WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min

Podobne dokumenty
teorii optymalizacji

ZAGADNIENIE TRANSPORTOWE

Podprzestrzenie macierzowe

1. Relacja preferencji

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

11/22/2014 STRATEGIE MIESZANE - MOTYWACJA. ROZWAśMY PRZYKŁAD:

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu

m) (2.2) p) (2.3) r) (2.4)

Portfel złożony z wielu papierów wartościowych

Badania Operacyjne (dualnośc w programowaniu liniowym)

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Indukcja matematyczna

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

06 Model planowania sieci dostaw 1Po_1Pr_KT+KM

Zaawansowane metody numeryczne

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

PROGRAMOWANIE LINIOWE.

Regresja REGRESJA

05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

Definicje ogólne

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

Zmiana bazy i macierz przejścia

Prawdopodobieństwo i statystyka r.

Programowanie celowe #1

Analiza Matematyczna Ćwiczenia. J. de Lucas

Projekt 2 2. Wielomiany interpolujące

5. OPTYMALIZACJA NIELINIOWA

ma rozkład normalny z nieznaną wartością oczekiwaną m

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

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

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7


Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

3. OPTYMALIZACJA NIELINIOWA

Planowanie eksperymentu pomiarowego I

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

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

METODY KOMPUTEROWE 1

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera)

AKADEMIA MORSKA W SZCZECINIE

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

... MATHCAD - PRACA 1/A

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

JEDNOWYMIAROWA ZMIENNA LOSOWA

Lista 6. Kamil Matuszewski 26 listopada 2015

FUNKCJE DWÓCH ZMIENNYCH

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Funkcja wiarogodności

n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe

Matematyka dyskretna. 10. Funkcja Möbiusa

Tablice wzorów Przygotował: Mateusz Szczygieł

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

INSTRUKCJA DO ĆWICZENIA NR 2

Niech Φ oznacza funkcję zmiennej x zależną od n + 1 parametrów a 0, a 1, K, a n, tj.

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

WIELOWYMIAROWE REGUŁY ASOCJACJI W MODELOWANIU TENDENCJI ROZWOJOWYCH MSP

Modelowanie i Analiza Danych Przestrzennych

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

RUCH WOLNOZMIENNY W KORYTACH PRYZMATYCZNYCH

Rozkład χ 2 = + 2π 2. Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej:

System finansowy gospodarki

Podstawy opracowania wyników pomiarowych, analiza błędów

VI. TWIERDZENIA GRANICZNE

J. Wyrwał, Wykłady z mechaniki materiałów METODA SIŁ Wprowadzenie

Pomiary parametrów napięć i prądów przemiennych

Spójne przestrzenie metryczne

Teoria i metody optymalizacji

Prawdopodobieństwo i statystyka r.

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

Modelowanie niezawodności i wydajności synchronicznej elastycznej linii produkcyjnej

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x

χ 2 = + 2π 2 Niech zmienna losowa x ma rozkład normalnyn(x; µ,σ). Znajdziemy rozkład zmiennej: σ

ROZKŁADY ZMIENNYCH LOSOWYCH

będą niezależnymi zmiennymi losowymi o tym samym 2 x

FINANSE II. Model jednowskaźnikowy Sharpe a.

ĆWICZENIE 5 TESTY STATYSTYCZNE

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Analiza Matematyczna I.1

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA

BADANIE UKŁADÓW ZAWIERAJĄCYCH WZMACNIACZE OPERACYJNE

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

Transkrypt:

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORAORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX Probley prograowae celowego lorazowego to probley prograowae ateatyczego elowego, który oża sktecze zlearyzować (zapsać rozwązać ako proble prograowaa lowego, którego rozwązae będze edocześe rozwązae proble elowego lb a ego podstawe będze oża edozacze e odczytać). Prograowae celowe Postać probleów prograowaa celowego: k = w c Ax { = } b x c kerek optyalzac fkc cel alzaca; sa k ważoych odłów; skalare współczyk c azywae są cela; wartośc wyrażeń c x aą dążyć do odpowedch celów; wele celów do edoczesego osągęca; aeszą ożlwą wartoścą fkc cel est ; cele est zalezee rozwązaa, które charakteryze sę alą odchyłką; wartość fkc cel est kotrolowaa za poocą wag w ( wększa waga w, ty stotesze est osągęce cel c ). Learyzac proble prograowaa celowego (Chares Cooper) rozkład dowolych wartośc rzeczywstych a różcę dwóch wartośc eeych; operacę rozkład oża zastosować do dowolego wyrażea; rozkład est edozaczy, gdy przye sę, że co ae eda z tych wartośc est staloa wyos ; dla probleów prograowaa wypkłego ograczee zapewaące, że eda z wartośc est rówa oża poąć, a rozwązae będze take sae (przy alzac fkc cel wartośc par zeych będą tak doberae, by eda z ch przyowała wartość ); rówoważa postać proble prograowaa lowego: k = w ( y + z ) bezpośrede odczytae rozwązań. c x c y z = y Ax { = }b z - -

