łączny czas pracy (1 wariant) łączny koszt pracy (2 wariant) - całkowite (opcjonalnie - dla wyrobów liczonych w szt.)

Wielkość: px
Rozpocząć pokaz od strony:

Download "łączny czas pracy (1 wariant) łączny koszt pracy (2 wariant) - całkowite (opcjonalnie - dla wyrobów liczonych w szt.)"

Transkrypt

1 14. Zadanie przydziału z ustalonym poziomem produkcji i limitowanym czasem pracy planowanie wielkości produkcji (wersja uproszczona) Producent może wytwarzać n rodzajów wyrobów. Każdy z wyrobów można być wytworzony na jednym z m stanowisk (np. maszyn, linii produkcyjnych etc.). Każde ze stanowisk ma określone: wydajności (mierzone jako czasy wyprodukowania 1 jednostki poszczególnych wyrobów), koszt 1 jednostki czasu pracy, górny limit łącznego czasu pracy. Należy zaplanować ile wyrobów produkować na każdym ze stanowisk, aby osiągnąć jeden z następujących celów: zimalizować łączny czas pracy zimalizować łączny koszt pracy nie przekraczając przy tym limitów czasu pracy poszczególnych stanowisk i produkując wymagane ilości wyrobów każdego z rodzajów. Parametry zadania to: a, i1,...,m; j1,...,n czas wyprodukowania jednej jednostki j-tego wyrobu na i-tym stanowisku (mierzony np. w h/t, h/m 3, /szt, s/g etc.) b i, i1,...,m maksymalny czas pracy na i-tym stanowisku przeznaczony na wyprodukowanie wyrobów wszystkich rodzajów (mierzony np. w h,, s); c, i1,...,m koszt jednej jednostki czasu pracy i-tego stanowiska (mierzony np. w PLN/h, PLN/, PLN/s); i d, j1,...,n wymagany poziom produkcji j-tego wyrobu (mierzony np. w t, m 3, szt, l etc.). j Zmienne decyzyjne to:, i1,...,m; j1,...,n ilość j-tego wyrobu wyprodukowana na i-tym stanowisku (liczona np. w t, m 3, szt, etc.) Model matematyczny to a a... a a... a am 1m1 am2 c ( a a c ( a a... a m 2... a... a mn... a mn ) ) łączny czas pracy (1 wariant) łączny koszt pracy (2 wariant) cm ( am 1m1 am2m2... amn mn ) przy ograniczeniach 0 i1,...,m; j1,...,n ilości wyrobów są nieujemne; - całkowite (opcjonalnie - dla wyrobów liczonych w szt.) rzeczywiste czasy maksymalne możliwe rzeczywiste wielkości wymagane pracy stanowisk czasy pracy stanowisk produkcji poziomy produkcji a a... a b... d a... a... a b am 1m1 am2m2... amn mn bm 1 n... mn d n Uwaga brak gwarantowanych rozwiązań całkowitoliczbowych Rozważane tu zadanie przydziału, mimo podobieństwa do zadania transportowego, nie ma zagwarantowanych rozwiązań całkowitoliczbowych bez dodawania warunków całkowitoliczbowości zmiennych. Wynika to z faktu, tylko jedna z grup warunków zawiera sumy zwykłe zmiennych, natomiast druga sumy iloczynów zmiennych i liczb. W związku z powyższym twierdzenie o rozwiązaniach całkowitoliczbowych zadania transportowego nie ma zastosowania dla rozważanych modeli. m1 m2 1 d 2 1

2 Zadanie 4 rodzaje detali mogą być wytwarzane na jednej z 3 obrabiarek. Czasy wytworzenia każdego z rodzajów detali na poszczególnych obrabiarkach są zróżnicowane. Obra- Czasy wytworzenia 1 szt detalu (/szt) Maksymalne czasy biarki D1 D2 D3 D4 pracy () O O2 8, O3 14, ,5 00 Wymagane poziomy produkcji (szt) Zaplanować wielkość produkcji detali na poszczególnych obrabiarkach, imalizując przy tym łączny czas pracy: 1. bez całkowitoliczbowości zmiennych; 2. z całkowitoliczbowością zmiennych; 3. (WYZEROWAĆ KOMÓRKI ZMIENIANE) - z całkowitoliczbowością zmiennych oraz z opcją Przyjm model liniowy 4. z całkowitoliczbowością zmiennych, z ustawioną opcją Przyjm model liniowy oraz wartością opcji Tolerancja 0%. Model matematyczny do zadania Zmienne decyzyjne to:, i1,2,3; j1,2,3,4 liczba detali j-tego typu wyprodukowana na i-tej obrabiarce (liczona w sztukach detali j-tego typu, oznaczenie: szt D1,, szt D4), W niniejszym zadaniu stanowiskami pracy, dla których planowane są wielkości produkcji, są oczywiście obrabiarki. Funkcja celu reprezentuje łączny czas pracy., , , ,5 przy ograniczeniach rzeczywiste czasy maksymalne możliwe rzeczywiste wielkości pracy stanowisk czasy pracy stanowisk produkcji detali (obrabiarek) (obrabiarek) , , , , i1,2,3; j1,2,3,4 liczby detali nie mogą być ujemne - całkowite liczby detali muszą być całkowite Objaśnienia do modelu Czasy pracy poszczególnych obrabiarek to: ,5 3 7, , Dla przykładu pierwsza z sum iloczynów jest rozpisana poniżej z jednostkami: 5 szt D1 3 szt D szt D3 14 szt szt D1 szt D2 szt D3 szt D4 D łączny czas pracy obrabiarek w utach wymagane poziomy produkcji detali

