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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 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 q.zakładamy,żeproblemjestzbilansowany,tj. p i= a i = q i= b iczylicałkowitapodażjestrównacałkowitemupopytowi.dane sąrównieżkosztyprzewozu c ij jednostkitowaruod i-tegodostawcy(i =,...,p) do j-tegoodbiorcy(j =,...,q).należywyznaczyćplantransportutowaruod dostawców do odbiorców o minimalnym łącznym koszcie przewozu. Model liniowy dla ZT: Zmienne decyzyjne: x ij -ilośćtowaruprzewożonaod i-tegodostawcydo j-tegoodbiorcy. Model: minz = p q i= j= c ijx ij q j= x ij = a i p i= x ij = b j x ij i =,...,p [Podażdostawców] j =,...,q [Popytodbiorców] Przykład.. Rozpatrzmy następujący rysunek: Fabryka Miasto 4 Fabryka 2 Fabryka Miasto 2 Miasto 3 Miasto 4 2 Wprzykładzietymmamy p = 3dostawców(fabryki)iq = 4odbiorców(miasta). Podażwynosi: a =, a 2 =, a 3 = apopyt b = 4, b 2 = 2, b 3 =, b 4 =.Problemjestzbilansowanyponieważ++=4+2++.Jednostkowekosztytransportuwynoszą c = 8, c 2 = 6itd... Zmienne decyzyjne: x ij -ilośćtowaruprzewożonaod i-tejfabrykido j-tegomiasta.

2 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe2 Model liniowy: minz = 8x +6x 2 +x 3 +2x 4 +9x 2 +2x x 34 x +x 2 +x 3 +x 4 = [Podażfabryki] x 2 +x 22 +x 23 +x 24 = [Podażfabryki2] x 3 +x 32 +x 33 +x 34 = [Podażfabryki3] x +x 2 +x 3 = 4 [Popytmiasta] x 2 +x 22 +x 32 = 2 [Popytmiasta2] x 3 +x 23 +x 33 = [Popytmiasta3] x 4 +x 24 +x 34 = [Popytmiasta4] x ij Tablica transportowa: x x 2 x 3 x 4 x 2 x 22 x 23 x x 3 x 32 x 33 x 34 Modele niezbilansowane.przypadek p i= a i > q i= b i(nadwyżkapodaży).dodajemyfikcyjnegoodbiorcęq+opopycieb q+ = p i= a i q i= b iikosztachprzewozuc iq+ =, i =,...,p. Przykład. Rozpatrzmy tablicę: x x 2 x x 2 x x 3 x x x 2 x 22 x 23 x 22 x 23 x 24 W problemie tym występuje nadwyżka podaży równa 2. Dodajemy fikcyjnego odbiorcę numer 4 o popycie 2. Optymalne rozwiązanie wynosi: x 2 = 2, x 3 = 2, x 2 = 2, x 23 =, x 24 = 2.Fikcyjnyodbiorcaodbiera2jedn.oddostawcy2.Oznaczatofaktycznie,żetowartenzostanieu dostawcy 2.

