MVE235 Matematisk orientering. Matematisk optimering en introduktion till ämnet och verksamhet vid MV
|
|
- Gunnel Hedlund
- för 5 år sedan
- Visningar:
Transkript
1 MVE235 Matematisk orientering Matematisk optimering en introduktion till ämnet och verksamhet vid MV biträdande professor i matematisk optimering
2 Översikt Historia Tillämpningar 1 : bakgrund, definition, tillämpningar Historia Tillämpningar 2 Matematik i optimeringsmodeller optimering 3 vid Chalmers/GU Kurser i optimering vid MV Examensarbeten vid Chalmers/GU inom optimering Forskningsprojekt vid Chalmers/GU inom optimering
3 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori)
4 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori) Gauss ( ): Första optimeringstekniken, brantaste lutnings-algoritmen
5 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori) Gauss ( ): Första optimeringstekniken, brantaste lutnings-algoritmen W.R. Hamilton(1857): icosian game Handelsresandeproblemet (Hamiltoncykel)
6 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori) Gauss ( ): Första optimeringstekniken, brantaste lutnings-algoritmen W.R. Hamilton(1857): icosian game Handelsresandeproblemet (Hamiltoncykel) L.V. Kantorovich (1939): En linjär modell för optimering av plywood-tillverkning och en algoritm för att lösa den
7 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori) Gauss ( ): Första optimeringstekniken, brantaste lutnings-algoritmen W.R. Hamilton(1857): icosian game Handelsresandeproblemet (Hamiltoncykel) L.V. Kantorovich (1939): En linjär modell för optimering av plywood-tillverkning och en algoritm för att lösa den George B. Dantzig (1947): programmering simplexalgoritmen (exponentiell tid) Program militära tränings- och logistikscheman
8 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori) Gauss ( ): Första optimeringstekniken, brantaste lutnings-algoritmen W.R. Hamilton(1857): icosian game Handelsresandeproblemet (Hamiltoncykel) L.V. Kantorovich (1939): En linjär modell för optimering av plywood-tillverkning och en algoritm för att lösa den George B. Dantzig (1947): programmering simplexalgoritmen (exponentiell tid) Program militära tränings- och logistikscheman Kantorovich och Koopmans (1975): Ekonomipriset till Alfred Nobels minne
9 Några nedslag i historien Historia Tillämpningar Euler (1735): De sju broarna i Köningsberg (grafteori) Gauss ( ): Första optimeringstekniken, brantaste lutnings-algoritmen W.R. Hamilton(1857): icosian game Handelsresandeproblemet (Hamiltoncykel) L.V. Kantorovich (1939): En linjär modell för optimering av plywood-tillverkning och en algoritm för att lösa den George B. Dantzig (1947): programmering simplexalgoritmen (exponentiell tid) Program militära tränings- och logistikscheman Kantorovich och Koopmans (1975): Ekonomipriset till Alfred Nobels minne N. Karmarkar (1984) algoritm för linjärprogrammering (polyniomisk tid)
10 Historia Tillämpningar : Gör något så bra som möjligt
11 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns?
12 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = 0 annars
13 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = 0 annars Möjligt Vad begränsar?
14 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = 0 annars Möjligt Vad begränsar? Varje kund ska besökas exakt en gång
15 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = 0 annars Möjligt Vad begränsar? Varje kund ska besökas exakt en gång Bra Vad är ett relevant mål för optimeringen?
16 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = 0 annars Möjligt Vad begränsar? Varje kund ska besökas exakt en gång Bra Vad är ett relevant mål för optimeringen? Minimera totala sträckan / restider / utsläpp / väntetider /...
17 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = 0 annars Möjligt Vad begränsar? Varje kund ska besökas exakt en gång Bra Vad är ett relevant mål för optimeringen? Minimera totala sträckan / restider / utsläpp / väntetider /... Det klassiska handelsresandeproblemet
18 Historia Tillämpningar : Gör något så bra som möjligt Något Vilka beslutsalternativ finns? { 1 om kund j besöks direkt efter kund i x ij = { 0 annars 1 om kund i besöks av fordon k y ik = 0 annars Möjligt Vad begränsar? Varje kund ska besökas exakt en gång Tidsfönster, transportbehov, lastkapacitet, hämta hos en kund lämna hos en annan,... Bra Vad är ett relevant mål för optimeringen? Minimera totala sträckan / restider / utsläpp / väntetider /... Det klassiska handelsresandeproblemet Varianter av ruttplaneringsproblem: skolskjuts, hybridfordon, självkörande taxibilar,...
