GLOBÁLIS OPTIMALIZÁLÁSI ALGORITMUSOK PNS FELADATOK MEGOLDÁSÁRA
|
|
- Balázs Pásztor
- 9 évvel ezelőtt
- Látták:
Átírás
1 GLOBÁLIS OPTIMALIZÁLÁSI ALGORITMUSOK PNS FELADATOK MEGOLDÁSÁRA DOKTORI (PhD) ÉRTEKEZÉS Nagy Ádám Témavezető: Dr. Friedler Ferenc Veszprémi Egyetem Műszaki Informatikai Kar Informatikai Tudományok Doktori Iskola 2004
2 GLOBÁLIS OPTIMALIZÁLÁSI ALGORITMUSOK PNS FELADATOK MEGOLDÁSÁRA Értekezés doktori (PhD) fokozat elnyerése érdekében Írta: Nagy Ádám Készült a Veszprémi Egyetem Informatikai Tudományok Doktori Iskolája keretében Témavezető: Dr. Friedler Ferenc Elfogadásra javaslom (igen / nem) (aláírás) A jelölt a doktori szigorlaton...%-ot ért el Veszprém,... Az értekezést bírálóként elfogadásra javaslom: a Szigorlati Bizottság elnöke Bíráló neve:... (igen / nem) (aláírás) Bíráló neve:... (igen / nem) (aláírás) A jelölt az értekezés nyilvános vitáján...%-ot ért el Veszprém,... a Bíráló Bizottság elnöke A doktori (PhD) oklevél minősítése... ii... Az EDT elnöke
3 Tartalomjegyzék Táblázatok jegyzéke Ábrák jegyzéke Kivonat Abstract Abstrakt Köszönetnyilvánítás vi viii x xii xiv xvi 1. Bevezetés 1 2. Folyamatszintézis: PNS feladatok Előzmények, a szakirodalom áttekintése Matematikai modell PNS feladat leírására Folyamat (Process) gráf A folyamatszintézis általános modellje PNS feladat lineáris modellje Kombinatorikus algoritmusok PNS feladatok megoldásához Szeparábilis konkáv optimalizálás PNS feladatok megoldására Szeparábilis konkáv programozás szakirodalmának áttekintése Általános algoritmus Részprobléma Korlátozás Szétválasztás A keretalgoritmus elemzése Csúsztatott partícionálási szabály x-partícionálás x konvergencia, végesség A módszer viselkedése iii
4 Csúsztatott vágási módszer Konvergencia, végesség Az eredmény rövid összefoglalása Maximális rés partícionálás Vágási stratégia Konvergencia Az eredmény rövid összefoglalása Egy elégséges optimalitási kritérium szeparábilis konkáv minimalizálási feladatra A relaxált lineáris programozási feladat A relaxált lineáris programozási feladat optimalitási kritériuma Elégséges optimalitási kritérium A H halmazról Az eredmény rövid összefoglalása Érzékenységi vizsgálaton alapuló vágási stratégia Egy bázisváltozó költsége módosul Több bázisváltozó költsége módosul Szétválasztási stratégia Az algoritmus helyességének bizonyítása Az algoritmus működésének elemzése Az eredmény rövid összefoglalása Kombinatorikusan gyorsított algoritmus Bevezetés Részproblémák Kiterjesztés Algoritmus A helyesség bizonyítása Az eredmény rövid összefoglalása N-legjobb megoldás Bevezetés Algoritmus A helyesség bizonyítás Példa Az eredmény rövid összefoglalása Gyakorlati tapasztalatok Generált tesztfeladatok Valós ipari feladatok Alkalmazás: ipari hőellátó rendszer optimális tervezése Gőzhálózat, kiindulási feltételek Alternatív megoldási lehetőségek iv
5 Módszer A folyamat- és hőcserélőhálózat együttes szintézise Bevezetés Hőcserélőhálózat szintézis Az integrált folyamat- és hőcserélőhálózat szintézise A szakirodalom áttekintése Általános HENS módszerek Integrált folyamat- és hőcserélőhálózat szintézise A hp-gráf Az anyagpont kiterjesztése Kiindulási adatok, halmazok Hideg és meleg hőáramok Rejtett hő A hideg áramok eltolása Az elemi hőáramok A részhőáramok A matematikai modell Anyagponthoz tartozó matematikai modell Potenciális hőcserék meghatározása Hőegyensúlyi feltételek Hőcserélők költsége Egyesített matematikai modell Az integrált módszer leírása A korlátozó LP feladat tulajdonsága Szemléltető példa Általános leírás Az 1. csúcs Az csúcs Alkalmazás: HDA folyamat Az eredmény rövid összefoglalása Új tudományos eredmények Az értekezés témaköréből készült publikációk Irodalomjegyzék 144 v
6 Táblázatok jegyzéke 2.1. Költségparaméterek a műveleti egységekre Paraméterek az anyagokra Lokálisan optimális struktúrák számossága Általános módszer: 20 műveleti egység Általános módszer: 40 műveleti egység Általános módszer: 60 műveleti egység Általános módszer: 80 műveleti egység Kombinatorikusan gyorsított módszer: 20 műveleti egység Kombinatorikusan gyorsított módszer: 40 műveleti egység Kombinatorikusan gyorsított módszer: 60 műveleti egység Kombinatorikusan gyorsított módszer: 80 műveleti egység Általános módszer: Alpha (41 műveleti egység) Kombinatorikusan gyorsított módszer: Alpha (41 műveleti egység) Általános módszer: Denmark (35 műveleti egység) Kombinatorikusan gyorsított módszer: Denmark (35 műveleti egység) A lehetséges műveleti egységek Költségparaméterek a műveleti egységekre Nyersanyagok Külső hideg, meleg források Műveleti egység osztályok Lehetséges hőáramok az 1. csúcsnál Rejtett hőforrások az 1. csúcsnál Lehetséges elemi hőáramok az 1. csúcsban vi