3 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe3 2.Przypadek p i= a i < q i= b i(nadwyżkapopytu).dodajemyfikcyjnegodostawcęp+opodażya p+ = q i= b i p i= a iikosztachprzewozuc p+i =, i =,...,q. Metoda sympleks(potencjałów) dla zbilansowanego ZT Specjalna struktura macierzy ograniczeń dla zagadnienia transportowego pozwala na dokonanie wielu uproszczeń w metodzie sympleks. Wszystkie iteracje sympleksowe realizuje się na tablicy transportowej, która ma znacznie mniejszy wymiar niż tablica sympleksowa. Bazowe rozwiązanie dopuszczalne ma tylko p + q zmiennych bazowych(gdyżrządmacierzyograniczeńjestrówny p + q )imożebyćłatwo wyznaczone bez stosowania M-metody. Wskaźniki optymalności w metodzie sympleks dla zagadnienia transportowego można wyznaczyć nie konstruując tablicy sympleksowej lecz wykorzystując tzw. potencjały tj. zmienne związane z dostawcami u i, i =,...,piodbiorcami v j, j =,...,q.przejścieodjednego bazowego rozwiązania dopuszczalnego do innego realizowane jest również na tablicach transportowych. Wyznaczanie pierwszego dopuszczalnego rozwiązania bazowego Ogólną idę konstrukcji podaje poniższy schemat:. Wybierz wśród nie skreślonych elementów tablicy transportowej dopuszczalną klatkę, powiedzmy (r, k) i wstaw do niej maksymalnie możliwą wielkośćprzewozu,tj.minimumzpodażywiersza ripopytukolumny kczyli x rk = min(a r,b k ).Klatkatastajesięklatkąbazową odpowiadajejzmiennabazowa x rk. 2. Zmniejsz podaż r-tego dostawcy i popyt k-tego odbiorcy o wielkość ustalonegowkrokuprzewozu x rk,tj. a r := a r x rk, b k := b k x rk. 3.Jeśli a r =,toskreślwtablicytransportowejr-tywiersz.jeślinatomiast a r >,toskreślwtablicytransportowejk-tąkolumnę(wtedy b k = ). 4. Jeśli wszystkie elementy tablicy transportowej zostały skreślone, to KO- NIEC. Wyznaczono początkowe bazowe rozwiązanie dopuszczalne z dokładnie(jeśli w każdym kroku skreślamy dokładnie jedną linię, tj. wiersz lub kolumnę macierzy) p + q zmiennymi bazowymi. W przeciwnym przypadku przejdź do kroku. W zależności od sposobu wyboru dopuszczalnej klatki w kroku powyższego schematu otrzymujemy różne metody konstrukcji początkowego bazowego rozwiązania dopuszczalnego: metoda kąta północno-zachodniego- dopuszczalną jest klatka leżąca w pierwszym wierszu i pierwszej kolumnie nie skreślonej części tablicy;

4 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe4 minimum macierzy- dopuszczalną jest klatka o minimalnym koszcie w nie skreślonej części tablicy; metoda Vogel a- VAM- dopuszczalną jest klatka o minimalnym koszcie w linii(wierszu lub kolumnie) z największym współczynnikiem kary. Współczynnik kary(liczba nieujemna) jest różnicą między dwoma najmniejszymi kosztami w linii. Metoda kąta północno-zachodniego- przykład Zaczynamy od lewego górnego rogu(kąta północno zachodniego) macierzy nieskreślonych elementów tj. klatki[,]. Wpisujemy do niej maksymalną wartość nienaruszającąpopytuipodażyczyli x = min{,4} =.Pierwszywiersz czyli pierwszy dostawca wysłał wszystko co posiadał- skreślamy go i modyfikujemypopytpierwszegoodbiorcy(kolumna) b = 4 x =.Przechodzimy do lewego górnego rogu macierzy nie skreślonych elementów tj. klatki[2,] czyli zmiennej x 2 nadajemynajwiększąmożliwąwartość,tj. x 2 = min{,} = izmniejszamypodażdrugiegowierszaowartość x 2 =.Kolumnatj.pierwszy odbiorca otrzymał tyle ile wynosi jego popyt zatem skreślamy tę kolumnę.przechodzimynastępniedoklatki[2,2]tj.zmiennej x 22 nadajemywartośc2 itd.. W każdym kroku przechodzimy do klatki leżącej w lewym górnym rogu macierzy nie skreślonych elementów. Otrzymujemy następujące bazowe rozwiązanie dopuszczalne: x =, x 2 =, x 22 = 2, x 23 = 2, x 33 =, x 34 =,pozostałe zmienne mają wartość. Koszt tego rozwiązania(przewozu) wynosi 3. Metoda minimum z macierzy

5 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe Zaczynamy od klatki o najmniejszym koszcie, czyli klatki[,4]. Zmiennej odpowiadającejtejklatcetj. x 24 nadajemymaksymalnąwartość x 24 = min{,} =.Skreślamyczwartąkolumnęimodyfikujemypodażpierwszegowiersza a = =.Przechodzimydoklatkionajmniejszymkoszciewmacierzynieskreślonychelementów,czyliklatki[,2]inadajemyzmiennejbazowej x 2 wartość itd...otrzymujemynastępującebazowerozwiązaniedopuszczalne: x 4 =, x 2 =, x 2 = 4, x 23 =, x 32 =, x 33 = 2(pozostałezmiennemająwartość ). Koszt tego rozwiązania wynosi 9. Klatki odpowiadające zmiennym bazowym nazywamy klatkami bazowymi. Uwaga: Jeśli w każdym kroku skreślamy tylko jeden wiersz albo jedną kolumnę, to otrzymamy bazowe rozwiązanie dopuszczalne o dokładnie p + q zmiennych bazowych. Ocena klatek i iteracja sympleksowa. Ciągklatek([i,j ],[i 2,j 2 ],...,[i l,j l ]),gdziel 4tablicytransportowejnazywamy cyklem jeżeli: każde dwie sąsiednie klatki znajdują się w jednej linii tj. w jednej kolumnie lub jednym wierszu, ostatniaklatkaznajdujesięwtejsamejliniicoklatkapierwszaczyli i = i l lub j = j l żadne trzy kolejne kolejne klatki tego ciągu nie leżą w jednej linii. Przykładowe cykle utworzone przez szare klatki pokazane są na poniższym rysunku:

6 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe6 Ciągi(szare klatki), które nie tworzą cyklu: Twierdzenie.Zestaw p+q klatekodpowiadazmiennymbazowymwtedyi tylko wtedy, gdy klatki te nie zawierają cyklu. Dodanie jednej klatki niebazowej do klatek bazowych powoduje powstanie dokładnie jednego cyklu.

7 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe Rozpatrzmy początkowe bazowe rozwiązanie dopuszczalne rozważanego przykładu uzyskane metodą kąta północno- zachodniego. Zmiennymi bazowymi są: ZB = {x,x 2,x 22,x 23,x 33,x 34 }.Załóżmy,żechcemywprowadzićdobazyzmienną x 4.Dodajemyklatkę[,4]doklatekbazowych.Wtensposoób,namocy Twierdzenia powstaje cykl zawierający klatkę[,4] i pewne(niekoniecznie wszystkie!) klatki bazowe. Klatki należące do tego cyklu zaznaczone są na rysunku kolorem szarym. Oznaczmy klatkę [, 4] znakiem +. Następnie przesuwając siępocykluoznaczamyklatkinaprzemianznakami-lub Jaką maksymalną wartość możemy wprowadzić do klatki[,4]? Jeżeli wprowadzimydoklatki[,4]pewnąwartość δto,abyzachowaćbilanspodażyipopytumusimyodjąć δodwszystkichklatekoznaczonychznakiem-idodać δdo wszystkich klatek oznaczonych znakiem +. Do klatki[,4] wprowadzamy więc najmniejszą wartość występującą w klatkach oznaczonych minusem czyli 2 z klatki[2,3].oznaczato,żezmienna x 23 wychodzizbazy(zostajewyzerowana). Nowymizmiennymibazowymisą {x,x 4,x 2,x 22,x 33,x 34 }abazowerozwiązaniedopuszczalnejestnastępujące: x =, x 4 = 2, x 2 =, x 22 = 2, x 3 =, x 4 = Czywartośćfunkcjicelu(FC)zmalejepowprowadzeniu x 4 dobazy?zmiana FC wyniesie: 2 ( ) = 2 ( 4) = 8, czylizmniejszysięo8.liczba-4jestocenąklatkiniebazowej [,4].

8 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe8 Twierdzenie 2. Aktualne rozwiązanie bazowe dopuszczalne w tablicy transportowej jest optymalne jeżeli współczynniki optymalności(oceny) wszystkich klatek niebazowych są nieujemne. Jeżeli istnieje klatka niebazowa o ujemnej ocenie to można wyznaczyć lepsze rozwiązanie wprowadzając tą klatkę do bazy i wprowadzając do niej pewien niezerowy przewóz. Obliczanie ocen(współczynników optymalności) klatek niebazowych (zmiennych niebazowych) Współczynnikioptymalności c ij dlazmiennejniebazowej x ij możnawyznaczyć bez znajomości tablicy sympleksowej wykorzystują tzw. potencjały tj. liczby u i, i =,...,poraz v j, j =,...,q.znającbazowerozwiązaniedopuszczalne wiemy, że współczynniki optymalności dla zmiennych bazowych są zerami. Wartości potencjałów(są to tzw. mnożniki sympleksowe za pomocą których można wyznaczyć- znając bazę- współczynniki optymalności w tablicy sympleksowej. W optymalnej tablicy transportowej potencjały są optymalnymi wartościami zmiennych dualnych.) wyznacza się następująco: dlakażdejzmiennejbazowej x ij mamyrównanie c ij = = c ij +u i +v j. Mamyzatemukład p+q równańop+qniewiadomych.przyjmujączajedną niewiadomązeronp. u = możnagołatworozwiązać.znajomośćwartości u i,v j pozwala już wyznaczyć współczynniki optymalności za wzoru: c ij = c ij +u i +v j dlakażdejzmiennejniebazowej x ij. u u 2 u 3 v v 2 v 3 v Potencjały dobieramy tak aby wyzerować współczynniki optymalności dla zmiennych bazowych, tj.: 8+u +v = (x ) 9+u 2 +v = (x 2 ) 2+u 2 +v 2 = (x 22 ) 3+u 2 +v 3 = (x 23 ) 6+u 3 +v 3 = (x 33 ) +u 3 +v 4 = (x 34 )

