METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0

Podobne dokumenty
Wprowadzenie do badań operacyjnych - wykład 2 i 3

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

Badania Operacyjne Ćwiczenia nr 3 (Materiały)

Teoretyczne podstawy programowania liniowego

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

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

PROGRAMOWANIE KWADRATOWE

Programowanie liniowe

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Programowanie liniowe

Układy równań i nierówności liniowych

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Programowanie liniowe

Definicja problemu programowania matematycznego

OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH

(Dantzig G. B. (1963))

Programowanie liniowe

Programowanie liniowe

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

Metoda simpleks. Gliwice

Programowanie liniowe. Tadeusz Trzaskalik

Układy równań liniowych. Ax = b (1)

Programowanie matematyczne

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

1 Przykładowe klasy zagadnień liniowych

13 Układy równań liniowych

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Układy równań liniowych

Programowanie liniowe metoda sympleks


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

Układy równań liniowych i metody ich rozwiązywania

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja

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

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

Standardowe zadanie programowania liniowego. Gliwice 1

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4 " 5 3$ 7&=0 5$+7&=4

Programowanie celowe #1

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

ALGEBRA LINIOWA Z GEOMETRIĄ, LISTA ZADAŃ NR 8

BADANIA OPERACYJNE pytania kontrolne

Badania Operacyjne Ćwiczenia nr 4 (Materiały)

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

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego

OPTYMALIZACJA W LOGISTYCE

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

UKŁADY RÓWNAŃ LINIOWYCH

Wstęp do analizy matematycznej

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

Wykład 6. Programowanie liniowe

ZAGADNIENIE TRANSPORTOWE

Przekształcanie równań stanu do postaci kanonicznej diagonalnej

1 Zbiory i działania na zbiorach.

Metody wielokryterialne. Tadeusz Trzaskalik

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu

Przekształcenia liniowe

Układy równań. Kinga Kolczyńska - Przybycień 22 marca Układ dwóch równań liniowych z dwiema niewiadomymi

Algebra liniowa. Macierze i układy równań liniowych

Treść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.

Dualność w programowaniu liniowym

Programowanie liniowe

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Wykład 14. Elementy algebry macierzy

2. Układy równań liniowych

ZAGADNIENIE TRANSPORTOWE (część 1)

Elementy Modelowania Matematycznego

ZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej:

3. Macierze i Układy Równań Liniowych

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu:

Wielokryteriowa optymalizacja liniowa

BADANIA OPERACYJNE Zagadnienie transportowe

1. Zbadać liniową niezależność funkcji x, 1, x, x 2 w przestrzeni liniowej funkcji ciągłych na przedziale [ 1, ).

Wykład 5. Metoda eliminacji Gaussa

Rozdział 1 PROGRAMOWANIE LINIOWE

Zadania egzaminacyjne

RÓWNANIA I NIERÓWNOŚCI

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

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów

Zagadnienie transportowe

( 1) ( ) 16 Warunki brzegowe [WB] Funkcja celu [FC] Ograniczenia [O] b i ( 2) ( ) ( ) 14. FC max. Kompletna postać bazowa

Własności wyznacznika

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe

NAJWIEKSZY INTERNETOWY ZBIÓR ZADAŃ Z MATEMATYKI FUNKCJE KWADRATOWE PARAMETRY

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

O MACIERZACH I UKŁADACH RÓWNAŃ

PROGRAMOWANIE NIELINIOWE

Elementy Modelowania Matematycznego

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych

1 Rząd macierzy. 2 Liniowa niezależność. Algebra liniowa. V. Rząd macierzy. Baza podprzestrzeni wektorowej

A. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1

Programowanie liniowe

D. Miszczyńska, M.Miszczyński KBO UŁ, Badania operacyjne [1]

Algorytm simplex i dualność

Elementy modelowania matematycznego

cx cx 1,cx 2,cx 3,...,cx n. Przykład 4, 5

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...

