1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "1/12. 3. gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI"

Átírás

1 / Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI

2 Normál feladatok megoldása szimplex módszerrel /

3 / Normál feladatok megoldása szimplex módszerrel Definíció. Egy LP-feladatot normál feladatnak nevezünk, ha feltételrendszere csak relációkat tartalmaz a változók csak nemnegatív értékeket vehetnek fel a célfüggvény maximumát keressük. a feltételek jobboldalán csak nemnegatív konstansok lehetnek.

4 Műveletek a szimplex-táblában /

5 / Műveletek a szimplex-táblában A pivot elem helyére a reciprokát írjuk A pivot elem sorában minden elemet elosztunk a pivotelemmel A pivot elem oszlopában minden elemet elosztunk a pivotelemmel és vesszük az ellentetjét A többi elemet úgy számoljuk, mint a báziscserénél

6 Pivot elem választása 4/

7 4/ Pivot elem választása Olyan oszlopban választjuk a pivot elemet ahol a célsor eleme negatív Pozitív számot választunk pivot elemnek A kiválasztott oszlop pozitív elemeivel osszuk el az utolsó oszlop megfelelő elemeit és azt a számot választjuk pivot elemnek, amelyre ez a hányados a legkisebb (szűk keresztmetszet szabály)

8 4/ Pivot elem választása Olyan oszlopban választjuk a pivot elemet ahol a célsor eleme negatív Pozitív számot választunk pivot elemnek A kiválasztott oszlop pozitív elemeivel osszuk el az utolsó oszlop megfelelő elemeit és azt a számot választjuk pivot elemnek, amelyre ez a hányados a legkisebb (szűk keresztmetszet szabály) A negatív célelemű oszlopok közül az alábbiak alapján választhatunk: A legnagyobb abszolútértékű negatív célelem oszlopából választunk Minden negatív célelemű oszlopban határozzuk meg a pivot elemet és számítsuk ki a célfüggvény növekedését. Válasszuk azt az oszlopot, amelynél a növekedés a legnagyobb Könnyebb számolás érdekében olyan oszlopot választunk, ahol pivot elem -nek adódik. Könnyebb számolás érdekében olyan oszlopot választunk, ahol pivot elem sorában vagy oszlopában -t, vagy -kat találunk.

9 Az algoritmus végetér 5/

10 5/ Az algoritmus végetér ha a célfüggvény sorában nincs negatív elem, ekkor az optimális megoldás és a hozzátartozó célfüggvényérték a táblából kiolvasható ha a negatív célelemek oszlopaiban nincs pozitív elem, ilyenkor a célfüggvény a lehetséges megoldások halmazán tetszőlegesen nagy értéket felvehet Bizonyos esetekben végtelen ciklusra vezet az algoritmus. Az ilyen esetek akkor léphetnek fel, ha a pivot elem sorában az utolsó oszlopban áll. (Ilyen esetekben a célfüggvény érték nem növekszik.) Az általunk használtaknál lényegesen bonyolultabb pivotelem-választási szabályokkal a végtelen ciklus elkerülhető.

11 6/ Példák.a) Oldjuk meg a Horgász-problémát szimplex algoritmussal! x + x + x 4 x + + x 5 x + x + 4x 7 x, x, x x + x + 4x = z max Az induló szimplex-tábla: x x x z 4 u 4 u 5 u 4 7 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,,, 4, 5, 7], a célfüggvény értéke z =. A táblához tatozó bázis a B =.

12 6/ Példák.a) Oldjuk meg a Horgász-problémát szimplex algoritmussal! x + x + x 4 x + + x 5 x + x + 4x 7 x, x, x x + x + 4x = z max Az induló szimplex-tábla: x x x z 4 u 4 u 5 u 4 7 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,,, 4, 5, 7], a célfüggvény értéke z =. A táblához tatozó bázis a B =.

13 6/ Példák.a) Oldjuk meg a Horgász-problémát szimplex algoritmussal! x + x + x 4 x + + x 5 x + x + 4x 7 x, x, x x + x + 4x = z max Az induló szimplex-tábla: x x x z 4 u 4 u 5 u 4 7 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,,, 4, 5, 7], a célfüggvény értéke z =. A táblához tatozó bázis a B =.

