TNSL05 Optimering, Modellering och Planering. Föreläsning 5
|
|
- Birgit Axelsson
- för 5 år sedan
- Visningar:
Transkript
1 TNSL5 Optimering, Modellering och Planering Föreläsning 5
2 Dagordning Kort repetition Graf/nätverk: Begrepp Representation Exempel: Minkostnadsflödeproblem Billigastevägproblem
3 Hittills Föreläsning : kursadministration, intro: Vad är matematisk modellering?, historia, tillämpningsexempel, komplexitet Föreläsning 2: summering och index, matematisk modellering Föreläsning 3: matematisk modellering, LP Föreläsning 4: matematisk modellering, HP
4 Kursens status Litteratur: Har alla hunnit skaffa och börjat läsa i kursboken? Föreläsningar: Idag Föreläsning 5 av. Känns upplägget OK? Lektionerna/frågestunderna: Har alla hittat lektionsplanen med uppgifterna? Viktigt att inte komma efter i början. Laborationen: Anmälningslistan ligger ute. Jag tror att alla har skrivit upp sig. Gör annars det! Mer information om labben kommer, men läs redan nu labbinstruktionen som ligger på Lisam! Gruppuppgift : Redovisas muntligt v. 48. Uppgiften och en anmälningslista kommer upp på Lisam senare idag.
5 Idag Linjärprogrammering (LP) Alla samband (målfunktionen, bivillkoren) är linjära Ickelinjär programmering Vissa av sambanden är ickelinjära Heltalsproblem Kan tillhöra båda kategorierna Alla/några av variablerna kan bara anta diskreta värden Nätverksproblem Tydlig struktur Ofta geografiska Med mera
6 Dagordning Kort repetition Graf/nätverk: Begrepp Representation Exempel: Minkostnadsflödeproblem Billigastevägproblem
7 Begrepp: graf/nätverk Graf(N,B): Avbildning (relation mellan) n 2 Noder Nodmängd! = {$ %, $ ', $ (, $ ) } b b 3 b 4 Bågar n n 4 Bågmängd + = {, %,, ',, (,, ), } Båglista Start&slutnod, % = $ %, $ ',, ' = $ %, $ (, Nummer start&slutnod, % =,2,, ' =,3, b 2 n 3 b 5 Nätverk: graf med data på noder/bågar Kapacitet, kostnad, flödesstyrkor etc. Snitt Mängd bågar som delar N(odmängden) i två delar
8 Oriktad graf Oriktade bågar Valens Antal bågar som ansluter till noden. Kedja eller Väg Sekvens av oriktade bågar Cykel Kedja med samma start/slutnod Sammanhängande graf Minst en kedja mellan varje par av noder Träd Sammanhängde graf utan cykler Uppspännande träd Träd som omfattar alla noder i grafen Riktad graf Riktade bågar Väg eller Rutt Sekvens av bågar i framåtriktningen Kedja Sekvens av bågar utan riktningshänsyn Riktad cykel Väg med samma start/slutnod Acyklisk graf Innehåller ingen riktad cykel Starkt sammanhängande graf En rutt mellan varje par av noder Tudelad graf Kan delas upp i två mängder utan att det finns bågar mellan noder i en och samma mängd
9 28--5 Begrepp En graf G=(N,B) består av N: en mängd noder B: en mängd bågar Båge: riktad/oriktad, mellan två noder
10 28--5 Begrepp En oriktad båge kan beskrivas av två riktade Varje båge kan skrivas som b=(startnod, slutnod),! = #, %, # ', % '
11 Begrepp Kostnad/vikt Begränsningar i c, l, u ij ij ij j Valens Invalens Utvalens
12 Dagordning Kort repetition Graf/nätverk: Begrepp Representation Exempel: Minkostnadsflödeproblem Billigastevägproblem
13 Grafrepresentation Algebraisk representation av graf Nodmatris om båge går från nod i till nod j! "# = % annars n 2 b 4 N æ ç ç = ç ç è ö ø n b b 3 b 2 n 3 b 5 n 4
14 Grafrepresentation Algebraisk representation av graf Anslutningsmatris Noder~Rader; Bågar~Kolumner om båge. börjar i nod 6! "# = % + om både. slutar i nod 6 annars æ- ç ç A = ç ç è ö - ø n b b 3 b 2 n 2 n 3 b 4 b 5 n 4
15 Dagordning Kort repetition Graf/nätverk: Begrepp Representation Exempel: Minkostnadsflödeproblem Billigastevägproblem
16 Flödesnätverk Definiera! "# = flödet på båge (i, j) från nod i till nod j Nodstyrka % " = #'()*,! #" #'(*),! "# = inflöde-utflöde Om % " <, är i en källa Om % " >, är i en sänka Om % " =, är i en mellannod Minkostnadsflöde: Givet ett nätverk, finn ett flöde med minimal kostnad så att givna käll- och sänkstyrkor på noder uppfylls, och så att kapacitetsbegränsningar på bågar inte överskrids.