3 Jak widać sztuki detali wszystkich typów się skracają a zatem cała formuła jest wyrażona w utach. Analogiczne obliczenia można wykonać dla dwóch kolejnych sum iloczynów. Funkcja celu dla 1 wariantu (łączny czas pracy wszystkich stanowisk - obrabiarek w utach) jest sumą trzech powyższych formuł. Sumy iloczynów oznaczające czasy pracy obrabiarek występują także w warunkach uwzględniających limitowane czasy pracy obrabiarek ograniczających (w lewych stronach nierówności). Wprowadzanie danych do komórek arkusza W niniejszym zadaniu komórkami pełniącymi rolę zmiennych decyzyjnych będą B9, C9, D9, E9, B10, C10, D10, E10, B, C, D, E czyli (w skrócie) zakres (tablica) B9:E. Odpowiedniość pomiędzy komórkami a zmiennymi jest następująca: B9 -, C9 -, D9-13, E9-14 B10 -, C10 -, D10-23, E10 - B - 31, C - 32, D - 33, E - 3 Rozmieszczenie danych Funkcja celu (łączny czas pracy wszystkich stanowisk - obrabiarek w utach) to suma iloczynów współczynników wydajności (czasy wyprodukowania detali na poszczególnych stanowiskach) i wielkości produkcji na tychże stanowiskach. Ponieważ jednak czasy pracy poszczególnych 3 stanowisk-obrabiarek występują także w warunkach ograniczających, zatem w komórkach zostaną umieszczone 3 oddzielne sumy iloczynów. Funkcja celu będzie zatem sumą tychże sum iloczynów. Informacja na temat formuł: wprowadzanych przez użytkownika i kopiowanych (funkcja celu i warunki ograniczające) Zapis matematyczny Formuły dosłowne tzn. takie, które należałoby wpisać przy literalnym przełożeniu zapisu matematycznego na składnię Ecela B3*B9C3*C9D3*D9E3*E9 8,5 3 7 B4*B10C4*C10D4*D10E4*E10 8,5 3 7 B5*BC5*CD5*DE5*E Komórka F9 F10 F Formuły umieszczone w arkuszu odpowiadające formułom dosłownym SUMA.ILOCZYNÓW(B3:E3;B9:E9) SUMA.ILOCZYNÓW(B4:E4;B10:E10) SUMA.ILOCZYNÓW(B5:E5;B:E) Uwagi Wprowadzona przez użytkownika kopiowanie z F9 kopiowanie z F9

4 Zapis matematyczny Formuły dosłowne tzn. takie, które należałoby wpisać przy literalnym przełożeniu zapisu matematycznego na składnię Ecela 31 B9B10B 32 C9C10C D9D10D 14 E9E10E , , 5 14,5 B3*B9C3*C9D3*D9E3*E9 B4*B10C4*C10D4*D10E4*E10 B5*BC5*CD5*DE5*E1 Komórka B13 C13 D13 E13 F13 Formuły umieszczone w arkuszu odpowiadające formułom dosłownym SUMA(B9:B) SUMA(C9:C) SUMA(D9:D) SUMA(E9:E) SUMA(F9:F) Uwagi Wprowadzona przez użytkownika kopiowanie z B13 kopiowanie z B13 kopiowanie z B13 kopiowanie z B13 4 Wygląd arkusza po kopiowaniu Wygląd arkusza po kopiowaniu (widok formuł)

