A szimplex algoritmus Ciklizáció Bland szabály Lexikografikus szabály Még több példa 2018/ Szegedi Tudományegyetem Informatika Intézet
|
|
- Judit Bognár
- 5 évvel ezelőtt
- Látták:
Átírás
1 Operációkutatás I. 2018/ Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 3. Előadás
2 Szimplex algoritmus Adott a standard alakú LP feladat: n a ij x j b i j=1 x j 0 i = 1,2,..., m j = 1,2,..., n n max c i x i = z j=1 A standard LP feladathoz tartozó szótár: n x n+i = b i a ij x j j=1 n z = c j x j j=1 i = 1,2,..., m
3 Szimplex algoritmus Most feltesszük, hogy b 1 0,..., b m 0, azaz a feladathoz feĺırt szótár bázismegoldása lehetséges megoldás. x = (0,0,..., 0, b 1, b 2,..., b m ) A negatív jobb oldalú feltételt ( i : b i < 0) tartalmazó standard feladatokkal később foglalkozunk
4 A Szimplex algoritmus bevezetése A szimplex algoritmus: Algoritmus: iteratív optimum keresés Ismételt áttérés más szótárakra a következő feltételek betartása mellett: 1 Minden iteráció szótára ekvivalens az előző iterációéval 2 Minden iteráció szótárának bázismegoldásán a célfüggvény értéke nagyobb vagy egyenlő, mint az előző iterációén 3 Minden iteráció bázismegoldása lehetséges megoldás Felmerülő kérdések: Mi alapján térjünk át egy másik szótárra? Hogyan térjünk át, hogy a feltételek teljesüljenek? Honnan tudjuk, hogy az aktuális bázismegoldás optimális? Létezik-e minden LP feladatnak optimuma?
5 Szimplex algoritmus - definíciók Pivot lépés: új szótár megadása egy bázis és nembázis változó szerepének felcserélésével (ld. példa) Belépőváltozó: a szimplex algoritmus egy iterációnak belépőváltozója az a nembázis változó, ami a következő szótárra áttérés hatására bázisváltozóvá válik Kilépőváltozó: a szimplex algoritmus egy iterációnak kilépőváltozója az a bázisváltozó, ami a következő szótárra áttérés hatására nembázis változóvá válik Szótárak ekvivalenciája: két szótár ekvivalens, ha az általuk leírt egyenletrendszer összes lehetséges megoldásai és a hozzájuk tartozó célfüggvényértékek rendre megegyeznek
6 Szimplex algoritmus Tétel. A pivot lépés előtti és az utána előálló új szótár ekvivalensek. Bizonyítás. Egyenleteket átrendezni ekvivalens átalakítás Egy egyenlethez egy másik konstans-szorosát hozzáadni ekvivalens átalakítás
7 Szimplex algoritmus Mi alapján térjünk át egy másik szótárra? Példa: x 4 = 4 x 1 2x 2 x 5 = 6 x 1 4x 3 x 6 = 2 2x 2 + 2x 3 z = x 1 + 4x 2 x 3 A célfüggvényértéke nő, ha az aktuális bázismegoldásban x 1 vagy x 2 értéke nő A célfüggvényértéke csökken, ha az aktuális bázismegoldásban x 3 értéke nő Melyik változó értékét növeljük, x 1 vagy x 2 értékét? Ld. különböző pivot szabályok.
8 Szimplex algoritmus Hogyan térjünk át, hogy a feltételek teljesüljenek? x 4 = 4 x 1 2x 2 x 5 = 6 x 1 4x 3 x 6 = 2 2x 2 + 2x 3 z = x 1 + 4x 2 x 3 A bázisváltozók nemnegativitásából eredő korlátok x 2 -re (x 1 = 0, x 3 = 0): x x x 2 x x x 2 A legszűkebb korlátot adó egyenletből fejezzük ki x 2 -t (ld. hányadosszabály)
9 Szimplex algoritmus Honnan tudjuk, hogy az aktuális bázismegoldás optimális? x 4 = 4 x 1 2x 2 x 5 = 6 x 1 4x 3 x 6 = 2 2x 2 + 2x 3 z = 3x 1 4x 2 x 3 Tétel. Ha egy szótárban nincs pozitív c j (j = 1,2,..., n + m) célfüggvény együttható és negatív b i (i = 1,2,..., m) konstans a feltételek egyenleteiben, akkor a szótár bázismegoldása optimális megoldás. Bizonyítás. Indirekten könnyen belátható.
