Wykład 7. Informatyka Stosowana. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Wykład 7 16 kwietnia / 23

Podobne dokumenty
Wydział Matematyki Programowanie liniowe Ćwiczenia. Zestaw 1. Modelowanie zadań programowania liniowego.

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

Definicja problemu programowania matematycznego

4. PROGRAMOWANIE LINIOWE

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

Programowanie liniowe

Programowanie liniowe

1 Przykładowe klasy zagadnień liniowych

Ekonometria - ćwiczenia 10

Programowanie liniowe

Programowanie liniowe metoda sympleks

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

Programowanie liniowe metoda sympleks

Algebra liniowa. Macierze i układy równań liniowych

Elementy modelowania matematycznego

Programowanie liniowe

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7

Programowanie liniowe metoda sympleks

Badania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie

Elementy Modelowania Matematycznego

Programowanie liniowe. Tadeusz Trzaskalik

Elementy Modelowania Matematycznego

Badania operacyjne. Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 Materiały do zajęć dostępne na stronie:

Programowanie liniowe w logistyce

Ćwiczenia pierwsze Badania operacyjne (budowanie modelu matematycznego) kierunek: matematyka, studia I specjalność: matematyka finansowa

Funkcje IV. Wymagania egzaminacyjne:

Badania Operacyjne Ćwiczenia nr 1 (Materiały)

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI

Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a

Wykład z modelowania matematycznego. Algorytm sympleks.

Standardowe zadanie programowania liniowego. Gliwice 1

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa Etap edukacyjny: IV, przedmiot: informatyka (poziom podstawowy )

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

Ekonometria Programowanie Liniowe. Robert Pietrzykowski

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

Metody Ilościowe w Socjologii

FUNKCJE I RÓWNANIA KWADRATOWE. Lekcja 78. Pojęcie i wykres funkcji kwadratowej str

Wstęp do logistyki. kierunek: Matematyka specjalność: Logistyka z zastosowaniem matematyki i informatyki. wykład. 1.1 Modelowanie

Dualność w programowaniu liniowym

II. FUNKCJE WIELU ZMIENNYCH

FUNKCJA LINIOWA. Zadanie 1. (1 pkt) Na rysunku przedstawiony jest fragment wykresu pewnej funkcji liniowej y = ax + b.

ZADANIE 1. ZADANIE 2 Wyznacz wzór funkcji f (x) = 2x 2 + bx + c w postaci kanonicznej wiedzac, że jej miejsca zerowe sa niami równania x 3 = ZADANIE 3

Programowanie liniowe

Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Zadania funkcje cz.1

Wykład 5. Informatyka Stosowana. 6 listopada Informatyka Stosowana Wykład 5 6 listopada / 28

Badania operacyjne. Dr Michał Kulej. Pokój 509, budynek B4 Forma zaliczenia wykładu: egzamin pisemny.

ZAGADNIENIE TRANSPORTOWE

Programowanie liniowe

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

Badania Operacyjne Ćwiczenia nr 2 (Materiały)

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

FUNKCJA KWADRATOWA. Zad 1 Przedstaw funkcję kwadratową w postaci ogólnej. Postać ogólna funkcji kwadratowej to: y = ax + bx + c;(

Lekcja 2. Pojęcie równania kwadratowego. Str Teoria 1. Równaniem wielomianowym nazywamy równanie postaci: n

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

Optymalizacja procesów technologicznych przy zastosowaniu programowania liniowego

Ekstrema globalne funkcji

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

Wprowadzenie do badań operacyjnych

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE II TECHNIKUM.

FUNKCJA LINIOWA. A) B) C) D) Wskaż, dla którego funkcja liniowa określona wzorem jest stała. A) B) C) D)

Programowanie liniowe

Zad.1. Microsoft Excel - Raport wyników Komórka Nazwa Warto pocz tkowa Warto cowa Komórka Nazwa Warto pocz tkowa Warto cowa Komórka Nazwa Warto

KURS FUNKCJE. LEKCJA 6 PODSTAWOWA Funkcje zadania maturalne ZADANIE DOMOWE. Strona 1

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Na rysunku przedstawiony jest wykres funkcji f(x) określonej dla x [-7, 8].