9 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe9 Powyższy układ można rozwiązać bardzo prosto. Zaczynamy od podstawienia u =.Wówczaszpierwszegorównaia v = 8.Zdrugiegorównania u 2 =.Z trzeciegorównania v 2 = itd...ostatecznieotrzymujemypotencjałypokazane naponiższymrysunku.obliczamyocenyklatekniebazowych c ij = c ij +v i +v j Przekształcone koszty wyznaczają oceny klatek niebazowych. Aby poprawić rozwiązanie należy wprowadzić do bazy klatkę dla której ocena jest ujemna tj. jedną zklatek [,2],[,3],[,4]lub [3,2].Jeżeliwszystkieocenybyłybynieujemneto aktulane rozwiązanie byłoby optymalne. Algorytm transportowy KROK Na wejściu podajemy zbilansowane zagadnienie transportowe. Jeżeli model nie jest zbilansowany to należy go zbilansować wprowadzając fikcyjnego dostawcę albo fikcyjnego odbiorcę. KROK 2 Skonstruuj tablicę transportową i pierwsze bazowe rozwiązanie dopuszczalne(dowolną z podanych metod). KROK3Obliczpotencjały u i, i =,...,piv i =,...,qorazocenyklatek niebazowych c ij = c ij + u i + v i.jeżeliwszystkieoceny c ij tokoniecrozwiązanie jest optymalne. W przeciwnym wypadku przejdź do kroku 4. KROK 4 Wybierz klatkę z najmniejszą ujemną oceną. Dodaj tą klatkę do klatek bazowych i zbuduj cykl zawierający dodawaną klatkę i pewne klatki bazowe (istnieje dokładnie jeden taki cykl). Oznacz dodawaną klatkę symbolem +. Następnie przesuwając się wzdłuż cyklu oznaczaj kolejne klatki cyklu na przemiani +. Znajdź klatkę oznaczoną- dla której aktualna wielkość przewozu δ jest najmniejsza.klatkatawychodzizbazy.doklatek+dodajprzewóz δaodklatekodejmij przewóz δ. Jeżeli δ >, to otrzymałeś rozwiązanie o mniejszym koszcie. Wróćdokroku3. Przykład. Rozwiążemy przykładowe zadanie ze strony. Zagadnienie jest zbilansowane. Konstruujemy tablicę transportową i pierwsze rozwiązanie bazowe metodą minimalnego elementu. Otrzymujemy tablicę:

10 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe Obliczamy potencjały: Otrzymujemy: 6+u +v 2 = zmiennabazowa x 2 2+u +v 4 = zmiennabazowa x 4 9+u 2 +v = zmiennabazowa x 2 3+u 2 +v 3 = zmiennabazowa x 23 9+u 3 +v 2 = zmiennabazowa x 32 6+u 3 +v 3 = zmiennabazowa x Rozwiązanie nie jest optmalne ponieważ pewne klatki niebazowe mają ujemne oceny. Wybieramy klatkę z najmniejszą ujemną oceną, czyli[,3]. Dodajemy tą klatkę do klatek bazowych i konstruujemy cykl: Najmniejszy przewóz dla klatek oznaczonych znakiem minus(-) znajduje się w klatce[,2]. Klatka ta wychodzi z bazy. Do klatek oznaczonych znakiem plus(+) dodajemy a od klatek oznaczonych- odejmujemy. Otrzymujemy kolejne, lepsze rozwiązanie bazowe i ponownie obliczamy potencjały

11 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe Ponieważ wszystkie oceny klatek niebazowych są nieujemne to tablica zawiera optymalne rozwiązanie. Przykład- rozwiązania zdegenerowane. Rozpatrzmy zagadnienie dla którego podaż, popyt, koszty oraz pierwsze rozwiązanie bazowe(metoda kąta północnozachodniego) podane są w tabeli: W pierwszym rozwiązaniu pewne zmienne bazowe mają wartość. Rozwiązanie takie nazywamy rozwiązaniem zdegenerowanym. Należy odróżniać klatki z zerami bazowymi od klatek niebazowych! Obliczamy potencjały: Do bazy wprowadzamy klatkę[,2]. Tworzymy cykl i wykonujemy iterację:

12 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe2 Należyuważać,abynieusunąćzbazydwóchklatek[,]i[2,2].Zbazywychodzi tylko jedna z tych klatek(obojętnie która). Druga pozostaje klatką bazową. Otrzymujemy kolejne rozwiązanie zdegenerowane. Trasy zakazane. Jeżeli połączenie między dostawą i a odbiorcą j nie istnieje to podstawiamy c ij = M,gdzie Mjestjakąśbardzodużąliczbą.Jeżeliwkońcowej tablicytransportowejotrzymamy x ij >,towyjściowezagadnieniejestsprzeczne( nie istnieje dopuszczalny plan przewozów). Przykład. Rozpatrzmy problem: Fabryka 3 Miasto 4 2 Fabryka 2 9 Miasto 2 2 Fabryka Miasto 3 Miasto 4 Pierwsza tablica( bazowe rozwiązanie dopuszczalne wyznaczone metodą kąta północno-zachodniego) i pierwsza iteracja są następujące: M M M 2 9 M M 2 2 M M M 2 2 M-6 -M M M 2 9 M M M

13 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe3 Rozwiązenie to nie jest jeszcze optymalne. Należy wykonać kolejne iteracje. Optymalne rozwiązanie pokazane jest w poniższej tablicy: 3 M M 2 9 M M M Ponieważ przewóz na trasach zakazanych jest to rozwiązanie to jest dopuszczalne(i optymalne). Wieloetapowe zagadnienie transportowe Przykład.TrzyfabrykiF,F2iF3,którychpodażwynosi2,imajądostarczyćtowardodwóchodbiorcówOiO2,którychpopytwynosi2i.Towar może być przewożony po trasach pokazanych na rysunku(czyli niekoniecznie bezpośrednio z fabryk do odbiorców). Wyznaczyć plan przewozu minimalizujący łączny koszt. F2 F3 2 O O2 +2 F F3 4 + F O2 O -2 F F2 F3 2 O s +s s s s s s s s 2 +s Połączenia oraz odpowiednia tablica transportowa pokazane są na rysunku. Uwaga: Do pustych klatek należy wpisać koszty M(ponieważ odpowiednie połączenia nie istnieją). Tablica jest skonstruowana następująco. Zaczynamy od wyróżnienia trzech rodzajów punktów: dostawców, którzy tylko wysyłają towar(f), odbiorców, którzy tylko odbierają towar(o) oraz punktów pośrednich(f2, F3,, 2,O2). W wierszach umieszczamy dostawców i punkty pośrednie a w kolumnach odbiorców

14 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe4 i punkty pośrednie. Obliczamy całkowitą ilość towaru w problemie, czyli tzw. bufor s = 2++ = 6.PunktFjestdostawca-jegopodażwynosiwięc2. Punkt F2 jest punktem pośrednim z nadwyżką towaru. Przypisujemy mu podaż +sipopyt s.punktjestpunktempośrednim,któryniemaaninadwyżki ani niedoboru towaru. Przypisujemy mu podaż i popyt równe s. Punkt O2 jest punktem pośrednim, który ma niedobór towaru. Przypisujemy mu popyt 2 + s i podaż s. Do tablicy wpisujemy koszty bezpośrednich połączeń między puntkami i M jeżeli połączenie bezpośrednie nie istnieje. Uwaga: Koszty przewozu między tymi samymi punktami, np: między F2 i F2 wynoszą. Są to tzw. przewozy fikcyjne. Rozwiązanie optymalne pokazane jest na poniższym rysunku: F2 F3 2 O O2 +2 F 2 + F3 + F O2 O -2 F F2 F3 2 O Końcowe uwagi na temat algorytmu transportowego:. Algorytm działa również wtedy, gdy koszty przewozów są ujemne. 2. Jeżeli celem jest maksymalizacja kosztów przewozu, to przed zastosowaniem algorytmu należy przemnożyć wszystkie koszty przez-. 3. Jeżeli podaże i popyty wszystkich dostawców i odbiorców są liczbami całkowitymi, to algorytm zwraca optymalny przewóz całkowitoliczbowy.

