Metoda simpleks. Gliwice
|
|
- Kazimierz Wojciechowski
- 7 lat temu
- Przeglądów:
Transkrypt
1
2 Sprowadzenie modelu do postaci bazowej
3 Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX O: WB: x 9x + 7x x + x x + 2x 6 0, x
4 Sprowadzenie modelu do postaci bazowej Ograniczenie 1 9x + 7x Aby otrzymać ograniczenie w postaci równania wprowadzamy dodatkową zmienną do ograniczenia: 9x + 7x + x = x 3 zmienna bilansująca Zmienna bilansująca x 3 określa ilość środka S 1 jaki nie zostanie wykorzystany w procesie produkcji. 4
5 Sprowadzenie modelu do postaci bazowej 9x + 7x + x = x = 63 9x 7x Gdyby przyjąć: x 1 = 0 i x 2 = 0: x 3 = 63 0 Zmienna bilansująca x 3 spełnia postulat nieujemności. 5
6 Sprowadzenie modelu do postaci bazowej Ograniczenie 2 x 1+ x2 8 Aby otrzymać ograniczenie w postaci równania wprowadzamy dodatkową zmienną do ograniczenia (analogicznie jak dla pierwszego ograniczenia): x1+ x2 + x4 = 8 x 4 zmienna bilansująca Zmienna bilansująca x 4 określa ilość środka S 2 jaki nie zostanie wykorzystany w procesie produkcji. Dla x 1 = 0 i x 2 = 0: x 4 = 8 0 6
7 Sprowadzenie modelu do postaci bazowej Ograniczenie 3 3x + 2x Aby otrzymać ograniczenie w postaci równania wprowadzamy dodatkową zmienną do ograniczenia: 3x + 2x x = x 5 zmienna bilansująca Dla x 1 = 0 i x 2 = 0: x 5 = 6 < 0 7
8 Sprowadzenie modelu do postaci bazowej W postaci bazowej, w każdym ograniczeniu musi znajdować się jedna zmienna, która po wyzerowaniu wszystkich pozostałych zmiennych w ograniczeniu jest nieujemna. Wprowadzamy kolejną zmienną: 3x + 2x x + x = x 6 zmienna sztuczna Dla x 1 = 0, x 2 = 0 oraz x 5 = 0: x 6 = 6 0 8
9 Sprowadzenie modelu do postaci bazowej Rozwiązanie zadania po wprowadzeniu zmiennej sztucznej nie jest równoważne z rozwiązaniem zadania początkowego. Byłoby równoważne tylko wtedy, gdyby w rozwiązaniu optymalnym zmienna sztuczna miała wartość zero. 9
10 Sprowadzenie modelu do postaci bazowej Aby zapewnić x 6 = 0 w rozwiązaniu optymalnym, każdą zmienną sztuczną wprowadza się do funkcji celu. Współczynnik przy zmiennej sztucznej w funkcji celu dobiera się tak, aby niezerowa wartość tej zmiennej mocno pogarszała wartość funkcji celu. FC: ( ) Z x, x, x = 6x + 5x + Mx MAX M =
11 Sprowadzenie modelu do postaci bazowej Czy zmienne bilansujące należy uwzględnić w funkcji celu? Tak. Z jakimi współczynnikami? Wszystkie współczynniki przy zmiennych bilansujących w funkcji celu mają wartość równą zero. ( ) Z x, x, x, x, x, x = 6x + 5x + 0x + 0x + 0x 1000x MAX
12 Sprowadzenie modelu do postaci bazowej Postać bazowa zadania z Przykładu 1: FC: ( ) Z x, x, x, x, x, x = 6x + 5x + 0x + 0x + 0x 1000x MAX O: WB: x + 7x + x = x + x + x = x + 2x x + x = x 0, x 0, x 0, x 0, x 0, x
13 Sprowadzenie modelu do postaci bazowej Sprowadzenie do postaci bazowej ograniczenia typu: x + 2x = Wprowadzamy zmienną sztuczną: x + 2x + x = Zmienną sztuczną x 3 należy uwzględnić w funkcji celu w podany poprzednio sposób, czyli tak, aby jej niezerowa wartość mocno pogarszała wartość funkcji celu. 13
