WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA

Podobne dokumenty
Wspomaganie Decyzji. Roman Słowiński. Zakład Inteligentnych Systemów Wspomagania Decyzji. Instytut Informatyki. Politechniki Poznańskiej

ZAGADNIENIE TRANSPORTOWE(ZT)

OPTYMALIZACJA W LOGISTYCE

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

ORIGIN 1. E 10GPa - moduł Younga drewna. 700 kg m 3. g - ciężar właściwy drewna g m s 2. 6cm b2 6cm b3 5cm 12cm h2 10cm h3 8cm. b1 h1.

MACIERZE. ZWIĄZEK Z ODWZOROWANIAMI LINIOWYMI.

Klasyczne zagadnienie przydziału

Metody numeryczne. materiały do ćwiczeń dla studentów. 1. Teoria błędów, notacja O

O MACIERZACH I UKŁADACH RÓWNAŃ

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w

Ekoenergetyka Matematyka 1. Wykład 3.

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:

OPTYMALIZACJA DYSKRETNA

2. Szybka transformata Fouriera

Analiza matematyczna i algebra liniowa Macierze

MECHANIKA BUDOWLI. Linie wpływu sił w prętach kratownic statycznie niewyznaczalnych

Zagadnienie transportowe

Planowanie przedsięwzięć

Modele sieciowe. Badania operacyjne Wykład 6. prof. Joanna Józefowska

3. Macierze i Układy Równań Liniowych

MODELE SIECIOWE 1. Drzewo rozpinające 2. Najkrótsza droga 3. Zagadnienie maksymalnego przepływu źródłem ujściem

Algorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1

Notacja Denavita-Hartenberga

ZAGADNIENIA TRANSPORTOWE

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT).

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

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI

Algorytmiczna teoria grafów Przepływy w sieciach.

TEORIA GRAFÓW I SIECI

Algebra liniowa. Macierze i układy równań liniowych

Matematyczne Podstawy Informatyki

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

1 Macierze i wyznaczniki

Stateczność ramy drewnianej o 2 różnych przekrojach prętów, obciążonej siłą skupioną

det[a 1,..., A i,..., A j,..., A n ] + det[a 1,..., ka j,..., A j,..., A n ] Dowód Udowodniliśmy, że: det[a 1,..., A i + ka j,..., A j,...

Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy. Dla dowolnego zbioru B Y określamy jego przeciwobraz:

G. Wybrane elementy teorii grafów

Zestaw 12- Macierz odwrotna, układy równań liniowych

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Macierze. Rozdział Działania na macierzach

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Zarządzanie projektami

Programowanie liniowe

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

ZAGADNIENIE TRANSPORTOWE

M1 M2 M3 Jednostka produkcyjna W1 6h 3h 10h h/1000szt 2zł W2 8h 4h 5h h/100szt 25zł Max. czas pracy maszyn:

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Układy równań i nierówności liniowych

Rozwiązywanie układów równań liniowych

- 1 - STATYSTYCZNY ANALIZATOR RULETKI (SAR) Główne obliczenia

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

TEORIA GRAFÓW I SIECI

Definicja problemu programowania matematycznego

Wymagania programowe w porządku związanym z realizacją programu

Zagadnienie transportowe

Matematyczne Podstawy Informatyki

Marek Miszczyński KBO UŁ. Wybrane elementy teorii grafów 1

Rys Wykres kosztów skrócenia pojedynczej czynności. k 2. Δk 2. k 1 pp. Δk 1 T M T B T A

1. Algorytmy przeszukiwania. Przeszukiwanie wszerz i w głąb.

Własności wyznacznika

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe

Lista 0. Kamil Matuszewski 1 marca 2016

Kurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 6 Teoria funkcje cz. 2

WYKŁAD 3 WYPEŁNIANIE OBSZARÓW. Plan wykładu: 1. Wypełnianie wieloboku

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Techniki optymalizacji

Harmonogramowanie przedsięwzięć

Wprowadzenie do badań operacyjnych - wykład 2 i 3

Programowanie liniowe

OPTYMALIZACJA W LOGISTYCE

1. Który z warunków nie jest właściwy dla powyższego zadania programowania liniowego? 2. Na podstawie poniższej tablicy można odczytać, że

Zestaw 12- Macierz odwrotna, układy równań liniowych

Metody eksploracji danych 6. Klasyfikacja (kontynuacja)

Licytacja działek budowlanych

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

13 Układy równań liniowych

Układy równań liniowych i metody ich rozwiązywania

Interpolacja. Interpolacja wykorzystująca wielomian Newtona

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

Lista. Algebra z Geometrią Analityczną. Zadanie 1 Przypomnij definicję grupy, które z podanych struktur są grupami:

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Wykład z Technologii Informacyjnych. Piotr Mika

I V X L C D M. Przykłady liczb niewymiernych: 3; 2

Programowanie liniowe. Tadeusz Trzaskalik

Użycie przestrzeni papieru i odnośników - ćwiczenie

1 Macierz odwrotna metoda operacji elementarnych

Wprowadzenie do metod numerycznych Wykład 3 Metody algebry liniowej I Wektory i macierze

