Optimering med hjälp av Lego. Mathias Henningsson
|
|
- David Jonsson
- för 7 år sedan
- Visningar:
Transkript
1 Optimering med hjälp av Lego Mathias Henningsson
2 Vem är jag? Mathias Henningsson Lärare Optimeringslära Produktionsekonomi Bokförfattare Optimeringslära övningsbok (Studentlitteratur) Arbetar även med genomförande, utveckling och kvalitet för bla programmet Industriell ekonomi
3 Optimering för högstadiet/gymnasium 3 Har under årens lopp presenterat detta på högstadieskolor i Katrineholm, Nyköping och Linköping (Berzeliusskolan) Har även haft presentationen för I1 på universitetet Beroende på målgrupp så anpassar man nivån och hur långt man går i presentationen Blandar matematik, ekonomi och datoranvändning
4 Optimeringslära, exempel med Lego Bord Stolar vinst/bord: 150 kr vinst/stol: 100 kr Består av 2 stora, 2 små Består av 1 stor, 2 små Tillgång: Stora bitar: 6 st Små bitar: 9 st Mål: Maximera vinsten
5 Modellformulering Variabeldefinition: Modellformulering x 1 x 2 = antalet tillverkade bord = antalet tillverkade stolar max z =150x x 2 (Målfunktion) då 2x 1 + x 2 6 (Stora bitar) 2x 1 + 2x 2 9 (Små bitar) x 1, x 2 0 (Variabelbegränsningar)
6 Stol Grafisk lösning x=(1 3) z =450 Heltalig lösning, ej optimum x=(1,5 3) z =525 Kontinuerligt optimum x=(2 2) z =500 Heltaligt optimum Bord
7 Möjlighet att köpa in ytterligare material 1 stor bit Vad vill du som mest betala? 2 stora bitar Vad vill du som mest betala? 1 liten bit Vad vill du som mest betala? 2 små bitar Vad vill du som mest betala?
8 Stol x=(2 2) z =500 x=(1 4) z =550 Om högerledet är 8 blir vinsten 500 Om högerledet är 9 blir vinsten 525 kontinuerligt 500 heltaligt Om högerledet är 10 blir vinsten 550 Marginalintäkten 25 kr/bit 2x 1 + 2x x 1 + 2x 2 8 Bord
9 Stol x=(1,5 3) z =525 x=(2 2) z =500 2x 1 + x 2 8 x=(2,5 2) z =575 x=(3 1) z =550 2x 1 + x 2 6 2x 1 + x 2 7 Om högerledet är 6 blir vinsten 525 kontinuerligt 500 heltaligt Om högerledet är 7 blir vinsten 575 kontinuerligt 550 heltaligt Om högerledet är 8 blir vinsten 625 kontinuerligt 600 heltaligt Marginalintäkten 50 kr/bit x=(3,5 1) z =625 x=(4 0) z =600 Bord
10 Resultat från optimeringslösare Kontinuerligt z = 525 x := Bord 1.5 Stol 3 Diskret (Heltalig) z = 500 x:= Bord = 2 Stol = 2 Tillgångsvillkor := SMÅ 25 STORA 50
11 Större problem Lägg till produkterna, bänk och pall En bänk består av en liten och en stor bit Försäljningspris 80 kronor En pall består av två små bitar Försäljningspris 50 kronor Sedan tidigare En stol består av en stor och 2 små bitar Försäljningspris 100 kronor Ett bord består av 2 stora och 2 små bitar Försäljningspris 150 kronor I lagret finns 14 stora och 20 små bitar
12 Modellformulering Variabeldefinition: x 1 = antalet tillverkade bord = antalet tillverkade stolar Modellformulering x 2 x 3 = antalet tillverkade bänkar x 4 = antalet tillverkade pallar max z =150x x 2 +80x x 4 då 2x 1 + x 2 + x 3 14 (Stora bitar) 2x 1 + 2x 2 + x 3 + 2x 4 20 x 1, x 2, x 3, x 4 0 (Små bitar)
13 Summationsform max z = då 4 c i x i i=1 4 a i x i 14 i=1 4 d i x i 20 i=1 x i 0 (Stora bitar) (Små bitar) där x i = antal av respektive möbel i=1,...4 c i = ( ) a i = ( ) d i = ( ) max z =150x x 2 +80x x 4 då 2x 1 + x 2 + x 3 14 (Stora bitar) 2x 1 + 2x 2 + x 3 + 2x 4 20 x 1, x 2, x 3, x 4 0 (Små bitar)
14 Matrisform Varje rad är en legobit Varje kolumn är en möbel Bord Stol max z = c T x då Ax b x 0 där x = antal av respektive möbel x = (????) ( ) c = # A = & % ( $ ' ( ) b = 14 20
15 Resultat från optimeringslösare z = 1270 x['stol'] 0 x['bänk'] 14 x['bord'] 0 x['pall'] 3 Precis som vi tänkt ut!!! Men så här enkelt är det kanske inte i verkligheten Använd lösare Hur använder vi lösaren på ett effektivt sätt?
