liniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.

Podobne dokumenty
Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Wykład IX Optymalizacja i minimalizacja funkcji

Optymalizacja belki wspornikowej

Metody obliczeniowe. wykład nr 2. metody rozwiązywania równań nieliniowych zadanie optymalizacji. Nr: 1

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

ORGANIZACJA ZAJĘĆ OPTYMALIZACJA GLOBALNA WSTĘP PLAN WYKŁADU. Wykładowca dr inż. Agnieszka Bołtuć, pokój 304,

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311


Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne.

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

( ) Elementy rachunku prawdopodobieństwa. f( x) 1 F (x) f(x) - gęstość rozkładu prawdopodobieństwa X f( x) - dystrybuanta rozkładu.

I. Elementy analizy matematycznej

Pattern Classification

65120/ / / /200

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Egzamin poprawkowy z Analizy II 11 września 2013

Prawdopodobieństwo i statystyka r.


) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM

Metody obliczeniowe. wykład nr 2. metody rozwiązywania równań nieliniowych zadanie optymalizacji. Nr: 1

Definicje ogólne

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

SZTUCZNA INTELIGENCJA

ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)

Zastosowanie technik sztucznej inteligencji w analizie odwrotnej

Mikroekonometria 7. Mikołaj Czajkowski Wiktor Budziński

ZAJĘCIA X. Zasada największej wiarygodności

Przykład wykorzystania dodatku SOLVER 1 w arkuszu Excel do rozwiązywania zadań programowania matematycznego

Neuron liniowy. Najprostsza sieć warstwa elementów liniowych

Definicja problemu programowania matematycznego

Metody obliczeniowe. wykład nr 2. metody rozwiązywania równań nieliniowych zadanie optymalizacji. Nr: 1

Kolokwium poprawkowe z Optymalizacji II (Ściśle tajne przed godz. 16 : stycznia 2016.)

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

Sprawozdanie powinno zawierać:

7. Wykład VII: Warunki Kuhna-Tuckera

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

Diagonalizacja macierzy i jej zastosowania

8. Optymalizacja decyzji inwestycyjnych

BADANIE POTENCJALNEGO POLA ELEKTRYCZNEGO

METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH

KONSPEKT WYKŁADU. nt. METODA ELEMENTÓW SKOŃCZONYCH TEORIA I ZASTOSOWANIA. Piotr Konderla

APROKSYMACJA QUASIJEDNOSTAJNA

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka

Rozwiązywanie programów matematycznych

dy dx stąd w przybliżeniu: y

Wykład 6. Programowanie liniowe

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Algorytm FA. Zastosowanie w zadanich optymalizacji z ograniczeniami dla ciągłych dziedzin poszukiwań

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Diagonalizacja macierzy i jej zastosowania

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

MODELOWANIE PRZEPŁYWU POWIETRZA W KANAŁACH WENTYLACYJNYCH PIECZARKARNI

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

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Diagonalizacja macierzy i jej zastosowania

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

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

WYWAŻANIE STATYCZNE WIRUJĄCYCH ZESTAWÓW RADIOLOKACYJNYCH

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI

PORÓWNANIE METOD OKREŚLANIA FUNKCJI CELU PRZY DOBORZE ROZSIEWACZY NAWOZÓW MINERALNYCH

Stateczność ramy. Wersja komputerowa

WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI

Matematyka ubezpieczeń majątkowych r.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Metody systemowe i decyzyjne w informatyce

POLITECHNIKA WARSZAWSKA WYDZIAŁ ELEKTRYCZNY SIECI NEURONOWE SVM W ZASTOSOWANIU DO KLASYFIKACJI OBRAZÓW KOMÓREK SZPIKU KOSTNEGO

INSTRUKCJA DO ĆWICZENIA NR 1

OGÓLNE PODSTAWY SPEKTROSKOPII

Ćwiczenie projektowe z Podstaw Inżynierii Komunikacyjnej

Zaawansowane metody numeryczne

Przykład 2.3 Układ belkowo-kratowy.

