Tillämpningar av dekomposition: Flervaruflödesproblemet. Flervaruflödesproblemet: Lagrangeheuristik
|
|
- Maja Lisbeth Henriksson
- för 5 år sedan
- Visningar:
Transkript
1 Tllämpnngar av dekomposton: Flervaruflödesproblemet v = mn j: x k c k x k xj k = r k för alla N, k C (1) x k b för alla (, j) A (2) j:(j,) A x k 0 för alla (, j) A, k (3) Struktur: Om man relaxerar kapactetsbvllkoren (2), faller subproblemet sär ett vanlgt mnkostnadsflödesproblem för varje vara. Flervaruflödesproblemet: Lagrangeheurstk En Lagrangeheurstk använder en Lagrangerelaxaton som subproblem, och löser Lagrangedualen med subgradentoptmerng, kombnerat med en prmal heurstk som ger prmalt tllåtna lösnngar. Relaxera kapactetsbvllkoren (2), med multplkatorerna, u. Låt X k = {x k : x k xj k = r k för alla N, x 0}. j: j:(j,) A Subproblemet blr ϕ(ū) = g k (ū) ū b där, för alla k C, g k (ū) = mn c k x k x k X k (DS) och c k = c k + ū. DS är ett lnjärt mnkostnadsflödesproblem för varje vara. Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Flervaruflödesproblemet: Lagrangeheurstk Lagrangedualen kan lösas med subgradentoptmerng. Multplkatorerna, ū, uppdateras med en subgradent som fås som ξ = x k b för alla, j där x är lösnngen tll Lagrangerelaxatonen, DS. I teraton l, sätts ū (l+1) = (ū (l) + t (l) ξ (l) ) +, där t (l) = λ l ˆv ϕ(ū (l) ) ξ (l) 2, 0 < λ l < 2 och ˆv v. Lösnngen tll DS är oftast nte tllåten. Använd en prmal heurstk för htta tllåtna lösnngar. Detta ger övre gränser, ˆv v, som kan användas steglängsformeln. Prmal heurstk: Börja med lösnngen tll DS och omdrgera flödet bågar där det totala flödet överskrder kapacteten. Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Flervaruflödesproblemet: Dantzg-Wolfedekomposton Dantzg-Wolfedekomposton: Samma subproblem. Masterproblemet: v DM = mn λ l ( l P c k x k(l) ) λ l ( x k(l) ) b för alla (, j) A (1) l P λ l = 1 (2) l P λ l 0 för alla l P (3) där x (l) är lösnngen tll subproblemet teraton l. DM ger en övre gräns på v och ū tll DS. DS ger en undre gräns på v och en ny lösnng x (l) tll DM. Efter ett ändlgt antal teratoner fås exakt optmum av x k = λ l x k(l) för alla (, j) A, för alla k C. l P (DM) Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18
2 Bendersdekomposton: Subproblemet fås genom fxerng av y-varablerna, vlket ger ett vanlgt lnjärt mnkostnadsflödesproblem. ψ(ȳ) = mn c x + f ȳ (PS) j: x j:(j,) A x j = b k för alla N x u ȳ för alla (, j) A x 0 för alla (, j) A x = 0 om ȳ = 0, så problemet kan lösas det mndre nätverket Ā = {(, j) A : ȳ = 1}. ψ(ȳ) = mn c x + (,j) Ā j:(,j) Ā x (,j) Ā j:(j,) Ā f x j = b för alla N 0 x u för alla (, j) Ā LP-dualen tll PS blr ψ(ȳ) = max b α u ȳ β + f ȳ då α + α j β c (, j) A β 0 (, j) A (DPS) När man löser PS fås nodprser (α) samt reducerade kostnader, ĉ = c + α α j. De duala bvllkoren blr då β ĉ. V har även bvllkoren β 0, och v vll mnmera β. V kan skrva bvllkoren på β som β max(0, ĉ ). Värdet på β fås alltså som: β = 0 om ĉ 0, och β = ĉ om ĉ < 0. Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Benders masterproblem: v PM = mn q + f y q b α (l) 0 b α (l) y {0, 1} för alla (, j) A u β (l) y för alla l P u β (l) y för alla l R PS ger övre gränser på v och duala lösnngar, α (l) och β (l) (eller obegränsade duala lösnngar α (l) och β (l) ), för PM, och PM ger undre gränser på v och ett nytt ȳ för PS. Konvergensen är exakt och ändlg. Tllåtenhetssntten ska se tll att det nstalleras tllräcklgt med kapactet för att efterfrågat flöde ska komma fram. Ibland fnns det en tllåten lösnng med redan exsterande bågar (med f = 0), och då behövs nte tllåtenhetssntten. (PM) Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 För bågar med f = 0 kan man