Billigaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform

Storlek: px
Starta visningen från sidan:

Download "Billigaste väg: Matematisk modell i vektor/matrisform. Billigaste väg: Matematisk modell i vektor/matrisform"

Transkript

1 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 för de bågar som ngår vägen. Skcka en (odelbar) enhet från s tll t på bllgaste sätt. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Bllgaste väg: Matematsk modell Varabeldefnton: x j = om båge (, j) ngår vägen. mn c j x j (,j) B j:(j,) B x j j:(,j) B x j = x j {0, } för alla (, j) B Nodjämvktsvllkor: (n - ut) = s = t för alla N Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Exempel 8 x x = () x +x x x = 0 () x x x x = 0 () x +x x = 0 () x +x +x = () Anslutnngsmatrs: A = Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8

2 Bllgaste väg: Matematsk modell vektor/matrsform Med x som bågvektor: = s b = = t A kallas anslutnngsmatrs. mn c T x Ax = b x {0, } m om båge k startar nod a k = om båge k slutar nod 0 för övrgt En kolumn A har ett element lka med -, ett lka med och resten nollor. Detta gäller även b. Summerng av Ax = b ger 0 = 0. Ax = b nnehåller ett redundant bvllkor (raderna är lnjärt beroende). Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Bllgaste väg Bllgaste väg: Matematsk modell vektor/matrsform Defnton En matrs A är fullständgt unmodulär om varje underdetermnant har värdet 0, eller -. Varje anslutnngsmatrs, A, är fullständgt unmodulär. Om A är en fullständgt unmodulär matrs och b är en heltalsvektor, så är alla extrempunkter tll mängden X = {x : Ax = b, x 0} heltalga. Ett LP-problem vars bvllkorsmatrs är en anslutnngsmatrs och vars högerled är heltalgt, har heltalg optmallösnng. Slutsats Bllgaste väg-problem kan betraktas som LP-problem. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Lösnngsmetoder för bllgaste vägproblemet LP-formulerng: mn c j x j (,j) B j:(j,) B x j j:(,j) B x j 0 för alla (, j) B = s x j = = t för alla N y : dualvarabel, nodprs, för nod. LP-dualen: max y t y s y j y c j för alla (, j) Ett redundant bvllkor prmalen ger en frhetsgrad dualen. Sätt y s = 0. Slutsats Om LP-formulerngen av bllgaste väg-problemet har ändlgt optmum, så är alla x j lka med eller 0 optmallösnngen. LP-dualtet ger: Om y är en optmal duallösnng (med y s = 0), så är y k är lägsta kostnaden för att komma tll nod k från s. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 8 / 8

3 Nodmärknngsmetoder LP-dual: max y t y j y c j för alla (, j) (samt y s = 0) Bvllkoren: y j c j + y. Målfunktonen: max y t öka alla nodprser så mycket som möjlgt. Slutsats: Sätt y j = mn (c j + y ). Prmal tolknng: V vll fnna bllgaste sättet att komma tll nod j. Märk nod j med (y j, p j ), där p j är det som gav mn (föregångaren). Praktsk fråga: I vlken ordnng skall v undersöka noderna? Tre olka fall:. Inga cykler.. Inga negatva kostnader.. Negatva kostnader och cykler. Kaj Holmberg (LU) TAOP88 Optmerng september 0 9 / 8 Bllgaste väg: Djkstras metod Nodmärknngsmetoder Mål: y s = 0, y j = mn (c j + y ) för alla j. Acyklsk graf: Sortera noderna så att < j för alla bågar (, j) B. Märk noderna den ordnngen: y j = mn <j (c j + y ) för j =,..., n. (Bellmans ekvatoner. Används för dynamsk programmerng.) Frånvaron av cykler gör att nga nodmärknngar behöver göras om. Ickenegatva kostnader: Djkstras metod Ordnngen är ej känd. Märk (permanent) först den nod som ger lägst nodprs. Frånvaron av negatva kostnader gör att nga nodprser kan sänkas, dvs att nga permanenta nodmärknngar behöver ändras. (Försök nte ens.) Kaj Holmberg (LU) TAOP88 Optmerng september 0 0 / 8 Djkstras metod för bllgaste väg: Exempel A: permanent märkta noder. 0. Sätt y s = 0 och y j = M för alla j s, samt A = {s}.. Fnn nod (k) med lägsta temporära nodprs: y k = mn j A y j. Lägg tll k tll A, dvs. gör märknngen permanent.. Om slutnoden (eller alla noder) permanent märkt: Stopp.. Uppdatera de temporära nodprser som blr lägre va y k, dvs. om c kj + y k < y j för j A.. Gå tll. (,) (,) (,) (,) Vktgt för effektvteten: Ttta nte på permanent märkta noder, j A, steg och. Komplextet O( N ). Bllgaste vägen nystas upp bakfrån med föregångare p j (börja med j = t). Obs: Först görs nodmärknngen helt färdgt. Sedan httar man vägen. Nysta upp vägen baklänges. Bllgaste väg: Kostnad:. Nodprserna ger optmal duallösnng. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8