; -1 x 1 spełnia powyższe warunki. Ale

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

Monitorowanie i Diagnostyka w Systemach Sterowania

SPRAWDZANIE PRAWA MALUSA

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

EKONOMETRIA I Spotkanie 1, dn

rzeczywiste zawart. składn. maksymalne wymagane zawart. w 1 jednostce mieszanki składn. w 1 jednostce mieszanki

; -1 x 1 spełnia powyższe warunki. Ale


Badania Operacyjne Ćwiczenia nr 4 (Materiały)

Excel - użycie dodatku Solver

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

Modyfikacja schematu SCPF obliczeń energii polaryzacji

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

Bryła fotometryczna i krzywa światłości.

Transkrypt:

=DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD matematycznego. =DGDQLHWRPR*QDVIRUPXáRZDüQDVWSXMFR =QDOH(üHNVWUHPXPIXQNFMLZLHOX]PLHQQ\FKQD]\ZDQHMIXQNFMFHOX ) Z = F(,,... n ) VSHáQLDMFMHGQRF]HQLHRJUDQLF]HQLD UyZQRFL (,,... n ) b f =, =...m, LQLHUyZQRFL j (,,... n ) b j f, j=...k. Zmenne QD]\ZDQHVzmennym decyzyjnym ( lub projektowym). -H*HOLIXQNFMDFHOXLRJUDQLF]HQLDVIXQNFMDPLOLQLRZ\PLWRPyZLP\RSURJUDPRZDQLX lnowym w przecwnym przypadku mówmy o programowanu nelnowym. ZQDQ\FKMHVWZLHOHPHWRGUR]ZL]\ZDQLDW\FK]DJDGQLH6]F]HJyOQH]QDF]HQLHPDMPHWRG\ QXPHU\F]QHSR]ZDODMFHQD]QDOH]LHQLHSRV]XNLZDQHJRHNVWUHPXP]ZLNV]OXEPQLHMV] GRNáDGQRFL 6]XNDQLHHNVWUHPXPIXQNFMLPR*QD]DZV]HSU]HGVWDZLüMDNRSUREOHPPLnmalzacj. RV]XNLZDQLHPDNVLPXPPR*HP\]DVWSLüSRV]XNLZDQLHPPLQLPXPIXQNFMLSRPQR*RQHM przez. 0LQLPDOL]DFMDIXQNFMLSU]\EUDNXRJUDQLF]H :LNV]RüDOJRU\WPyZUR]ZL]XMF\FKSUREOHPPLQLPDOL]DFMLIXQNFMLWRDOJRU\WP\ teracyjne. :\PDJDMRQHRNUHOHQLDSXQNWXVWDUWRZHJR o DQDVWSQLHZNROHMQ\FKNURNDFK LWHUDF\MQ\FKWZRU]\VLFLJUR]ZL]D k WDNLFK*HSXQNW k+ MHVWOHSV]\PSU]\EOL*HQLHP UR]ZL]DQLDRSW\PDOQHJRZSRUyZQDQLX]UR]ZL]DQLHP k ]QDF]DWR*H]DFKRG]L k+ ) F( ) < F( ). DMF]FLHMVWRVRZDQHPHWRG\PLQLPDOL]DFMLSROHJDMQDSU]HV]XNLZDQLXSU]HVWU]HQL ]PLHQQ\FKSURMHNWRZDQLDZ]GáX*SHZQ\FKSURVW\FK]ZDQ\FKNLHUXQNDPLSRV]XNLZD RZHSU]\EOL*HQLHSRV]XNLZDQHJRSXQNWXUR]ZL]DQLDRWU]\P\ZDQHMHVW]JRGQLH] ]DOH*QRFL ( k+ ) = + α s ( ), gdze: wektor sr]qdf]dnlhuxqhnsrv]xnlzd]dαzlhonrünurnxzw\pnlhuxqnx F]\ZLFLHNLHUXQHNsPXVLZ\]QDF]DüNLHUXQHN]PQLHMV]DQLDVLIXQNFMLFHOXZSU]HVWU]HQL projektowana. -H*HOLIXQNFMDFHOXMHVWUy*QLF]NRZDOQDZDUXQHNWHQPR*QD]DSLVDüZSRVWDFL s F( ) < 0,

