Treść dzisiejszego wykładu l Analiza wrażliwości –zmiana wartości współczynników funkcji celu, –zmiana wartości prawych stron ograniczeń. l Podejścia do.

Slides:



Advertisements
Podobne prezentacje
Excel Narzędzia do analizy regresji
Advertisements

ANALIZA SIECIOWA PRZEDSIĘWZIĘĆ konstrukcja harmonogramu
EKONOMETRIA CZ. II W. Borucki.
Analiza współzależności zjawisk
Wybrane zastosowania programowania liniowego
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Wprowadzenie do optymalizacji wielokryterialnej.
Metody rozwiązywania układów równań liniowych
Badania operacyjne. Wykład 1
Badania operacyjne. Wykład 2
Liniowość - kryterium Kryterium Znane jako zasada superpozycji
Programowanie liniowe całkowitoliczbowe
Symulacja zysku Sprzedaż pocztówek.
Materiały do zajęć z przedmiotu: Narzędzia i języki programowania Programowanie w języku PASCAL Część 8: Wykorzystanie procedur i funkcji © Jan Kaczmarek.
Wpływ warunków na niewiadome na wyniki wyrównania.
Liniowe modele decyzyjne – rozwiązania i analiza post-optymalizacyjna
Wykład 2: Upraszczanie, optymalizacja i implikacja
Metoda graficzna opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Zadania, w których.
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
dr inż. Iwona Staniec p. 334 Lodex
Problem transportowy opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź 2000.
Metoda graficzna opracowanie na podstawie Metody wspomagające podejmowanie decyzji w zarządzaniu D. Witkowska, Menadżer Łódź Zadania, w których występują
Zadanie pierwotne Zadanie dualne Max f. celu Współczynniki f. celu Warunki „=„ Warunki „=„ Macierz parametrów Min f. celu.
PRÓG RENTOWNOŚCI.
Matematyczne techniki zarządzania - 211
Dane do obliczeń.
Przegląd podstawowych algorytmów
Paweł Górczyński Badania operacyjne Paweł Górczyński
ETO w Inżynierii Chemicznej MathCAD wykład 4.. Analiza danych Aproksymacja danych.
Optymalizacja liniowa
Programowanie liniowe w teorii gier
Paweł Górczyński Badania operacyjne Paweł Górczyński
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
Analiza postoptymalizacyjna
ALGORYTMY OPTYMALIZACJI
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
METODY NUMERYCZNE I OPTYMALIZACJA
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
PROBLEMY DECYZYJNE KRÓTKOOKRESOWE WYBÓR OPTYMALNEJ STRUKTURY PRODUKCJI
MS Excel - wspomaganie decyzji
II Zadanie programowania liniowego PL
D. Ciołek BADANIA OPERACYJNE – wykład 2
Zagadnienie i algorytm transportowy
ANALIZA WRAŻLIWOŚCI.
Analiza portfeli dwu- oraz trzy-akcyjnych
1 ĆWICZENIA ANALIZA WRAŻLIWOŚCI. 2 WYKŁAD ANALIZA WRAŻLIWOŚCI Przez analizę wrażliwości rozumie się badanie siły oddziaływania różnych czynników lub ich.
PRÓG RENTOWNOŚCI – BEP (Break- Even- Point)
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.
Stosowane modele równowagi ogólnej (CGE) Wykład 2.
ANALIZA CVP KOSZT-WOLUMEN-ZYSK.
Treść dzisiejszego wykładu l Metoda kar. l Podsumowanie przekształcania zadań programowania liniowego do postaci tabelarycznej. l Specjalne przypadki –sprzeczność,
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 -
© Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania 1 Metody optymalizacji - Energetyka 2015/2016 Metody programowania liniowego.
Logistyka – Ćwiczenia nr 6
Treść dzisiejszego wykładu l Klasyfikacja zmiennych modelu wielorównaniowego l Klasyfikacja modeli wielorównaniowych l Postać strukturalna i zredukowana.
DECYZJE OPTYMALNE ANALIZA POOPTYMALIZACYJNA Zakład produkuje trzy proszki do prania – A, B, C, których tona kosztuje odpowiednio 600, 1300, 2000 zł. Do.
Ekonometria WYKŁAD 12 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Treść dzisiejszego wykładu l Model Leontiefa. l Prognozy struktury systemu gospodarczego w modelu Leontiefa. l Wprowadzenie do problemów decyzyjnych.
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
STATYSTYKA – kurs podstawowy wykład 11
Rozpatrzmy następujące zadanie programowania liniowego:
Metody optymalizacji Wykład /2016
Metody optymalizacji Materiał wykładowy /2017
Badania operacyjne, Solver
Metody optymalizacji – metody badań operacyjnych
Zapis prezentacji:

Treść dzisiejszego wykładu l Analiza wrażliwości –zmiana wartości współczynników funkcji celu, –zmiana wartości prawych stron ograniczeń. l Podejścia do analizy wrażliwości –graficzne, –tabela simpleks - podejście analityczne. l Ceny dualne.

Analiza wrażliwości l Dzięki analizie wrażliwości można odpowiedzieć na takie pytania jak: –Jak zmiana współczynników funkcji celu wpływa na rozwiązanie optymalne? –Jak zmiana prawych stron ograniczeń wpływa na rozwiązanie optymalne? l Analiza wrażliwości stosowana jest dopiero po wyznaczeniu rozwiązania optymalnego l Ważna dla menedżerów dlatego, że problemy decyzyjne występują w środowisku dynamicznym oraz dlatego, że pozwala określić krytyczne parametry problemu PL.