7 4.9. Lehetséges részhőáramok az 1. csúcsban Anyagok hőkapacitásai Hőcseréhez kapcsolódó változók az 1. csúcsban A külső hideg és meleg energiához kapcsolódó változók a 1. csúcsban Hőegyensúlyi feltételek együtthatói az 1. csúcsban A költségfüggvényhez tartozó paraméterek az 1. csúcsban Potenciális hideg és meleg áramok az csúcsban Rejtett hő előfordulása az csúcsban Meleg és hideg elemi hőáramok az csúcsban Részhőáramok az csúcsban vii
8 Ábrák jegyzéke 2.1. P-gráf A szemléltető példa P-gráf ábrázolása Általános algoritmus A korlátozási eljárás A partícionálási eljárás ε-vágás Maximális rés partícionálás Az integrálkülönbség folytonos és nemfolytonos esetekre Partícionálás az l 0 j-tól különböző helyen Az f + függvény relaxációja az [lj,u 0 q j ] intervallumon Kombinatorikusan gyorsított algoritmus A partícionálási eljárás a kombinatorikusan gyorsított algoritmusban Vágás egy még nem döntött változón N-legjobb megoldást meghatározó algoritmus vázlata N-listát módosító eljárás A szemléltető példa lokálisan optimális struktúrái és a hozzá tartozó költség Denmark feladat P-gráf ábrázolása Alpha feladat P-gráf ábrázolása Az eredeti hőellátó rendszer sematikus ábrázolása (a) Időben változó hőigény trend. (b) A diszkretizálás eredményeként kapott kumulatív hőteljesítmény trend Egy adott hőteljesítményhez tartozó maximális struktúra viii
9 4.1. Hőáramok reprezentálása Rejtett hő reprezentálása Az anyag típusú pont kiterjesztése Egy mesterséges műveleti egység Folyamatábra a szemléltető feladathoz A szemléltető példa hp-gráfja Az ABB algoritmus által előállított leszámlálási fa (a legrosszabb eset) Kaszkád diagram a jellemző hőáramokról az 1. csúcsban Hőegyensúly az elemi áramokra Az SSH 1 részhőáram lehetséges párosításai az 1. csúcsban Az SSH 3 részhőáram lehetséges párosításai az 1. csúcsban Megoldás struktúra az csúcsban Kaszkád diagram a jellemző hőáramokról az csúcsban Az optimális struktúrához tartozó hőátvitelek HDA folyamat diagramja A HDA folyamat maximális struktúrája Az optimális hálózatot tartalmazó folyamatábra ix
10 Kivonat Globális optimalizálási algoritmusok PNS feladatok megoldására A dolgozatban a folyamathálózat-szintézis feladat fontos osztályainak megoldására alkalmas módszereket vezetünk be. A vizsgált feladatok NP teljesek, az általános megoldó módszerekkel gyakorlati feladatok megoldása belátható időn belül nem lehetséges, ezért a célunk olyan specializált megoldó módszerek létrehozása, amely kihasználják a PNS feladatok tulajdonságait. Először a PNS feladatosztály konkáv célfüggvénnyel kibővített lineáris modelljét vizsgáljuk. A kapcsolódó modell egy lineáris feltételrendszerrel adott, változóiban szétválasztható konkáv programozási feladat, melyek megoldására a korlátozás és szétválasztás módszerét választottuk. A megoldás során felmerülő szétválasztás lépésre hatékony és egyszerűen kiszámítható partícionálási stratégiákat mutatunk be, amelyeket összehasonlítunk korábban bevezetett módszerekkel. A korábbi partícionálási eljárásokkal ellentétben a korlátozási lépésben használt közelítő lineáris programozási feladat érzékenységi vizsgálatával figyelembe tudjuk venni a konvex poliéder és a célfüggvény viszonyát. Így egy olyan optimalizálási eljáráshoz jutunk, amely kihasználja a PNS feladatokhoz kapcsolódó feltételrendszer tulajdonságát. Egy P-gráf jól reprezentálja a PNS feladathoz kapcsolódó modell változói között lévő függőségi kapcsolatokat. A kombinatorikusan gyorsított algoritmus a változók lehetséges értékeinek partícionálásával párhuzamosan egy P-gráfon végez műveleteket, x
11 xi és így javítja a módszer hatékonyságát. Valós rendszerek esetében sokszor az adott típusú matematikai modellben nem lehet kifejezni a rendszer összes tulajdonságát. Kívánatos lenne, hogy az optimális megoldáson túl az első N legjobb megoldást is meghatározzuk, amelyekből a felhasználó további megfontolások alapján ki tudja választani a megfelelő struktúrát. Az általános megközelítésben az ilyen szuboptimális megoldások nem értelmezhetők, viszont a kombinatorikus eszközök lehetővé teszik, hogy megfelelően definiáljuk, és algoritmikus módszerekkel generáljuk az ilyen optimális megoldáshoz közeli megoldásokat. Integrált folyamat- és hőcserélőhálózat-szintézis során a teljes folyamat- és hőcserélőhálózat szintézise azonos időben történik, ellentétben a szekvenciális módszerekkel, ahol a különböző szintézis lépések egymás után történnek. Könnyen látható, hogy az ilyen stratégia nem vezet kielégítő megoldáshoz, hiszen pl. az optimális folyamathálózat meghatározásakor figyelmen kívül hagyják a hőcserével kapcsolatos információkat. A dolgozat bemutat egy vegyes egész lineáris programozási modellen alapuló módszert, amely a Friedler és munkatársai által bevezetett ABB algoritmuson alapul, és megoldja az integrált szintézis feladatot.
