Olinjärt med Whats Best!

Storlek: px
Starta visningen från sidan:

Download "Olinjärt med Whats Best!"

Transkript

1 Olinjärt med Whats Best! WhatsBest har ett flertal olika lösare. Har vi ett linjärt problem känner den igen det och använder sig normalt av simplexmetoden, har vi olinjära problem har den ett flertal metoder som den testar. Ibland kan automatiken dock vara lite förvirrande. Vid olinjära problem är man ofta hänvisad till olika numeriska sökmetoder. De har dock nackdelen att de normalt endast hittar lokala optimum, så om vi har ett problem där vi kan tänka oss att det finns flera lokala optimum får man kolla om det är rätt lösning som hittats. Det finns flera olika typer av beslutsvariabler i WhatsBest! Adjustable Positivt reelt tal Skapas lättast via snabbknappen För mer info se sidan 17-0 (Make Adjustable), Free Integer Reelt tal som både kan vara positivt och negativt. WB! / Adjustable / Make Adjustable & Free, OBS man måste namnge områden med Free-variabler För mer info se sidan 19-0 ickenegativt heltal {0, 1,, 3..} WB! / Integer (välj General WBINT) OBS man måste namnge områden med Integer-variabler Se sidan Binary heltal, endast {0, 1} WB! / Integer (välj Binary WBBIN) OBS man måste namnge områden med Integer-variabler Se sidan WhatsBest arbetssätt: 1. Läser av excelfilen. Skapar en modell 3. Klassificerar problemet och väljer lösningsmetod 4. Löser problemet 5. Lagrar resultatet i excelfilen (beslutsvariabler) 6. Kontrollerar att excel räknar ut samma värde på målcellen. En konsekvens av detta är att WhatsBest måste förstå alla funktioner vi använder. Om WhatsBest stöter på en cell som den inte förstår hur den ska beräkna, varnar den och betraktar cellen som ett konstant värde som inte påverkas av beslutsvariablerna. Ofta får man också en varning om att WhatsBest och excel kommer fram till olika värden på målcellen. Ett exempel på en funktion som inte stöds är radians() (konvertering av grader till radianer) Exempel på funktion som stöds, men bör undvikas om möjligt är IF() Se kapitel 5 för tillåtna funktioner. 1

2 WhatsBest klassificerar ett problem som Linear (lättlösta problem) Quadratic (kräver licens som vi inte har) Nonlinear (är ofta lite trixiga) Alla tre ovan kan vara med eller utan tillägg för heltal. Heltalsproblem bygger i princip på att man testar alla möjliga kombinationer av heltal, men det görs enligt en metod som åtminstone tillsammans med linjära problem reducerar antalet kombinationer som måste testas avsevärt. Metoden kallas branch-and-bound. Framgången för olinjära problem beror mycket på hur man formulerar problemet. Bra startvärden kan vara avgörande för om WhatsBest ska hitta en tillåten lösning och rätt maximum. Vid en del felmeddelanden nollställs alla beslutsvariabler, så ofta får man en betydligt beskedligare modell om man formulerar modellen så att nollställda beslutsvariablerna ger en modell som är matematiskt korrekt. Om bivillkoren dessutom är uppfyllda fungerar det i allmänhet ännu bättre. Om vi tänker oss att vi har ett isolerat rör som ska dimensioneras: r1=rörets innerdiameter r=rörets ytterdiameter r3=isoleringens ytterdiameter Om man sätter r1, r och r3 som adjustable får vi ganska lätt problem om någon diameter är noll, eller om de ligger i fel ordning. Detta kan styras upp med olikheter, men det är betydligt snällare att formulera det liknande: r1=a1+0,001 r=r1+a+0,001 r3=r+a3+0,001 där a1, a och a3 är adjustable och 0,001 är ett för problemet relativt litet tal. Rekommenderar att ni läser igenom Guidlines for Modelling with WhatsBest! sidan Resten av kapitel 6 är också lärorikt. Rekommenderade exempel: Flow Network Modeling sid Seasonal sales factoring sid Blending sid