14 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x z 4 u 4 u 5 u 4 7

15 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x z 4 u 4 u 5 u 4 7

16 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x x x u z 4 z 4 u 4 u u 5 x u 4 7 u 4 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B = 4. 5

17 7/ Elemi bázistranszformációval új bázisra térünk át. Ehhez a pivot elemet a legkisebb negatív célelem oszlopából (. oszlop) választjuk. Az oszlopot a szűk keresztmetszet elve alapján a. sor helyére visszük a bázisba: x x x x x u z 4 z 4 u 4 u u 5 x u 4 7 u 4 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [,, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B = 4. 5

18 7/ A bejelölt elemet választjuk pivotelemnek, így a. oszlop kerül a. bázisvektor helyére: x x u z 4 u x u 4 5

19 7/ A bejelölt elemet választjuk pivotelemnek, így a. oszlop kerül a. bázisvektor helyére: x x u x u u z 4 z u u x x u 4 x 6 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [, 6, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B =. 4

20 7/ A bejelölt elemet választjuk pivotelemnek, így a. oszlop kerül a. bázisvektor helyére: x x u x u u z 4 z u u x x u 4 x 6 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [, 6, 5,,, ], a célfüggvény értéke z =. A táblához tatozó bázis a B =. 4

21 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u z u x x 6 5 6

22 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u x u u z u x x z 9 u x x 5 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [ 5,,,,, ], a célfüggvény értéke z = 9. A táblához tatozó bázis a B =.

23 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u x u u z u x x z 9 u x x 5 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [ 5,,,,, ], a célfüggvény értéke z = 9. A táblához tatozó bázis a B =.

24 7/ A megjelölt elemet választva pivotelemnek, az. oszlopot visszük a bázisba, a. sor helyére: x u u x u u z u x x z 9 u x x 5 A szimplex táblából kiolvasható bázismegoldás: [x, u] = [ 5,,,,, ], a célfüggvény értéke z = 9. A táblához tatozó bázis a B = Mivel a célsorban nincs negatív elem, az algoritmus véget ért. A kapott megoldás optimális..

25 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x x x 6 x x x, x x + x = z max

26 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 u x x x x 6 x x x, x x + x = z max

27 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 u x x x x 6 x x x, x x + x = z max

28 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x x x 6 x x x, x x + x = z max x x z u u 6 u u x z x u 5 u 9

29 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 x x x x 6 x x x, x x + x = z max u x z x u 5 u u A második táblában a negatív célelem alatt nincs pozitív szám, ezért a célfüggvény tetszőlegesen nagy értékeket felvehet a lehetséges megoldások halmazán. 9

30 8/.b) Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x z u u 6 x x x x 6 x x x, x x + x = z max u x z x u 5 u u A második táblában a negatív célelem alatt nincs pozitív szám, ezért a célfüggvény tetszőlegesen nagy értékeket felvehet a lehetséges megoldások halmazán. Írjuk fel a kapott táblához tartozó egyenletrendszert: 9

31 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

32 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

33 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

34 9/ u x + z = u x + x = u 5 x + u = 9 u x + u = Az egyes egyenletekből a bázisváltozókat kifejezve: z = u + x x = u + x u = 9 + u + 5 x u = + u + x Az u =, x = d > értékekkel az x = + d, u = d, u = + d lehetséges megoldást kapjuk, amely mellett a célfüggvény értéke z = + d lesz, amely d esetén minden határon túl nő.

35 9/ Feladatok. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x + x + x + x 5 x + x + x 4 + x 5 8 x + x + x 4 5 x, x, x, x 4, x 5 x + x + x + x 4 + x 5 = z max Megoldás: x = (,,,, 5), u = (,, ) z =

36 / Feladatok. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! Megoldás: x = ( 6 7, 75 7 x 5x 7x + 8x 56 5x + x x, x x + 5x = z max 859 ), u = (777 7,, ) z = 7

37 / Feladatok. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x + x x x x 8 x + x + x 6 x, x, x 6x + 7x + x = z max Megoldás: x = (9,, ), u = (,, ) z =

38 / Feladatok 4. Oldjuk meg a következő LP-feladatot szimplex algoritmussal! x x + x 8 x + x x 4 x + x x + x 4 x, x, x, x 4, x 5 6x + x + 5x + 7x 4 = z max Megoldás: x = (,, 8, 8), u = (,, ) z = 66

39 / Felhasznált Irodalom [.] Bajalinov Erik - Imreh Balázs: Operációkutatás, Polygon 5. [.] Imreh Balázs: Bevezetés az operációkutatásba, Phare 999. [.] Temesi József - Varró Zoltán: Operációkutatás, Aula 7.

