1 Programowanie całkowitoliczbowe PLC



Podobne dokumenty
etody programowania całkowitoliczboweg

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

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

[1] R. K. Ahuja, T. L. Magnanti, J. B. Orlin, Network Flows: Theory, Algorithms, and Applications, Prentice Hall, 1993.

OPTYMALIZACJA DYSKRETNA

Optymalizacja liniowa w liczbach całkowitych (PLC)

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

PROGRAMOWANIE CAŁKOWITOLICZBOWE

Elementy modelowania matematycznego

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

BADANIA OPERACYJNE pytania kontrolne

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

Elementy Modelowania Matematycznego

Programowanie liniowe całkowitoliczbowe

Konspekt. Piotr Chołda 2 marca Podstawowe informacje nt. przedmiotu. Prowadzący przedmiot (wykład, egzamin, projekt, laboratorium):

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2

ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ

Programowanie liniowe

BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych

Programowanie liniowe całkowitoliczbowe

zadaniem programowania liniowego całkowitoliczbowego. nazywamy zadaniem programowania liniowego 0-1. Zatem, w

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

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

Rozdział 1 PROGRAMOWANIE LINIOWE

) a j x j b; x j binarne (j N) całkowitoliczbowe; przyjmujemy (bez straty ogólności): c j > 0, 0 <a j b (j N), P n

Programowanie liniowe

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

PRZEWODNIK PO PRZEDMIOCIE

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

Pendolinem z równaniami, nierównościami i układami

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

Rozdział 9 PROGRAMOWANIE DYNAMICZNE

TOZ -Techniki optymalizacji w zarządzaniu

Autostopem przez galaiktykę: Intuicyjne omówienie zagadnień. Tom I: Optymalizacja. Nie panikuj!

Rozdział 1 PROGRAMOWANIE LINIOWE

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

Wstęp do programowania INP001213Wcl rok akademicki 2018/19 semestr zimowy. Wykład 5. Karol Tarnowski A-1 p.

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Rozwiązywanie programów matematycznych

SZTUCZNA INTELIGENCJA

Techniki Optymalizacji: Optymalizacja wypukła

Programowanie matematyczne

Programowanie liniowe. Tadeusz Trzaskalik

Metoda simpleks. Gliwice

Agenda. Optymalizacja w transporcie. Piotr Sawicki WIT PP, ZST 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Programowanie nieliniowe

Informatyka II stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Metody optymalizacji dyskretnej

Ekonometria - ćwiczenia 10

Schemat programowania dynamicznego (ang. dynamic programming)

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

ZAGADNIENIE TRANSPORTOWE

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Analiza wielokryterialna wstęp do zagadnienia

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

Rozwiązywanie problemów z użyciem Solvera programu Excel

Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a

Elementy Modelowania Matematycznego

Krzysztof Trajkowski. Przegląd pakietów do optymalizacji liniowej

FUNKCJA LINIOWA - WYKRES

Algorytm simplex i dualność

Wielokryteriowa optymalizacja liniowa

PODEJMOWANIE DECYZJI W WARUNKACH NIEPEŁNEJ INFORMACJI

Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy. Wykład 9. Karol Tarnowski A-1 p.

Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne

Badania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13

Optymalizacja. Algorytmy dokładne

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI

Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach

Programowanie liniowe

Agenda. Optymalizacja w transporcie. Piotr Sawicki WIT PP ZST 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle

Wykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ

Programowanie liniowe

Zagadnienie transportowe

Ekonometria - ćwiczenia 11

PRZEWODNIK PO PRZEDMIOCIE

Metody Rozmyte i Algorytmy Ewolucyjne

Wstęp. Jak programować w DNA? Idea oraz przykład. Problem FSAT charakterystyka i rozwiązanie za pomocą DNA. Jak w ogólności rozwiązywać problemy

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI

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

Modele całkowitoliczbowe zagadnienia komiwojażera (TSP)

Tomasz M. Gwizdałła 2012/13

PRZEWODNIK PO PRZEDMIOCIE

METODY OPTYMALIZACJI. Tomasz M. Gwizdałła 2018/19

WŁAŚCIWOŚCI PROGRAMOWEJ REALIZACJI ZADANIA PROGRAMOWANIA CAŁKOWITOLICZBOWEGO

Programowanie dynamiczne. Tadeusz Trzaskalik

ZAGADNIENIE TRANSPORTOWE(ZT)

Badania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Wprowadzenie do badań operacyjnych - wykład 2 i 3

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

Laboratorium 5: Tablice. Wyszukiwanie binarne

BADANIA OPERACYJNE PROGRAMOWANIE WIELOKRYTERIALNE

Optymalizacja. Algorytmy dokładne

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,

Microsoft EXCEL SOLVER

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

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

Transkrypt:

Metody optymalizacji, wykład nr 9 Paweł Zieliński Programowanie całkowitoliczbowe PLC Literatura [] S.P. Bradley, A.C. Hax, T. L. Magnanti Applied Mathematical Programming Addison-Wesley Pub. Co. (Reading, Mass.), 977. [] R.S. Garfinkel, G.L. Nemhauser Programowanie całkowitoliczbowe PWN, 978. [] M.M. Sysło, M. Deo, J.S. Kowalik Algorytmy optymalizacji dyskretnej z programami w języku PASCAL PWN, 99. Znaczna część wykładu została przygotowana na podstawie książki [].. Metody programowania całkowitoliczbowego Wyróżnia się trzy podejścia do rozwiązywania zagadnień programowania całkowitoliczbowego metody przeglądu pośredniego (niebezpośredniego), m.in. metody podziału i ograniczeń, metody płaszczyzn odcinających, metody oparte na dekompozycji (podziale)... Rozwiązanie PCL za pomocą LP Przykład. z =maxz =x +8x x + x 6 x + 9x x,x 0 icałkowite x 6 x + x =6 Optymalne rozwiązanie ciągłe z =x +8x =. x +9x = 6 7 8 9 x

Metody optymalizacji, wykład nr 9 Paweł Zieliński Rozwiązanie Rozwiązanie Rozwiązanie Rozwiązanie optymalne zaokrąglone najbliższe optymalne ciągłe całkowite całkowite =. 0 =.7 z. niedopuszcz. 0 x 9 x.. Metoda podziału i ograniczeń dla PCL Metoda podziału i ograniczeń jest oparta na podejściu dziel i zwyciężaj. Kluczowe fakty: PCL= LP + ograniczenia całkowitoliczbowości Fakt. Wartość optymalna funkcji celu LP jest górnym ograniczeniem (maksymalizacja funkcji celu) optymalnej wartości funkcji celu PCL. Fakt. Wartość funkcji celu PCL dla dowolnego rozwiązania całkowitoliczbowego jest dolnym ograniczeniem (maksymalizacja funkcji celu) optymalnej wartości funkcji celu PCL. Pomijamy warunki całkowitoliczbowości i rozwiązujemy następujące zagadnienie LP z =maxz =x +8x = x + x 6 x + 9x x,x 0 Otrzymujemy: x =, x =, z0 = oraz górne ograniczenie z. Ponieważ współczynniki funkcji celu są całkowitoliczbowe, możemy poprawić górne ograniczenie z. Wybieramy zmienną decyzyjną o wartości ułamkowej np. x wybórjest heurystyczny (możemy wybrać również x ). Narzucamy warunki, x lub x, wykluczające przedział (, ).

Metody optymalizacji, wykład nr 9 Paweł Zieliński x 6 L Optymalne rozwiązanie ciągłe L 6 7 8 9 x x =. x =.7 z =. z x x L L L = max z =x +8x max z =x +8x x + x 6 x + 9x L x = x,x 0 x + x 6 x + 9x x x,x 0 Wybór węzła L czy L jest heurystyczny. Rozpatrzmy L. Otrzymujemy: x =.8, x =, z =. Wybieramy zmienną decyzyjną o wartości ułamkowej x Narzucamy warunki, x lub x, wykluczające przedział (, ). x 6 L Optymalne rozwiązanie ciągłe L 6 7 8 9 x

Metody optymalizacji, wykład nr 9 Paweł Zieliński x =. x =.7 z =. z x x x =.8 x = z = L L x x L L Zadanie sprzeczne L = max z =x +8x max z =x +8x x + x 6 x + 9x x L = x x,x 0 x + x 6 x + 9x x x x,x 0 sprzeczne x =,x = 9,z =0 9 Wybieramy zmienną decyzyjną o wartości ułamkowej x Narzucamy warunki, x lub x, wykluczające przedział (, ). x 6 L 6 L L Optymalne rozwiązanie ciągłe L 6 7 8 9 x Rozpatrujemy L.

Metody optymalizacji, wykład nr 9 Paweł Zieliński x =. x =.7 z =. z x x x =.8 x = z = L L x x L L Zadanie sprzeczne x = x = 9 z =0 9 co najwyzej 0% od optimum! x Dolne ograniczenie x x = L L 6 x = z =7 z 7 x =. x =.7 z =. z x x x =.8 x = z = L L x x L L Zadanie sprzeczne x = x = 9 z =0 9 x co najwyzej.% od optimum! x dolne ograniczenie L L 6 x = x = z =7 z 7 x =0 x = z =0 z 0

Metody optymalizacji, wykład nr 9 Paweł Zieliński 6 x =. x =.7 z =. z x x L L x =.8 x = z = x = x = z =9 x>= x=< L L Zadanie sprzeczne x = x= /9 z=0 /9 x x x = optimum! L L 6 x = z =7 z>=7 x =0 x = z =0 z>=0 x 6 L 6 L L Optymalne rozwiązanie całkowitoliczbowe Optymalne rozwiązanie ciągłe L 6 7 8 9 x Czy można poprawić górne ograniczenie? x =. x =.7 z =. z x x x =.8 x = z = L L x = x = z =9 x x L L Zadanie sprzeczne x = x = 9 z =0 9 Załóżmy, że w naszym przykładzie rozpatrujemy węzeł L przed L lub L 6.

