ALGORYTM SIMPLEX. B.Gładysz Badania operacyjne 2007

Podobne dokumenty
Metoda simpleks. Gliwice

ZAGADNIENIE TRANSPORTOWE (część 1)

BADANIA OPERACYJNE Zagadnienie transportowe

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

Elementy Modelowania Matematycznego

Programowanie liniowe. Tadeusz Trzaskalik

Standardowe zadanie programowania liniowego. Gliwice 1

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

Definicja problemu programowania matematycznego

c j x x

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

PROGRAMOWANIE KWADRATOWE

Programowanie liniowe

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

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozwiązanie Ad 1. Model zadania jest następujący:

ZAGADNIENIE TRANSPORTOWE

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:

Wprowadzenie do badań operacyjnych - wykład 2 i 3

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Badania Operacyjne Ćwiczenia nr 4 (Materiały)

Teoretyczne podstawy programowania liniowego

Wykład 6. Programowanie liniowe

Wykład z modelowania matematycznego. Zagadnienie transportowe.

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

Programowanie liniowe

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

Wykład z modelowania matematycznego. Algorytm sympleks.

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

Przykład: frytki i puree Analiza wrażliwości współczynników funkcji celu

Badania operacyjne. Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 Materiały do zajęć dostępne na stronie:

ZAGADNIENIE TRANSPORTOWE(ZT)

OPTYMALIZACJA W LOGISTYCE

Programowanie dynamiczne. Tadeusz Trzaskalik

Rozdział 1 PROGRAMOWANIE LINIOWE

Firma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2.

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

OPTYMALIZACJA W LOGISTYCE

1 Przykładowe klasy zagadnień liniowych

BADANIA OPERACYJNE pytania kontrolne

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

OPTYMALIZACJA PROCESÓW LOGISTYCZNYCH

Algorytm simplex i dualność

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

Badania operacyjne. Dr Michał Kulej. Pokój 509, budynek B4 Forma zaliczenia wykładu: egzamin pisemny.

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

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

BADANIA OPERACYJNE I TEORIE OPTYMALIZACJI. Zagadnienie transportowe

OPTYMALIZACJA DYSKRETNA

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

- modele liniowe. - modele nieliniowe.

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

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

KLASYCZNE ZAGADNIENIE TRANSPORTOWE (KZT).

Elementy modelowania matematycznego

Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L.

Programowanie liniowe

Ćwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe

Wybrane elementy badań operacyjnych

Programowanie nieliniowe

Zagadnienie transportowe (badania operacyjne) Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie

(Dantzig G. B. (1963))

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

Elementy Modelowania Matematycznego

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA

Zagadnienie transportowe

Narzędzia wspomagania decyzji logistycznych

Lista 1 PL metoda geometryczna

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7

Badania Operacyjne Ćwiczenia nr 3 (Materiały)

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

Uniwersytet Kardynała Stefana Wyszyńskiego Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych. Piotr Kaczyński. Badania Operacyjne

TOZ -Techniki optymalizacji w zarządzaniu

Układy równań i nierówności liniowych

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA

Programowanie liniowe

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

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

Ekonometria dla Finansów i Rachunkowości

Wykład 7. Informatyka Stosowana. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Wykład 7 16 kwietnia / 23

Metody Ilościowe w Socjologii

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,...




Badania Operacyjne Ćwiczenia nr 1 (Materiały)

Spis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]

1.2. Rozwiązywanie zadań programowania liniowego metodą geometryczną

4. PROGRAMOWANIE LINIOWE

WYKORZYSTANIE NARZĘDZIA Solver DO ROZWIĄZYWANIA ZAGADNIENIA Problem przydziału

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







Stochastyczne zagadnienie rozdziału z dyskretnym rozkładem popytu

Transkrypt:

ALGORYTM SIMPLEX 7

Zagadnienie asortymentu produkcji Firma produkuje dwa wyroby P, P. Ograniczeniem dla produkcji są trzy surowce S, S i S.Nakłady jednostkowe surowców są następujące: S S S Zysk jednostkowy P P - Firma dysponuje następującym zapasem surowców: S kg, S 8kg, S 6kg. Zoptymalizuj strukturę produkcji.