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

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 +

Részletesebben

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás

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

Részletesebben

1/ gyakorlat. Hiperbolikus programozási feladat megoldása. Pécsi Tudományegyetem PTI

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

Részletesebben

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

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

Részletesebben

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

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

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

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

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/

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

Részletesebben

A szimplex algoritmus

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,

Részletesebben

A szimplex tábla. p. 1

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

Részletesebben

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit

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

Részletesebben

A szimplex algoritmus

A szimplex algoritmus A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás

Részletesebben

Áttekintés LP és geometria Többcélú LP LP és egy dinamikus modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

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,

Részletesebben

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet

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

Részletesebben

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

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

Részletesebben

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet

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

Részletesebben

Opkut deníciók és tételek

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

Részletesebben

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje

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.

Részletesebben

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet

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

Részletesebben

Kétfázisú szimplex algoritmus és speciális esetei

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

Részletesebben

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. Bajalinov, Erik, Nyíregyházi Főiskola, Matematika és Informatika Intézete Bekéné Rácz, Anett, Debreceni Egyetem, Informatikai Kar Operációkutatás I. írta Bajalinov, Erik és Bekéné Rácz,

Részletesebben

Bevezetés a lineáris programozásba

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

Részletesebben

Nem-lineáris programozási feladatok

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

Részletesebben

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

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

Részletesebben

Általános algoritmustervezési módszerek

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

Részletesebben

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

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

Részletesebben

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:

Részletesebben

Bevezetés az operációkutatásba A lineáris programozás alapjai

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.

Részletesebben

Branch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.

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

Részletesebben

Lineáris egyenletrendszerek

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

Részletesebben

LINEÁRIS EGYENLETRENDSZEREK MEGOLDÁSA BÁZISTRANSZFORMÁCIÓVAL. 1. Paramétert nem tartalmazó eset

LINEÁRIS EGYENLETRENDSZEREK MEGOLDÁSA BÁZISTRANSZFORMÁCIÓVAL. 1. Paramétert nem tartalmazó eset LINEÁRIS EGYENLETRENDSZEREK MEGOLDÁSA BÁZISTRANSZFORMÁCIÓVAL 1.Példa: Oldjuk meg a következő lineáris egyenletrendszert: 1. Paramétert nem tartalmazó eset x 1 + 3x 2-2x 3 = 2-2x 1-5x 2 + 4x 3 = 0 3x 1

Részletesebben

Bázistranszformáció és alkalmazásai 2.

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

Részletesebben

Érzékenységvizsgálat

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

Részletesebben

Bázistranszformáció és alkalmazásai

Bázistranszformáció és alkalmazásai Bázistranszformáció és alkalmazásai Lineáris algebra gyakorlat Összeállította: Bogya Norbert Tartalomjegyzék 1 Elmélet Gyakorlati végrehajtás 2 Vektor bevitele a bázisba Rangszámítás Lineáris egyenletrendszer

Részletesebben

További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás

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

Részletesebben

7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció

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

Részletesebben

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6.

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6. A pivotálás hasznáról és hatékony módjáról Adott M mátrixra pivotálás alatt a következ½ot értjük: Kijelölünk a mátrixban egy nemnulla elemet, melynek neve pivotelem, aztán az egész sort leosztjuk a pivotelemmel.

Részletesebben

Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor

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,

Részletesebben

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:. MAv A. csoport Név:... Tekintsük az alábbi mátriot! A 7 a Invertálható-e az A mátri? Ha igen akkor bázistranszformációval határozza meg az inverzét! Ellenőrizze számításait! b Milyen egyéb mátritulajdonságokra

Részletesebben

Lineáris algebra. (közgazdászoknak)

Lineáris algebra. (közgazdászoknak) Lineáris algebra (közgazdászoknak) 10A103 FELADATOK A GYAKORLATRA (3.) 2018/2019. tavaszi félév Lineáris egyenletrendszerek 3.1. Feladat. Oldjuk meg az alábbi lineáris egyenletrendszereket Gauss-eliminációval

Részletesebben

15. LINEÁRIS EGYENLETRENDSZEREK

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

Részletesebben

Operációkutatás gyakorlattámogató jegyzet

Operációkutatás gyakorlattámogató jegyzet TÁMOP-4...F-4//KONV-05-0009 A GÉPÉSZETI ÉS INFORMATIKAI ÁGAZATOK DUÁLIS ÉS MODULÁRIS KÉPZÉSEINEK KIALAKÍTÁSA A PÉCSI TUDOMÁNYEGYETEMEN Király Balázs Operációkutatás gyakorlattámogató jegyzet Pécs 05 A