-q k k+.d*g\]lwhudf\mq\fknurnyz]dzlhudgzdhwds\:slhuzv]\p]rvwdmhz\]qdf]rq\nlhuxqhn (k ) (k ) (k ) SRV]XNLZD s w punkce ]DZHWDSLHGUXJLPRNUHODVLZLHONRüNURNXα na ( k+) SRGVWDZLHNWyUHJRZ\]QDF]DVLQRZ\SXQNW :LHONRüNURNXPR*HE\üSU]\MWD DUELWUDOQLHOXEWH*MHVWZ\]QDF]RQDQDGURG]HPLQLPDOL]DFMLIXQNFMLZ]GáX*NLHUXQNX SRV]XNLZD s k ) Φ( α ) = F( + αs F( k+ ) (k ) :SURZDG(P\IXQNFMSDUDPHWUXα ( ) = m nf( α ) SW\PDOQDGáXJRüNURNXWRWDNDGODNWyUHMVSHáQLRQ\MHVWZDUXQHN + αs ) = m nφ( α) α dφ =DWHPZND*G\PNURNXLWHUDF\MQ\PPHWRGDZ\PDJDUR]ZL]DQLDUyZQDQLD = 0. dα àdwzrpr*qdz\nd]dü*hsu]\uyzqdqlhgr]hudsrfkrgqhmixqnfmlφ po parametrze α jest ( k+ ) UyZQRZD*QHUyZQDQLX s F( ) = 0, FRR]QDF]D*HZSXQNFLH k+ wektor wzrostu ( k +) F( ) MHVWSURVWRSDGá\GRNLHUXQNXSRV]XNLZD Oznaczmy gradent funkcj celu przez wektor qrql*hmsu]hgvwdzlrqdmhvwloxvwudfmd ]EOL*DQLDVLGRPLQLPXPIXQNFMLFHOXPHWRGQDMV]\EV]HJRVSDGNX.U]\ZHSU]HGVWDZLDM warstwce funkcj celu. k -q k+ s k RGVWDZRZPHWRGSRV]XNLZDQLDPLQLPXPIXQNFMLEH]RJUDQLF]HMHVWPHWRGD QDMV]\EV]HJRVSDGNXZNWyUHM]DNLHUXQHNSRV]XNLZDSU]\MPXMHVLXMHPQ\ZHNWRU gradentu mnmalzowanej funkcj. s = F( ), -HVWRF]\ZLVWH*HNROHMQHNLHUXQNLSRV]XNLZDZPHWRG]LHQDMZLNV]HJRVSDGNXVGRVLHELH provwrsdgáh*hqhurzdqhzf]dvlhsu]helhjxdojru\wpxnlhuxqnlsrv]xnlzdpdmfkdudnwhu Ä]\J]DNRZDW\ FRVWDQRZLSRGVWDZRZZDGWHMPHWRG\,QQH]QDQHPHWRG\HZWRQD JUDGLHQWXVSU]*RQHJRLWSZUy*Q\VSRVyEOLNZLGRZDá\WZDG]PQLHMV]DMFV]\ENRü zblh*qrfl