16 Datafil set PRODUKTER := STOL BÄNK BORD PALL; set BITAR := STORA SMÅ; param Tillgång := STORA 14 SMÅ 20; param Intäkt := STOL 100 BÄNK 80 BORD 150 PALL 50; param Atgang : STORA SMÅ := STOL 1 2 BÄNK 1 1 BORD 2 2 PALL 0 2;
17 Modell set PRODUKTER; set BITAR; max z =150x x 2 +80x x 4 då 2x 1 + x 2 + x 3 14 (Stora bitar) 2x 1 + 2x 2 + x 3 + 2x 4 20 x 1, x 2, x 3, x 4 0 (Små bitar) param Intäkt{PRODUKTER}; param Tillgång{BITAR}; param Atgang{PRODUKTER,BITAR}; var x{produkter} >= 0; maximize z: sum{i in PRODUKTER} Intäkt[i]*x[i]; s.t. Tillgångsvillkor{j in BITAR}: sum{i in PRODUKTER} Atgang[i,j]*x[i]<=Tillgång[j];
18 Ännu större problem Lägg till ytterligare produkter En storsoffa består av 3 stora, 2 stora-smala Försäljningspris 200 kronor En soffa består av 2 stora, 1 stor-smal Försäljningspris 140 kronor En specialsoffa består av 1 stor, 1 liten, 3 liten-smal Försäljningspris 153 kronor En minipall består av 1 liten och en liten-smal Försäljningspris 40 kronor Ett specialbord består av 2 stora och 2 liten-smal Försäljningspris 132 kronor I lagret finns 102 stora, 100 små, 69 Stor-smala och 83 Liten-smala Nu blir det svårt att lösa utan dator..
