Nem-lineáris programozási feladatok

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

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

Nemlineáris programozás 2.

A lineáris programozás alapjai

Hiperbolikus programozás Elmélet, módszerek, alkalmazások, szoftver

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

Opkut deníciók és tételek

Diszkrét, egészértékű és 0/1 LP feladatok

Totális Unimodularitás és LP dualitás. Tapolcai János

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

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

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

A szimplex algoritmus

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

Konjugált gradiens módszer

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

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

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

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

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás

A lineáris programozás 1 A geometriai megoldás

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

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

Operációkutatás II. Tantárgyi útmutató

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

Operációkutatás II. Tantárgyi útmutató

Optimumkeresés számítógépen

Döntéselmélet OPERÁCIÓKUTATÁS

A lineáris optimalizálás rugalmas indexválasztási szabályainak elméletéről és gyarkorlatáról

A szimplex algoritmus

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

Gépi tanulás a gyakorlatban. Lineáris regresszió

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

Szemidenit optimalizálás és az S-lemma

Növényvédő szerek A B C D

1/1. Házi feladat. 1. Legyen p és q igaz vagy hamis matematikai kifejezés. Mutassuk meg, hogy

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

1. Határozza meg az alábbi határértéket! A válaszát indokolja!

DR. NAGY TAMÁS. egyetemi docens. Miskolci Egyetem Alkalmazott Matematikai Tanszék

11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás

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

MATEMATIKA TANMENET. 9. osztály. 4 óra/hét. Budapest, szeptember

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma

Az ellipszoid algoritmus

HORNUNG TAMÁS * Diszkrét egyenletes közelítés: a lineáris programozás egy alkalmazása

MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2012

Matematika pótvizsga témakörök 9. V

Bevezetés a lineáris programozásba

MATEMATIKA 2. dolgozat megoldása (A csoport)

Nemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

P 2 P ábra Az f(x) függvény globális minimuma (P 1 ) és egy lokális minimuma (P 2 ).

Kétfázisú szimplex algoritmus és speciális esetei

Nemlineáris jelenségek és Kao2kus rendszerek vizsgálata MATHEMATICA segítségével. Előadás: Szerda, 215 Labor: 16-18, Szerda, 215

Nemlineáris modellek

A L Hospital-szabály, elaszticitás, monotonitás, konvexitás

Döntési módszerek Tantárgyi útmutató

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

Nemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával

10. Előadás. 1. Feltétel nélküli optimalizálás: Az eljárás alapjai

EuroOffice Optimalizáló (Solver)

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Bevezetés az operációkutatásba A lineáris programozás alapjai

Függvények csoportosítása, függvénytranszformációk

Matematika I. NÉV:... FELADATOK: 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon.

Nemlineáris programozás: algoritmusok

2017/ Szegedi Tudományegyetem Informatikai Intézet

A szimplex tábla. p. 1

MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2005

Lengyelné Dr. Szilágyi Szilvia április 7.

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése

ALGORITMUSAI. DR. NAGY TAMÁS egyetemi docens. Miskolci Egyetem Alkalmazott Matematikai Tanszék

Nemlineáris optimalizálás Dr. Házy, Attila

EGYVÁLTOZÓS FÜGGVÉNYEK DERIVÁLÁSÁNAK ALKALMAZÁSAI

Egészértékű lineáris programozás

Operációkutatás példatár

1. Előadás Lineáris programozás

Valószínűségi változók. Várható érték és szórás

Tartalomjegyzék. 1. Előszó 1

A MATEMATIKAI MODELLEZÉS HATÁSA

TANTÁRGYI ÚTMUTATÓ. Operációkutatás. tanulmányokhoz

Diszkrét Matematika MSc hallgatók számára. 14. Előadás

Kiválósági ösztöndíjjal támogatott kutatások az Építőmérnöki Karon c. előadóülés

Számítógépes geometria (mester kurzus)

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

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

XVII. econ Konferencia és ANSYS Felhasználói Találkozó

Nemlineáris egyensúlyi rendszerekkel kapcsolatos eredmények:

Boros Zoltán február

Operációkutatás I. Tantárgyi útmutató

TANMENET ... Az iskola fejbélyegzője. a matematika tantárgy. tanításához a 9. a, b osztályok számára

A fontosabb definíciók

Egy pénzügyi probléma vizsgálata kvadratikus programozással

Tartalom. Matematikai alapok. Fontos fogalmak Termékgyártási példafeladat

FÜGGVÉNYEK TULAJDONSÁGAI, JELLEMZÉSI SZEMPONTJAI

I. Fejezetek a klasszikus analízisből 3

Algoritmizálás, adatmodellezés tanítása 8. előadás

Átírás:

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 2008.02.04 Dr.Bajalinov Erik, NyF MII 2

Gradiens nem konstansvektor, hanem x 1 és x 2 változóktól függő függvény? 2008.02.04 Dr.Bajalinov Erik, NyF MII 3

Nem túl bonyolult példa: nemlineáris konvex célfüggvény + konvex lehetséges halmaz Konvex cél-függvény S lehetséges halmaz: három konvex figurának metszete = konvex halmaz 2008.02.04 Dr.Bajalinov Erik, NyF MII 4