10 Szimplex algoritmus Létezik-e minden LP feladatnak optimuma? x 4 = 4 + x 1 2x 2 x 5 = 6 + x 1 4x 3 x 6 = 2 2x 2 + 2x 3 z = 3x 1 4x 2 x 3 Látjuk, hogy x 1 tetszőlegesen növelhető az aktuális bázismegoldásban a célfüggvény így tetszőlegesen nagy értéket felvehet Nem korlátos LP feladat: ha az LP feladat maximalizálandó (minimalizálandó) és célfüggvénye tetszőlegesen nagy (kicsi) értéket felvehet a lehetséges megoldásainak halmazán, akkor a feladatot nem korlátosnak nevezzük.
11 Szimplex algoritmus x n+1 = b 1 a 11 x 1 a 12 x 2... a 1n x n x n+2 = b 2 a 21 x 1 a 22 x 2... a 2n x n z = z + c 1 x 1 + c 2 x c n x n. Tétel. Ha egy szótárban van olyan pozitív c j (j = 1,2,..., n + m) célfüggvény együttható, hogy minden a ij (i = 1,2,..., m) együttható nemnegatív, akkor az LP feladat, amihez a szótár tartozik, nem korlátos. Bizonyítás. Indirekten könnyen belátható.
12 A szimplex algoritmus Bemenet/Input: Egy lehetséges induló szótár. Kimenet/Output: x = (x 1,..., x n) optimális bázismegoldás z a célfüggvény optimuma (Egy lehetséges induló szótárra van szükségünk, azaz feltesszük, hogy minden b i konstans (i = 1,2,..., m) nemnegatív az induló szótárban, azaz a szótár bázismegoldása lehetséges megoldás. Azzal az esettel, amikor ez nem teljesül, később foglalkozunk)
13 A szimplex algoritmus Az algoritmus lépései: 1 A szótárban c j 0 minden j = 1,2,..., n-re? Igen az aktuális bázismegoldás optimális, az algoritmus megáll Nem folytatás a 2. ponttal 2 Válasszuk a nembázis változók közül belépőváltozónak valamely x k -t, amelyre c k > 0 (pozitív célfüggvény együttható) 3 a ik 0 minden i = 1,2,..., m-re? Igen az LP feladat nem korlátos, az algoritmus megáll Nem folytatás a 4. ponttal 4 Legyen l valamely index, amelyre a lk < 0 és b l a lk minimális (hányadosteszt) 5 Hajtsunk végre egy pivot lépést úgy, hogy x k legyen a belépőváltozó és az l. feltétel bázisváltozója legyen a kilépő; folytatás az 1. ponttal
14 A szimplex algoritmus Csak egy keretalgoritmus. Melyik változót válasszuk a belépőváltozónak a 2. pontban? Melyik feltételből válasszuk a kilépőváltozót a 4. pontban? Pivot szabály: olyan szabály, ami egyértelművé teszi, hogy a szimplex algoritmusban mely változók legyenek a belépő- és a kilépőváltozók, ha több változó is teljesíti az alapfeltételeket Klasszikus Szimplex algoritmus pivot szabálya: A lehetséges belépőváltozók közül válasszuk a legnagyobb c k értékűt, több ilyen esetén azok közül a legkisebb indexűt A lehetséges kilépőváltozók közül (hányadosteszt!) válasszuk a legkisebb l indexű egyenlet változóját Más pivot szabályok is léteznek. (ld. később)
15 Ciklizáció Biztosan leáll az algoritmus véges számú lépés után? Mi van, ha az algoritmus első lépésében mindig nem a válasz (nem optimális az aktuális megoldás)? Degenerált iterációs lépés: olyan szimplex iteráció, amelyben nem változik a bázismegoldás. Degenerált bázismegoldás: olyan bázismegoldás, amelyben egy vagy több bázisváltozó értéke 0
16 Ciklizáció: példa Példa: degenerált iterációs lépés és bázismegoldás 1. iteráció x 5 = 1 2 x x x 3 9x 4 x 6 = 1 2 x x x 3 x 4 x 7 = 1 x 1 z = 10x 1 57x 2 8x 3 24x 4 2. iteráció x 1 = 11x 2 + 5x 3 18x 4 2x 5 x 6 = 4x 2 2x 3 + 8x 4 + x 5 x 7 = 1 11x 2 5x x 4 + x 5 z = 53x x 3 204x 3 20x 5