19 Exempel på tillämpningsområden Historia Tillämpningar Logistik: produktion och transport Optimera rutter för godstransporter, snöröjning, skolbussar,... Planera skogsavverkning och -transporter Packning av containrar Produktionsplanering, schemaläggning Minimera cykeltid i robotstationer (bilindustri) Planera underhåll av maskiner, fordon, infrastruktur,...
20 Exempel på tillämpningsområden Historia Tillämpningar Logistik: produktion och transport Optimera rutter för godstransporter, snöröjning, skolbussar,... Planera skogsavverkning och -transporter Packning av containrar Produktionsplanering, schemaläggning Minimera cykeltid i robotstationer (bilindustri) Planera underhåll av maskiner, fordon, infrastruktur,... Energi Integrera variabel elproduktion (sol och vind) i elsystemet Investering i (utveckling av) tekniker för energiproduktion Lokalisering av kraftverk och infrastruktur
21 Exempel på tillämpningsområden Historia Tillämpningar Logistik: produktion och transport Optimera rutter för godstransporter, snöröjning, skolbussar,... Planera skogsavverkning och -transporter Packning av containrar Produktionsplanering, schemaläggning Minimera cykeltid i robotstationer (bilindustri) Planera underhåll av maskiner, fordon, infrastruktur,... Energi Integrera variabel elproduktion (sol och vind) i elsystemet Investering i (utveckling av) tekniker för energiproduktion Lokalisering av kraftverk och infrastruktur Finans Finansiell riskhantering Portföljoptimering Investeringsplanering
22 Exempel på tillämpningsområden Historia Tillämpningar Logistik: produktion och transport Optimera rutter för godstransporter, snöröjning, skolbussar,... Planera skogsavverkning och -transporter Packning av containrar Produktionsplanering, schemaläggning Minimera cykeltid i robotstationer (bilindustri) Planera underhåll av maskiner, fordon, infrastruktur,... Energi Integrera variabel elproduktion (sol och vind) i elsystemet Investering i (utveckling av) tekniker för energiproduktion Lokalisering av kraftverk och infrastruktur Finans Finansiell riskhantering Portföljoptimering Investeringsplanering Medicin Beräkna strålriktningar och -intensiteter vid cancerbehandling Rekonstruera bilder från röntgenmätningar
23 Översikt 1 : bakgrund, definition, tillämpningar Historia Tillämpningar 2 Matematik i optimeringsmodeller optimering 3 vid Chalmers/GU Kurser i optimering vid MV Examensarbeten vid Chalmers/GU inom optimering Forskningsprojekt vid Chalmers/GU inom optimering
24 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka
25 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka Introduktionserbjudande för vita moln: vinsten per såld bit av vita moln är hälften av den för mörka drömmar
26 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka Introduktionserbjudande för vita moln: vinsten per såld bit av vita moln är hälften av den för mörka drömmar Endast en av produkterna kan tillverkas vid samma tillfälle och de två produkterna has samma produktionstakt (# tillverkade bitar/tidsenhet)
27 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka Introduktionserbjudande för vita moln: vinsten per såld bit av vita moln är hälften av den för mörka drömmar Endast en av produkterna kan tillverkas vid samma tillfälle och de två produkterna has samma produktionstakt (# tillverkade bitar/tidsenhet) Marknadsavdelningen: maximalt 75% av veckans tillgängliga produktionstimmar får användas till mörka drömmar Inköpsavdelningen: maximalt 10 ton glukos finns att tillgå
28 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka Introduktionserbjudande för vita moln: vinsten per såld bit av vita moln är hälften av den för mörka drömmar Endast en av produkterna kan tillverkas vid samma tillfälle och de två produkterna has samma produktionstakt (# tillverkade bitar/tidsenhet) Marknadsavdelningen: maximalt 75% av veckans tillgängliga produktionstimmar får användas till mörka drömmar Inköpsavdelningen: maximalt 10 ton glukos finns att tillgå En veckas produktion av mörka drömmar kräver 8 ton glukos En veckas produktion av vita moln kräver 13 ton glukos
29 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka Introduktionserbjudande för vita moln: vinsten per såld bit av vita moln är hälften av den för mörka drömmar Endast en av produkterna kan tillverkas vid samma tillfälle och de två produkterna has samma produktionstakt (# tillverkade bitar/tidsenhet) Marknadsavdelningen: maximalt 75% av veckans tillgängliga produktionstimmar får användas till mörka drömmar Inköpsavdelningen: maximalt 10 ton glukos finns att tillgå En veckas produktion av mörka drömmar kräver 8 ton glukos En veckas produktion av vita moln kräver 13 ton glukos Hur ska produktionen planeras för att vinsten ska bli så stor som möjligt?
