Lineáris programozás. A mese
|
|
- Etelka Fekete
- 4 évvel ezelőtt
- Látták:
Átírás
1 Lineáris programozás A mese
2 Célok Geometriai szemlélet (nem lesz matek ) Gakorlati kérdések
3 Már megint a szendvics Kétfajta szendvicset szeretnénk készíteni, sonkásat és szalámisat. Lehetőleg minél többet. Minden hozzávaló van bőven, kivéve : : sonkás szalámis ma Uborkaszelet a tetejére, melből minden sonkásra 3-at, minden szalámisra 2-t 2 6 rakunk a 12-ből. Illetve vajból, melből a sonkás 1 valamennit a szalámis meg 2 valamennit igénel, és csak 6 valamenni van. Mivel mi is éhesek vagunk, legalább 1-et akarunk azért csinálni És ezt nem felejtjük el, 1
4 A feladat geometriai reprezentációja 2D esetén ma Megengedett tartomán 1 Optimum
5 A standard alak ma c T A = b A feltételek lineárisan függetlenek, vagis az A mátri teljes sorrangú (Gauss elimináció!). Az algoritmusok (legalábbis az elméleti felírása) ezen az alakon dolgoznak. Átalakítások: A A A b b = b A b A( A = b A A s = b, s ) = A, b, A b A A tételek és állítások ezen átalakítással hozhatók a konkrét feladatok által kívánt alakra = b,
6 A standardizálásról 1 s = 1, s
7 A lehetséges megoldási típusok A Trichotómia tétel Létezik optimális megoldás, vagis T T L : c c L = { : A = b, } L A feladat nem korlátos, vagis T L, z : λz L, c z > Nincs megengedett megoldás, vagis / : L
8 Ha a feladat nem korlátos Bizoníték: Megoldás és végtelen irán, mel felé a célfüggvén nem korlátos., :, : > = = z c z Az z b A T ) ( = = λ λ λ z b A z A
9 Eg nem korlátos feladat Feladat: ma 2 z 6 1 z 8,, z z Megoldás: = (,, z) = (,,) w = ( w1, w2, w3 ) = (,1,) ( λ w) = λ c T Ténleg megengedett lesz, de Nincs standardizált alakban
10 A feladat korlátos, a megengedett megoldások halmaza nem Hogan lehet a tartomán korlátosságát ellenőrizni? ma 1... A = b De a célfüggvént igazítani kell a felírás alakjához! A fenti a standardizálthoz tartozik. n
11 Ha nincs megoldás ?
12 Ha a feltételrendszer ellentmondásos, akkor levezethető eg ellentmondás a feltételekből. A Farkas lemma : A = b, / : A =, b = 1 Megmutathatjuk a főnöknek miért nem tudunk megoldást kreálni
13 ma 3 2 A szimple algoritmus (, ) = (,) z = ( 1 1) 1, = ( 4,) z = 4 ( 2 2 ) 2, = ( 3,1.5 ) z = 4. 5
14 Induló csúcs? Legen a jobboldal nemnegatív. (szorzás!) min s 1... s n A = b A s = b s Ha a másodlagos célfüggvén nem veszi fel a nulla értéket, akkor az eredeti feladatnak nincs megengedett megoldása Ez a kétfázisú szimple módszer
15 A csúcs - bázismegoldás A bázismegoldás előnei: Egszerű struktúra (például szívesebben termelünk 3 dolgot mint 3-at) Jól illeszkedik összetettebb algoritmusokhoz (pl. egészértékű megoldók) Könnebb beadni a főnöknek, átlátható
16 A megoldás ma , LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 4.5 VARIABLE VALUE REDUCED COST X 3.. Y 1.5. ROW SLACK OR SURPLUS DUAL PRICES 2)..25 3) )..25 NO. ITERATIONS= 2
17 A megoldás minősége Mennire stabil az adatokra nézve? Mennit módosíthatok anélkül hog a megoldás szerkezete megváltozna? Hogan változtassam meg a költségeket, hog bizonos termékeket megérje termelni? Van-e más struktúrájú, uganilen jó célfüggvén-értékű megoldás ha nem változtatunk az adatokon?