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

3. FUNKCJA LINIOWA. gdzie ; ół,.

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

Wykład 13. Informatyka Stosowana. 14 stycznia 2019 Magdalena Alama-Bućko. Informatyka Stosowana Wykład , M.A-B 1 / 34

NAJWIEKSZY INTERNETOWY ZBIÓR ZADAŃ Z MATEMATYKI FUNKCJE KWADRATOWE PARAMETRY

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

Programowanie liniowe całkowitoliczbowe

Wykład 6. Programowanie liniowe

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Równania nieliniowe, nieliniowe układy równań, optymalizacja

Zagadnienie transportowe

Excel - użycie dodatku Solver

Równania nieliniowe, nieliniowe układy równań, optymalizacja

Analiza Matematyczna MAEW101 MAP1067

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

Metody Optymalizacji. Wstęp. Programowanie matematyczne. Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt

Ekonometria - ćwiczenia 11

FUNKCJE. Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 5 Teoria funkcje cz.1. Definicja funkcji i wiadomości podstawowe

Zadania optymalizacyjne

Schemat programowania dynamicznego (ang. dynamic programming)

M10. Własności funkcji liniowej

Ostatnia aktualizacja: 30 stycznia 2015 r.

ALGORYTMY OPTYMALIZACJI wyklad 1.nb 1. Wykład 1

9. BADANIE PRZEBIEGU ZMIENNOŚCI FUNKCJI

Zadania do samodzielnego rozwiązania zestaw 11

Określ zbiór wartości i przedziały monotoniczności funkcji.

c j x x

PRÓBNY EGZAMIN MATURALNY

Zad. 8(3pkt) Na podstawie definicji wykaż, że funkcja y=

Kształcenie w zakresie podstawowym. Klasa 2

Wymagania edukacyjne na poszczególne oceny To się liczy! Branżowa Szkoła I stopnia, klasa 1 po szkole podstawowej

INSTRUKCJA DO ĆWICZENIA NR 1

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Transkrypt:

Wykład 7 Informatyka Stosowana Magdalena Alama-Bućko 16 kwietnia 2018 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 1 / 23

Programowanie liniowe Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 2 / 23

Przykład 1 : Transport Pewien wytwórca posiada centrale zbytu z Lublinie, Łodzi i Szczecinie. Centrale te posiadaja odpowiednio 20, 40 i 40 jednostek produktu. Punkty sprzedaży zamówiły nastepujace ilości jednostek produktu: Bydgoszcz - 15, Częstochowa - 20, Katowice - 25, Sopot - 15, Warszawa - 25. Koszt transportu jednostki (w zł) z każdej centrali zbytu do dowolnego punktu sprzedaży podaje następujaca tablica: Bydgoszcz Częstochowa Katowice Sopot Warszawa Lublin 40 30 40 100 40 Łódź 35 30 40 50 30 Szczecin 40 50 95 30 50 Należy tak zaplanować dystrybucję produktu, by koszt transportu był minimalny. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 3 / 23

Przykład 2 : Technologia produkcji Dyrektor pewnego przedsiębiorstwa powinien obsadzić trzy stanowiska, które wymagaja różnych kwalifikacji i praktyki zawodowej, przy czym ma do dyspozycji trzech pracowników. Ze względu na różne ich kwalifikacje i doświadczenie zawodowe wartość (dla przedsiebiorstwa) każdego z tych pracowników zależy od stanowiska, na którym jest on zatrudniony. Poniższa tabela zawiera oceny wartości poszczególnych pracowników zatrudnionych na poszczególnych stanowiskach Stanowisko I Stanowisko II Stanowisko III Pracownik A 5 8 7 Pracownik B 7 6 3 Pracownik C 6 11 2 Należy tak rozmieścić pracowników na rozważanych stanowiskach, by całkowita ich wartość dla przedsiebiorstwa była maksymalna. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 4 / 23

Przykład 3 : Dietetyka Zadaniem dietetyka jest opracowanie składu porannej owsianki tak, aby zawierała ona niezbedne dzienne zapotrzebowanie organizmu na określone składniki odżywcze i jednocześnie była możliwie najtańsza. Dietetyk ma dyspozycji płatki Corn Flakes i Nesquik. Śniadanie powinno zawierać co najmniej 1 mg witaminy B1, 12 mg zelaza i mieć wartość energetyczna równa 360 kcal. 100 g płatków Corn Flakes zawiera 1, 2 mg witaminy B1, 12 mg zelaza i ma wartość energetyczna równa 358 kcal, natomiast 100 g płatków Nesquik zawiera 1, 5 mg witaminy B1, 10 mg zelaza i ma wartość energetyczna równa 390 kcal. Ponadto 100 g płatków Corn Flakes kosztuje 32 gr, a 100 g płatków Nesquik - 36 gr. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 5 / 23