30 optimering ett exempel En chokladfabrik ska tillverka två produkter vita moln och mörka drömmar under nästkommande vecka Introduktionserbjudande för vita moln: vinsten per såld bit av vita moln är hälften av den för mörka drömmar Endast en av produkterna kan tillverkas vid samma tillfälle och de två produkterna has samma produktionstakt (# tillverkade bitar/tidsenhet) Marknadsavdelningen: maximalt 75% av veckans tillgängliga produktionstimmar får användas till mörka drömmar Inköpsavdelningen: maximalt 10 ton glukos finns att tillgå En veckas produktion av mörka drömmar kräver 8 ton glukos En veckas produktion av vita moln kräver 13 ton glukos Hur ska produktionen planeras för att vinsten ska bli så stor som möjligt? Hur många av veckans 50 produktionstimmar ska användas för tillverkning av mörka drömmar respektive vita moln?
31 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? Möjligt Vad begränsar? Bra Vad är målet för optimeringen?
32 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Bra Vad är målet för optimeringen?
33 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Endast en produkt vid samma tillfälle. Totalt 50 timmar. Maximalt 75% av tillgänglig tid till mörka drömmar Maximalt 10 ton glukos Bra Vad är målet för optimeringen?
34 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Endast en produkt vid samma tillfälle. Totalt 50 timmar. x 1 +x 2 50 Maximalt 75% av tillgänglig tid till mörka drömmar Maximalt 10 ton glukos Bra Vad är målet för optimeringen?
35 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Endast en produkt vid samma tillfälle. Totalt 50 timmar. x 1 +x 2 50 Maximalt 75% av tillgänglig tid till mörka drömmar x = 37.5 Maximalt 10 ton glukos Bra Vad är målet för optimeringen?
36 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Endast en produkt vid samma tillfälle. Totalt 50 timmar. x 1 +x 2 50 Maximalt 75% av tillgänglig tid till mörka drömmar x = 37.5 Maximalt 10 ton glukos 8 x x x 1 +13x Bra Vad är målet för optimeringen?
37 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Endast en produkt vid samma tillfälle. Totalt 50 timmar. x 1 +x 2 50 Maximalt 75% av tillgänglig tid till mörka drömmar x = 37.5 Maximalt 10 ton glukos 8 x x x 1 +13x Bra Vad är målet för optimeringen? Maximera vinsten
38 Gör något så bra som möjligt Något Vilka beslutsalternativ finns? x 1 = antal timmar som används för att tillverka mörka drömmar x 2 = antal timmar som används för att tillverka vita moln Möjligt Vad begränsar? Endast en produkt vid samma tillfälle. Totalt 50 timmar. x 1 +x 2 50 Maximalt 75% av tillgänglig tid till mörka drömmar x = 37.5 Maximalt 10 ton glukos 8 x x x 1 +13x Bra Vad är målet för optimeringen? Maximera vinsten 2x 1 +x 2 max
39 Grafisk lösning x 2 50 x 1 +x 2 50 x x 1 +13x x 1 Bivillkor: linjära olikheter
40 Grafisk lösning x 2 50 x 1 +x 2 50 x x 1 +13x x 1 Bivillkor: linjära olikheter Antalet timmar får inte vara negativt
41 Grafisk lösning x 2 Tillåten mängd x 1 Bivillkor: linjära olikheter Antalet timmar får inte vara negativt: x 1 0, x 2 0
42 Grafisk lösning x x 1 z = 0 z = 50 z = 87.5 Bivillkor: linjära olikheter Antalet timmar får inte vara negativt: x 1 0, x 2 0 Maximera målfunktionen: z = 2x 1 +x 2
43 Grafisk lösning x 2 50 x = (37.5,12.5), z = x 1 z = 0 z = 50 z = 87.5 Bivillkor: linjära olikheter Antalet timmar får inte vara negativt: x 1 0, x 2 0 Maximera målfunktionen: z = 2x 1 +x 2 Mörka drömmar: 37.5 timmar. Vita moln: 12.5 timmar.