12 Abstract Global optimization algorithms for solving PNS problems Algorithmic methods for solving important classes of Process Network Synthesis (PNS) problem have been elaborated. The examined problems are NP hard, solving industrial size problems with general solution methods is not possible within a reasonable time. Therefore our aim is to create specialized algorithmic methods exploit the nature of PNS problems. The PNS problem with concave cost function can be considered as a separable concave programming problem. Efficient partition strategies have been introduced for solving the separable concave programming problem. By the help of the sensitivity analysis of the relaxed linear programming problem, the relationship between the convex polyhedron and cost function can be taken into account. As a result an efficient optimization method utilizing the characteristics of the PNS problems have been elaborated. A combinatorially accelerated algorithm has also been proposed. In line with the partitioning the feasible domain it performs operations on the corresponding P-graph and improve the efficiency. Solving practical problems the first N-best solution is to be generated beyond the optimal solution thus enabling the user to select the suitable structure under further consideration. New methodology has been introduced which enables us to determine adequately and generate suboptimal solutions close to the optimal one. xii
13 xiii During the integrated synthesis of process and heat-exchanger networks, the process synthesis and heat-exchanger-network synthesis are performed simultaneously. The dissertation introduces a method, which is based on the algorithm ABB introduced by Friedler and colleagues and solves the integrated synthesis problem.
14 Abstrakt Globale Optimierungsalgorithmen zur Lösung von PNS-Problemen Algorithmische Methoden zum Lösen wichtiger Klassen von Problemen der Prozess-Netzwerk-Synthese (PNS) wurden entwickelt. Die untersuchten Probleme sind NP hart. Es ist unmöglich, Probleme im industriellen Maßstab mit allgemeinen Lösungsmethoden in absehbarer Zeit zu lösen. Daher ist es unser Ziel, spezielle algorithmische Methoden, die die Natur der PNS-Probleme ausnutzen, zu entwickeln. Ein PNS-Problem mit konkaver Kostenfunktion kann als ein trennbares konkaves Programmierungsproblem betrachtet werden. Effiziente Partitionsstrategien werden vorgestellt, um das trennbare konkave Programmierungsproblem zu lösen. Mit Hilfe einer Sensitivitätsanalyse des vereinfachten linearen Programmierungsproblems kann die Beziehung zwischen dem konvexen Polyeder und der Kostenfunktion betrachtet werden. Darauf aufbauend wurde eine effiziente Optimierungsmethode erarbeitet, die die charakteristischen Eigenschaften des PNS-Problems ausnutzt. Ein kombinatorisch beschleunigter Algorithmus wurde ebenso vorgeschlagen. Parallel zum Partitionieren der ausführbaren Domain, werden Operationen am damit verbundenen P-Graph durchgeführt und somit die Effizienz gesteigert. Neben der optimalen Lösung muss die erste N-beste Lösung generiert werden, die es dem Verwender ermöglicht, die entsprechende Struktur gemäss weiterer Überlegung zu wählen. Eine neue Methode wurde entwickelt, die das Optimieren und Erzeugen von suboptimalen Lösungen in der Nähe des Optimums ermöglicht. xiv
15 xv Bei der integrierten Synthese von Prozess- und Wärmetauscher-Netzwerken werden die Prozesssynthese und die Wärmetauscher-Netzwerk-Synthese simultan durchgeführt. Die Arbeit stellt eine Methode vor, die auf dem ABB-Algorithmus basiert. Dieser ABB-Algorithmus wurde von Friedler und Kollegen eingeführt und löst das integrierte Synthese-Problem.
