D. Ciołek BADANIA OPERACYJNE – wykład 2

Slides:



Advertisements
Podobne prezentacje
Excel Narzędzia do analizy regresji
Advertisements

Metody numeryczne część 1. Rozwiązywanie układów równań liniowych.
Wybrane zastosowania programowania liniowego
Mechanizm wnioskowania rozmytego
Programowanie matematyczne
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Metody rozwiązywania układów równań liniowych
Badania operacyjne. Wykład 1
Badania operacyjne. Wykład 2
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Metody poszukiwania rozwiązań wielocelowych zagadnień liniowych
Liniowe modele decyzyjne – rozwiązania i analiza post-optymalizacyjna
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.
Korelacje, regresja liniowa
Matematyczne techniki zarządzania - 211
AUTOMATYKA i ROBOTYKA (wykład 6)
Optymalizacja liniowa
Obserwatory zredukowane
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
II Zadanie programowania liniowego PL
AUTOMATYKA i ROBOTYKA (wykład 5)
ALGORYTMY OPTYMALIZACJI
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zakładamy a priori istnienie rozwiązania α układu równań.
METODY NUMERYCZNE I OPTYMALIZACJA
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Dekompozycja Kalmana systemów niesterowalnych i nieobserwowalnych
Teoria sterowania 2011/2012Sterowanie – metody alokacji biegunów III Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Sterowanie.
II. Matematyczne podstawy MK
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
EXCEL Wykład 4.
Obserwowalność i odtwarzalność
Sterowalność - osiągalność
Sterowanie – metody alokacji biegunów II
Źródła błędów w obliczeniach numerycznych
MS Excel - wspomaganie decyzji
FUNKCJE Opracował: Karol Kara.
Sterowanie – metody alokacji biegunów III
II Zadanie programowania liniowego PL
D. Ciołek BADANIA OPERACYJNE – wykład 2
D. Ciołek BADANIA OPERACYJNE – wykład 0
D. Ciołek BADANIA OPERACYJNE – wykład 4
D. Ciołek EKONOMETRIA – wykład 2
D. Ciołek EKONOMETRIA – wykład 4
Zagadnienie i algorytm transportowy
Metody rozwiązywania układów równań liniowych
D. Ciołek EKONOMETRIA – wykład 7
Metody Sztucznej Inteligencji – technologie rozmyte i neuronowe Wnioskowanie Mamdani’ego - rozwinięcia  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii.
D. Ciołek BADANIA OPERACYJNE – wykład 0
Katedra Inżynierii Sterowania Komputerowe systemy sterowania i wspomagania decyzji 2015/2016 © Kazimierz Duzinkiewicz, dr hab. inż. 1 Dekompozycyjne metody.
Treść dzisiejszego wykładu l Metoda kar. l Podsumowanie przekształcania zadań programowania liniowego do postaci tabelarycznej. l Specjalne przypadki –sprzeczność,
© Kazimierz Duzinkiewicz, dr hab. inż. Katedra Inżynierii Systemów Sterowania 1 Metody optymalizacji - Energetyka 2015/2016 Metody programowania liniowego.
Ekonometria WYKŁAD 12 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
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.
Rozpatrzmy następujące zadanie programowania liniowego:
Elementy cyfrowe i układy logiczne
Metody optymalizacji Materiał wykładowy /2017
Teoria sterowania Wykład /2016
EKONOMETRIA W3 prof. UG, dr hab. Tadeusz W. Bołt
Metody sztucznej inteligencji
Teoria sterowania Materiał wykładowy /2017
Zapis prezentacji:

D. Ciołek BADANIA OPERACYJNE – wykład 2 Wykład 2: Metoda simpleks dr Dorota Ciołek Katedra Ekonometrii Wydział Zarządzania UG http://wzr.pl/dc

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks Metoda simpleks – uniwersalna, pozwala na znalezienie rozwiązania optymalnego dla każdego liniowego modelu decyzyjnego, które ma rozwiązanie. Sekwencyjne ukierunkowane sprawdzanie rozwiązań. Załóżmy, że mamy LMD z n zmiennymi decyzyjnymi i m warunkami ograniczającymi. Można rozpocząć rozwiązywanie modelu metodą simpleks: gdy w macierzy współczynników z warunków ograniczających A, znajduje się podmacierz kwadratowa o wymiarze m, której kolumny są liniowo niezależne (macierz jednostkowa). Jeżeli w macierz A znajduje się taka macierz możemy wskazać rozwiązanie bazowe.

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks Rozpoczynamy od modelu w postaci kanonicznej. (MAX)

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks Rozpoczynamy od modelu w postaci kanonicznej. (MAX) Macierz A:

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks Rozpoczynamy od modelu w postaci kanonicznej. (MAX) Macierz A:

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks Zmienne, przy których znajduje się macierz jednostkowa (zmienne bazowe) przyjmują niezerowe wartości w danym rozwiązaniu bazowym. Zmienne niebazowe są równe zero. Wartości zmiennych bazowych w rozwiązaniu początkowym równe są elementom wektora wyrazów wolnych b. Zdegenerowane rozwiązanie bazowe – chociaż jedna zmienna bazowa jest równa zero. Wówczas mogą nastąpić tzw. martwe kroki – przechodzimy od jednego rozwiązania do drugiego związanych z tym samym punktem, wartość funkcji celu się nie zmienia.