14 Sprowadzenie modelu do postaci bazowej Postać bazowa: Wszystkie ograniczenia w postaci równań W każdym ograniczeniu znajduje się zmienna, która po wyzerowaniu pozostałych zmiennych ma wartość nieujemną Współczynnik przy zmiennej sztucznej ma wartość 1 Wprowadzone zmienne bilansujące wprowadza się funkcji celu z zerowymi współczynnikami do Wprowadzone zmienne sztuczne uwzględnia się w funkcji celu ze współczynnikami mocno pogarszającymi jej wartość 14
15
16 Przykład 5 Rozwiązać zadanie z Przykładu 1 metodą simpleks. FC: ( ) Z x, x, x, x, x, x = 6x + 5x + 0x + 0x + 0x 1000x MAX O: WB: x + 7x + x = x + x + x = x + 2x x + x = x 0, x 0, x 0, x 0, x 0, x
17 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i 17
18 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i
19 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i
20 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x 3 0 x 4 0 x
21 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j z 1 = ( 1000) 3 =
22 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j z 2 = ( 1000) 2 =
23 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j z 3 = ( 1000) 0 = 0 23
24 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j z 4 = ( 1000) 0 = 0 24
25 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j z 5 = ( 1000) ( 1) =
26 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j z 6 = ( 1000) 1 =
27 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j ( ) c1 z1 = =
28 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j ( ) c2 z2 = =
29 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j c3 z3 = 0 0= 0 29
30 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j c4 z4 = 0 0= 0 30
31 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j c5 z5 = =
32 Tablica simpleks: c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j ( ) c6 z6 = = 0 32
33 c j z j wskaźniki optymalności Dla zmiennych bazowych wskaźniki optymalności zawsze są równe 0. 33
34 Kryterium optymalności Rozwiązanie jest optymalne, jeżeli wartości wszystkich wskaźników optymalności są niedodatnie. Rozwiązanie w bazie [x 3, x 4, x 6 ] nie jest rozwiązaniem optymalnym. Należy przejść do następnej bazy 34
35 Kryterium wejścia do bazy Do bazy wchodzi zmienna, która ma największą wskaźnika optymalności. wartość Jeżeli największa wartość wskaźnika optymalności odpowiada więcej niż jednej zmiennej, wybieramy zmienną o niższym indeksie. W przykładzie kryterium wejścia spełnia zmienna x 1. 35
36 Kryterium wyjścia z bazy Obliczamy ilorazy wyrazów wolnych (kolumna b i ) przez elementy (tylko dodatnie) kolumny zmiennej wchodzącej do bazy. Bazę opuszcza ta zmienna, dla której obliczony iloraz jest najmniejszy. Jeżeli najmniejsza wartość ilorazu występuje dla więcej niż jednej zmiennej, to jako zmienną opuszczającą bazę można wybrać dowolną z nich. 36
37 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j x : 63/9= 7 x : 8/1= 8 x : 6/3= W przykładzie kryterium wyjścia spełnia zmienna x 6. 37
