Lineáris programozás. A mese

Hasonló dokumentumok
A szimplex algoritmus

Optimumkeresés számítógépen

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

Opkut deníciók és tételek

A szimplex tábla. p. 1

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

Matematikai modellek megoldása számítógéppel Solver Lingo

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

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

Teljes függvényvizsgálat példafeladatok

18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK

Lineáris programozás. Ax b

Totális Unimodularitás és LP dualitás. Tapolcai János

A DÖNTÉSELMÉLET ELEMEI

Alkalmazott optimalizálás és játékelmélet Lineáris programozás Gyakorlófeladatok. Rétvári Gábor

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

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

MEREVSZÁRNYÚ REPÜLŐGÉPEK VEZÉRSÍK-RENDSZEREINEK KIALAKÍTÁSA 3 REPÜLŐKÉPESSÉG

Nemkonvex kvadratikus egyenlőtlenségrendszerek pontos dualitással

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

Diszkrét Matematika MSc hallgatók számára. 4. Előadás

Operációkutatás példatár

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

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola

Nem-lineáris programozási feladatok

Lineáris egyenletrendszerek

Kétfázisú szimplex algoritmus és speciális esetei

Az ellipszoid algoritmus

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

4. Előadás: Erős dualitás

Numerikus módszerek beugró kérdések

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

Mátrixok 2017 Mátrixok

11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás

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

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

Gráfelmélet/Diszkrét Matematika MSc hallgatók számára. 3. Előadás

Többváltozós függvények Riemann integrálja

Országos Középiskolai Tanulmányi Verseny 2012/2013 Matematika I. kategória (SZAKKÖZÉPISKOLA) Döntő Megoldások

1) Adja meg a következő függvények legbővebb értelmezési tartományát! 2) Határozzuk meg a következő függvény értelmezési tartományát!

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

7.4. A programkonstrukciók és a kiszámíthatóság

Érzékenységvizsgálat

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

Operációkutatás I. Tantárgyi útmutató

LINEÁRIS PROGRAMOZÁSI PROGRAMOK TESZTELÉSE TESTING LINEAR PROGRAMMING SOLVERS. Illés Tibor 1, Nagy Adrienn 2

Szemidenit optimalizálás és az S-lemma

Analízis I. zárthelyi dolgozat javítókulcs, Informatika I okt. 19. A csoport

3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra

1. Lineáris transzformáció

3. MÉRETEZÉS, ELLENŐRZÉS STATIKUS TERHELÉS ESETÉN


5. ROBOTOK IRÁNYÍTÓ RENDSZERE Robotok belső adatfeldolgozásának struktúrája

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény

Jegyzet. az Operációkutatás (elemz, programozó matematikus) tárgyhoz április. Fábián Csaba, Király Tamás, Papp Olga

Függvények határértéke és folytonossága. pontban van határértéke és ez A, ha bármely 0 küszöbszám, hogy ha. lim

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

Matematika szintfelmérő szeptember

Diszkrét matematika I., 12. előadás Dr. Takách Géza NyME FMK Informatikai Intézet takach november 30.

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Analízis I. jegyzet. László István november 3.

Diszkrét matematika II., 8. előadás. Vektorterek

lineáris programozás esetében. Ennek ez idő szerint legkorábbi formalizálását

III. FEJEZET FÜGGVÉNYEK ÉS TULAJDONSÁGAIK

A lineáris programozás alapjai

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

1. Lineáris leképezések

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

Jegyzet. az Operációkutatás II cím tantárgyhoz. Király Tamás és Papp Olga. Utolsó frissítés: február

Téma: A szerkezeti acélanyagok fajtái, jelölésük. Mechanikai tulajdonságok. Acélszerkezeti termékek. Keresztmetszeti jellemzők számítása

Jegyzet. az Operációkutatás II cím tantárgyhoz. Utolsó frissítés: május 20. Király Tamás el adásai alapján készítette Papp Olga

VASBETON LEMEZEK. Oktatási segédlet v1.0. Összeállította: Dr. Bódi István - Dr. Farkas György. Budapest, május hó

4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O

Lineáris algebra. (közgazdászoknak)

Bolyai János Matematikai Társulat. Rátz László Vándorgyűlés Baja

A differenciálegyenlet általános megoldása az összes megoldást tartalmazó halmaz.

1. tétel - Gráfok alapfogalmai

Lineáris programozási feladatok típusai és grafikus megoldása

A szállítási feladat. Készítette: Dr. Ábrahám István

1. gyakorlat. Oktatási segédlet hallgatók számára

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Gráfelmélet/Diszkrét Matematika MSc hallgatók számára. Párosítások

Analízis I. Vizsgatételsor

Online migrációs ütemezési modellek

Nemlineáris programozás 2.

