Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Metody optymalizacji Materiał wykładowy /2017

Podobne prezentacje


Prezentacja na temat: "Metody optymalizacji Materiał wykładowy /2017"— Zapis prezentacji:

1 Metody optymalizacji Materiał wykładowy 3 - 2016/2017
Energetyka - studia stacjonarne I stopnia Kazimierz Duzinkiewicz, dr hab. inż., prof. nadzw. PG Katedra Inżynierii Systemów Sterowania Materiał wykładowy /2017 Metody programowania liniowego

2 Metody programowania liniowego – postać zagadnienia optymalizacyjnego, podstawowe pojęcia, rozwiązania graficzne Postać matematyczna zagadnień programowania liniowego I. Postać mieszana (1) Funkcja celu (2) Warunki ograniczające (3) Warunki nieujemności

3 Warunki nieujemności nie muszą dotyczyć wszystkich zmiennych
Warunki nieujemności nie muszą dotyczyć wszystkich zmiennych. Jeżeli , to warunki nieujemności nazywamy pełnymi Przy rozwiązywaniu zadań programowania liniowego (PL) metodą simpleks, najpopularniejszą metodą rozwiązywania zadań PL, należy je zapisać w postaci standardowej II. Postać standardowa (1) zasadnicze warunki ograniczające są dane w postaci równań (2) elementy prawej strony ograniczeń są nieujemne (3) warunki nieujemności są pełne dodamy ponadto (4) funkcja celu jest minimalizowana

4 Postać standardowa – Zapis I

5 Twierdzenie 1: Zadanie programowania liniowego z funkcją celu: jest równoważne zadaniu programowania liniowego z funkcją celu: Spełniona jest przy tym zależność: Twierdzenie 2: Jeżeli w zadaniu programowania liniowego zastąpimy funkcję celu postaci: funkcją celu postaci: to rozwiązanie optymalne, o ile ono istnieje, dla obu zadań będzie identyczne

6 Nieujemność elementów prawej strony:
Zasada 1: Jeżeli , to i-te ograniczenie należy pomnożyć przez -1 Nieujemność zmiennych: Zasada 2: Jeżeli zmienna ma być ujemna, to dokonujemy podstawienia: Zasada 3: Jeżeli zmienna nie ma ograniczenia na znak, to dokonujemy podstawienia

7 Równościowe warunki ograniczające:
Zasada 4: Każda nierówność: jest równoważna układowi warunków: Zasada 5 Każda nierówność: jest równoważna układowi warunków: - zmienne swobodne lub uzupełniające

8 Postać standardowa – Zapis II
Postać standardowa – Zapis III gdzie:

9 Postać standardowa – Zapis IV
gdzie:

10 Przykład 1: Sformułowano zadanie optymalizacyjne w postaci (1) (2) (3) (4) (5) Sprowadź podane sformułowanie do postaci standardowej

11 Dla uzyskania postaci standardowej należy:
(1) funkcję celu (1) sprowadzić do formy minimalizacji (2) podstawić (3) przemnożyć ograniczenie (4) przez -1 (4) wprowadzić zmienną swobodną do ograniczenia (2) (5) wprowadzić zmienną swobodną do ograniczenia (3) Wykonamy to kolejno: (1)

12 (2) (1) (2) (3) (4) (5) (3) (1) (2) (3) (4) (5)

13 (4) (1) (2) (3) (4) (5) (5) (1) (2) (3) (4) (5)

14 Geometria i algebra programowania liniowego
Rozwiązania zagadnienia programowania liniowego są wektorami, kolumny macierzy współczynników ograniczeń są wektorami, współczynniki funkcji celu tworzą wektor, prawa strona ograniczeń tworzy wektor ……