Produkcja toreb; Par, Inc. l Rozwiązanie optymalne: –x 1 = 540 toreb standardowych, –x 2 = 252 toreb luksusowych. l Zysk jednostkowy z torby standardowej spada do 7$ l Zysk jednostkowy z torby luksusowej (9$) jest tylko przybliżeniem prawdziwego zysku l Zmiana wielkości dostępnych zasobów

Zakres zmienności l Zakres zmienności danego współczynnika funkcji celu jest zbiorem wartości tego współczynnika, dla których bieżące rozwiązanie optymalne pozostanie optymalne l Należy zwrócić uwagę na: –współczynniki o wąskim zakresie zmienności, –współczynniki, których faktyczne wartości leżą blisko krańców zakresu zmienności.

Zakresy zmienności - Par, Inc. 6.3$  zysk z torby standardowej  13.5$ 6.67$  zysk z torby luksusowej  14.29

Zakresy zmienności - Par, Inc. l Zysk jednostkowy z torby standardowej 18$. Zysk z torby standardowej  13.5$. Zysk z torby luksusowej  12$.

Jednoczesna zmiana l Zysk z torby standardowej wzrasta do 13$. l Zysk z torby luksusowej spada do 8$. l Produkcja 540 sztuk toreb standardowych i 252 sztuk toreb luksusowych nie jest optymalna!

HighTech - rozwiązanie optymalne l Rozwiązanie optymalne: –x B = [ ] T

Zakres zmienności l MAX: zakres zmienności dla współczynnika funkcji celu jest określony przez takie wartości współczynnika, które zagwarantują: c j - z j  0, dla każdego j. l MIN: zakres zmienności dla współczynnika funkcji celu jest określony przez takie wartości współczynnika, które zagwarantują: c j - z j  0, dla każdego j.

Zysk jednostkowy z Deskpro

Zakres zmienności l Gdy zysk jednostkowy z komputera DeskPro jest nie mniejszy niż 24$ oraz nie większy niż 64$, to optymalna produkcja się nie zmienia i wynosi: –30 komputerów DeskPro, –12 komputerów Portable. l Uwaga: Łączny zysk z produkcji zmienia się wraz ze zmianą zysku jednostkowego z komputera DeskPro!

Zysk z Deskpro = 30$

Zysk z Deskpro = 20$

Zmienna niebazowa

Zakres zmienności - algorytm l Zastąp wartość liczbową współczynnika funkcji celu przy zmiennej x k symbolem c k wszędzie, gdzie występuje w ostatniej tablicy simpleksowej. Jeśli zmienna x k jest zmienną bazową, oblicz jeszcze raz współczynniki optymalności  j = c j - z j dla każdej zmiennej niebazowej; jeśli x k jest zmienną niebazową, wystarczy obliczyć tylko  k = c k - z k. Rozwiąż układ nierówności c j - z j  0 (MAX) lub c j - z j  0 (MIN). Wartości c k spełniające wszystkie nierówności stanowią zakres zmienności współczynnika c k.

HighTech - rozwiązanie optymalne l Rozwiązanie optymalne: –x B = [ ] T

Ceny dualne

Zakres dopuszczalności l Zakres dopuszczalności - zbiór wartości, które może przyjmować konkretny parametr b i, nie powodując niedopuszczalności żadnej zmiennej bazowej, tj. wszystkie zmienne bazowe są nieujemne.

Wzrost zasobu czasu montażu l Zasób czasu montażu wzrasta ze 150 h do 160 h. l Czy bieżąca baza będzie generowała wciąż rozwiązanie dopuszczalne?

Wzrost zasobu czasu montażu Stare rozwiązanie Zmiana b 1 Nowe rozwiązanie Kolumna s 1

Zakres dopuszczalności b 1 l ogólnie: l zmienne bazowe powinny pozostać nieujemne –12 + 8/25  b 1  0  b 1  –8 - 8/25  b 1  0  b 1  25 –30 - 5/25  b 1  0  b 1  150 zakres dopuszczalności  b 1 : –-37.5  b 1  25 l zakres dopuszczalności b 1 : –112.5   b 1  175

Zmiana b 1 o 25 l zysk:1980$ + (2.80$)*25 = 2050$ l rozwiązanie optymalne: –x 2 = *8/25 = 20 –s 2 = *(-8/25) = 0 –x 1 = *(-5/25) = 25

Zakres dopuszczalności - ogólnie bieżące rozwiązanie kolumna ostatniej tablicy simpleksowej odpowiadająca zmiennej niedoboru związanej z i-tym ograniczeniem

Zakres dopuszczalności - ogólnie bieżące rozwiązanie kolumna ostatniej tablicy simpleksowej odpowiadająca zmiennej nadmiaru związanej z i-tym ograniczeniem

Zakres dopuszczalności - inaczej x B = B -1 b  0, gdzie –b - początkowy wektor prawych stron, –B -1 - macierz powstała w bardzo specyficzny sposób. a 1 a 2 e 1 e 2 e 3 e 3 e 1 h 3 e 2 h 5 B -1 = [h 3 e 2 h 5 ]