38 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x z j c j z j
39 Metoda zamiany zmiennych Elementy wiersza usuwanego i kolumny wchodzącej wyróżniono szarym tłem. Element centralny wyróżniono ramką. 39
40 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x
41 Metoda zamiany zmiennych Elementy nowej tablicy simpleksowej wyznaczamy stosując regułę prostokąta, nie uwzględniając elementów w wierszu usuwanym oraz kolumnie wchodzącej. Elementy kolumny wchodzącej, poza elementem centralnym, są równe zero. Elementy w wierszu odpowiadającemu usuwanej zmiennej dzielimy przez element centralny. 41
42 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x x element centralny a a a = a12 = = a
43 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 x x x b i a a a a 12 1 a 22 = 1 = = 1 = 1 a = 0 = = 0 = 0 a = 1 = ( 1) 1 ( 1) 1 = 0 = 3 a = 0 = = 0 = 3 a = 0 = b b = 63 = = 8 =
44 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x x / /3-1/3 6 x / /3 1/3 2 z j c j z j / 3 44
45 z ( c z ) Współczynniki j oraz wskaźniki optymalności j j obliczamy tak, jak w przypadku 1-szej tablicy simpleksowej 45
46 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 x x / /3-1/3 6 x / /3 1/3 2 z j c j z j b i Rozwiązanie w bazie [x 3, x 4, x 1 ] nie jest rozwiązaniem optymalnym. 46
47 Do bazy wchodzi zmienna: x 5 Ilorazy: x x x : 45/3= 15 ( ) : 6/ 1/3 = 18 : ujemny współczynnik nie liczymy ilorazu Z bazy wychodzi zmienna: x 3 47
48 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 x /3 1/ x /9-1/ x /9 1/ z j 6 14/3 2/ c j z j 0 1/3-2/ b i Rozwiązanie w bazie [x 5, x 4, x 1 ] nie jest rozwiązaniem optymalnym. 48
49 Do bazy wchodzi zmienna: x 2 Ilorazy: x x x ( ) ( ) ( ) : 15/ 1/3 = 45 : 1/ 2/9 = 4.5 : 7/ 7/9 = 9 Z bazy wychodzi zmienna: x 4 49
50 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 x /2-3/ /2 x /2 9/ /2 x /2-7/ /2 z j 6 5 1/2 3/2 0 0 c j z j 0 0-1/2-3/ b i Rozwiązanie w bazie [x 5, x 2, x 1 ] jest rozwiązaniem optymalnym. 50
51 c T x MAX x(b) c(b) x 1 x 2 x 3 x 4 x 5 x 6 b i x /2-3/ /2 x /2 9/ /2 x /2-7/ /2 z j 6 5 1/2 3/2 0 0 c j z j 0 0-1/2-3/ Zmienne bazowe: x 5 = 27/2 x 2 = 9/2 x 1 = 7/2 Zmienne niebazowe: x 3 = 0 x 4 = 0 x 6 = 0 51
52 Rozwiązanie: x = 3.5 x = 4.5 x = 0 x = 0 x = 13.5 x = Funkcja celu: ( ) Z x, x, x, x, x, x =
53 Różnice w algorytmie metody simpleks na MAX i MIN
54 Różnice w algorytmie metody simpleks na MAX i MIN Kryterium wejścia do bazy MAX: Zmienna z największą wartością wskaźnika optymalności. MIN: Zmienna z najmniejszą wartością wskaźnika optymalności. 54
55 Różnice w algorytmie metody simpleks na MAX i MIN Kryterium wyjścia z bazy MAX: Zmienna, dla której iloraz elementu z wektora wyrazów wolnych przez współczynnik z kolumny zmiennej wchodzącej do bazy ma najmniejszą wartość. MIN: Identycznie jak w zadaniu na MAX. 55
56 Różnice w algorytmie metody simpleks na MAX i MIN Rozwiązanie optymalne MAX: Wszystkie wskaźniki optymalności muszą być niedodatnie. MIN: Wszystkie wskaźniki optymalności muszą być nieujemne. 56