18 Érzékenségvizsgálat Mennit módosíthatok a feltételek jobboldalán illetve a célfüggvén-értékeken anélkül, hog a megoldás szerkezete megváltozna? ma , RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X Y RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE INFINITY
19 Árnékár Mennivel kellene eg termék árát növelni, vag előállítási költségét csökkenteni hog megérje termelni? ma z 3 2 2, 1 6 z 12 LP OPTIMUM FOUND AT STEP 4 OBJECTIVE FUNCTION VALUE 1) 11. VARIABLE VALUE REDUCED COST X. 1. Y 1.. Z 1.. ROW SLACK OR SURPLUS DUAL PRICES 2). 1. 3) ) 4.. NO. ITERATIONS= 4
20 ma , 1 z 6 z 12 ma 2 z 3 2 2, 1 6 z 12 LP OPTIMUM FOUND AT STEP 3 OBJECTIVE FUNCTION VALUE 1) 11. VARIABLE VALUE REDUCED COST X..5 Y 1.. Z 1.. ROW SLACK OR SURPLUS DUAL PRICES 2). 1. 3) ) 4.. 5).. 6) 1.. NO. ITERATIONS= 3 LP OPTIMUM FOUND AT STEP OBJECTIVE FUNCTION VALUE 1) 11. VARIABLE VALUE REDUCED COST X.. Y 1.. Z 1.. ROW SLACK OR SURPLUS DUAL PRICES 2). 1. 3) ) 4.. NO. ITERATIONS=??
21 ma 2.1 z LP OPTIMUM FOUND AT STEP , 1 6 z 12 OBJECTIVE FUNCTION VALUE 1) 11.1 VARIABLE VALUE REDUCED COST X 1.. Y..1 Z 9.. ROW SLACK OR SURPLUS DUAL PRICES 2). 1. 3) ) 5.. NO. ITERATIONS= 1 De ezek szerint több különböző (struktúrájú) megoldást kaphatunk? Ha eg megoldás árnékára nulla, akkor van olan megoldás melben nem nulla? Nem feltétlen (pl. eg = feltétel miatt) De kereshetünk alternatív megoldást másként is
22 Alternatív megoldások LP OPTIMUM FOUND AT STEP OBJECTIVE FUNCTION VALUE ma 3, z 6 z 12 1) 11. VARIABLE VALUE REDUCED COST X.. Y 1.. Z 1.. ROW SLACK OR SURPLUS DUAL PRICES 2). 1. 3) ) 4.. NO. ITERATIONS= ma 2 3, z z = LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 1. VARIABLE VALUE REDUCED COST X 1.. Y. 1. Z 9.. ROW SLACK OR SURPLUS DUAL PRICES 2) ). 1. 4).. 5) 5.. NO. ITERATIONS= 2
23 Gakorlatban Adatok megkeverése (egszerűen más sorrendben írom le) Szimple algoritmus paraméterei Más algoritmus Másodlagos célfüggvének
24 Az optimalitás ellenőrzése ma LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE ) 4.5 VARIABLE VALUE REDUCED COST X 3.. Y ROW SLACK OR SURPLUS DUAL PRICES 2)..25 3) )..25, NO. ITERATIONS= 2 De nincs jobb? Ha van eg megoldásom mi bizonítja hog a legjobb?
25 ma , Korlátozó feltételek LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 4.5 VARIABLE VALUE REDUCED COST X 3.. Y 1.5. = 4.5 = ROW SLACK OR SURPLUS DUAL PRICES 2)..25 3) )..25 NO. ITERATIONS= 2
26 Az erős dualitás tétel ma c T A b ( P) min T b A = c ( D) A következő állítások ekvivalensek: 1. A primál (P) feladatnak létezik optimális megoldása 2. A duál (D) feladatnak létezik optimuma 3. A primál és duál feladatnak is van megoldása, és a két optimum értéke megegezik.
