Matematikai modellezés

Hasonló dokumentumok
A szállítási feladat. Készítette: Dr. Ábrahám István

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

TANTÁRGYI ÚTMUTATÓ. Döntési módszerek

A dualitás elve. Készítette: Dr. Ábrahám István

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

Disztribúciós feladatok. Készítette: Dr. Ábrahám István

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

Döntési módszerek Tantárgyi útmutató

Optimumkeresés számítógépen

Operációkutatás példatár

Esettanulmányok és modellek 5

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

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

Operációkutatási modellek

Döntési módszerek Tantárgyi útmutató

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

Operációkutatás II. Tantárgyi útmutató

Operációkutatás II. Tantárgyi útmutató

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

Matematikai modellek megoldása számítógéppel Solver Lingo

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

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

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

EuroOffice Optimalizáló (Solver)

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

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

S Z Á L L Í T Á S I F E L A D A T

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

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

11. modul: LINEÁRIS FÜGGVÉNYEK

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Matematika A 9. szakiskolai évfolyam. 7. modul EGYENES ARÁNYOSSÁG ÉS A LINEÁRIS FÜGGVÉNYEK

Általános algoritmustervezési módszerek

13. modul: MÁSODFOKÚ FÜGGVÉNYEK

Esettanulmányok és modellek 3

Növényvédő szerek A B C D

Operációkutatás vizsga

1. Előadás Lineáris programozás

Operációkutatás I. Tantárgyi útmutató

TANTÁRGYI ÚTMUTATÓ. Operációkutatás. tanulmányokhoz

Bevezetés az operációkutatásba A lineáris programozás alapjai

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

2017/ Szegedi Tudományegyetem Informatikai Intézet

Totális Unimodularitás és LP dualitás. Tapolcai János

Esettanulmányok és modellek 2

Nem-lineáris programozási feladatok

Kvantitatív módszerek

Újrahasznosítási logisztika. 7. Gyűjtőrendszerek számítógépes tervezése

Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver):

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

A Szállítási feladat megoldása

Ellenőrzés. Variáns számítás. Érzékenység vizsgálat

Approximációs algoritmusok

LINEÁRIS PROGRAMOZÁSI FELADATOK MEGOLDÁSA SZIMPLEX MÓDSZERREL

Dr. Kalló Noémi. Termelésszervezés, Termelési és szolgáltatási döntések elemzése. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék

Minőségérték. A modellezés céljának meghat. Rendszer elemzés. Módszer kiválasztása. Modell megfelelőség elemzés. Működés szimuláció

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

A szimplex algoritmus

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

Alkalmazott matematikus mesterszak MINTATANTERV

angolul: greedy algorithms, románul: algoritmi greedy

Munkánk során a cellák tartalmát gyakran másolni szoktuk. Előfordul, hogy képleteket tartalmazó cellákat másolunk.

Bevezetés Standard 1 vállalatos feladatok Standard több vállalatos feladatok 2017/ Szegedi Tudományegyetem Informatikai Intézet

Gépi tanulás a gyakorlatban. Lineáris regresszió

Feltételes és feltétel nélküli optimalizálás Microsoft O ce EXCEL szoftver segítségével

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

16. modul: ALGEBRAI AZONOSSÁGOK

Ütemezési modellek. Az ütemezési problémák osztályozása

A szimplex algoritmus

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

G Y A K O R L Ó F E L A D A T O K

Gyakorló feladatok a 2. zh-ra MM hallgatók számára

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

Követelmény a 7. évfolyamon félévkor matematikából

Adatmodellezés. 1. Fogalmi modell

A lineáris programozás 1 A geometriai megoldás

F E D E Z E T I E L E M Z É S

OKLEVÉLKÖVETELMÉNYEK MÓDOSÍTOTT VÁLTOZAT Alkalmazott matematikus szak (régi képzés)

R ++ -tree: an efficient spatial access method for highly redundant point data - Martin Šumák, Peter Gurský

Vállalkozás gazdaságtan SZIKORA PÉTER TAVASZ

Növényvédő szerek A B C D

KÉSZLETMODELLEZÉS EGYKOR ÉS MA

E-tananyag Matematika 9. évfolyam Függvények

Döntéselmélet II. ELŐADÁS DÖNTÉSI FOLYAMAT

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Logika es sz am ıt aselm elet I. r esz Logika 1/36

Gyakorló feladatok az 1. nagy zárthelyire

22. GRÁFOK ÁBRÁZOLÁSA

Opkut deníciók és tételek

A változó költségek azon folyó költségek, amelyek nagysága a termelés méretétől függ.