19 Matrisform max z = c T x då Ax b x 0 där x = antal av respektive möbel c = ( ) # & % ( A = % ( % ( % ( $ ' b = ( ) Kolumnen för soffa 2 stora och en stor-smal Samma modell, men med annan indata Enkelt att lösa flera liknande problem med ungefär samma modell
20 Modell set PRODUKTER; set BITAR; param Intäkt{PRODUKTER}; param Tillgång{BITAR}; param Atgang{PRODUKTER,BITAR}; var x{produkter} >= 0; maximize z: sum{i in PRODUKTER} Intäkt[i]*x[i]; s.t. Tillgångsvillkor{j in BITAR}: sum{i in PRODUKTER} Atgang[i,j]*x[i]<=Tillgång[j];
21 Datafil set PRODUKTER := STOL BÄNK BORD PALL SPECIALBORD MINIPALL SOFFA STORSOFFA SPECIALSOFFA; set BITAR := STORA SMÅ STOR-SMAL LITEN-SMAL; param Tillgång := STORA 102 SMÅ 100 STOR-SMAL 69 LITEN-SMAL 83; param Intäkt := STOL 100 BÄNK 80 BORD 150 PALL 50 SPECIALBORD 132 MINIPALL 40 SOFFA 140 STORSOFFA 200 SPECIALSOFFA 153 ; param Atgang : STORA SMÅ STOR-SMAL LITEN-SMAL := STOL BÄNK BORD PALL SPECIALBORD MINIPALL STORSOFFA SOFFA SPECIALSOFFA ;
22 Resultat från optimeringslösare Vinst = x['stol'] 0 x['bänk'] 1 x['bord'] 0 x['pall'] 35 x['specialbord'] 0 x['minipall'] 2 x['soffa'] 37 x['storsoffa'] 0 x['specialsoffa'] 27
23 Hur gör lösaren Fundamentalsatsen Optimum finns i minst en hörnpunkt Simplexmetoden som gås igenom i Optimeringslära, grk Bygger på Gausselimination från Linjär algebra Lägger till nya variabler för att erhålla likhetsvillkor Gå runt bland hörnpunkterna och hitta optimum Antalet hörnpunkter är stort 100 variabler, 50 villkor ger miljarder hörnpunkter Måste göra detta på ett smart sätt Simplex använder målfunktionen och lite andra trix 100 variabler, 50 villkor löses på mindre än 1 sek
24
Laboration 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
Laboration 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
TNSL05 Optimering, Modellering och Planering. Föreläsning 2: Forts. introduktion till matematisk modellering
TNSL05 Optimering, Modellering och Planering Föreläsning 2: Forts. introduktion till matematisk modellering 2017-11-01 2 Dagordning Matematisk modellering, Linjära Problem (LP) Terminologi Målfunktion
TNSL05 Optimering, Modellering och Planering. Föreläsning 4
TNSL05 Optimering, Modellering och Planering Föreläsning 4 2018-11-14 2 Kursmål: idag Studenten ska efter avslutad kurs kunna: Analysera och formulera optimeringsmodeller inom ekonomiska tillämpningsområden
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
Linjärprogrammering (Kap 3,4 och 5)
Linjärprogrammering (Kap 3,4 och 5) Fredrik Olsson, fredrik.olsson@iml.lth.se Avdelningen för produktionsekonomi Lunds tekniska högskola, Lunds universitet 16 september 2015 Dessa sidor innehåller kortfattade
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?
Föreläsning 2: Simplexmetoden. 1. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform.
Föreläsning 2: Simplexmetoden. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform. 3. Simplexalgoritmen. 4. Hur bestämmer man tillåtna startbaslösningar? Föreläsning
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:
Optimeringslära 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
TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN KOMBINATORISK OPTIMERING GRUNDKURS för D och C Datum: 17 januari 01 Tid: 8.00-1.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering.
