie s i 0 jest nowa zmienna. 3 a i1 x a in x n b i zastępujemy a i1 x a in x n s i = b i, gdzie s i 0 jest nowa zmienna 4 Jeżeli x i może być ujemna, to zastępujemy x i wyrażeniem u i v i, gdzie u i 0, v i 0 sa nowymi zmiennymi.
10 Przykład Rozwiazywanie zadań programowania liniowego max z = 2x 1 + 3x 2 x 3 x 1 2x 2 5 x 2 3x 3 3 x 1 + x 2 2x 3 = 20 x 1, x : max z = 2x 1 + 3x 2 x 3 x 1 2x 2 5 x 2 + 3x 3 3 x 1 + x 2 2x 3 = 20 x 1, x : max z = 2x 1 + 3x 2 x 3 x 1 2x 2 + s 1 = 5 x 2 + 3x 3 s 2 = 3 x 1 + x 2 2x 3 = 20 x 1, x : max z = 2x 1 + 3x 2 u 3 + v 3 x 1 2x 2 + s 1 = 5 x 2 + 3u 3 3v 3 s 2 = 3 x 1 + x 2 2u 3 + 2v 3 = 20 x 1, x 2, s 1, s 2, u 3, v 3 0
11 Rozpatrzmy problem w postaci kanonicznej: Zapiszmy ten problem w postaci: max z = 2x 1 + 3x 2 2x 1 + x 2 + s 1 = 4 x 1 + 2x 2 + s 2 = 5 x 1, x 2, s 1, s 2 0 z 2x 1 3x 2 = 0 [Wiersz 0] 2x 1 +x 2 +s 1 = 4 [Ograniczenie 1] x 1 +2x 2 +s 2 = 5 [Ograniczenie 2] Powyższa postać nazywamy postacia bazowa problemu względem zmiennych bazowych {s 1, s 2 }. Układ równań jest rozwiazany względem zmiennych bazowych s 1, s 2 i z. Przyjmujac x 1 = x 2 = 0 otrzymamy natychmiast bazowe rozwiazanie dopuszczalne s 1 = 4, s 2 = 5 o wartości funkcji celu z = 0.
12 Dla postaci bazowej: z 2x 1 3x 2 = 0 2x 1 +x 2 +s 1 = 4 x 1 +2x 2 +s 2 = 5 tworzymy poczatkow a tablicę sympleksowa: x 1 x 2 s 1 s 2 z s s
13 z 2x 1 3x 2 = 0 2x 1 +x 2 +s 1 = 4 x 1 +2x 2 +s 2 = 5 x 2 x 1 x 2 s 1 s 2 z s /1 = 4 s /2 = 2.5 W wierszu 0 występuja ujemne współczynniki. Możemy zatem zwiększyć wartość funkcji celu zwiększajac wartość zmiennej niebazowej, np x 2. Maksymalna wartość x 2 w ograniczeniu 1 wynosi 4 a w ograniczeniu wynosi 2.5. Zatem x 2 = 2.5 i s 2 = 0. Zmienna x 2 wchodzi do bazy a zmienna s 2 opuszcza bazę.
14 Wykonujemy eliminację Gaussa-Jordana operujac elementem centralnym 2 aby przedstawić problem w postaci bazowej względem {s 1, x 2 }. Możemy to wykonać bezpośrednio na tablicy sympleksowej x 2 x 1 x 2 s 1 s 2 z s s Postać bazowa względem {s 1, x 2 }: x 1 x 2 s 1 s 2 z s x z 0.5x s 2 = x 1 +s 1 0.5s 2 = x 1 +x s 2 = 2.5
15 z 0.5x s 2 = x 1 +s 1 0.5s 2 = x 1 +x s 2 = 2.5 x 1 x 1 x 2 s 1 s 2 z s 1 s /1.5=1 x /0.5=5 W wierszu 0 ponownie występuje ujemny współczynnik. Możemy zatem zwiększyć wartość funkcji celu zwiększajac wartość x 1. Maksymalna wartość zmiennej x 1 wynosi 1. Zatem x 1 = 1 i s 1 = 0. Zmienna x 1 wchodzi do bazy a zmienna s 1 opuszcza bazę.