44 Lösningsmetod? x x 1 Antalet tillåtna punkter är oändligt...
45 Lösningsmetod? x x 1 Antalet tillåtna punkter är oändligt... a samband optimallösning i minst en extrempunkt
46 Lösningsmetod? x x 1 Antalet tillåtna punkter är oändligt... a samband optimallösning i minst en extrempunkt Metod-idé: leta bland extrempunkterna
47 Lösningsmetod? x 2 x 1 Antalet tillåtna punkter är oändligt... a samband optimallösning i minst en extrempunkt Metod-idé: leta bland extrempunkterna Simplexmetoden (G.B. Dantzig, 1947)
48 Lösningsmetod? x 2 x 2 x 1 x 1 Antalet tillåtna punkter är oändligt... a samband optimallösning i minst en extrempunkt Metod-idé: leta bland extrempunkterna Simplexmetoden (G.B. Dantzig, 1947) Vandra mellan närliggande extrempunkter
49 Lösningsmetod? x 2 x 2 x 2 x 1 x 1 x 1 Antalet tillåtna punkter är oändligt... a samband optimallösning i minst en extrempunkt Metod-idé: leta bland extrempunkterna Simplexmetoden (G.B. Dantzig, 1947) Vandra mellan närliggande extrempunkter Marginalförbättring: Varje ny extrempunkt har ett bättre målfunktionsvärde än den förra
50 Lösningsmetod? x 2 x 2 x 2 x 1 x 1 x 1 Antalet tillåtna punkter är oändligt... a samband optimallösning i minst en extrempunkt Metod-idé: leta bland extrempunkterna Simplexmetoden (G.B. Dantzig, 1947) Vandra mellan närliggande extrempunkter Marginalförbättring: Varje ny extrempunkt har ett bättre målfunktionsvärde än den förra Stannar i extrempunkten med bästa möjliga målfunktionsvärde
51 Handelsresandeproblemet (travelling salesperson problem, TSP) n städer och förbindelser mellan alla städer (avstånd på varje förbindelse) Finn den kortaste tur som passerar alla städer
52 Handelsresandeproblemet (travelling salesperson problem, TSP) n städer och förbindelser mellan alla städer (avstånd på varje förbindelse) Finn den kortaste tur som passerar alla städer Väldigt lätt att beskriva och förstå men väldigt svårt att lösa (kombinatorisk explosion)
53 Utveckling av TSP-lösningar Optimala lösningar till TSP av olika storlekar som hittats år n =
54 Världsrekord i TSP-lösning (2004) Ett TSP med städer/orter/byar i Sverige Optimal tur: km ( TSP LIB units)
55 Världsrekord i TSP-lösning (2004) Ett TSP med städer/orter/byar i Sverige Optimal tur: km ( TSP LIB units) Turen med längd hittades i mars 2003 (Lin Kernighans TSP-heuristik)
56 Världsrekord i TSP-lösning (2004) Ett TSP med städer/orter/byar i Sverige Optimal tur: km ( TSP LIB units) Turen med längd hittades i mars 2003 (Lin Kernighans TSP-heuristik) Bevisades i maj 2004 att ingen kortare tur existerar De slutliga stegen som förbättrade den undre gränsen från upp till krävde 8 års beräkningstid (parallella beräkningar på ett nätverk av Linux-arbetsstationer)
57 Världsrekord i TSP-lösning (2004) Ett TSP med städer/orter/byar i Sverige Optimal tur: km ( TSP LIB units) Turen med längd hittades i mars 2003 (Lin Kernighans TSP-heuristik) Bevisades i maj 2004 att ingen kortare tur existerar De slutliga stegen som förbättrade den undre gränsen från upp till krävde 8 års beräkningstid (parallella beräkningar på ett nätverk av Linux-arbetsstationer) Without knowledge of the tour we would not have made the decision to carry out this final computation
58 Översikt Kurser Exjobb Projekt 1 : bakgrund, definition, tillämpningar Historia Tillämpningar 2 Matematik i optimeringsmodeller optimering 3 vid Chalmers/GU Kurser i optimering vid MV Examensarbeten vid Chalmers/GU inom optimering Forskningsprojekt vid Chalmers/GU inom optimering
59 Kurser i optimering vid MV Kurser Exjobb Projekt Grundkurser (ges på engelska) MVE165 och heltalsoptimering med tillämpningar, LP4, år 2 TMA947 Olinjär optimering, LP1, år 3 Fortsättningskurser (MSc) TMA521 Large-scale optimization, LP2 (vartannat år; 2019, 2021) MVE065 Topics in engineering mathematics