Mnmalzacja funkcj z ogranczenam :Z\SDGNXZ\VWSRZDQLDRJUDQLF]HZSRVWDFLQLHUyZQRFLLUyZQDNWyUHPDMDVSHáQLDü zmenne projektowe ( zmenne decyzyjne) mamy odczynena z zadanem optymalzacj z ogranczenam. Obszar wsu]hvwu]hql]plhqq\fksurmhnwrz\fkmhvwrjudqlf]rq\su]h]sádv]f]\]q\z Z\SDGNXRJUDQLF]HOLQLRZ\FKOXESRZLHU]FKQLHZZ\SDGNXRJUDQLF]HQLHOLQLRZ\FK :\]QDF]HQLHPLQLPXP]]DJDGQLHQLXZRSW\PDOL]DFML]RJUDQLF]HQLDPLPR*QD SU]HSURZDG]LüQDZLHOHVSRVREyZJUDQLF]P\VLGRRSLVDQLDWU]HFK. Perwszym sposobem jest sprowadzene problemu z ogranczenam do problemu bez RJUDQLF]HSU]H]WUDQVIRUPDFMH]PLHQQ\FKQLH]DOH*Q\FKGHF\]\MQ\FKSURMHNWRZ\FK Metoda ta jest zwykle stosowana tylko do przypadkózjg\]plhqqhqlh]doh*qhv RJUDQLF]RQH]JyU\L]GRáXSU]H]VWDáHZDUWRFLOLF]ERZH U]\NáDGRZRMH*HOLRJUDQLF]HQLHPDSRVWDü l p to po wprowadzenu nowych zmennych _ : = l + ( p l )sn _. otrzymamy zagadnene optymalzacj funkcj celu dla zmennych _ EH]RJUDQLF]H. 'UXJLPVSRVREHPMHVWPRG\ILNDFMDIXQNFMLFHOXSU]H]ZSURZDG]HQLHGRQLHMZ\UD*HQLD UHSUH]HQWXMFHJRNDU]SU]HNURF]HQLHRJUDQLF]HDVWSQLHGRWDN]PLHQLRQHMIXQkcj VWRVXMHP\MHGQ]PHWRGSRV]XNLZDQLDHNVWUHPXPEH]RJUDQLF]H0R*QDZ\ND]Dü*H FLJUR]ZL]D]DJDGQLHQLDEH]RJUDQLF]HGODFLJXÄFRUD]PRFQLHMV]\FK IXQNFMLNDU\ MHVW]ELH*Q\GRUR]ZL]DQLD]DJDGQLHQLDRSW\PDOL]DFML]RJUDQLF]HQLDPL b() b () b () b o () Xo- Obszar rozw]d dopuszczalnych IlustracMD]DVDG\WZRU]HQLDFLJX]HZQWU]Q\FKIXQNFMLNDU\. 7U]HFLPVSRVREHPMHVWPRG\ILNDFMDNLHUXQNXSRV]XNLZDZRWRF]HQLXRJUDQLF]HEG( SU]H]JHQHURZDQLHNLHUXQNXGRSXV]F]DOQHJRDQDVWSQLHSRV]XNLZDZREV]DU]H GRSXV]F]DOQ\PZ]GáX*WHJRNLHUXQNXEG(WH* przez rzutowane kerunku gradentu na SRZLHU]FKQLVW\F]QGRRJUDQLF]H,VWQLHMRF]\ZLFLHLQQHPHWRG\SRV]XNLZDQLDHNVWUHPXPWXQLHZ\PLHQLRQH

4 U]\NáDGSURJUDPRZDQLDOLQLRZHJR U]HSURZDG]LP\RSW\PDOL]DFM]\VNXGOD]DNáDGXSURGXNXMFHJRGZDW\S\Sáyt SRGáRJRZ\FK E\GZDW\S\Z\PDJDM]X*\FLDMHGQDNRZHMLORFLGRVWSQ\FKEH]RJUDQLF]HWDNLFK surowców jak woda pasek, cement. 7\S,MHVWEDUZQ\LSRWU]HEQDMHVWSHZQDLORüEDUZQLNDQDMHJRZ\SURGXNRZDQLH =DNáDGSURGXNF\MQ\PDRJUDQLF]RQLORüEDUZQLNDUyZQOGRVWSQLORüF]DVXSUDF\ PDV]\QZ\QRV]FJRG]LQLF]DVXSUDF\OXG]LRNUHORQQDJRG]LQ\ :LDGRPR*HZ\SURGXNRZDQLHWRQ\Sá\WW\SX,NRORURZ\FKZ\PDJD godzn pracy maszyn, godzn pracy ludzkej ltrów barwnka. WypURGXNRZDQLHWRQ\Sá\WW\SX,,Z\PDJDQDWRPLDVW godzn pracy maszyn godzn pracy ludzkej. =\VNQDWRQLHSá\WW\SX,Z\QRVL]áDQDWRQLHSá\WW\SX,,]á,QWHUHVXMHQDV]DSODQRZDQLHSURGXNFMLPDNV\PDOL]XMFH]\VN VNáDGQLNL, ZLHONRFLGRVWSQH maszyny 0 praca ludzka 4 barwnk 0 8 zysk 6IRUPXáXMP\SUREOHPZSRVWDFLPDWHPDW\F]QHM=QDOH(üPDNVLPXPIXQNFMLOLQLRZHM Z = + przy ogranczenach : 0, 0, + 0 + 4 8 REV]DUUR]ZL]D dopuszczalnych