16 Wykonujemy eliminację Gaussa - Jordana operujac elementem centralnym 1.5 aby przedstawić problem w postaci bazowej względem {x 1, x 2 }: x 1 x 1 x 2 s 1 s 2 z s 1 s x x 1 x 2 s 1 s 2 z 0 0 1/3 4/3 8 x /3-1/3 1 x /3 2/3 2 Postać bazowa względem {x 1, x 2 }: z +1/3s 1 +4/3s 2 = 8 2/3s 1 1/3s 2 +x 1 = 1 1/3s 1 +2/3s 2 +x 2 = 2
17 x 1 x 2 s 1 s 2 z 0 0 1/3 4/3 8 x /3-1/3 1 x /3 2/3 2 W wierszu 0 nie występuja ujemne współczynniki. Nie można już powiększyć funkcji celu. Zatem x 1 = 1, x 2 = 2 jest optymalnym rozwiazaniem o wartości funkcji celu z = 8. Kolejne iteracje sa pokazane na poniższym rysunku:
18 Rozwiaż za pomoca algorytmu sypleksowego problem firmy Reddy Mikks (pierwszy wykład). Postać standardowa modelu jest następujaca: z 5x 1 4x 2 = 0 6x 1 + 4x 2 +s 1 = 24 x 1 + 2x 2 +s 2 = 6 x 1 + x 2 +s 3 = 1 x 2 +s 4 = 2 x 1, x 2, s 1, s 2, s 3, s 4 0 Obliczenia przeprowadzimy tylko na tablicy sympleksowej.
19 x 1 x 1 x 2 s 1 s 2 s 3 s 4 z s 1 s /6 = 4 s /1 = 6 s s x 2 x 1 x 2 s 1 s 2 s 3 s 4 z 0-2/3 5/ x 1 1 2/3 1/ /( 2 ) = 6 3 s 2 s 2 0 4/3-1/ /( 4 ) = s 3 0 5/3 1/ /( 5 ) = 3 3 s /1 = 2
20 x 1 x 2 s 1 s 2 s 3 s 4 z 0 0 3/4 1/ x /4-1/ x /8 3/ /2 s /8-5/ /2 s /8-3/ /2 Przebieg algorytmu. Obok każdego wierzchołka podane sa odpowiednie zmienne bazowe.
21 Jeżeli funkcja celu ma być minimalizowana, to: 1 można pomnożyć ja przez -1 i zamienić na maksymalizację lub 2 wprowadzać do bazy zmienne o dodatnim współczynniku w wierszu 0; wówczas rozwiazanie jest optymalne jeżeli wszystkie współczynniki w wierszu 0 sa niedodatnie. Jeżeli wszystkie ograniczenia maja postać i prawe strony ograniczeń sa nieujemne (model jest w tzw. postaci standardowej), to pierwsza postać bazowa otrzymujemy przyjmujac za zmienne bazowe dodatkowe zmienne s 1,..., s m. Rozpoczynamy wówczas algorytm w wierzchołku x 1 = x 2 = = x n = 0 i z = 0.
22 Metoda dwóch faz Rozpatrzmy przykład: Równoważna postać kanoniczna: max z = 4x 1 + 3x 2 3x 1 + x 2 = 3 4x 1 + 3x 2 6 x 1 + 2x 2 4 x 1, x 2 0 max z = 4x 1 + 3x 2 3x 1 + x 2 = 3 4x 1 + 3x 2 s 1 = 6 x 1 + 2x 2 + s 2 = 4 x 1, x 2, s 1, s 2 0 Model nie jest w postaci bazowej. Nie można rozpoczać algorytmu sympleksowego.