Részletesebben

1. Előadás Lineáris programozás

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

Részletesebben

EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE

EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE Lipécz György* EGYSZERŰSÍTETT ALGORITMUS AZ ELEMI BÁZISCSERE ELVÉGZÉSÉRE AVAGY A SZÁMÍTÓGÉP-HASZNÁLAT LEHETŐSÉGE A LINEÁRIS ALGEBRA ÉS AZ OPERÁCIÓKUTATÁS ALAPJAINAK OKTATÁSÁBAN " Simplicitassigillum veri"

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések

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

Részletesebben

Matematika szintfelmérő dolgozat a 2018 nyarán felvettek részére augusztus

Matematika szintfelmérő dolgozat a 2018 nyarán felvettek részére augusztus Matematika szintfelmérő dolgozat a 018 nyarán felvettek részére 018. augusztus 1. (8 pont) Oldjuk meg a következő egyenletet a valós számok halmazán: 6 4 x 13 6 x + 6 9 x = 0 6 ( ) x 4 13 9 6 4 x 13 6

Részletesebben

Kvadratikus alakok és euklideszi terek (előadásvázlat, október 5.) Maróti Miklós, Kátai-Urbán Kamilla

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,

Részletesebben

Egyenletek, egyenlőtlenségek, egyenletrendszerek I.

Egyenletek, egyenlőtlenségek, egyenletrendszerek I. Egyenletek, egyenlőtlenségek, egyenletrendszerek I. DEFINÍCIÓ: (Nyitott mondat) Az olyan állítást, amelyben az alany helyén változó szerepel, nyitott mondatnak nevezzük. A nyitott mondatba írt változót

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 8 VIII VEkTOROk 1 VEkTOR Vektoron irányított szakaszt értünk Jelölése: stb Vektorok hossza A vektor abszolút értéke az irányított szakasz hossza Ha a vektor hossza egységnyi akkor

Részletesebben

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása 1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június

Részletesebben

Lineáris algebra gyakorlat

Lineáris algebra gyakorlat Lineáris algebra gyakorlat 7. gyakorlat Gyakorlatvezet : Bogya Norbert 2012. március 26. Ismétlés Tartalom 1 Ismétlés 2 Koordinátasor 3 Bázistranszformáció és alkalmazásai Vektorrendszer rangja Mátrix

Részletesebben

Lineáris leképezések (előadásvázlat, szeptember 28.) Maróti Miklós, Kátai-Urbán Kamilla

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

Részletesebben

Totális Unimodularitás és LP dualitás. Tapolcai János

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

Részletesebben

Egyenletek, egyenletrendszerek, matematikai modell. 1. Oldja meg az Ax=b egyenletrendszert Gauss módszerrel és adja meg az A mátrix LUfelbontását,

Egyenletek, egyenletrendszerek, matematikai modell. 1. Oldja meg az Ax=b egyenletrendszert Gauss módszerrel és adja meg az A mátrix LUfelbontását, Egyenletek egyenletrendszerek matematikai modell Oldja meg az A=b egyenletrendszert Gauss módszerrel és adja meg az A mátri LUfelbontását ahol 8 b 8 Oldja meg az A=b egyenletrendszert és határozza meg

Részletesebben

Klasszikus algebra előadás. Waldhauser Tamás április 28.

Klasszikus algebra előadás. Waldhauser Tamás április 28. Klasszikus algebra előadás Waldhauser Tamás 2014. április 28. 5. Számelmélet integritástartományokban Oszthatóság Mostantól R mindig tetszőleges integritástartományt jelöl. 5.1. Definíció. Azt mondjuk,

Részletesebben

A DÖNTÉSELMÉLET ELEMEI

A DÖNTÉSELMÉLET ELEMEI A DÖNTÉSELMÉLET ELEMEI Irodalom: Temesi J., A döntéselmélet alapjai, Aula, 2002, Budapest Lawrence, J.A., Pasternack, B.A., Applied management science, John Wiley & Sons Inc. 2002 Stevenson, W. J., Operation

Részletesebben

Nemlineáris programozás 2.