5 Ustawienia Solvera Na tym etapie zakończyło się wprowadzanie danych bezpośrednio do komórek arkusza. Mamy następujące związki między zapisem matematycznym a zapisem w Ecelu: B9 -, C9 -, D9-13, E9-14, B10 -, C10 -, D10-23, E10 - B - 31, C - 32, D - 33, E - 5, i1,2,3; j1,2,3,4 liczba detali j-tego typu wyprodukowana na i-tej obrabiarce (liczona w sztukach detali j-tego typu, F13 8, , ,5 łączny czas pracy obrabiarek w utach przy ograniczeniach F9 F10 rzeczywiste czasy pracy stanowisk (obrabiarek) maksymalne możliwe czasy pracy stanowisk (obrabiarek) , , , F3 F4 B13 C13 rzeczywiste wielkości produkcji detali F 00 F5 D E13 14 B9:E 0, i1,2,3; j1,2,3,4 liczby detali nie mogą być ujemne B9:E - całkowite liczby detali muszą być całkowite wymagane poziomy produkcji detali B7 C7 D7 E7 Rozwiązania Ad. 1 Zimalizować łączny czas pracy obrabiarek (obliczenia bez całkowitoliczbowości zmiennych). Warunek poniżej został poięty B9:E - całkowite liczby detali muszą być całkowite Ustawienia Solvera imalizacja czasu pracy (bez całkowitoliczbowości zmiennych)

6 6 Rozwiązanie przy ustawieniach domyślnych Solvera bez warunków całkowitoliczbowości zmiennych. Jak widać, nie jest to rozwiązanie całkowitoliczbowe. Nie jest to również jedno z rozwiązań alternatywnych niecałkowitoliczbowych. Można ten fakt rozpoznać po wartości funkcji celu. Gdyby istniało alternatywne rozwiązanie całkowitoliczbowe, to optymalna wartość funkcji celu byłaby liczbą całkowitą lub z końcówką,5 jako suma iloczynów parametrów a (całkowite wielokrotności 0,5 czyli liczby całkowite lub z końcówką,5). Przykład ten pokazuje, że pomimo podobieństwa w zapisie do zadania transportowego, rozpatrywane zadanie przydziału nie ma zagwarantowanych rozwiązań całkowitoliczbowych, gdy prawe strony warunków ograniczających są całkowite. Oznacza to konieczność dodania warunków całkowitoliczbowości zmiennych. Ad. 2 Zimalizować łączny czas pracy obrabiarek (obliczenia z całkowitoliczbowością zmiennych). Aby rozwiązać zadanie z całkowitoliczbowością zmiennych należy w Solverze dodać warunek B9:E int, który po zatwierdzaniu jest wyświetlany jako $B$9:$E$całkowita. Ustawienia Solvera imalizacja czasu pracy (z całkowitoliczbowością zmiennych)

7 7 Rozwiązanie przy ustawieniach domyślnych Solvera z warunkami całkowitoliczbowości zmiennych. Rozwiązanie D1 D2 D3 D4 * O O O Minimalny czas pracy potrzebny na wytworzenie wymaganej liczby detali to 7430,5 (3 h sek). Wyświetlane w arkuszu wyniki: czas pracy obrabiarki , ut oraz łączny czas pracy obrabiarek 7430, wynikają z tego, że obliczona liczba detali typu 4 wyprodukowanych na obrabiarce 3 to de facto 290, zamiast 291 (błąd zaokrąglenia). Uwagi na temat opcji Solvera Przyjm model liniowy Opcja Solvera Przyjm model liniowy służy do włączenia dedykowanego do rozwiązywania zadań programowania liniowego algorytmu simpleks. Jej użycie formalnie nie jest wymagane, gdyż wszystkie zadania programowania liniowego powinny w teorii być rozwiązywalne przy pomocy domyślnego algorytmu uniwersalnego tzn. służącego do rozwiązywania zadań programowania zarówno liniowego jak i nieliniowego. Praktyka jednak pokazuje iż użycie algorytmu simpleks może być koniecznością jak np. w przypadku poszukiwania całkowitoliczbowych rozwiązań wierzchołkowych zadania transportowego. Nawet jeśli rozwiązanie uzyskane przy pomocy domyślnego algorytmu uniwersalnego wydaje się być poprawne, użycie algorytmu simpleks może być warte rozważenia ze względu na większą dokładność obliczeń (mniej błędów zaokrągleń). Od tej chwili, dalsze obliczenia są wykonywane z włączoną opcją Solvera Przyjm model liniowy.