17 Ciklizáció: példa 3. iteráció 1 x 1 = 2 x 3 + 4x x x 6 1 x 2 = 2 x 3 + 2x x x 6 1 x 7 = x 3 4x x x 6 z = 29 2 x 3 98x x x 6 4. iteráció x 3 = 2x 1 + 8x x x 6 x 2 = x 1 2x x x 6 x 7 = 1 x 1 z = 29x x x 5 93x 6
18 Ciklizáció: példa 5. iteráció 1 x 3 = 2x 1 4x 2 2 x x 6 1 x 4 = 2 x x x x 6 x 7 = 1 x 1 z = 20x 1 9x x x 6 6. iteráció x 5 = 4x 1 8x 2 2x 3 + 9x 6 x 4 = 1 2 x x x 3 x 6 x 7 = 1 x 1 z = 22x 1 93x 2 21x x 6
19 Ciklizáció: példa 7. iteráció x 5 = 1 2 x x x 3 9x 4 x 6 = 1 2 x x x 3 x 4 x 7 = 1 x 1 z = 10x 1 57x 2 8x 3 24x 4 Visszakaptuk a kiindulási feladatot Ciklizáció: ha a szimplex algoritmus valamely iterációja után egy korábbi iteráció szótárát kapjuk meg újra, akkor azt ciklizációnak nevezzük
20 Ciklizáció Tétel. Ha a szimplex algoritmus nem áll meg, akkor ciklizál. Bizonyítás. Tekintsünk két szótárat (melyeket a szimplex algoritmus során kapunk) amelyeknek ugyanazok a bázisváltozói: 1. szótár x 4 = b 1 a 11 x 1 a 12 x 2 a 13 x 3 x 5 = b 2 a 21 x 1 a 22 x 2 a 23 x 3 x 6 = b 3 a 31 x 1 a 32 x 2 a 33 x 3 z = v + c 1 x 1 + c 2 x 2 + c 3 x 3 2. szótár x 4 = b 1 a 11 x 1 a 12 x 2 a 13 x 3 x 5 = b 2 a 21 x 1 a 22 x 2 a 23 x 3 x 6 = b 3 a 31 x 1 a 32 x 2 a 33 x 3 z = v + c 1 x 1 + c 2 x 2 + c 3 x 3
21 Ciklizáció Ha egy x 1, x 2, x 3, x 4, x 5, x 6, z megoldása az egyiknek, akkor a másiknak is (mivel a két szótár ekvivalens) Legyen x k tetszőleges nembázis változó (pl. x k = x 1 ), t tetszőleges valós szám Vegyük a következő megoldását az első szótárnak x 1 = t, x 2 = 0, x 3 = 0 x i = b i a i1 t (i = 4,5,6) és z = v + c 1 t Ez megoldása a másik szótárnak is (mivel ekvivalensek), ezért: b i a i1 t = b i a i1t i = 4,5,6 v + c k t = v + c k t
22 Ciklizáció Azaz a két szótár nem csak ekvivalens, hanem megegyezik. Általános esetben választani: ( ) n + m (véges!) különböző módon lehet bázist m x i = b i j N a ij x j i B z = v + j B c i x j Ha az algoritmus nem áll meg, akkor lesz olyan iteráció, amikor egy korábbi bázismegoldás, korábbi szótár kerül elő újra, azaz ciklizál. A ciklizáció elkerülhető megfelelő pivot szabály alkalmazásával.
23 Illusztráció Ciklizáció szemléletesen (2 változós feladat esetén): több korlátozó feltételhez tartozó egyenes megy át ugyanazon a ponton:
24 Bland szabály (1977) Legkisebb index szabálya: A lehetséges belépőváltozók közül a legkisebb indexűt, ÉS A lehetséges kilépőváltozók közül a legkisebb indexűt választjuk Tétel. A szimplex algoritmus véget ér, ha a legkisebb index szabályt használjuk Bizonyítás. Nem bizonyítjuk. (Egy bizonyítás megtalálható pl. Pluhár András: Operációkutatás I. jegyzetében)
25 Lexikografikus szabály A ciklizáció oka a degeneráció, azaz bázisváltozók 0 értékűvé válása a bázismegoldásokban. (ld. Ciklizáció: példa) Adjunk hozzá a kezdő szótár minden feltételének jobb oldalához egy pozitív ε i konstanst (mit jelent ez geometriailag?) Minden feltételre legyenek ezek különböző nagyságrendűek a következőképpen 0 < ε 1 ε 2... ε m Szimplex algoritmus során biztosan nem ütik ki egymást Nem lesznek degenerált bázismegoldások nincs ciklizáció