23 Metoda dwóch faz Dodajemy sztuczne zmienne r 1 i r 2 do pierwszego i drugiego ograniczenia i tworzymy funkcję celu min z 0 = r 1 + r 2 lub równoważnie max z 0 = r 1 r 2. Zapisujemy problem z nowa i oryginalna funkcja celu w następujacy sposób: z 0 +r 1 +r 2 = 0 z 4x 1 3x 2 = 0 3x 1 +x 2 +r 1 = 3 4x 1 +3x 2 s 1 +r 2 = 6 x 1 +2x 2 +s 2 = 4 x 1 x 2 s 1 r 1 r 2 s 2 z z r r s
24 Metoda dwóch faz Po odjęciu wierszy 3 i 4 od 1 otrzymujemy pierwsza tablicę sympleksowa: x 1 x 1 x 2 s 1 r 1 r 2 s 2 z z r 1 r r s Faza 1. Maksymalizujemy z 0 przekształcajac też wiersz odpowiadajacy oryginalnej funkcji celu. x 2 x 1 x 2 s 1 r 1 r 2 s 2 z z x r s
25 Metoda dwóch faz x 1 x 2 s 1 r 1 r 2 s 2 z z x x s W optymalnym rozwiazaniu z 0 = 0 i zmienne sztuczne r 1 i r 2 nie sa zmiennymi bazowymi (przypadek, w którym to nie wystapi zostanie omówiony dalej). Przechodzimy do fazy 2. Faza 2. Usuwamy wiersz odpowiadajacy z 0 i maksymalizujemy oryginalna funkcję celu z. Zmienne sztuczne można również usunać lub utrzymywać w tablicy (dostarczaja one użytecznej informacji omówionej dalej). W tym drugim przypadku ewentualne ujemne wartości zmiennych sztucznych w wierszu odpowiadajacym z należy ignorować 3 3
26 Metoda dwóch faz Po wykonaniu jednej iteracji w fazie 2 otrzymujemy optymalne rozwiazanie znajdujace się w tablicy: x 1 x 2 s 1 r 1 r 2 s 2 z x x s
27 Metoda dwóch faz Jeżeli w optymalnym rozwiazaniu fazy 1 pewna zmienna sztuczna jest zmienna bazowa o wartości równej 0, to wykonujemy dodatkowa iterację usuwajac a ta zmienna z bazy. x 2 x 1 x 2 s 1 r 1 r 2 s 2 z x r 2 r s Wykonujemy dodatkowa iterację usuwajac a zmienna r 2 z bazy i dodajac a zmienna x 2 lub s 1 (po przemnożeniu wiersza odpowiadajacego r 2 przez -1). Operacja ta nie narusza dopuszczalności rozwiazania.
28 Wykrywanie modelu sprzecznego Jeżeli w optymalnym rozwiazaniu fazy 1 otrzymamy z 0 < 0 (co oznacza, że pewna zmienna sztuczna jest dodatnia), to wyjściowy model jest sprzeczny. max z = 2x 1 + 5x 2 3x 1 + 2x 2 6 2x 1 + x 2 2 x 1, x 2 0 z 0 +r 1 = 0 z 2x 1 5x 2 = 0 3x 1 +2x 2 s 1 +r 1 = 6 2x 1 +x 2 +s 2 = 2 x 1 x 2 s 1 r 1 s 2 z z r s x 1 x 2 s 1 r 1 s 2 z z r s Model jest sprzeczny.
29 Alternatywne rozwiazania optymalne s 2 x 1 x 2 s 1 s 2 z x x x 1 x 2 s 1 s 2 z x 2 1/2 1 1/ s 2 1/2 0-1/
30 Alternatywne rozwiazania optymalne Jeżeli w ostatniej tablicy sympleksowej, wartość współczynnika w wierszu zerowym dla pewnej zmiennej niebazowej wynosi 0, to może istnieć alternatywne rozwiazanie optymalne. Rozwiazanie to można otrzymać wprowadzajac ta zmienna do bazy. Jeżeli (x 1,..., x n) i (y 1,..., y n) sa dwoma rozwiazaniami optymalnymi, to każde rozwiazanie postaci: (λx 1 + (1 λ)y 1,..., λx n + (1 λ)y n), λ [0, 1] jest również optymalne. Zatem jeżeli problem ma dwa różne rozwiazania optymalne, to ma nieskończenie wiele rozwiazań optymalnych.
31 Nieograniczona funkcja celu x 2 Wartość x 2 może być dowolnie duża. x 1 x 2 s 1 s 2 z s (-) s (-)
32 Nieograniczona funkcja celu Jeżeli (dla problemu maksymalizacji) w bieżacej tablicy sympleksowej, istnieje zmienna z ujemnym współczynnikiem w wierszu 0 i wszystkie współczynniki w kolumnie odpowiadajacej tej zmiennej sa niedodatnie, to funkcja celu jest nieograniczona.