8 Ad. 3. Zimalizować łączny czas pracy z ustawioną opcją Przyjm model liniowy Uwaga! Rozwiązanie w tym punkcie może się różnić od punktu 2 tylko na niektórych komputerach (zależy do wersji Ecela ora Windows)! 8 Ustawienia Solvera imalizacja czasu pracy (z całkowitoliczbowością zmiennych) Następnie należy włączyć opcję Solvera Przyjm model liniowy (i pozostawić ją włączoną już do końca obliczeń). Rozwiązanie z warunkami całkowitoliczbowości zmiennych oraz włączoną opcją Solvera Przyjm model liniowy. Rozwiązanie * D1 D2 D3 D4 O O O Okazuje się, że rozwiązanie obliczone z włączoną opcją Solvera Przyjm model liniowy jest nieznacznie gorsze (wartość funkcji celu wynosi 74 a nie 7430,5; możliwe są też inne wyniki, większe niż 7430,5). Rozwiązanie to jest w pewnym sensie dokładniejsze niż z wyłączoną opcją Przyjm model liniowy, ponieważ wszystkie wyliczone wartości zmiennych są całkowite za wyjątkiem, która wynosi 291, zamiast 292. Dlaczego rozwiązanie zostało obliczone dla gorszej (nieimalnej) wartości funkcji celu? Jest to związane z ustawieniami dotyczącymi obliczeń z całkowitoliczbowością zmiennych i zostanie omówione dalej. *

9 Opcja Solvera Tolerancja i jej wpływ na obliczenia z całkowitoliczbowością zmiennych W przypadku występowania warunków całkowitoliczbowości zmiennych może nastąpić znaczący wzrost czasu trwania obliczeń w porównaniu z rozwiązywaniem zadania bez tych warunków. Dlatego też domyślne ustawienia Solvera dopuszczają wówczas dla oszczędności czasu znajdowanie rozwiązań z wartością funkcji celu gorszą od optymalnej (niższą dla maksymalizacji, wyższą dla imalizacji). Dozwolona różnica między rozwiązaniem optymalnym, a takim które Solver uznaje za optymalne jest określona w opisanej poniżej opcji Tolerancja. Definicja opcji Tolerancja (wg pliku pomocy do Ecela 2007). Tolerancja. Wartość procentowa informująca, w jakim stopniu wartość komórki docelowej rozwiązania spełniająca ograniczenia całkowite może odbiegać od rzeczywistej wartości optymalnej, aby została uznana za możliwą do zaakceptowania. Ta opcja ma zastosowanie tylko w przypadku zadań z ograniczeniami całkowitymi. Wyższa wartość tolerancji przyspiesza proces poszukiwania rozwiązania. Domyślna wartość opcji Tolerancja to 5%. W Ecelu 2010 i 2013 odpowiednikiem opcji Tolerancja jest opcja Optymalność całkowitoliczbowa z domyślną wartością 1% 9 Uwaga! Opcja Tolerancja/ Optymalność całkowitoliczbowa nie ma związku z opcją wyboru algorytmu simpleks (Przyjm model liniowy lub w Ecelu 2010/2013 Wybierz metodę rozwiązywania: LP simpleks)

10 Ad. 4. Zimalizować łączny czas pracy z ustawioną opcją Przyjm model liniowy oraz wartością opcji Tolerancja ustawioną na 0% zamiast domyślnej 5%. 10 Ustawienia Solvera imalizacja czasu pracy (z całkowitoliczbowością zmiennych) Należy również ustawić opcję Tolerancja na 0% zamiast domyślnej wartości 5%. Rozwiązanie z warunkami całkowitoliczbowości zmiennych oraz włączoną opcją Solvera Przyjm model liniowy i opcją Tolerancja ustawioną na 0%.

11 Rozwiązanie D1 D2 D3 D4 * O O O Okazuje się, że tym razem rozwiązanie zadania imalizacji czasu pracy jest dokładne zarówno, jeżeli chodzi o osiągnięcie imum funkcji celu jak i obliczenie wartości zmiennych. Wszystkie wyliczone wartości zmiennych są całkowite oprócz 1, zamiast 1.

2. Wybór optymalnego planu (asortymentu) produkcji przy ograniczonej dostępności środków produkcji

2. Wybór optymalnego planu (asortymentu) produkcji przy ograniczonej dostępności środków produkcji P. Kowalik, Laboratorium badań operacyjnych: wybór optymalnego planu produkcji. Wybór optymalnego planu (asortymentu) produkcji przy ograniczonej dostępności środków produkcji Firma może produkować n rodzajów

Bardziej szczegółowo

7. Zadanie optymalnej diety (przykład w wersji rozszerzonej o górne normy spożycia produktów)

7. Zadanie optymalnej diety (przykład w wersji rozszerzonej o górne normy spożycia produktów) P. Kowalik, Laboratorium badań operacyjnych: zadanie optymalnej diety 7. Zadanie optymalnej diety (przykład w wersji rozszerzonej o górne normy spożycia produktów) Zadanie to opisuje sytuację decyzyjną,