27 A lehetséges esetek D P Nincs megoldás Optimális Nem korlátos Nincs megoldás Optimális Nem korlátos
28 Más algoritmusok Sok szimple jellegű közös: bázismegoldások Elméletileg nem hatékon gakorlatilag igen Ellipszoid Elméletben jó, gakorlatban használhatatlan (de teljesen) Belsőpontos algoritmusok És külső pontos belsőpontosok Elméletileg és gakorlatilag is jó Más struktúrájú (tetszőlegesen jó) közelítő megoldást ad
29 Ipari feladatok - nehéz
30 Ipari feladatok - könnű
31 Megoldókról Ingenesek GLPK (GNU, C) LPSOLVE (LGPL 2, Borland C) Kereskedelmi professzionális CPLEX (C és C callable librar) XPRESS MP Kereskedelmi, inkább user-friendl LINDO What s Best (Ecel plug-in)
32 Nehézségek Elméletileg nagon egszerű implementálni (4 for ciklus?) Sajnos ez nagon pici faladat után meghal Numerikusan instabil, a degenerált feladatokon még ciklizálhatnak is (hoghog?!) Módosított szimple algoritmus komol numerikus megvalósítási aparátussal
33 Köszönöm a figelmet
A szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
RészletesebbenOptimumkeresés 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
RészletesebbenDualitás 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
RészletesebbenOpkut 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
RészletesebbenA 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
RészletesebbenOperációkutatás. 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
RészletesebbenMatematikai modellek megoldása számítógéppel Solver Lingo
Matematikai modellek megoldása számítógéppel Solver Lingo Készítette: Dr. Ábrahám István A matematikai modellek számítógépes megoldásait példákkal mutatjuk be. Példa: Négy erőforrás felhasználásával négyféle
RészletesebbenA 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
RészletesebbenA 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
RészletesebbenTeljes függvényvizsgálat példafeladatok
Teljes függvénvizsgálat példafeladatok Végezz teljes függvénvizsgálatot az alábbi függvéneken! Az esetenként vázlatos megoldásokat a következő oldalakon találod, de javaslom, hog először önállóan láss
Részletesebben18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK
18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK Kertesi Gábor Világi Balázs Varian 21. fejezete átdolgozva 18.1 Bevezető A vállalati technológiák sajátosságainak vizsgálatát eg igen fontos elemzési eszköz,
RészletesebbenLineáris programozás. Ax b
Feladatok és kiegészítések az elmélethez Lineáris programozás Standard modell (maximumprobléma) x 0 Ax b (1) c x = z max ahol x = (x 1,..., x n ) R n 1 a keresett n dimenziós oszlopmátrix/vektor 0 = (0,...,
RészletesebbenTotális 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
RészletesebbenA 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
RészletesebbenAlkalmazott 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,
RészletesebbenOperációkutatás. 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.