Metody optymalizacji, wykład nr 9 Paweł Zieliński 7 Optymalne rozwiązanie leży w L lub L.Stądz jest ograniczone przez 0 9. Ponieważ współczynniki funkcji celu są całkowitoliczbowe, możemy poprawić górne ograniczenie na 0. Podsumowanie Załóżmy rozpatrzyliśmy węzeł L j. Nie ma sensu dzielić L j (rozgałęziać) jeśli: LP w L j jest sprzeczne, optymalne rozwiązanie LP jest całkowitoliczbowe, wartość funkcji celu LP w L j jest nie większa niż aktualne dolne ograniczenie. Uwagi Relaksacje LP rozwiązuje się efektywnie, Nie ma ogólnej metody wyboru zmiennej decyzyjne. Nie ma ogólnej metody wyboru węzła po rozgałęzieniu... Metoda przeglądu dla problemów 0- W metodzie tej stosuje się metodę podziału i ograniczeń w celu inteligentnego ustalania wartości zmiennych decyzyjnym na 0 lub. Zmienne, które nie są ustalone będziemy nazywać wolnymi. Zakłada się,że wszystkie współczynniki celu są niedodatnie (w zadaniu maksymalizacji), Jeżeli współczynnik przy x i jest dodatni, to podstawiamy x i = x i, x i {0, }, ograniczenia są postaci. Rozpatrzmy przykład. z =maxz = 8x x x 7x x +0 x x + x +x +x x x x x + x x,x,x,x,x {0, }

Metody optymalizacji, wykład nr 9 Paweł Zieliński 8 0 z 0 x = x =0 z węzeł 0: Wszystkie zmienne decyzyjne są wolne. Jeżeli chwilowo nadamy im wartość 0, to z 0, ponieważ współczynniki funkcji celu są ujemne. Rozwiązanie to nie spełnia ograniczeń, więc dokonujemy rozgałęzienia. węzeł :x =jest ustalona x,x,x,x są wolne. Nadajmy im chwilowo wartość 0 z = 8() (0) (0) 7(0) (0)+0 =. Rozwiązanie to spełnia ograniczenia, więc z. Dalej nie rozgałęziamy. węzeł :x = 0 jest ustalona. x,x,x,x są wolne. Nadajmy im chwilowo wartość 0. Przypadek jak węzeł 0. Rozgałęziamy. 0 z 0 x = x =0 z x = x =0 węzeł :x = 0 i x = są ustalone, x,x,x są wolne. Nadajemy im wartość 0. Rozwiązanie nie spełnia ograniczeń. Rozgałęziamy.

Metody optymalizacji, wykład nr 9 Paweł Zieliński 9 0 z 0 x = x =0 z x = x =0 x = x =0 z 6 x = x =0 z< 7 8 0 z 0 x = x =0 z x = x =0 x = x =0 węzeł : x =0i x = x =są ustalone, x,x są wolne. Nadajemy im wartość 0.Rozwiązanie to jest dopuszczalne z =. Więc otrzymujemy lepsze dolne ograniczenie z węzeł 6: x = x =0i x =są ustalone, x,x są wolne. Nadajemy im wartość 0. Rozwiązanie nie spełnia ograniczeń (jak w węźle ). Rozgałęziamy. węzeł 7: x = x =0i x = x =są ustalone, x jest wolna. Nadajemy jej wartość 0. Rozwiązanie jest niedopuszczalne i z =<, a więc nie ma sensu rozgałęziać. węzeł 8: jak dla węzła 6. węzeł 9: x = x = x =0x = x = są ustalone. Jest to jedyne rozwiązanie i w dodatku niedopuszczalne. Nie rozgałęziamy. węzeł 0: x = x = x = x =0x = są ustalone. Jest to jedyne rozwiązanie i jest niedopuszczalne. Nie rozgałęziamy. węzeł : x = x = 0 są ustalone x,x,x są wolne. Ograniczenie z 6 x = x =0 x x x x + x redukuje się do z< 7 8 x = x =0 9 0 x x + x. Nie istnieje 0- podstawienie do x,x,x spełniające powyższe ograniczenie. Nie ma sensu rozgałęziać.

Metody optymalizacji, wykład nr 9 Paweł Zieliński 0 0 z 0 x = x =0 z x = x =0 x = x =0 optimum z 6 x = x =0 Rozpatrzyliśmy wszystkie węzły. Rozwiązaniem optymalnym jest x = x = x = 0, x = x =. z =. z< 7 8 x = x =0 9 0 Podsumowanie Nie rozgałęziamy w węźle jeżeli: kiedy zadanie PCL w węźle jest sprzeczne. Np. po podstawieniu zmiennych ustalonych do ograniczeń nie istnieje 0- podstawienie do zmiennych wolnych spełniające ograniczenia. rozwiązanie binarne po podstawieniu pod zmienne wolne wartości 0 jest dopuszczalne, wartość funkcji celu jest nie większa od aktualnego dolnego ograniczenia.