16 Köszönetnyilvánítás Ezúton szeretnék köszönetet mondani mindazoknak, aki lehetővé tették, hogy ez a dolgozat elkészüljön. Elsősorban témavezetőmnek, Dr. Friedler Ferenc professzor úrnak tartozom köszönettel, aki irányította munkámat, és értékes szakmai tanácsokkal látott el. Dr. L. T. Fan professzor úrnak szakmai támogatásáért vagyok hálás. Kollégáimnak a Veszprémi Egyetem Számítástudomány Alkalmazása Tanszéken, akik munkám elvégzéséhez támogatást nyújtottak. Szüleimnek és bátyámnak a biztatásért. xvi
17 1. fejezet Bevezetés Egy feldolgozó rendszerben a rendszer az anyagok kémiai, fizikai és biológiai transzformációján keresztül állítja elő a kívánt termékeket a meglévő nyersanyagokból kiindulva. A rendszerben lévő transzformációkat a műveleti egységek végzik, melyek bemeneti anyagokat alakítanak át kimeneti anyagokká. A műveleti egységek és a közöttük lehetséges kapcsolatok egy hálózattal reprezentálhatók. A kívánt termékek előállítása gyakran az adott hálózat egy részhálózata által történik. Egy hálózatnak sok részhálózata van, mely képes az adott termékek előállítására. A melléktermékkibocsátás, energia- és nyersanyagfogyasztás nagyban függ magától a részhálózat kiválasztásától, ezért az optimális hálózat vagy struktúra kiválasztása mind gazdasági, mind környezetvédelmi okokból igen fontos. A folyamathálózat-szintézis (Process Network Synthesis, PNS) célja ezen optimális struktúrák meghatározása. A hőcserélőhálózatok (HENS) szintézise az egyik legfontosabb területe a folyamattervezés tudományának. Az utóbbi időben az egyik legintenzívebben kutatott területek közé tartozik, több száz publikáció jelent meg e témában az elmúlt évtizedekben. Fontossága annak is tulajdonítható, hogy a vegyipari rendszerek működési költségeinek jelentős része az energiaköltség, ezen belül is a hőenergia, amelynek a hasznosítása kiemelten fontos. Integrált folyamat- és hőcserélőhálózat szintézis során a teljes folyamat- és hőcserélőhálózat szintézise azonos időben történik, szemben a szekvenciális módszerekkel, amikor először meghatározzák magát az optimális folyamathálózatot és utána az optimális hőcserélőhálózatot. Könnyen látható, hogy ez nem vezet optimális megoldáshoz, hiszen az optimális folyamathálózat meghatározásakor figyelmen kívül 1
18 2 hagyják a hőcserével kapcsolatos információkat. Célom a meglévő általános megoldó módszereknél hatékonyabb módszerek kidolgozása volt, amelyet a vizsgált feladatosztály speciális tulajdonságainak kihasználásával értem el. Az általam kifejlesztett módszereket a PNS feladatok bizonyos típusainak megoldására dolgoztam ki, amelyek más feladatok megoldására is kedvezően viselkednek. Szakirodalmi áttekintés A szakirodalomban a szintézis feladatot a bevezetésben megfogalmazott általánosságban nem vizsgálják, csak a fontos feladattípusokat külön-külön. Ennek megfelelően a szakirodalom áttekintését fejezetenként tárgyaljuk. Saját eredményeim kiemelése A dolgozat tartalmi részében mindvégig többes szám első személyt használok. Annak érdekében, hogy a dolgozatban elkülönítsem mások szakirodalomból ismert ereményeitől sajátjaimat, másokéra a szerzők nevével hivatkozom, sajátjaimat pedig minden fejezet és a dolgozat összefoglalásában egyes szám első személyben egyértelműen megfogalmazom. Jelölésjegyzék A dolgozatban kicsi (általában indexelt), latin (illetve időnként görög), dőlt betűkkel x i, y j, γ,β,... (valós) számokat jelölünk. Kivételt képeznek ez alól az f, f j, f, f k, g, g j,... betűk, amelyeket függvények jelölésére használunk. Az i, j, k és l indexekre utalnak. Az m a (P) feladat feltételeinek, míg az n a változóinak a számára utalnak. A dőlt, latin nagybetűk A, B,... mátrixokat, míg a kalligrafikus, latin nagybetűk A, P,... halmazokat jelölnek. Valós elemű halmazok pontjai, egyenlőtlenségrendszerek változói, korlátjai illetve mátrixok oszlopai (sorai) mind mind vektorok, jelölésükre vastag latin kisbetűket x, b, l, u, 0, a j,... használunk. A
19 3 valós számok halmazát IR, az n-dimenziós euklideszi teret IR n, míg az m n-es valós mátrixok halmazát IR m n jelöli. A csupa egyesből álló vektort jelölje e.