Elég bonyolult példa: nemlineáris célfüggvény + konkáv lehetséges halmaz 2008.02.04 Dr.Bajalinov Erik, NyF MII 5

Lokális és globális optimum (egyváltozós) Lokális maximum Globális maximum 2008.02.04 Dr.Bajalinov Erik, NyF MII 6

Konvex / konkáv halmazok és függvények 2008.02.04 Dr.Bajalinov Erik, NyF MII 7

Konvex függvény 2008.02.04 Dr.Bajalinov Erik, NyF MII 8

n - változós eset, Hess-mátrix 2008.02.04 Dr.Bajalinov Erik, NyF MII 9

2008.02.04 Dr.Bajalinov Erik, NyF MII 10

2008.02.04 Dr.Bajalinov Erik, NyF MII 11

2008.02.04 Dr.Bajalinov Erik, NyF MII 12

Önállóan: 2008.02.04 Dr.Bajalinov Erik, NyF MII 13

Kvadratikus programozás (quadratic programming) Harry Markowitz (PhD: 1955), RAND Corp. + G.Dantzig Optimalizálás Alkalmazási terület: portfolió optimalizálása, Nobel-díj (1990) 2008.02.04 Dr.Bajalinov Erik, NyF MII 14

Hiperbolikus programozás (linear-fractional programming) max (min) S 2008.02.04 Dr.Bajalinov Erik, NyF MII 15

Kapcsolat lineáris programozással Ha HP feladatban akkor kapjuk a következő LP feladatot: Martos Béla (1961). Magyar Tudományos Akadémia Alkalmazási terület: hatékonyság-féle (eredmény/költség) fajlagos mutatók optimalizálása 2008.02.04 Dr.Bajalinov Erik, NyF MII 16

Grafikus módszer (2 változós esetben) 1. S lehetséges halmaz előállítása 2. D(x) 0 feltétel vizsgálata S halmazon 3. Ha D(x)=0 egyenes metszi S halmazt, vége: feladat nem megoldható; Egyébként 4. F fókusz pont meghatározása: F: 5. A 4. pontban előállított F fókusz pont körüli forgatása (mindkét irányban!) a nívó vonalaknak 2008.02.04 Dr.Bajalinov Erik, NyF MII 17

Véges eset (csak véges pontok) Max. feladat egyetlenegy optimális megoldása Min. feladat egyetlenegy optimális megoldása 2008.02.04 Dr.Bajalinov Erik, NyF MII 18

Max. feladat végtelen sok optimális megoldása Min. feladat egyetlenegy optimális megoldása véges pontban 2008.02.04 Dr.Bajalinov Erik, NyF MII 19

Vegyes eset (véges és végtelen pontok) Max. feladat végtelen sok optimális megoldása. Vannak véges pontok, de vannak végtelen pontok is Min. feladat egyetlenegy optimális megoldása véges pontban 2008.02.04 Dr.Bajalinov Erik, NyF MII 20

Aszimptotikus eset (csak végtelen pontok) Max. feladat egyetlenegy aszimptotikus optimális megoldása. Min. feladat egyetlenegy optimális megoldása véges pontban 2008.02.04 Dr.Bajalinov Erik, NyF MII 21

Numerikus példák 2008.02.04 Dr.Bajalinov Erik, NyF MII 22

Charnes-Cooper transzformáció Írjuk át a Q(x) függvényt a következő módon: Vezessünk be új változókat: Az új változók használatával kapunk új cél-függvényt: HP feladat lineáris analógja Továbbá, főfeltételek mindkét oldalát osztjuk D(x)-szel: Lineáris célfüggvény 2008.02.04 Dr.Bajalinov Erik, NyF MII 23

feltételek Majd osztjuk D(x)-szel a : kifejezést. Így keletkezik még egy feltétel Még egy feltétel 2008.02.04 Dr.Bajalinov Erik, NyF MII 24

Ha lineáris analóg megoldható, akkor HP feladat is megoldható Lineáris analóg optimális megoldása Az eredeti HP feladat optimális megoldása Csak abban az esetben használható, ha nevező 0 2008.02.04 Dr.Bajalinov Erik, NyF MII 25

Lineáris analóg duálisa 2008.02.04 Dr.Bajalinov Erik, NyF MII 26

Szimplex módszer hiperbolikus változata Alkalmazhatóság: csak korlátos lehetséges halmaznál!!! Aszimptotikus megoldás NEM kezelhető!!! 2008.02.04 Dr.Bajalinov Erik, NyF MII 27

ahol 2008.02.04 Dr.Bajalinov Erik, NyF MII 28

Induló lehetséges bázismegoldás: Nagy M-módszer, 2 fázisú szimplex módszer M-feladat Induló lehetséges bázismegoldás M-feladatnál 2008.02.04 Dr.Bajalinov Erik, NyF MII 29

Lineáris és hiperbolikus megoldás összehasonlítása 2008.02.04 Dr.Bajalinov Erik, NyF MII 30