Bardziej szczegółowo

2. Wybór optymalnego planu (asortymentu) produkcji przy ograniczonej dostępności środków produkcji

2. Wybór optymalnego planu (asortymentu) produkcji przy ograniczonej dostępności środków produkcji P. Kowalik, Laboratorium badań operacyjnych: wybór optymalnego planu produkcji. Wybór optymalnego planu (asortymentu) produkcji przy ograniczonej dostępności środków produkcji Firma może produkować n rodzajów

Bardziej szczegółowo

Badania operacyjne Instrukcja do c wiczen laboratoryjnych Rozwiązywanie problemów programowania liniowego z użyciem MS Excel + Solver

Badania operacyjne Instrukcja do c wiczen laboratoryjnych Rozwiązywanie problemów programowania liniowego z użyciem MS Excel + Solver Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Wydział Techniki Morskiej i Transportu Katedra Konstrukcji, Mechaniki i Technologii Okręto w Badania operacyjne Instrukcja do c wiczen laboratoryjnych

Bardziej szczegółowo

Rozwiązywanie programów matematycznych

Rozwiązywanie programów matematycznych Rozwiązywanie programów matematycznych Program matematyczny składa się z następujących elementów: 1. Zmiennych decyzyjnych:,,, 2. Funkcji celu, funkcji-kryterium, która informuje o jakości rozwiązania

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

Excel - użycie dodatku Solver

Excel - użycie dodatku Solver PWSZ w Głogowie Excel - użycie dodatku Solver Dodatek Solver jest narzędziem używanym do numerycznej optymalizacji nieliniowej (szukanie minimum funkcji) oraz rozwiązywania równań nieliniowych. Przed pierwszym

Bardziej szczegółowo

Przykład wykorzystania dodatku SOLVER 1 w arkuszu Excel do rozwiązywania zadań programowania matematycznego

Przykład wykorzystania dodatku SOLVER 1 w arkuszu Excel do rozwiązywania zadań programowania matematycznego Przykład wykorzystania dodatku SOLVER 1 w arkuszu Ecel do rozwiązywania zadań programowania matematycznego Firma produkująca samochody zaciągnęła kredyt inwestycyjny w wysokości mln zł na zainstalowanie

Bardziej szczegółowo

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe

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

Bardziej szczegółowo

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

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM EKONOMIKA W ELEKTROTECHNICE INSTRUKCJA DO ĆWICZENIA 6 Analiza decyzji

Bardziej szczegółowo

Microsoft EXCEL SOLVER

Microsoft EXCEL SOLVER Microsoft EXCEL SOLVER 1. Programowanie liniowe z wykorzystaniem dodatku Microsoft Excel Solver Cele Po ukończeniu tego laboratorium słuchacze potrafią korzystając z dodatku Solver: formułować funkcję

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

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

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

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1) ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest

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

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

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

Bardziej szczegółowo

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

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

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

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

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych)

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości

Bardziej szczegółowo

Programowanie celowe #1

Programowanie 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 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

Definicja problemu programowania matematycznego

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metody Ilościowe w Socjologii

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

Bardziej szczegółowo

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

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ LABORATORIUM GOSPODARKI ELEKTROENERGETYCZNEJ INSTRUKCJA DO ĆWICZENIA 5 Planowanie

Bardziej szczegółowo

Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4

Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4 Arkusz kalkulacyjny MS EXCEL ĆWICZENIA 4 Uwaga! Każde ćwiczenie rozpoczynamy od stworzenia w katalogu Moje dokumenty swojego własnego katalogu roboczego, w którym będziecie Państwo zapisywać swoje pliki.

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

Lista 1 PL metoda geometryczna

Lista 1 PL metoda geometryczna Lista 1 PL metoda geometryczna 1.1. Znajdź maksimum funkcji celuf(x 1,x 2 )=5x 1 +7x 2 przy ograniczeniach: 2x 1 +2x 2 600, 2x 1 +4x 2 1000, x i 0 dlai=1,2 1.2. Znajdź maksimum funkcji celuf(x 1,x 2 )=2x

Bardziej szczegółowo

Analiza danych przy uz yciu Solvera

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

Bardziej szczegółowo

Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L.