60 Kurser Exjobb Projekt Några masterexamensarbeten inom optimering Volvo Group Trucks Technology: Vehicle routing problems with many available vehicle types Optimization of routes for a fleet of plug-in hybrid vehicles Volvo Car Corporation, Göteborg: Dispatching fleets of shared autonomous vehicles Consid AB & Department of Architechture and Civil Engineering: Minimizing space heating and cost when retrofitting building blocks Aviolinx, Stockholm: Tail assignment for single and mixed aircraft fleets Statistics Sweden (SCB), Örebro: Approaches to cell suppression in statistical tables SKF, Göteborg: Returnable packaging distribution Production scheduling
61 Kurser Exjobb Projekt Några forskningssamarbeten/doktorandprojekt inom optimering Fraunhofer-Chalmers Research Centre for Industrial Mathematics: Kopplade kombinatoriska och geometriska optimeringsproblem inom fordonsproduktionsindustrin research.chalmers.se/en/project/8334 Department of Space, Earth and Environment, Chalmers: Matematisk modellering av storskalig integration av variabel elproduktion Saab AB, Linköping: research.chalmers.se/en/project/6559 Effektbaserad underhållsplanering och support för flygsystem research.chalmers.se/en/project/8332
62 Kurser Exjobb Projekt Några forskningssamarbeten/doktorandprojekt inom optimering GKN Aerospace Sweden, Trollhättan: Produktionsplanering genom optimal schemaläggning av en multi-taskproduktionscell research.chalmers.se/en/project/6813 Taktisk resursallokering för effektivt kapacitetsutnyttjande research.chalmers.se/en/project/8333 Volvo Group Trucks Technology & Department of Mechanics and Maritime Sciences, Chalmers: Bränslebesparing med hjälp av däcksenergiförlustoptimering research.chalmers.se/en/project/6001 Department of Electrical Engineering, Chalmers: Matematiska optimeringsmodeller och metoder för integrerad produktion och tillståndsbaserat underhåll inom vindkraft research.chalmers.se/en/project/5889
63 Tack Kurser Exjobb Projekt
Optimering. TAOP88 Optimering för ingenjörer. När inte intuitionen räcker till... Långsiktiga mål med kursen. Vad är optimering?
TAOP88 Optimering för ingenjörer Examinator: Kaj Holmberg kaj.holmberg@liu.se Kurshemsida: http://courses.mai.liu.se/gu/taop88 Lärare: Föreläsningar: Kaj Holmberg Lektioner, labbar: Oleg Burdakov Roghayeh
Läs merOptimering. TAOP86 Kombinatorisk optimering med miljötillämpningar. När inte intuitionen räcker till... Långsiktiga mål med kursen. Vad är optimering?
TAOP86 Kombinatorisk optimering med miljötillämpningar Examinator: Kaj Holmberg kaj.holmberg@liu.se http://courses.mai.liu.se/gu/taop86 Lärare: Föreläsningar: Kaj Holmberg Lektioner, labbar: Björn Morén
Läs merKurser inom profilen Teknisk matematik (Y)
Kurser inom profilen Teknisk matematik (Y) Kurser i Optimeringslära Obligatorisk TAOP24 Optimeringslära fortsättningskurs Y Valbara TAOP04 Matematisk optimering TAOP34 Optimering av stora system TAOP87
Läs merN = {i}: noder (hörn) Graf: G = (N, B) Definitioner. Väg: Sekvens av angränsande bågar. Cykel: Väg som startar och slutar i samma nod.
Polyeder 0 x, 0 x, 0 x, x + x + x, x + x + x Grafdefinitioner N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: januari 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 16 mars 010 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Kombinatorisk
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 19 mars 2011 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: 17 januari 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering.