20 2. fejezet Folyamatszintézis: PNS feladatok Jelen fejezetben a folyamatszintézis feladatosztály alapvető definícióit ismertetjük. Áttekintetjük a szakirodalmat, továbbá bemutatjuk a Friedler és munkatársai által bevezetett kombinatorikus technikát Előzmények, a szakirodalom áttekintése A hálózatszintézis egyik fő nehézségét annak kombinatorikus jellege okozza, hogy a lehetséges alternatívák nagy száma miatt optimális struktúra meghatározása igen számításigényes. A [22] dolgozat becslése szerint egy átlagos hálózatszintézis feladat alternatívát tartalmazhat. A korábban kidolgozott matematikai módszereken alapuló eljárások nagy része általános matematikai programozási módszereket alkalmaznak a folyamathálózat-szintézis feladat megoldására: [24], [33], [55], [58], [98], amelyek a folyamathálózat-szintézis kombinatorikus jellege miatt általában egy vegyes egész matematikai programozási feladat megoldását jelenti, például Benders dekompozíció [58], külső közelítés [23], [24]. A [30] összefoglalást nyújt a folyamathálózat-szintézisben használt globális optimalizálási módszerekről. A [72], [90] áttekintő írásokat ad a hálózatszintézis témaköréből. Egy ipari méretű feladat megoldása óriási számításigényű, az általános módszerek nem használják ki a folyamathálózat-szintézis feladat strukturáltságát, ezért hatékonyságuk igen alacsony. A módszerek egy része heurisztikus szabályokat alkalmaz a számítások gyorsítása érdekében, ez viszont nem garantálja a globális optimum 4
21 5 megtalálását. Kifejezetten folyamathálózat-szintézis feladatok megoldására a [83] szerzői dolgoztak ki egy módszert. A tárgyalt módszer a feladat kombinatorikus tulajdonságait leíró logikai összefüggéseket használva javítja a keresés hatékonyságát. A [8]-ban a szerzők bebizonyították, hogy a gráftechnikán alapuló kombinatorikus technika (lásd [37]) levezethető a [83]-ban vázolt logikai kifejezésekből. Kombinatorikus módszereket, részben a branch-and-bound technikát, részben dinamikus programozást alkalmaz: [34], [35]. Módszerük azonban nem teljesen általános, a feladatot részproblémákra bontó szétválasztó lépés nem független a feladattól. Az evolúciós módszerek [45] alapvető tulajdonsága, hogy a megoldás menete során egy lehetséges megoldásból kiindulva, azt javítások sorozatával fejlesztik, mindig megtartva egy aktuális megoldást és így érik el az optimális vagy a közel optimális megoldást. A javító lépések alapján határozzák meg az aktuális struktúrából kiindulva egy lépéssel elérhető összes lehetséges struktúrát, majd azok közül kiválasztják a legjobbat Matematikai modell PNS feladat leírására Fejezetünkben Friedler és munkatársai által kidolgozott PNS definíciót és a hozzá kapcsolódó matematikai modellt ismertetem [36] Folyamat (Process) gráf A hálózatszintézis feladatok reprezentálására az általános irányított gráfok alkalmatlanok. Az alkalmatlanság abból ered, hogy az egyszerű gráf nem tesz különbséget az anyagok és a műveleti egységek között, így a rendszer leírása sokszor nem egyértelmű. Legyen M objektumok véges halmaza, általában ezek különböző anyagok vagy anyagok fajtái, melyek transzformációin keresztül érjük el a kívánt célt. Egy transzformációt úgy értelmezünk, mint valamilyen hozzárendelést, amely az M egy részhalmazához rendeli az M egy másik részhalmazát. A műveleti egységek reprezentálják ezen transzformációkat. A műveleti egységek az anyagokon keresztül kapcsolódnak egymáshoz, ezen kapcsolatok egy irányított páros gráffal írhatók le.
22 6 Definíció Legyen M véges halmaz, O (M) (M) és M O =, ahol (M) az M halmaz hatványhalmaza. Az (M, O) párt folyamat gráfnak (Process graph) vagy P-gráfnak nevezzük. A csúcsok halmaza M O az élek halmaza A = A 1 A 2, ahol A 1 A 2 = {(x,y ) : Y = (α,β) O, x α}, = {(Y,z) : Y = (α,β) O, z β}. Az (M, O ) P-gráf részgráfja az (M, O)-nak azaz (M, O ) (M, O), ha M M és O O. Az (M 1, O 1 ) és (M 2, O 2 ) P-gráfok uniója azaz (M 1, O 1 ) (M 2, O 2 ) legyen az (M 1 M 2, O 1 O 2 ) P-gráf. Ha (α,β) O akkor α a bemeneti anyaghalmaz és β a kimeneti anyaghalmaz. Jelölje ω (V ), (ω + (V )) a V csúcsba bemenő (kimenő) élek halmazát és ω(v ) = ω (V ) ω + (V ). Legyen d (V ) = ω (V ), d + (V ) = ω + (V ) és d(v ) = ω(x). A 2.1 ábra egy P-gráfot ábrázol, az anyagpontokat (m 1,m 2,...,m 11 ) körök, a műveleti egységeket (o 1,o 2,...,o 7 ) vízszintes vonal jelzi A folyamatszintézis általános modellje Legyen P az előállítandó anyagok (termékek) halmaza, R a nyersanyagok halmaza, és O = {o 1,o 2,...,o n } a rendelkezésre álló műveleti egységek halmaza. Továbbá legyen M = {m 1,m 2,...,m l } a műveleti egységekhez kapcsolódó anyagok véges halmaza. A következő feltételek teljesülnek: P R =, P M, O (M) (M) és M O =. Jelölje (M, O) a problémához kapcsolódó P-gráfot. Legyen adott az (M, O) gráf egy részgráfja és legyen minden 1 j n-re y j = 1, ha a részgráf tartalmazza o j -t és legyen y j = 0, ha nem, így egy (y 1,y 2,...,y n ) bináris vektor egyértelműen meghatározza részgráfban lévő műveleti egységeket. Feltehetjük, hogy a részgráf nem tartalmaz izolált anyag típusú csúcsokat, így az y indikátor vektor egyértelműen meghatározza a részgráfot.