26 Lexikografikus szabály Példa: feladat induló szótára (látjuk, hogy degenerált) x 3 = 1 2 x 2 x 4 = 2x 1 + 4x 2 x 5 = x 1 3x 2 x 6 = x 1 + 6x 2 z = 4 + 2x 1 x 2 Szótár konkrét értékek helyett szimbolikus ε-okkal kiegészítve x 3 = ε 1 x 2 x 4 = + ε 2 x 1 + x 2 x 5 = + ε 3 + x 1 3x 2 x 6 = + ε 4 2x 1 + 4x 2 z = 4 + 2x 1 x 2
27 Lexikografikus szabály 1. iteráció után x 3 = ε 1 x 2 x 4 = ε ε x 6 x 2 x 5 = ε ε x 6 x 2 x 1 = 1 2 ε x 6 + 2x 2 z = 4 ε 4 x 6 + 3x 2 2. iteráció után x 3 = ε 1 ε ε x 6 + x 5 x 4 = ε 2 ε 3 ε 4 + x 6 + x 5 x 2 = ε ε x 6 x 5 x 1 = 2ε ε x 6 2x 5 z = 4 3ε ε x 6 3x 5
28 Lexikografikus szabály Az utolsó szótár optimális Elhagyjuk az ε-okat: x 3 = x 6 + x 5 x 4 = x 6 + x 5 x 2 = 1 2 x 6 x 5 x 1 = 3 2 x 6 2x 5 z = x 6 3x 5
29 Lexikografikus szabály Lexikografikus szabály: egészítsük ki szimbolikus ε konstansokkal az induló szótárat, majd A lehetséges belépőváltozók közül válasszuk a legnagyobb c k értékűt, több ilyen esetén azok közül a legkisebb indexűt A lehetséges kilépőváltozók közül válasszuk azt, amelynek l indexű egyenletére az együtthatókból álló vektor lexikografikusan a legkisebb Tétel. A szimplex algoritmus biztosan véget ér, ha a lexikografikus szabály szerint választunk kilépő változót Bizonyítás. Nem bizonyítjuk. Összefoglalva: A legnagyobb növekmény (ld. gyakorlat) és a klasszikus pivot szabály ciklizálhat A Bland és a lexikografikus szabály esetén nincs ciklizáció A véletlen pivot szabály választással az algoritmus 1 valószínűséggel terminál
30 Lexikografikus szabály Példa: a különböző pivot szabályok közötti különbségekre x 9 = 5 10x 1 5x 3 x 5 3x 7 x 8 = 1 + 5x 1 + 9x x 5 4x 7 x 2 = 2 + 4x 1 2x 3 5x 5 8x 7 x 4 = 4 8x 1 + 4x 3 5x 5 2x 7 x 6 = 3 x 1 2x 3 5x 5 z = 27 + x 1 + 2x 3 11x 5 + 6x 7 A klasszikus, lexikografikus, legkisebb index és legnagyobb növekmény szabályok mind különböző belépő- kilépőváltozó párokat választanak (HF: ellenőrizzük!)
31 Boomington sörfőzde A Bloomington Sörfőzde pilzenit és angol világos sört álĺıt elő. A pilzeni eladási ára 5$ hordónként, a angol világosé 2$ hordónként. Egy hordó pilzeni előálĺıtásához 5 kg árpamaláta és 2 kg komló szükséges. Egy hordó világos sörhöz pedig 2 kg árpamaláta és 1 kg komló kell. Rendelkezésre áll 60 kg árpamaláta és 25 kg komló. Fogalmazzunk meg egy LP-t, amellyel maximalizálható a bevétel! Oldjuk is meg. Nézzük meg grafikusan is!
32 Reklámköltség minimalizálása A Dorian Auto cég luxusautókat és teherautókat gyárt. A vállalat úgy gondolja, hogy vásárlói legnagyobb valószínűséggel magas jövedelmű nők és férfiak. Ennek a fogyasztói csoportnak a megnyerésére a cég egy komoly tévé-hirdetési kampányt indított és elhatározta, hogy 1 perces reklámhelyeket vásárol kétféle típusú tévéműsorban: vidám műsorokban és futballmeccsek alatt. Minden kabarébeli reklámot 7 millió magas jövedelmű nő és 2 millió magas jövedelmű férfi néz. Minden futballmeccs alatti reklámot 2 millió magas jövedelmű nő és 12 millió magas jövedelmű férfi néz. Az egyperces kabarébeli reklám 50 ezer dollárba kerül, és az egyperces futballmeccs alatti reklám ára 100 ezer dollár. A cég azt szeretné, ha hirdetéseit legalább 28 millió magas jövedelmű nő és 24 millió magas jövedelmű férfi látná. Alkalmazzuk a lineáris programozást arra, hogy a Dorian cég a reklámcéljait minimális költségek mellett érje el!