Model matematyczny Zmienne decyzyjne x x - planowana wielkość produkcji wyrobu P, - planowana wielkość produkcji wyrobu P, Funkcja celu x + x max Ograniczenia x x x x + x, x + x 6 8 7

B.Gładysz, Badania operacyjne 7 X - produkt S 5 6 7 8 (,) Z= S (,) Z= (,) Z= 5 6 7 8 (,) Z=8 7 X produkt

7 Postać bazowa,,,, 6 8 = + = + + = + + s s s x x s x s x x s x x max + + + + s s s x x

7 Algorytm simpleks cj-zj Wskaźniki optymalności zj 6 s 8 s s s s s x x Baza b cj

Rozwiązanie Zmienne niebazowe = X=, x=. Zmienne bazowe = bj. S=, s=8, s=6. Funkcja celu = 7

B.Gładysz, Badania operacyjne 7 X - produkt S 5 6 7 8 (,) Z= S (,) Z= (,) Z= 5 6 7 8 (,) Z=8 7 X produkt

Wskaźniki optymalności j = c j z j = c j m i= a ij c ib 7

Kryterium optymalności Rozwiązanie jest optymalne (max), gdy wszystkie wskaźniki są niedodatnie. Rozwiązanie jest optymalne (min), gdy wszystkie wskaźniki są nieujemne. 7

Zamiana zmiennych bazowych cj Baza x x s s s bi/aij bi s / = 7 s 8 8/ = min wychodzi z bazy s 6 - i o = zj cj-zj max wchodzi do bazy j = 7

Rozwiązanie w nowej bazie Elementy wiersza zmiennej wychodzącej z bazy Wiersz zmiennej wychodzącej z bazy dzielimy przez główny element przekształcenia: a = i j a a Elementy pozostałych wierszy Od danego wiersza odejmujemy nowy wiersz zmiennej wychodzącej z bazy pomnoŝony przez element tego wiersza stojący w kolumnie zmiennej wychodzącej z bazy. a = a a ij ij 7 i i j j i j a ij

Rozwiązanie w nowej bazie nowy wiersz = stary wiersz : cj Baza x x s s s b s x,5,5 s 7

Rozwiązanie w nowej bazie nowy wiersz = stary wiersz * nowy wiersz cj Baza x x s s s b s - 6 x,5,5 s 7

Rozwiązanie w nowej bazie nowy wiersz = wiersz * nowy wiersz cj Baza x x s s s b s - 6 x,5,5 s 6 7

7 Wskaźniki optymalności -,5,5 Cj-zj,5,5 Zj 6 s,5,5 x 6 - s s s s x x Baza b cj

Rozwiązanie Zmienne niebazowe = X=, s=. Zmienne bazowe = bj. X =, S=6, s=6. Funkcja celu = 7

B.Gładysz, Badania operacyjne 7 X - produkt S 5 6 7 8 (,) Z= S (,) Z= (,) Z= 5 6 7 8 (,) Z=8 7 X produkt

Zamiana zmiennych bazowych cj Baz a x x s s s bi bi/aij s - 6 6 : = 6 x,5,5 :,5 = 8 s 6 6 : = min wychodzi z bazy zj,5,5 i = cj-zj,5 -,5 max wchodzi do bazy j = 7

nowy wiersz= stary wiersz : cj Baza x x s s s b s x x,5 7

Rozwiązanie w nowej bazie nowy wiersz = stary wiersz * nowy wiersz cj Baza x x s s s b s - -,5 x x,5 7

Rozwiązanie w nowej bazie nowy wiersz = stary wiersz,5 * nowy wiersz cj Baza x x s s s b s - -,5 x,5 -,5 x,5 7

7 Wskaźniki optymalności -,5 -,5 cj - zj,5,5 zj,5 x -,5,5 x -,5 - s s s s x x Baza b cj

Rozwiązanie optymalne Zmienne niebazowe = s=, s=. Zmienne bazowe = bj. X =, x=, s=. Funkcja celu = 7

B.Gładysz, Badania operacyjne 7 X - produkt S 5 6 7 8 (,) Z= S (,) Z= MAX (,) Z= 5 6 7 8 (,) Z=8 7 X produkt

Zagadnienie mieszaniny Dziennie naleŝy spoŝyć co najmniej g białka. SpoŜycie chleba nie powinno przekraczać kg dziennie, zaś spoŝycie ponad g tłuszczy jest szkodliwe dla zdrowia. Wiedząc, Ŝe w jednym kg chleba zawiera się 5g białka i g tłuszczy oraz Ŝe w kg mięsa zawiera się g białka i g tłuszczy naleŝy obniŝyć do minimum koszty wyŝywienia. Cena chleba za kg wynosi zł, zaś mięsa zł. Zmienne decyzyjne: X-dzienna racja chleba X dzienna racja tłuszczu Funkcja celu: z = x + x Ograniczenia: 5 x + x >= x + x <= x <= x >= x >= 7

Zagadnienie mieszaniny Funkcja celu: z = x + x+ s+ s+ s+m a ->min Ograniczenia: 5 x + x s + a = x + x + s = x +s = x, x, s, s, s, a>=, M duŝa liczba 7

7 -M a -M M -+M -+5M cj-zj Wskaźniki optymalności -M M -M -5M zj s s - 5 a -M s s s x x Baza b - - cj Algorytm Simplex Pierwsze rozwiązanie bazowe (max)