17 Nätverk, arbetsgång Börja med att rita upp fysiska samband Noder Bågar Inför nod- och bågdata Kan då generera fler noder och bågar (modellmässiga, icke-fysiska) Noder Kan vara källa (bestämd styrka <) sänka (bestämd styrka>) eller mellannod (styrka ) Summa källstyrka = Summa sänkstyrka Kan ev. bli behov för överskottsbågar &/eller noder Bågar Kan ha kostnader (eller motsvarande) Kan ha övre gränser och undre gränser (ibland >=) Observera! Noder kan inte ha kostnader! Hjälpbågar (och ev. nod/noder) Noder kan inte ha begränsningar! Hjälpbågar (och ev. nod/noder)
18
19 Variabeldefinition:! "# = antal ton avfall/slagg som skickas från i till j, %, ' ) 5 ton/dag Max 5 ton/dag Max 5 ton/dag A C E B D F 4 ton/dag Max 5 ton/dag Max 5 ton/dag ton avfall => 2kg slagg min - = 32! 23 +! (! 29 +! 59 ) + 5 (7! 23 +! ! ! 59 +! 3? + 3! 3@ + 3! 9? + 2! 9@ ) då! 23 +! 29 = 5 (tillgång stad A)! 53 +! 59 = 4 (tillgång stad B)! 23 +! 53 5 (kapacitet i C)! 29 +! 59 5 (kapacitet i D)! 3? +! 9? 5 (kapacitet i E)! 3@ +! 9@ 5 (kapacitet i F).2 (! 23 +! 53 ) =! 3? +! 3@.2! 29 +! 59 =! 9? +! 9@! "#, %, ' )
20 Uppgift 3.6/8.4 5 ton/dag A. / = 5 5,, 89:, 5 5,, 89:, Max 5 ton/dag. = =. => = C 32,,5,5 C 3,, 89:, 5 Max 5 ton/dag slagg = 75 ton/sopor E. 5 =,,75,7. + = 4 B 4 ton/dag 2,, 89:, 35,, 89:, 4 min $ = ',) +, ') - ') C ) ),' + - )' C ) ',) + D. 4 = Max 5 ton/dag 24,,5,4 D. 4> = 9,, 89:, 2 9,, 89:, 6,, 89:, 2 F. 6 = - ') =. ', 8 E F ') - ') H '), 8, I J,,75,2 S. B = 9 Max 5 ton/dag slagg = 75 ton/sopor
21 Billigastevägproblem (BVP) Givet ett riktat nätverk med bågkostnader, finn billigaste vägen mellan givna startnod(er) och slutnod(er). En startnod till en slutnod Individuell vägplanering Alternativ En startnod till alla slutnoder Dra elledningar Alla noder till alla andra Trafikplanering
22 LP-formulering, Billigaste väg-problemet Ex: Hitta billigaste väg från till 5 Varje båge som används orsakar kostnad Antag: inga cykler med negativ kostnad Kostnaden är exempelvis tid, avstånd, utsläpp Problemet är ett specialfall av minkostnads-flödesproblem Skicka en enhet från startnod till slutnod (Kan formuleras som ett LP!) ( min då x ij = flödet x ij x x ij ij om bågen ( i, j)används = î íì annars 3x 2 + x3 + x24 + x32 + 4x35 + 3x + x - x - x = - 2 x 2 x, heltal på 3 3 båge ( i, j) Kan i detta problem tolkas som - x x x - x x x - x )45 = = x45 = x35 + x45 = ³,( i, j) Î B, där B är bågmängden Ej nödvändigt - i c ij j
23 Trevlig helg!
TNK049 Optimeringslära
TNK49 Optimeringslära Clas Rydergren, ITN Föreläsning 7 Nätverksoptimering Billigaste uppspännande träd (MST) Billigaste väg (SP) Projektnätverk Minkostnadsflödesproblem Agenda Terminologi för grafer/nätverk
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 10
TNSL05 Optimering, Modellering och Planering Föreläsning 10 Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF
Läs merFöreläsning 10/11! Gruppuppgifter: Gruppuppgift 1: Alla har redovisat. Gruppuppgift 2: Alla har redovisat Gruppuppgift 3: På gång.