A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/
Operációkutatás I. 2018/2019-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c
A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c
Opkut deníciók és tételek
Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét
A szimplex algoritmus
. gyakorlat A szimplex algoritmus Az előző órán bevezetett feladat optimális megoldását fogjuk megvizsgálni. Ehhez új fogalmakat, és egy algoritmust tanulunk meg. Hogy az algoritmust alkalmazni tudjuk,
Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat
11. Előadás. 11. előadás Bevezetés a lineáris programozásba
11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez
A szimplex tábla. p. 1
A szimplex tábla Végződtetés: optimalitás és nem korlátos megoldások A szimplex algoritmus lépései A degeneráció fogalma Komplexitás (elméleti és gyakorlati) A szimplex tábla Példák megoldása a szimplex
1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI
/ Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI /. Legyen adott az alábbi LP-feladat: x + 4x + x 9 x + x x + x + x 6 x, x, x x + x +
1/12. 3. gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI
/ Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI Normál feladatok megoldása szimplex módszerrel / / Normál feladatok megoldása szimplex
Áttekintés LP és geometria Többcélú LP LP és egy dinamikus modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 6. Előadás Áttekintés Kezdjük újra a klasszikus erőforrás allokációs problémával (katonák,
Kétfázisú szimplex algoritmus és speciális esetei
5. gyakorlat Kétfázisú szimplex algoritmus és speciális esetei. Emlékeztető Standard alak, áttérés Standard alak Minden feltétel et tartalmaz csak. A célfüggvényünket maximalizáljuk. A b vektor (jobb oldalon
A szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Követelmények: Aláírás feltétele: foglalkozásokon való részvétel + a félév
1/ gyakorlat. Hiperbolikus programozási feladat megoldása. Pécsi Tudományegyetem PTI
1/12 Operációkutatás 5. gyakorlat Hiperbolikus programozási feladat megoldása Pécsi Tudományegyetem PTI 2/12 Ha az Hiperbolikus programozási feladat feltételek teljesülése mellett a A x b x 0 z(x) = c
Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és
LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL
LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL x 1-2x 2 6 -x 1-3x 3 = -7 x 1 - x 2-3x 3-2 3x 1-2x 2-2x 3 4 4x 1-2x 2 + x 3 max Alapfogalmak: feltételrendszer (narancs színnel jelölve), célfüggvény
Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 1. Előadás Követelmények, teljesítés feltételei Vizsga anyaga Előadásokhoz tartozó diasor
Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 1. Előadás Követelmények, teljesítés feltételei Vizsga anyaga Előadásokhoz tartozó diasor
Érzékenységvizsgálat
Érzékenységvizsgálat Alkalmazott operációkutatás 5. elıadás 008/009. tanév 008. október 0. Érzékenységvizsgálat x 0 A x b z= c T x max Kapacitások, együtthatók, célfüggvény együtthatók változnak => optimális
Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje
Operációkutatás 1 NYME KTK, gazdálkodás szak, levelező alapképzés 2002/2003. tanév, II. évf. 2.félév Előadó: Dr. Takách Géza NyME FMK Információ Technológia Tanszék 9400 Sopron, Bajcsy Zs. u. 9. GT fszt.
Bevezetés az operációkutatásba A lineáris programozás alapjai
Bevezetés az operációkutatásba A lineáris programozás alapjai Alkalmazott operációkutatás 1. elıadás 2008/2009. tanév 2008. szeptember 12. Mi az operációkutatás (operations research)? Kialakulása: II.
Operációkutatás I. Bajalinov, Erik, Nyíregyházi Főiskola, Matematika és Informatika Intézete Bekéné Rácz, Anett, Debreceni Egyetem, Informatikai Kar
Operációkutatás I. Bajalinov, Erik, Nyíregyházi Főiskola, Matematika és Informatika Intézete Bekéné Rácz, Anett, Debreceni Egyetem, Informatikai Kar Operációkutatás I. írta Bajalinov, Erik és Bekéné Rácz,
Nemlineáris programozás 2.
Optimumszámítás Nemlineáris programozás 2. Többváltozós optimalizálás feltételek mellett. Lagrange-feladatok. Nemlineáris programozás. A Kuhn-Tucker feltételek. Konvex programozás. Sydsaeter-Hammond: 18.1-5,
További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás
További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás Készítette: Dr. Ábrahám István Hiperbolikus programozás Gazdasági problémák optimalizálásakor gyakori, hogy
Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2015/2016-2. Szegedi Tudományegyetem Informatikai Tanszékcsoport
Operációkutatás I. 2015/2016-2. Szegedi Tudományegyetem Informatikai Tanszékcsoport Számítógépes Optimalizálás Tanszék 6. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát
Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit
Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu Budapest 200. október 10. Mit tanulunk ma? Szállítási feladat Megoldása Adott: Egy árucikk, T 1, T 2, T,..., T m termelőhely, melyekben rendre
Konjugált gradiens módszer
Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK
lineáris programozás esetében. Ennek ez idő szerint legkorábbi formalizálását
1. előadás Bevezetés Lehetetlen egészen pontosan megállapítani, mi tekinthető az operációkutatás első eredményeinek, hisz az optimalizálás mégcsak nem is az emberi faj kiváltsága. Kétségtelen viszont,
Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor
Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok Rétvári Gábor retvari@tmit.bme.hu Feladatok Szöveges feladatok. Egy acélgyárban négyfajta zártszelvényt gyártanak: kis,
Nem-lineáris programozási feladatok
Nem-lineáris programozási feladatok S - lehetséges halmaz 2008.02.04 Dr.Bajalinov Erik, NyF MII 1 Elég egyszerű példa: nemlineáris célfüggvény + lineáris feltételek Lehetséges halmaz x 1 *x 2 =6.75 Gradiens
Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer
Lineáris programozás Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Feladat: Egy gyár kétféle terméket gyárt (A, B): /db Eladási ár 1000 800 Technológiai önköltség 400 300 Normaóraigény
Gauss-Seidel iteráció
Közelítő és szimbolikus számítások 5. gyakorlat Iterációs módszerek: Jacobi és Gauss-Seidel iteráció Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 ITERÁCIÓS
3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek
3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1
szantai Az operációkutatás matematikai módszerei
http://wwwmathbmehu/ szantai Az operációkutatás matematikai módszerei Bővített óravázlat Összeállította: Szántai Tamás Budapest 1999 A bővített óravázlatot Prékopa Andrásnak a Bolyai János Matematikai
út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.