5 /LQLHSU]HU\ZDQHWRZDUVWZLFHIXQNFML]\VNXRGSRZLHGQLRRSR]LRPLH]\VNXL]á URVWDQDMGDOHMRGOHJáDRGSRF]WNXXNáDGXZVSyáU]GQ\FKSU]HGVWDZLDMFDZDUVWZLFIXQNFML ]\VNX= URVWDWDVW\NDVLW\ONRZMHGQ\PSXQNFLH]REV]DUHPUR]ZL]D GRSXV]F]DOQ\FK-HVWWRSXQNWRZVSyáU]GQ\FK[ L[ ]QDF]DWR*HRWU]\PDOLP\ JUDILF]QHUR]ZL]DQLH]DGDQLDRSW\PDOL]DFML 5R]ZL]DQLH ZLHONRFL ZLHONRFL skádgqlnl, GRVWSQH wykorzystane = =6 maszyny *=4 *6=6 0 0 praca ludzka *=6 *6=8 4 4 barwnk *=4 0 8 4 zysk *=6 *6= 8.RORUHPF]HUZRQ\PZ\Uy*QLRQRRJUDQLF]HQLDDNW\ZQH :HNWRUSURVWRSDGá\GROLQLLZDUVWZLFMHVWZHNWRUHPQDMV]\EV]HJRZ]URVWXIXQNFMLFHOX Jest on równy gradentow funkcj celu. F = F /, F / ] [,], [ = U]HGVWDZP\SRQRZQLHUR]ZL]DQLHPHWRGWHJR]DGDQLDW\PUD]HPPHWRG PRG\ILNDFMLNLHUXQNXSRV]XNLZDZRWRF]HQLXRJUDQLF]H. $OJRU\WPGRFKRG]HQLDGRUR]ZL]DQLDMHVWQDVWSXMF\

6. :\ELHUDP\GRZROQHZDUWRFL]PLHQQ\FKVSHáQLDMF\FKZDUXQNLRJUDQLF]DMF: LQWHUSUHWDFMLJUDILF]QHMR]QDF]DWR*HZ\ELHUDP\SHZLHQVWDUWRZ\SXQNWOH*F\Z REV]DU]HUR]ZL]D dopuszczalnych.. 6]XNDP\QDVWSQLHOHSV]HJRUR]ZL]DQLD/HSV]HUR]ZL]DQLHEG]LHOH*DáRZNLHUXQNX najszybszego wzrostu funkcj celu. Kerunek najszybszego wzrostu funkcj celu wyznacza wektor gradentu. W przypadku lnowej funkcj celu ( wykres jej jevwsádv]f]\]q QDVWSQ\SXQNWZSU]HVWU]HQL]PLHQQ\FKGDMF\QDMZLNV]ZDUWRüIXQNFMLFHOXEG]LH VL]QDMGRZDáPR*OLZLHQDMGDOHMRGVWDUWRZHJRDOHQLHGDOHMQL*SR]ZROQDWR ogranczena...rohmq\sxqnweg]lhsrv]xnlzdq\z]gáx*judqlf\rev]duxur]zl]dgrsxv]f]doq\fkz kerunku wzrostu funkcj celu. SLVPHWRG\UR]ZL]DQLD]DGDQLD + + 8 0 4 U]\MPLMP\SXQNWVWDUWRZ\OH*F\Z]ELRU]HUR]ZL]DGRSXV]F]DOQ\FK QS$RZVSyáU]Gnych, 0 { 0} = {,0} wektor gradentu funkcj celu wynos: { gradf ( ) } = {,} Szukamy nowego punktu w kerunku najszybszego wzrostu funkcj celu. :VSyáU]GQHQRZHJRSXQNWXZ\QRV] 0 { } = + λ