3 Låt oss lösa vårt gamla demo-problem från Lagrange, P8.7 Konvektionskoefficienten, h, ges av: h θ = D där D är diametern på en sfärisk reaktor och θ är temperaturskillnaden till omgivningen. Värmeförlusten ges av q = ha T s T ) ( a Den sfäriska reaktorns yta ges av: A = πd Pga hållfasthetskrav har vi villkoret: D θ = 75 Bestäm de D och som ger den minsta värmeförlusten. Vi startar excel och skriver in nedanstående: Diameter 1 Theta 1 h=,55 A= 3, Krav 1 75 q= 8, Cellerna till höger om Diameter och Theta sätter vi till ett godtyckligt numeriskt värde 1 Cellerna till höger om h=, A=, Krav och q= beräknas enligt de samband vi har. Cellen till vänster om 75 markeras och vi trycker sedan på villkorsknappen =. Sedan markerar vi de två godtyckliga cellerna och trycker på knappen Make adjustable Vi markerar cellen till höger om q= och trycker sedan på knappen Minimize Excelarket visar då följande: Diameter 1 Theta 1 h=,55 A= 3, Krav 1 Not = 75 q= 8, Nu är det dags att lösa problemet, vi trycker på knappen Solve (måltavlan) Whats Best skapar nu ett nytt kalkylblad, WB! Status, där den lägger en del information om lösningen: 3

4 What'sBest! (Apr 06, 006) - Library Status Report - DATE GENERATED: apr 10, :53 PM MODEL INFORMATION: CLASSIFICATION DATA Current Capacity Limits Numerics 5 Variables 7 Adjustables 000 Constraints Integers/Binaries 0/0 00 Nonlinears 4 00 Coefficients 14 Minimum coefficient value: 1 on Blad1!D8 Minimum coefficient in formula: Blad1!D8 Maximum coefficient value: 75 on <RHS> Maximum coefficient in formula: Blad1!E10 MODEL TYPE: Nonlinear SOLUTION STATUS: LOCALLY OPTIMAL OPTIMALITY CONDITION: SATISFIED OBJECTIVE VALUE: DIRECTION: Minimize SOLVER TYPE: Multistart TRIES: 10 INFEASIBILITY: 0 Den viktigaste informationen är Solution status: Locally Optimal Växlar vi över till kalkylbladet där vi matade in nyss, ser vi: Diameter 0,54945 Theta 136,4996 h= 6,55319 A= 0,94844 Krav 75 = 75 q= 809,839 Nu kan vi gå in i menyn WB! / Options / Global solver och sätta en bock framför Global Solver, OK. 4

5 Ett nytt tryck på knappen Solve-knappen ger efter några sekunder följande rapport: What'sBest! (Apr 06, 006) - Library Status Report - DATE GENERATED: apr 10, :59 PM MODEL INFORMATION: CLASSIFICATION DATA Current Capacity Limits Numerics 5 Variables 7 Adjustables 000 Constraints Integers/Binaries 0/0 00 Globals 4 10 Coefficients 14 Minimum coefficient value: 1 on Blad1!D8 Minimum coefficient in formula: Blad1!D8 Maximum coefficient value: 75 on <RHS> Maximum coefficient in formula: Blad1!E10 MODEL TYPE: Nonlinear SOLUTION STATUS: GLOBALLY OPTIMAL OPTIMALITY CONDITION: SATISFIED OBJECTIVE VALUE: DIRECTION: Minimize SOLVER TYPE: Global TRIES: INFEASIBILITY: 0 BEST OBJECTIVE BOUND: STEPS: 73 Nu anser Whats Best att den hittat ett globalt minimum! 5