23 ábra. P-gráf. Vezessünk be a hálózatban lévő élekre és csúcsokra vonatkozó feltételeket. Legyen A = {a 1,a 2,...,a r } az élek halmaza és x k (k = 1, 2,...,r) az a k élhez rendelt folytonos változó, amely az élen áthaladó anyag mennyiségét jelenti. A ϕ függvény rendelje hozzá az élhez, vagy az élek egy halmazához a megfelelő változók halmazát. A ϕ(a i1,a i2,...,a it ) = (x i1,x i2,...,x it ) teljesül, {a i1,a i2,...,a it } A-ra. Végül z j jelölje az o j (j = 1, 2,...,n) műveleti egységhez rendelt változót, amely a műveleti egység méretét jellemzi. Az o j műveleti egységhez kapcsolódó feltétel illetve a költség a következő: g j (y j,ϕ(ω (o j )),ϕ(ω + (o j )),z j ) 0, j = 1, 2,...,n, (2.2.1) f j (y j,ϕ(ω (o j )),ϕ(ω + (o j )),z j ), j = 1, 2,...,n, (2.2.2) ahol f j és g j függvények általában differenciálhatók rögzített y j értékre. Hasonlóan az m i anyagponthoz kapcsolódó feltételrendszer és költség a következő: g i(ϕ(ω (m i )),ϕ(ω + (m i ))) 0, i = 1, 2,...,l, (2.2.3)
24 8 f i(ϕ(ω (m i )),ϕ(ω + (m i ))), i = 1, 2,...,l. A gyakorlatban g és f általában lineáris. A g reprezentálja az anyagegyensúly feltételeket, illetve mennyiségi és minőségi követelményeket az adott anyagra. Az f költségfüggvény lehet például a nyersanyagköltség stb. PNS feladat Legyenek M = {m 1,m 2,...,m l } és (P, R, O) adottak, ahol P, R és O nemüres halmazok, továbbá O = {o 1,o 2,...,o n }. Tegyük fel még, hogy P R =, P M, R M, O (M) (M), és M = (α,β) O(α β). A PNS feladatot a következőképpen fogalmazhatjuk meg. min f j (y j,ϕ(ω (o j )),ϕ(ω + (o j )),z j )+ j {1,2,...,n} i {1,2,...,l} f i(ϕ(ω (m i )),ϕ(ω + (m i ))) feltéve, hogy (2.2.4) g j (y j,ϕ(ω (o j )),ϕ(ω + (o j )),z j ) 0, j = 1, 2,...,n g i(ϕ(ω (m i )),ϕ(ω + (m i ))) 0, i = 1, 2,...,l z j My j, j = 1, 2,...n y j {0, 1},z j 0, j = 1, 2,...n Itt M IR egy megfelelően választott nagy szám. Az (M, O) gráf egy részgráfja szorosan kapcsolódik a modellt kielégítő megoldáshoz. A korábban említettek szerint a részgráf leírható egy (y 1,y 2,...,y n ) vektorral. Nyilvánvalóan nem minden (y 1,y 2,...,y n ), (y i {0, 1},i = 1, 2,...,n) vektor definiál valós folyamatot. A valódi folyamatot definiáló struktúrák rendelkeznek néhány közös kombinatorikus tulajdonsággal, amit explicite tartalmaz a modell. Ezen tulajdonságokat figyelembe vételével az (M, O) részgráfjainak halmaza redukálható a kombinatorikusan lehetséges megoldások halmazára. A redukálás mértékére jellemző, hogy például egy 35 műveleti egységből álló ipari feladatra a lehetséges részgráfok száma , szemben a 3465 számú kombinatorikusan lehetséges struktúrák számával. A feladat részletes leírását a [39] tárgyalja.