4 Bllgaste väg Bllgaste väg: Fords metod Negatva kostnader och cykler: Fords metod Fnns ngen ordnng så att nodmärknngar nte behöver göras om. Sklj ej på permanent och temporär märknng. Avsöknng av nod: Kolla utgående bågar. Uppdatera alla nodprser som blr lägre. Om nget nodprs kan sänkas är noden avsökt. Om en avsökt nod får lägre nodprs, blr den oavsökt. Stoppkrterum: Alla noder avsökta. (Sämre än Djkstra.) Cykel med negatv kostnad ger obegränsad lösnng. Nodprserna cykeln kommer att uppdateras ett oändlgt antal gånger. Man kan sluta efter N gånger. 0. Sätt y s = 0 och y j = M för alla andra noder.. Fnn oavsökt nod (k) med lägsta nodprs (mn j y j ).. Uppdatera de nodprser som blr lägre va y k. Om en avsökt nod får lägre nodprs, blr den oavsökt.. Markera nod k som avsökt.. Om all noder är avsökta: Stopp.. Gå tll. Bllgaste vägen nystas upp bakfrån mha p j. Alla nodprser kan ändras. I steg och beaktas alla noder: Komplextet O( N ). Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Fords metod för bllgaste väg: Exempel (,) (,) (,) (,) (8,) (,) Alla noder avsökta. Fnn väg baklänges. Bllgaste väg: Kostnad:. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Fords metod för bllgaste väg: Exempel (,) (,) (,) (,) (8,) (,) (,) (,) (,) (,) V kommer att fortsätta sänka nodprserna för nod,,. Negatv cykel: Oändlgt bra prmal lösnng. Ingen tllåten duallösnng. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8

5 Bllgaste väg Optmala nodmärknngar: (,s) (0,) (,) (,) s t (,s) (9,) (,) Alla noder har en märknng. Kan nysta upp från vlken nod som helst. s (,s) (,s) (0,) (,) (,) t (9,) (,) V får bllgaste väg från s tll alla andra noder. Bllgaste väg: Generalserngar Kan lösas med samma metoder. Bllgaste väg Dyraste väg Mn produkt Max produkt Mn max Max mn mn c j y j = mn(c j + y ) y s = 0 j max c j y j = max(c j + y ) y s = 0 j mn c j y j = mn(c j y ) y s = j max c j y j = max(c j y ) y s = j mn max c j y j = mn(max(c j, y )) j y s = 0 max mn c j y j = max(mn(c j, y )) j y s = M I de fyra ssta fallen förutsätts c j 0 för alla (, j). Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Bllgaste väg: Alla tll alla Kaj Holmberg (LU) TAOP88 Optmerng september 0 8 / 8 Vägar: Maxflödesproblemet Floyd-Warshalls metod för att fnna bllgaste väg mellan alla nodpar: Sätt d j = c j för alla, j. För k =,..., N, för =,..., N, för j =,..., N sätt d j = mn(d j, d k + d kj ). Komplextet O( N ). Kan användas för att göra om ett TSPr tll ett TSP(r). Indata: Rktad graf G = (N, B) med bågkapacteter u, start/slutnod s, t. Skcka så mycket som möjlgt från s tll t. Varabeldefnton: x j = flöde båge (, j). max f j:(j,) B x j j:(,j) B 0 x j u j för alla (, j) B f fr f = s x j = f = t för alla N Kaj Holmberg (LU) TAOP88 Optmerng september 0 9 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 0 / 8