ZAGADNIENIE TRANSPORTOWE(ZT)

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

Bardziej szczegółowo

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda BADANIA OPERACYJNE Zagadnienie transportowe dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Zagadnienie transportowe Założenia: Pewien jednorodny towar należy

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE (część 1)

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

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

Rozwiązanie Ad 1. Model zadania jest następujący:

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

Bardziej szczegółowo

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA

Rozdział 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

OPTYMALIZACJA W LOGISTYCE

OPTYMALIZACJA W LOGISTYCE OPTYMALIZACJA W LOGISTYCE Zagadnienie transportowe 1 dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Klasyczne zagadnienie transportowe 1 Klasyczne zadanie transportowe problem najtańszego przewozu

Bardziej szczegółowo

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI Zagadnienie transportowe Klasyczne zagadnienie transportowe Klasyczne zadanie transportowe problem najtańszego przewozu jednorodnego dobra pomiędzy punktami nadania

Bardziej szczegółowo

Zadanie transportowe

Zadanie transportowe Zadanie transportowe Opracowanie planu przewozu jednorodnego produktu z różnych źródeł zaopatrzenia do punktów, które zgłaszają zapotrzebowanie na ten produkt. Wykład ARo Metody optymalizacji w ekonomii

Bardziej szczegółowo

BADANIA OPERACYJNE pytania kontrolne

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

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

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

Bardziej szczegółowo

Zadanie niezbilansowane. Gliwice 1

Zadanie niezbilansowane. Gliwice 1 Zadanie niezbilansowane 1 Zadanie niezbilansowane Przykład 11 5 3 8 2 A 4 6 4 2 B 9 2 3 11 C D E F G dostawcy odbiorcy DOSTAWCY: A: 15 B: 2 C: 6 ODBIORCY: D: 8 E: 3 F: 4 G: 5 2 Zadanie niezbilansowane

Bardziej szczegółowo

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT).

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT). KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT). Przez klasyczne zagadnienie transportowe rozumiemy problem znajdowania najtańszego programu przewozowego jednorodnego dobra pomiędzy punktami nadania (m liczba

Bardziej szczegółowo

ZAGADNIENIA TRANSPORTOWE

ZAGADNIENIA TRANSPORTOWE ZAGADNIENIA TRANSPORTOWE Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE opracowano w 1941 r. (F.L. Hitchcock) Jest to problem opracowania planu przewozu pewnego jednorodnego produktu z kilku różnych

Bardziej szczegółowo

Zagadnienie transportowe

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

Bardziej szczegółowo

Rozwiązanie zadania 1. Krok Tym razem naszym celem jest, nie tak, jak w przypadku typowego zadania transportowego

Rozwiązanie zadania 1. Krok Tym razem naszym celem jest, nie tak, jak w przypadku typowego zadania transportowego Zadanie 1 Pośrednik kupuje towar u dwóch dostawców (podaż: 2 i, jednostkowe koszty zakupu 1 i 12), przewozi go i sprzedaje trzem odbiorcom (popyt: 1, 28 i 27, ceny sprzedaży:, 25 i ). Jednostkowe koszty

Bardziej szczegółowo

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n

celu 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 szczegółowo

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie

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

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe Zagadnienie transportowe Firma X zawarła kontrakt na dostarczenie trawnika do wykończenia terenów wokół trzech zakładów U, V i W. Trawnik ma być dostarczony z trzech farm A, B i C. Zapotrzebowanie zakładów

Bardziej szczegółowo

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): 1 Narysuj na płaszczyźnie zbiór dopuszczalnych rozwiazań. 2 Narysuj funkcję

Bardziej szczegółowo

Metoda simpleks. Gliwice

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 szczegółowo

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

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

Bardziej szczegółowo

1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11

1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11 Spis treści 1 Problem transportowy... 2 1.1 Wstęp... 2 1.2 Metoda górnego-lewego rogu... 3 1.3 Metoda najmniejszego elementu... 11 1.4 Metoda VAM... 18 1.5 Metoda e-perturbacji... 28 1.6 Metoda potencjałów...