6 Lämpliga övningsuppgifter: Övningsuppgifterna P1 och P3 från Lagrange. Exempel P8.7 löst med Lagrange: (för jämförelse) Konvektionskoefficienten, h, ges av: där D är diametern på en sfärisk reaktor h = θ D (1) Där vi har θ = Ts Ta () där T s är reaktorns yttemperatur och T a är omgivningstemperaturen. Värmeförlusten ges av q = ha T s T ) (3) där A = πd är ytan på den sfäriska reaktorn. ( a Pga hållfasthetskrav har vi villkoret: D θ = 75 (4) Bestäm de D och som ger den minsta värmeförlusten mha Lagrange multiplikatormetod. Målfunktionen som funktion av D och är U = haθ = ( θ D ) πd θ = πd θ πθ D 0.8 (5) med villkoret G = Dθ 75 (6) Langrange multipliers. U G λ = 4πθD πθ D + λθ = 0 D D (7) U G λ = πd πθ D + λd = 0 θ θ (8) (7)D -(8): πθD πθ D + λdθ πθd πθ D λdθ = 0 πθd = π 0.44π θ D (9) ( ) 8 θ = 75D : 150π D = ( π 0.44π ) 75 D (10) ( ) ( π 0.44π ) D = (11) 150π 1/ D = m 1 θ = 75D 75/ C U = πd θ πθ D 809.9W πθD πθ D λ = 1.8 W/m C θ Känslighetskoefficienten, λ, anger hur en förändring av talet 75 påverkar värmeförlusterna hos reaktorn. Heat transfer Diameter 6

4. Olinjärt med Whats Best!

4. Olinjärt med Whats Best! 4. Olinjärt med Whats Best! WhatsBest har ett flertal olika lösare. Har vi ett linjärt problem känner den igen det och använder sig normalt av simplexmetoden, har vi olinjära problem har den ett flertal

Läs mer

4. Olinjärt med What sbest!

4. Olinjärt med What sbest! 4. Olinjärt med What sbest! What sbest! har ett flertal olika lösare. Har vi ett linjärt problem känner den igen det och använder sig normalt av simplexmetoden, har vi olinjära problem har den ett flertal

Läs mer

4. Nonlinear problems with What s Best!

4. Nonlinear problems with What s Best! 4. Nonlinear problems with What s Best! What s Best! have a number of solvers. If we have a linear problem, it recognizes that and normally uses the simplex method. If we have a nonlinear problem it has

Läs mer

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst. Vad är optimering? Man vill hitta ett optimum, när något är bäst. Men att definiera vad som är bäst är inte alltid så självklart. När det gäller en motor kanske man vill maximera verkningsgraden för att

Läs mer

1. Vad är optimering?

1. Vad är optimering? . Vad är optimering? Man vill hitta ett optimum, när något är bäst, men att definiera vad som är bäst är inte alltid så självklart. För att kunna jämföra olika fall samt avgöra vad som är bäst måste man

Läs mer

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst.

När det gäller en motor kanske man vill maximera verkningsgraden för att hålla nere bränslekostnaden men inte till vilket pris som helst. Vad är optimering? Man vill hitta ett optimum när något är bäst. Men att definiera vad som är bäst är inte alltid så självklart. När det gäller en motor kanske man vill maximera verkningsgraden för att

Läs mer

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander &

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander   & MICROECONOMICS 2018 Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander www.lohmander.com & Peter@Lohmander.com NYTT MÖTE: Diskutera Ert förslag till lämpligt problem med kursledaren (Peter Lohmander)

Läs mer

Optimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition

Optimalitetsvillkor. 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 mer

SF1626 Flervariabelanalys

SF1626 Flervariabelanalys Föreläsning 9 Institutionen för matematik KTH VT 2018 1 Dagens program Extremvärdesproblem (största och minsta värde) kap 13.2 Extremvärdesproblem med bivillkor Lagranges multiplikatormetod kap 13.3 (+ev

Läs mer

Introduktion till att använda sig av GLPK

Introduktion till att använda sig av GLPK Introduktion till att använda sig av GLPK 1. Det finns inget grafiskt gränssnitt, som i Minitab eller Excel, utan man kör direkt i ett kommandofönster. 2. Programmet glpsol.exe och dess drivrutin (glpk44.dll-fil)

Läs mer

TNK049 Optimeringslära

TNK049 Optimeringslära TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 3 Problemklassificering Global/lokal optimalitet Konvexitet Generella sökmetoder Agenda Problemklassificering (kap 1.4, 2.1 2.3) Lokalt/globalt optimum

Läs mer

Olinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i

Olinjär 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 mer

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt.

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt. 1. Beräkna integralen medelpunkt i origo. SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen 218-3-14 D DEL A (x + x 2 + y 2 ) dx dy där D är en cirkelskiva med radie a och Lösningsförslag.

Läs mer

Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.