Zadanie programowania liniowego może być sformułowane w postaci: max(f(x 1, x 2,... x n )) F(x 1, x 2,... x n ) = c 1 x 1 + c 2 x 2 +... c n x n funkcja celu 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 n + a a2 x n + + a mn x n b m ograniczenia x 1 0, x 2 0,..., x n 0 x 1, x 2,..., x n zmienne decyzyjne Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 6 / 23

lub w zapisie macierzowym: max ( (c 1 c 2... c n )(x 1 x 2... x n ) T ), a 11 a 12 a 1n a 21 a 22 a 2n... a m1 a m2 a mn x 1 x 2. x n b 1 b 2. b m, (x 1 x 2... x n ) (0, 0,... 0). Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 7 / 23

Podejmujac decyzje szukamy zawsze rozwiazania lub zbioru rozwiazań, które zmaksymalizuje użyteczność wybranego działania i zminimalizuje poniesione koszty. Programowanie liniowe to maksymalizacja lub minimalizacja liniowej funkcji wielu zmiennych, gdy zmienne te, lub niektóre z nich, podlegaja liniowym warunkom ograniczajacym w postaci równań lub nierówności. Nazwa "programowanie" wskazuje w tym kontekście na schemat działań. Maksymalizację funkcji f można zastapić minimalizacja funkcji f. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 8 / 23

Szczególne zastosowanie programowania liniowego: optymalny wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo w celu zmaksymalizowania zysku lub przychodu ze sprzedaży wybór technologii produkcji określenie skali czy intensywności dostępnych procesów technologicznych, aby wytworzyć określone ilości produktów przy możliwie najniższych kosztach optymalizacja składu mieszanin jakie ilości produktów żywnościowych należy zakupić, aby przy racjonalnym zaspokojeniu potrzeb organizmu obniżyć do minimum koszty wyżywienia Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 9 / 23

Przykład Chcemy zmaksymalizować funkcję 50x + 100y przy ograniczeniach 1) 10x + 5y 2500, 2) 4x + 10y 200 3) x 0 i y 0. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 10 / 23

Przykład zagadnienie optymalizacji diety Wiemy, że 1 kg chleba zawiera 75 g białka i ma 2500 kalorii, a 1 kg sera zawiera 250 g białka i ma 5000 kalorii. Dzienna dieta powinna zawierać co najmniej 100 g białka i mieć 3000 kalorii. Należy znaleźć najtańsza dietę, złożona z chleba i sera, przy założeniu, że 1 kg chleba kosztuje 5 zł, a sera 20 zł. Niech x będzie poszukiwana liczba kilogramów chleba, a y sera. Mamy: min ( 5x + 20y ) cena 2500x + 5000y 3000 kaloryczność 75x + 250y 100 zawartość białka x 0, y 0 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 11 / 23

Inaczej: min ( 5x + 20y ) 2500x 5000y 75x 250y x 0, y 0 3000 100 lub równoważnie (warunki zapisane jako układ równań) min ( 5x + 20y ) 2500x 5000y + z 1 75x 250y + z 2 x 0, y 0, z 1 0, z 2 0 = 3000 = 100 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 12 / 23

Graficzne rozwiazanie zagadnień programowania liniowego Jeżeli w modelu zagadnienia programowania liniowego występuja dwie zmienne decyzyjne (x i y), to rozwiazanie takiego zadania możemy wyznaczyć graficznie. w układzie współrzędnych zaznaczamy zbiór punktów spełniajacych wszystkie warunki (ograniczenia). Otrzymujemy pewien wielobok, który jest zbiorem rozwiazań dopuszczalnych. Jeżeli zbiór rozwiazań dopuszczalnych jest ograniczony i domknięty to liniowa funkcja celu osiaga wartość najmniejsza i największa. Liniowa funkcja celu może przyjmować wartości ekstremalne albo w wierzchołkach albo na całych krawędziach. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 13 / 23

Schemat 1 zaznaczamy na rysunku warstwicę F(x, y) = 0 (prosta określajaca zerowa wartość funkcję celu). Należy znaleźć taki punkt ze zbioru rozwiazań dopuszczalnych, w którym prosta równoległa do F(x, y) = 0 jest najdalej odsunięta w górę. Funkcja celu F(x, y) osiaga tam wartość największa. warstwica F(x, y) = z max najbardziej wysunięta w górę, wyznacza największa wartość funkcji celu (z wykresu odczytujemy wierzchołek (x, y) i stad mamy osiagan a wartość największa) warstwica F(x, y) = z min najbardziej wysunięta w dół, wyznacza najmniejsza wartość funkcji celu (z wykresu odczytujemy wierzchołek (x, y) i stad mamy osiagan a wartość najmniejsza) Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 14 / 23