Részletesebben1/ 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 +
RészletesebbenMEREVSZÁRNYÚ REPÜLŐGÉPEK VEZÉRSÍK-RENDSZEREINEK KIALAKÍTÁSA 3 REPÜLŐKÉPESSÉG
Dr. Óvári Gula 1 - Dr. Urbán István 2 MEREVSZÁRNYÚ REPÜLŐGÉPEK VEZÉRSÍK-RENDSZEREINEK KILKÍTÁS 3 cikk(soroatban)ben a merev sárnú repülőgépek veérsík rendserinek terveését és építését követheti nomon lépésről
RészletesebbenNemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással
pontos dualitással Imre McMaster University Advanced Optimization Lab ELTE TTK Operációkutatási Tanszék Folytonos optimalizálás szeminárium 2004. július 6. 1 2 3 Kvadratikus egyenlőtlenségrendszerek Primál
RészletesebbenBranch-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
RészletesebbenDiszkrét Matematika MSc hallgatók számára. 4. Előadás
Diszkrét Matematika MSc hallgatók számára 4. Előadás Előadó: Hajnal Péter Jegyzetelő: Szarvák Gábor 2012. február 28. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét
RészletesebbenOperációkutatás 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
RészletesebbenÁttekintés 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,
RészletesebbenMatematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola
O k t a t á s i H i v a t a l A 017/018. tanévi Országos Középiskolai Tanulmáni Versen második forduló MATEMATIKA I. KATEGÓRIA (SZAKGIMNÁZIUM, SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató 1. Adja meg
RészletesebbenNem-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
RészletesebbenLineáris egyenletrendszerek
Lineáris egyenletrendszerek Lineáris egyenletrendszernek nevezzük az a 11 x 1 + a 12 x 2 +... +a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... +a 2n x n = b 2.. a k1 x 1 + a k2 x 2 +... +a kn x n = b k n ismeretlenes,
RészletesebbenKétfázisú 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
RészletesebbenAz ellipszoid algoritmus
Az ellipszoid algoritmus Csizmadia Zsolt Eötvös Loránd Tudományegyetem Bevezető Az ellipszoid módszert a nemlineáris porgramozásra Shor [1970,0977] illetve Yudin és Nemirovskiî [1976] feljlesztették ki.
RészletesebbenLINEÁRIS 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
Részletesebben4. Előadás: Erős dualitás
Optimalizálási eljárások/operációkutatás MSc hallgatók számára 4. Előadás: Erős dualitás Előadó: Hajnal Péter 2018. Emlékeztető. A primál feladat optimális értékét p -gal, a feladat optimális értékét d
RészletesebbenNumerikus módszerek beugró kérdések
1. Definiálja a gépi számok halmazát (a tanult modellnek megfelelően)! Adja meg a normalizált lebegőpontos szám alakját. (4 pont) Az alakú számot normalizált lebegőpontos számnak nevezik, ha Ahol,,,. Jelöl:
RészletesebbenOperációkutatás. 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
RészletesebbenMátrixok 2017 Mátrixok
2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4
Részletesebben11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás
Optimalizálási eljárások MSc hallgatók számára 11. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2011. április 27. 1. Lineáris egyenlőség feltételek melletti minimalizálás Múlt héten nem szerepeltek
RészletesebbenHORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása
Bevezetés HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása Discrete smooth approximation: an application of linear programming The best discrete approximation can be
Részletesebben1/12. 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
RészletesebbenGráfelmélet/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
RészletesebbenTöbbváltozós függvények Riemann integrálja
Többváltozós üggvének Riemann integrálja Többváltozós üggvének Riemann integrálja Többváltozós üggvének Riemann integrálja Az integrál konstrukciója tetszőleges változószám esetén Deiníció: n dimenziós
RészletesebbenOrszágos Középiskolai Tanulmányi Verseny 2012/2013 Matematika I. kategória (SZAKKÖZÉPISKOLA) Döntő Megoldások
Országos Középiskolai Tanulmáni Versen / Matematika I kategória (SZAKKÖZÉPISKOLA) Döntő Megoldások Eg papírlapra felírtuk a pozitív egész számokat n -től n -ig Azt vettük észre hog a felírt páros számok
Részletesebben1) Adja meg a következő függvények legbővebb értelmezési tartományát! 2) Határozzuk meg a következő függvény értelmezési tartományát!