Lineáris egyenletrendszerek

1 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.

Gauss elimináció, LU felbontás

15. LINEÁRIS EGYENLETRENDSZEREK

A kardáncsukló tengelyei szögelfordulása közötti összefüggés ábrázolása. Az 1. ábrán mutatjuk be a végeredményt, egy körülfordulásra.

Nagy Gábor compalg.inf.elte.hu/ nagy

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lepárlás. 8. Lepárlás

Relációk. Vázlat. Példák direkt szorzatra

Matematika (mesterképzés)

4.2. Tétel: Legyen gyenge rendezés az X halmazon. Legyen továbbá B X, amelyre

Vázlat. Relációk. Példák direkt szorzatra

Az érzékenységvizsgálat jelentősége

1. Előadás Lineáris programozás

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

Átírás:

Lineáris programozás A mese

Célok Geometriai szemlélet (nem lesz matek ) Gakorlati kérdések

Már megint a szendvics Kétfajta szendvicset szeretnénk készíteni, sonkásat és szalámisat. Lehetőleg minél többet. Minden hozzávaló van bőven, kivéve : : sonkás szalámis ma 3 2 12 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

A feladat geometriai reprezentációja 2D esetén ma 3 2 12 2 6 1 2 6 Megengedett tartomán 1 Optimum 3 2 12

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,

A standardizálásról 1 s = 1, s

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

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

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

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

Ha nincs megoldás 6 2 12 2 3 6 1 18 4 4 6 4?

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

ma 3 2 A szimple algoritmus 12 2 6 (, ) = (,) z = ( 1 1) 1, = ( 4,) z = 4 ( 2 2 ) 2, = ( 3,1.5 ) z = 4. 5

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

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

A megoldás ma 3 2 12 1 2 6, 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) 3.5. 4)..25 NO. ITERATIONS= 2

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?

Érzékenségvizsgálat Mennit módosíthatok a feltételek jobboldalán illetve a célfüggvén-értékeken anélkül, hog a megoldás szerkezete megváltozna? ma 3 2 12 1 2 6, RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X 1..5.5 Y 1. 1..333333 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 12. 6. 6. 3 1. 3.5 INFINITY 4 6. 6. 2.

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). -1. 4) 4.. NO. ITERATIONS= 4

ma1.5 3 2 2, 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). -1. 4) 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). -1. 4) 4.. NO. ITERATIONS=??

ma 2.1 z LP OPTIMUM FOUND AT STEP 1 3 2 2, 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). -.9999 4) 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

Alternatív megoldások LP OPTIMUM FOUND AT STEP OBJECTIVE FUNCTION VALUE ma 3, 2 2 2 1 z 6 z 12 1) 11. VARIABLE VALUE REDUCED COST X.. Y 1.. Z 1.. ROW SLACK OR SURPLUS DUAL PRICES 2). 1. 3). -1. 4) 4.. NO. ITERATIONS= ma 2 3, z 2 2 1 6 z = 11 12 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. 3). 1. 4).. 5) 5.. NO. ITERATIONS= 2

Gakorlatban Adatok megkeverése (egszerűen más sorrendben írom le) Szimple algoritmus paraméterei Más algoritmus Másodlagos célfüggvének

Az optimalitás ellenőrzése ma LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 3 2 1 12 1) 4.5 VARIABLE VALUE REDUCED COST X 3.. Y 1.5. 2 6 ROW SLACK OR SURPLUS DUAL PRICES 2)..25 3) 3.5. 4)..25, NO. ITERATIONS= 2 De nincs jobb? Ha van eg megoldásom mi bizonítja hog a legjobb?

ma 3 2 12 1 2 6, Korlátozó feltételek 4 4 18 4.5 LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 4.5 VARIABLE VALUE REDUCED COST X 3.. Y 1.5. = 4.5 = 1 3.5 1 ROW SLACK OR SURPLUS DUAL PRICES 2)..25 3) 3.5. 4)..25 NO. ITERATIONS= 2

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.

A lehetséges esetek D P Nincs megoldás Optimális Nem korlátos Nincs megoldás Optimális Nem korlátos

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

Ipari feladatok - nehéz

Ipari feladatok - könnű 688 6875 687 6865 686 6855 685 6845 684 6835 1.452 1.454 1.456 1.458 1.46 1.462 1 4

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)

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

Köszönöm a figelmet