redan förväg fxera y = 1. Låt A 0 = {(, j) : f = 0} och A 1 = A \ A 0 (A 0 är bågarna med fast kostnad noll och A 1 bågarna med postv fast kostnad), och fxera y = 1 för alla (, j) A 0. Benderssntten kan då skrvas som q C0 l + ū β (l) u β (l) y 1 1 där C0 l = b α (l) ū β (l) och ū är den kapactet man använt när man löste subproblemet som gav α (l) och β (l) (vanlgtvs är ū = u ȳ ). Man kan drekt beräkna konstanten C0 l när man har löser subproblemet, och behöver nte spara de många β (l) för (, j) A 0, utan bara de få β (l) för (, j) A 1. (Vneopt kan göra detta.) Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18
3 Anläggnnglokalserng v = mn n c x + f y x = 1 för alla j (1) n d j x s y för alla (2) x y för alla, j (3) 0 x j 1 för alla, j (4) y {0, 1} för alla (5) En starkare formulerng erhålles genom att addera följande bvllkor. s y D TOT (6) där D TOT = j d j. (CFLP) Först utan (6): Lagrangerelaxaton: Lagrangerelaxera bvllkor 1, dvs. efterfrågevllkoren. n n ϕ(u) = mn c x + f y + u j (1 då n d j x s y för alla x y för alla, j 0 x 1 för alla, j y {0, 1} för alla x ) Obs: nga bvllkor bnder hop. DS separerar ett problem per. Lös DS genom att lösa problemet x, med y tllfällgt fxerad, och sedan lösa det resulterande problemet endast y. (DS) Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Om y = 1, fås följande kontnuerlga kappsäcksproblem. mn n (c u j )x n d j x s, 0 x 1 för alla j Om k = arg mn j (c u j )/d j, så fås lösnngen x k = s y /d k och x = 0 för alla j k. Sätt n detta DS. Kvar blr bara ϕ(ū) = C + mn ˆf y då y {0, 1} för alla där ˆf = f + (c k u k )s /d k och C = n ūj. Trvalt att lösa: Sätt y = 1 om ˆf 0. Sätt y = 0 om ˆf > 0. V får då ϕ(ū) = C + mn(ˆf, 0). Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Med (6): Lagrangerelaxaton: n ϕ(u) = mn c x + då f y + n u j (1 n d j x s y för alla x y för alla, j s y D TOT 0 x 1 för alla, j y {0, 1} för alla x ) Använd samma metod: Fxera y tllfällgt, lös x, sätt n, lös sedan y. (DS) Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18
4 Som förut: Om y = 1: n mn (c u j )x n d j x s, 0 x 1 för alla j Om k = arg mn j (c u j )/d j, sätt x k = s y /d k och x = 0 för alla j k. DS reduceras då tll följande kappsäcksproblem. ϕ(ū) = C + mn ˆf y då s y D TOT, y {0, 1} för alla där ˆf = f + (c k u k )s /d k och C = n ūj. Med I = { : ˆf > 0} är det optmalt att sätta y = 1 för alla I. Kappsäcksproblemet blr då reducerat tll I, och högerledet byts ut mot D MOD = D TOT I s. Om D MOD 0 är det optmalt att sätta y = 0 för alla I, och problemet är löst. Annars får v ett vanlgt kappsäcksproblem med z = 1 y. Låt D RES = I s D MOD och C 1 = C + I ˆf. Lös sedan följande kappsäcksproblem: ϕ(ū) = C 1 + mn I ˆf z då I V kan här fxera z tll 0 (dvs. y tll 1) om s > D RES. s z D RES, z {0, 1} för alla I Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Anläggnnglokalserng Subgradentoptmerng: En subgradent fås som ξ j = 1 x för alla j, där x är optmal DS. 1 Välj en startpunkt, u (1), sätt v = och k = 1, välj ɛ 1 > 0 och ɛ 2 > 0, ntera v. 2 Lös subproblemet, DS, vlket ger ϕ(u (k) ) och ( x, ȳ). Om ϕ(u (k) ) > v, låt v = ϕ(u (k) ) och spara u (k) som den bästa duala lösnngen httlls. 3 Försök att modfera ( x, ȳ) tll en tllåten lösnng, och uppdatera eventuellt v. 4 Beräkna sökrktnng ξ (k), och en steglängd, t (k), med steglängsformeln nedan. Låt u (k+1) = u (k) + t (k) ξ (k). 5 Stoppa om: d (k) ɛ 1, u (k+1) u (k) ɛ 2 eller k K. Annars sätt k = k + 1 och gå tll steg 2. Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Anläggnnglokalserng En prmal heurstk: Fxera y-delen av lösnngen tll DS och lös det återstående problemet x tll optmaltet. (Lknar Benders subproblem, PS.) Blr ett kapacterat transportproblem, som effektvt kan lösas med en nätverkskod. En annan möjlghet: 1 Ta bort leveranser från kunder som får mer än sn efterfrågan. Leveranserna från anläggnngar med de högsta transportkostnaderna avlägsnas först. 2 Lägg tll leveranser tll kunder nte får tllräcklgt. Jämför först öppna anläggnngar med återstående kapactet, och välj en med mnst transportkostnader. Om ngen öppen anläggnng kan tllgodose efterfrågan, måste en ny anläggnng öppnas. Välj då den med mnst total kostnad, transportkostnad plus fast kostnad, relatvt kunden. (Jämför lab 4 TAOP88.) Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18
5 Anläggnnglokalserng: Bendersdekomposton Anläggnnglokalserng: Bendersdekomposton Subproblemet fås genom fxerng av y. n ψ(ȳ) = mn c x + f ȳ x = 1 för alla j (1) n d j x s ȳ för alla (2) x = 0 för alla j om ȳ = 0. x ȳ för alla, j (3) 0 x j 1 för alla, j (4) Låt I = { : ȳ = 1}. Subproblemet är då ett transportproblem med anläggnngarna I som källor och kunderna som sänkor. (PS) Benders masterproblem, PM: v PM = mn q + f y q n α (l) j β (l) s y n γ (l) y för alla l P (1 s y D TOT (2 y {0, 1} för alla (3 PS ger övre gränser på v och duala lösnngar, α (l), β (l) och γ (l), för PM, medan PM ger undre gränser på v och ett ȳ för PS. Metoden har exakt, ändlg konvergens. Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18 Kaj Holmberg (LU) TAOP61 Optmerng 10 november / 18
Billigaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform
Vägar: Bllgaste väg Bllgaste väg s t Indata: Rktad graf med bågkostnader c, start/slutnod s, t. Bllgaste väg-problemet: Fnn en väg från s tll t med mnmal kostnad. Kostnaden för en väg är summan av kostnaderna
Läs merTNK049 Optimeringslära
TNK049 Optmerngslära Clas Rydergren, ITN Föreläsnng 10 Optmaltetsvllkor för cke-lnjära problem Icke-lnjär optmerng med bvllkor Frank Wolfe-metoden Agenda Optmaltetsvllkor för cke-lnjära problem Grafsk
Läs merz = min 3x 1 2x 2 + y Fixera y, vilket ger subproblemet
Bendersdekomposition Blandade heltalsproblem med ett stort antal kontinuerliga variabler och få heltalsvariabler. Mycket lättare att lösa om heltalsvariablerna fixeras. Bendersdekomposition (primal dekomposition)
Läs merLösningar/svar. Uppgift 1. Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system. Optimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system Matematiska Institutionen Lösning till tentamen Optimeringslära 2017-08-22 Kaj Holmberg Lösningar/svar Uppgift 1 1a: Variabeldefinition:
Läs merTAOP61 Optimering av realistiska sammansatta system. Speciellt med denna kurs. Uppdateringar. Kursplan
TAOP61 Optmerng av realstska sammansatta system Examnator: Ka Holmberg ka.holmberg@lu.se, 013-282867 Kurshemsda: http://courses.ma.lu.se/gu/taop61/ Ltteratur: Ka Holmberg: Optmerng (Lber, 2010/2018) Ka
Läs merOptimeringslära Kaj Holmberg. Lösningar/svar. Iteration 2: x 2 s
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta s Matematiska Institutionen Lösning till tentamen Optimeringslära 2014-01-15 Kaj Holmberg Lösningar/svar Uppgift 1 1a: (Detta problem
Läs 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 merTNK049 Optimeringslära
TNK49 Optmerngslära Clas Rydergren ITN Föreläsnng 8 Nätverksoptmerng: Nodprser och dualtet för bllgaste väg Mnkostnadsflödesproblemets egenskaper Nätverkssmple Agenda Varanter på bllgaste väg kap 8.4.4
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 merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 28--24 Kaj Holmberg Uppgift Lösningar a: Målfunktionen är summan av konvexa funktioner (kvadrater och
Läs merTekniska Högskolan i Linköping Optimering av realistiska sammansatta system. Optimeringslära Kaj Holmberg.
Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system Matematiska Institutionen Lösning till tentamen Optimeringslära 2015-01-14 Kaj Holmberg Lösningar/svar Uppgift 1 1a: Givna data:
Läs merOlinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i
Olinjär optimering med bivillkor min då f (x) g i (x) 0 för alla i Specialfall: Konvext problem. Linjära bivillkor: Ax b. Linjära likhetsbivillkor: Ax = b. Inga bivillkor: Hanterat tidigare. Metodprinciper:
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping TAOP88 Matematiska Institutionen Lösning till tentamen Optimeringslära 9--7 Kaj Holmberg Lösningar Uppgift a: Inför slackvariabler x 5, x 6 och x 7 Starta med slackvariablerna
Läs 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 merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 14 januari 2015 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
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 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 merStelkroppsdynamik i tre dimensioner Ulf Torkelsson. 1 Tröghetsmoment, rörelsemängdsmoment och kinetisk energi
Föreläsnng 4/10 Stelkroppsdynamk tre dmensoner Ulf Torkelsson 1 Tröghetsmoment, rörelsemängdsmoment och knetsk energ Låt oss beräkna tröghetsmomentet för en goycklg axel som går genom en fx punkt O en
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 merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-01-02 Kaj Holmberg Lösningar Uppgift 1 1a: Den givna startlösningen är tillåten
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 11 januari 2017 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merLektion 8 Specialfall, del I (SFI) Rev 20151006 HL
Lekton 8 Specalfall, del I (SFI) Rev 0151006 HL Produktvalsproblem och cyklsk planerng Innehåll Nvå 1: Produktval (LP-problem) (SFI1.1) Cyklsk planerng, produkter (SFI1.) Nvå : Maxmera täcknngsbdrag (produktval)
Läs merCentrala Gränsvärdessatsen:
Föreläsnng V såg föreläsnng ett, att om v känner den förväntade asymptotska fördelnngen en gven stuaton så kan v med utgångspunkt från våra mätdata med hjälp av mnsta kvadrat-metoden fnna vlka parametrar
Läs merANN fk. Örjan Ekeberg. Strukturell Riskminimering. Kernels. Konsten att undvika att räkna högdimensionellt. Kernels
Kernel Methods Observaton Nästan alltng är lnjärt separerbart högdmensonella rum Vanlga lågdmensonella data kan enkelt slängas ut ett rum. Två problem uppstår. Många fra parametrar dålg generalserng. Mycket
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 merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 26-6- Kaj Holmberg Lösningar Uppgift Hinkpackning (hink = tur med cykeln. Jag använder
Läs merOptimeringslära Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 2018-08-31 Kaj Holmberg Lösningar Uppgift 1 1a: Inför slackvariabler x 5, x 6 och
Läs merFaradays lag. ger. Låt oss nu bestämma den magnetiska energin för N st kopplade kretsar. Arbetet som kretsarnas batterier utför är
9. Magnetsk energ Faradays lag [RM] ger E dφ dt (9.5) dw k IdΦ + RI dt (9.6) Batterets arbete går alltså tll att bygga upp ett magnetskt flöde Φ och därmed motverka den bromsande nducerade spännngen, och
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 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 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 merNär vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet
Korrelaton När v räknade ut regressonsekvatonen sa v att denna beskrver förhållandet mellan flera varabler. Man försöker htta det bästa möjlga sättet att med en formel beskrva hur x och y förhåller sg
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 Kaj Holmberg
Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 28-5-3 Kaj Holmberg Lösningar Uppgift a: P: Grafisk lösning ger x = 2/7 = 2 6/7,
