Optimering på dator. Laborationsinstruktion Systemanalysgruppen, 1998 Uppsala universitet. Handledarens kommentarer.
|
|
- Ulf Lind
- för 8 år sedan
- Visningar:
Transkript
1 Laborationsinstruktion Systemanalysgruppen, 1998 Uppsala universitet Optimering på dator Namn Handledarens kommentarer Grupp Inskrivningsår Utförd den Godkänd den Signum Leif Gustafsson 1985 Thomas Persson 1995 Håkan Lanshammar 1998
2
3 Inledning Denna laboration/inlämningsuppgift avser att visa hur praktiskt arbete med optimering på dator kan gå till. Utgångspunkten är att du behöver lösa vissa optimeringsproblem och därför har fått tillgång till lämplig programvara. Det är nu din uppgift att sätta dig in i hur denna fungerar och med hjälp av denna lösa dina problem. Uppgifterna behandlar LP- och IP-problem samt ger en del ny kunskap. Den programvara som ska användas är Microsoft Excel Solver. Detta är ett optimeringspaket utvecklat av Frontline Systems, Inc. Man hittar den under Tools i Excel, och detta program finns också för de andra kalkylprogrammen Lotus 123 och Borland Quattro Pro. Här nedan ges en kort introduktion till hur Solver används. Mer information finns i Excels hjälpsystem och på Frontline s www-hemsida: Som exempel löser vi problemet: Max( f ) = 20x + 20x x1 + 2x2 80 3x 1 + 2x2 120 x1, x2 0 Generellt på matrisform: T Max( f ) = c x Ax b x Problemet kan skrivas in i Excel: A B C D E F 1 x1 x2 2 Variabler Värde 4 Kriterium c Bivillkor A Värdekolumnen (F) innehåller aktuellt värde på kriteriefunktionen respektive bivillkoren. Detta kan lämpligen skrivas med funktionen SUMPRODUCT. I cellen F4 står =SUMPRODUCT(C$2:D$2;C4:D4). Denna kan sedan kopieras till 1
4 F6 och F7. ($-tecknet ger en absolut referens, och ligger fast vid kopiering, medan t ex C4 flyttar med vid kopieringen). Starta nu Solver som finns i Tools-menyn. Följande fönster dyker upp: Här fylls nödvändig information i: Set Target Cell: $F$4 By changing: $C$2:$D$2 Subject to the constraints: $C$2:$D$2>=0 $F$6<=80 $F$7<=120 Under Options kan man ställa in att problemet är ett LP-problem, vilket gör att Simplexmetoden används. Om en eller flera variabler är heltal, så lägger man till ett bivillkor att variabeln är av typ Int (Olikhetstecknet ersätts med int). När problemet väl är definierat trycker man på Solve I ovanstående exempel får man: A B C D E F 1 x1 x2 2 Variabler Värde 4 Kriterium c Bivillkor A För att studera lösningen och analysera denna väljer man olika Rapporter, Reports: Answer, Sensitivity, Limits Samtliga filer du skapar hamnar på C:\STUDENT. Om du vill spara dem kan du kopiera dem därifrån till en egen diskett på två sätt: 1. I DOS: Skriv copy C:\STUDENT\FILNAMN A: 2. I Windows: Använd filhanteraren (Explorer) För godkänd uppgift krävs att uppgifterna är gjorda och ifyllda. Uppgifterna ska vara redovisade i snyggt och LÄSBART skick. 2
5 3
6 Uppgift 1 a) Lös problemet max f = x + 2x 1 2 då 1.5x 1 + 2x 2 6 x 1 + 4x x 1 + 6x 2 15 x 1 + x 2 1 x 1,x 2 0 b) Rita en figur över bivillkoren och markera var max ligger. c) Vilket bivillkor begränsar ej det tillåtna området, och kan således tas bort? 4
7 Uppgift 2 a) Lös problemet max f = 2x + 3x x x då x 1 + x 2 + x 3 2x 4 4 x 1 + x 2 + x 3 x 4 1 x 1 + x 4 3 x 1, x 2, x 3, x 4 0 b) Konstruera det duala problemet och skriv ner detta samt ange lösningen. c) Jämför den optimala lösningen till det duala problemet med den optimala lösningen erhållen i uppgift a). Kommentar:... 5
8 Uppgift 3 Formulera följande blandningsproblem som ett LP-problem och använd Excel Solver för att lösa det. Antag att en tillverkare av kreatursfoder vill framställa en produkt med följande egenskaper. Min Max Megakalorital Råproteinhalt Växttrådhalt I produkten får råvaror användas enligt nedanstående tabell. Råvara Min inblandningsprocent Havre Soja Rapsmjöl 2 9 Kokos Bomull 0 3 Max inblandningsprocent Pris och innehåll för råvarorna framgår av följande tabell. Råvara Pris (kr/dt) Mkalori Råprotein Växttråd Havre Soja Rapsmjöl Kokos Bomull Vi skall beräkna ett recept som uppfyller produktkraven till lägsta kostnad. Problemet kan då formuleras på följande sätt. 6
9 Vi inför variabler. xh = andelen havre i receptet xs = andelen soja i receptet osv... Blandningens råproteinhalt kan då uttryckas som 11xH + 40xS + 32xR + 20xK + 35xB Villkoret på råproteinhalten ger följande: xH + 40xS + 32xR + 20xK + 35xB 15.8 På motsvarande sätt formuleras de andra villkoren. Vi kan nu ställa upp tablån. xh xs xr xk xb Kostnad Mkalorimin Mkalorimax Råprot.min Råprot.max Växttr.min Balans = 1 Min Max Balansekvationen uttrycker att andelarnas summa skall vara ett. Använd variabelnamnen HAVRE; SOJA osv från texten så att resultatet kommer i "klartext" (alltså ej X1, X2... vilket försvårar tolkningen). Bivillkoren ska också anges i klartext: MCALMIN, MCALMAX osv. 7
10 Vad blev den minimala kostnaden och vad svarar detta mot för proportioner av de olika ingredienserna? Inom vilka gränser för kostnaderna på de ingående ingredienserna är denna lösning optimal? Vilka bivillkor är begränsande och vad är marginalpriserna för dessa? Vad betyder detta i klartext? (Ledtråd: Vad innebär en ändring av bivillkoren med en enhet?) 8
11 Uppgift 4 Formulera och lös följande transportproblem. Denna modelltyp användes tidigt av bl a livsmedelsindustrin i USA för att optimera varuflöden från fabriker till regionallager och är en vanlig LPtillämpning. Ett flygbolag skall under en tidsperiod försörja fyra av de flygplatser bolaget trafikerar med bränsle. Bränslebehovet uppskattas härvid enligt tabellen nedan. Flygplats Behov (1000-tal liter) Man har från tre olika bränsleleverantörer fått offerter om leveranskapacitet och en prisoffert för leverans till varje flygplats. Leverantör Leveranskapacitet (1000-tal liter) Följande priser i kronor per 1000 liter har offererats: Flygplats Leverantör Det gäller att bestämma en inköps- och leveransplan, som ger minsta totala bränslekostnad under perioden. Följande variabler införs 9
12 xij = levererad mängd bränsle, i 1000-tal liter, från leverantör i till flygplats j. Vi kan nu ställa upp villkoret för att kapaciteten hos t ex leverantör 1 inte överskrids: x11 + x12 + x13 + x På motsvarande sätt garanterar villkoret x13 + x23 + x33 = 300 att flygplats 3 får sitt behov tillgodosett. Vi sammanfattar problemet i en tablå. x11 x12 x13 x14 x21 x22 x23 x24 x31 x32 x33 x34 Kostnad Kap lev Kap lev Kap lev Beh flp = 100 Beh flp = 300 Beh flp = 300 Beh flp = 400 Leveranser från leverantör 1 Leveranser från leverantör 2 Leveranser från leverantör 3 Anmärkning: Detta sk enkla transportproblem brukar räknas till klassen av flödesproblem. Ett flödesproblem är en viss typ av LP-problem med en naturlig geometrisk illustration. Figuren på följande sida illustrerar vårt exempel. Problemet kan ses som att bestämma ett kostnadsminimerande varuflöde från leverantör till flygplatserna. 10
13 Kapacitet Behov Leverantör Flygplats Även här ska du använda "klartext", tex "KOSTNAD". Mängden levererat bränsle från LEVERANTÖR i till FLYGPLATS j kan du kalla Xij. Vad är den minimala kostnaden för leveranserna och vilka leveranser svarar detta mot? Svara med en graf där de levererade mängderna är angivna på pilarna mellan respektive LEVERANTÖR och FLYGPLATS. Plats för graf 11
14 Vilka leverantörer får utnyttja hela sin kapacitet? Vad hade det inneburit i extra kostnad om LEVERANTÖR 1 bara kunnat leverera 249 tusen liter (i stället för 250 tusen)? Ange också hur du fått ditt svar. 12
15 Uppgift 5 En problemtyp som kan lösas med heltalsprogrammering (eller med dynamisk programmering) är det så kallade kappsäcksproblemet. Utgångspunkten är här att man vill ta med ett antal saker vilka representerar olika värden men också kräver olika mycket ifråga om t ex vikt eller utrymme. Kappsäcksproblemet kan uppstå när man väljer bland olika verktyg eller reservdelar till en expedition, när man vill utnyttja utrymmet i en transport för maximal överföring i värde eller då man planerar vilka varor en begränsad yta i ett varuhus bör innehålla. Kappsäcksproblemet får då formen: Maximera f = x e då x i v i b i alla x i heltal i i i xi är då antalet av produkten i med värdet ei och vikten eller volymen vi. b är den totala vikten eller volymen som finns till förfogande. Lös följande kappsäcksproblem. Tänk på att variablerna är heltalsvariabler. Lägg till bivillkor där du anger att variablerna är int! En inbrottstjuv med alltför liten kappsäck står inför problemet att packa denna så att värdet av stöldgodset maximeras då volymen är begränsad. Varje föremål har ett känt värde ei och kräver en känd volym vi. Kappsäckens totala volym är 60 liter. Föremålen är listade i följande tabell: Föremål (i) Värde (ei) Volym (vi) (Vi antar att det finns många föremål av varje typ) Vilka föremål ger en kappsäck med störst värde och vilket är detta värde? 13
16 Uppgift 6 Ett bemanningsschema för en personalgrupp (läkare, flygledare,...) för ett företag (sjukhus, flygplats...) som är igång dygnet runt visas i nedanstående tabell. Period Tid Minimiantal Efter period 6 följer cykliskt period 1 igen. Varje person arbetar två pass i följd (= 8 timmar). Bestäm ett bemanningsschema som uppfyller kraven med minimalt antal personer. Hur ser detta schema ut och hur många personer behövs? (Hjälp: Beteckna antal personer som arbetar period med I12, osv) 14
17 Uppgift 7 Man önskar öppna ett dagbrott inom en begränsad kvadratisk yta. På grund av rasrisk kan sidorna inte tillåtas att luta mer än 45 grader. Man har därför delat in marken i kuber av 25 meter enligt figuren nedan. Nivå 1 (ytan) Nivå 2 Nivå 3 De block som är möjliga att bryta ligger alltså i en upp- och nedvänd tredimensionell trapp-pyramid. Genom provborrningar har man beräknat malminnehållet (i procent) hos de olika blocken och fått resultaten i nedanstående tabeller Nivå 1 (ytan) Nivå 2 Nivå 3 Värdet av ett block är proportionellt mot malminnehållet. Ett block med 1% malm är värt kronor. Kostnaden att utvinna ett block ökar med djupet enligt: Nivå 1: kronor/block Nivå 2: kronor/block Nivå 3: kronor/block Ett block kan naturligtvis inte brytas förrän de fyra blocken i lagret ovanför är avlägsnade. Det gäller nu att bestämma vilka block som ska brytas för att vinsten ska bli så stor som möjligt. 15
18 Hjälp: Numrera blocken nerifrån med 1 på nivå 3, 2-5 för nivå 2 samt 6-14 för nivå 1. Vi får då 14 block som kan brytas eller lämnas orörda. Vi betecknar block i med bi som är 1 om blocket brytes och annars 0. Det djupaste blocket, nummer 1 på nivå 3 kan brytas endast om de fyra blocken på nivå 2 först brutits. Detta villkor kan formuleras som: 4b1 - b2 - b3 - b4 - b5 0 Vilka block behöver brytas (strecka dessa i figuren på föregående sida) och vad blir vinsten för hela dragbrottet? Hur många bivillkor behövde du använda i modellen? 16
19 Uppgift 8 (teoriuppgift) Betrakta följande LP-problem: T max f = c x då Ax b x 0 A där x c n b m A m, R, R, R n. Antag att problemet har en optimal tillåten baslösning för basen xb och att vi är intresserade av vad som händer om vi adderar en störning b till högerledet i bivillkoren. Svara på följande frågor genom att utnyttja matrisformuleringen av Simplexmetoden. a) Under vilka villkor kommer den tidigare basen att vara tillåten efter störningen? b) Om baslösningen är tillåten efter störning, kommer den då också att fortfarande vara optimal? (På nästa sida finns det plats för lösning.) 17
20 Uppgift 9 (teoriuppgift) Besvara följande frågor. a) Hur många optimala lösningar har ett LP-problem? (Ange alla möjligheter.) b) Om ett LP-problem har en ändlig lösning, vad gäller då för det duala problemets optimala lösning? c) Betrakta lösningarna till det primala och det duala problemet i uppgift 2. Det finns nämligen alltid ett släktskap mellan lösningen till ett problem och marginalpriserna till det duala problemets lösning. Vilken? 18
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 mer1 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 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 merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN 1 OPTIMERINGSLÄRA GRUNDKURS för I, Ii och TB Datum: 24 augusti 2009 Tid: 8.00-13.00 Hjälpmedel: Lundgren m fl: Optimeringslära och/eller Lundgren
Läs 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 merFöreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.
Föreläsning 2: Simplexmetoden. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform. 3. Simplexalgoritmen. 4. Hur bestämmer man tillåtna startbaslösningar? Föreläsning
Läs merOptimering. 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 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 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 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 merTentamensinstruktioner. 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 merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Läs merTentamensinstruktioner
TNSL05 (6) TENTAMEN Datum: augusti 07 Tid: 8- Provkod: TEN Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt p, betyg kräver
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: 2 augusti 2011 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs 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 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 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 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 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 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 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 merLaboration 1 - Simplexmetoden och modellformulering
Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Laboration 1 Optimeringslära 29 januari 2017 Laboration 1 - Simplexmetoden och modellformulering Den första delen av laborationen
Läs merTentamensinstruktioner. 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 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 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 merLaboration 1 - Simplexmetoden och Modellformulering
Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Laboration 1 Optimeringslära 30 januari 2013 Laboration 1 - Simplexmetoden och Modellformulering Den första delen av laborationen
Läs merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO310 OPTIMERING
Läs merLösningar 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 merTAOP88/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 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 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 merLaborationsuppgift 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 merTentamensinstruktioner
TNSL05 1(7) TENTAMEN Datum: 1 april 2016 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
Läs merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP6/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
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 merTAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 2 oktober 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
Läs merTentamensinstruktioner. 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 merLP-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 merOptimeringslära för T (SF1861)
Optimeringslära för T (SF1861) 1. Kursinformation 2. Exempel på optimeringsproblem 3. Introduktion till linjärprogrammering Introduktion - Ulf Jönsson & Per Enqvist 1 Linjärprogrammering Kursinformation
Läs merLösningar 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 merVårt 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 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 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 merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: augusti 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamensinstruktioner
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 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 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 merIntroduktion 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 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 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 merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 28 maj 2014 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTentamensinstruktioner
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 merMIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Läs merTAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 9 april 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merLaboration 1 Introduktion till Visual Basic 6.0
Laboration 1 Introduktion till Visual Basic 6.0 Förberedelse Förbered dig genom att läsa föreläsningsanteckningar och de kapitel som gåtts igenom på föreläsningarna. Läs även igenom laborationen i förväg.
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 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 29 maj 20 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
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 merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får
Läs merFöreläsning 6: Nätverksoptimering
Föreläsning 6: Nätverksoptimering. Minkostnadsflödesproblem i nätverk.. Modellering och grafteori.. Simplexmetoden. Föreläsning 6 - Ulf Jönsson & Per Enqvist Nätverksoptimering Minkostnadsflödesproblem
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 26 augusti 2014 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs 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 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 merTNK047 [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 merTNK049 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 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 merTentamensinstruktioner
Linköpings Tekniska Högskola Institutionen för Teknik och Naturvetenskap/ITN TENTAMEN TNE 05 OPTIMERINGSLÄRA Datum: 008-05-7 Tid: 4.00-8.00 Hjälpmedel: Boken Optimeringslära av Lundgren et al. och Föreläsningsanteckningar
Läs merTENTAMEN Tillämpad Systemanalys 5hp
Tentamenskod (6 siffror) (alt. namn och personnummer) Utbildningsprogram Termin och år då du först registrerades på kursen Bordsnummer Klockslag för inlämning TENTAMEN Tillämpad Systemanalys 5hp Tid: 2012-0-11,
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 merOptimering med bivillkor
Optimering med bivillkor Vi ska nu titta på problemet att hitta max och min av en funktionen f(x, y), men inte över alla möjliga (x, y) utan bara för de par som uppfyller ett visst bivillkor g(x, y) =
Läs merLösningsförslag 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 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 merDokumenttyp Dokumentbeteckning Diarienummer Sida
KRAVSPECIFIKATION KRAVSPEC 7.2 BILAGA 8 LSU2014-0028 1 (8) INNEHÅLLSFÖRTECKNING 1 BESKRIVNING AV INNEHÅLLET... 2 2 HANDLEDNING FÖR UTRYMMESVERKTYG... 3 3 HANDLEDNING FÖR NAMNRUTA LSU_ST1 OCH LSU_ST5...
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 merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 0 augusti 201 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
Läs merRSI Road Status Information A new method for detection of road conditions
WP 5 Sida 1 av 15 RSI Road Status Information A new method for detection of road conditions Användarmanual för RSI WP 5 Sida 2 av 15 Användarmanual för RSI Om detta dokument Detta dokument är en användarmanual
Läs merMICROECONOMICS 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 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 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 merTAOP61/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 merTentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 1 november 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs 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 merTENTAMEN Tillämpad Systemanalys 5hp
TETAME Tillämpad Systemanalys 5hp Tid: 2012-12-17, 14.00-17.00. OBS: kort skrivtid! Plats: Bergsbrunnagatan 15, Sal 1. Ansvarig lärare: Håkan Lanshammar,. Håkan kommer och svarar på frågor ungefär kl 15.30.
Läs merGrundkurs 2 IKT. Dan Haldin Ålands lyceum
Grundkurs 2 IKT Dan Haldin Ålands lyceum KALKYLERING MED MICROSOFT OFFICE EXCEL... 4 Användning av funktioner i Microsoft Excel... 4 LETARAD FUNKTIONEN... 5 OM funktionen... 8 Mer Diagramhantering...10
Läs merEtt linjärprogrammeringsproblem på allmän form ser ut som
Linjärprogrammering Ett linjärprogrammeringsproblem på allmän form ser ut som Minimera n j=1 c jx j x j 0 n j=1 a ijx j b i i =1, 2,...,m Variant: Vi kan vilja maximera istället. Vi kommer att studera
Läs merEulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition.
Eulercykel Definition En Eulercykel är en cykel som använder varje båge exakt en gång. Definition En nods valens är antalet bågar som ansluter till noden. Kinesiska brevbärarproblemet En brevbärartur är
Läs merTNK049 Optimeringslära
TNK49 Optimeringslära Clas Rydergren, ITN Föreläsning 7 Nätverksoptimering Billigaste uppspännande träd (MST) Billigaste väg (SP) Projektnätverk Minkostnadsflödesproblem Agenda Terminologi för grafer/nätverk
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 19 oktober 2017 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
Läs merTNK049 Optimeringslära
TNK09 Optimeringslära Clas Rydergren ITN Föreläsning Simplemetoden på tablåform och algebraisk form Fas I (startlösning) Känslighetsanalys Tolkning av utdata Agenda Halvtidsutvärdering Simplemetoden (kap..8)
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 merGrundkurs 1 IKT Filhantering
Filhantering Dan Haldin Ålands lyceum I N N E H Å L L S F Ö R T E C K N I N G Innehållsförteckning... 2 Filhantering med Windows... 3 Skapa Mappar... 4 Spara rätt... 5 Öppna sparade filer... 7 Flytta och
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 15 januari 2014 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Läs merLösningar 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 merOptimering. Optimering
TAOP88 Optimering för ingenjörer Examinator: Kaj Holmberg kaj.holmberg@liu.se Kurshemsida: http://courses.mai.liu.se/gu/taop88 Lärare: Föreläsningar: Kaj Holmberg Lektioner, labbar: Oleg Burdakov, William
Läs merLösningsförslag 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 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 mer1 LP-problem på standardform och Simplexmetoden
Krister Svanberg, mars 202 LP-problem på standardform och Simplexmetoden I detta avsnitt utgår vi från LP-formuleringen (2.2) från föreläsning. Denna form är den bäst lämpade för en strömlinjeformad implementering
Läs 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 merLeverantörens guide för hantering av Web Supply Manager
Leverantörens guide för hantering av Web Supply Manager Utgåva: 1 Web Supply Manager Web Supply Manager (WSM) är webb-baserat och ett komplement till EDI. Med hjälp av WSM kan man skicka leveransplaner,
Läs merTema Linjär optimering
Tema Linjär optimering Du behöver för detta tema ha goda färdigheter om Linjära ekvationer från modul Algebra (sid.37), Linjära ekvationssystem från modul Analytisk geometri (sid.13) Modell Linjära olikheter
Läs mer