6 Lösnngsmetod för maxflödesproblemet Maxflödesproblemet Påfyllnadsmetoden (Edmonds-Karp) 0. Börja från noll.. Fnn maxmal flödesökande väg från s tll t. Avbryt om ngen väg fnns.. Skcka så mycket som möjlgt den vägen.. Ändra tllåtna rktnngar.. Gå tll. x j = 0: Framåt (öka). Tllåtna rktnngar: 0 < x j < u j : Framåt och bakåt. x j = u j : Bakåt (mnska). Varje tllåtet flöde ger en undre gräns på f. Kapacteten hos varje (s, t)-sntt ger en övre gräns på f. Kapacteten hos ett mnsntt är lka med den maxmala flödesstyrkan, f. Flödesstyrkan är maxmal (och lka med kapacteten hos ett mnsntt) om och endast om en flödesökande väg saknas. En flödesökande väg fnnes metodskt med Djkstras metod (max av mn). Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Maxflöde: Exempel Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Vägar: Dynamsk programmerng Bllgaste väg-problem acyklsk nvåndelad graf. Td! (,) (,) (M, ) (,) (,) (,) (,) (,) Maxflöde uppnått. Mnsnttet går mellan märkta och omärkta noder. Maxflöde: Nodmärknngsmetod (Bellmans ekvatoner): Ta en nvå, S k, taget: y = 0. För k =,..., N: För varje j S k : Sätt y j = mn S k (c j + y ). Ordnngen nom en nvå ovktg. Vägen kommer att passera en av noderna varje nvå. Vet ej vlken. Möjlga målfunktoner: mn, max, mn, max, mn max, max mn. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8

7 Dynamsk programmerng: Lagerhållnngsproblem Dynamsk programmerng: Kappsäcksproblem Nod j man ska tll S k kallas tllstånd, s k. Noden man kommer från kallas styrnng, x k. Kan lösa allt som är ett väg-problem en acyklsk nvåndelad graf. mn j c j x j j a j x j b, 0 x j u j och heltal, för alla j Exempel: Lagerhållnngsproblem Tllstånd: s k = antal enheter lager efter perod k. Styrnng: x k = antal enheter som köps/produceras/säljs perod k. s k = Varje varabel ses som en nvå. Varje nvå nnebär ett ökat utnyttjande av den gemensamma resursen b. Tllstånd: s k = den del av högerledet b som får användas tll de k första varablerna. s k = Kopplng mellan nvåerna: s k = s k a k x k s k = 0 Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Dynamsk programmerng: Kappsäcksproblem Ex: max x + x + x x + x + x, x {0, }, x {0, }, x {0,, } Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Dynamsk programmerng: Beräknngar max x + x + x x + x + x, x {0, }, x {0, }, x {0,, } Kan göra beräknngarna en tabell p.g.a. strukturen hos nätverket. b = b = x s f (s ) 0 0 ˆx (s ) 0 0 x s f (s ) 0 0 ˆx (s ) b = b = b = 0 x s f (s ) 0 0 ˆx (s ) Uppnystnng: s =, x =, s =, x = 0, s =, x =, z =. Kaj Holmberg (LU) TAOP88 Optmerng september 0 / 8 Kaj Holmberg (LU) TAOP88 Optmerng september 0 8 / 8

Tillämpningar av dekomposition: Flervaruflödesproblemet. Flervaruflödesproblemet: Lagrangeheuristik

Tillämpningar av dekomposition: Flervaruflödesproblemet. Flervaruflödesproblemet: Lagrangeheuristik 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