Bardziej szczegółowo

Wieloetapowe zagadnienia transportowe

Wieloetapowe zagadnienia transportowe Przykład 1 Wieloetapowe zagadnienia transportowe Dwóch dostawców o podaży 40 i 45 dostarcza towar do trzech odbiorców o popycie 18, 17 i 26 za pośrednictwem dwóch punktów pośrednich o pojemnościach równych

Bardziej szczegółowo

Programowanie liniowe

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

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

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

Bardziej szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Klasyczne zagadnienie przydziału

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

Bardziej szczegółowo

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

Rozdział 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 szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

OPTYMALIZACJA W LOGISTYCE

OPTYMALIZACJA 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 szczegółowo

A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1

A. 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 szczegółowo

Programowanie liniowe

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

Bardziej szczegółowo

Programowanie liniowe

Programowanie 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 szczegółowo

Wprowadzenie do badań operacyjnych - wykład 2 i 3

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

Bardziej szczegółowo

Rozwiązanie problemu transportowego metodą VAM. dr inż. Władysław Wornalkiewicz

Rozwiązanie problemu transportowego metodą VAM. dr inż. Władysław Wornalkiewicz Rozwiązanie problemu transportowego metodą VAM dr inż. Władysław Wornalkiewicz Występuje wiele metod rozwiązywania optymalizacyjnego zagadnienia transportowego. Jedną z nich jest VAM (Vogel s approximation

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

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

Bardziej szczegółowo

Optymalizacja kosztów transportu w sferze logistyki zaopatrzenia

Optymalizacja kosztów transportu w sferze logistyki zaopatrzenia SZKUTNIK Joanna 1 ZIÓŁKOWSKI Jarosław 2 Optymalizacja kosztów transportu w sferze logistyki zaopatrzenia WSTĘP Zagadnienie transportowe jest szczególnym rodzajem zadania programowania liniowego. Polega

Bardziej szczegółowo

3. Macierze i Układy Równań Liniowych

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

Bardziej szczegółowo

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

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

Bardziej szczegółowo

Uniwersytet 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 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 szczegółowo

Zagadnienie transportowe. Hurtownia Zapotrzebowanie (w tonach) 1 100 2 160 3 350 4 100 5 220

Zagadnienie transportowe. Hurtownia Zapotrzebowanie (w tonach) 1 100 2 160 3 350 4 100 5 220 Zagadnienie transportowe Firma produkująca papier kserograficzny posiada 4 wytwórnie i 5 hurtowni, do których dostarczany jest papier. Każda z fabryk wytwarza określoną liczbę ton papieru na miesiąc, i

Bardziej szczegółowo

Programowanie liniowe

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

Bardziej szczegółowo

A. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1

A. 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 szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

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

Bardziej szczegółowo

Notatki 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 Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Spis 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 3 Problem transportowy... 16 3.1 Wstęp... 16 3.2 Metoda

Bardziej szczegółowo

Sieć (graf skierowany)

Sieć (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 szczegółowo

Rozwiązywanie problemów z użyciem Solvera programu Excel

Rozwiązywanie problemów z użyciem Solvera programu Excel Rozwiązywanie problemów z użyciem Solvera programu Excel Podstawowe czynności: aktywować dodatek Solver oraz ustawić w jego opcjach maksymalny czas trwania algorytmów na sensowną wartość (np. 30 sekund).

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

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

Bardziej szczegółowo

Wybrane elementy badań operacyjnych

Wybrane 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 szczegółowo

Programowanie liniowe metoda sympleks

Programowanie 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 szczegółowo

O MACIERZACH I UKŁADACH RÓWNAŃ

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

Bardziej szczegółowo

Programowanie liniowe metoda sympleks

Programowanie 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 szczegółowo

Wykład 5. Metoda eliminacji Gaussa

Wykład 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 szczegółowo

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda

Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe. dr Adam Sojda Statystyka z elementami badań operacyjnych BADANIA OPERACYJNE - programowanie liniowe -programowanie sieciowe dr Adam Sojda Literatura o Kukuła K. (red.): Badania operacyjne w przykładach i zadaniach.

Bardziej szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE 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 szczegółowo

Analiza matematyczna i algebra liniowa Macierze

Analiza matematyczna i algebra liniowa Macierze Analiza matematyczna i algebra liniowa Macierze Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: poniedziałek

Bardziej szczegółowo

5. Rozwiązywanie układów równań liniowych

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

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

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

Bardziej szczegółowo

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIEŃ TRANSPORTOWYCH Z KRYTERIUM KOSZTÓW Zadania transportowe Zadania transportowe są najczęściej rozwiązywanymi problemami w praktyce z zakresu optymalizacji

Bardziej szczegółowo

Elementy Modelowania Matematycznego

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

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 6 (Materiały)

Badania Operacyjne Ćwiczenia nr 6 (Materiały) Otwarte zagadnienie transportowe Jeżeli łączna podaż dostawców jest większa niż łączne zapotrzebowanie odbiorców to mamy do czynienia z otwartym zagadnieniem transportowym. Warunki dla dostawców (i-ty

