Zagadnienie i algorytm transportowy

Slides:



Advertisements
Podobne prezentacje
Tablice 1. Deklaracja tablicy
Advertisements

ANALIZA SIECIOWA PRZEDSIĘWZIĘĆ konstrukcja harmonogramu
EKONOMETRIA CZ. II W. Borucki.
Analiza współzależności zjawisk
Metody numeryczne część 1. Rozwiązywanie układów równań liniowych.
Schemat blokowy M START KONIEC
Elektrostatyka w przykładach
Macierze, wyznaczniki, odwracanie macierzy i wzory Cramera
Programowanie matematyczne
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Metody rozwiązywania układów równań liniowych
Algorytm transportowy
Wzory Cramera a Macierze
Badania operacyjne. Wykład 2
Metody numeryczne wykład no 2.
Metody Numeryczne Wykład no 3.
POLA FIGUR PŁASKICH.
WEKTORY Każdy wektor ma trzy zasadnicze cechy: wartość (moduł), kierunek i zwrot. Wartością wektora nazywamy długość odcinka AB przedstawiającego ten wektor.
Macierze Maria Guzik.
Zagadnienie transportowe
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
Autor: Olszewski Kamil Klasa I TM
Matematyka.
OPERACJA DZIELENIA W SQL
Nierówności (mniej lub bardziej) geometryczne
Zagadnienie transportowe METODA POTENCJAŁÓW
Dane do obliczeń.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
OBLICZANIE ROZPŁYWÓW PRĄDÓW W SIECIACH OTWARTYCH
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zagadnienie transportowe
Dane INFORMACYJNE (do uzupełnienia)
KLASA: V TEMAT: Pole trapezu.
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
Zasady przywiązywania układów współrzędnych do członów.
Wspomaganie Decyzji II
Logistyka Transport.
FUNKCJE Opracował: Karol Kara.
II Zadanie programowania liniowego PL
D. Ciołek BADANIA OPERACYJNE – wykład 2
Liczby Całkowite.
Metody numeryczne szukanie pierwiastka metodą bisekcji
Wykłady z matematyki „W y z n a c z n i k i”
WYKŁAD 06 Programowanie dynamiczne Grażyna Mirkowska.
Opracowała: Marta Bożek
Algorytm znajdowania Największego Wspólnego Dzielnika.
Zagadnienie własne Macierz wektorów własnych V=(v1,v2,...,vn) przekształca zatem macierz A do postaci diagonalnej: W większości zastosowań w chemii i fizyce.
Matematyka Ekonomia, sem I i II.
Metody rozwiązywania układów równań liniowych
WIELOKĄTY Karolina Zielińska kl.v Aleksandra Michałek kl v
Wykład Rozwinięcie potencjału znanego rozkładu ładunków na szereg momentów multipolowych w układzie sferycznym Rozwinięcia tego można dokonać stosując.
METODY WYODRĘBNIANIA KOSZTÓW STAŁYCH I ZMIENNYCH
D. Ciołek BADANIA OPERACYJNE – wykład 2
Zarządzanie projektami
Treść dzisiejszego wykładu l Metoda kar. l Podsumowanie przekształcania zadań programowania liniowego do postaci tabelarycznej. l Specjalne przypadki –sprzeczność,
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Zagadnienia transportowe Katedra Ekonomiki i Funkcjonowania Przedsiębiorstw Transportowych.
Dipol elektryczny Układ dwóch ładunków tej samej wielkości i o przeciwnych znakach umieszczonych w pewnej odległości od siebie. Linie sił pola pochodzącego.
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.
Trochę matematyki - dywergencja Dane jest pole wektora. Otoczymy dowolny punkt P zamkniętą powierzchnią A. P w objętości otoczonej powierzchnią A pole.
Liczby naturalne i całkowite Spis treści Definicje Działania na liczbach Wielokrotności liczb naturalnych Cechy podzielności Przykłady potęg,potęgi o.
FIGURY PŁASKIE.
Liczbami naturalnymi nazywamy liczby 0,1,2,3,..., 127,... Liczby naturalne poznaliśmy już wcześniej; służą one do liczenia przedmiotów. Zbiór liczb.
Rozpatrzmy następujące zadanie programowania liniowego:
Zapis prezentacji:

Zagadnienie i algorytm transportowy

Zagadnienie transportowe Ekonomiczne sformułowanie problemu transportowego Istnieje pewna liczba punktów nadania i punktów odbioru jednorodnego towaru. Należy tak powiązać ze sobą miejsca dostaw z miejscami odbioru, ażeby łączne koszty transportu były jak najmniejsze

Wymagana jest znajomość następujących wielkości: Limity dostaw dostawców. Zapotrzebowanie odbiorców. Jednostkowe koszty transportu we wszystkich relacjach.

Matematyczne sformułowanie zagadnienia transportowego

Oznaczenia: xij — wielkość przewozu towaru od i-tego dostawcy do j-tego odbiorcy, cij — jednostkowy koszt przewozu towaru od i-tego dostawcy do j-tego odbiorcy, ai — limit dostaw i-tego dostawcy, bj — zapotrzebowanie j-tego odbiorcy, m — liczba dostawców, n — liczba odbiorców.