Föreläsning 10 Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF och Nätverkssimplex Föreläsning 10/11! Gruppuppgifter:
Läs merFlöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet
Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:
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 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 merFlöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet
Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:
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 merFlöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet. Specialfall av minkostnadsflödesproblemet. Slutsats.
Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:
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 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 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 merTNSL05, Optimering, Modellering och Planering Gruppuppgift 3
ITN/KTS Joakim Ekström/Marcus Posada Gruppuppgift 3 TNSL05, Optimering, Modellering och Planering, HT2018 TNSL05, Optimering, Modellering och Planering Gruppuppgift 3 1 Gruppspecifika uppgifter 1.1 Kursmomentet
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 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 merFöreläsningsanteckningar F6
Föreläsningsanteckningar F6 Martin Andersson & Patrik Falkman Kortaste vägen mellan en nod och alla andra noder Detta problem innebär att givet en graf G = (E,V) hitta den kortaste vägen över E från en
Läs merLaborationsinformation
Linköpings Tekniska Högskola 2017 03 16 Matematiska institutionen/optimeringslära Kaj Holmberg Laborationsinformation 1 VINEOPT: Visual Network Optimization 1.1 Introduktion VINEOPT är ett program för
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 merTAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y. Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.
Matematiska institutionen Optimeringslära TENTAMEN TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y Datum: 27 augusti 2013 Tid: 14-19 Hjälpmedel: Inga Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.
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 merFöreläsning 6: Nätverksoptimering
Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem
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 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 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 merTNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011
ITN/KTS Stefan Engevall/Joakim Ekström Kursinformation TNSL05, Optimering, Modellering och Planering, HT2011 TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011 1 Kursmål & innehåll 1.1 Mål med
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 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 merLaborationsinformation
Linköpings Tekniska Högskola 2015 08 25 Matematiska institutionen/optimeringslära Kaj Holmberg Laborationsinformation 1 VINEOPT: Visual Network Optimization 1.1 Introduktion VINEOPT är ett program för
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 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 merFöreläsning 6: Transportproblem (TP)
Föreläsning 6: Transportproblem (TP) 1. Transportproblem 2. Assignmentproblem Föreläsning 6 Ulf Jönsson & Per Enqvist 1 Transportproblem Transportproblem Varor ska transporteras från fabriker till varuhus:
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 mermin c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ:
Heltalsprogrammering Speciell användning av heltalsvariabler max z = då n c j x j j= n 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 mermin c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ:
Heltalsprogrammering Speciell användning av heltalsvariabler max z = då c j x j a ij x j b i 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 u j
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 26-6- Kaj Holmberg Lösningar Uppgift Hinkpackning (hink = tur med cykeln. Jag använder
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 merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 24 oktober 204 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs mer1 Minkostnadsflödesproblem i nätverk
Krister Svanberg, april 2012 1 Minkostnadsflödesproblem i nätverk Ett nätverk består av en given mängd noder numrerade från 1 till m (där m är antalet noder) samt en given mängd riktade bågar mellan vissa
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 merTNSL05 Optimering, Modellering och Planering. Föreläsning 1
TNSL05 Optimering, Modellering och Planering Föreläsning 1 2018-11-05 2 Föreläsning 1, dagordning Kursadministration Lärare Mål Kurshemsida Kursmoment Gruppindelningar Examination Litteratur Optimering
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 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 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 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 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: 1 januari 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
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 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 merFöreläsning 6 Datastrukturer (DAT037)
Föreläsning 6 Datastrukturer (DAT037) Fredrik Lindblad 1 15 november 2017 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt. Se http://www.cse.chalmers.se/edu/year/2015/course/dat037
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 18 januari 2019 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
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 merHemuppgift 1, SF1861 Optimeringslära, VT 2017
Hemuppgift 1, SF1861 Optimeringslära, VT 2017 Examinator: Krister Svanberg, tel: 790 7137, krille@math.kth.se. Labassistent: David Ek, daviek@kth.se, Lämnas i Matematiks svarta postlåda (SF) för inlämningsuppgifter,