Schemat 2 (trochę prostszy) 1) wyznaczyć obszar rozwiazań dopuszczalnych 2) wyznaczamy wierzchołki tego obszaru 3) wyznaczamy wartość funkcji celu we wszystkich wierzchołkach 4) Jeżeli obszar dopuszczalnych decyzji jest ograniczony i domknięty, to spośród tych wartości wybieramy wartość największa i najmniejsza. 5) Jeżeli obszar dopuszczalnych decyzji nie jest ograniczony i domknięty, to maksimum albo minimum nie istnieje. 6) Jeżeli ta sama wartość ekstremalna jest przyjmowana w kilku wierzchołkach, to analizujemy rysunek, czy to ekstremum nie jest osiagane na całym boku. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 15 / 23

Przykład 1 Znaleźć najmniejsza i największa wartość funkcji F(x, y) = 50x + 100y przy warunkach 10x + 5y 2500, 4x + 10y 200 x 0, y 0. y 2x + 500 y 2 5 x + 20, x 0, y 0 Rysunek: zbiór dopuszczalnych decyzji Rysunek: zbiór dopuszczalnych decyzji (w przybliżeniu ) Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 16 / 23

wierzchołki (0, 0), (50, 0), (0, 20) Sposób 1 F(x, y) = 0 50x + 100y = 0 y = 0.5x Rysunek: poziomica F (x, y) = 0 i jej przesunięcia przechodzace przez wierzchołki Widać że najwyżej w górę przesunięta jest poziomica przechodzaca przez wierzchołek (50, 0), zatem F max = F(50, 0) = 50 50 + 100 0 = 2500. Widać że najniżej wysunięta jest poziomica przechodzaca przez wierzchołek (0, 0), zatem F min = F(0, 0) = 50 0 + 100 0 = 0. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 17 / 23

Sposób 2: x y F(x, y) = 50x + 100y 0 0 0 min 50 0 2500 max 0 20 2000 F max = F(50, 0) = 2500 F min = F(0, 0) = 0 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 18 / 23

Przykład 2 Znaleźć najmniejsza i największa wartość funkcji F(x, y) = 5x + 20y przy warunkach 2500x 5000y 75x 250y x 0, y 0 3000 100 y 0.5x + 0.6 y 0.3x + 0.4, x 0, y 0 Rysunek: zbiór dopuszczalnych decyzji Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 19 / 23

wierzchołki :(0, 0.6), ( 4 3, 0), (1, 0.1) Sposób 1 Poziomica F(x, y) = 0 5x + 20y = 0 y = 1 4 x ponieważ 0.25 > 0.3 (porównujac współczynniki kierunkowe zerowej poziomicy i prostych opisujacych brzeg), to przesuwajac poziomicę y = 1 4x w górę, pierwszym punktem, w którym dotknie ona zbioru dopuszczalnych decyzji jest wierzchołek ( 4 3, 0) F max nie jest osiagana, bo obszar dopuszczalnych decyzji jest nieograniczony F min = F( 4 3, 0) = 20 3 Sposób 2: x y F(x, y) = 5x + 20y 0 0.6 12 4 20 3 0 3 min 1 0.1 7 F max nie istnieje, bo obszar nieograniczony F min = F( 4 3, 0) = 20 3 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 20 / 23

Przykład 3 Znaleźć największa i najmniejsza wartość funkcji F(x, y) = 3x + y przy warunkach 4x y 4 3x + y 6 x y 6 x 0, y 0 y 4x 4 y 3x + 6, y x 6 x 0, y 0 Rysunek: zbiór dopuszczalnych decyzji Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 21 / 23

zbiór rozwiazań dopuszczalnych jest nieograniczony wierzchołki : (2, 0), (6, 0), (1 3 7, 1 5 7 ) Poziomica F(x, y) = 0 3x + y = 0 y = 3x ponieważ poziomica y = 3x jest równoległa do prostej y = 3x + 6, to z min = 6 dla wszystkich punktów na prostej y = 3x + 6 dla x ( 10 7, 2) z max nie jest osiagana Sposób 2: x y F(x, y) = 3x + y 2 0 6 min 6 0 18 1 3 7 1 5 42 7 7 = 6 min F max nie istnieje, bo obszar nieograniczony F min = 6 na całym odcinku y = 3x + 6 dla x ( 10 7, 2), bo prosta y = 3x + 6 jest równoległa do poziomicy y = 3x. Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 22 / 23

Dziękuję za uwagę! Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 23 / 23