Teoria i metody optymalizacji

Podobne dokumenty
Metoda najszybszego spadku

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

Ciągi liczbowe wykład 3

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

Rachunek różniczkowy funkcji wielu zmiennych

Twierdzenia o funkcjach ciągłych

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Analiza I.1, zima wzorcowe rozwiązania

3 Arytmetyka. 3.1 Zbiory liczbowe.

Podprzestrzenie macierzowe

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne (wykład 6 _ZP) [1] ZAGADNIENIE PRZYDZIAŁU (ZP) (Assignment Problem)

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n 4n n 1

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

PODSTAWOWE ZAGADNIENIA METODOLOGICZNE

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

1. Granica funkcji w punkcie

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy transportowe cd, Problem komiwojażera

INDUKCJA MATEMATYCZNA

Podprzestrzenie macierzowe

Analiza I.1, zima globalna lista zadań

Ciągi i szeregi liczbowe. Ciągi nieskończone.

I kolokwium z Analizy Matematycznej

Zaawansowane programowanie

Egzamin maturalny z informatyki Poziom rozszerzony część I

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Zadania z algebry liniowej - sem. I Liczby zespolone

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

Wyższe momenty zmiennej losowej

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

Lista 6. Estymacja punktowa

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R

Rozkład normalny (Gaussa)

Funkcja generująca rozkład (p-two)

Pattern Classification

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

Estymacja przedziałowa

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

Chemia Teoretyczna I (6).

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2012 POZIOM PODSTAWOWY CZĘŚĆ I WYBRANE: Czas pracy: 75 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

Prawdopodobieństwo i statystyka r.

Wykład 11. a, b G a b = b a,

Matematyka ubezpieczeń majątkowych r.

ELEMENTY SYSTEMÓW KOLEJKOWYCH

8. Optymalizacja decyzji inwestycyjnych

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

a 1, a 2, a 3,..., a n,...

Parametryzacja rozwiązań układu równań

Statystyka matematyczna. Wykład II. Estymacja punktowa

Prawdopodobieństwo i statystyka r.

Zestaw zadań do skryptu z Teorii miary i całki. Katarzyna Lubnauer Hanna Podsędkowska

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

7. OBLICZENIA WIELKOŚCI ZWARCIOWYCH ZA POMOCĄ KOMPUTERÓW

θx θ 1, dla 0 < x < 1, 0, poza tym,

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

Analiza matematyczna i algebra liniowa

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

Metody badania zbieżności/rozbieżności ciągów liczbowych

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

Twierdzenia graniczne:

Wyznaczenie prędkości pojazdu na podstawie długości śladów hamowania pozostawionych na drodze

Czas trwania obligacji (duration)

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2013/14

EGZAMIN MATURALNY Z INFORMATYKI

Gramatyka operatorowa

Transkrypt:

eoria i metody optymalizaci Programowaie liiowe całowitoliczbowe PCL Metodologia podziału i ograiczeń Brach ad Boud (B&B) ma c A Z echique Metodologia podziału i ograiczeń B&B { A b i Z } Podstawą metodologii B&B est przegląd drzewa rozwiązań. Wyorzystue się at sończoości zbioru moŝliwych wartości zmieych całowitoliczbowych w przypadu ograiczoych zadań PCL. Etapy metody: -podział -gałęzieie -obliczaie górych i dolych oszacowań uci celu. Osłabieie tóre prowadzi do zadaia PL: { A b } eoria i metody optymalizaci eoria i metody optymalizaci Metodologia podziału i ograiczeń B&B Metodologia podziału i oszacowań B&B Podział. Przymimy Ŝe zadaie PL zostało rozwiązae dla wierzchoła v przy czym () ma ie wszystie sładowe całowitoliczbowe. Przyładowo iech pewa zmiea ] Podział tóry est przy tym rozbiciem zbioru est astępuący: * i { i { < i i <. ]} { < y > }} Gdzie <a> est amieszą liczbą całowitą więszą lub rówą a [a] zaś ozacza awięszą liczbę całowitą mieszą lub rówą a. i ończoość. ZałóŜmy Ŝe aŝda ze zmieych est ograiczoa i e graica góra wyosi u. Niech { A α H { α β u β u całowite... } całowite... }. Zadaie PL est poŝądaym osłabieiem zadaia PCL gdyŝ dołączoe ograiczeia daą górą i dolą graicę dla poszczególych zmieych. Zagadieia PL przy załoŝeiu ograiczoości zmieych rozwiązue się algorytmem dualym symples. eoria i metody optymalizaci eoria i metody optymalizaci Metoda Brach ad Boud Ograiczeia a zares zmieych Oparta a podeściu podział i ograiczeie Ogóla idea metody polega a wyborze zmiee do podziału i rozwiązywaiu zadań PL KaŜdy podział zawęŝa zbiór rozwiązań dopuszczalych Wartość optymala uci celu LP est górym ograiczeiem optymale wartości uci celu PCL. Wartość uci celu PCL dla dowolego rozwiązaia całowitoliczbowego est dolym ograiczeiem optymale wartości uci celu PCL. PCL LP ograiczeia a całowitoliczbowość zmieych Narzuceie idywidualego zaresu dopuszczalych wartości poszczególym zmieym ie spełiaących waruów całowitoliczbowości d d g [ ] [ ] g Przymue się Ŝe: d g M M - dostateczie duŝa liczba całowita eoria i metody optymalizaci eoria i metody optymalizaci

eoria i metody optymalizaci Ograiczeia a olee zmiee Graicza reprezetaca przestrzei rozwiązań za pomocą drzewa biarego W sesie geometryczym w zbiorze rozwiązań dopuszczalych zadaia PL wyciae est pasmo rozwiązań: [ ] < [ ] < co prowadzi do podziału tego zbioru a dwa podzbiory. eoria i metody optymalizaci eoria i metody optymalizaci. Zasady usuwaia zadań z listy zadań Zadaie PL est sprzecze Zadaie PL zostało uŝ podzieloe Istiee zadaie spełiaące warue całowitoliczbowości o więsze wartości uci celu.. Zasady dzieleia zadaia w przypadu problemu masymalizaci Gdy ie est spełioy warue całowitoliczbowości ale zadaie PL ma awięszą wartość uci celu spośród zadań zaduących się a liście. Przyład zadaia PCL ma 6 Rozwiązaie PL - - X - 9 7 8 6 6 Rozwiązaie PCL 6 - -7 - X X eoria i metody optymalizaci eoria i metody optymalizaci Drzewo rozwiązań Przyład zadaia PCL [ ] [..] 9 [ 86] ma 7 8 [.667 ] Zbiór pusty Rozwiązaie PL..8.....6.6...6. Rozwiązaie PCL eoria i metody optymalizaci eoria i metody optymalizaci

eoria i metody optymalizaci Przegląd pośredi metodologia podziału i ograiczeń dla wetora biarego Przegląd pośredi metodologia podziału i ograiczeń dla wetora biarego śądaie biarości wetora ie est ograiczeiem zadaia gdy est zaa sończoa góra g graica u dla sładowe dla Zi u { s... sp} Jest oo rówowaŝe uładowi ograiczeń: p s δ δ dla p aŝ dego δ lub... pdlaaŝ dego Etapy metody: podział wybór pewe zmiee i przyęcie oraz { { } { } * F { Wi } { W i } { W } eoria i metody optymalizaci eoria i metody optymalizaci Podział pośredi Programowaie liiowe całowitoliczbowe metodologia odcięć oszacowaia wierzchołowi v przyporządoway est problem: ma z c c F ai bi ai si i... m F lub F. ma { A ZałóŜmy Ŝe istieą oraz taie Ŝe: A c b i { A A } Z oraz zadaie osłabioe w stosuu do zadaia (): ma ma całowitoliczbowe rozwiązaie optymale opt. Wówczas opt est rozwiązaiem optymalym zadaia (). c }. () eoria i metody optymalizaci eoria i metody optymalizaci Metoda odcięć Odcięcia w metodzie orm całowitych () ZałóŜmy Ŝe mamy reprezetacę problemu () w postaci R N eoria i metody optymalizaci ma c Q { A }. y y i... m i RN i Podstawowe odcięcie cie ([ h ] yi [ hyi ]) [ h] yi [ hyi] RN y RN ( y s i ( i ] eoria i metody optymalizaci i i i i ] RN i i ]) i i RN i i RN ] y i s musi być liczbą całowitą: i i s. ]. ) ( i ] est całowite. RN i ] )