Optimeringslara = 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 mer

Richard Öhrvall, http://richardohrvall.com/ 1

Richard Öhrvall, http://richardohrvall.com/ 1 Läsa in data (1/4) Välj File>Open>Data Läsa in data (2/4) Leta reda på rätt fil, Markera den, välj Open http://richardohrvall.com/ 1 Läsa in data (3/4) Nu ska data vara inläst. Variable View Variabelvärden

Läs mer

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

TNSL05 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 mer

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Torsdag 28 maj 2010 kl

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Torsdag 28 maj 2010 kl Lösningsförslag till tentamen i SF86 Optimeringslära för T. Torsdag 28 maj 2 kl. 4. 9. Examinator: Per Enqvist, tel. 79 62 98. (a) Inför variablerna x = (x sr, x sm, x sp, x sa, x sd, x gr, x gm, x gp,

Läs mer

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Linjärprogramming. 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 mer

Optimering och simulering: Hur fungerar det och vad är skillnaden?

Optimering 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 mer

TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y. Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.

TAOP07/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 mer

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 1) Peter Lohmander &

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 1) Peter Lohmander   & MICROECONOMICS 2018 Mid Sweden University, Sundsvall (Lecture 1) Peter Lohmander www.lohmander.com & Peter@Lohmander.com BAKGRUND: Utdrag ur kursplanen: Industriell organisation och ekonomi GR (B), Mikroekonomisk

Läs mer

LP-dualitet: Exempel. Vårt första exempel. LP-dualitet: Relationer. LP-dualitet: Generellt

LP-dualitet: Exempel. Vårt första exempel. LP-dualitet: Relationer. LP-dualitet: Generellt Vårt första exempel Variabeldefinition: x 1 = antal enheter Optimus som görs varje timme. x 2 = antal enheter Rullmus som görs varje timme. Matematisk modell: max z = 4x 1 + 3x 2 då 2x 1 + 3x 2 30 (1)

Läs mer

Vårt första exempel. LP-dualitet: Exempel. LP-dualitet: Generellt. LP-dualitet: Relationer

Vårt första exempel. LP-dualitet: Exempel. LP-dualitet: Generellt. LP-dualitet: Relationer Vårt första exempel Variabeldefinition: x 1 = antal enheter Optimus som görs varje timme. x 2 = antal enheter Rullmus som görs varje timme. Matematisk modell: max z = 4x 1 + 3x 2 då 2x 1 + 3x 2 30 (1)

Läs mer

Speciell användning av heltalsvariabler. Heltalsprogrammering. Antingen-eller-villkor: Exempel. Speciell användning av heltalsvariabler

Speciell 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 mer

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Onsdag 25 augusti 2010 kl

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Onsdag 25 augusti 2010 kl Lösningsförslag till tentamen i SF86 Optimeringslära för T. Onsdag 25 augusti 2 kl. 4. 9. Examinator: Per Enqvist, tel. 79 62 98. (a) Vi har ett nätverksflödesproblem med 5 noder. Låt x = (x 2, x 3, x

Läs mer

Solutions to exam in SF1811 Optimization, June 3, 2014

Solutions to exam in SF1811 Optimization, June 3, 2014 Solutions to exam in SF1811 Optimization, June 3, 14 1.(a) The considered problem may be modelled as a minimum-cost network flow problem with six nodes F1, F, K1, K, K3, K4, here called 1,,3,4,5,6, and

Läs mer

Hemuppgift 2, SF1861 Optimeringslära för T, VT-10

Hemuppgift 2, SF1861 Optimeringslära för T, VT-10 Hemuppgift 2, SF1861 Optimeringslära för T, VT-1 Kursansvarig: Per Enqvist, tel: 79 6298, penqvist@math.kth.se. Assistenter: Mikael Fallgren, werty@kth.se, Amol Sasane, sasane@math.kth.se. I denna uppgift

Läs mer

Optimering Linjär programmering

Optimering Linjär programmering Optimering Linjär programmering Ett optimeringsprolem estår av: En målfunktion, f(), vars maimum, eller minimum ska sökas. En eller flera -varialer (eslutsvarialer som man str över). Eventuellt okså ett