7 gdze: λ oznacza neznany parametr. RZ\SXQNWPXVLOH*HüZ]ELRU]HUR]ZL]DGRSXV]F]DOQ\FKFRR]QDF]D*HVSHáQLRQHPXV] E\üZV]\VWNLHQLHUyZQRFLRJUDQLF]DMFH RGVWDZLDMFNROHMQRZVSyáU]GQHQRZHJRSXQNW\GRQLHUyZQRFLRJUDQLF]DMF\FK RWU]\PDP\Uy*QHZDUWRFLRJUDQLF]DMFHSarametr λ. 0 {, } 0 4 8 λ, λ λ 'ODQDMPQLHMV]HMZDUWRFLSDUDPHWUXλQRZ\SXQNWOH*\QDEU]HJX]ELRUXUR]ZL]D GRSXV]F]DOQ\FK-HVWWRSXQNW%RZVSyáU]GQ\FKR]RVWDá\PGZyPRJUDQLF]HQLRP SDUDPHWUXRGSRZLDGDMSXQNW\&L'OH*FHQDSRZLHU]FKQLDFKRJUDQLF]HDNWXDOQLHQLH aktywnych. DVWSQ\PNURNLHPMHVWZ\]QDF]HQLHQRZHJRNLHUXQNXSRV]XNLZDRZ\NLHUXQHN Z\ELHUDP\]HZV]\VWNLFKNLHUXQNyZOH*F\FKQDDNW\ZQ\PRJUDnczenu ( w naszym SU]\NáDG]LHQDSURVWHMRUyZQDQLX[ L]DSHZQLDMF\FKQDMV]\EV]\Z]URVWDMV]\EV]\ Z]URVW]DSHZQLNLHUXQHNNWyUHJRZHNWRUDRQDMZLNV]\PLORF]\QLHVNDODUQ\P]ZHNWRUHP gradentu funkcj celu. 0R*HP\UR]SDWU]\üGZDZHNWRU\OH*FHQD prostej =8 { r } = { 0,} r = 0, { } { } LORF]\Q\VNDODUQHZ\QRV]RGSRZLHGQLR 0 0 0 0 gradf ( ), = = { gradf ( ) } = {,} = { } { } :ádflz\pnlhuxqnlhpmhvwzlfzhnwru{ r } { 0,} 'DOHMZ\]QDF]DP\GáXJRüNURNXRNUHODMF parametr λ podobne jak poprzedno. RZHSRáR*HQLHSXQNWXRNUHODUyZQDQLH 4 0 { } = + λ :VSyáU]GQHSXQNWXSRGVWDZLDP\GRRJUDQLF]HLZ\]QDF]DP\SDUDPHWUλ. Otrzymujemy λ= 0/ dla ogranczena + =4 λ= 4/ dla ogranczena + =0. = 0QLHMV]DZDUWRüSDUDPHWUXGDMHSXQNW&OH*F\Z]ELRU]HUR]ZL]DGRSXV]F]DOQ\FK :NROHMQ\PNURNXSRV]XNXMHP\NLHUXQNXOH*FHJRQDQRZ\PRJUDQLF]HQLXDNW\ZQ\P + =0. RVWSXMFDQDORJLF]QLHMDNSRSU]HGQLRGRFKRG]LP\GRSXQNWX*.D*G\ZHNWRUMHGQRVWNRZ\Z\VWDZLRQ\ZSXQNFLH*QLHOH*F\QD]HZQWU]]ELRUX UR]ZL]DGRSXV]F]DOQ\FKSRPQR*RQ\VNDODUQLH]JUDGLHQWHPIXQNFMLFHOXGDMHZDUWRü XMHPQ]QDF]DWRND*GHSU]HVXQLFLHZREV]DU]HGRSXV]F]DOQ\PZ\ZRáD]PQLHMV]HQLH ZDUWRFLIXQNFMLFHOXXQNW*MHVWZLHFUR]ZL]DQLHP]DGDQLDPDNV\PDOL]DFML] ogranczenam.

8 Zadane :\NRU]\VWXMFDSOLNDFM([FHOUR]ZL*SUREOHPRSW\PDOL]DFML Wyznacz mnmum funkcj celu danej równanem : mn f ( ) = +, przy ogranczenach: g ( ) = + 0, g ( ) = g ( ) = 0, 0. 6SRVyEUR]ZL]DQLD ƒotwórz arkusz Ecel ƒzapsz w odpowednch komórkach: A B C D Z= =B^-B+B^-0.5*B 0 4 g =B+B- 0 5 g =-B 0 6 g =-B 0 7 :NRPyUNDFK%L%ZSLVDQRSXQNW\VWDUWRZH0RJE\üGRZROQHDOHPXV]QDOH*HüGR ]ELRUXUR]ZL]DGRSXVzczalny W komórce B jest zapsana funkcja celu. :NRPyUNDFK%%%]DSLVDQHVOHZHVWURQ\QLHUyZQRFLRJUDQLF]DMF\FK :NRPyUNDFK&&&]DSLVDQHVVWURQ\SUDZH ƒ=phqxdu]g]ldz\elhu]6royhu ƒwyberz zadane mnmum ƒzvnd*nrohmqrx*\zdmc lewego klawsza myszy : ƒnrpyun]ixqnfmfhox ƒkomórk ze zmennym ( pozwól nech program je sam odgadne) ƒgrgdmnrohmqrrjudqlf]hqldzvnd]xmfrgsrzlhgqlhnrpyunl ƒdflqlm5r]zl* ƒ:\elhu]5dsruwz\qlnyzlzflqlm. ƒprzeanalzuj wynk, obejrzyj Raport wynków ƒ:\nrqdmv]nlfzxnádg]lhzvsyáu]gq\fk[[qdu\vxmrjudqlf]hqldlsxqnw UR]ZL]XMFH]DGDQLH