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 23 april 2014 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
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 merFöreläsning 9. Specialfall inom produk1onsplanering: Cyklisk planering, kopplade lager
Föreläsnng 9 Specalfall nom produk1onsplanerng: Cyklsk planerng, kopplade lager Kursstruktur Innehåll Föreläsnng Lek1on Labora1on Introduk3on, produk3onsekonomska grunder, Lean produc3on, ABC-klassfcerng
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 merMycket i kapitel 18 är r detsamma som i kapitel 6. Mer analys av policy
Blanchard kaptel 18-19 19 Växelkurser, räntor r och BNP Mycket kaptel 18 är r detsamma som kaptel 6. Mer analys av polcy F11: sd. 1 Uppdaterad 2009-05-04 IS-LM den öppna ekonomn IS-LM den öppna ekonomn
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 merFK2002,FK2004. Föreläsning 5
FK00,FK004 Föreläsnng 5 Föreläsnng 5 Labbrapporter Korrelatoner Dmensonsanalys Denna föreläsnng svarar mot kap. 9 (Taylor) Labbrapporter Feedback+betyg skckas morgon. Några tps ett dagram hjälper alltd
Läs merTest av anpassning, homogenitet och oberoende med χ 2 - metod
Matematsk statstk för STS vt 00 00-05 - Bengt Rosén Test av anpassnng, homogentet och oberoende med χ - metod Det stoff som behandlas det fölande återfnns Blom Avsntt 7 b sdorna 6-9 och Avsntt 85 sdorna
Läs merPerformansanalys LHS/Tvåspråkighet och andraspråksinlärning Madeleine Midenstrand 2004-04-17
1 Inlednng Jag undervsar tyskar på folkhögskolan Nürnberg med omgvnngar. Inför uppgften att utföra en perforsanalys av en elevtext lät mna mest avancerade elever skrva en uppsats om vad de tyckte var svårt
Läs merOptimering i samband med produktionsplanering av, och materialförsörjning vid, underhåll av flygmotorer
Optmerng samband med produktonsplanerng av, och materalförsörjnng vd, underhåll av flygmotorer Nclas Andréasson 1 och Torgny Almgren 2 1. Matematk Chalmers teknska högskola 412 96 Göteborg 31-772 53 78
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 19 april 2017 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merLösningar modul 3 - Lokala nätverk
3. Lokala nätverk 3.1 TOPOLOGIER a) Stjärna, rng och buss. b) Nät kopplas ofta fysskt som en stjärna, där tll exempel kablar dras tll varje kontorsrum från en gemensam central. I centralen kan man sedan
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 18 januari 2019 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merSammanfattning, Dag 1
Sammanfattnng, Dag 1 V började med en sammanfattnng om vad v redan hade lärt oss från Matematk I Sedan fortsatte v (nästan punkt för punkt) resonera vad v skulle kunna göra mer och vsade vart v kunde komma
Läs merBlixtkurs i komplex integration
Blxtkurs komplex ntegraton Sven Spanne 7 oktober 998 Komplex ntegraton Vad är en komplex kurvntegral? Antag att f z är en komplex funkton och att är en kurva det komplexa talplanet. Man kan då beräkna
Läs merExperimentella metoder 2014, Räkneövning 5
Expermentella metoder 04, Räkneövnng 5 Problem : Två stokastska varabler, x och y, är defnerade som x = u + z y = v + z, där u, v och z är tre oberoende stokastska varabler med varanserna σ u, σ v och
Läs merEn undersökning av minneskapaciteten i ett glest kopplat Bayesiskt nätverk
En undersöknng av mnneskapacteten ett glest kopplat Bayesskt nätverk KRISTER SANDH Eamensarbete Stockholm, Sverge 2005 TRITA-NA-E05113 Numersk analys och datalog Department of Numercal Analyss KTH and
Läs merBras-Spisen, ett bra val till din öppna spis!
Bras-Spsen, ett bra val tll dn öppna sps! Bras-Spsen nsats var före sn td när den kom ut på marknaden mtten av 80-talet. Eldnngsteknken och rökkanalsystemet skyddades under många år av tre olka patent.