Ćwiczenia 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 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

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

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

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

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

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa cz.2

Wielokryteriowa 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 szczegółowo

OPTYMALIZACJA DYSKRETNA

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

Bardziej szczegółowo

JAK PROSTO I SKUTECZNIE WYKORZYSTAĆ ARKUSZ KALKULACYJNY DO OBLICZENIA PARAMETRÓW PROSTEJ METODĄ NAJMNIEJSZYCH KWADRATÓW

JAK PROSTO I SKUTECZNIE WYKORZYSTAĆ ARKUSZ KALKULACYJNY DO OBLICZENIA PARAMETRÓW PROSTEJ METODĄ NAJMNIEJSZYCH KWADRATÓW JAK PROSTO I SKUTECZNIE WYKORZYSTAĆ ARKUSZ KALKULACYJNY DO OBLICZENIA PARAMETRÓW PROSTEJ METODĄ NAJMNIEJSZYCH KWADRATÓW Z tego dokumentu dowiesz się jak wykorzystać wbudowane funkcje arkusza kalkulacyjnego

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

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

Bardziej szczegółowo

Przykładowe zadania z teorii liczb

Przykładowe zadania z teorii liczb Przykładowe zadania z teorii liczb I. Podzielność liczb całkowitych. Liczba a = 346 przy dzieleniu przez pewną liczbę dodatnią całkowitą b daje iloraz k = 85 i resztę r. Znaleźć dzielnik b oraz resztę

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

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

1. Liczby naturalne, podzielność, silnie, reszty z dzielenia

1. Liczby naturalne, podzielność, silnie, reszty z dzielenia 1. Liczby naturalne, podzielność, silnie, reszty z dzielenia kwadratów i sześcianów przez małe liczby, cechy podzielności przez 2, 4, 8, 5, 25, 125, 3, 9. 26 września 2009 r. Uwaga: Przyjmujemy, że 0 nie

Bardziej szczegółowo

Laboratorium WDEC. Opis posługiwania się pakietem AMPL

Laboratorium WDEC. Opis posługiwania się pakietem AMPL Laboratorium WDEC Opis posługiwania się pakietem AMPL Adam Krzemienowski, Grzegorz Płoszajski Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska Pakiet AMPL Pakiet AMPL jest narzędziem

Bardziej szczegółowo

Typowe zadania decyzyjne (zadania transportowe, zadania przydziału)

Typowe zadania decyzyjne (zadania transportowe, zadania przydziału) (zadania transportowe, zadania przydziału) Autor: Paweł Szołtysek O układzie prezentacji Decyzja Bardzo trudna decyzja Typowe zadania decyzyjne Wstęp Co to jest problem decyzyjny? I kwartał I II III IV

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

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

Bardziej szczegółowo

etody programowania całkowitoliczboweg

etody programowania całkowitoliczboweg etody programowania całkowitoliczboweg Wyróżnia się trzy podejścia do rozwiazywania zagadnień programowania całkowitoliczbowego metody przegladu pośredniego (niebezpośredniego), m.in. metody podziału i

Bardziej szczegółowo

Wprowadzenie do formuł i funkcji

Wprowadzenie do formuł i funkcji Wprowadzenie do formuł i funkcji Wykonywanie obliczeń, niezależnie od tego, czy są one proste czy złożone, może być nużące i czasochłonne. Przy użyciu funkcji i formuł programu Excel można z łatwością

Bardziej szczegółowo

PROBLEMY DECYZYJNE KRÓTKOOKRESOWE

PROBLEMY DECYZYJNE KRÓTKOOKRESOWE PROBLEMY DECYZYJNE KRÓTKOOKRESOWE OPTYMALNA STRUKTURA PRODUKCJI Na podstawie: J. Wermut, Rachunkowość zarządcza, ODDK, Gdańsk 2013 1 DECYZJE KRÓTKOOKRESOWE Decyzje krótkookresowe to takie, które dotyczą

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

Zadanie laboratoryjne "Wybrane zagadnienia badań operacyjnych"

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

Bardziej szczegółowo

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

Badania Operacyjne Ćwiczenia nr 4 (Materiały)

Badania Operacyjne Ćwiczenia nr 4 (Materiały) Analiza wrażliwości Rozwiązanie programu liniowego jest dopiero początkiem analizy. Z punktu widzenia decydenta (menadżera) jest istotne, żeby wiedzieć jak na rozwiązanie optymalne wpływają zmiany parametrów

Bardziej szczegółowo

Instrukcja obsługi programu Do-Exp

Instrukcja obsługi programu Do-Exp Instrukcja obsługi programu Do-Exp Autor: Wojciech Stark. Program został utworzony w ramach pracy dyplomowej na Wydziale Chemicznym Politechniki Warszawskiej. Instrukcja dotyczy programu Do-Exp w wersji

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

Ekonometria - ćwiczenia 10

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

Bardziej szczegółowo

Ciała i wielomiany 1. przez 1, i nazywamy jedynką, zaś element odwrotny do a 0 względem działania oznaczamy przez a 1, i nazywamy odwrotnością a);