57 Zmienne nie spełniają warunków nieujemności!!! I co dalej???
58 a zadanie dualne FC: ( ) Z x, x, x = 6x + 5x 4x MAX O: x + 7x 4x x + 6x 8x x + 2x + 4x = WB: x 0, x R, x
59 a zadanie dualne x2 R Zmienną x 2 zastępujemy różnicą dwóch zmiennych nieujemnych: x = x x, x 0, x 0 * ** * **
60 a zadanie dualne x3 0 Zmienną x 3 zastępujemy różnicą dwóch zmiennych nieujemnych: x = x x, x 0, x 0 * ** * **
61 a zadanie dualne FC: ( * ** * ** ) ( * ** ) ( * ** ) Z x, x, x, x, x = 6x + 5 x x 4 x x MAX O: ( * **) ( * **) 9x + 7 x x 4 x x ( * **) ( * **) 3x + 6 x x 8 x x ( * **) ( * **) 3x + 2 x x + 4 x x = WB: x 0, x 0, x 0, x 0, x 0 * ** * **
62 a zadanie dualne Zmieniamy numery zmiennych: FC: ( ) Z xˆ, xˆ, xˆ, xˆ, xˆ = 6xˆ + 5xˆ 5xˆ 4xˆ + 4xˆ MAX O: xˆ + 7xˆ 7xˆ 4xˆ + 4xˆ xˆ + 6xˆ 6xˆ 8xˆ + 8xˆ xˆ + 2xˆ 2xˆ + 4xˆ 4xˆ = WB: xˆ 0, j = 1,2,...,5 j 62
63 a zadanie dualne Ograniczenia, w których wyraz wolny jest liczbą mnożymy przez 1 (tutaj ograniczenie 1): ujemną FC: ( ) Z xˆ, xˆ, xˆ, xˆ, xˆ = 6xˆ + 5xˆ 5xˆ 4xˆ + 4xˆ MAX O: xˆ 7xˆ + 7xˆ + 4xˆ 4xˆ xˆ + 6xˆ 6xˆ 8xˆ + 8xˆ xˆ + 2xˆ 2xˆ + 4xˆ 4xˆ = WB: xˆ 0, j = 1,2,...,5 j 63
64 a zadanie dualne Dalsze postępowanie jest identyczne jak przy rozwiązywaniu zadania metodą simpleks. 64
65 Szczególne przypadki rozwiązań
66 Szczególne przypadki rozwiązań Zadanie sprzeczne W postaci bazowej: ( ) ( ) Z x, x = 6x + 5x MAX x + x x + 2x x, x Z x, x, x, x, x = 6x + 5x + 0x 1000x + 0x MAX x + x x + x = x + 2x + x = x, x, x, x, x
67 Szczególne przypadki rozwiązań x x 1 67
68 Szczególne przypadki rozwiązań Zadanie sprzeczne: Nie ma rozwiązań dopuszczalnych Objawy w metodzie simpleks: W rozwiązaniu optymalnym, zmienna sztuczna (w tym przykładzie zmienna x 4 ) będzie miała wartość niezerową (czyli będzie w bazie). 68
69 Szczególne przypadki rozwiązań Alternatywne rozwiązania optymalne W postaci bazowej: ( ) ( ) Z x, x = 2x + 2x MAX x + x x + 2x x, x Z x, x, x, x, x = 2x + 2x + 0x + 0x 1000x MAX x + x + x = x + 2x x + x = x, x, x, x, x
70 Szczególne przypadki rozwiązań x C B 1 C (0, 8): Z(0, 8) = 16 D (8, 0): Z(8, 0) = A D x 1 70
71 Szczególne przypadki rozwiązań Alternatywne rozwiązania optymalne: Każdy punkt odcinka CD jest rozwiązaniem optymalnym odpowiada alternatywnemu, optymalnemu rozwiązaniu Może się zdarzyć, że zadanie ma nieskończenie wiele rozwiązań optymalnych Objawy w metodzie simpleks: W rozwiązaniu optymalnym, zerowe wartości wskaźników optymalności dla zmiennych niebazowych. Rozwiązania optymalne można zidentyfikować przechodząc do kolejnych baz. 71
72 Szczególne przypadki rozwiązań Nieograniczony zbiór rozwiązań dopuszczalnych W postaci bazowej: ( ) ( ) Z x, x = 2x + 3x MAX x + 2x x x, x 0 Z x, x, x, x, x = 2x + 3x + 0x 1000x + 0x MAX x + 3x x + x = x + x = x, x, x, x, x
73 Szczególne przypadki rozwiązań x B A 1 C x 1 73
74 Szczególne przypadki rozwiązań W tym zadaniu: Zbiór rozwiązań jest nieograniczony Funkcja celu jest nieograniczona z góry Objawy w metodzie simpleks: W tablicy simpleks kolumna zmiennej wchodzącej do bazy ma wszystkie elementy niedodatnie. 74
75 Szczególne przypadki rozwiązań Czy funkcja celu może być nieograniczona od dołu? Nie, ponieważ wymagana jest nieujemność zmiennych. Czy pomimo tego, że zbiór rozwiązań dopuszczalnych jest nieograniczony może istnieć dokładne rozwiązanie optymalne? Może, gdy zadanie jest zadaniem na MIN. 75
76 Szczególne przypadki rozwiązań ( ) Z x, x = 2x + 3x MIN x + 2x x x, x 0 Z poprzedniego rysunku: A (2, 0): Z(2, 0) = 4 MIN B (0, 3): Z(0, 3) = 9 C (7, 0): Z(7, 0) = 14 76
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
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
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
( 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
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
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
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
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
BADANIA OPERACYJNE Zagadnienie transportowe
BADANIA OPERACYJNE Zagadnienie transportowe Zadanie zbilansowane Zadanie zbilansowane Przykład 1 Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości
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
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
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