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

7 Extremvärden med bivillkor, obegränsade områden

7 Extremvärden med bivillkor, obegränsade områden Nr 7, 1 mars -5, Amelia 7 Extremvärden med bivillkor, obegränsade områden Största och minsta värden handlar om en funktions värdemängd. Värdemängden ligger givetvis mellan det största och minsta värdet,

Läs mer

Lösningar till tentan i SF1861/51 Optimeringslära, 3 juni, 2015

Lösningar till tentan i SF1861/51 Optimeringslära, 3 juni, 2015 Lösningar till tentan i SF86/5 Optimeringslära, 3 juni, 25 Uppgift.(a) Första delen: The network is illustrated in the following figure, where all the links are directed from left to right. 3 5 O------O

Läs mer

Extrempunkt. Polyeder

Extrempunkt. Polyeder 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 mer

Linjärprogrammering (Kap 3,4 och 5)

Linjärprogrammering (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 mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/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 mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

Eulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.

Eulercykel. 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 mer

Vinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.

Vinsten (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 mer

1 Ickelinjär optimering under bivillkor

1 Ickelinjär optimering under bivillkor Krister Svanberg, maj 2012 1 Ickelinjär optimering under bivillkor Hittills har vi behandlat optimeringsproblem där alla variabler x j kunnat röra sig fritt, oberoende av varann, och anta hur stora eller

Läs mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Modul 4: Tillämpningar av derivata Institutionen för matematik KTH 22-23 september 2015 Översikt över några viktiga derivatatillämningar 1. Förändringstakt. Derivata mäter förändringstakt, till exemel

Läs mer

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/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 mer

LP-problem. Vårt första exempel. Baslösningar representerar extrempunkter. Baslösningar representerar extrempunkter

LP-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 mer

Examinator: Torbjörn Larsson Jourhavande lärare: Torbjörn Larsson, tel Tentamensinstruktioner. När Du löser uppgifterna

Examinator: Torbjörn Larsson Jourhavande lärare: Torbjörn Larsson, tel Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y Datum: 21 augusti 2012 Tid: 14-19 Hjälpmedel: Inga Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.

Läs mer

Preliminärt lösningsförslag till del I, v1.0

Preliminärt lösningsförslag till del I, v1.0 Preinärt lösningsförslag till del I, v1. Högskolan i Skövde SK) Tentamen i matematik Kurs: MA152G Matematisk Analys MA123G Matematisk analys för ingenjörer Tentamensdag: 215-8-18 kl 8.3-13.3 Hjälpmedel

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF626 Flervariabelanalys Lösningsförslag till tentamen 23-- DEL A. Bestäm en ekvation för tangentplanet i punkten (,, 2 till ellipsoiden 2x 2 +3y 2 +z 2 = 9. (4 p Lösning. Vi uppfattar ytan som nivåytan

Läs mer

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 23 augusti 2016 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:

Läs mer

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen 16-8-18 DEL A 1. Låt D vara det område ovanför x-axeln i xy-planet som begränsas av cirkeln x + y = 1 samt linjerna y = x och y =

Läs mer

Optimering. Optimering av transportproblem. Linköpings universitet SL. Campusveckan VT2013

Optimering. Optimering av transportproblem. Linköpings universitet SL. Campusveckan VT2013 Optimering Optimering av transportproblem Campusveckan VT2013 Linköpings universitet SL 1 Optimering - Distributionsproblem Företaget Kulprodukter AB producerar sina kulor vid fyra olika fabriksanläggningar

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

SF1626 Flervariabelanalys Tentamen Tisdagen den 10 januari 2017

SF1626 Flervariabelanalys Tentamen Tisdagen den 10 januari 2017 Institutionen för matematik SF626 Flervariabelanalys Tentamen Tisdagen den januari 27 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger maximalt

Läs mer

6 Derivata och grafer

6 Derivata och grafer 6 Derivata och grafer 6.1 Dagens Teori När vi plottar funktionen f(x) = x + 1x 99x 8 med hjälp av dosan kan man få olika resultat beroende på vilka intervall man valt. 00000 100000-00 -100 100 00-100000

Läs mer

Histogram, pivottabeller och tabell med beskrivande statistik i Excel

Histogram, pivottabeller och tabell med beskrivande statistik i Excel Histogram, pivottabeller och tabell med beskrivande statistik i Excel 1 Histogram är bra för att dem på ett visuellt sätt ger oss mycket information. Att göra ett histogram i Excel är dock rätt så bökigt.