15 Geometria i algebra programowania liniowego
Przestrzeń liniowa Definicja 1.

16 Geometria i algebra programowania liniowego
Definicja 1. – c.d.

17 Geometria i algebra programowania liniowego
Definicja 2. Definicja 3.

18 Geometria i algebra programowania liniowego
Definicja 4.

19 Geometria i algebra programowania liniowego
Twierdzenie 1.

20 Geometria i algebra programowania liniowego
Zbiory wypukłe Definicja 5. Definicja 6

21 Geometria i algebra programowania liniowego
Definicja 7

22 Geometria i algebra programowania liniowego
Twierdzenie 2. Definicja 8.

23 Geometria i algebra programowania liniowego
Rozwiązywanie układu równań liniowych algebraicznych

24 Geometria i algebra programowania liniowego
Definicja 9.

25 Geometria i algebra programowania liniowego
Definicja 10.

26 Geometria i algebra programowania liniowego
Właściwości rozwiązań zadania programowwania liniowego (a) (b) (c)

27 Geometria i algebra programowania liniowego
Definicja 11. (a) – (c) (b) – (c) Definicja 12. (b) Definicja 13. (c)

28 Geometria i algebra programowania liniowego
Definicja 14. Definicja 15.

29 Geometria i algebra programowania liniowego
Twierdzenie 3.

30 Geometria i algebra programowania liniowego
Twierdzenie 4. (a) maksymalną

31 Geometria i algebra programowania liniowego
Twierdzenie c.d.

32 Geometria i algebra programowania liniowego
Twierdzenie 5. Wnioski

33 Zużycie surowca w tonach na tonę farby
Rozwiązywanie graficzne zadań programowania liniowego - studium przypadku Przykład 2: Pewna firma produkuje dwa rodzaje farb: dla prac wewnętrznych (I) i zewnętrznych (E). Wyprodukowane farby kierowane są do sprzedaży hurtowej. Do produkcji farb stosuje się dwa surowce A i B. Maksymalne dostępne dziennie ilości tych surowców wynoszą odpowiednio 6 i 8 t. Zużycie surowców A i B na jedną tonę odpowiedniej farby podaje tabela. Zużycie surowca w tonach na tonę farby Maksymalna dostępna dziennie ilość surowca Surowiec Farba E Farba I A 1 2 6 B 2 1 8 Badanie rynku pokazało, że dzienny popyt na farbę I nigdy nie przewyższa popytu na farbę E o więcej niż 1 tonę. Poza tym ustalono, że popyt na farbę I nigdy nie przekracza 2 ton na dobę. Ceny hurtowe jednej tony farb są równe: 3j.p. dla farby E, i 2j.p. dla farby I. Jakie ilości farby E i I powinna produkować firma, aby dochód z produkcji był maksymalny?

34 Opcje decyzyjne: - dzienna produkcja farby E w tonach - dzienna produkcja farby I w tonach Funkcja celu: zmaksymalizować: Ograniczenia: Zasoby dzienne surowca A: 1 Zasoby dzienne surowca B: 2 Różnica popytu na farbę I i E: 3 Popyt na farbę I: 4 Warunki nieujemności: 5 6

35 Rozwiązywanie graficzne
dla zadania maksymalizacji i malenia dla minimalizacji

36 Obszar rozwiązań dopuszczalnych i linia stałej wartości funkcji celu:
6 1 2 3 4 5

37 Znajdowanie rozwiązania optymalnego:
6 .

38 Rozwiązanie optymalne:

39

40

41 Rozwiązanie optymalne jest punktem wierzchołkowym; punkt wierzchołkowy jest rozwiązaniem bazowym
Punkt optymalny: 6 oraz: Ponadto (nietrudno policzyć):