D. Ciołek BADANIA OPERACYJNE – wykład 2 Tablica simpleks (max – bez sztucznej bazy) x1 x2 … xn s1 sm baza cj c1 c2 cn bj s2 a11 a21 am1 1 b1 b2 bm cj - zj Big M

D. Ciołek BADANIA OPERACYJNE – wykład 2 Tablica simpleks (max – bez sztucznej bazy) x1 x2 … xn s1 sm baza cj c1 c2 cn bj s2 a11 a21 am1 1 b1 b2 bm cj - zj Big M

D. Ciołek BADANIA OPERACYJNE – wykład 2 Tablica simpleks (max – bez sztucznej bazy) x1 x2 … xn s1 sm baza cj c1 c2 cn bj s2 a11 a21 am1 1 b1 b2 bm cj - zj Big M

D. Ciołek BADANIA OPERACYJNE – wykład 2 Tablica simpleks (max – bez sztucznej bazy) x1 x2 … xn s1 sm baza cj c1 c2 cn bj s2 a11 a21 am1 1 b1 b2 bm cj - zj Big M

D. Ciołek BADANIA OPERACYJNE – wykład 2 Metody simpleks (tablicowo) Początkowa tablica simpleks zawiera pierwsze rozwiązanie bazowe. Każda zmienna w danym rozwiązaniu ma swój wskaźnik optymalizacyjny (cj – zj): Dla zmiennych bazowych jest on równy zero. Dla zmiennych niebazowych określa jak się zmieni wartość funkcji celu, jeżeli dana zmienna przyjmie wartość jeden.

D. Ciołek BADANIA OPERACYJNE – wykład 2 Tablica simpleks (max – bez sztucznej bazy) x1 x2 … xn s1 sm baza cj c1 c2 cn bj s2 a11 a21 am1 1 b1 b2 bm cj - zj Big M

D. Ciołek BADANIA OPERACYJNE – wykład 2 Metody simpleks (tablicowo) Początkowa tablica simpleks zawiera pierwsze rozwiązanie bazowe. Każda zmienna w danym rozwiązaniu ma swój wskaźnik optymalizacyjny (cj – zj): Dla zmiennych bazowych jest on równy zero. Dla zmiennych niebazowych określa jak się zmieni wartość funkcji celu, jeżeli dana zmienna przyjmie wartość jeden. Kryterium optymalności: Dane rozwiązanie bazowe jest optymalne, jeżeli wskaźniki optymalizacyjne dla zmiennych niebazowych są: niedodatnie – dla maksymalizacji, nieujemne – dla minimalizacji.

D. Ciołek BADANIA OPERACYJNE – wykład 2 Metody simpleks (tablicowo) Jeżeli w początkowej tablicy simpleks nie jest zawarte rozwiązanie optymalne należy przejść do kolejnej tablicy (kolejnego wierzchołka). Kryterium wyboru zmiennej wprowadzanej do bazy: Dla maksymalizacji do bazy wejdzie zmienna niebazowa, dla której współczynnik optymalizacyjny ma największą wartość dodatnią. Dla minimalizacji do bazy wejdzie zmienna niebazowa, dla której współczynnik optymalizacyjny ma największą wartość ujemną.

D. Ciołek BADANIA OPERACYJNE – wykład 2 Metody simpleks (tablicowo) Reguła wyboru zmiennej usuwanej z bazy: Elementy kolumny bj dzielimy przez odpowiednie elementy kolumny przy zmiennej wchodzącej do bazy. Zmienna wejdzie na to miejsce w bazie, gdzie iloraz będzie najmniejszy, po warunkiem, że jest większy od zera. (Brak ilorazów dodatnich oznacza, że zagadnienie nie ma rozwiązania optymalnego – należy przerwać obliczenia). Wyznaczanie nowej tablicy simpleksowej: Przekształcenia Gaussa, Przekształcenia Jordana.

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks – min (Sztuczna baza) Model w postaci kanonicznej. (MIN)

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks – min (Sztuczna baza) Model w postaci kanonicznej. (MIN)

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks – min (Sztuczna baza) Model w postaci kanonicznej. (MIN)

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks – min (Sztuczna baza) Model w postaci kanonicznej. (MIN)

D. Ciołek BADANIA OPERACYJNE – wykład 2 Idea metody simpleks – min (Sztuczna baza) Zmienna sztuczna A wprowadzana jest zawsze wtedy, gdy zmienna dodatkowa w warunku ograniczającym ma znak ujemny: typowe warunki w zagadnieniu minimalizacji, nietypowe warunki w zagadnienie maksymalizacji. Waga w funkcji celu przy zmiennej sztucznej: w minimalizacji + M, w maksymalizacji – M.