Optimeringslära för T (SF1861)

Storlek: px
Starta visningen från sidan:

Download "Optimeringslära för T (SF1861)"

Transkript

1 Optimeringslära för T (SF1861) 1. Kursinformation 2. Exempel på optimeringsproblem 3. Introduktion till linjärprogrammering Introduktion - Ulf Jönsson & Per Enqvist 1 Linjärprogrammering

2 Kursinformation Kurs i grundläggande optimeringslära samt linjär algebra. Ämnet tillämpas inom till exempel Telekommunikation, t.ex. basstationsplacering Signalbehandling, t.ex. taligenkänning Reglerteknik, t.ex. banplanering Ekonomi, t.ex. portföljplanering Logistik, t.ex. product chain management Medicin, t.ex. strålningsterapiplanering Introduktion - Ulf Jönsson & Per Enqvist 2 Linjärprogrammering

3 Lärare Per Enqvist ( Johan Markdahl ( Johan Thunberg ( Introduktion - Ulf Jönsson & Per Enqvist 3 Linjärprogrammering

4 Kursmaterial Följande material säljs på Matematiks studentexpedition, Lindstedtsv 25. Optimization, av Amol Sasane och Krister Svanberg. Exempelsamling i Optimeringslära för T. Introduktion - Ulf Jönsson & Per Enqvist 4 Linjärprogrammering

5 Kommentar till OH bilderna Till de flesta föreläsningarna kommer det att finnas OH-bilder (tillgängliga efter föreläsningen på hemsidan). Dessa sammanfattar föreläsningen samt ger vissa komplement till kurslitteraturen. Det finns också läsanvisningar längst bak i OH-häftet. OH-bilderna är inte ekvivalenta med föreläsningarna. Jag passar på att tacka Ulf Jönsson för arbetet han lagt ner på OH-bilderna. Introduktion - Ulf Jönsson & Per Enqvist 5 Linjärprogrammering

6 Kursens hemsida På kursens hemsida finns 1. preliminärt schema 2. läsanvisningar 3. hemtalen och information om inlämningsdatum kommer att anslås på kursens hemsida. Introduktion - Ulf Jönsson & Per Enqvist 6 Linjärprogrammering

7 Hemuppgifter (HEM1 1.5 hp) Tre frivilliga hemuppgifter i Matlab delas ut under kursens gång. Hemtal 1: Linjär algebra. Hemtal 2: Strukturoptimering. Hemtal 3: Ljuddämparoptimering - i samarbete med Ljud och Vibrationer. Introduktion - Ulf Jönsson & Per Enqvist 7 Linjärprogrammering

8 Regler för hemtalspoäng Belöning för 0 X 12 hemtalspoäng X < 5 ger ingen belöning. 5 X 8 medför att deluppgift 1.(a) ej behöver lösas på tentamen. De 5 tentamenspoängen för 1.(a) erhålls ändå. Denna bonus gäller under ett år. X 9 medför att uppgift 1 ej behöver lösas på tentamen. De = 9 tentamenspoängen för uppgift 1 erhålls ändå. Denna bonus gäller för all framtid. Den student som erhåller minst 9 hemtalspoäng blir inrapporterad godkänd på momentet HEM1. Den student som INTE erhåller minst 9 hemtalspoäng blir ändå inrapporterad godkänd på momentet HEM1 den dag han/hon blir godkänd på tentamen och får momentet TEN1 inrapporterat. Introduktion - Ulf Jönsson & Per Enqvist 8 Linjärprogrammering

9 Tentamen Maximalt resultat på tentamen är 50 poäng. Preliminära betygsgränser: Betyg A B C D E FX Poäng Vid tentamen delas en kortfattad formelsamling ut. Inga andra hjälpmedel är tillåtna. Ingen räknare på tentan! Ordinarie tentamen är Tisdagen den 24:e maj. Anmälan till tentamen är obligatorisk och kan göras via Mina Sidor mellan den 18:e april och 8:e maj. Introduktion - Ulf Jönsson & Per Enqvist 9 Linjärprogrammering

10 Kursmoment 1. Linjär optimering 2. Linjär algebra 3. Kvadratisk optimering 4. Olinjär optimering utan bivillkor 5. Olinjär optimering med bivillkor Introduktion - Ulf Jönsson & Per Enqvist 10 Linjärprogrammering

11 Tre exempel på optimeringsproblem 1. Nätverksoptimering Linjärprogrammeringsproblem 2. Linjär regression (modellanpassing) Kvadratiskt optimeringsproblem 3. Trafikreglering i kommunikationssystem Olinjärt optimeringsproblem med bivillkor Introduktion - Ulf Jönsson & Per Enqvist 11 Linjärprogrammering

12 Nätverksoptimering 40 1 x 13 /c x 35 /c 35 x 12 /c 12 x 23 /c 23 x 34 /c x 24 /c x 45 /c 45 Data skall skickas från datorer i nod 1 och 2 till datorer i nod 3, 4, och 5. Kostnaden för trafik i länken mellan nod i och j är c ij Kr/Kbyte. Datatrafiken från nod i till nod j betecknas x ij och mäts i Kbyte. Vi vill minimera kostnaden för datatrafiken. Introduktion - Ulf Jönsson & Per Enqvist 12 Linjärprogrammering

13 Nätverksoptimering Resulterande optimeringsproblem minimera c ij x ij alla bågar då x 12 + x 13 = 40 x 12 + x 23 + x 24 = 35 x 13 x 23 + x 34 + x 35 = 30 x 24 x 34 + x 45 = 25 x 35 x 45 = 20 x ij 0, alla bågflöde Introduktion - Ulf Jönsson & Per Enqvist 13 Linjärprogrammering

14 Linjär regression (modellanpassing) e(t) s(t) y(t) System Problem: Anpassa en linjär regressionsmodell till mätdata. Regressionsmodellen : y(t) = n j=1 α j ψ j (t) ψ j (t), j = 1,...,n är regressorerna (kända funktioner) α j = j = 1,...,n är modellparametrarna (skall bestämmas) e(t) mätbrus (ej känd) s(t) observationer - uppmätta data. Introduktion - Ulf Jönsson & Per Enqvist 14 Linjärprogrammering

15 Idé för modellanpassning: Minimera kvadratsumman av prediktionsfelen minimera 1 2 m n ( i=1 j=1 α j ψ j (t) s(t i )) 2 Detta är ett minsta kvadratproblem. Speciell typ av kvadratiskt optimeringsproblem. Introduktion - Ulf Jönsson & Per Enqvist 15 Linjärprogrammering

16 Trafikreglering i kommunikationssystem Vi betraktar ett kommunikationsnätverk bestående av två länkar. Tre källor skickar data över nätverket till tre olika destinationer. Källa 1 Destination 1 Länk 1 Länk 2 Källa 2 Destination2 Källa 3 Destination 3 Källa 1 använder båda länkarna. Källa 2 använder länk 1. Källa 3 använder länk 2. Introduktion - Ulf Jönsson & Per Enqvist 16 Linjärprogrammering

17 Länk 1 har kapaciteten 2 (normaliserad storhet [datamängd/sek]) Länk 2 har kapaciteten 1 De tre källorna sänder med datahastigheterna x r, r = 1, 2, 3. De tre källorna har varsin nyttofunktion U r (x), r = 1, 2, 3. Ett vanligt val av nyttofunktion är U r (x r ) = w r log(x r ). För effektivt och rättvist uttnyttjande den tillgängliga kapaciteten väljer man datahastigheterna enligt följande optimeringskriterium maximera U 1 (x 1 ) + U 2 (x 2 ) + U 3 (x 3 ) då x 1 + x 2 2 x 1 + x 3 1 x 1 0, x 2 0, x 3 0 Introduktion - Ulf Jönsson & Per Enqvist 17 Linjärprogrammering

18 Introduktion till linjärprogrammering (LP) 1. Formulering av exempelproblem 2. Tillåten lösning och optimalitet 3. Grafisk illustration av tillåtenhet och optimalitet 4. Introduktion av simplexmetoden 5. Några höjdpunkter inom LP teorin Introduktion - Ulf Jönsson & Per Enqvist 18 Linjärprogrammering

19 Formulering av exempelproblem Ett företag producerar två produkter P 1 och P 2 Maskinerna M 1 och M 2 används vid produktion av såväl P 1 som P 2 Produktionskapaciteten för maskinerna [dygn/enhet]: M 1 a 11 = 1 40 a 12 = 1 60 M 2 P1 P2 a 21 = 1 50 a 22 = 1 50 Priset för produkterna [KKr/enhet]: produkt pris P 1 c 1 = 200 P 2 c 2 = 400 Mål: Bestäm produktionsvolymen så att företagets profit maximeras. Introduktion - Ulf Jönsson & Per Enqvist 19 Linjärprogrammering

20 Låt x k antal enheter av produkt P k som produceras per dygn, k = 1, 2. Den maximala profiten erhålls som lösningen till följande optimeringsproblem: maximera 200x x 2 då 1 40 x x x x x k 0, k = 1, 2 Introduktion - Ulf Jönsson & Per Enqvist 20 Linjärprogrammering

21 Kompakt formulering: max c T x då Ax b, x 0 (1) där A = , b = 1, c = Optimeringsproblemet (1) är ett linjärprogrammeringsproblem: Linjär kostnadsfunktion c T x Linjära bivillkor Ax b och x 0 (komponentvisa olikheter) Introduktion - Ulf Jönsson & Per Enqvist 21 Linjärprogrammering

22 Tillåten lösning och optimalitet Det tillåtna området till (1) ges av F = {x : Ax b; x 0} Varje punkt x F kallas tillåten Punkten ˆx F kallas optimal om c T ˆx c T x, för alla x F. Introduktion - Ulf Jönsson & Per Enqvist 22 Linjärprogrammering

23 Grafisk illustration av tillåtenhet och optimalitet En olikhet av typen a T k x b k, k = 1, 2 svarar mot ett halvplan a a T 1 x b x 2 = 3 2 x Här är a T 1 = [ 1 40 ] 1, b 60 1 = 1 Introduktion - Ulf Jönsson & Per Enqvist 23 Linjärprogrammering

24 Tillåtna området till vårt exempelproblem blir en polyheder med fyra hörn 60 x x 1 Introduktion - Ulf Jönsson & Per Enqvist 24 Linjärprogrammering

25 Målfunktionen illustreras bäst med isokostlinjer c T x = z. I vårt exempel svarar detta mot linjen x 2 = c 1 c 2 x 1 + z c 2 = 0.5x 1 + z x c x 2 = 0.5x x 1 Introduktion - Ulf Jönsson & Per Enqvist 25 Linjärprogrammering

26 x 2 c ˆx x 2 = 0.5x x 1 Vi ser att optimum antages i hörnet ˆx = (0, 50) Optimalvärdet blir ẑ = c T ˆx = Introduktion - Ulf Jönsson & Per Enqvist 26 Linjärprogrammering

27 Man kan visa följande sats Sats 1. Om det finns en optimal lösning till maximera c T x då Ax b, x 0 så finns det en optimal hörnlösning. Satsen visar att det räcker att leta bland hörnpunkterna när man löser optimeringsproblemet. Vi kommer senare att ge en precis algebraisk mening åt begreppet hörnpunkt. Introduktion - Ulf Jönsson & Per Enqvist 27 Linjärprogrammering

28 Introduktion till simplexmetoden Bestäm initial hörnpunkt Är hörnpunkten optimal? Ja KLART Nej Finn bättre intilliggande hörnpunkt I algoritmen söker man alltid utefter en kant som utgår från det hörn som man befinner sig i. Introduktion - Ulf Jönsson & Per Enqvist 28 Linjärprogrammering

29 60 x 2 60 x x x 1 Alternativ 1 Alternativ 2 Hur väljer man kortaste vägen? Introduktion - Ulf Jönsson & Per Enqvist 29 Linjärprogrammering

30 Det finns ingen effektiv algoritm som garanterat hittar kortaste vägen till optimum. Simplexalgoritmen finner i allmänhet en kort väg till optimum. Väljer vad som (lokalt) verkar vara bästa vägen. Hur vet man att man hittat optimum? Introduktion - Ulf Jönsson & Per Enqvist 30 Linjärprogrammering

31 Simplexalgoritmens val av riktning 60 x d 1 θ 2 c θ 1 d 2 x Det är lokalt bättre att gå längs kanten med enhetsrikting d 1 än att gå längs kanten med enhetsrikting d 2. Detta följer eftersom c T d 1 = c d 1 }{{} =1 cos(θ 1 ) > c d 2 cos(θ }{{} 2 ) = c T d 2 =1 Introduktion - Ulf Jönsson & Per Enqvist 31 Linjärprogrammering

32 x Stoppkriterium c d 1 d x 1 Vi har nått optimala hörnpunkten då c T d 1 0 c T d 2 0 Introduktion - Ulf Jönsson & Per Enqvist 32 Linjärprogrammering

33 Simplexalgoritmen: Höjdpunkter de kommande veckorna Vårt geometriska resonemang ger intuition men måste ersättas med linjär algebra för numerisk implementation. Hörnpunkter och kantriktingar erhålls som lösningar till linjära ekvationssystem. Dualitet: Till varje linjärt optimeringsproblem finns ett dualt linjärt optimeringsproblem. Dualen ger ny insikt och används för att härleda optimalitetsvillkor. Tillämpningar: Diet problem, transportproblem, lagerstyrning, nätverksoptimering. Introduktion - Ulf Jönsson & Per Enqvist 33 Linjärprogrammering

34 Kommentar Exemplet är taget från An Introduction to Linear Programming and the Simplex Algorithm En www kurs som finns på adressen spyros/lp/lp.html Introduktion - Ulf Jönsson & Per Enqvist 34 Linjärprogrammering

35 LP-problem på standardform minimera då n c j x j j=1 n a ij x j = b i, i = 1,...,m j=1 x j 0, j = 1,...,n = minimera c T x då Ax = b x 0 där A = a a 1n., b = b 1., c = c 1., x = x 1. a m1... a mn b m c n x n Introduktion - Ulf Jönsson & Per Enqvist 35 Linjärprogrammering

36 Det antages att A har linjärt oberoende rader. Annars kan man reducera problemet genom att ta bort rader. Vi antar att n > m, vilket betyder att linjära bivillkoret är underbestämt. Om n m finns i allmänhet antingen en unik lösning ingen lösning varvid optimeringsproblemet är ointressant Alla linjära optimeringsproblem kan överföras till standardformen. Vi kommer härleda en simplexalgoritm för LP på standardform. Introduktion - Ulf Jönsson & Per Enqvist 36 Linjärprogrammering

37 Knep för att transformera godtyckligt LP-problem till standardformen maxc T x = min( c) T x Inför slack- respektive surplusvariabler vid olikhetsbivillkor n n a ij x j b i ersätts av a ij x j + x n+1 = b i, j=1 j=1 där x n+1 0 är så kallade slack-variabler. n n a ij x j b i ersätts av a ij x j x n+1 = b i, j=1 j=1 där x n+1 0 är så kallade surplus-variabler. En variablel x k som inte är teckenbegränsad kan ersättas med differensen x k = x k x k, där x k,x k 0. Introduktion - Ulf Jönsson & Per Enqvist 37 Linjärprogrammering

38 Några vanliga former på LP-problem Form Primal Dual Standardformen minimera c T x då Ax = b maximera b T y då A T y c x 0 Kanoniska formen minimera c T x då Ax b x 0 maximera b T y då A T y c y 0 Pedagogiska formen minimera c T x då Ax b maximera b T y då A T y = c y 0 Introduktion - Ulf Jönsson & Per Enqvist 38 Linjärprogrammering

39 Läsanvisningar Kapitel 1 (1.4 kursivt) Kapitel 2 Kapitel 3 Introduktion - Ulf Jönsson & Per Enqvist 39 Linjärprogrammering

40 60 x x1 Starting point Givet startpunkten, om x 2 maximeras, var är då det globala optimat och vilken väg skulle Simplex Algoritmen välja? Introduktion - Ulf Jönsson & Per Enqvist 40 Linjärprogrammering

41 Standard form Givet optimeringsproblemet maximize x 1 s.t. x 1 x 2, x 2 + 3x 3 = 2, x 1 0,x 3 0. Skriv det på standardform, min c T x, sådant att Ax = b och x 0. Introduktion - Ulf Jönsson & Per Enqvist 41 Linjärprogrammering

Föreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.

Föreläsning 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 mer

Föreläsning 7: Kvadratisk optimering. 4. Kvadratisk optimering under linjära bivillkor

Föreläsning 7: Kvadratisk optimering. 4. Kvadratisk optimering under linjära bivillkor Föreläsning 7: Kvadratisk optimering 1. Kvadratisk optimering utan bivillkor 2. Positivt definita och semidefinita matriser 3. LDL T faktorisering 4. Kvadratisk optimering under linjära bivillkor 5. Minsta

Läs mer

1 Duala problem vid linjär optimering

1 Duala problem vid linjär optimering Krister Svanberg, april 2012 1 Duala problem vid linjär optimering Detta kapitel handlar om två centrala teoretiska resultat för LP, nämligen dualitetssatsen och komplementaritetssatsen. Först måste vi

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

Lösningar till 5B1762 Optimeringslära för T, 24/5-07

Lösningar till 5B1762 Optimeringslära för T, 24/5-07 Lösningar till 5B76 Optimeringslära för T, 4/5-7 Uppgift (a) Först använder vi Gauss Jordans metod på den givna matrisen A = Addition av gånger första raden till andra raden ger till resultat matrisen

Läs mer

Tentamensinstruktioner

Tentamensinstruktioner 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 mer

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 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 mer

Föreläsning 6: Nätverksoptimering

Föreläsning 6: Nätverksoptimering Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem

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

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

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

Hemuppgift 1, SF1861 Optimeringslära för T

Hemuppgift 1, SF1861 Optimeringslära för T Hemuppgift 1, SF1861 Optimeringslära för T Examinator: Per Enqvist, tel: 790 6298, penqvist@math.kth.se. Assistenter: Amol Sasane, sasane@math.kth.se, Mikael Fallgren, werty@kth.se. Lämnas in till någon

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

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

Lösningar till SF1861 Optimeringslära, 28 maj 2012

Lösningar till SF1861 Optimeringslära, 28 maj 2012 Lösningar till SF86 Optimeringslära, 28 maj 202 Uppgift.(a) Då det primala problemet P är så är det motsvarande duala problemet D minimera 3x + x 2 då 3x + 2x 2 6 x + 2x 2 4 x j 0, j =, 2. maximera 6 +

Läs mer

De optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas. 1 2 xt Hx + c T x. minimera

De 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 mer

1(8) x ijt = antal mobiltelefoner av typ i=1,,m, Som produceras på produktionslina 1,, n, Under vecka t=1,,t.

1(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 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

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011

TNSL05, 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 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

1 LP-problem på standardform och Simplexmetoden

1 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 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

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 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

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 TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 16 mars 010 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Kombinatorisk

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 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

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 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

Tentamensinstruktioner. Vid skrivningens slut

Tentamensinstruktioner. Vid skrivningens slut Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN1 OPTIMERINGSLÄRA GRUNDKURS för I och Ii Datum: 13:e januari 2011 Tid: 8.00 13.00 Hjälpmedel: Kurslitteratur av Lundgren m fl: Optimeringslära

Läs mer

Hemuppgift 1, SF1861 Optimeringslära, VT 2017

Hemuppgift 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 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

TENTAMEN. Tentamensinstruktioner. Datum: 30 augusti 2018 Tid: 8-12

TENTAMEN. 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 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

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 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: MIO310 OPTIMERING

Läs mer

TNK049 Optimeringslära

TNK049 Optimeringslära TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 6 Det duala problemet Relationer primal dual Optimalitetsvillkor Nätverksoptimering (introduktion) Agenda Motivering av det duala problemet (kap 6.)

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER för M/EMM Datum: oktober 0 Tid:.00-9.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

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

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

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

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken

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

5B1817 Tillämpad ickelinjär optimering. Kvadratisk programmering med olikhetsbivillkor Active-set metoder

5B1817 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 mer

Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013

Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013 Lösningar till SF86/SF85 Optimeringslära, 4/5 03 Uppgift (a) Inför de 3 variablerna x ij = kvantitet (i sorten ton) som fabrik nr i åläggs att tillverka av produkt nr j, samt t = tiden (i sorten timmar)

Läs mer

1 Kvadratisk optimering under linjära likhetsbivillkor

1 Kvadratisk optimering under linjära likhetsbivillkor Krister Svanberg, april 0 Kvadratisk optimering under linjära likhetsbivillkor I detta kapitel behandlas följande kvadratiska optimeringsproblem under linjära likhetsbivillkor: xt Hx + c T x + c 0 då Ax

Läs mer

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 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 mer

1 Konvexa optimeringsproblem grundläggande egenskaper

1 Konvexa optimeringsproblem grundläggande egenskaper Krister Svanberg, april 2012 1 Konvexa optimeringsproblem grundläggande egenskaper Ett optimeringsproblem är i viss mening godartat om det tillåtna området är en konvex mängd och den målfunktion som ska

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. Tentamensinstruktioner. När Du löser uppgifterna

TAOP33/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 mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

Linjär algebra F1 Ekvationssystem och matriser

Linjär algebra F1 Ekvationssystem och matriser Information Ekvationer Ekvationssystem Matriser Linjär algebra F1 Ekvationssystem och matriser Pelle 2016-01-18 Information Ekvationer Ekvationssystem Matriser kursfakta hemsida frågelåda Fakta om Linjär

Läs mer

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. 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 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 KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: 17 januari 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering.

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 mars 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Lösningar till SF1852 Optimeringslära för E, 16/1 08

Lösningar till SF1852 Optimeringslära för E, 16/1 08 Lösningar till SF8 Optimeringslära för E, 6/ 8 Uppgift (a) Problemet är ett transportproblem, ett specialfall av minkostnadsflödesproblem Nätverket består av 7 st noder A,B,C,P,Q,R,S, alternativt kallade,,,7,

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

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016 Lösningar till tentan i SF86 Optimeringslära, 3 Juni, 6 Uppgift (a) We note that each column in the matrix A contains one + and one, while all the other elements in the column are zeros We also note that

Läs mer

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010

TNSL05, 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 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

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

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

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 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: MIO310 OPTIMERING

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna

TAOP61/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 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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/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 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

Hemuppgift 1, SF1861 Optimeringslära, VT 2016

Hemuppgift 1, SF1861 Optimeringslära, VT 2016 Hemuppgift 1, SF1861 Optimeringslära, VT 2016 Examinator: Krister Svanberg, tel: 790 7137, krille@math.kth.se. Labassistent: David Ek, daviek@kth.se, Lämnas in till någon av oss senast tisdag 19 april

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

BML131, Matematik I för tekniskt/naturvetenskapligt basår

BML131, Matematik I för tekniskt/naturvetenskapligt basår BML131 ht 2013 1 BML131, Matematik I för tekniskt/naturvetenskapligt basår Syfte och organisation Matematiken på basåret läses i två obligatoriska kurser; under första halvan av hösten BML131 (Matematik

Läs mer

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2009-01-16. DAG: Fredag 16 januari 2009 TID: 14.00-18.

Institutionen för Matematik TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA671 2009-01-16. DAG: Fredag 16 januari 2009 TID: 14.00-18. Institutionen för Matematik Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F, TMA67 9--6 DAG: Fredag 6 januari 9 TID: 4. - 8. SAL: V Ansvarig: Ivar Gustafsson, tel: 77 94 Förfrågningar: Ivar Gustafsson

Läs mer

Optimeringslära 2013-11-01 Kaj Holmberg

Optimeringslära 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 mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/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 mer

TNSL05 Optimering, Modellering och Planering. Föreläsning 2: Forts. introduktion till matematisk modellering

TNSL05 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 mer

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA671 2015-04-18 Institutionen för Matematiska Vetenskaper Göteborg TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F/TM, TMA67 5-4-8 DAG: Lördag 8 april 5 TID: 8.3 -.3 SAL: V Ansvarig: Ivar Gustafsson, tel: 75-33545 Förfrågningar:

Läs mer

SF1646, Analys i era variabler, 6 hp, för I1, läsåret 2007.2008.

SF1646, Analys i era variabler, 6 hp, för I1, läsåret 2007.2008. SF1646, Analys i era variabler, 6 hp, för I1, läsåret 2007.2008. Anders Karlsson, Inst för Matematik, KTH January 22, 2008 Kursinnehåll: Grundläggande kurs i di erential- och integralkalkyl i era variabler.

Läs mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

TNSL05 Optimering, Modellering och Planering. Föreläsning 4

TNSL05 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 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

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722)

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722) Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722) Februari 2004 Avdelningen för Optimeringslära och Systemteori Institutionen för Matematik Kungliga Tekniska Högskolan Stockholm Allmän information

Läs mer

Hållfasthetslära Z2, MME175 lp 3, 2005

Hållfasthetslära Z2, MME175 lp 3, 2005 Hållfasthetslära Z2, MME175 lp 3, 2005 Examinator: Magnus Ekh (mekh@am.chalmers.se), tele: 7723479 Kurspoäng: 3 Kurslitteratur: "Grundläggande hållfasthetslära", Hans Lundh, KTH, Stockholm. "Exempelsamling

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

Föreläsning 6: Transportproblem (TP)

Föreläsning 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 mer

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS Datum: 22 maj 2012 Tid: 8 12, TP56 Hjälpmedel: Ett A4-blad med text/anteckningar (båda sidor) samt miniräknare. Antal uppgifter: 5; Vardera uppgift kan ge 5p.

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 OPTIMERING FÖR INGENJÖRER Datum: 0 oktober 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

Tentamensinstruktioner

Tentamensinstruktioner 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 mer

SF1513 (tidigare DN1212) Numeriska metoder och grundläggande programmering. för Bio3, 9 hp (högskolepoäng)

SF1513 (tidigare DN1212) Numeriska metoder och grundläggande programmering. för Bio3, 9 hp (högskolepoäng) Kursöversikt numpbio, 2013. 1 Beatrice Frock KTH Matematik, 130620 SF1513 (tidigare DN1212) Numeriska metoder och grundläggande programmering för Bio3, 9 hp (högskolepoäng) Kursprogram 6 Design i Matlab

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. Tentamensinstruktioner. När Du löser uppgifterna

TAOP33/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 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