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,

Részletesebben

Szimplex módszer, szimplex tábla Példaként tekintsük a következ LP feladatot:

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

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

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

Részletesebben

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak 1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ

Részletesebben

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39

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

Részletesebben

Diszkrét matematika II., 5. előadás. Lineáris egyenletrendszerek

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:

Részletesebben

2017/ Szegedi Tudományegyetem Informatikai Intézet

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

Részletesebben

Mátrixalgebra Optimumszámítás

Mátrixalgebra Optimumszámítás Mátrixalgebra Optimumszámítás Ábrahám István Mátrixalgebra Optimumszámítás Egyszerűen, érthetően A könyv megjelenését a Nemzeti Kulturális Alap támogatta. c Ábrahám István, Typotex, Budapest, 2015 Engedély

Részletesebben

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék További forgalomirányítási és szervezési játékok 1. Nematomi forgalomirányítási játék A forgalomirányítási játékban adott egy hálózat, ami egy irányított G = (V, E) gráf. A gráfban megengedjük, hogy két

Részletesebben

egyenlőtlenségnek kell teljesülnie.

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

Részletesebben

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30.

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30. Online algoritmusok Algoritmusok és bonyolultságuk Horváth Bálint 2018. március 30. Horváth Bálint Online algoritmusok 2018. március 30. 1 / 28 Motiváció Gyakran el fordul, hogy a bemenetet csak részenként

Részletesebben

A minimális költségűfolyam probléma megoldása hálózati szimplex-módszerrel

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

Részletesebben

Matematika 8. osztály

Matematika 8. osztály ELTE Apáczai Csere János Gyakorló Gimnázium és Kollégium Hat évfolyamos Matematika 8. osztály I. rész: Algebra Készítette: Balázs Ádám Budapest, 2018 2. Tartalomjegyzék Tartalomjegyzék I. rész: Algebra................................

Részletesebben

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2015/2016-2. Szegedi Tudományegyetem Informatikai Tanszékcsoport

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

Részletesebben

EuroOffice Optimalizáló (Solver)

EuroOffice Optimalizáló (Solver) 1. oldal EuroOffice Optimalizáló (Solver) Az EuroOffice Optimalizáló egy OpenOffice.org bővítmény, ami gyors algoritmusokat kínál lineáris programozási és szállítási feladatok megoldására. Szimplex módszer

Részletesebben

Algoritmusok és adatszerkezetek 2.

Algoritmusok és adatszerkezetek 2. Algoritmusok és adatszerkezetek 2. Varga Balázs gyakorlata alapján Készítette: Nagy Krisztián 1. gyakorlat Nyílt címzéses hash-elés A nyílt címzésű hash táblákban a láncolással ellentétben egy indexen

Részletesebben

Előfeltétel: legalább elégséges jegy Diszkrét matematika II. (GEMAK122B) tárgyból

Előfeltétel: legalább elégséges jegy Diszkrét matematika II. (GEMAK122B) tárgyból ÜTEMTERV Programozás-elmélet c. tárgyhoz (GEMAK233B, GEMAK233-B) BSc gazdaságinformatikus, programtervező informatikus alapszakok számára Óraszám: heti 2+0, (aláírás+kollokvium, 3 kredit) 2019/20-es tanév

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm

Részletesebben

3. előadás. Termelési és optimalizálási feladatok. Dr. Szörényi Miklós, Dr. Kallós Gábor

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

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Operációkutatás. tanulmányokhoz

TANTÁRGYI ÚTMUTATÓ. Operációkutatás. tanulmányokhoz II. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Operációkutatás tanulmányokhoz TÁVOKTATÁS Tanév (2014/2015) I. félév A KURZUS ALAPADATAI Tárgy megnevezése: Operációkutatás Tanszék: BGF Módszertani Intézeti

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, Leontyev-modell

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

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Logaritmus

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Logaritmus Logaritmus DEFINÍCIÓ: (Logaritmus) Ha egy pozitív valós számot adott, - től különböző pozitív alapú hatvány alakban írunk fel, akkor ennek a hatványnak a kitevőjét logaritmusnak nevezzük. Bármely pozitív

Részletesebben

Az online algoritmusok k-szerver probléma

Az online algoritmusok k-szerver probléma Az online algoritmusok k-szerver probléma Bittner Emese, Imreh Csanád, Nagy-György Judit Szegedi Tudományegyetem Online algoritmusok Online problémáról beszélünk azokban az esetekben, ahol nem ismert az

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I.