Läs merTentamen i mekanik TFYA16
TEKNSKA HÖGSKOLAN LNKÖPNG nsttutonen ör Fysk, Kem och Bolog Gala Pozna Tentamen mekank TFYA6 Tllåtna Hjälpmedel: Physcs Handbook utan egna antecknngar, aprogrammerad räknedosa enlgt F:s regler. Formelsamlngen
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 13 januari 2018 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
Läs merTAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: april 2018 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg: Optimering
Läs merFlode. I figuren har vi också lagt in en rät linje som någorlunda väl bör spegla den nedåtgående tendensen i medelhastighet för ökande flöden.
Hast Något om enkel lnjär regressonsanalys 1. Inlednng V har tdgare pratat om hur man anpassar en rät lnje tll observerade talpar med hjälp av den s.k. mnsta kvadratmetoden. V har också berört hur man
Läs merStela kroppars rörelse i ett plan Ulf Torkelsson
Föreläsnng /10 Stela kroppars rörelse ett plan Ulf Torkelsson 1 Allmän stelkroppsrörelse ett plan Den allmänna stelkroppsrörelsen ett plan kan delas upp den stela kroppens rotaton krng en axel och axelns
Läs merJämviktsvillkor för en kropp
Jämvktsvllkor för en kropp Det förekommer ofta stuatoner där man önskar bestämma vlka vllkor som måste uppfyllas för att en fast kropp skall förbl stllastående, dvs. befnna sg jämvkt. Den här delen av
Läs merTentamen i Dataanalys och statistik för I den 5 jan 2016
Tentamen Dataanalys och statstk för I den 5 jan 06 Tentamen består av åtta uppgfter om totalt 50 poäng. Det krävs mnst 0 poäng för betyg, mnst 0 poäng för och mnst 0 för 5. Eamnator: Ulla Blomqvst Hjälpmedel:
Läs merodeller och storlekarw
odeller och storlekarw Bras-Spsen, ett bra val tll dn öppna sps! Bras-Spsen nsats var före sn td när den kom ut på marknaden mtten av 80-talet Eldnngsteknken och rökkanalsystemet skyddades under många
Läs merBalansering av vindkraft och vattenkraft i norra Sverige. Elforsk rapport 09:88
Balanserng av vndkraft och vattenkraft norra Sverge Elforsk rapport 09:88 Mkael Ameln, Calle Englund, Andreas Fagerberg September 2009 Balanserng av vndkraft och vattenkraft norra Sverge Elforsk rapport
Läs merDel A Begrepp och grundläggande förståelse.
STOCKHOLMS UNIVERSITET FYSIKUM Tentamensskrvnng Expermentella metoder, 12 hp, för kanddatprogrammet, år 1 Onsdagen den 17 jun 2009 kl 9-1. S.H./K.H./K.J.-A./B.S. Införda betecknngar bör förklaras och uppställda
Läs merTFYA16: Tenta Svar och anvisningar
160819 TFYA16 1 TFYA16: Tenta 160819 Svar och anvsnngar Uppgft 1 a) Svar: A(1 Bt)e Bt v = dx dt = d dt (Ate Bt ) = Ae Bt ABte Bt = A(1 Bt)e Bt b) Då partkeln byter rktnng har v v = 0, dvs (1 t) = 0. Svar:
Läs merTSTE20 Elektronik 01/24/ :24. Dagens föreläsning. Praktiska saker. Repetition, storheter. Repetition kretselement och samband Tvåpolssatsen
0/4/04 :4 Dagens föreläsnng Repetton kretselement och samband Tvåpolssatsen TST0 lektronk ffektanpassnng Operatonsförstärkaren (nför labb ) Nodanalys Föreläsnng Kent Palmkvst S, SY 3 Praktska saker Repetton,
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 6. Regression & Korrelation. (LLL Kap 13-14) Inledning till Regressionsanalys
Fnansell Statstk (GN, 7,5 hp,, HT 8) Föreläsnng 6 Regresson & Korrelaton (LLL Kap 3-4) Department of Statstcs (Gebrenegus Ghlagaber, PhD, Assocate Professor) Fnancal Statstcs (Basc-level course, 7,5 ECTS,
Läs merETE115 Ellära och elektronik, tentamen oktober 2007
(0) 9 oktober 007 Insttutonen för elektro- och nformatonsteknk Danel Sjöberg ETE5 Ellära och elektronk, tentamen oktober 007 Tllåtna hjälpmedel: formelsamlng kretsteor. Observera att uppgfterna nte är
Läs merBeräkna standardavvikelser för efterfrågevariationer
Handbok materalstyrnng - Del B Parametrar och varabler B 41 Beräkna standardavvkelser för efterfrågevaratoner och prognosfel En standardavvkelse är ett sprdnngsmått som anger hur mycket en storhet varerar.
Läs merDEL I. Matematiska Institutionen KTH
1 Matematsa Insttutonen KTH Lösnngar tll tentamenssrvnng på ursen Dsret Matemat, moment A, för D och F, SF1631 och SF1630, den 4 jun 009 l 08.00-13.00. Hjälpmedel: Inga hjälpmedel är tllåtna på tentamenssrvnngen.
Läs merBeställningsintervall i periodbeställningssystem
Handbok materalstyrnng - Del D Bestämnng av orderkvantteter D 41 Beställnngsntervall perodbeställnngssystem Ett perodbeställnngssystem är ett med beställnngspunktssystem besläktat system för materalstyrnng.
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 merFörberedelse INSTALLATION INFORMATION
Förberedelse 1 Materalet tll Pergo trägolv levereras med llustrerade anvsnngar. I texten nedan ger v förklarngar tll llustratonerna, som kan delas upp tre områden: Förberedelser, Läggnng och Rengörng.
Läs merMätfelsbehandling. Lars Engström
Mätfelsbehandlng Lars Engström I alla fyskalska försök har de värden man erhåller mer eller mndre hög noggrannhet. Ibland är osäkerheten en mätnng fullständgt försumbar förhållande tll den precson man
Läs merStresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring
PROMEMORIA Datum 01-06-5 Fnansnspektonen Författare Bengt von Bahr, Younes Elonq och Erk Elvers Box 6750 SE-113 85 Stockholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35 fnansnspektonen@f.se www.f.se
Läs merTentamen TMA946/MAN280 tillämpad optimeringslära
Tentamen TMA946/MAN80 tillämpad optimeringslära 01081 1. Uppgift: min z 3x 1 + x Då x 1 + x 6 x 1 + x x 1, x 0 Skriv på standardform m.h.aṡlackvariabler min z 3x 1 + x Då x 1 + x s 1 6 x 1 x + s x 1, x,
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 mer6.2 Transitionselement
-- FEM för Ingenjörstllämpnngar, SE5 rshen@kth.se 6. Transtonselement Den här tpen av element används för förbnda ett lnjärt och ett kvadratskt element. Gvet: Sökt: Bestäm formfunktonen för nod. Vsa att
Läs merKaj Holmberg (LiU) Grön optimering 12 oktober / 22
Grön optmerng Laddbar hybrd-elbl Utbyte av gamla vndkraftverk Utbyte av delar vndkraftverk Ressträckor för handelsresande Desgn av försörjnngskedja Placerng av en oönskad anläggnng Mnmerng av bränsleåtgång
Läs mer2 Jämvikt. snitt. R f. R n. Yttre krafter. Inre krafter. F =mg. F =mg
Jämvkt Jämvkt. Inlednng I detta kaptel skall v studera jämvkten för s.k. materella sstem. I ett materellt sstem kan varje del, partkel eller materalpunkt beskrvas med hjälp av dess koordnater. Koordnatsstemet
Läs merFÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff
FÖRDJUPNINGS-PM Nr 6. 2010 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15-10 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng
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 mer5.4 Feluppskattning vid lösning av ekvationssystem.
Vetenskaplga beräknngar III 58 5.4 Feluppskattnng vd lösnng av ekvatonssystem. V har tdgare påpekat, att pvot -elementen bör vara olka noll, för att man skall kunna tllämpa Gauss elmnerngsmetod. Men det
Läs merStresstest för försäkrings- och driftskostnadsrisker inom skadeförsäkring
PROMEMORIA Datum 007-1-18 FI Dnr 07-1171-30 Fnansnspektonen Författare Bengt von Bahr, Younes Elonq och Erk Elvers P.O. Box 6750 SE-113 85 Stockholm [Sveavägen 167] Tel +46 8 787 80 00 Fax +46 8 4 13 35
Läs merNumeriska metoder för ODE: Teori
Numeriska metoder för ODE: Teori Lokalt trunkeringsfel och noggrannhetsordning Definition: Det lokala trunkeringsfelet är det fel man gör med en numerisk metod när man utgår från det exakta värdet vid
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 merFörstärkare Ingångsresistans Utgångsresistans Spänningsförstärkare, v v Transadmittansförstärkare, i v Transimpedansförstärkare, v i
Elektronk för D Bertl Larsson 2013-04-23 Sammanfattnng föreläsnng 15 Mål Få en förståelse för förstärkare på ett generellt plan. Kunna beskrva olka typer av förstärkare och krav på dessa. Kunna förstå
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 merTNSL05 Optimering, Modellering och Planering. Föreläsning 10
TNSL05 Optimering, Modellering och Planering Föreläsning 10 Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF
Läs 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 merKomplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx).
TENTAMEN 9 jan 01, HF1006 och HF1008 Moment: TEN1 (Lnjär algebra), hp, skrftlg tentamen Kurser: Analys och lnjär algebra, HF1008, Lnjär algebra och analys HF1006 Klasser: TIELA1, TIMEL1, TIDAA1 Td: 115-1715,
Läs merTAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: 2 maj 20 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får
Läs 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 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 merLektion 9. Teori. Bilinjär transformation. Byggblock Integratorer. Parasitkapacitanser. SC-filter Leapfrogfilter. LDI-transformation ----
Uppgfter (Lekton):.7 Uppgfter (ek.): Teoretka moment: S-flter Teor Byggblock Integratorer De vktgate byggblocken om använd S-flter är amma typ av kretar om för de tdkontnuerlga fltren, dv ummerande ntegratorer.
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 merSpecialfall inom produktionsplanering: Avslutning Planerings- Le 8-9: Specialfall (produktval, kopplade lager, cyklisk planering, mm) system
Föreläsg Specalfall om produktosplaerg: Produktvalsplaerg, cyklsk plaerg, alteratva partformgsmetoder Avslutg Plaergssystem Fast posto Fö 6a: Projektplaerg (CPM, PERT, mm) Le 3: Projektplaerg (CPM/ PERT,
Läs merUtbildningsavkastning i Sverige
NATIONALEKONOMISKA INSTITUTIONEN Uppsala Unverstet Examensarbete D Författare: Markus Barth Handledare: Bertl Holmlund Vårtermnen 2006 Utbldnngsavkastnng Sverge Sammandrag I denna uppsats kommer två olka
Läs merTMA226 datorlaboration
TMA226 Matematisk fördjupning, Kf 2019 Tobias Gebäck Matematiska vetenskaper, Calmers & GU Syfte TMA226 datorlaboration Syftet med denna laboration är att du skall öva formuleringen av en Finita element-metod,
Läs merMotion nu satsar vi på landsbygden
SAM MANTRÄDESPROTOKOLL 19 (48) LEDNINGSUTSKOTTET Sammanträdesdatum 2018-03-20 62 Moton nu satsar v på landsbygden Dnr 2017/8'7 re [NLEDN ING Ulrka Spårebo (S] nkom den 27 februar 2017 med rubrcerad moton.
Läs merFörberedelse INSTALLATION INFORMATION
Förberedelse 1 Materalet tll Pergo lamnatgolv levereras med llustrerade anvsnngar. I texten nedan ger v förklarngar tll llustratonerna, som kan delas upp tre områden: Förberedelser, Läggnng och Rengörng.
Läs merGRÄNSBETECKNINGAR _. --- --- ALLMÄN PLATS KVARTERSMARK :B,H ' =-'.=.' ~ 1-~.1-._. - J. K Ll_... +000,0 Föreskriven höjd över nollplanet.
DETALJPLAN FÖR DELAR AV Hötorget Hötorgsgatan och kv Sgyn SKARA TÄTORT SKARA KOMMUN UPPRÄTTAD DEN 3 FEBRUAR OCH REVDERAD DEN 10 MARS 1994 ÖSTEN ANDERSSON STADSARKTEKT Planbestämmelser ERK WESTLN PLANARKTEKT
Läs mer