Függvének Feladatok Értelmezési tartomán ) Adja meg a következő függvének legbővebb értelmezési tartománát! a) 5 b) + + c) d) lg tg e) ln + ln ( ) Megoldás: a) 5 b) + + = R c) és sosem teljesül. d) tg
Részletesebben12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor
12. előadás Egyenletrendszerek, mátrixok Dr. Szörényi Miklós, Dr. Kallós Gábor 2015 2016 1 Tartalom Matematikai alapok Vektorok és mátrixok megadása Tömbkonstansok Lineáris műveletek Mátrixok szorzása
Részletesebben7.4. A programkonstrukciók és a kiszámíthatóság
H @ tj 68 7 PROGRAMKONSTRUKCIÓK 74 A programkonstrukciók és a kiszámíthatóság Ebben az alfejezetben kis kitérőt teszünk a kiszámíthatóság-elmélet felé, és megmutatjuk, hog az imént bevezetett három programkonstrukció
RészletesebbenÉrzékenységvizsgálat
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
Részletesebben11. 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
RészletesebbenOperációkutatás 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
RészletesebbenLINEÁRIS PROGRAMOZÁSI PROGRAMOK TESZTELÉSE TESTING LINEAR PROGRAMMING SOLVERS. Illés Tibor 1, Nagy Adrienn 2
LINEÁRIS PROGRAMOZÁSI PROGRAMOK TESZTELÉSE TESTING LINEAR PROGRAMMING SOLVERS Illés Tibor 1, Nagy Adrienn 2 1 Department of Management Science, University of Strathclyde, Glasgow 2 Neumann János Informatikai
RészletesebbenSzemidenit 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
RészletesebbenAnalízis I. zárthelyi dolgozat javítókulcs, Informatika I okt. 19. A csoport
Analízis I. zártheli dolgozat javítókulcs, Informatika I. 0. okt. 9. Elméleti kérdések A csoport. Hogan számíthatjuk ki két trigonometrikus alakban megadott komple szám szorzatát más alakba való átváltás
Részletesebben3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra
SZÉCHENYI ISÁN EGYEEM AAMAZO MECHANIA ANSZÉ 6. MECHANIA-ÉGESEEM MÓDSZER EŐADÁS (kidolgozta: Szüle eronika, eg. ts.) I. előadás. okális aroimáció elve, végeselem diszkretizáció egdimenziós feladatra.. Csomóonti
Részletesebben1. Lineáris transzformáció
Lineáris transzformáció Lineáris transzformáció mátrixának felírása eg adott bázisban: Emlékeztető: Legen B = {u,, u n } eg tetszőleges bázisa az R n -nek, Eg tetszőleges v R n vektor egértelműen felírható
Részletesebben3. MÉRETEZÉS, ELLENŐRZÉS STATIKUS TERHELÉS ESETÉN
ÉRETEZÉS ELLENŐRZÉS STATIUS TERHELÉS ESETÉN A méreteés ellenőrés célkitűése: Annak elérése hog a serkeet rendeltetésserű hasnálat esetén előírt ideig és előírt bitonsággal elviselje a adott terhelést anélkül
Részletesebben5. ROBOTOK IRÁNYÍTÓ RENDSZERE. 5.1. Robotok belső adatfeldolgozásának struktúrája
TARTALOM 5. ROBOTOK IRÁNYÍTÓ RENDSZERE... 7 5.. Robotok belső adatfeldolgozásának struktúrája... 7 5.. Koordináta transzformációk... 5... Forgatás... 5... R-P-Y szögek... 5... Homogén transzformációk...
RészletesebbenElemi függvények. Nevezetes függvények. 1. A hatványfüggvény
Elemi függvének Tétel: Ha az = ϕ() függvén az = f () függvén inverze, akkor = ϕ() függvén grafikonja az = f () függvén képéből az = egenesre való tükrözéssel nerhető. Tétel: Minden szigorúan monoton függvénnek
RészletesebbenJegyzet. 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.......................................
RészletesebbenFüggvények határértéke és folytonossága. pontban van határértéke és ez A, ha bármely 0 küszöbszám, hogy ha. lim
Függvének határértéke és oltonossága Deiníció: Az -hoz megadható olan üggvénnek az A. pontban van határértéke és ez A ha bármel küszöbszám hog ha A akkor. Jele: a) Függvén határértékének ogalma visszavezethető
Részletesebben3. 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
RészletesebbenMatematika szintfelmérő szeptember
Matematika szintfelmérő 015. szeptember matematika BSC MO 1. A faglaltok éjszakáján eg közvéleménkutatásban vizsgált csoport %-ának ízlett az eperfaglalt, 94%-ának pedig a citromfaglalt. A két gümölcsfaglalt
RészletesebbenDiszkrét 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
RészletesebbenDöntéselőkészítés. 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
RészletesebbenAnalízis I. jegyzet. László István. 2008. november 3.
Analízis I. jegzet László István 2008. november 3. Tartalomjegzék 1. Halmazok 5 1.1. Halmaz fogalma............................ 5 1.2. Halmaz megadása........................... 6 1.2.1. Eplicit megadás.......................
RészletesebbenDiszkrét matematika II., 8. előadás. Vektorterek
1 Diszkrét matematika II., 8. előadás Vektorterek Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2007.??? Vektorterek Legyen T egy test (pl. R, Q, F p ). Definíció.
Részletesebbenlineáris 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,
RészletesebbenIII. FEJEZET FÜGGVÉNYEK ÉS TULAJDONSÁGAIK
Függvéek és tulajdoságaik 69 III FEJEZET FÜGGVÉNYEK ÉS TULAJDONSÁGAIK 6 Gakorlatok és feladatok ( oldal) Írd egszerűbb alakba: a) tg( arctg ) ; c) b) cos( arccos ) ; d) Megoldás a) Bármel f : A B cos ar
RészletesebbenA 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
Részletesebben1/ 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
Részletesebben1. Lineáris leképezések
Lineáris leképezések A lineáris leképezés fogalma Definíció (F5 Definíció) Legenek V és W vektorterek UGYANAZON T test fölött Az A : V W lineáris leképezés, ha összegtartó, azaz v,v 2 V esetén A(v +v 2
RészletesebbenOperációkutatás 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,
RészletesebbenJegyzet. 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......................
RészletesebbenTéma: A szerkezeti acélanyagok fajtái, jelölésük. Mechanikai tulajdonságok. Acélszerkezeti termékek. Keresztmetszeti jellemzők számítása
1. gakorlat: Téma: A szerkezeti acélanagok fajtái, jelölésük. echanikai tulajdonságok. Acélszerkezeti termékek. Keresztmetszeti jellemzők számítása A szerkezeti acélanagok fajtái, jelölésük: Ádán Dulácska-Dunai-Fernezeli-Horváth:
RészletesebbenJegyzet. 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......................................
RészletesebbenVASBETON LEMEZEK. Oktatási segédlet v1.0. Összeállította: Dr. Bódi István - Dr. Farkas György. Budapest, 2001. május hó
BUDAPEST MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM Építőmérnöki Kar Hidak és Szerkezetek Tanszéke VASBETON LEMEZEK Oktatási segédlet v1.0 Összeállította: Dr. Bódi István - Dr. Farkas Görg Budapest, 001. május
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
RészletesebbenLineáris 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
RészletesebbenBolyai János Matematikai Társulat. Rátz László Vándorgyűlés Baja
Bolai János Matematikai Társulat Rátz László Vándorgűlés 06. Baja Záródolgozat dr. Nag Piroska Mária, Dunakeszi Dunakeszi, 06.07.. A Vándorgűlésen Erdős Gábor az általános iskolai szekcióban tartott szemináriumot
RészletesebbenA differenciálegyenlet általános megoldása az összes megoldást tartalmazó halmaz.
Differenciálegenletek Bevezetés Differenciálegenletnek olan egenletet nevezünk, amelben az ismeretlen eg függvén és az egenlet tartalmazza az ismeretlen függvén (valahánad rendű) deriváltját. Például:
Részletesebben1. tétel - Gráfok alapfogalmai
1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési
RészletesebbenLineáris 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
RészletesebbenA szállítási feladat. Készítette: Dr. Ábrahám István
A szállítási feladat Készítette: Dr Ábrahám István Bevezető A személyek, termékek, nyersanyagok szállításának lehető leggazdaságosabb megszervezése fontos kérdés Célunk lehet legkisebb összköltségre törekvés,
Részletesebben1. gyakorlat. Oktatási segédlet hallgatók számára
másik termék mennisége. gakorlat Transzformációs görbe, mikroökonómiai optimumfeladatok megoldásának alapmódszere Oktatási segédlet hallgatók számára Eg fontos közgazdasági alapmodell TLH, alternatív költség,
RészletesebbenAlgoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.
Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenGráfelmélet/Diszkrét Matematika MSc hallgatók számára. Párosítások
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára Párosítások 2012. november 19. Előadó: Hajnal Péter 1. Alapfogalmak Emlékeztető. Legyen G egy gráf, E(G) a G élhalmaza, V (G) gráfunk csúcshalmaza.
RészletesebbenAnalízis I. Vizsgatételsor
Analízis I. Vizsgatételsor Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v.0.6 RC 004 Forrás: Oláh Gábor: ANALÍZIS I.-II. VIZSGATÉTELSOR 2006-2007-/2
RészletesebbenOnline migrációs ütemezési modellek
Online migrációs ütemezési modellek Az online migrációs modellekben a régebben ütemezett munkák is átütemezhetőek valamilyen korlátozott mértékben az új munka ütemezése mellett. Ez csökkentheti a versenyképességi
RészletesebbenNemlineáris 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,
RészletesebbenLineáris 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
Részletesebben1 1 y2 =lnec x. 1 y 2 = A x2, ahol A R tetsz. y =± 1 A x 2 (A R) y = 3 3 2x+1 dx. 1 y dy = ln y = 3 2 ln 2x+1 +C. y =A 2x+1 3/2. 1+y = x.
Mat. A3 9. feladatsor 06/7, első félév. Határozzuk meg az alábbi differenciálegenletek típusát (eplicit-e vag implicit, milen rendű, illetve fokú, homogén vag inhomogén)! a) 3 (tg) +ch = 0 b) = e ln c)
RészletesebbenGauss 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
Részletesebben15. 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
RészletesebbenA kardáncsukló tengelyei szögelfordulása közötti összefüggés ábrázolása. Az 1. ábrán mutatjuk be a végeredményt, egy körülfordulásra.
A kardáncsukló tengelei szögelfordulása közötti összefüggés ábrázolása Az 1. ábrán mutatjuk be a végeredmént, eg körülfordulásra. 3 330 270 2 210 1 150 A kardáncsukló hajtott tengelének szögelfordulása
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy
Diszkrét matematika 3. estis képzés 2018. ősz 1. Diszkrét matematika 3. estis képzés 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
RészletesebbenLineáris 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
RészletesebbenLepárlás. 8. Lepárlás
eárlás 8. eárlás csefolós elegek szétválasztására leggakrabban használt művelet a leárlás. Míg az egszeri leárlás desztilláció néven is ismerjük az ismételt leárlás vag ismételt desztillációt rektifikálásnak
RészletesebbenRelációk. Vázlat. Példák direkt szorzatra
8.. 7. elácók elácó matematka fogalma zükséges fogalom: drekt szorzat Halmazok Descartes drekt szorzata: Legenek D D D n adott doman halmazok. D D D n : = { d d d n d k D k k n } A drekt szorzat tehát
RészletesebbenMatematika (mesterképzés)
Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,
Részletesebben4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre
4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre Az értékelő függvény létezése (folytatás) p. 1/8 4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre
RészletesebbenVázlat. Relációk. Példák direkt szorzatra
7..9. Vázlat elácók a. elácó fogalma b. Tulajdonsága: refleív szmmetrkus/antszmmetrkus tranztív c. Ekvvalenca relácók rzleges/parcáls rrendez relácók felsmere d. elácók reprezentálása elácó matematka fogalma
RészletesebbenAz érzékenységvizsgálat jelentősége
Az érzékenységvizsgálat jelentősége (Tanulmány) Egyéb olyan fontos szempontok mellett, mint a stabilitás, rugalmasság, társadalmi elfogadottság, stb., az ipari menedzser fő célja, hogy növelje cége nyereségét.
Részletesebben1. 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
RészletesebbenKövetelmények 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