TAOP52: Optimeringslära grundkurs

Transkript

1 TAOP2: Optimeringslära grundkurs Nils-Hassan Quttineh Optimeringslära, MAI TAOP2: Föreläsning 1 2 Föreläsning 1: Kurspresenta3on och introduk3on 3ll op3meringslära Vad är op3meringslära och vad kan det användas 3ll? Kursens innehåll och upplägg Grundläggande begrepp TAOP2: Föreläsning 1 3 Vad är op3meringslära? Matema3k som sybar 3ll ac finna bästa beslut / handlingsalterna3v Kan användas för ac beskriva, analysera och lösa komplea problem inom teknik, ekonomi och samhälle Problemställning Beslutsalterna3v Mål Begränsningar? 1

2 TAOP2: Föreläsning 1 4 Verkligt problem Iden3fiering, avgränsningar, förenklingar, antaganden Verifiering Validering Förenklat problem Op3meringsmodell Lösning Formulering Lösningsmetod Resultat TAOP2: Föreläsning 1 Op3meringsmodell Beslut Variabler Mål Målfunk3on Begränsningar Bivillkor FörutsäCningar Mål och begränsningar ska kunna ucryckas kvan3ta3vt Antalet beslutsalterna3v är stort TAOP2: Föreläsning 1 6 Matema3sk modell är variablerna, de beslut som ska facas f() är målfunk3onen representerar mängden av alla 3llåtna lösningar min f() då 2 Eempel: min f() = då apple 1 apple 2 0 apple 2 apple 2 2

3 TAOP2: Föreläsning 1 7 Tillämpningsområden Eempel: Transport och distribu3on lokalisering, rucplanering, schemaläggning Bemanningsplanering Tillordning, schemaläggning Konstruk3on strukturop3mering, packning och kapning Finans op3mal ak3eporsölj TAOP2: Föreläsning 1 8 Forskningsprojekt Eempel på aktuella projekt på Op3meringslära, MAI: Schemaläggning av avioniksystem, många komponenter som måste dela informa3on med varandra. PorSöljvalsop3mering, komponera en ak3eporsölj där man balanserar förväntad avkastning mot risk. RuCplanering för snöröjning, planera vilka fordon som behövs och vilka gator dom ska röja (och i vilken ordning). Op3mering av brachyterapi, förbäcring av stråldosplaner med avseende på tumördöd och risk för biverkningar. Produk3onsplanering inom processindustrin. TAOP2: Föreläsning 1 9 Vad krävs för ac gå från verkligt problem 3ll resultat? Förståelse för 3llämpningen Förmåga ac strukturera problemställningen Välja lösningsmetod Lösa problemet: - Använda färdig programvara? - Programmera själv? Ämneskunskap matema3k programmering Denna kurs 3

4 TAOP2: Föreläsning 1 10 Op3meringens roll Strukturera / förstå problemet Matema3ska modeller har op3mala lösningar verkligheten är mer nyanserad Vanligt sybe: - Ge riktlinjer eller förslag - Generera alterna3va förslag under olika förutsäcningar Op3meringsmodell Planerarens erfarenhet Övriga faktorer Beslut TAOP2: Föreläsning 1 11 FörutsäCningar för op3mering Förr: Svårt ac hica data Allt / mycket programmering från grunden Långsamma datorer Nu3d (90-talet ): Data 3llgängligt och strukturerat Programvaror Mer 3llgängliga och användarvänliga Modelleringsspråk gör modellering enklare Snabba datorer och bra algoritmer TAOP2: Föreläsning 1 12 Val av lösningsmetod Faktorer som påverkar: Variabeltyp: Kon3nuerliga / diskreta/binära Problemtyp: Linjära / ickelinjära samband Modellstorlek: Antal variabler / villkor Data: Determinis3sk / stokas3sk Möjliga alterna3v: Op3merande metod Heuris3sk metod Simulering 4

5 TAOP2: Föreläsning 1 13 Man får vad man betalar för... Enkel Låg LäC Modell Realism Lösbarhet Komple Hög Svår TAOP2: Föreläsning 1 14 Produk3onsplanering inom processindustrin [Perstorps anläggning i Stenungsund] TAOP2: Föreläsning 1 1 Op3mering, processindustrin Målfunk3on Maimera intäkter: o Försäljning 3ll kunder Minimera kostnaden för: o Produk3on o Lagerhållning o Transporter (både mellan fabriker och 3ll kund) o Ej uppfylld eberfrågan