Tablica transportowa Odb. Dost. 1 2  n Limity dostaw x11 x12 x1n a1 x21 x22 x2n a2 m xm1 xm2 xmn am Zapotrzebowanie b1 b2 bn

Macierz kosztów jednostkowych

Rozwiązywanie zadań transportowych – algorytm transportowy Algorytm transportowy to zmodyfikowana metoda simpleks służąca do rozwiązywania zadań transportowych. Podstawowym warunkiem stosowania algorytmu transportowego jest, ażeby zadanie transportowe było zbilansowane. Oznacza to, że suma dostaw musi być równa sumie zapotrzebowania.

Możliwe sytuacje: ai > bj – rynek konsumenta; wprowadzamy fikcyjnego odbiorcę o zapotrzebowaniu: bn + 1 = ai – bj ai < bj – rynek producenta; wprowadzamy fikcyjnego dostawcę o limicie dostaw: am + 1 = bj – ai

Zadanie transportowe zbilansowane

Algorytm transportowy Ustalenie rozwiązania bazowego wyjściowego. Sprawdzenie optymalności rozwiązania. Jeżeli rozwiązanie wyjściowe nie jest jeszcze optymalne, należy wyznaczyć zmienną wprowadzaną do bazy. Wyznaczenie nowych wartości zmiennych bazowych. Powyższe kroki powtarza się, aż uzyskamy rozwiązanie optymalne.

Metody ustalania rozwiązania wyjściowego Metoda lewego-górnego rogu (metoda kąta północno-zachodniego). Metoda minimum macierzy. Metoda aproksymacji Vogla. Rozwiązanie bazowe zadania transportowego zapisuje się w tablicy transportowej, która ma tyle wierszy, ilu jest dostawców (wiersz odpowiada dostawcy) oraz tyle kolumn, ilu odbiorców (kolumna odpowiada odbiorcy). Zatem tablica transportowa ma wymiary m  n. Liczba zmiennych bazowych każdego rozwiązania podstawowego jest równa m + n – 1.

Sprawdzenie optymalności rozwiązania bazowego Wyznaczamy macierz wskaźników optymalności ij według wzoru: gdzie: cij — elementy macierzy jednostkowych kosztów transportu,  elementy macierzy kosztów pośrednich.

Wyznaczanie macierzy kosztów pośrednich Na polach bazowych przepisujemy wartości z macierzy cij. Pozostałe pola uzupełniamy w myśl jednej z dwóch zasad: metody jednakowych różnic: porównujemy ze sobą dowolne dwa wiersze albo dowolne dwie kolumny. Puste pola wypełniamy tak, ażeby różnice pomiędzy elementami porównywanych kolumn (wierszy) były jednakowe. metody potencjałów: dla wartości kosztów pośrednich leżących na polach bazowych korzystamy z następującej zależności:

gdzie: ui  potencjały dla wierszy, vj  potencjały dla kolumn. Najpierw wyznaczamy potencjały dla pól bazowych (w pierwszym wierszu wpisujemy u1 = 0), a następnie z tak wyliczonych potencjałów wyznaczamy wartości kosztów pośrednich dla pól niebazowych.

Sprawdzenie optymalności rozwiązania bazowego. Jeżeli wszystkie wyznaczone wartości wskaźników optymalności ij są niedodatnie, wówczas badane rozwiązanie jest optymalne. Jeżeli zaś przynajmniej jeden element macierzy ij jest dodatni, wówczas rozwiązanie należy poprawić.

Ulepszanie rozwiązania bazowego W macierzy wskaźników optymalności znajdujemy największą wartość dodatnią. W wybrane pole wprowadzamy nową zmienną bazową. Budujemy graf przesunięć. Graf przesunięć jest to linia łamana zamknięta, utworzona z odcinków leżących na polach bazowych. W miejscu, gdzie dwa odcinki się stykają, jest kąt prosty. Budowę grafu rozpoczynamy od pola, w które wprowadzamy nową zmienną. Pole to oznaczamy „+”. Kolejne pole oznaczamy „–”, kolejne „+”, i tak dalej. Pola z „+” tworzą półcykle dodatnie, a pola z „–” – półcykle ujemne. Wyznaczamy wartość nowej zmiennej bazowej:  = min z półcykli ujemnych.

Przeliczamy wartości zmiennych bazowych w taki sposób, że w miejscu półcykli dodatnich dodajemy wartość , a w miejscu półcykli ujemnych – odejmujemy. Uzyskujemy nowe rozwiązanie bazowe. Całą procedurę ulepszania stosujemy, aż uzyskamy rozwiązanie optymalne.

Twierdzenia dotyczące algorytmu transportowego Jeżeli wielkości dostaw oraz wielkości zapotrzebowania w zagadnieniu transportowym są liczbami całkowitymi, to każde rozwiązanie bazowe także jest wyrażone w liczbach całkowitych. Zadanie transportowe, w którym łączna objętość dostaw jest równa łącznej sumie zapotrzebowania (czyli jeżeli jest zbilansowane), zawsze posiada rozwiązanie. Warunkiem koniecznym i wystarczającym na to, ażeby rozwiązanie zadania transportowego było niezdegenerowane jest, aby nie było takiej niepełnej liczby punktów nadania, dla których łączna objętość dostaw jest równa sumarycznemu zapotrzebowaniu pewnej grupy punktów odbioru.