Bardziej szczegółowo

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

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego. . Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

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

Bardziej szczegółowo

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Spis 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 szczegółowo

TOZ -Techniki optymalizacji w zarządzaniu

TOZ -Techniki optymalizacji w zarządzaniu TOZ -Techniki optymalizacji w zarządzaniu Wykład dla studentów II roku studiów II stopnia na kierunku Zarządzanie Semestr zimowy 2009/2010 Wykładowca: prof. dr hab. inż. Michał Inkielman Wykład 2 Optymalizacja

Bardziej szczegółowo

ZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej:

ZAGADNIENIE 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 szczegółowo

Algorytm simplex i dualność

Algorytm 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 szczegółowo

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12

Bardziej szczegółowo

Wykład 6. Programowanie liniowe

Wykład 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 szczegółowo

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

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

Bardziej szczegółowo

[1] E. M. Reingold, J. Nievergelt, N. Deo Algorytmy kombinatoryczne PWN, 1985.

[1] E. M. Reingold, J. Nievergelt, N. Deo Algorytmy kombinatoryczne PWN, 1985. Metody optymalizacji, wykład nr 10 Paweł Zieliński 1 Literatura [1] E. M. Reingold, J. Nievergelt, N. Deo Algorytmy kombinatoryczne PWN, 1985. [2] R.S. Garfinkel, G.L. Nemhauser Programowanie całkowitoliczbowe

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne podstawy programowania liniowego Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i

Bardziej szczegółowo

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Rozdział 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 szczegółowo

Metoda eliminacji Gaussa

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Elementy Modelowania Matematycznego

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem

Bardziej szczegółowo

2. Układy równań liniowych

2. 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 szczegółowo

ALGORYTM SIMPLEX. B.Gładysz Badania operacyjne 2007

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

Bardziej szczegółowo

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA BADANIA OPERACYJNE ANALITYKA GOSPODARCZA Egzamin pisemny 8.4.7 piątek, salae-6, godz. 8:-9:3 OBECNOŚĆ OBOWIĄZKOWA!!! Układ egzaminu. TEST z teorii: minut (test wielostronnego wyboru; próg 75%). ZADANIA:

Bardziej szczegółowo

Całkowitoliczbowe programowanie liniowe

Całkowitoliczbowe programowanie liniowe Przykład Algorytm Ralph Gomory Inne przykłady Badania operacyjne Instytut Informatyki Przykład Algorytm Ralph Gomory Inne przykłady Zadanie Producent dwóch typów szynobusów planuje produkcję na najbliższy

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele 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 szczegółowo

Standardowe zadanie programowania liniowego. Gliwice 1

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

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji

Bardziej szczegółowo

CIĄGI wiadomości podstawowe

CIĄGI wiadomości podstawowe 1 CIĄGI wiadomości podstawowe Jak głosi definicja ciąg liczbowy to funkcja, której dziedziną są liczby naturalne dodatnie (w zadaniach oznacza się to najczęściej n 1) a wartościami tej funkcji są wszystkie

Bardziej szczegółowo

Wspomaganie Decyzji. Roman Słowiński. Zakład Inteligentnych Systemów Wspomagania Decyzji. Instytut Informatyki. Politechniki Poznańskiej

Wspomaganie Decyzji. Roman Słowiński. Zakład Inteligentnych Systemów Wspomagania Decyzji. Instytut Informatyki. Politechniki Poznańskiej Wspomaganie Decyzji Roman Słowiński Zakład Inteligentnyc Systemów Wspomagania Decyzji Instytut Informatyki Politecniki Poznańskiej Roman Słowiński Problem decyzyjny Istnieje cel lub cele do osiągnięcia

Bardziej szczegółowo

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

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

Bardziej szczegółowo

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne Przypominajka: 152 drzewo filogenetyczne to drzewo, którego liśćmi są istniejące gatunki, a węzły wewnętrzne mają stopień większy niż jeden i reprezentują

Bardziej szczegółowo

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

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ... Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x

Bardziej szczegółowo

Macierze. Rozdział Działania na macierzach

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

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie

Bardziej szczegółowo

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału Problem przydziału Przykład Firma KARMA zamierza w okresie letnim przeprowadzić konserwację swoich urządzeń; mieszalników,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Układy równań. Kinga Kolczyńska - Przybycień 22 marca Układ dwóch równań liniowych z dwiema niewiadomymi

Układy 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 szczegółowo