9 Zadane :\NRU]\VWXMFDSOLNDFM([FHOUR]ZL*SUREOHPRSW\PDOL]DFML Wyznacz mnmum funkcj celu danej równanem : mn f ( ) =, przy ogranczenach: g ( ) = + g ( ) = + g ( ) = g ( ) = 4 0. 0. 0, 0, Zadane :\NRU]\VWXMFDSOLNDFM([FHOUR]ZL*SUREOHPRSW\PDOL]DFML Wyznacz mnmum funkcj celu danej równanem : przy ogranczenach: g ( ) = Zadane 4 mn f ( ) = ( ) + ( g ( ) = + :\NRU]\VWXMFSU]\NáDGRZH]DGDQLHSURJUDPRZDQLDOLQLRZHJRRSLVDQHQL*HMRNUHOIXQNFM celu ZDUXQNLRJUDQLF]DMFHDQDVWSQLHUR]ZL*X*\ZDMFDSOLNDFML([FHO]DGDQLDSRGREQH GRSU]\NáDGRZHJRRGDQ\FK]DSLVDQ\FKZWU]HFKtabelach pod rysunkem. ]DGDQLHSU]\NáDGRZH U]HSURZDG]LP\RSW\PDOL]DFM]\VNXGOD]DNáDGXSURGXNXMFHJRGZDW\S\Sá\WSRGáRJowych. E\GZDW\S\Z\PDJDM]X*\FLDMHGQDNRZHMLORFLGRVWSQ\FKEH]RJUDQLF]HWDNLFKVXURZFyZMDNZRGDSLDVHNFHPHQW 7\S,MHVWEDUZQ\LSRWU]HEQDMHVWSHZQDLORüEDUZQLNDQDMHJRZ\SURGXNRZDQLH =DNáDGSURGXNF\MQ\PDRJUDQLF]RQLORüEDUZQLNDUyZQOGRVWSQLORüF]DVXSUDF\PDV]\QZ\QRV]FJRG]LQL F]DVXSUDF\OXG]LRNUHORQQDJRG]LQ\ :LDGRPR*HZ\SURGXNRZDQLHWRQ\Sá\WW\SX,NRORURZ\FKZ\PDJD godzn pracy maszyn, godzn pracy ludzkej ltrów barwnka. WyprodukowanLHWRQ\Sá\WW\SX,,Z\PDJDQDWRPLDVW godzn pracy maszyn godzn pracy ludzkej. 0, 0, =\VNQDWRQLHSá\WW\SX,Z\QRVL]áDQDWRQLHSá\WW\SX,,]á,QWHUHVXMHQDV]DSODQRZDQLHSURGXNFMLPDNV\PDOL]XMFH]\VN ), VNáDGQLNL, ZLHONRFLGRVWSQH maszyny 0 praca ludzka 4 barwnk 0 8 zysk 6IRUPXáXMP\SUREOHPZSRVWDFLPDWHPDW\F]QHM=QDOH (üpdnvlpxpixqnfmlolqlrzhm Z = +

0 przy ogranczenach : 0, 0, + 0 + 4 8 REV]DUUR]ZL]D dopuszczalnych VNáDGQLNL, ZLHONRFLGRVWSQH maszyny 0 praca ludzka 4 barwnk 0 8 zysk VNáDGQLNL, ZLHONRFLGRVWSQH maszyny 0 praca ludzka 4 barwnk 0 8 zysk VNáDGQLNL, ZLHONRFLGRVWSQH maszyny 0 praca ludzka 4 4 barwnk 0 8 zysk