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
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
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
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
Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
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,
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
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
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
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
(Dantzig G. B. (1963))
(Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku
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
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,
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 /
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
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
Układy równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
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
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
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
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
A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1
A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a,a 2,...,a p i qodbiorców, którychpopytwynosi b,b 2,...,b
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
Elementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
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
1) 2) 3) 5) 6) 7) 8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25)
1) Wykresem funkcji kwadratowej f jest parabola o wierzchołku w początku układu współrzędnych i przechodząca przez punkt. Wobec tego funkcja f określona wzorem 2) Punkt należy do paraboli o równaniu. Wobec
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
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
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
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
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
Układy równań liniowych. Ax = b (1)
Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m
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
Zagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Wykład z modelowania matematycznego. Algorytm sympleks.
Wykład z modelowania matematycznego. Algorytm sympleks. 1 Programowanie matematyczne jest to zbiór metod poszukiwania punktu optymalizującego (minimalizującego lub maksymalizującego) wartość funkcji rzeczywistej
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=
Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:
Zadanie Rafineria naftowa otrzymała zamówienie na dwa rodzaje specjalnych paliw węglowodorowych X oraz Y. Zamówienie opiewa na minimum 4 000 galonów paliwa X i minimum 2 400 galonów paliwa Y. Paliwa te
Zaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
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
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
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
Układy równań liniowych i metody ich rozwiązywania
Układy równań liniowych i metody ich rozwiązywania Łukasz Wojciechowski marca 00 Dany jest układ m równań o n niewiadomych postaci: a x + a x + + a n x n = b a x + a x + + a n x n = b. a m x + a m x +
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
Układy równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
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
Funkcja kwadratowa. f(x) = ax 2 + bx + c,
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \
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
Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych
Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.
Funkcja kwadratowa. f(x) = ax 2 + bx + c = a
Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.
Optymalizacja liniowa w liczbach całkowitych (PLC)
* ) && &&& % ( - &&(() n && - n% ( ' n!"#$ Optymalizacja liniowa w liczbach całkowitych (PLC) (( & ' nn nn Zadanie (-) nazywamy zadaniem regularnym Zadanie (-) nazywamy zadaniem PLC Stosownie do tego podziału
Skrypt 12. Funkcja kwadratowa:
Projekt Innowacyjny program nauczania matematyki dla liceów ogólnokształcących współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Skrypt 12 Funkcja kwadratowa: 8.