33 Problem degeneracji Rozpatrzmy problem: max z = 3x 1 + 9x 2 x 1 + 4x 2 8 x 1 + 2x 2 4 x 1, x 2 0 Druga i trzecia tablica sympleksowa ma postać: x 1 x 1 x 2 s 1 s 2 z -3/4 0 9/ x 2 1/4 1 1/4 0 2 s 2 1/2 0-1/2 1 0 x 1 x 2 s 1 s 2 z 0 0 3/2 3/2 18 x /2-1/2 2 x Wartość zmiennej bazowej s 2 = 0. Po wykonaniu iteracji sypleksowej otrzymamy dokładnie takie samo rozwiazanie. Zmienia się tylko zmienne bazowe. Rozwiazanie, w którym pewna zmienna bazowa przyjmuje wartość 0 nazywany zdegenerowanymi.
34 Problem degeneracji Wierzchołek odpowiadajacy optymalnemu rozwiazaniu jest zdegenerowany, ponieważ przecinaja się w nim więcej niż dwie proste (x 1 = 0, x 1 + 4x 2 = 8, x 1 + 2x 2 = 4). Zatem temu wierzchołkowi odpowiada więcej niż jedno bazowe rozwiazanie dopuszczalne (może on być wyznaczony na trzy sposoby).
35 Problem degeneracji Istnieje możliwość (w rzadkich przypadkach), że algorytm wpadnie w cykl, tj. będzie powtarzał taka sama sekwencję rozwiazań bez poprawy wartości funkcji celu i bez spełnienia warunków optymalności. [Reguła antycyklowa Blanda]. W każdej iteracji: 1 Do bazy wchodzi zmienna o ujemnym współczynniku w wierszu 0 i najmniejszym indeksie. 2 Jeżeli więcej niż jedna zmienna może opuścić bazę (test współczynników nie jest jednoznaczny), to usuń z bazy zmienna o najmniejszym indeksie spośród tych zmiennych. z reguła Blanda jest zbieżny, tj. zawsze kończy pracę zwracajac optymalne rozwiazanie.
Metoda simpleks. Gliwice
Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2
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 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 szczegółowoMETODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,
Bardziej 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 wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12
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 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 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 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 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 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 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. 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 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 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 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 szczegółowoProgramowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
Bardziej szczegółowozadaniem programowania liniowego całkowitoliczbowego. nazywamy zadaniem programowania liniowego 0-1. Zatem, w
Sformułowanie problemu Zastosowania Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie
Bardziej szczegółowoProgramowanie liniowe całkowitoliczbowe
Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie nazywamy zadaniem programowania liniowego
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 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 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 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 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 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 szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
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 szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1
Bardziej 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 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 szczegółowoZAGADNIENIA PROGRAMOWANIA LINIOWEGO
ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo
Bardziej szczegółowoSpis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]
Spis treści 1 Metoda geometryczna... 2 1.1 Wstęp... 2 1.2 Przykładowe zadanie... 2 2 Metoda simpleks... 6 2.1 Wstęp... 6 2.2 Przykładowe zadanie... 6 1 Metoda geometryczna Anna Tomkowska 1 Metoda geometryczna
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 szczegółowoBADANIA OPERACYJNE pytania kontrolne
DUALNOŚĆ 1. Podać twierdzenie o dualności 2. Jaka jest zależność pomiędzy funkcjami celu w zadaniu pierwotnym i dualnym? 3. Prawe strony ograniczeń zadania pierwotnego, w zadaniu dualnym są 4. Współczynniki
Bardziej 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 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 szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoEkonometria - ćwiczenia 10
Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej 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 szczegółowoUkłady równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
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 szczegółowoProgramowanie liniowe całkowitoliczbowe
Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie nazywamy zadaniem programowania liniowego
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 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 szczegółowoDocument: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2
Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z
Bardziej 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 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 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 szczegółowoProgramowanie liniowe
Programowanie liniowe Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 8, 2016 Łukasz Kowalik (UW) LP April 8, 2016 1 / 15 Problem diety Tabelka wit. A (µg) wit. B1 (µg) wit. C (µg) (kcal)
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 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 szczegółowoRozwiazywanie układów równań liniowych. Ax = b