Ciała i wielomiany 1. przez 1, i nazywamy jedynką, zaś element odwrotny do a 0 względem działania oznaczamy przez a 1, i nazywamy odwrotnością a); Ciała i wielomiany 1 Ciała i wielomiany 1 Definicja ciała Niech F będzie zbiorem, i niech + ( dodawanie ) oraz ( mnożenie ) będą działaniami na zbiorze F. Definicja. Zbiór F wraz z działaniami + i nazywamy

Bardziej szczegółowo

Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego

Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego Wstęp Spośród różnych analitycznych metod stosowanych do rozwiązywania problemów optymalizacji procesów technologicznych

Bardziej szczegółowo

TEORIA DECYZJE KRÓTKOOKRESOWE

TEORIA DECYZJE KRÓTKOOKRESOWE TEORIA DECYZJE KRÓTKOOKRESOWE 1. Rozwiązywanie problemów decyzji krótkoterminowych Relacje między rozmiarami produkcji, kosztami i zyskiem wykorzystuje się w procesie badania opłacalności różnych wariantów

Bardziej szczegółowo

SCENARIUSZ ZAJĘĆ SZKOLNEGO KOŁA NAUKOWEGO Z PRZEDMIOTU MATEMATYKA PROWADZONEGO W RAMACH PROJEKTU AKADEMIA UCZNIOWSKA

SCENARIUSZ ZAJĘĆ SZKOLNEGO KOŁA NAUKOWEGO Z PRZEDMIOTU MATEMATYKA PROWADZONEGO W RAMACH PROJEKTU AKADEMIA UCZNIOWSKA SCENARIUSZ ZAJĘĆ SZKOLNEGO KOŁA NAUKOWEGO Z PRZEDMIOTU MATEMATYKA PROWADZONEGO W RAMACH PROJEKTU AKADEMIA UCZNIOWSKA Temat lekcji Suma różnych potęg liczby 2 Na podstawie pracy Beaty Dudkowiak oraz jej

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

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

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

Wykład 4. Określimy teraz pewną ważną klasę pierścieni.

Wykład 4. Określimy teraz pewną ważną klasę pierścieni. Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia

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

EXCEL Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący

EXCEL Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący EXCEL Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący Laboratorium 3: Macierze i wykresy Cel: wykonywanie obliczeń na wektorach i macierzach, wykonywanie wykresów Czas wprowadzenia 25 minut,

Bardziej szczegółowo

Excel zadania sprawdzające 263

Excel zadania sprawdzające 263 Excel zadania sprawdzające 263 Przykładowe zadania do samodzielnego rozwiązania Zadanie 1 Wpisać dane i wykonać odpowiednie obliczenia. Wykorzystać wbudowane funkcje Excela: SUMA oraz ŚREDNIA. Sformatować

Bardziej szczegółowo

PROGRAM OPTYMALIZACJI PLANU PRODUKCJI

PROGRAM OPTYMALIZACJI PLANU PRODUKCJI Strona 1 PROGRAM OPTYMALIZACJI PLANU PRODUKCJI Program autorski opracowany przez Sławomir Dąbrowski ul. SIENKIEWICZA 3 m. 18 26-220 STĄPORKÓW tel: 691-961-051 email: petra.art@onet.eu, sla.dabrowscy@onet.eu

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PROGRAMOWANIE WIELOKRYTERIALNE (CELOWE)

PROGRAMOWANIE WIELOKRYTERIALNE (CELOWE) PROGRAMOWANIE WIELOKRYTERIALNE (CELOWE) Przykład 14. Zakład zamierza rozpocząć produkcję wyrobów W 1 i W 2. Wśród środków produkcyjnych, które zostaną użyte w produkcji dwa są limitowane. Limity te wynoszą:

Bardziej szczegółowo

Zasady pracy w arkuszu kalkulacyjnym Microsoft Excel z dodatkiem Solver

Zasady pracy w arkuszu kalkulacyjnym Microsoft Excel z dodatkiem Solver Zasady pracy w arkuszu kalkulacyjnym Microsoft Excel z dodatkiem Solver Microsoft Excel Solver jest narzędziem umożliwiającym optymalizację problemów i wspomagającym proces podejmowania różnorodnych decyzji.