Läs mer

Lösningsförslag till tentamen Tisdagen den 10 januari 2017 DEL A

Lösningsförslag till tentamen Tisdagen den 10 januari 2017 DEL A Institutionen för matematik SF66 Flervariabelanalys Lösningsförslag till tentamen Tisdagen den januari 7 DEL A. En partikel rör sig så att positionen efter starten ges av (x, y, z (t cos t, t sin t, t

Läs mer

Högskolan i Skövde (SK, YW) Svensk version Tentamen i matematik

Högskolan i Skövde (SK, YW) Svensk version Tentamen i matematik Högskolan i Skövde (SK, YW) Svensk version Tentamen i matematik Kurs: MA52G Matematisk Analys MA23G Matematisk analys för ingenjörer Tentamensdag: 2-5-5 kl 8.3-3.3 Hjälpmedel : Inga hjälpmedel utöver bifogat

Läs mer

Optimering med bivillkor

Optimering med bivillkor Kapitel 9 Optimering med bivillkor 9.1. Optimering med bivillkor Låt f(x) vara en funktion av x R. Vi vill optimera funktionen f under bivillkoret g(x) =C (eller bivllkoren g 1 (x) =C 1,..., g k (x) =C

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av SF166 Flervariabelanalys Lösningsförslag till tentamen 13-3-1 DEL A 1. En svängningsrörelse beskrivs av ( πx ) u(x, t) = A cos λ πft där amplituden A, våglängden λ och frekvensen f är givna konstanter.

Läs mer

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1.

Tentamen i tmv036c och tmv035c, Analys och linjär algebra C för K, Kf och Bt A =, = det(a λi) = e 2t + c 2. x(t) = c 1. = c 1. Institutionen för matematiska vetenskaper Chalmers tekniska högskola Niklas Eriksen Tentamen i tmv6c och tmv5c, Analys och linjär algebra C för K, Kf och Bt Lösningar 9--6. Lös initialvärdesproblemet x

Läs mer

TNK049 Optimeringslära

TNK049 Optimeringslära TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 9 Icke-linjär optimering Konveitet Metoder ör problem utan bivillkor Optimalitetsvillkor ör icke-linjära problem Icke-linjär programmering Non-linear

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF166 Flervariabelanalys Lösningsförslag till tentamen 15-6-4 DEL A 1. Funktionen f är definierad på området som ges av olikheterna x > 1/ och y > genom f(x, y) ln(x 1) + ln(y) xy x. (a) Förklara vad det

Läs mer

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Flöde 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 mer

Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik

Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Högskolan i Skövde (SK, JS) Svensk version Tentamen i matematik Kurs: MA152G Matematisk Analys MA123G Matematisk analys för ingenjörer Tentamensdag: 2012-03-24 kl 14.30-19.30 Hjälpmedel : Inga hjälpmedel

Läs mer

Tentamen i Matematik 2: M0030M.

Tentamen i Matematik 2: M0030M. Tentamen i Matematik 2: M0030M. Datum: 2010-01-12 Skrivtid: 09:00 14:00 Antal uppgifter: 6 ( 30 poäng ). Jourhavande lärare: Norbert Euler Telefon: 0920-492878 Tillåtna hjälpmedel: Inga Till alla uppgifterna

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/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 mer

För studenter i Flervariabelanalys Flervariabelanalys MA012B ATM-Matematik Mikael Forsberg

För studenter i Flervariabelanalys Flervariabelanalys MA012B ATM-Matematik Mikael Forsberg ATM-Matematik Mikael Forsberg 74-4 För studenter i Flervariabelanalys Flervariabelanalys MAB 8 Skrivtid: 9:-4:. Hjälpmedel är formelbladen från insidan av Pärmen i Adams Calculus, dessa formler bifogas

Läs mer

Lösningar till tentan i SF1861 Optimeringslära, 1 juni 2017

Lösningar till tentan i SF1861 Optimeringslära, 1 juni 2017 Lösningar till tentan i SF86 Optimeringslära, juni 7 Lösningarna är på svenska, utom lösningen av (a som är på engelska (a The considered network is illustrated in FIGURE below, where the supply at the