Läs merTräd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition
Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: januari 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: juni 0 Tid:.00-9.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering. Kaj
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 8 januari 201 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs merOptimering. Optimering
TAOP88 Optimering för ingenjörer Examinator: Kaj Holmberg kaj.holmberg@liu.se Kurshemsida: http://courses.mai.liu.se/gu/taop88 Lärare: Föreläsningar: Kaj Holmberg Lektioner, labbar: Oleg Burdakov, William
Läs merTNSL05 Optimering, Modellering och Planering. Föreläsning 4
TNSL05 Optimering, Modellering och Planering Föreläsning 4 2018-11-14 2 Kursmål: idag Studenten ska efter avslutad kurs kunna: Analysera och formulera optimeringsmodeller inom ekonomiska tillämpningsområden
Läs merTNSL05 Optimering, Modellering och Planering. Föreläsning 2: Forts. introduktion till matematisk modellering
TNSL05 Optimering, Modellering och Planering Föreläsning 2: Forts. introduktion till matematisk modellering 2017-11-01 2 Dagordning Matematisk modellering, Linjära Problem (LP) Terminologi Målfunktion
Läs merTräd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition
Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg
Läs merTräd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition
Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg
Läs merOptimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.
Optimal = basta mojliga. Optimeringslara = matematik som syftar till att analysera och nna det basta mojliga. Anvands oftast till att nna ett basta handlingsalternativ i tekniska och ekonomiska beslutsproblem.
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN 1 OPTIMERINGSLÄRA GRUNDKURS för I, Ii och TB Datum: 24 augusti 2009 Tid: 8.00-13.00 Hjälpmedel: Lundgren m fl: Optimeringslära och/eller Lundgren
Läs merLP-problem. Vårt första exempel. Baslösningar representerar extrempunkter. Baslösningar representerar extrempunkter
LP-problem Vårt första exempel Ett LP-problem: max z = c T x då Ax b, x 0. Den tillåtna mängden är en polyeder och konvex. Målfunktionen är linjär och konvex. Så problemet är konvext. Var ligger optimum?
Läs merTentamensinstruktioner
TNSL05 (6) TENTAMEN Datum: augusti 07 Tid: 8- Provkod: TEN Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt p, betyg kräver
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: 2 augusti 2011 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs merFöreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.
Föreläsning 2: Simplexmetoden. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform. 3. Simplexalgoritmen. 4. Hur bestämmer man tillåtna startbaslösningar? Föreläsning
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: januari 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 1 april 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 13 januari 2018 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER för EMM Datum: 2 augusti 2011 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamensinstruktioner
TNSL05 1(9) TENTAMEN Datum: 6 april 2018 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP6/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 29 maj 20 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 19 april 2017 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: augusti 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 0 augusti 201 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: 2 maj 20 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får
Läs merLinjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin
Linjärprogramming EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin 1 Kursmål Formulera korttidsplaneringsproblem för vatten- och värmekraftsystem. 2 Tillämpad matematisk programming Korttidsplanering
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 1 november 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTräd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition
Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, )}, i N, N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg innehåller
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 19 oktober 2017 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 28 augusti 2015 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamensinstruktioner
TNSL05 1(8) TENTAMEN Datum: 1 april 2016 Tid: XXX Sal: XXX Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 1 mars 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs mer1(8) x ijt = antal mobiltelefoner av typ i=1,,m, Som produceras på produktionslina 1,, n, Under vecka t=1,,t.