5c. Sieci i przepływy

O KOSZTACH REALIZACJI PLANÓW EKSPERYMENTÓW CZYNNIKOWYCH

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Programowanie liniowe

Metoda eliminacji Gaussa. Autorzy: Michał Góra

Zaawansowane metody numeryczne

Definicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY

Opis wymagań do programu Matematyka klasa VI

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska

Wykład 7 Macierze i wyznaczniki

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

Transkrypt:

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA 1. Proble przydziału. Należy przydzielić zadań do wykonawców. Każde zadanie oże być wykonywane przez co najwyżej jednego wykonawcę i jeden wykonawca oże wykonywać co najwyżej jedno zadanie. Z wykonanie zadania i przez wykonawcę j związany jest pewien koszt c. Należy dokonać takiego przydziału, aby koszt wykonania był najniejszy. Min : z = ogr. : j = 1 i= 1 i= 1 j = 1 x = 1 x = 1 c x i = 1.. *) j = 1.. **) 1- zadanie i przydzielono do wykonawcy j x = 0 - w p.p. *) ograniczenie po wszystkich wykonawcach **) ograniczenie po wszystkich zadaniach x - zienne decyzyjne, oznaczające przydział (1) lub brak przydziału (0) zadania i do wykonawcy j. Ograniczenia gwarantują to, że każde zadanie zostanie wykonane. Zadanie przydziału jest zadanie zerojedynkowego prograowania liniowego. 2. Algoryt etody węgierskiej Macierz A (standardowo: wiersze - wykonawcy, koluny zadania, choć ożna algoryt stosować też układ jest odwrotny nie a to wpływu na działanie etody) - algoryt stosowany jest dla inializacji funkcji celu; jeśli chcey aksyalizacji to w acierzy A zienia się znaki na przeciwne ( Max z = i= 1 j= 1 ( c ) x ziana kosztów na ( c ) i liczyy Min ); - jeśli liczba wykonawców i liczba zadań jest różna, to acierz A uzupełnia się do acierzy kwadratowej zerai; - jeśli istnieje przydział zakazany (np. zadanie nr 1 do wykonawcy nr 2) to w odpowiednie iejsce w acierzy wstawia się znak. Przykład 1: 2 10 9 7 15 4 14 8 13 14 16 11 4 15 13 9 Krok 1: Jeśli inialny eleent w wierszu i jest różny od 0 to odej go od tego wiersza (krok powtórz dla wszystkich wierszy). 0 8 7 5 11 0 10 4 2 3 5 0 0 11 9 5 Krok 2: Jeśli inialny eleent w kolunie jest różny od zera to odej go od tej koluny (krok powtórz dla wszystkich kolun). Krok 3: W wierszu zawierający dokładnie jedno nie naznaczone 0 naznacz je sybole 0. Skreśl inne zera w tej kolunie aby nie powtórzyć przydziału wykonawcy. - 1 -

Krok 4: W kolunie zawierającej dokładnie jedno nie naznaczone 0, naznacz je sybole 0. Skreśl pozostałe zera w odpowiedni wierszu aby nie powtórzyć przydziału tego saego zadania. Krok 5: Powtarzaj krok 3 i 4 do oentu, gdy: a) każdy wiersz w A a przydział 0 albo b) w dwóch wierszach i kolunach są co najniej 2 nie naznaczone zera albo c) nienaznaczonych zer nie a i nie dokonano kopletnego przydziału. Krok 6: Jeżeli w kroku 5 było: a) przydział jest kopletny i optyalny, zakończ; b) naznacz sybole 0 dowolne nie naznaczone 0 (zazwyczaj naznacza się 0 najbardziej północno-zachodnie) i skreśl pozostałe zera w odpowiedni wierszu i kolunie; c) przejdź do kroku 7; -2 6 0 3-2 9 2 3 0 6 0 3 13 0 5 4 4 3 0 0 0 9 2 3 Krok 7: Oznacz sybole wiersz, w który nie dokonano przydziału. Krok 8: Oznacz sybole kolunę, która a zero w oznaczony wierszu. Krok 9: Oznacz nie oznaczone wiersze, które ają przydział w oznaczonych kolunach Krok 10: Powtarzaj kroki 8 i 9 aż do wyczerpania ożliwości oznaczania. Krok 11: Pokryj liniai nie oznaczone wiersze i oznaczone koluny Krok 12: Znajdź inialny niepokryty eleent i odej go od niepokrytych wierszy. Dodaj ten sa eleent do każdej pokrytej koluny. Wróć do kroku 3. Rozwiązanie końcowe dla powyższego przykładu: 0 6 0 3 13 0 5 4 4 3 0 0 0 9 2 3 Optyalny przydział dla rozważanego przykładu został osiągnięty: Przy taki przydziale zadań do wykonawców łączny koszt wykonania wynosi 28 i jest inialny (żeby odczytać koszt, odwołujey się do oryginalnej acierzy na wejściu etody). Z * = 9 + 4 + 11+ 4 = 28 Wykonawca Zadanie Koszt 1 3 9 2 2 4 3 4 11 4 1 4-2 -