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/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 mer

Tentamensinstruktioner

Tentamensinstruktioner 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 mer

EXISTENS AV EN UNIK LÖSNING TILL FÖRSTAORDNINGENS BEGYNNELSEVÄRDESPROBLEM

EXISTENS AV EN UNIK LÖSNING TILL FÖRSTAORDNINGENS BEGYNNELSEVÄRDESPROBLEM EXISTENS AV EN UNIK LÖSNING TILL FÖRSTAORDNINGENS BEGYNNELSEVÄRDESPROBLEM Vi betraktar ett begnnelsevärdesproblem IVP, initial-value problem) av första ordningen som är skrivet på normal form IVP1) Man

Läs mer

Vinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.

Vinsten (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 mer

Avslutande föreläsning LGMA65

Avslutande föreläsning LGMA65 Avslutande föreläsning LGMA65 Innehåll Modulerna Modelleringscykeln Strategier för problemlösning Två exempel från uppgifterna Diskussion: För lite teori? Otydliga frågor Matematik vs. fysik Problemlösningsplan

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

Tentamensinstruktioner

Tentamensinstruktioner 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 mer

Optimering, exempel. Funktionens enda stationära punkt är alltså origo. Den ligger också i det inre av mängden.

Optimering, exempel. Funktionens enda stationära punkt är alltså origo. Den ligger också i det inre av mängden. Optimering, exempel Exempel 1 (optimering över kompakt mängd) Bestäm största och minsta värdet till funktionen f(x,y) = x 4 + y 4 + 4x 2 + 16 i cirkelskivan {x 2 + y 2 4}. Lösning: Cirkelskivan är kompakt

Läs mer

Laborationsinformation

Laborationsinformation Linköpings Tekniska Högskola 2017 03 16 Matematiska institutionen/optimeringslära Kaj Holmberg Laborationsinformation 1 Information om GLPK/glpsol 1.1 Introduktion till GLPK GLPK (GNU Linear Programming

Läs mer

samma sätt. Spara varje uppgift som separat Excelfil. För att starta Excel med Resampling-pluginet, välj Resampling Stats for Excel i Start-menyn.

samma sätt. Spara varje uppgift som separat Excelfil. För att starta Excel med Resampling-pluginet, välj Resampling Stats for Excel i Start-menyn. LABORATION 1: SANNOLIKHETER Lös Uppgift 1-8 nedan. Första uppgiften har ledning steg för steg, resterande uppgifter löser du på samma sätt. Spara varje uppgift som separat Excelfil. För att starta Excel

Läs mer

Tentamensinstruktioner

Tentamensinstruktioner TNSL05 1(7) TENTAMEN Datum: 21 april 2017 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,

Läs mer

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A SF166 Flervariabelanalys Lösningsförslag till tentamen 16-8-18 DEL A 1 Låt D vara det område ovanför x-axeln i xy-planet som begränsas av cirkeln x + y = 1 samt linjerna y = x oc y = x Beräkna x-koordinaten

Läs mer

min 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:

min 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 mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

Kaos i Hénon-Helies systemet

Kaos i Hénon-Helies systemet Kaos i Hénon-Helies systemet Projekt i Analytisk Mekanik Av: Christian Emanuelsson Karlstads universitet hösten 2011 Kaos i Hénon-Helies systemet Överblick: Introducera kaos Presentera Hénon-Helias Visualisera

Läs mer

Bo E. Sernelius Residuer och Poler 27

Bo E. Sernelius Residuer och Poler 27 Komple Analys Bo E Sernelius Residuer och Poler 7 RESIDUER OCH POLER I detta kapitel studerar vi de punkter där en funktion inte är analytisk Vi inför begreppet pol och lär oss räkna ut residuen i en pol

Läs mer

En introduktion till och första övning i @Risk5 for Excel

En introduktion till och första övning i @Risk5 for Excel LUNDS UNIVERSITET 1(6) STATISTISKA INSTITUTIONEN Per-Erik Isberg / Lars Wahlgren VT2012 En introduktion till och första övning i @Risk5 for Excel Vi har redan under kursen stiftat bekantskap med Minitab

Läs mer

min 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:

min 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 mer

MMA127 Differential och integralkalkyl II

MMA127 Differential och integralkalkyl II Mälardalens högskola Akademin för utbildning, kultur och kommunikation MMA17 Differential och integralkalkyl II Tentamen Lösningsförslag 9..19 8. 11. Hjälpmedel: Endast skrivmaterial (gradskiva tillåten).