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I. Számelmélet I. DEFINÍCIÓ: (Osztó, többszörös) Ha egy a szám felírható egy b szám és egy másik egész szám szorzataként, akkor a b számot az a osztójának, az a számot a b többszörösének nevezzük. Megjegyzés:

Részletesebben

A Szállítási feladat megoldása

A Szállítási feladat megoldása A Szállítási feladat megoldása Virtuális vállalat 201-2014 1. félév 4. gyakorlat Dr. Kulcsár Gyula A Szállítási feladat Adott meghatározott számú beszállító (source) a szállítható mennyiségekkel (transportation

Részletesebben

Jelen jegyzet a József Attila Tudományegyetem programozó matematikus és. A feldolgozott anyag bevezető jellegű. Néhány karakterisztikus, ma már

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

Részletesebben

lineáris programozás esetében. Ennek ez idő szerint legkorábbi formalizálását

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,

Részletesebben

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd 1 Ütemezési feladatok Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd tekintettel a feladat gyakorlati fontosságára sok különböző modell tanulmányozására került sor, és a témakör

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

Irodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0

Irodalom. (a) A T, B T, (b) A + B, C + D, D C, (c) 3A, (d) AD, DA, B T A, 1 2 B = 1 C = A = 1 0 D = (a) 1 1 3, B T = = ( ) ; A T = 1 0 Irodalom ezek egyrészt el- A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: hangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László: Bevezetés a lineáris algebrába, Polygon

Részletesebben

Matematikai modellezés

Matematikai modellezés Matematikai modellezés Bevezető A diasorozat a Döntési modellek című könyvhöz készült. Készítette: Dr. Ábrahám István Döntési folyamatok matematikai modellezése Az emberi tevékenységben meghatározó szerepe

Részletesebben

Konjugált gradiens módszer

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

Részletesebben

Operációkutatás I. Tantárgyi útmutató

Operációkutatás I. Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdinfo nappali tagozat Operációkutatás I. Tantárgyi útmutató 2017/18 tanév 1. félév 1/4 Tantárgy megnevezése: Operációkutatás Tantárgy kódja: OPKU1KOMEMM Tanterv szerinti

Részletesebben

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő

Részletesebben

Optimumkeresés számítógépen

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

Részletesebben

;3 ; 0; 1 7; ;7 5; 3. pozitív: ; pozitív is, negatív is: ;

;3 ; 0; 1 7; ;7 5; 3. pozitív: ; pozitív is, negatív is: ; . A racion lis sz mok A tanult sz mok halmaza A) Ábrázold számegyenesen az alábbi számokat! 8 + + 0 + 7 0 7 7 0 0. 0 Válogasd szét a számokat aszerint, hogy pozitív: pozitív is, negatív is: negatív: sem

Részletesebben

A lineáris programozás alapjai

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

Részletesebben

Tartalom. Matematikai alapok. Fontos fogalmak Termékgyártási példafeladat

Tartalom. Matematikai alapok. Fontos fogalmak Termékgyártási példafeladat 6. előadás Termelési és optimalizálási feladatok Dr. Szörényi Miklós, Dr. Kallós Gábor 2014 2015 1 Tartalom Matematikai alapok Matematikai modell Fontosabb feladattípusok Érzékenységvizsgálat Fontos fogalmak

Részletesebben

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva 6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,

Részletesebben

A valós számok halmaza 5. I. rész MATEMATIKAI ANALÍZIS

A valós számok halmaza 5. I. rész MATEMATIKAI ANALÍZIS A valós számok halmaza 5 I rész MATEMATIKAI ANALÍZIS 6 A valós számok halmaza A valós számok halmaza 7 I A valós számok halmaza A valós számokra vonatkozó axiómák A matematika lépten-nyomon felhasználja

Részletesebben

Diszkrét, egészértékű és 0/1 LP feladatok

Diszkrét, egészértékű és 0/1 LP feladatok Diszkrét, egészértékű és 0/1 LP feladatok In English Integer Programming - IP Zero/One (boolean) programming 2007.03.12 Dr. Bajalinov Erik, NyF MII 1 Diszkrét és egészértékű változókat tartalmazó feladatok

Részletesebben

A lineáris programozás 1 A geometriai megoldás

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

Részletesebben

Approximációs algoritmusok

Approximációs algoritmusok Approximációs algoritmusok Nehéz (pl. NP teljes) problémák optimális megoldásának meghatározására nem tudunk (garantáltan) polinom idejű algoritmust adni. Lehetőségek: -exponenciális futási idejű algoritmus

Részletesebben

Operációkutatás példatár

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

Részletesebben