25 9 Definíció Legyen adott a (P, R, O) hármas, továbbá legyen az (M, O ) P-gráf az (M, O) P-gráf részgráfja. (M, O ) részgráf kombinatorikusan lehetséges struktúra (röviden lehetséges struktúra), ha a következő négy feltétel teljesül. (S1) P M, azaz minden végtermék reprezentálva van a gráfban. (S2) x M,d (x) = 0 x R, azaz egy anyag típusú csúcsnak pontosan akkor nincs bemenete, ha nyersanyagot reprezentál. (S3) u O, út [u,v], (M, O )-ban, ahol v P, azaz minden műveleti egység típusú csúcstól vezet út a terméket reprezentáló anyag típusú csúcsig. (S4) x M, (α,β) O melyre x α β, azaz ha egy anyag típusú csúcs része a gráfnak, akkor kell lennie legalább egy bemenetének vagy legalább egy kimenetének egy műveleti egység típusú csúcs felől illetve felé. A kombinatorikusan lehetséges struktúrák halmazát S(P, R, O)-val jelöljük. Megemlítünk néhány összefüggést a megoldás struktúrákkal kapcsolatban, a bizonyítások [36]-ben megtalálhatóak. Definíció Tegyük fel, hogy S(P, R, O), akkor az összes kombinatorikusan lehetséges struktúra unióját jelöljük µ(p, R, O)-val. Azaz, µ(p, R, O) = σ. σ S(P,R,O) A µ(p, R, O) struktúrát maximális struktúrának nevezzük. Tétel Az S(P, R, O) halmaz zárt az unióra. Következmény µ(p, R, O) S(P, R, O) PNS feladat lineáris modellje Először a folyamatszintézis egyik alapmodelljét vezetjük be, ahol a feltételrendszer és a célfüggvény lineáris. Az alapmodell kiindulásnak tekinthető az általánosabb nemlineáris modell megoldása felé.
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási
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
Sztöchiometriai egyenletrendszerek minimális számú aktív változót tartalmazó megoldásainak meghatározása a P-gráf módszertan alkalmazásával
Sztöchiometriai egyenletrendszerek minimális számú aktív változót tartalmazó megoldásainak meghatározása a P-gráf módszertan alkalmazásával * Pannon Egyetem, M szaki Informatikai Kar, Számítástudomány
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
Módszer köztes tárolókat nem tartalmazó szakaszos működésű rendszerek ütemezésére
Módszer köztes tárolókat nem tartalmazó szakaszos működésű rendszerek ütemezésére Doktori (PhD) értekezés tézisei Holczinger Tibor Témavezető: Dr. Friedler Ferenc Veszprémi Egyetem Műszaki Informatikai
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
A szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
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
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 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
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
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
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
Amortizációs költségelemzés
Amortizációs költségelemzés Amennyiben műveleteknek egy M 1,...,M m sorozatának a futási idejét akarjuk meghatározni, akkor egy lehetőség, hogy külön-külön minden egyes művelet futási idejét kifejezzük
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.
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
Az ellátási láncok algoritmikus szintézise
Az ellátási láncok algoritmikus szintézise Bertók Botond, Adonyi Róbert, Kovács Zoltán, Friedler Ferenc Pannon Egyetem Műszaki Informatikai Kar XXVII. Magyar Operációkutatási Konferencia 2007. június 7.
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
Mohó algoritmusok. Példa:
Mohó algoritmusok Optimalizálási probléma megoldására szolgáló algoritmus sokszor olyan lépések sorozatából áll, ahol minden lépésben adott halmazból választhatunk. Ezt gyakran dinamikus programozás alapján
minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.
Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének
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
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
19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI
19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI Ebben a fejezetben aszimptotikus (nagyságrendi) alsó korlátot adunk az összehasonlításokat használó rendező eljárások lépésszámára. Pontosabban,
Folyamatoptimalizálás: a felhőalapú modernizáció kiindulópontja. Bertók Botond Pannon Egyetem, Műszaki Informatikai Kar
Folyamatoptimalizálás: a felhőalapú modernizáció kiindulópontja Bertók Botond Pannon Egyetem, Műszaki Informatikai Kar Tartalom Felhőalapú szolgáltatások Kihívások Módszertan Kutatás Projektek 2 Felső
22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
Az optimális megoldást adó algoritmusok
Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.
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
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
Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás
Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált
Korlátozás és szétválasztás elve. ADAGOLO adattípus
Korlátozás és szétválasztás elve ADAGOLO adattípus Értékhalmaz: E Adagolo : A E Műveletek: A : Adagolo, x : E {Igaz} Letesit(A) {A = /0} {A = A} Megszuntet(A) {Igaz} {A = A} Uresit(A) {A = /0} {A = A}
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
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
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
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
Analízis 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
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
Struktúra nélküli adatszerkezetek
Struktúra nélküli adatszerkezetek Homogén adatszerkezetek (minden adatelem azonos típusú) osztályozása Struktúra nélküli (Nincs kapcsolat az adatelemek között.) Halmaz Multihalmaz Asszociatív 20:24 1 A
Algoritmuselmélet. 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
Gépi tanulás a gyakorlatban. Lineáris regresszió
Gépi tanulás a gyakorlatban Lineáris regresszió Lineáris Regresszió Legyen adott egy tanuló adatbázis: Rendelkezésünkre áll egy olyan előfeldolgozott adathalmaz, aminek sorai az egyes ingatlanokat írják
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
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,
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,
Numerikus 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:
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma
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
Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
Diszkrét matematika 2.
Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet
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
11. 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
Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 1
Halmazok 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) Halmazok 2 A fejezet legfontosabb elemei Halmaz megadási módjai Halmazok közti műveletek (metszet,
Halmazelmélet. 1. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Halmazelmélet p. 1/1
Halmazelmélet 1. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Halmazelmélet p. 1/1 A halmaz fogalma, jelölések A halmaz fogalmát a matematikában nem definiáljuk, tulajdonságaival
Szétválasztási hálózatok szintézise: Különböző tulajdonságokon alapuló szétválasztó módszerek egyidejű alkalmazása. Heckl István
Szétválasztási hálózatok szintézise: Különböző tulajdonságokon alapuló szétválasztó módszerek egyidejű alkalmazása Doktori (PhD) értekezés Heckl István témavezető: Dr. Friedler Ferenc Pannon Egyetem Műszaki
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
1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba
Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan
Számítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
Függvények növekedési korlátainak jellemzése
17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,
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
Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma
Készítette: Laczik Sándor János Gráfelmélet I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Definíció: a G=(V,E) párt egyszerű gráfnak nevezzük, (V elemeit a gráf csúcsainak/pontjainak,e elemeit
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
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:
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,
A L Hospital-szabály, elaszticitás, monotonitás, konvexitás
A L Hospital-szabály, elaszticitás, monotonitás, konvexitás 9. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék A L Hospital-szabály, elaszticitás, monotonitás, konvexitás p. / A L
Optimális hálózatok szintézise változtatható arányú és összetételű anyagáramokat feldolgozó műveleti egységekkel
Optimális hálózatok szintézise változtatható arányú és összetételű anyagáramokat feldolgozó műveleti egységekkel Doktori (PhD) értekezés tézisei Szlama Adrián György Témavezető: Heckl István, PhD Pannon
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.
Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ
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
ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az eredmény. A kérdés a következő: Mikor mondhatjuk azt, hogy bizonyos események közül
A Borel Cantelli lemma és annak általánosítása. A valószínűségszámítás egyik fontos eredménye a Borel Cantelli lemma. Először informálisan ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az
4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI
4. Fuzzy relációk Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Klasszikus relációk Halmazok Descartes-szorzata Relációk 2 Fuzzy relációk Fuzzy relációk véges alaphalmazok
Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben
Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára Analízis R d -ben Gyakorlatvezetõ: Hajnal Péter 2012. február 8 1. Konvex függvények Definíció. f : D R konvex, ha dom(f) := D R n konvex és tetszőleges
Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)
Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus
Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé.
HA 1 Mindent olyan egyszerűvé kell tenni, amennyire csak lehet, de nem egyszerűbbé. (Albert Einstein) HA 2 Halmazok HA 3 Megjegyzések A halmaz, az elem és az eleme fogalmakat nem definiáljuk, hanem alapfogalmaknak
MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén
Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t
Ellenőrző kérdések 2. Kis dolgozat kérdései 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t 37. Ha t szintű indexet használunk,
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.
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
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
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
Algoritmusok helyességének bizonyítása. A Floyd-módszer
Algoritmusok helyességének bizonyítása A Floyd-módszer Algoritmusok végrehajtása Egy A algoritmus esetében a változókat három változótípusról beszélhetünk, melyeket az X, Y és Z vektorokba csoportosítjuk
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 8. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása
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
0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles
Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)
Véletlen sorozatok ellenőrzésének módszerei. dolgozat
Eötvös Loránd Tudományegyetem Informatikai Kar Komputeralgebra Tanszék Véletlen sorozatok ellenőrzésének módszerei dolgozat Témavezető: Dr. Iványi Antal Miklós egyetemi tanár Készítette: Potempski Dániel
1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
2. Visszalépéses stratégia
2. Visszalépéses stratégia A visszalépéses keres rendszer olyan KR, amely globális munkaterülete: út a startcsúcsból az aktuális csúcsba (ezen kívül a még ki nem próbált élek nyilvántartása) keresés szabályai:
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az
Adaptív dinamikus szegmentálás idősorok indexeléséhez
Adaptív dinamikus szegmentálás idősorok indexeléséhez IPM-08irAREAE kurzus cikkfeldolgozás Balassi Márton 1 Englert Péter 1 Tömösy Péter 1 1 Eötvös Loránd Tudományegyetem Informatikai Kar 2013. november
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
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
Példa Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 3 III. MEGFELELTETÉSEk, RELÁCIÓk 1. BEVEZETÉS Emlékeztetünk arra, hogy az rendezett párok halmazát az és halmazok Descartes-féle szorzatának nevezzük. Más szóval az és halmazok
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.
First Prev Next Last Go Back Full Screen Close Quit
Többváltozós függvények (2) First Prev Next Last Go Back Full Screen Close Quit 1. Egyváltozós függvények esetén a differenciálhatóságból következett a folytonosság. Fontos tudni, hogy abból, hogy egy
Egészrészes feladatok
Kitűzött feladatok Egészrészes feladatok Győry Ákos Miskolc, Földes Ferenc Gimnázium 1. feladat. Oldjuk meg a valós számok halmazán a { } 3x 1 x+1 7 egyenletet!. feladat. Bizonyítsuk be, hogy tetszőleges
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.