Läs mer

TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 2

TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 2 Numerisk Analys - Institutionen för Matematik KTH - Royal institute of technology 218-5-28, kl 8-11 SF1547 TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 2 Rättas endast om del 1 är godkänd. Betygsgräns

Läs mer

z = min 3x 1 2x 2 + y Fixera y, vilket ger subproblemet

z = 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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/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 mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/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 mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 mer

SF1626 Flervariabelanalys Tentamen Tisdagen den 12 januari 2016

SF1626 Flervariabelanalys Tentamen Tisdagen den 12 januari 2016 Institutionen för matematik SF626 Flervariabelanalys Tentamen Tisdagen den 2 januari 26 Skrivtid: 8:-3: Tillåtna hjälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger

Läs mer

SF1626 Flervariabelanalys Tentamen Torsdagen den 18 augusti 2016

SF1626 Flervariabelanalys Tentamen Torsdagen den 18 augusti 2016 Institutionen för matematik SF166 Flervariabelanalys Tentamen Torsdagen den 18 augusti 16 Skrivtid: 8:-1: Tillåtna jälpmedel: inga Examinator: Mats Boij Tentamen består av nio uppgifter som vardera ger

Läs mer

Datorövning 1 Statistik med Excel (Office 2007, svenska)

Datorövning 1 Statistik med Excel (Office 2007, svenska) Datorövning 1 Statistik med Excel (Office 2007, svenska) I processövningen som ni ska genomföra ingår det att konstruera samt sammanställa en enkät. Denna sammanställning ska göras med hjälp av programmet

Läs mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/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 mer

SF1625 Envariabelanalys

SF1625 Envariabelanalys Föreläsning 10 Institutionen för matematik KTH 19 september 2016 Översikt över några viktiga derivatatillämningar 1. Förändringstakt. Derivata mäter förändringstakt, till exemel (men inte bara) hastighet.

Läs mer

TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 20

TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 20 Numerisk Analys - Institutionen för Matematik KTH - Royal institute of technology 2016-05-31, kl 08-11 SF1547+SF1543 TENTAMEN I GRUNDKURS I NUMERISKA METODER - DEL 20 Uppgift 1 Man vill lösa ekvationssystemet

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP33/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 mer

Tentamen TMA044 Flervariabelanalys E2

Tentamen TMA044 Flervariabelanalys E2 Tentamen TMA44 Flervariabelanalys E 4--3 kl. 8.3.3 Examinator: Peter Hegarty, Matematiska vetenskaper, halmers Telefonvakt: Elin Solberg, telefon: 73 88 34 Hjälpmedel: bifogat formelblad, ordlistan från

Läs mer

(a) Bestäm för vilka värden på den reella konstanten c som ekvationssystemet är lösbart. (b) Lös ekvationssystemet för dessa värden på c.

(a) Bestäm för vilka värden på den reella konstanten c som ekvationssystemet är lösbart. (b) Lös ekvationssystemet för dessa värden på c. UPPSALA UNIVERSITET Matematiska institutionen Jörgen Östensson Prov i matematik X, geo, frist, lärare LINJÄR ALGEBRA och GEOMETRI I 200 0 08 Skrivtid: 8.00.00. Tillåtna hjälpmedel: Skrivdon. Lösningarna

Läs mer

Tentamensinstruktioner

Tentamensinstruktioner 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 mer

Lösningsförslag till tentamen TMA043 Flervariabelanalys E2

Lösningsförslag till tentamen TMA043 Flervariabelanalys E2 Lösningsförslag till tentamen TMA4 Flervariabelanalys E2 21-8-1 kl. 8. 12. Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Anders Martinsson, telefon: 7 88 4 Hjälpmedel: bifogat

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer