Treść dzisiejszego wykładu l Metoda kar. l Podsumowanie przekształcania zadań programowania liniowego do postaci tabelarycznej. l Specjalne przypadki –sprzeczność,

Slides:



Advertisements
Podobne prezentacje
EKONOMETRIA CZ. II W. Borucki.
Advertisements

Metody badania stabilności Lapunowa
Równanie różniczkowe zupełne i równania do niego sprowadzalne
Wybrane zastosowania programowania liniowego
Programowanie matematyczne
Ile rozwiązań może mieć układ równań?
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Wzory Cramera a Macierze
Badania operacyjne. Wykład 1
Badania operacyjne. Wykład 2
Materiały pochodzą z Platformy Edukacyjnej Portalu
Programowanie liniowe całkowitoliczbowe
Zliczanie III.
NIERÓWNOŚCI LINIOWE Z JEDNĄ NIEWIADOMĄ
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Liniowe modele decyzyjne – rozwiązania i analiza post-optymalizacyjna
Wykład 2: Upraszczanie, optymalizacja i implikacja
1.
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
Problem transportowy opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź 2000.
Zadanie pierwotne Zadanie dualne Max f. celu Współczynniki f. celu Warunki „=„ Warunki „=„ Macierz parametrów Min f. celu.
LICZBY RZECZYWISTE PODZBIORY ZBIORU LICZB RZECZYWISTYCH
Grupa 1 Sposoby rozwiązywania układów równań stopnia I z dwiema i z trzema niewiadomymi. Wykresy funkcji w szkole ponadgimnazjalnej.
PIERWIASTKI.
Matematyczne techniki zarządzania - 211
Dodatkowe własności funkcji B-sklejanych zawężenie f do K Rozważmy funkcjeIch zawężenia do dowolnego przedziałutworzą układ wielomianów. Dla i=k ten układ.
Programowanie Liniowe 1
Metody Lapunowa badania stabilności
AUTOMATYKA i ROBOTYKA (wykład 6)
Optymalizacja liniowa
Programowanie liniowe w teorii gier
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
Analiza postoptymalizacyjna
dla klas gimnazjalnych
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
II. Matematyczne podstawy MK
Teraz będę czytał w twoich myślach...
EXCEL Wykład 4.
Algebra Przestrzenie liniowe.
Ile rozwiązań może mieć układ równań?
„Równania są dla mnie ważniejsze, gdyż polityka jest czymś istotnym tylko dzisiaj, a równania są wieczne.” Albert Einstein.
MS Excel - wspomaganie decyzji
II Zadanie programowania liniowego PL
D. Ciołek BADANIA OPERACYJNE – wykład 2
Materiały pochodzą z Platformy Edukacyjnej Portalu
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski 1 informatyka +
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski 1 informatyka +
opracowała: Anna Mikuć
EXCEL Wstęp do lab. 4. Szukaj wyniku Prosta procedura iteracyjnego znajdowania niewiadomej spełniającej warunek będący jej funkcją Metoda: –Wstążka Dane:
WYKŁAD 06 Programowanie dynamiczne Grażyna Mirkowska.
Zagadnienie i algorytm transportowy
D. Ciołek BADANIA OPERACYJNE – wykład 2
Katedra Inżynierii Sterowania Komputerowe systemy sterowania i wspomagania decyzji 2015/2016 © Kazimierz Duzinkiewicz, dr hab. inż. 1 Dekompozycyjne metody.
Treść dzisiejszego wykładu l Podejmowanie decyzji. l Budowa modeli decyzyjnych. l Graficzna metoda rozwiązywania prostych problem l ów decyzyjnych. l Zapis.
Analiza portfeli dwu- oraz trzy-akcyjnych. Portfel dwóch akcji bez możliwości krótkiej sprzedaży W - wartość portfela   W = a P 1 + b P 2   P 1 -
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
Treść dzisiejszego wykładu l Analiza wrażliwości –zmiana wartości współczynników funkcji celu, –zmiana wartości prawych stron ograniczeń. l Podejścia do.
Rozwiązywanie układów równań Radosław Hołówko Konsultant: Agnieszka Pożyczka.
 Zdefiniowanie zmiennych  Programowanie liniowe jest działem programowania matematycznego obejmującym te zagadnienia, w których wszystkie związki mają.
Rozpatrzmy następujące zadanie programowania liniowego:
Metody optymalizacji Wykład /2016
Metody optymalizacji Materiał wykładowy /2017
(x1, x2) – decyzja (zmienne decyzyjne)
Badania operacyjne, Solver
Metody optymalizacji – metody badań operacyjnych
Rozwiązywanie równań pierwszego stopnia z jedną niewiadomą.
Zapis prezentacji:

Treść dzisiejszego wykładu l Metoda kar. l Podsumowanie przekształcania zadań programowania liniowego do postaci tabelarycznej. l Specjalne przypadki –sprzeczność, –nieograniczoność, –alternatywne rozwiązania optymalne, –degeneracja.

HighTech jeszcze raz x 1 - liczba wyprodukowanych sztuk Deskpro, x 2 - liczba wyprodukowanych sztuk Portable 50x x 2  max p.w. 3x 1 + 5x 2  150czas montażu 1x 2  20monitory komputera Portable 8x 1 + 5x 2  300przestrzeń magazynowa x 1 + x 2  25minimalna produkcja x 1, x 2  0

Postać standardowa 50x x 2 + 0s 1 + 0s 2 + 0s 3 + 0s 4  max p.w. 3x 1 + 5x 2 + s 1 =  150 x 2 + s 2 =  20 8x 1 + 5x 2 + s 3 =  300 x 1 + x 2 - s 4 = 25 x 1, x 2, s 1, s 2, s 3, s 4  0

RB dla x 1 = 0 i x 2 = 0 x 1 = 0 x 2 = 0 s 1 = 150 s 2 = 20 s 3 = 300 s 4 = -25  niedopuszczalne!!!

Układ równań - postać tabelaryczna 3x 1 + 5x 2 + s 1 =  150 x 2 + s 2 =  20 8x 1 + 5x 2 + s 3 =  300 x 1 + x 2 - s 4 + a 4 = 25

Bazowe rozwiązanie dopuszczalne l x 1 = x 2 = s 4 = 0 x 1 = 0 x 2 = 0 s 1 = 150 s 2 = 20 s 3 = 300 s 4 = 0 a 4 = 25

Metoda kar l PROBLEM: Jak zagwarantować, aby zmienne sztuczne zostały wyeliminowane przed osiągnięciem rozwiązania optymalnego? l ROZWIĄZANIE: Przypisać im bardzo duży koszt, np $, ale lepiej -M. Wtedy, jeżeli będą w bazie to bardzo zmniejszą zysk. l EFEKT: Zmienne sztuczne zostaną usunięte tak szybko jak tylko można. l NOWA FUNKCJA CELU: 50x x 2 + 0s 1 + 0s 2 + 0s 3 + 0s 4 -Ma 4  max

Pierwsza tablica simpleksowa l Bazowe rozwiązanie dopuszczalne: –x 1 = 0, x 2 = 0, s 1 = 150, s 2 = 20, s 3 = 300, s 4 = 0, a 4 = 25. –Rozwiązanie niedopuszczalne w problemie rzeczywistym!!!

Rozwiązanie optymalne l Rozwiązanie optymalne: –x 1 = 30, x 2 = 12, s 1 = 0, s 2 = 8, s 3 = 0, s 4 = 17. –Rozwiązanie dopuszczalne w problemie rzeczywistym!!!

Sprzeczność zadania PL l Zadanie PL jest sprzeczne wtedy, gdy nie ma ani jednego rozwiązania, spełniającego wszystkie ograniczenia, włączając warunki nieujemności. l HighTech: łączna produkcja nie może spaść poniżej 50 sztuk: 50x x 2  max p.w. 3x 1 + 5x 2  150czas montażu x 2  20monitory komputera Portable 8x 1 + 5x 2  300przestrzeń magazynowa x 1 + x 2  50minimalna produkcja x 1, x 2  0

Pierwsza tablica simpleksowa

Ostatnia tablica simpleskowa zadnie sprzeczne

Tworzenie formy tabelarycznej l Krok 1: Jeśli oryginalne zadanie PL zawiera jedno lub więcej ograniczeń z ujemną prawą stroną, pomnóż każde z tych ograniczeń przez -1. Pamiętaj o zmianie kierunków nierówności. Zadanie PL będzie teraz miało nieujemne prawe strony. Krok 2: Do warunków  dodaj zmienne niedoboru, aby otrzymać równości. Zmienne niedoboru wprowadź do funkcji celu ze współczynnikami zero. Ograniczenia te są już w postaci tabelarycznej, a wprowadzone zmienne niedoboru będą zmiennymi bazowymi w pierwszym BRD.

Tworzenie formy tabelarycznej Krok 3: W warunkach  odejmij zmienne nadmiaru, aby otrzymać równości, a następnie dodaj zmienne sztuczne, aby otrzymać postać tabelaryczną tych ograniczeń. Zmienne nadmiaru wprowadź do funkcji celu ze współczynnikami zero. Zmienne sztuczne wprowadź do funkcji celu ze współczynnikami -M (MAX) lub M (MIN). Zmienne sztuczne będą jednymi ze zmiennych bazowych w pierwszym BRD. l Krok 4: Do warunków = dodaj zmienną sztuczną, aby otrzymać formę tabelaryczną tych ograniczeń. Zmienne sztuczne wprowadź do funkcji celu ze współczynnikami -M (MAX) lub M (MIN). Zmienne sztuczne będą jednymi ze zmiennych bazowych w pierwszym BRD.

Przykład 6x 1 + 3x 2 + 4x 3 + 1x 4  max p.w. -2x 1 -1/2x 2 + 1x 3 - 6x 4 = -60 1x 1 + 1x 3 + 2/3x 4  20 -1x 2 - 5x 3  -50 x 1, x 2, x 3, x 4  0

Przykład l W celu wyeliminowania ujemnych prawych stron, odpowiednie ograniczenie mnożymy przez -1 (krok 1) 6x 1 + 3x 2 + 4x 3 + 1x 4  max p.w. 2x 1 + 1/2x 2 - 1x 3 + 6x 4 = 60 1x 1 + 1x 3 + 2/3x 4  20 1x 2 + 5x 3  50 x 1, x 2, x 3, x 4  0

Przykład l Stosujemy: krok 4 do ograniczenia 1, krok 2 do ograniczenia 2 i krok 3 do ograniczenia 3. 6x 1 + 3x 2 + 4x 3 + x 4 + 0s 2 + 0s 3 - Ma 1 - Ma 3  max p.w. 2x 1 + 1/2x 2 - x 3 + 6x 4 + a 1 = 60 x 1 + x 3 + 2/3x 4 + s 2 = 20 x 2 + 5x 3 - s 3 + a 3 = 50 x 1, x 2, x 3, x 4, s 2, s 3, a 1, a 3  0

Przykład

Nieograniczoność w zadaniu PL l Zadanie PL jest nieograniczone wtedy, gdy wartość funkcji celu może przyjmować dowolnie duże (MAX) lub małe (MIN) wartości bez pogwałcenia żadnego warunku ograniczającego. l Zadanie PL jest nieograniczone, gdy w iteracji nie można ustalić zmiennej wychodzącej. Wszystkie elementy kolumny tablicy simpleksowej są mniejsze lub równe zero, a metoda simpleks wskazuję, że zmienna odpowiadająca tej kolumnie powinna wejść do bazy.

Nieograniczoność w zadaniu PL 20x x 2  max p.w. x 1  2 x 2  5 x 1, x 2  0

Alternatywne rozwiązania optymalne l Jeśli zadanie PL ma więcej niż jedno rozwiązanie optymalne, to rozwiązania te nazywamy alternatywnymi. l Jeśli w tablicy simpleksowej rozwiązania optymalnego, współczynnik optymalności będzie się równał zeru dla jednej lub więcej zmiennych niebazowych, to znaczy, że istnieją rozwiązania alternatywne.

HighTech - zmiana funkcji celu 30x x 2  max p.w. 3x 1 + 5x 2  150czas montażu x 2  20monitory komputera Portable 8x 1 + 5x 2  300przestrzeń magazynowa x 1, x 2  0 Rozwiązanie optymalne: x 1 = 50/3, x 2 = 20, s 1 = 0, s 2 = 0, s 3 = 200/3

Zmienna s 2 w bazie Rozwiązanie optymalne: x 1 = 30, x 2 = 12, s 1 = 0, s 2 = 8, s 3 = 0

Nieograniczony zbiór rozwiązań optymalnych

Rozwiązanie zdegenerowane

Degeneracja zadania PL l Zadanie PL jest zdegenerowane, gdy jedna ze zmiennych bazowych ma wartość zero. Potencjalne trudności dla metody simpleks  może się zapętlić.