Rozwiązania zadań z listy T.Koźniewskiego

Zakres materiału obowiązujący do egzaminu poprawkowego z matematyki klasa 1 d LO

Transkrypt:

METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 cx MAX Ax < b x > 0 Postać standardowa (kanoniczna): z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX 0,2 x 1 + 0,3x 2 = 18 - x 3 0,6 x 1 + 0,6x 2 = 48 - x 4 x 3, x 4 zmienne swobodne (niewykorzystane moce produkcyjne przy produkcji frytek x 3 oraz przy produkcji puree x 4 ) z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX 0,2 x 1 + 0,3x 2 + x 3 = 18 0,6 x 1 + 0,6x 2 + x 4 = 48 x 1, x 2, x 3, x 4 > 0 1

cx MAX Ax = b x > 0 A macierz współczynników o wymiarach (m n), x n-wymiarowy wektor zmiennych, b m-wymiarowy wektor wyrazów wolnych, c n-wymiarowy wektor wag funkcji celu. B macierz kwadratowa m-tego stopnia, składająca się z m liniowo niezależnych kolumn macierzy A. det (B) 0 Macierz B baza, kolumny macierzy B kolumny bazowe, pozostałe kolumny macierzy A kolumny niebazowe. Zmienne związane z kolumnami bazowymi zmienne bazowe, pozostałe zmienne zmienne niebazowe. 2

Z każdą bazą B układu Ax = b jest związane rozwiązanie bazowe. Jeżeli układ Ax = b jest niesprzeczny oraz n > m to układ ten ma nieskończenie wiele rozwiązań, ale skończoną liczbę rozwiązań bazowych. Układ m równań z n zmiennymi ma co najwyżej n m rozwiązań bazowych, czyli: n! m!(n m)! Rozwiązanie bazowe układu Ax = b: - wybieramy m liniowo niezależnych kolumn macierzy A, czyli bazę B, - zmienne niebazowe przyjmują wartości zerowe (x n = 0), - wartości zmiennych bazowych ustalamy rozwiązując układ m równań z m niewiadomymi: Bx b = b. 3

Jeżeli każda zmienna bazowa jest różna od zera, to takie rozwiązanie bazowe jest niezdegenerowane. Jeżeli zadanie programowania liniowego ma rozwiązanie optymalne, to ma także rozwiązanie optymalne bazowe. Rozwiązania optymalnego wystarczy szukać wśród rozwiązań bazowych, których liczba jest skończona. Można znaleźć rozwiązanie optymalne dokonując przeglądu zupełnego zbioru wszystkich rozwiązań bazowych. Przykład: z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX 0,2 x 1 + 0,3x 2 + x 3 = 18 0,6 x 1 + 0,6x 2 + x 4 = 48 Macierz A: x 1 x 2 x 3 x 4 0,2 0,3 1 0 0,6 0,6 0 1 4

m=2, n=4 mamy zatem co najwyżej: n n! 4 4! = = = = m m!(n m)! 2 2!2! rozwiązań bazowych. 6 x 1, x 2 x 1, x 3 x 1, x 4 x 2, x 3 x 2, x 4 x 3, x 4 x 1, x 2: 0,2x 1 + 0,3x 2 = 18 0,6x 1 + 0,6x 2 = 48 x 1 = 60, x 2 = 20, z = 420 x 1, x 3: 0,2x 1 + x 3 = 18 0,6x 1 = 48 x 1 = 80, x 3 = 2, z = 400 5

x 1, x 4: 0,2x 1 = 18 0,6x 1 + x 4 = 48 x 1 = 90, x 4 = -6 rozw. sprzeczne x 2, x 3: 0,3x 2 + x 3 = 18 0,6x 2 = 48 x 2 = 80, x 3 = -6 rozw. sprzeczne x 2, x 4: 0,3x 2 = 18 0,6x 2 + x 4 = 48 x 2 = 60, x 4 = 12, z = 360 x 3, x 4: x 3 = 18 x 4 = 48 x 3 =18, x 4 = 48, z = 0 6

Zmienne Zmienne bazowe x 1, x 2 x 1, x 3 x 1, x 4 x 2, x 3 x 2, x 4 x 3 x 4 x 1 60 80 90 0 0 0 x 2 20 0 0 80 60 0 x 3 0 2 0-6 0 18 x 4 0 0-6 0 12 48 wartość 420 400 sprz. sprz. 360 0 funkcji celu z D MAX B C E F A 7

Przykład: Firma produkująca 3 rodzaje soków owocowych (wieloowocowe, pomarańczowe i jabłkowe) dostała zamówienie na dokładnie 40 tys. kartonów 1-litrowych. Zleceniodawca miał określone preferencje co do struktury asortymentowej zamówienia. Soków wieloowocowych ma być w partii co najmniej 5 tys. kartonów, zaś soków jabłkowych nie więcej niż 16 tys. kartonów. Zysk netto przy produkcji każdego rodzaju z soków wynosi odpowiednio 8, 9 i 10 groszy/karton. Ile soków każdego rodzaju należy wyprodukować aby zmaksymalizować całkowity zysk netto ze sprzedaży? Jak kształtuje się struktura asortymentowa zrealizowanego zamówienia? Zastosować w rozwiązaniu metodę analityczną. x 1 wielkość dostawy soków wieloowocowych, x 2 wielkość dostawy soków pomarańczowych, x 3 wielkość dostawy soków jabłkowych. 8