1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost
Operációkutatás példatár
1 Operációkutatás példatár 2 1. Lineáris programozási feladatok felírása és megoldása 1.1. Feladat Egy gazdálkodónak azt kell eldöntenie, hogy mennyi kukoricát és búzát vessen. Ha egységnyi földterületen
Korlátozás és szétválasztás módszere Holló Csaba 2
Korlátozás és szétválasztás módszere Holló Csaba 2 A módszert Imreh Balázs, Imreh Csanád: Kombinatorikus optimalizálás Novadat, Győr, 25 egyetemi tankönyve alapján, kisebb változtatásokkal fogjuk bemutatni.
Jelen jegyzet a József Attila Tudományegyetem programozó matematikus és. A feldolgozott anyag bevezető jellegű. Néhány karakterisztikus, ma már
Előszó Jelen jegyzet a József Attila Tudományegyetem programozó matematikus és közgazdasági programozó hallgatói számára készült, akik második félévtől hallgatnak operációkutatást. A feldolgozott anyag
Döntési rendszerek I.
Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 3. Gyakorlat Egy újságárus 20 centért szerez be egy adott napilapot a kiadótól és 25-ért adja
1. Előadás Lineáris programozás
1. Előadás Lineáris programozás Salamon Júlia Előadás II. éves gazdaság informatikus hallgatók számára Operációkutatás Az operációkutatás az alkalmazott matematika az az ága, ami bizonyos folyamatok és
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval
Bevezetés a lineáris programozásba
Bevezetés a lineáris programozásba 8. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Szimplex módszer p. 1/1 Az LP feladatok általános modellje A korlátozó feltételeket írjuk fel
Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,
Döntési rendszerek I.
Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 7. Gyakorlat Alapfogalmak A terület alapfogalmai megtalálhatók Pluhár András Döntési rendszerek
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára. 3. Előadás
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára 3. Előadás Előadó: Hajnal Péter Jegyzetelő: Pék Máté 2009. szeptember 21. 1. Folyamok 1.1. Definíció. G = (V, E, K, B) irányított gráf, ha e! v : ekv
Branch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.
11. gyakorlat Branch-and-Bound a korlátozás és szétválasztás módszere 1. Az egészértéketű programozás 1.1. Bevezető Bizonyos feladatok modellezése kapcsán előfordulhat olyan eset, hogy a megoldás során
egyenlőtlenségnek kell teljesülnie.
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval
A lineáris programozás alapjai
A lineáris programozás alapjai A konvex analízis alapjai: konvexitás, konvex kombináció, hipersíkok, félterek, extrém pontok, Poliéderek, a Minkowski-Weyl tétel (a poliéderek reprezentációs tétele) Lineáris
összeadjuk 0-t kapunk. Képletben:
814 A ferde kifejtés tétele Ha egy determináns valamely sorának elemeit egy másik sor elemeihez tartozó adjungáltakkal szorozzuk meg és a szorzatokat összeadjuk 0-t kapunk Képletben: n a ij A kj = 0, ha
9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2
7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció
7. Előadás Megyesi László: Lineáris algebra, 57. 61. oldal. Gondolkodnivalók Bázis, dimenzió 1. Gondolkodnivaló Legyenek a v vektor koordinátái a v 1,..., v n bázisban: (1, α 2,..., α n ). Igazoljuk, hogy
A lineáris programozás 1 A geometriai megoldás
A lineáris programozás A geometriai megoldás Készítette: Dr. Ábrahám István A döntési, gazdasági problémák optimalizálásának jelentős részét lineáris programozással oldjuk meg. A módszer lényege: Az adott
Általános algoritmustervezési módszerek
Általános algoritmustervezési módszerek Ebben a részben arra mutatunk példát, hogy miként használhatóak olyan általános algoritmustervezési módszerek mint a dinamikus programozás és a korlátozás és szétválasztás
Bázistranszformáció és alkalmazásai 2.