Rozwiazywanie układów równań liniowych Ax = b 1 PLAN REFERATU: Warunki istnienia rozwiazań układu Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów - algorytm rekurencyjny Rozwiazanie układu
Bardziej szczegółowoWyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera
Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
Bardziej szczegółowoWstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
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 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 szczegółowo3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Bardziej 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 szczegółowoWykład 6. Programowanie liniowe
Wykład 6. Programowanie liniowe Zakład może wytwarzać dwa produkty: P 1 i P 2. Ich produkcja jest limitowana dostępnymi zasobami trzech środków: S 1, S 2, S 3. Zasoby tych środków wynoszą odpowiednio,
Bardziej szczegółowoUKŁADY 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 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 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 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 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 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 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 szczegółowoWybrane elementy badań operacyjnych
Wybrane elementy badań operacyjnych 1 Przykład 1. GWOŹDZIE. Pewna fabryczka może produkować dwa gatunki gwoździ II i I. Do wyprodukowania tony gwoździ II gatunku potrzeba 1,2 tony stali oraz 1 roboczogodzinę
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoOptymalizacja liniowa w liczbach całkowitych (PLC)
* ) && &&& % ( - &&(() n && - n% ( ' n!"#$ Optymalizacja liniowa w liczbach całkowitych (PLC) (( & ' nn nn Zadanie (-) nazywamy zadaniem regularnym Zadanie (-) nazywamy zadaniem PLC Stosownie do tego podziału
Bardziej szczegółowoFUNKCJA LINIOWA - WYKRES
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości
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 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 szczegółowoMetoda eliminacji Gaussa
Metoda eliminacji Gaussa Rysunek 3. Rysunek 4. Rozpoczynamy od pierwszego wiersza macierzy opisującej nasz układ równań (patrz Rys.3). Zakładając, że element a 11 jest niezerowy (jeśli jest, to niezbędny
Bardziej 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 szczegółowoMetoda Karusha-Kuhna-Tuckera
Badania operacyjne i teoria optymalizacji Poznań, 2015/2016 Plan 1 Sformułowanie problemu 2 3 Warunki ortogonalności 4 Warunki Karusha-Kuhna-Tuckera 5 Twierdzenia Karusha-Kuhna-Tuckera 6 Ograniczenia w
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowoWielokryteriowa optymalizacja liniowa
Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia
Bardziej 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 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 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 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 szczegółowocelu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n
123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoWymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej
Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej Ocenę dopuszczającą otrzymuje uczeń, który: rozumie rozszerzenie osi liczbowej na liczby ujemne umie porównywać liczby wymierne,
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 szczegółowoWymagania edukacyjne z matematyki dla klasy VII
Wymagania edukacyjne z matematyki dla klasy VII Szkoły Podstawowej nr 100 w Krakowie Na podstawie programu Matematyka z plusem Na ocenę dopuszczającą Uczeń: rozumie rozszerzenie osi liczbowej na liczby
Bardziej szczegółowo3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
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 szczegółowoUKŁADY RÓWNAŃ LINIOWYCH
Wykłady z matematyki inżynierskiej JJ, 08 DEFINICJA Układ m równań liniowych z n niewiadomymi to: ( ) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 +
Bardziej 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 szczegółowoFUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)
FUNKCJA LINIOWA 1. Funkcja jest rosnąca, gdy 2. Wskaż, dla którego funkcja liniowa jest rosnąca Wskaż, dla którego funkcja liniowa określona wzorem jest stała. 3. Funkcja liniowa A) jest malejąca i jej
Bardziej szczegółowoNaCoBeZU z matematyki dla klasy 7
NaCoBeZU z matematyki dla klasy 7 I. LICZBY I DZIAŁANIA 1. Znam pojęcia: liczby naturalne, całkowite, wymierne, dodatnie, ujemne, niedodatnie, odwrotne, przeciwne. 2. Zaznaczam i odczytuję położenie liczby
Bardziej szczegółowoTreść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.
. Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21
Bardziej szczegółowoBadania Operacyjne Ćwiczenia nr 1 (Materiały)
Wprowadzenie Badania operacyjne (BO) to stosunkowo młoda dyscyplina naukowa, która powstała w czasie II Wojny Światowej, w związku z utworzeniem przy niektórych sztabach sił zbrojnych specjalnych grup
Bardziej szczegółowoUkłady równań. Kinga Kolczyńska - Przybycień 22 marca Układ dwóch równań liniowych z dwiema niewiadomymi
Układy równań Kinga Kolczyńska - Przybycień 22 marca 2014 1 Układ dwóch równań liniowych z dwiema niewiadomymi 1.1 Pojęcie układu i rozwiązania układu Układem dwóch równań liniowych z dwiema niewiadomymi
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 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 szczegółowo