Przykład 2: 6 11 6 6 11 11 6 6 6 6 11 11 6 6 11 11 Jeśli liczba linii pokrywających wszystkie zera jest równa liczbie naznaczonych zer, to znajdź inialny niepokryty eleent, odej go od niepokrytych (zaznaczonych) wierszy i dodaj do pokrytych (zaznaczonych) kolun, po czy wróć do kroku 3. W przeciwny razie przejdź do kroku 13. Krok 13: W1 Z1 Skonstruuj graf skierowany o 2+2 S W2 Z3 T wierzchołkach: s, w1,,wn, z1,,zn, t. Dla każdego naznaczonego zera (0) o współrzędnych (i,j) utwórz łuk zj wi; W4 Z4 dla zer skreślonych ( 0 ) o współrzędnych (i,j) - łuk wi zj; dla wierszy i bez przydziału - łuk s wi; dla kolun j bez przydziału łuk zj t. Krok 14: Z otrzyanego grafu utwórz sieć warstwową: do pierwszej warstwy wstaw wierzchołek s, do warstwy i+1 wstaw każdy wierzchołek, którego nie a w warstwie wcześniejszej, i do którego dochodzi łuk z dowolnego wierzchołka warstwy i. W ostatniej warstwie znajdzie się wierzchołek t. S W4 Z1 W1 Z3 W2 Z4 T Krok 15: Przesuwając się po dowolnej ścieżce od s do t utwórz tzw. ścieżkę powiększającą przepływ. Naznacz ( ) zera skreślone o współrzędnych (i,j), odpowiadające łukowi wi zj na tej ścieżce; cofn ( 0 ) przydział zer naznaczonych o współrzędnych (i,j), odpowiadających łukowi zj wi na tej ścieżce. Jeśli znaleziono przydział do zer, to jest on optyalny STOP. S W4 Z1 W1 Z3 W2 Z4 T Wykonawca Zadania Koszt 1 3 6 2 4 6 3 2 6 4 1 6 Z*=6+6+6+6=24-3 -

Przykład 3: Minializacja kosztu (jeśli konflikt skreśl 0 N-W (najniejszy wiersz, pote koluna)) 13 11 7 8 1 11 13 10 5 9 7 10 13 7 4 8 5 7 13 12 1 9 4 12 13 12 10 6 7 0 6 8 5 0 4 3 6 9 3 0 3 0 2 8 7 0 8 3 11 12 12 10 4 7 0 3 6 7 3 0 12 10 4 7 0 3 6 7 3 0 12 10 4 7 0 3 6 7 3 0 9 7 1 4 0 6 8 3 0 7 0 3 4 0 0 0 8 1 11 15 9 7 1 4 0 6 8 3 0 7 0 3 4 0 0 0 8 1 11 15 9 7 1 4 0 6 8 3 0 7 0 3 4 0 0 0 8 1 11 15 9 6 0 4 0 6 7 2 0 7 0 4 0 0 9 11 0 7 0 11 15 Ostatecznie: I 3, II 4, III 5, IV 2, V 1, łączny koszt = 7+5+4+5+1=22 Przykład 4: Minializacja (wynik łatwo przewidzieć, ale dla poćwiczenia rysowania sieci warstwowej przykład jest bardzo cenny ; jeśli konflikt skreśl 0 N-W (najniejszy wiersz, pote najniejsza koluna)) 3 5 3 3 3 5 5 3 3 3 3 3 3 3 3 3 3 3 5 5 3 3 3 5 5-4 -

Zadania (jedno z nich będzie na kolokwiu; dla ułatwienia w nawiasie podany jest optyalny wynik (tyko funkcja celu, bez przydziału)): Minializacja kosztu: (opt=17) 2 10 9 7 15 4 14 8 13 14 16 11 Maksyalizacja zysku: (opt=26) - 1 6 4 5 7 11 6 2 3 8 10 3 5 7 1 Maksyalizacja zysku: (opt=44) 11 7 11 11 7 7 11 11 11 11 7 7 11 11 7 7 Maksyalizacja zysku: (opt=38) 13 6 5 11 7 4-9 9 10 8 14 4 8 6 10 Minializacja kosztu: (opt=22) 13 11 7 8 1 11 13 10 5 9 7 10 13 7 4 8 5 7 13 12 1 9 4 12 13 Minializacja kosztu: (opt=14) 17 10 7 6 1 12 15 10 3 5 7 8 17 5 4 8 3 7 15 15 Minializacja kosztu: (opt=22) 18 13 8 9 13 18 11 6 8 11 18 8 9 6 8 18 2 10 5 16 Minializacja kosztu: (opt=25) 5 7 5 5 5 7 7 5 5 5 5 5 5 5 5 5 5 5 7 7 5 5 5 7 7-5 -