Pendolinem z równaniami, nierównościami i układami
Pendolinem z równaniami, nierównościami i układami 1. Równaniem nazywamy równość dwóch wyrażeń algebraicznych. Równaniami z jedną niewiadomą są, np. równania: 2 x+3=5 x 2 =4 2x=4 9=17 x 3 2t +3=5t 7 Równaniami
wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów
KOINACJA LINIOWA UKŁADU WEKTORÓW Definicja 1 Niech będzie przestrzenią liniową (wektorową) nad,,,, układem wektorów z przestrzeni, a,, współczynnikami ze zbioru (skalarami). Wektor, nazywamy kombinacją
Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej
Wymagania edukacyjne z matematyki dla uczniów klasy VII szkoły podstawowej Ocenę dopuszczającą otrzymuje uczeń, który: rozumie rozszerzenie osi liczbowej na liczby ujemne umie porównywać liczby wymierne,
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
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=
Układy równań liniowych
Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1
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
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY DRUGIEJ LICEUM OGÓLNOKSZTAŁCĄCEGO ZAKRES PODSTAWOWY
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY DRUGIEJ LICEUM OGÓLNOKSZTAŁCĄCEGO ZAKRES PODSTAWOWY I. Funkcja liniowa dopuszczającą jeżeli: wie, jaką zależność między dwiema wielkościami zmiennymi nazywamy
WYMAGANIA EDUKACYJNE NIEZBĘDNE DO OTRZYMANIA PRZEZ UCZNIA POSZCZEGÓLNYCH ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI
WYMAGANIA EDUKACYJNE NIEZBĘDNE DO OTRZYMANIA PRZEZ UCZNIA POSZCZEGÓLNYCH ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI (zakres podstawowy) Rok szkolny 2017/2018 - klasa 2a, 2b, 2c 1. Funkcja
1. LICZBY DZIAŁ Z PODRĘCZNIKA L.P. NaCoBeZu kryteria sukcesu w języku ucznia
L.P. DZIAŁ Z PODRĘCZNIKA NaCoBeZu kryteria sukcesu w języku ucznia 1. LICZBY 1. Znam pojęcie liczby naturalne, całkowite, wymierne, dodatnie, ujemne, niedodatnie, odwrotne, przeciwne. 2. Potrafię zaznaczyć
Rozwiązywanie układów równań liniowych
Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy
Egzamin ustny z matematyki semestr II Zakres wymaganych wiadomości i umiejętności
Egzamin ustny z matematyki semestr II Zakres wymaganych wiadomości i umiejętności I. Pojęcie funkcji definicja różne sposoby opisu funkcji określenie dziedziny, zbioru wartości, miejsc zerowych. Należy
Wymagania edukacyjne z matematyki dla klasy VII
Wymagania edukacyjne z matematyki dla klasy VII Szkoły Podstawowej nr 100 w Krakowie Na podstawie programu Matematyka z plusem Na ocenę dopuszczającą Uczeń: rozumie rozszerzenie osi liczbowej na liczby
METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0
METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 cx MAX Ax < b x > 0 Postać standardowa (kanoniczna): z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX
WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY. (zakres podstawowy) klasa 2
WYMAGANIA EDUKACYJNE NA POSZCZEGÓLNE OCENY (zakres podstawowy) klasa 2 1. Funkcja liniowa Tematyka zajęć: Proporcjonalność prosta Funkcja liniowa. Wykres funkcji liniowej Miejsce zerowe funkcji liniowej.
UKŁADY RÓWNAŃ LINIOWYCH
Wykłady z matematyki inżynierskiej JJ, 08 DEFINICJA Układ m równań liniowych z n niewiadomymi to: ( ) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a m2 x 2 +
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
Metody numeryczne Wykład 4
Metody numeryczne Wykład 4 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Metody skończone rozwiązywania
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,
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
FUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)
FUNKCJA LINIOWA 1. Funkcja jest rosnąca, gdy 2. Wskaż, dla którego funkcja liniowa jest rosnąca Wskaż, dla którego funkcja liniowa określona wzorem jest stała. 3. Funkcja liniowa A) jest malejąca i jej
FUNKCJA KWADRATOWA. Wykresem funkcji kwadratowej jest parabola o wierzchołku w punkcie W = (p, q), gdzie
Funkcja kwadratowa jest to funkcja postaci y = ax 2 + bx + c, wyrażenie ax 2 + bx + c nazywamy trójmianem kwadratowym, gdzie x, a, oraz a, b, c - współczynniki liczbowe trójmianu kwadratowego. ó ó Wykresem
6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego
6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne
FUNKCJA LINIOWA - WYKRES
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości
Otrzymaliśmy w ten sposób ograniczenie na wartości parametru m.