Läs mer

TNK049 Optimeringslära

TNK049 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 mer

TNK049 Optimeringslära

TNK049 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 mer

TAOP61 Optimering av realistiska sammansatta system. Speciellt med denna kurs. Uppdateringar. Kursplan

TAOP61 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 mer

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering

Dynamisk 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 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

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

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:

Läs mer

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet Flöde i nätverk Graf: G = (N, B) Variabeldefinition: x ij = flöde i båge (i, j). Bågdata för båge (i, j): c ij : flödeskostnad per enhet. u ij : övre gräns för flödet. l ij : undre gräns för flödet. Bivillkor:

Läs mer

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

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet. Specialfall av minkostnadsflödesproblemet. Slutsats.

Flöde 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 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

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

Speciell användning av heltalsvariabler. Heltalsprogrammering. Antingen-eller-villkor: Exempel. Speciell användning av heltalsvariabler Heltalsprogrammering Speciell användning av heltalsvariabler max z = då c j x j j= a ij x j b i j= x j 0 x j heltal i =,..., m j =,..., n j =,..., n ofta x j u j j =,..., n Oftast c, A, b heltal. Ibland

Läs mer

Centrala Gränsvärdessatsen:

Centrala 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 mer

TNK049 Optimeringslära

TNK049 Optimeringslära TNK49 Optimeringslära Clas Rydergren, ITN Föreläsning 7 Nätverksoptimering Billigaste uppspännande träd (MST) Billigaste väg (SP) Projektnätverk Minkostnadsflödesproblem Agenda Terminologi för grafer/nätverk

Läs 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

min c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ:

min c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ: Heltalsprogrammering Speciell användning av heltalsvariabler max z = då n c j x j j= n a ij x j b i j= x j 0 x j heltal i =,..., m j =,..., n j =,..., n ofta x j u j j =,..., n Oftast c, A, b heltal. Ibland

Läs mer

min c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ:

min c 1 x 1 + c 2 x 2 då x 1 + x 2 = 1, x 1 {0, 1}, x 2 {0, 1} plus andra bivillkor. Vi måste göra k st av n alternativ: Heltalsprogrammering Speciell användning av heltalsvariabler max z = då c j x j a ij x j b i x j 0 x j heltal i =,..., m j =,..., n j =,..., n ofta x j u j j =,..., n Oftast c, A, b heltal. Ibland u j

Läs mer

Optimeringslära Kaj Holmberg

Optimeringslära 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 mer

Föreläsningsanteckningar F6

Föreläsningsanteckningar F6 Föreläsningsanteckningar F6 Martin Andersson & Patrik Falkman Kortaste vägen mellan en nod och alla andra noder Detta problem innebär att givet en graf G = (E,V) hitta den kortaste vägen över E från en

Läs mer

Komplettering: 9 poäng på tentamen ger rätt till komplettering (betyg Fx).

Komplettering: 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 mer

Lösningar modul 3 - Lokala nätverk

Lösningar 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 mer

Tentamen i Dataanalys och statistik för I den 5 jan 2016

Tentamen 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 mer

Lektion 8 Specialfall, del I (SFI) Rev 20151006 HL

Lektion 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 mer

Hjälpmedel: Penna, papper, sudd, linjal, miniräknare, formelsamling. Ej tillåtet med internetuppkoppling: 1. Skriv ditt för- och efternamn : (1/0/0)

Hjälpmedel: Penna, papper, sudd, linjal, miniräknare, formelsamling. Ej tillåtet med internetuppkoppling: 1. Skriv ditt för- och efternamn : (1/0/0) Prov ellära, Fya Lugnetgymnaset, teknkprogrammet Hjälpmedel: Penna, papper, sudd, lnjal, mnräknare, formelsamlng. Ej tllåtet med nternetuppkopplng: Elektrsk laddnng. Skrv dtt för och efternamn : (/0/0).

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

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

Optimeringslära Kaj Holmberg. Lösningar/svar. Iteration 2: x 2 s

Optimeringslära 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 mer

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

Eulercykel. Kinesiska brevbärarproblemet. Kinesiska brevbärarproblemet: Metod. Kinesiska brevbärarproblemet: Modell. Definition. Definition. Eulercykel Definition En Eulercykel är en cykel som använder varje båge exakt en gång. Definition En nods valens är antalet bågar som ansluter till noden. Kinesiska brevbärarproblemet En brevbärartur är

Läs mer

FK2002,FK2004. Föreläsning 5

FK2002,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 mer

Optimering i samband med produktionsplanering av, och materialförsörjning vid, underhåll av flygmotorer

Optimering 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 mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/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 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

Balansering av vindkraft och vattenkraft i norra Sverige. Elforsk rapport 09:88

Balansering 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 mer

När vi räknade ut regressionsekvationen sa vi att denna beskriver förhållandet mellan flera variabler. Man försöker hitta det bästa möjliga sättet

När 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 mer

Beräkna standardavvikelser för efterfrågevariationer

Beräkna 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 mer

Riktlinjer för avgifter och ersättningar till kommunen vid insatser enligt LSS

Riktlinjer för avgifter och ersättningar till kommunen vid insatser enligt LSS Rktlnjer för avgfter och ersättnngar tll kommunen vd nsatser enlgt LSS Beslutad av kommunfullmäktge 2013-03-27, 74 Rktlnjer för avgfter och ersättnngar tll kommunen vd nsatser enlgt LSS Fnspångs kommun

Läs mer

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg

Läs mer

Projekt i transformetoder. Rikke Apelfröjd Signaler och System rikke.apelfrojd@signal.uu.se Rum 72126

Projekt i transformetoder. Rikke Apelfröjd Signaler och System rikke.apelfrojd@signal.uu.se Rum 72126 Projekt transformetoder Rkke Apelfröjd Sgnaler och System rkke.apelfrojd@sgnal.uu.se Rum 72126 Målsättnng Ur kursplanen: För godkänt betyg på kursen skall studenten kunna använda transformmetoder nom något

Läs mer

Föreläsning 9. Specialfall inom produk1onsplanering: Cyklisk planering, kopplade lager

Föreläsning 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 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

FÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff

FÖRDJUPNINGS-PM. Nr 6. 2010. Kommunalt finansierad sysselsättning och arbetade timmar i privat sektor. Av Jenny von Greiff FÖRDJUPNINGS-PM Nr 6. 20 Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Av Jenny von Greff Dnr 13-15- Kommunalt fnanserad sysselsättnng och arbetade tmmar prvat sektor Inlednng Utförsäljnng

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

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

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg

Läs 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: 9 augusti 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:

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

Moment 2 - Digital elektronik. Föreläsning 2 Sekvenskretsar och byggblock

Moment 2 - Digital elektronik. Föreläsning 2 Sekvenskretsar och byggblock Moment 2 - gtal elektronk Föreläsnng 2 Sekvenskretsar och byggblock Jan Thm 29-3-5 Jan Thm F2: Sekvenskretsar och byggblock Innehåll: Sekvenser Latchar och vppor Regster Introdukton - byggblock Kodare

Läs mer

Partikeldynamik. Dynamik är läran om rörelsers orsak.

Partikeldynamik. Dynamik är läran om rörelsers orsak. Partkeldynamk Dynamk är läran om rörelsers orsak. Tung och trög massa Massa kan defneras på två sätt. Den ena baserar sg på att olka massor attraheras olka starkt av jordens gravtaton. Att två massor är

Läs mer

Slumpvariabler (Stokastiska variabler)

Slumpvariabler (Stokastiska variabler) Slumpvarabler Väntevärden F0 Slutsatser från urval tll populaton Slumpvarabler (Stokastska varabler) En slumpvarabel är en funkton från utfallsrummet tll tallnjen Ex kast med ett mynt ggr =antalet krona

Läs mer

Faradays lag. ger. Låt oss nu bestämma den magnetiska energin för N st kopplade kretsar. Arbetet som kretsarnas batterier utför är

Faradays 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 mer

GRÄNSBETECKNINGAR _. --- --- ALLMÄN PLATS KVARTERSMARK :B,H ' =-'.=.' ~ 1-~.1-._. - J. K Ll_... +000,0 Föreskriven höjd över nollplanet.

GRÄNSBETECKNINGAR _. --- --- 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

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition

Träd. Sats. Grafer. Definition. En fullständig graf har en båge mellan varje par av noder. Definition Grafdefinitioner Träd N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar och slutar i samma nod. En enkel väg

Läs mer

Föreläsning 5: Dynamisk programmering

Föreläsning 5: Dynamisk programmering Föreläsning 5: Dynamisk programmering Vi betraktar en typ av problem vi tidigare sett: Indata: En uppsättning intervall [s i,f i ] med vikt w i. Mål: Att hitta en uppsättning icke överlappande intervall

Läs mer

Lösningar/svar. Uppgift 1. Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system. Optimeringslära Kaj Holmberg

Lösningar/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 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

Allmänt om korttidsplanering. Systemplanering 2011. Allmänt om korttidsplanering. Allmänt om vattenkraft. Det blir ett optimeringsproblem!

Allmänt om korttidsplanering. Systemplanering 2011. Allmänt om korttidsplanering. Allmänt om vattenkraft. Det blir ett optimeringsproblem! Sysemplanerng 2011 Allmän om kordsplanerng Föreläsnng 8, F8: Kordsplanerng av vaenkrafsysem Kapel 5.1-5.2.4 Innehåll: Allmän om kordsplanerng Allmän om vaenkraf Elprodukon Hydrologsk kopplng Planerngsprobleme

Läs mer

DEL I. Matematiska Institutionen KTH

DEL 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 mer

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/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 mer

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

z = min 3x 1 2x 2 + y Fixera y, vilket ger subproblemet Bendersdekomposition Blandade heltalsproblem med ett stort antal kontinuerliga variabler och få heltalsvariabler. Mycket lättare att lösa om heltalsvariablerna fixeras. Bendersdekomposition (primal dekomposition)

Läs mer

Del A Begrepp och grundläggande förståelse.

Del 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 mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/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 mer

TNSL05 Optimering, Modellering och Planering. Föreläsning 9

TNSL05 Optimering, Modellering och Planering. Föreläsning 9 TNSL05 Optimering, Modellering och Planering Föreläsning 9 Agenda Kursens status Dualitet Billigaste väg problem 208-2- Kursens status Föreläsning (), 2-5: Modellering Föreläsning 6-0, () Lösningsmetod/känslighetsanalys

Läs mer

N = {i}: noder (hörn) Graf: G = (N, B) Definitioner. Väg: Sekvens av angränsande bågar. Cykel: Väg som startar och slutar i samma nod.

N = {i}: noder (hörn) Graf: G = (N, B) Definitioner. Väg: Sekvens av angränsande bågar. Cykel: Väg som startar och slutar i samma nod. Polyeder 0 x, 0 x, 0 x, x + x + x, x + x + x Grafdefinitioner N = {i}: noder (hörn) = {(i, j)}, i N, j N: bågar (kanter) Graf: G = (N, ) efinitioner Väg: Sekvens av angränsande bågar. ykel: Väg som startar

Läs mer

Partikeldynamik. Fjädervåg. Balansvåg. Dynamik är läran om rörelsers orsak.

Partikeldynamik. Fjädervåg. Balansvåg. Dynamik är läran om rörelsers orsak. Dynamk är läran om rörelsers orsak. Partkeldynamk En partkel är en kropp där utsträcknngen saknar betydelse för dess rörelse. Den kan betraktas som en punktmassa utan rotaton. Massa kan defneras på två

Läs mer

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: oktober 08 Tid: 8.00-.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 TAOP/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid:.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken får

Läs mer

Laborationsinformation

Laborationsinformation Linköpings Tekniska Högskola 2017 03 16 Matematiska institutionen/optimeringslära Kaj Holmberg Laborationsinformation 1 VINEOPT: Visual Network Optimization 1.1 Introduktion VINEOPT är ett program för

Läs 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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS Datum: 1 april 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar

Läs mer

Snabbguide. Kaba elolegic programmeringsenhet 1364

Snabbguide. Kaba elolegic programmeringsenhet 1364 Snabbgude Kaba elolegc programmerngsenhet 1364 Innehåll Informaton Förpacknngsnnehåll 3 Textförklarng 3 Ansvar 3 Skydd av systemdata 3 Frmware 3 Programmera Starta och Stänga av 4 Mnneskort 4 Exportera

Läs mer

TDDC47 Realtids- och processprogrammering. Jourhavande-lärare: Mehdi Amirijoo (Telefonnummer: , ).

TDDC47 Realtids- och processprogrammering. Jourhavande-lärare: Mehdi Amirijoo (Telefonnummer: , ). TENTAMEN TDD7 Realtds- och processprogrammerng Datum: December 006 Td: 8- Lokal: TER Jourhavande-lärare: Mehd Amrjoo (Telefonnummer: 0-89, 07-66996). Hjälpmedel: Poängantal: Engelsk lexkon Mnräknare 0p

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 24 oktober 204 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering

Läs 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

VALUE AT RISK. En komparativ studie av beräkningsmetoder. VALUE AT RISK A comparative study of calculation methods. Fredrik Andersson, Petter Finn

VALUE AT RISK. En komparativ studie av beräkningsmetoder. VALUE AT RISK A comparative study of calculation methods. Fredrik Andersson, Petter Finn ISRN-nr: VALUE AT RISK En komparatv stude av beräknngsmetoder VALUE AT RISK A comparatve study of calculaton methods Fredrk Andersson, Petter Fnn & Wlhelm Johansson Handledare: Göran Hägg Magsteruppsats

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

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

Exempel: En boll med massa m studsar mot ett golv. Alldeles innan studsen vet man att hastigheten är riktad

Exempel: En boll med massa m studsar mot ett golv. Alldeles innan studsen vet man att hastigheten är riktad 1 KOMIHÅG 6: --------------------------------- Momentlag Tröghetsmoment ---------------------------------- Föreläsnng 7: Impulslag Rörelsemängden defneras som en vektor: p = mv Newtons 2:a lag kan då skrvas

Läs mer

Introduktionsersättning eller socialbidraghar ersättningsregim betydelse för integrationen av flyktingar? 1

Introduktionsersättning eller socialbidraghar ersättningsregim betydelse för integrationen av flyktingar? 1 UPPSALA UNIVERSITET Natonalekonomska Insttutonen Examensarbete D-uppsats, Ht-2005 Introduktonsersättnng eller socalbdraghar ersättnngsregm betydelse för ntegratonen av flyktngar? 1 Författare: Henrk Nlsson

Läs mer

Förklaring:

Förklaring: rmn Hallovc: EXTR ÖVNINR ETIND SNNOLIKHET TOTL SNNOLIKHET OEROENDE HÄNDELSER ETIND SNNOLIKHET Defnton ntag att 0 Sannolkheten för om har nträffat betecknas, kallas den betngade sannolkheten och beräknas

Läs mer

Förstärkare Ingångsresistans Utgångsresistans Spänningsförstärkare, v v Transadmittansförstärkare, i v Transimpedansförstärkare, v i

Förstärkare 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 mer

Tentamen (TEN2) Maskininlärning (ML) 5hp 21IS1C Systemarkitekturutbildningen. Tentamenskod: Inga hjälpmedel är tillåtna

Tentamen (TEN2) Maskininlärning (ML) 5hp 21IS1C Systemarkitekturutbildningen. Tentamenskod: Inga hjälpmedel är tillåtna Intellgenta och lärande system 15 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Tentamen (TEN2) Masknnlärnng (ML) 5hp 21IS1C Systemarktekturutbldnngen Tentamenskod: Tentamensdatum: 2017-03-24 Td:

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

Experimentella metoder 2014, Räkneövning 5

Experimentella 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 mer

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: 1 oktober 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:

Läs mer

Dödlighetsundersökningar på KPA:s

Dödlighetsundersökningar på KPA:s Matematsk statstk Stockholms unverstet Dödlghetsundersöknngar på KPA:s bestånd av förmånsbestämda pensoner Sven-Erk Larsson Eamensarbete 6: Postal address: Matematsk statstk Dept. of Mathematcs Stockholms

Läs mer

En studiecirkel om Stockholms katolska stifts församlingsordning

En studiecirkel om Stockholms katolska stifts församlingsordning En studecrkel om Stockholms katolska stfts församlngsordnng Studeplan STO CK HOLM S K AT O L S K A S T I F T 1234 D I OECE S I S HOL M I ENS IS En studecrkel om Stockholm katolska stfts församlngsordnng

Läs mer

Kaj Holmberg (LiU) Grön optimering 12 oktober / 22

Kaj 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 mer

Balansering av vindkraft och vattenkraft i norra Sverige. Elforsk rapport 09:88

Balansering 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 mer

Konsoliderad version av

Konsoliderad version av Konsolderad verson av Styrelsens för ackredterng och teknsk kontroll föreskrfter (STAFS 1993:16) om EEG-märknng av flaskor som tjänar som mätbehållare (STAFS 2011:7). Ändrng nförd t.o.m. STAFS 2011:7 Föreskrfternas

Läs mer

Performansanalys LHS/Tvåspråkighet och andraspråksinlärning Madeleine Midenstrand 2004-04-17

Performansanalys 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 mer

saknar reella lösningar. Om vi försöker formellt lösa ekvationen x 1 skriver vi x 1

saknar reella lösningar. Om vi försöker formellt lösa ekvationen x 1 skriver vi x 1 Armn Hallovc: EXTRA ÖVNINGAR KOMPLEXA TAL Inlednng Ekvatonen x 1 har två reella lösnngar, x 1, dvs x 1, medan ekvatonen x 1 saknar reella lösnngar Om v försöker formellt lösa ekvatonen x 1 skrver v x 1

Läs mer

Sammanfattning. Härledning av LM - kurvan. Efterfrågan, Z. Produktion, Y. M s. M d inkomst = Y >Y. M d inkomst = Y

Sammanfattning. Härledning av LM - kurvan. Efterfrågan, Z. Produktion, Y. M s. M d inkomst = Y >Y. M d inkomst = Y F12: sd. 1 Föreläsnng 12 Sammanfattnng V har studerat ekonomn påp olka skt, eller mer exakt, under olka antaganden om vad som kan ändra sg. 1. IS-LM, Mundell Flemmng. Prser är r konstanta, växelkurs v

Läs mer

2B1115 Ingenjörsmetodik för IT och ME, HT 2004 Omtentamen Måndagen den 23:e aug, 2005, kl. 9:00-14:00

2B1115 Ingenjörsmetodik för IT och ME, HT 2004 Omtentamen Måndagen den 23:e aug, 2005, kl. 9:00-14:00 (4) B Ingenjörsmetodk för IT och ME, HT 004 Omtentamen Måndagen den :e aug, 00, kl. 9:00-4:00 Namn: Personnummer: Skrv tydlgt! Skrv namn och personnummer på alla nlämnade papper! Ma ett tal per papper.

Läs mer

TNSL05 Optimering, Modellering och Planering. Föreläsning 5

TNSL05 Optimering, Modellering och Planering. Föreläsning 5 TNSL5 Optimering, Modellering och Planering Föreläsning 5 Dagordning Kort repetition Graf/nätverk: Begrepp Representation Exempel: Minkostnadsflödeproblem Billigastevägproblem 28--5 4 Hittills Föreläsning

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

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

Föreläsning G70 Statistik A

Föreläsning G70 Statistik A Föreläsnng -2 732G70 Statstk A Kaptel 2 Populatoner, stckprov och varabler Sd -46 2 Populaton Den samlng enheter (exempelvs ndvder) som v vll dra slutsatser om. Populatonen defneras på logsk väg med utgångspunkt

Läs mer

Blixtkurs i komplex integration

Blixtkurs 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 mer