eoria i metody optymalizaci Zadaie programowaia liiowego PL dla zmieych całowitych ma X / / / / -/ / 9/ / -/ / - / s - - X : 6 Z Rozwiązaie zadaia PL dla R z dodaym odcięciem dla zmiee s Wybrae odcięcie: s MoŜliwe odcięcia: Kolee iterace algorytmu odcięć metoda dualą simples ablica optymala ale ie całowitoliczbowa s / / / / -/ / / / -/ - - s s 7 - - - - - Dodao owe odcięcie s s / / / / -/ / / / -/ - - s -/ -/ -/ Rozwiązaie dopuszczale optymale i całowitoliczbowe [ s s ] [] 7 eoria i metody optymalizaci eoria i metody optymalizaci Heurystycze reguły wyboru wiersza źródłowego Reguły wyboru wiersza w metodzie orm całowitych NaleŜy zbudować odcięcie a agłębsze tz. usuwaące awięszy moŝliwy obszar ie zawieraący putów całowitoliczbowych. Odcięcie stae się głębsze eśli i a i PoŜądae est aby i było moŝliwie duŝe a i było moŝliwie małe dla R N ( I ) ( II ) ( III ) r ma i i r i ma i r i RN R N r i ma i r Dla oreśloego i R N eoria i metody optymalizaci eoria i metody optymalizaci Badaie całowitoliczbowości rozwiązaia PCL Optymale rozwiązaie zadaia PCL W obliczeiach omputerowych liczba rzeczywista r est tratowaa ao liczba całowita eśli mi { r } ε Nierozpozaie całowitoliczbowości moŝe powodować: wyoaie iepotrzebych iteraci dołączeie iepoprawych odcięć r Rozwiązaie dopuszczale zadaia PCL est ego rozwiązaiem optymalym gdy są spełioe trzy warui: (i) prymara dopuszczalość y i i... m (ii) całowitoliczbowość y i całowite i...m; (iii) duala dopuszczalość y dla wszystich R N ; utratę rozwiązaia optymalego. I a odwrót błęde stwierdzeie całowitoliczbowości moŝe spowodować iepoprawe zaończeie obliczeń. eoria i metody optymalizaci eoria i metody optymalizaci

eoria i metody optymalizaci Przegląd algorytmów metodologii odcięć. Metoda orm całowitych- ie spełioy warue całowitoliczbowości y i dla i...m. Całowitoliczbowy algorytm dualy ie spełioy warue prymale dopuszczalości: y i dla i... m. Całowitoliczbowy algorytm prymaly ie spełioy warue duale dopuszczalości: y dla R N Algorytm odcięć dla zadaia PCL Kro Zadź rozwiązaie spełiaące dwa spośród trzech wymieioych waruów. Idź do Krou. Kro - est a optymalość Jeśli trzeci warue est spełioy top. W przeciwym wypadu idź do Krou. Kro - Odciaie i elimiaca Doda odcięcie z odpowiedio dobraą wartością h. Dooa elimiaci aby zachować dwa wybrae warui. MoŜe zaistieć oieczość wyoaia więsze liczby roów elimiaci. Wróć do Krou. eoria i metody optymalizaci eoria i metody optymalizaci Czy procedura rozwiązaia zadaia PCL dla zmieych rzeczywistych a późie zaorągleie wyiów do wartości całowitych est prawidłowa?? Rozwiązaie zadaia PCL Wetor rozwiązań Wartość PrzybliŜeie całowite Wartość [.;.]. [] Zadaie sprzecze [] 8 Zadaie PCL [[] eoria i metody optymalizaci