Zadaa: I. Sforł proble prograowaa celowego, a pote sforł odpowadaące zadae prograowaa lowego dla astępącego proble: sporządź eszakę trzech pasz F, G oraz H, które zaweraą odpowedo 5, 3 edostkę sbstac odżywcze a a klogra paszy F, G H; 4, 5 2 edostk sbstac odżywcze b a klogra paszy F, G H oraz 2, 4 edostk sbstac odżywcze c a klogra paszy F, G H. Ilość sbstac odżywcze a, b oraz c w eszace e oże być esza ż odpowedo 5, 25 7 edostek. Łącza waga eszak e oże przekraczać 8 klograów. Zadae polega a wyzacze takego skład eszak, by sa odchyleń wag paszy F od 6kg, wag paszy G od 7kg wag paszy H od 3kg była w powstałe eszace ala. Rozwązae: X F waga paszy F w eszace, X G waga paszy G w eszace, X H waga paszy H w eszace PC: X F 6 + X G 7 + X H 3 5 X F + 3 X G + X H 5 4 X F + 5 X G + 2 X H 25 2 X F + 4 X G + X H 7 X F + X G + X H 8 X F, X G, X H Postać zlearyzowaa: y + z + y 2 + z 2 + y 3 + z 3 p.o X F 6 = y - z X G 7 = y 2 - z 2 X H 3 = y 3 - z 3 5 X F + 3 X G + X H 5 4 X F + 5 X G + 2 X H 25 2 X F + 4 X G + X H 7 X F + X G + X H 8 X F, X G, X H, y, z, y 2, z 2, y 3, z 3 II. Doprowadzć do postac proble prograowaa lowego (przykład z plk p-celowe.pdf, Lab2-PC-exaple.xls): x + 2x2-5 + 3x + 2x2-7 + 2x + x2-3 5x + 7x2 =< x, x2 >= III. Doprowadzć do postac proble prograowaa lowego: 3 4x + 2x2-7 + 2 x + 3x2-4 x + 3x2 >= 8 x x2 =< x, x2 >= - 2 -

IV. Uwaga: dla zadaa I dla wers by aks po odchyleach wag paszy F od 6kg, wag paszy G od 7kg wag paszy H od 3kg było w powstałe eszace ale f. cel a postać: trzeba dokoać learyzc proble -ax. Proble -ax (proble Czebyszewa): Ax { = } b Learyzaca: α w ( c x c ), = k Ax { = }b,..., ax{ X F 6, X G 7, X H 3 } -> ax{ w ( c x c )} α Ogóle wyprowadzee zakłada chęć osągęca cel (czyl rówość optyalzowaego wyrażea z wartoścą skalarą). Cele ogą eć róweż postać wyrażeń typ co ae co awyże : dla celów typ co ae odchylea w górę są pożądae; dla celów typ co awyże odchylea w dół są pożądae W tych przypadkach odpowede wag w fkc cel są zerowe. V. Zespół akwzytorów odwedza starych owych kletów. Przecęte akwzytor pośwęca 2h a edo spotkae ze stary klete 3h z owy. Stary klet przyos przecęte 25 PLN przychod a esąc, a owy 25 PLN. Należy stalć l starych, a l owych kletów odwedzać, eżel stee astępący zbór celów, które ależy spełć: przychody sza wyosć co ae 7 PLN; czas pracy s wyosć. 6, aks. 68 godz ależy odwedzć co ae 2 starych kletów. VI. Sprawdź, czy podae że cele są sprzecze (tygodowy pla prodkc 3 wyrobów). Zapsać proble prograowaa lowego do sprawdzea sprzeczośc wykorzystać solver (Lab2-PCexaple.xls). Paraetry Wartośc docelowe Przychody (PLN/t) 2 9 5 Co ae 25 Zatrdee (os/t) 5 3 4 Dokłade 4 Koszty prodkc (PLN/t) 5 7 8 Co awyże 55 Rozwązać zadae etodą prograowaa celowego (z waga rówy ). - 3 -

Prograowae celowe ako alteratywa dla regres (le fttg): f = β β +... + β x ( x) ft + x Daych est obserwac: (x,,x ; f(x )) (x,,x ; f(x )) Chcey zaleźć współczyk β, które zalzą odchylea od rzeczywste wartośc y: ( y + z ) = f ( x... f ( x y, z + β x + β x, =,..., β, =,..., ) ( β ) ( β +... + β x +... + β x ) = y ) = y z z VII. Sforł proble prograowaa lowego, który pozwol a zyskae paraetrów a,b fkc lowe f(x) = ax + b (a, b ), które zalzą sę odchyłek dla dwóch rzeczywstych obserwac (x, f(x )): (, 3) oraz (3, 8). Rozwąż zadae Lab2-zadae_pc.xls - 4 -

2. Prograowae lorazowe Postać probleów prograowaa lorazowego: / ax c d x + c x + d Ax { = } b d x + d > kerek optyalzac fkc cel alzaca lb aksyalzaca; osągęce aks efekt przy rówoczese alzac akładów; fkca cel to loraz dwóch wyrażeń lowych; wydaość, koszt edostkowy; Learyzac proble prograowaa lorazowego (Chares Cooper) przy aksyalzac fkc cel lczk o ak awększe wartośc, aowk o ak aesze wartośc; trdo kotrolować wyrażea edocześe, alepe stalć wartość aowka p. a pozoe ; wprowadzee owych zeych x =, =,..., d x + d = d x + d lorazowa fkca cel przye postać zwykłe fkc lowe (aowk est rówy ); postać rówoważego proble prograowaa lowego: / ax c + c d + d = A{ = } b (po otrzya rozwązaa ależy sprawdzć, czy zachodz > ) odczytae rozwązaa perwotego proble: x =, =,..., - 5 -

Zadaa:. Sforł proble optyalzac skład eszak złożoe z 2 sbstac: I oraz II. Każda sbstaca zawera 2 składk oraz 2. Zae są lośc każdego składka w eszace. Należy aksyalzować zysk z prodkc (poeszoy o 9, które właśccel zawsze berze dla sebe w taecy przed y) w stosk do koszt zakp sbstac powększoego o stałą wartość rówą 5. Nastpe sforł te proble w postac zlearyzowae. Składk Sb. I Sb. II Wyaga lość składka w eszace 4 7 Co ae 85 2 2 3 Co awyże 6 Zysk ed. 5 62 Stały bytek w zysk = 9 Cea ed. 2 3 Koszt stały = 5 Rozwązae: X lość sbstac I w eszace X 2 lość sbstac II w eszace PI: ax (5 X + 62 X 2 9) / (2 X + 3 X 2 + 5) 4 X + 7 X 2 85 2 X + 3 X 2 6 X, X 2 Postać zlearyzowaa: = /(2 X + 3 X 2 + 5) = X /(2 X + 3 X 2 + 5) 2 = X 2 /(2 X + 3 X 2 + 5) Maowk est zawsze dodat ax 5 + 62 2 9 2 + 3 2 + 5 = 4 + 7 2 85 2 + 3 2 6, 2 (pote ależy sprawdzć, czy > ) - 6 -

2. Zadae (Lab2-PI-exaple.xls): Dae są astępące ograczea: () x + 3x2 =< 5 (2) x + 3x2 >= 9 (3) x >=.5 (4) x2 >=.5 Zadź optyale rozwązae, gdy fkca zysk est astępąca: Max 2x + 4x2 + 6 Zadź optyale rozwązae, gdy fkca koszt est astępąca: M x + x2 + 2 Zadź rozwązae koprosowe, gdy fkca cel przybera postać: Max (2x + 4x2 + 6)/(x + x2 + 2) Zapsz postać rówoważego proble prograowaa lowego (wyraź wzora owe zee decyzye) Rozwąż zadae Lab2-zadae_pc_p.xls. Na ego podstawe wkrótce (aprawdopodobe za dwa tygode) trzeba będze wypełć ały raport. - 7 -