Postać klasyczna: BADANIA OPERACYJNE CZ. III z = 8x 1 + 9x 2 +10 x 3 MAX x 1 + x 2 + x 3 = 40 x 1 > 5 x 3 < 16 x 1, x 2, x 3 > 0 Postać standardowa: z = 8x 1 + 9x 2 +10x 3 +0x 4 + 0x 5 MAX x 1 + x 2 + x 3 = 40 x 1 = 5 + x 4 x 3 = 16 - x 5 x 4 nadwyżka dostawy soków wieloowocowych ponad minimalny limit, x 5 niedobór dostawy soków jabłkowych w stosunku do maksymalnego limitu. z = 8x 1 + 9x 2 +10x 3 +0x 4 + 0x 5 MAX x 1 + x 2 + x 3 = 40 x 1 - x 4 = 5 x 3 + x 5 = 16 x 1, x 2, x 3, x 4, x 5 > 0 9

Macierz A: x 1 x 2 x 3 x 4 x 5 1 1 1 0 0 1 0 0-1 0 0 0 1 0 1 m=3, n=5 mamy zatem co najwyżej: 5 5! = = 10 3 3!2! rozwiązań bazowych: 1) x 1, x 2, x 3 x 1 + x 2 + x 3 =40 x 1 =5 x 3 =16 x 1 =5, x 2 =19, x 3 =16, z=371 2) x 1, x 2, x 4 x 1 + x 2 =40 wektory x 1 - x 4 =5 liniowo zależne 10

x 1 x 2 x 4 x 1 x 2 x 4 suma 1 1 0 mnożymy 1-1 0 0 1 0-1 x 2 1 0-1 0 0 0 0 przez (-1) 0 0 0 0 3) x 1, x 2, x 5 x 1 + x 2 =40 x 1 =5 x 5 =16 x 1 =5, x 2 =35, x 5 =16, z=350 4) x 1, x 3, x 4 5) x 1, x 3, x 5 6) x 1, x 4, x 5 7) x 2, x 3, x 4 8) x 2, x 3, x 5 x 2 +x 3 =40 wektory x 3 + x 5 =16 liniowo zależne 11

x 2 x 3 x 5 x 2 x 3 x 5 suma 1 1 0 mnożymy 1-1 0 0 0 0 0 x 3 0 0 0 0 0 1 1 przez (-1) 0-1 1 0 9) x 2, x 4, x 5 10) x 3, x 4, x 5 mamy więc dokładnie 8 rozwiązań bazowych: Zmienne Zmienne bazowe 1 3 4 5 6 7 9 10 x 1 5 5 24 5 40 0 0 0 x 2 19 35 0 0 0 24 40 0 x 3 16 0 16 35 0 16 0 40 x 4 0 0 19 0 35-5 -5-5 x 5 0 16 0-19 16 0 16-24 z 371 MAX 355 352 sprz. 320 sprz. sprz. sprz. z = 8x 1 + 9x 2 +10 x 3 MAX x 1 + x 2 + x 3 = 40 x 1 > 5 x 3 < 16 x 1, x 2, x 3 > 0 12

Zadania do rozwiązania Zadanie 1: z= 1,2x 1 +1,8x 2 MIN 2 x 1 + x 2 > 40 x 1 +3x 2 > 60 x 1 +x 2 > 30 x 1, x 2 > 0 Rozwiązać przykład metodą graficzną i analityczną. Sprawdzić rozwiązanie w winqsb. Rozwiązanie: x 1 =15, x 2 =15, x 3 =5, x 4 =0, x 5 =0, z MIN =45 Zadanie 2: z= 2x 1 +3x 2 +0x 3 +0x 4 MAX x 1 +2x 2 +x 3 = 4 x 1 -x 4 = 2 x 1, x 2,x 3, x 4 > 0 Rozwiązać przykład metodą analityczną. Rozwiązanie: x 1 =4, x 2 =0, x 3 =0, x 4 =2, z MAX =8 13