Läs mer729G04 - Diskret matematik. Lektion 4
729G04 - Diskret matematik. Lektion 4 Ett generellt råd är att rita upp noder och bågar för graferna nedan. 1 Uppgifter 1.1 Vägar, stigar och annat 1. Vi ges den oriktade grafen G=(V,E), V = {a, b, c,
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 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 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 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 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 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 mer729G04: Inlämningsuppgift i Diskret matematik
729G04: Inlämningsuppgift i Diskret matematik Instruktioner Dessa uppgifter utgör del av examinationen i kursen 729G04 Programmering och diskret matematik. Uppgifterna ska utföras individuellt och självständigt,
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 28--24 Kaj Holmberg Uppgift Lösningar a: Målfunktionen är summan av konvexa funktioner (kvadrater och
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 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 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 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 merFöreläsning 6 Datastrukturer (DAT037)
Föreläsning 6 Datastrukturer (DAT037) Fredrik Lindblad 1 2016-11-17 1 Slides skapade av Nils Anders Danielsson har använts som utgångspunkt. Se http://www.cse.chalmers.se/edu/year/2015/course/dat037 Förra
Läs merFöreläsning Datastrukturer (DAT036)
Föreläsning Datastrukturer (DAT036) Nils Anders Danielsson 2013-11-13 Idag Grafer: Terminologi. Datastrukturer. Topologisk sortering. Kortaste vägen. Bredden först-sökning. Dijkstras algoritm. (Vi får
Läs merDe optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas. 1 2 xt Hx + c T x. minimera
Krister Svanberg, mars 2012 1 Introduktion De optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas på följande allmänna form: f(x) (1.1) x F, där x = (x 1,..., x n ) T
Läs merKaliningrad) låg vid bägge sidor av floden Pregel samt på
Grunder i matematik och logik (2018) Grafteori Marco Kuhlmann Grafteori är det område inom matematiken som undersöker egenskaper hos grafer. Inom grafteorin har begreppet graf en annan betydelse än graf
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 merFöreläsning 10. Grafer, Dijkstra och Prim
Föreläsning 10 Grafer, Dijkstra och Prim Föreläsning 10 Grafer Representation av grafer Dijkstras algoritm Implementation av Dijkstras algoritm Minimium spanning tree Broarna i Königsberg, Euler, 17 Grafer
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 merGrafer MST Top. sortering Starkt samm. komponenter Kortaste avstånd. Grafalgoritmer 1. Douglas Wikström KTH Stockholm
Grafalgoritmer 1 Douglas Wikström KTH Stockholm popup-help@csc.kth.se Oriktade och riktade grafer Definition. En oriktad graf består av en mängd noder V och en mängd kanter E, där en kant är ett oordnat
Läs merOptimering och simulering: Hur fungerar det och vad är skillnaden?
Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda
Läs merFöreläsning Datastrukturer (DAT037)
Föreläsning Datastrukturer (DAT037) Nils Anders Danielsson 2015-11-20 Idag Grafer: Terminologi. Datastrukturer. Topologisk sortering. Kortaste vägen. Bredden först-sökning. Dijkstras algoritm. (Vi får
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 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 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 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 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 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 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 merTekniska 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 2015-01-14 Kaj Holmberg Lösningar/svar Uppgift 1 1a: Givna data:
Läs merTNSL05 Övningsuppgifter modellering
TNSL05 Övningsuppgifter modellering 1) Ett företag tillverkar och säljer två olika typer av bord. Grundversionen, med skiva i trä, tar 0.6 timmar att sätta ihop, har fyra ben och säljs med 1500 kr i vinst.
Läs merFöreläsning 10. Grafer, Dijkstra och Prim
Föreläsning 10 Grafer, Dijkstra och Prim Föreläsning 10 Grafer Representation av grafer Dijkstras algoritm Implementation av Dijkstras algoritm Minimium spanning tree Läsanvisning och uppgifter Broarna
Läs merFöreläsning 10. Grafer, Dijkstra och Prim
Föreläsning 10 Grafer, Dijkstra och Prim Föreläsning 10 Grafer Representation av grafer Dijkstras algoritm Implementation av Dijkstras algoritm Minimium spanning tree Läsanvisning och uppgifter Broarna
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 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 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 merOptimeringslära 2013-11-01 Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 23-- Kaj Holmberg Uppgift a: Problemet skrivet i standardform är: Lösningar min
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: oktober 01 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
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 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 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 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 merFöreläsning 5: Grafer Del 1
2D1458, Problemlösning och programmering under press Föreläsning 5: Grafer Del 1 Datum: 2006-10-02 Skribent(er): Henrik Sjögren, Patrik Glas Föreläsare: Gunnar Kreitz Den här föreläsningen var den första
Läs merFöreläsningsanteckningar S6 Grafteori
HT 009 Tobias Wrigstad Introduktion till grafteori På den här föreläsningen tar vi upp elementär grafteori och försöker introducera termer och begrepp som blir viktigare i senare kurser. Subjektivt tycker
Läs mer