Bardziej szczegółowo

KURS MATURA ROZSZERZONA część 1

KURS MATURA ROZSZERZONA część 1 KURS MATURA ROZSZERZONA część 1 LEKCJA 1 Liczby rzeczywiste ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 10 2 2019 684 168 2 Dane

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

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu

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

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo

PROBLEMY DECYZYJNE KRÓTKOOKRESOWE. WYTWORZYĆ CZY KUPIĆ? outsourcing

PROBLEMY DECYZYJNE KRÓTKOOKRESOWE. WYTWORZYĆ CZY KUPIĆ? outsourcing PROBLEMY DECYZYJNE KRÓTKOOKRESOWE WYTWORZYĆ CZY KUPIĆ? outsourcing 1. Produkować samemu czy zlecić wytwarzanie na zewnątrz ( outsourcing)? Rozstrzygnięcie tego problemu decyzyjnego wymaga porównania ceny

Bardziej szczegółowo

Dane są wielomiany, i. Znajdź wielomian. Iloczyn dwóch wielomianów jest wielomianem, suma dwóch wielomianów jest wielomianem.

Dane są wielomiany, i. Znajdź wielomian. Iloczyn dwóch wielomianów jest wielomianem, suma dwóch wielomianów jest wielomianem. Zadanie 1 Dane są wielomiany, i Znajdź wielomian To łatwe Iloczyn dwóch wielomianów jest wielomianem, suma dwóch wielomianów jest wielomianem Zadanie 2 Podziel (z resztą) wielomian przez wielomian Przykro

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

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

Zagadnienie transportowe i zagadnienie przydziału

Zagadnienie transportowe i zagadnienie przydziału Temat: Zagadnienie transportowe i zagadnienie przydziału Zadanie 1 Trzy piekarnie zlokalizowane na terenie miasta są zaopatrywane w mąkę z trzech magazynów znajdujących się na peryferiach. Zasoby mąki

Bardziej szczegółowo

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

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 7/15 Rachunek różnicowy Dobrym narzędziem do obliczania skończonych sum jest rachunek różnicowy. W rachunku tym odpowiednikiem operatora

Bardziej szczegółowo

Zbiory, relacje i funkcje

Zbiory, relacje i funkcje Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację

Bardziej szczegółowo

Optymalizacja systemów

Optymalizacja systemów Optymalizacja systemów Laboratorium Zadanie nr 3 Sudoku autor: A. Gonczarek Cel zadania Celem zadania jest napisanie programu rozwiązującego Sudoku, formułując problem optymalizacji jako zadanie programowania

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

Wykład 2. 18.03.2007.

Wykład 2. 18.03.2007. KOMPUTEROWE WSPOMAGANIE OBLICZEŃ Wykład 2. 18.03.2007. Wykresy i obliczenia numeryczne w Excelu dr inż. Paweł Surdacki Instytut Podstaw Elektrotechniki i Elektrotechnologii Politechniki Lubelskiej 1 LITERATURA

Bardziej szczegółowo

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A Zad. 1. Korzystając z podanych poniżej mini-tablic, oblicz pierwszy, drugi i trzeci kwartyl rozkładu N(10, 2 ). Rozwiązanie. Najpierw ogólny komentarz

Bardziej szczegółowo

Wprowadzania liczb. Aby uniknąć wprowadzania ułamka jako daty, należy poprzedzać ułamki cyfrą 0 (zero); np.: wpisać 0 1/2

Wprowadzania liczb. Aby uniknąć wprowadzania ułamka jako daty, należy poprzedzać ułamki cyfrą 0 (zero); np.: wpisać 0 1/2 Wprowadzania liczb Liczby wpisywane w komórce są wartościami stałymi. W Excel'u liczba może zawierać tylko następujące znaki: 0 1 2 3 4 5 6 7 8 9 + - ( ), / $ %. E e Excel ignoruje znaki plus (+) umieszczone

Bardziej szczegółowo

Podstawy programowania. Wykład Funkcje. Krzysztof Banaś Podstawy programowania 1

Podstawy programowania. Wykład Funkcje. Krzysztof Banaś Podstawy programowania 1 Podstawy programowania. Wykład Funkcje Krzysztof Banaś Podstawy programowania 1 Programowanie proceduralne Pojęcie procedury (funkcji) programowanie proceduralne realizacja określonego zadania specyfikacja

Bardziej szczegółowo

c j x x

c 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 szczegółowo

Przykład 1. (Arkusz: Sortowanie 1 )

Przykład 1. (Arkusz: Sortowanie 1 ) Przykład 1. (Arkusz: Sortowanie 1 ) W poniższej tabeli znajduje się 10 nazwisk pracowników pewnej firmy, ich miesięczna płaca oraz roczna premia jaką otrzymali. Osoby te chcielibyśmy posortować wg nazwisk

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE(ZT)

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

Bardziej szczegółowo

Algebra liniowa. Macierze i układy równań liniowych

Algebra liniowa. Macierze i układy równań liniowych Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,

Bardziej szczegółowo