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t

Mátrixjátékok tiszta nyeregponttal

Tóth Georgina Nóra 1-2. gyakorlat OPERÁCIÓKUTATÁS

Számítógépes döntéstámogatás. Genetikus algoritmusok

Operációkutatás vizsga

Lineáris programozási feladatok típusai és grafikus megoldása

Térinformatikai algoritmusok Elemi algoritmusok

TERMELÉSIRÁNYÍTÁS A HERBÁRIUM2000 KFT.-BEN

Programozás I. Matematikai lehetőségek Műveletek tömbökkel Egyszerű programozási tételek & gyakorlás V 1.0 OE-NIK,

Bevezetés a kvantum informatikába és kommunikációba Féléves házi feladat (2013/2014. tavasz)

Átírás:

Matematikai modellezés Bevezető A diasorozat a Döntési modellek című könyvhöz készült. Készítette: Dr. Ábrahám István

Döntési folyamatok matematikai modellezése Az emberi tevékenységben meghatározó szerepe van a döntéshozatalnak. A döntések előkészítésére gyakran használnak különféle modelleket. A modell A modell a vizsgált objektumot, szituációt, folyamatot reprezentálja, általában jelentős egyszerűsítésekkel, az adott szempont szerinti lényegre koncentrálva. A modellek típusai Többféle szempont szerint kategorizálhatók a modellek.. Anyagi modellek Általános jellemzőjük valamilyen kézzelfogható megjelenés. A főbb kategóriák: a.) Geometriai modellek Ezek legtöbb esetben makettek, a tárgyak leegyszerűsített, kicsinyített-nagyított másai. b.) Fizikai modellek Ekkor a valósággal való fizikai hasonlóság ad alapot a modell készítéséhez. c.) Tárgyi-matematikai modellek Általában a mennyiségi viszonyok, számolási eljárások modellezésére szolgálnak. d.) Kibernetikai modellek Az irányítási folyamatban használatos eszközöket szokás ide sorolni (pl. számítógép).

. Eszmei modellek A valóságot ez esetben gondolatilag modellezzük. Lehet az eszmei modelleknek is kézzel fogható alakja, hiszen egy írásban is megjelenő eszmei modell ezzel nem válik tárgyivá. a.) Képmás modell A létező, vagy létesítendő objektum egyszerűsített (vagy speciális jellemzőkkel kiegészített) mását jelenti. Ilyen például egy ház építési tervrajza. b.) Jel modell Az illető tárgyat, folyamatot jelekkel jeleníti meg. Például ilyenek a közlekedési jelek, vagy a matematikai formulák. = 00 00 50 0 c.) Vegyes eszmei modell A valóság leírásához, értelmezéséhez jeleket is, képmásokat is használ. Példa erre a kémiában használt szerkezeti képlet. A közgazdaságtan modelljei legtöbbször az eszmei (absztrakt) jelmodellek sorába tartoznak. A gazdasági élet egyes területein a nagyobb feladatokra tudományosan is megalapozott modelleket a 0. századtól kezdtek alkalmazni. A század második felétől egyre gyakoribbakká és jelentősebbekké váltak a számítógépes szimulációs (kibernetikai) modellek.

Az absztrakt jelmodellek A gazdasági folyamatok modellezhetőségéhez feltételek szükségesek. Feltételezzük,hogy a véletlen tényezők, így a szubjektív elemek és a kiszámíthatatlan természeti erők szerepe csekély legyen, vagy megfelelően szabályozni lehessen azokat. A gazdasági folyamatok modellezéséhez általában a következő lépéseket kell tennünk:.) Absztrakció (egyszerűsítés, elvonatkoztatás): a feladat lényegének megragadását jelenti. Általában nem könnyű feladat, különböző minták útmutatásul szolgálhatnak ezen a téren..) A matematikai megfogalmazás. A helyes modell felvétele a probléma megoldhatóságának kulcskérdése, ez előismereteket kíván. Gyakorlatot szerezni ezen a téren általában az egyszerű feladatok kézi megoldásával lehet..) A modell megoldása. A gyakorlati feladatoknál szinte kizárólag számítógépes megoldásokat alkalmaznak..) Az elméleti eredmények elemzése. A megoldásból adódó primál-duál optimumok, az érzékenység vizsgálatok és más eredmények közgazdasági értelmezéséhez segítséget adnak a manuálisan megoldott egyszerűbb feladatok. 5.) Visszacsatolás: A gyakorlati alkalmazás, az eredmények ismeretében történik. Sokszor előfordul, hogy a gyakorlat tükrében a modellünk finomításra szorul.