6 TAOP2: Föreläsning 1 16 Op3mering, processindustrin Bivillkor Produk3onskapaciteter Tillgodose kundernas eberfrågan Beroenden mellan produkter Begränsad lagerkapacitet Lagerbalans: lager + nyproducerat - försäljning = nyc lager TAOP2: Föreläsning 1 17 Kursmål Iden3fiera 3llämpningsområden Iden3fiera olika op3meringsproblem Förklara sybet med ec op3meringsproblem Modellera op3meringsproblem matema3skt Redogöra för olika op3meringsalgoritmer och sammanfaca principerna bakom algoritmerna Välja metod eller lösning för ec op3meringsproblem Använda en algoritm för ac lösa ec op3meringsproblem Använda programvara för ac lösa ec op3meringsproblem Redogöra för grundläggande op3meringsteori TAOP2: Föreläsning 1 18 Kursens innehåll Linjärprogrammering (LP) formulering av LP-problem simplemetoden dualitet känslighetsanalys Icke-linjär programmering (ILP) konveitet obegränsad op3mering, sökmetoder begränsad op3mering, KKT-villkoren 6

7 TAOP2: Föreläsning 1 19 Kursens upplägg Föreläsningar, 9 st Lek3oner, 10 st Salslabora3oner, 3 st ProjektuppgiB, 1 st SkriBlig tentamen (3 HP) Labora3onsdelen (1 HP) TAOP2: Föreläsning 1 20 Lek3onsgrupper Björn Morén: I1.a Jessica Boberg: I1.b Henrik von Perner: I1.c Joel Kvick: I1.d, I1.e Isabelle Uhno: I1.f Oleg Burdakov: Ii1.a Nisse Qumneh: Ii1.b TAOP2: Föreläsning 1 21 Labora3oner Labora3onsgrupper om högst 2 personer 3 schemalagda labora3oner (lab1, lab2, lab3) EBer lab 1: ProjektuppgiB Formulering och lösning av ec LP-problem Individuella uppdragsbeskrivningar SkriBlig rapport samt muntlig avstämning Labora3onsinforma3on delas ut på lek3on Labora3onslistor finns ac fylla i på lek3on Labbarna 4h långa (goc om 3d) 7

8 TAOP2: Föreläsning 1 22 Kursinforma3on Böcker: Lärobok: Lundgren m.fl. Op(meringslära (2008) Henningsson m.fl. Op(meringslära Övningsbok Används även i fortsäcningskursen. Kurshemsida På Kursplatsen LISAM: Kursinforma3on; labora3onsinforma3on; labora3onsfiler; status på labora3oner;... Registrera er för ac få 3llgång 3ll kurssidan!! TAOP2: Föreläsning 1 23 LISAM Hur kommer man in i Lisam? Man kommer in i Lisam med sic LiU-id. Logga in på webbadressen: lisam.liu.se Det finns även länkar hit från olika ställen på LiU-webben, t.e. från Studentportalen. Vad behöver man göra första gången i Lisam? Den absolut första gången man loggar in i Lisam kommer systemet ac i bakgrunden bygga upp den egna personliga sidan, vilket kan ta någon minut. Utöver ac vänta på deca behöver man inte göra några särskilda inställningar. TAOP2: Föreläsning 1 24 Utvärdering 3digare år TentauppgiBerna skiljer sig mycket från lek3onsuppgiberna: På lek3onsplanen finns hänvisningar 3ll typiska tentauppgiber på motsvarande material. Vid eemplen på tavlan, skriv ner HELA frågan/problemet. Finns på separata pdf-filer 3ll varje föreläsning! 8

9 TAOP2: Föreläsning 1 2 Nyheter Första gången kursen ges!! Från och med våren 2017 ges kursen i ÅK 1 under vt2 Minskar från 6 hp 3ll 4 hp Ha överseende om något inte funkar som det ska.. Projektrapporten ska skrivas på engelska! Nämnden för I-programmet vill få in mera inslag av engelska i utbildningen. En etra föreläsningar av Pamela Vang Generellt om ac skriva på engelska Speciellt om rapportskrivning TAOP2: Föreläsning 1 26 Förväntningar Förkunskapskrav: Linjär algebra och analys Självstudier Läs på inför föreläsningarna Lek3ons3den räcker obast inte 3ll för ac lösa alla uppgiber. Krävs ac ni lägger egen 3d på ac räkna. Kursvärderingar är bra, vi vill utveckla och förbäcra våra kurser! Kräver dock feedback. Snälla fyll i KURT-utvärderingen i slutet av kursen. Förra året svarade endast 29%.. TAOP2: Föreläsning 1 27 Varför gör denna kurs ac ni blir bäcre civilingenjörer? Problemlösningsförmåga: Kursen ger övning i ac angripa och lösa verkliga planeringsproblem på ec mycket strukturerat säc. Datorn som verktyg: Övning i ac använda datorn som verktyg vid lösande av problem, samt övning i ac hantera olika programvaror. Matema3skt angreppssäc: Den matema3k ni lärt er 3digare kommer 3ll användning och säcs in i ec nyc sammanhang. 9