42 Inne przypadki Przykład 3: 2 5 3

43 Przykład 4: 3 2 4

44 Przykład 5: 1 2 4 3 5

45 Przykład 6: 1 2 3

46 Przykład 7: 2 3 1 4

47 Przykład 8:

48 Elementy algorytmu simpleksowego
Postać standardowa przykładu Początkowa tablica simpleksowa

49 Rozpoczęcie obliczeń

50 Elementy jednego kroku algorytmu simpleksowego

51

52 Drugie rozwiązanie

53

54

55 Tablica optymalnego rozwiązania

56 Podsumowanie rozwiązywania - Tablice kolejnych kroków

57 Podsumowanie rozwiązywania - Interpretacja geometryczna kolejnych kroków
1 2 3 4 5 6

58 Rozwiązanie optymalne

59 Analizy postoptymalizacyjne
Pierwsze zadanie analizy wrażliwości Wpływ zmiany ilości poszczególnych zasobów na aktualne rozwiązanie optymalne Formalna nazwa: analiza wrażliwości na zmiany prawej strony ograniczeń Ograniczenia: aktywne i nieaktywne Ograniczenie jest aktywne dla aktualnego rozwiązania optymalnego jeżeli  przechodzi przez punkt tego rozwiązania  spełnione jest równościowo w punkcie tego rozwiązania W przeciwnym przypadku ograniczenie jest nieaktywne

60 Analizy postoptymalizacyjne
Składnik: deficytowe i niedeficytowe Składnik jest deficytowy dla aktualnego rozwiązania optymalnego jeżeli odpowiadające mu ograniczenie jest aktywne W przeciwnym przypadku składnik jest niedeficytowy Dwa aspekty analizy wrażliwości na zmiany prawej strony ograniczeń  graniczne dopuszczalne zwiększenie zasobu składnika deficytowego pozwalające poprawić aktualne rozwiązanie optymalne (nie zmieniające aktualnych zmiennych bazowych rozwiązania bazowego)  granicznie dopuszczalne zmniejszenie zasobu składnika niedeficytowego nie zmieniające aktualnych zmiennych bazowych rozwiązania optymalnego

61 Analizy postoptymalizacyjne
Zwiększanie zasobów deficytowych 1 2 3 4 5 6

62 Analizy postoptymalizacyjne
Zmniejszanie zasobów niedeficytowych 4 3 1 5 2 6

63 Analizy postoptymalizacyjne
Podsumowanie Składnik Rodzaj składnika Maksymalna zmiana zasobu składnika Wartość zmieniona – wartość aktualna Deficytowy 7 – 6 = 1 12 – 8 = 4 13 – = +1 3 1 2 3 4 Niedeficytowy Maksymalna zmiana dochodu 18 – = - 2 – 1 = -3 = = 0

64 Cenność dodatkowej jednostki zasobu składnika
Analizy postoptymalizacyjne Drugie zadanie analizy wrażliwości Zasoby którego ze składników deficytowych należałoby powiększać w pierwszej kolejności Charakterystyka cenności dodatkowej jednostki zasobu składnika deficytowego Cenność dodatkowej jednostki zasobu składnika Rodzaj składnika Składnik 1 Deficytowy 1 = 1 3 ÷ 1 = 1 3 2 Deficytowy 2 = ÷ 4 = 4 3 3 Niedeficytowy 3 = 0 4 Niedeficytowy 4 = 0

65 Analizy postoptymalizacyjne
Trzecie zadanie analizy wrażliwości Wpływ wartości współczynników f.c. na rozwiązanie optymalne Dwa aspekty analizy wrażliwości na zmiany współczynników funkcji celu  przedział zmian (zmniejszenia lub zwiększenia) danego współczynnika funkcji celu, dla którego nie dochodzi do zmiany rozwiązania optymalnego?  o ile należy zmienić dany współczynnik funkcji celu, aby uczynić określony składnik niedeficytowy deficytowym i na odwrót?

66 Analizy postoptymalizacyjne
Pierwszy aspekt – c1 = var, c2 = const = 2; c1 = const = 3, c2 = var 4 1 3 5 2 6

67 – koniec materiału prezentowanego podczas wykładu
Dziękuję za uwagę – koniec materiału prezentowanego podczas wykładu


Pobierz ppt "Metody optymalizacji Materiał wykładowy /2017"

Podobne prezentacje


Reklamy Google