Bázistranszformáció és alkalmazásai 2. Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Mátrix rangja 2 Mátrix inverze 3 Mátrixegyenlet Mátrix rangja Tartalom 1 Mátrix rangja
5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39
5. Előadás (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 1 / 39 AX = B (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 2 / 39 AX = B Probléma. Legyen A (m n)-es és B (m l)-es
Jegyzet. az Operációkutatás (elemz, programozó matematikus) tárgyhoz április. Fábián Csaba, Király Tamás, Papp Olga
Jegyzet az Operációkutatás (elemz, programozó matematikus) tárgyhoz Fábián Csaba, Király Tamás, Papp Olga 2015. április 1 Tartalomjegyzék 1. A lineáris programozási feladat 3 1.1. Bevezetés.......................................
Döntési rendszerek I.
Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 8 Gyakorlat Alapfogalmak A terület alapfogalmai megtalálhatók Pluhár András Döntési rendszerek
Lineáris programozási feladatok típusai és grafikus megoldása
Lineáris programozási feladatok típusai és grafikus megoldása Alkalmazott operáiókutatás. elıadás 8/9. tanév 8. szeptemer 9. Maimumfeladat grafikus megoldása lehetséges megoldások + 4 + () 8 + Optimális
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba
I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30
Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek
1 Diszkrét matematika II, 5 előadás Lineáris egyenletrendszerek Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach/ 2007 március 8 Egyenletrendszerek Középiskolás módszerek:
9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell
9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Tegyük fel, hogy egy elemi bázistranszformáció kezdetekor a sor- és oszlopindexek sorban helyezkednek
15. LINEÁRIS EGYENLETRENDSZEREK
15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
10. előadás. Konvex halmazok
10. előadás Konvex halmazok Konvex halmazok Definíció: A K ponthalmaz konvex, ha bármely két pontjának összekötő szakaszát tartalmazza. Állítás: Konvex halmazok metszete konvex. Konvex halmazok uniója
2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 8. Előadás Bevezetés Egy olyan LP-t, amelyben mindegyik változó egészértékű, tiszta egészértékű
Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
Lineáris egyenletrendszerek
Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a
HÁLÓZAT Maximális folyam, minimális vágás
HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT informálisan Hálózat Irányított gráf Mindegyik élnek adott a (nemnegatív) kapacitása Spec csúcsok: Forrás (Source): a kiindulási pont csak ki élek Nyelő
Totális Unimodularitás és LP dualitás. Tapolcai János
Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni
Döntéselőkészítés. VII. előadás. Döntéselőkészítés. Egyszerű Kőnig-feladat (házasság feladat)
VII. előadás Legyenek adottak Egyszerű Kőnig-feladat (házasság feladat) I, I 2,, I i,, I m személyek és a J, J 2,, J j,, J n munkák. Azt, hogy melyik személy melyik munkához ért ( melyik munkára van kvalifikálva)
Mátrixjátékok tiszta nyeregponttal
1 Mátrixjátékok tiszta nyeregponttal 1. Példa. Két játékos Aladár és Bendegúz rendelkeznek egy-egy tetraéderrel, melyek lapjaira rendre az 1, 2, 3, 4 számokat írták. Egy megadott jelre egyszerre felmutatják
Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek
Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai
Optimalizálási eljárások MSc hallgatók számára 10. Előadás Előadó: Hajnal Péter Jegyzetelő: T. Szabó Tamás 2011. április 20. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai A feltétel nélküli optimalizálásnál
3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI
3. Fuzzy aritmetika Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Intervallum-aritmetika 2 Fuzzy intervallumok és fuzzy számok Fuzzy intervallumok LR fuzzy intervallumok
Optimumkeresés számítógépen
C Optimumkeresés számítógépen Az optimumok megtalálása mind a gazdasági életben, mind az élet sok más területén nagy jelentőségű. A matematikában számos módszert dolgoztak ki erre a célra, például a függvények
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján
Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:
A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel
A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel 1 A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel DR. BENKŐJÁNOS GATE, Logisztikai Tanszék A hálózat
Gauss-eliminációval, Cholesky felbontás, QR felbontás
Közelítő és szimbolikus számítások 4. gyakorlat Mátrix invertálás Gauss-eliminációval, Cholesky felbontás, QR felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei
Jegyzet. az Operációkutatás II cím tantárgyhoz. Király Tamás és Papp Olga. Utolsó frissítés: február
Jegyzet az Operációkutatás II cím tantárgyhoz Király Tamás és Papp Olga Utolsó frissítés: 2015. február 2 Tartalomjegyzék 1. Lineáris programozás 7 1.1. TU mátrixok: kerekítés és színezés......................
Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla
Kvadratikus alakok és euklideszi terek (előadásvázlat, 0. október 5.) Maróti Miklós, Kátai-Urbán Kamilla Az előadáshoz ajánlott jegyzet: Szabó László: Bevezetés a lineáris algebrába, Polygon Kiadó, Szeged,
operációkutatás példatár
operációkutatás példatár . MŰVELETEK MÁTIXOKKAL. (Megoldás a.-es gyakorló ideóban.) Itt annak ezek a mátriok illete ektorok: A c B d * E f * Végezzük el a köetkező műeleteket: A B B E B c B A A E B d..
6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján
Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei
Programozási módszertan. Mohó algoritmusok
PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás
Szemidenit optimalizálás és az S-lemma
Szemidenit optimalizálás és az S-lemma Pólik Imre SAS Institute, USA BME Optimalizálás szeminárium 2011. október 6. Outline 1 Egyenl tlenségrendszerek megoldhatósága 2 Az S-lemma 3 Szemidenit kapcsolatok
Klasszikus algebra előadás. Waldhauser Tamás április 14.
Klasszikus algebra előadás Waldhauser Tamás 2014. április 14. Többhatározatlanú polinomok 4.3. Definíció. Adott T test feletti n-határozatlanú monomnak nevezzük az ax k 1 1 xk n n alakú formális kifejezéseket,
Szimplex módszer, szimplex tábla Példaként tekintsük a következ LP feladatot:
Szimplex módszer, szimplex tábla Példaként tekintsük a következ LP feladatot: z = 5x 1 + 4x 2 + 3x 3 2x 1 + 3x 2 + x 3 5 4x 1 + x 2 + 2x 3 11 3x 1 + 4x 2 + 2x 3 8 x 1, x 2, x 3 0 = maximum, feltéve, hogy
Diszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.
1 Diszkrét matematika I, 12 előadás Dr Takách Géza NyME FMK Informatikai Intézet takach@infnymehu http://infnymehu/ takach 2005 november 30 Vektorok Definíció Egy tetszőleges n pozitív egész számra n-komponensű
Döntéselmélet OPERÁCIÓKUTATÁS
Döntéselmélet OPERÁCIÓKUTATÁS Operációkutatás Az operációkutatás az a tudomány, amely az optimális döntések előkészítésében matematikai módszereket használ fel. Az operációkutatás csak a döntés-előkészítés
A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
Gauss elimináció, LU felbontás
Közelítő és szimbolikus számítások 3. gyakorlat Gauss elimináció, LU felbontás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor London András Deák Gábor jegyzetei alapján 1 EGYENLETRENDSZEREK 1. Egyenletrendszerek
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata
Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla
Lineáris leképezések (előadásvázlat, 2012. szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla Ennek az előadásnak a megértéséhez a következő fogalmakat kell tudni: homogén lineáris egyenletrendszer és
S Z Á L L Í T Á S I F E L A D A T
Döntéselmélet S Z Á L L Í T Á S I F E L A D A T Szállítási feladat meghatározása Speciális lineáris programozási feladat. Legyen adott m telephely, amelyeken bizonyos fajta, tetszés szerint osztható termékből
8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer
8. Előadás Megyesi László: Lineáris algebra, 51. 56., 70. 74. oldal. Gondolkodnivalók Elemi bázistranszformáció 1. Gondolkodnivaló Most ne vegyük figyelembe, hogy az elemi bázistranszformáció során ez
Nagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2017. ősz 1. Diszkrét matematika 1. középszint 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
3. előadás. Termelési és optimalizálási feladatok. Dr. Szörényi Miklós, Dr. Kallós Gábor
3. előadás Termelési és optimalizálási feladatok Dr. Szörényi Miklós, Dr. Kallós Gábor 2014 2015 1 Tartalom Matematikai alapok Matematikai modell Fontosabb feladattípusok Érzékenységvizsgálat Fontos fogalmak
Jegyzet. az Operációkutatás II cím tantárgyhoz. Utolsó frissítés: május 20. Király Tamás el adásai alapján készítette Papp Olga
Jegyzet az Operációkutatás II cím tantárgyhoz Király Tamás el adásai alapján készítette Papp Olga Utolsó frissítés: 2011. május 20. Tartalomjegyzék 1. TU mátrixok: kerekítés és színezés 3 1.1. Emlékeztet......................................
Glevitzky Béla. Operációkutatás I. mobidiák könyvtár
Glevitzky Béla Operációkutatás I. mobidiák könyvtár Glevitzky Béla Operációkutatás I. mobidiák könyvtár SOROZATSZERKESZTŽ Fazekas István Glevitzky Béla Operációkutatás I. mobidiák könyvtár Debreceni Egyetem