10 TAOP2: Föreläsning 1 28 Tavelmarkör För ac få en bra struktur på anteckningarna används symbolen T 4.2 för ac markera övergång 3ll tavlan. Nu börjar vi på rik3gt!! TAOP2: Föreläsning 1 29 Linjära op3meringsproblem (LP-problem) Maimera (minimera) en linjär målfunk3on Linjär bivillkorsmängd Undre (och övre) gräns för varje variabel Summa3onsform Matrisform ma z = c j j j2j ma z = c T då a ij j apple b i, i 2 I då A apple b 0 j2j j 0, j 2 J TAOP2: Föreläsning 1 30 Grafisk lösning av LP-problem 2 ma z = 2 [målfunk9on] då apple apple 30 1, 2 0 (3) Tillåtna området (3) 1 10

11 TAOP2: Föreläsning 1 31 Grafisk lösning av LP-problem 2 Op3mum T = (, ) z * LP * LP = = rz = 0 1 ma z = 2 [målfunk9on] då apple apple 30 1, 2 0 (3) Tillåtna området (3) 1 TAOP2: Föreläsning 1 32 Grafisk lösning av LP-problem 2 ma z = 1 [ny målfunk9on] då apple apple 30 1, 2 0 (3) rz = 1 0 rz = 1 0 Op3mum * T = ( 6, 0) LP z = 6 * LP (3) 1 TAOP2: Föreläsning 1 33 Grafisk lösning av LP-problem 2 ma z = rz = 2 då apple apple 30 1, 2 0 (3) rz = 2 (3) 1 11

12 TAOP2: Föreläsning 1 34 Grafisk lösning av LP-problem ma z = då apple apple 30 1, 2 0 (3) rz = 6 rz = 6 (3) 1 TAOP2: Föreläsning 1 3 Grafisk lösning av LP-problem 2 Op3mum ligger all3d i (minst) en hörnpunkt för linjära problem DeCa kommer vi ac använda för ac lösa LP-problem algebraiskt (Fö 3 + 4, Simplealgoritmen) 1 TAOP2: Föreläsning 1 36 Grafisk lösning av LP-problem z = 16 z = 10 2 A rz = 2 Målfunk3onskoefficienterna, gradienten 3ll z, pekar ditåt man vill gå (dit värdet på z ökar mest) T.e. ma z = Alla punkter på linjer som är vinkelräta mot gradienten 3ll z ger samma målfunk3onsvärde: A = ( 0, 2) => z = 2*0 + *2 = 10 z = 4 B C B = (2., 1) => z = 2*2. + *1 = 10 C = (, 0) => z = 2* + *0 =

13 TAOP2: Föreläsning 1 37 Nota3on Variabler: I flervariabelanalys:, y, z I op3meringslära: 1, 2, 3,, n Variabelvektor: = ( 1, 2, 3,, n ) T I linjär algebra:, I op3meringslära:,, Vi skriver oba 0 ( varje element i vektorn är större eller lika med noll ) TAOP2: Föreläsning 1 38 Nota3on Vektorer anges all3d som kolumnvektorer! Gör obast ingen skillnad på punkt och vektor Transponat: Samma sak!! Op3mallösning: * - själva lösningen Op3malt målfunk3onsvärde: z* - värdet för * TAOP2: Föreläsning 1 39 Nota3on Summatecken För alla / För varje (mer på Fö 2) 13

14 TAOP2: Föreläsning 1 40 Eempel: Produk3onsplanering Produk3on av två olika produkter. Maimera den totala vinsten. Resurs3llgång vid de två 3llverkningsavdelningarna: avd 1: 240h avd 2: 140h Produkt 1 vinst/enhet: 30 kr resursåtgång avd 1: 4h resursåtgång avd 2: 2h begränsad eberfrågan: 40 st Produkt 2 vinst/enhet: 20 kr resursåtgång avd 1: 3h resursåtgång avd 2: 2h T 1.1 TAOP2: Föreläsning 1 41 Modellformulering Variabeldefini3on: i = antalet 3llverkade av produkt i, i = 1, 2 Matema3sk modell: ma z = då apple apple apple 40 1, 2 0 [målfunk9on] [resurs, avd. 1] [resurs, avd. 2] [maproduk9on] [variabelbegränsningar] TAOP2: Föreläsning * = 240 2* = 140 Villkor 1 Villkor 3 ma z = då apple apple apple 40 1, *0 = *0 = Villkor