Dla jakich wartości parametru m dziedziną funkcji f ( x) = x + mx + m 1 jest zbiór liczb rzeczywistych? We wzorze funkcji f(x) pojawia się funkcja kwadratowa, jednak znajduje się ona pod pierwiastkiem.
PLAN WYNIKOWY (zakres podstawowy) klasa 2. rok szkolny 2015/2016
PLAN WYNIKOWY (zakres podstawowy) klasa 2. rok szkolny 2015/2016 Wymagania wykraczające zawierają w sobie wymagania dopełniające, te zaś zawierają wymagania podstawowe. Ocenę dopuszczającą powinien otrzymać
Rozwiązaniem jest zbiór (, ] (5, )
FUNKCJE WYMIERNE Definicja Miech L() i M() będą niezerowymi wielomianami i niech D { R : M( ) 0 } Funkcję (*) D F : D R określoną wzorem F( ) L( ) M( ) nazywamy funkcją wymierną Funkcja wymierna, to iloraz
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 /
Lekcja 2. Pojęcie równania kwadratowego. Str Teoria 1. Równaniem wielomianowym nazywamy równanie postaci: n
Lekcja 1. Lekcja organizacyjna kontrakt. Podręcznik: A. Ceve, M. Krawczyk, M. Kruk, A. Magryś-Walczak, H. Nahorska Matematyka w zasadniczej szkole zawodowej. Wydawnictwo Podkowa. Zakres materiału: Równania
Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum
Przedmiotowe zasady oceniania i wymagania edukacyjne z matematyki dla klasy drugiej gimnazjum I. POTĘGI I PIERWIASTKI oblicza wartości potęg o wykładnikach całkowitych liczb różnych od zera zapisuje liczbę
Laboratorium Metod Optymalizacji
Laboratorium Metod Optymalizacji Grupa nr... Sekcja nr... Ćwiczenie nr 4 Temat: Programowanie liniowe (dwufazowa metoda sympleksu). Lp. 1 Nazwisko i imię Leszek Zaczyński Obecność ocena Sprawozdani e ocena
9. BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI
BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI Ekstrema i monotoniczność funkcji Oznaczmy przez D f dziedzinę funkcji f Mówimy, że funkcja f ma w punkcie 0 D f maksimum lokalne (minimum lokalne), gdy dla każdego
PROGRAMOWANIE CAŁKOWITOLICZBOWE
PROGRAMOWANIE CAŁKOWITOLICZBOWE METODA PODZIAŁU I OGRANICZEŃ Przykład 6. Metoda podziału i ograniczeń Rozwiązać zadanie z Przykładu 1. metodą podziału i ograniczeń, przy czym wielkość produkcji wyrobu
FUNKCJA KWADRATOWA. Zad 1 Przedstaw funkcję kwadratową w postaci ogólnej. Postać ogólna funkcji kwadratowej to: y = ax + bx + c;(
Zad Przedstaw funkcję kwadratową w postaci ogólnej Przykład y = ( x ) + 5 (postać kanoniczna) FUNKCJA KWADRATOWA Postać ogólna funkcji kwadratowej to: y = ax + bx + c;( a 0) Aby ją uzyskać pozbywamy się
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
Programowanie nieliniowe
Rozdział 5 Programowanie nieliniowe Programowanie liniowe ma zastosowanie w wielu sytuacjach decyzyjnych, jednak często zdarza się, że zależności zachodzących między zmiennymi nie można wyrazić za pomocą
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