1(8) (5p) Uppgift 1 Företaget KONIA tillverkar mobiltelefoner I en stor fabrik med flera parallella produktionslinor. För att planera produktionen de kommande T veckorna har KONIA definierat följande icke-negativa
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: januari 08 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: augusti 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: januari 2013 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 9 augusti 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merOptimeringslära för T (SF1861)
Optimeringslära för T (SF1861) 1. Kursinformation 2. Exempel på optimeringsproblem 3. Introduktion till linjärprogrammering Introduktion - Ulf Jönsson & Per Enqvist 1 Linjärprogrammering Kursinformation
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: januari 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: augusti 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 15 januari 2014 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: augusti 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: april 2018 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg: Optimering
Läs merOptimeringslära Kaj Holmberg. Lösningar/svar. Iteration 2: x 2 s
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta s Matematiska Institutionen Lösning till tentamen Optimeringslära 2014-01-15 Kaj Holmberg Lösningar/svar Uppgift 1 1a: (Detta problem
Läs merHur man schemalägger järnvägsunderhåll optimalt
Hur man schemalägger järnvägsunderhåll optimalt Institutionen för matematiska vetenskaper Chalmers tekniska högskola och Göteborgs universitet SICS Industriell Effektivitet 2014 2014 11 27 Bakgrund Kostnader
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-08-31 Kaj Holmberg Lösningar Uppgift 1 1a: Inför slackvariabler x 5, x 6 och
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 11 mars 2013 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 28-5-3 Kaj Holmberg Lösningar Uppgift a: P: Grafisk lösning ger x = 2/7 = 2 6/7,
Läs merTNSL05 Optimering, Modellering och Planering. Föreläsning 6
TNSL05 Optimering, Modellering och Planering Föreläsning 6 Agenda Kursens status Tolkning av utdata Intro lösningsmetoder Linjära optimeringsproblem (LP) på standardform Algebraisk formulering av LP Konveitet
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 9--7 Kaj Holmberg Lösningar Uppgift a: Inför slackvariabler x 5, x 6 och x 7 Starta med slackvariablerna
Läs mer5B1817 Tillämpad ickelinjär optimering. Kvadratisk programmering med olikhetsbivillkor Active-set metoder
5B1817 Tillämpad ickelinjär optimering Föreläsning 7 Kvadratisk programmering med olikhetsbivillkor Active-set metoder A. Forsgren, KTH 1 Föreläsning 7 5B1817 2006/2007 Kvadratisk programmering med olikhetsbivillkor
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 9 april 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 26 augusti 2014 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merOptimering av olika slag används inom så vitt skilda områden som produktionsplanering,
Anders Johansson Linjär optimering Exempel på användning av analoga och digitala verktyg i undervisningen Kursavsnittet linjär optimering i Matematik 3b kan introduceras med såväl analoga som digitala
Läs merTentamensinstruktioner
TNSL05 1(7) TENTAMEN Datum: 1 april 2016 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 2 oktober 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
Läs merOlinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i
Olinjär optimering med bivillkor min då f (x) g i (x) 0 för alla i Specialfall: Konvext problem. Linjära bivillkor: Ax b. Linjära likhetsbivillkor: Ax = b. Inga bivillkor: Hanterat tidigare. Metodprinciper:
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 20 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merGrundläggande programmering med matematikdidaktisk inriktning för lärare som undervisar i gy eller komvux gy nivå, 7,5 hp
Grundläggande programmering med matematikdidaktisk inriktning för lärare som undervisar i gy eller komvux gy nivå, 7,5 hp Dag Wedelin, bitr professor, och K V S Prasad, docent Institutionen för data- och
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 11 januari 2017 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merVinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.
TNSL05 2(8) (5p) Uppgift 1 Företaget XAJA tillverkar två olika sorters rengöringsprodukter för fönsterputsning, benämnda F1 och F2. Förutom vatten, som ingår i båda produkterna är, innehållet ett antal
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: januari 08 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTENTAMEN. Tentamensinstruktioner. Datum: 30 augusti 2018 Tid: 8-12
1( 9) TENTAMEN Datum: 30 augusti 2018 Tid: 8-12 Provkod: TEN1 Kursnamn: Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p, betyg kräver
Läs merLaboration 1 - Simplexmetoden och modellformulering
Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Laboration 1 Optimeringslära 29 januari 2017 Laboration 1 - Simplexmetoden och modellformulering Den första delen av laborationen
Läs merTentamensinstruktioner
TNSL05 1(9) TENTAMEN Datum: augusti 017 Tid: 8-1 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 1 p, betyg
Läs merEulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.
Eulercykel Definition En Eulercykel är en cykel som använder varje båge exakt en gång. Definition En nods valens är antalet bågar som ansluter till noden. Kinesiska brevbärarproblemet En brevbärartur är
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: 0 oktober 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i
Läs merOptimal schemaläggning vid produktion av flygmotorkomponenter
Optimal schemaläggning vid produktion av flygmotorkomponenter Karin Thörnblad Industridoktorand Tillämpad optimering Logistikutveckling, Volvo Aero November 2010 Samarbete med Ann-Brith Strömberg, Matematiska
Läs merOptimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition
Optimum? När man har formulerat sin optimeringsmodell vill man lösa den Dvs finna en optimal lösning, x, till modellen Nästan alltid: Sökmetoder: Stå i en punkt, gå till en annan (bättre Upprepa, tills
Läs merVinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.