15 TAOP2: Föreläsning z=1200 z=600 0 z=1800 ma z = r z = T * = (40 26,67) z* = 1733,33 z= TAOP2: Föreläsning 1 44 Matrisform ma z = då apple apple apple 40 1, 2 0 ma z = c T då A apple b 0 0 c T = A A b A TAOP2: Föreläsning 1 4 Summa3onsform ma z = ma z = c j j j2j då apple apple apple 40 1, 2 0 då a ij j apple b i, i 2 I j2j j 0, j 2 J c 1 = 30, c 2 = 20 a 11 = 4, a 12 = 3 a 21 = 2, a 22 = 2 a 31 = 1, a 32 = 0 b 1 = 240 b 2 = 140 b 3 = 40 1

16 TAOP2: Föreläsning 1 46 Eempel på typer av problem Linjära problem (LP) Ickelinjära problem (ILP) Grundkursen Linjära heltalsproblem Nätverksproblem FortsäCningskursen TAOP2: Föreläsning 1 47 Linjär målfunk3on TAOP2: Föreläsning 1 48 Linjärt 3llåtet område 16

17 TAOP2: Föreläsning 1 49 Ickelinjär målfunk3on TAOP2: Föreläsning 1 0 Ickelinjärt 3llåtet område TAOP2: Föreläsning 1 1 Ickelinjärt problem Tillåtet område Op3mum i det inre av Op3mum på randen 3ll 17

18 TAOP2: Föreläsning 1 2 Nätverksproblem Har en speciell struktur som gör ac logiken i problemet kan illustreras i form av ec nätverk med noder och bågar. Nätverksstrukturen utnycjas vid lösningsförfarandet TAOP2: Föreläsning 1 3 Heltalsproblem ma z = då apple apple apple 40 1, 2 0, heltal Betydligt svårare ac lösa än ec LP-problem! TAOP2: Föreläsning 1 4 Konveitet Vad avgör om ec problem är läc eller svårt ac lösa? Olika typer av problem sägs ha olika kompleitet. Kompleiteten beror generellt av problemstrukturen och inte av den aktuella datan. Skilj på: Konvea problem = läca ac lösa Icke-konvea problem = svåra ac lösa 18

19 TAOP2: Föreläsning 1 Konveitet Linjära problem (LP-problem) är ALLTID konvea. Icke-linjära problem (ILP) är konvea eller icke-konvea Defini9on 2.3 Problemet min f() då 2 är ec konvet problem om f() är en konve funk3on och är en konve mängd. TAOP2: Föreläsning 1 6 Konvekombina3on En punkt y är en konvekombination av två punkter och om y = λ + (1-λ) där 0 λ 1. λ = 1 λ ökar λ = 1/ 2 ( 2 ) λ = 0 Alternativt: y = λ 1 + λ 2, λ 1 + λ 2 =1, λ 1, λ 2 0 TAOP2: Föreläsning 1 7 Konve funk3on, def. 2.4 f() är en konve funktion på om det för varje val av punkter, och 0 λ 1 gäller att f (λ + (1 λ) ) λ f ( )+ (1 λ) f ( ) f() f ( λ + (1 λ) ) λf ( ) + (1 λ) f ( ) f( ) f( ( 2) ) ( 2 ) 19

20 TAOP2: Föreläsning 1 8 Konve funk3on Eempel på en funk3on som inte är konve: f() f ( λ f( ) + (1 λ) ) λf ( ) + (1 λ) f ( f( ( 2) ) ) ( 2 ) TAOP2: Föreläsning 1 9 Konve mängd En mängd R n är en konve mängd om det för varje val av punkter, och 0 λ 1 gäller att = λ + (1 λ) ( 2) ligger ej i mängden, ej konve mängd Oavsett val av mängden är konve ( 2) ( 1) ( och hamnar den streckade linjen i mängden, så 2 ) TAOP2: Föreläsning 1 60 Konveitet Mer om konveitet när vi kommer 3ll den icke-linjära delen av kursen. Defini9on 2.3 Problemet min f() då 2 är ec konvet problem om f() är en konve funk3on och är en konve mängd. 20

21 TAOP2: Föreläsning 1 61 Uppsummering Fö. 1 Kursinforma3on Introduk3on 3ll ämnet Op3meringslära Linjär Programmering, LP-problem Grafisk lösning Konveitet Vill 3psa om UHörliga eempel som finns på Lisam Nota3on: Förklaring av nota3on som ni kommer stöta på inom op3meringskurserna (bl.a. summatecken) Kommer upp fler dokument under kursens gång! 21