A matematikai döntési modellek struktúrája A gyakorlatban előforduló gazdasági döntési problémák megoldásánál alkalmazott lépések sorrendje ( a megoldás algoritmusa) általában megegyezik..) A döntési változók meghatározása Egyes problémáknál viszont nagy körültekintést igényel a feladat változóinak megadása. Termékszerkezet optimalizálásakor legtöbbször a gyártásra kerülő termékek darabszáma a döntési változó..) A feltétel rendszer felírása Általában csak olyan kérdésekkel tudunk foglalkozni, ahol a feltétel relációk elsőfokúak. A gazdasági döntések előkészítését, illetve elemzését szolgáló modellek többsége ilyen..) A cél megfogalmazása A cél az optimum, ami a lehető legnagyobb, vagy legkisebb megoldások megtalálását jelenti. Gyakori, hogy a feltételrendszerhez több célfüggvény is tartozik, illetve nem elsőfokú a célfüggvény..) A számolási eljárás megadása A gyakorló feladatoknál általában a kézi szimple megoldást, a nagyobb terjedelmű feladatoknál a gépi megoldást (megfelelő célszoftverek segítségével) választjuk. 5 Optimumokat nemcsak lineáris programozási módszerekkel lehet számolni.

A matematikai döntési modellek megoldása Az operációkutatási tanulmányaink során az optimalizálási feladatoknak a geometriai és algebrai megoldásokat tárgyaltuk. A gyakorlatot modellező feladatokban a matematikai modell felvétele általában nem egyszerű, ez szokta a szűk keresztmetszetet jelenteni a megoldásban. Példa: Van 000 darab 7 méteres oszlopunk, ezekből,5 és,5 méteres oszlopokat kell vágnunk. Legalább négyszer annyi,5 méteres oszlopra van szükségünk, mint,5 méteresre. Hogyan vágjuk fel az 000 darab 7 méteres oszlopot, hogy a hulladékképződés minimális legyen? (A hulladékdarab nem lehet méternél hosszabb.) Megoldás: A lehetséges darabolási esetek: I. darab,5 méteres, darab,5 méteres oszlop és marad 0,5 méter hulladék. II. darab,5 méteres, darab,5 méteres oszlop és ekkor nincs hulladék. III. 0 darab,5 méteres, darab,5 méteres oszlop és marad méter hulladék. A döntési változók kijelölése: az,, jelentse azt, hogy az I., a II., illetve a III. változatot hány egész (7 méteres) oszlopnál alkalmaztuk. A modell felvétele: Nyilván igaz:,, 0. (Triviális feltétel.) A tevékenység feltételek: =000. Hiszen az összes egész oszlopot felvágjuk. A,5 méteres oszlopokból lesz összesen darab. (Az I. és a II. vágási módnál lesz ilyen oszlop). 6 Az,5 méteres oszlopokból lesz összesen darab.

Tudjuk, hogy legalább négyszer annyi,5 méteres oszlopra van szükségünk, mint,5 méteresre. Így igaz: ( )=8. Rendezve: 7 0. A célfüggvényt a maradékokra írjuk fel: z=0,5 min. A matematikai modell tehát :,, 0 =000 7 0 z=0,5 min. A feladat egyszerűen megoldható szimple módszerrel: û u z ẑ 7 0,5 0 b 000 0 0 000 u b 000 5 000 z 000 z ẑ 0 0 0 u 6 5 5 5 5 7 0 5 b 00 800 00 Az optimális megoldás: o =[ 0 800 00 ]* u o =0 z o =00. Tehát 800 darab 7 méteres oszlopot a II. módon, 00 darabot a III. módon kell darabolni. Lesz: 800 darab,5 méteres, 800=00 és 00=800, összesen 00 darab,5 méteres oszlop. Összesen 00 méternyi hulladék keletkezik. A döntési változók felvétele a fenti példa szerint is általában alapos megfontolást igényel. Gyakran találkozhatunk olyan problémával, ahol az adathalmaz kétdimenziós. Ekkor a döntési 7 változók kétindeesek.

Példa: Az F és F feladóhelyekről az R, R, R célállomásokra adottak a mozgatandó mennyiségek és az egyes relációkban az egységnyi szállítandó mennyiségre jutó költségek: F F R 0 R 0 R 50 70 0 Készítsünk minimális költségű szállítási tervet! Megoldás: az i j változó jelentse az egyes relációkban szállításra kerülő árumennyiséget. A triviális feltétel: i j 0, ahol i és j. A feltételi relációkat a szállítandó mennyiségek határozzák meg: =70 =0 A célunk a szállítás összköltségének minimalizálása: =0 z= min. =0 A feladat szimple induló táblája: =50 b A optimális megoldás: û 0 0 0 70 û 0 0 0 0 0 û 0 0 0 0 0 0 Tehát optimális esetben: û 0 0 0 0 0 0 0 =0, =0, =0, =0, a többi relációban 0 a szállított û5 0 0 0 0 50 0 0 mennyiség és az összköltség û 0 0 0 z 0 5 minimuma 60. 8 z 60 A fejezet tárgyalását befejeztük. ẑ 00