TNSL05 (10) (5p) Uppgift 1 Företaget XAJA tillverkar två olika sorters rengöringsprodukter för fönsterputsning, benämnda F1 och F. Förutom vatten, som ingår i båda produkterna är, innehållet ett antal
Läs mer1. Compute the following matrix: (2 p) 2. Compute the determinant of the following matrix: (2 p)
UMEÅ UNIVERSITY Department of Mathematics and Mathematical Statistics Pre-exam in mathematics Linear algebra 2012-02-07 1. Compute the following matrix: (2 p 3 1 2 3 2 2 7 ( 4 3 5 2 2. Compute the determinant
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 1 oktober 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merLinjärprogrammering (Kap 3,4 och 5)
Linjärprogrammering (Kap 3,4 och 5) Fredrik Olsson, fredrik.olsson@iml.lth.se Avdelningen för produktionsekonomi Lunds tekniska högskola, Lunds universitet 16 september 2015 Dessa sidor innehåller kortfattade
Läs merTNSL05 Optimering, Modellering och Planering. Föreläsning 9
TNSL05 Optimering, Modellering och Planering Föreläsning 9 Agenda Kursens status Dualitet Billigaste väg problem 208-2- Kursens status Föreläsning (), 2-5: Modellering Föreläsning 6-0, () Lösningsmetod/känslighetsanalys
Läs merLösningar/svar. Uppgift 1. Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system. Optimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system Matematiska Institutionen Lösning till tentamen Optimeringslära 2017-08-22 Kaj Holmberg Lösningar/svar Uppgift 1 1a: Variabeldefinition:
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får
Läs merKortsiktig produktionsplanering med hjälp av olinjär programmering
Kortsiktig produktionsplanering med hjälp av olinjär programmering S. Velut, P-O. Larsson, J. Windahl Modelon AB K. Boman, L. Saarinen Vattenfall AB 1 Kortsiktig produktionsplanering Introduktion Optimeringsmetod
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: augusti 08 Tid:.00-9.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
Läs merDynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering
Betrakta ett lagerhållningsproblem i flera tidsperioder. Vi har tillverkning och försäljning av produkter i varje tidsperiod. Dessutom kan vi lagra produkter mellan tidsperioder, för att utnyttja stordriftsfördelar
Läs merVärldsledande transportforskning i. Vicerektor Anna Dubois Chalmers Tekniska Högskola
Världsledande transportforskning i näringslivssamverkan Vicerektor Anna Dubois Chalmers Tekniska Högskola Bakgrund Transportforskning Rekommenderade ansökningar inom utlysningen Strategiska forskningsområden:
Läs merValinformation för IT2
Välkommen till Valinformation för IT2 inför valet av valbara kurser till nästa läsår måndag 7 april kl 15.15-16.00 i HB3 Välkomna! Wolfgang Ahrendt Anette Järelöw Börje Johansson Programansvarig Studievägledare
Läs mer1 LP-problem på standardform och Simplexmetoden
Krister Svanberg, mars 202 LP-problem på standardform och Simplexmetoden I detta avsnitt utgår vi från LP-formuleringen (2.2) från föreläsning. Denna form är den bäst lämpade för en strömlinjeformad implementering
Läs merTNK049 Optimeringslära
TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 1 Kursintroduktion Ämnesintroduktion Terminologi Tillämpningar Agenda Vilka personer medverkar i kursen? Kursupplägg Lärobok Laborationer Återkoppling
Läs merSpeciell användning av heltalsvariabler. Heltalsprogrammering. Antingen-eller-villkor: Exempel. Speciell användning av heltalsvariabler
Heltalsprogrammering Speciell användning av heltalsvariabler max z = då c j x j j= a ij x j b i j= x j 0 x j heltal i =,..., m j =,..., n j =,..., n ofta x j u j j =,..., n Oftast c, A, b heltal. Ibland
Läs merTNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010
ITN/KTS Stefan Engevall/Joakim Ekström Kursinformation TNSL05, Optimering, Modellering och Planering, HT2010 TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010 1 Kursmål & innehåll 1.1 Mål med
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 10 mars 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-01-02 Kaj Holmberg Lösningar Uppgift 1 1a: Den givna startlösningen är tillåten
Läs merz = min 3x 1 2x 2 + y Fixera y, vilket ger subproblemet
Bendersdekomposition Blandade heltalsproblem med ett stort antal kontinuerliga variabler och få heltalsvariabler. Mycket lättare att lösa om heltalsvariablerna fixeras. Bendersdekomposition (primal dekomposition)
Läs mer