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
Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP14/TEN 1 OPTIMERINGSLÄRA GRUNDKURS för I, Ii och TB Datum: 24 augusti 2009 Tid: 8.00-13.00 Hjälpmedel: Lundgren m fl: Optimeringslära och/eller Lundgren
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
Tentamensinstruktioner
TNSL05 1(9) TENTAMEN Datum: 6 april 2018 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
TNSL05 Optimering, Modellering och Planering. Föreläsning 1
TNSL05 Optimering, Modellering och Planering Föreläsning 1 2018-11-05 2 Föreläsning 1, dagordning Kursadministration Lärare Mål Kurshemsida Kursmoment Gruppindelningar Examination Litteratur Optimering
Föreläsning 2: A/ modellera och lösa LP-problem. TAOP14: Föreläsning 2
TAOP14: Föreläsning 2 Problemställning i ord matematisk modell AMPL-modell CPLEX resultatutskrift svar på den givna problemställningen TAOP14: Föreläsning 2 2 Föreläsning 2: A/ modellera och lösa LP-problem
Föreläsning 2: A/ modellera och lösa LP-problem. TAOP52: Föreläsning 2. Att modellera och lösa LP-problem
TAOP52: Föreläsning 2 Att modellera och lösa LP-problem TAOP52: Föreläsning 2 2 Föreläsning 2: A/ modellera och lösa LP-problem Problemställning i ord matema=sk modell AMPL-modell CPLEX resultatutskrid
Föreläsning 2: A/ modellera och lösa LP-problem
TAOP52: Föreläsning 2 Att modellera och lösa LP-problem TAOP52: Föreläsning 2 2 Föreläsning 2: A/ modellera och lösa LP-problem Problemställning i ord matema=sk modell AMPL-modell CPLEX resultatutskrid
Föreläsning 2: A/ modellera och lösa LP-problem
TAOP14: Föreläsning 2 Problemställning i ord matematisk modell AMPL-modell CPLEX resultatutskrift svar på den givna problemställningen TAOP14: Föreläsning 2 2 Föreläsning 2: A/ modellera och lösa LP-problem
Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: januari 2013 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 28 augusti 2015 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
TNK049 Optimeringslära
TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 1 Kursintroduktion Ämnesintroduktion Terminologi Tillämpningar Agenda Vilka personer medverkar i kursen? Kursupplägg Lärobok Laborationer Återkoppling
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
Tentamensinstruktioner
TNSL05 (6) TENTAMEN Datum: augusti 07 Tid: 8- Provkod: TEN Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt p, betyg kräver
Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER för M/EMM Datum: 1 november 2013 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
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
1(8) x ijt = antal mobiltelefoner av typ i=1,,m, Som produceras på produktionslina 1,, n, Under vecka t=1,,t.
1(8) (5p) Uppgift 1 Företaget KONIA tillverkar mobiltelefoner I en stor fabrik med flera parallella produktionslinor. För att planera produktionen de kommande T veckorna har KONIA definierat följande icke-negativa
TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: januari 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011
ITN/KTS Stefan Engevall/Joakim Ekström Kursinformation TNSL05, Optimering, Modellering och Planering, HT2011 TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011 1 Kursmål & innehåll 1.1 Mål med
Tentamensinstruktioner
TNSL05 1(9) TENTAMEN Datum: augusti 017 Tid: 8-1 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 1 p, betyg
TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP8/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: januari 01 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
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
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
Vinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.
TNSL05 2(8) (5p) Uppgift 1 Företaget XAJA tillverkar två olika sorters rengöringsprodukter för fönsterputsning, benämnda F1 och F2. Förutom vatten, som ingår i båda produkterna är, innehållet ett antal
Optimering av olika slag används inom så vitt skilda områden som produktionsplanering,
Anders Johansson Linjär optimering Exempel på användning av analoga och digitala verktyg i undervisningen Kursavsnittet linjär optimering i Matematik 3b kan introduceras med såväl analoga som digitala
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
Optimering och simulering: Hur fungerar det och vad är skillnaden?
Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda
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)
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
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)
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
Introduktion till modelleringsspråket Ampl
1 Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Introduktion till Ampl Optimeringslära 3 februari 2019 Introduktion till modelleringsspråket Ampl Ampl är ett modelleringsspråk
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
Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.
Optimal = basta mojliga. Optimeringslara = matematik som syftar till att analysera och nna det basta mojliga. Anvands oftast till att nna ett basta handlingsalternativ i tekniska och ekonomiska beslutsproblem.
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
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
Matematik och grafik i mikroekonomiska modeller
Matematik och grafik i mikroekonomiska modeller Hur bestäms resursfördelningen i en marknadsekonomi? Utbud, efterfrågan priser Bakom detta ligger i sin tur beslut av enskilda företag och hushåll, marknadskrafterna
TNSL05 Optimering, Modellering och Planering. Föreläsning 6
TNSL05 Optimering, Modellering och Planering Föreläsning 6 Agenda Kursens status Tolkning av utdata Intro lösningsmetoder Linjära optimeringsproblem (LP) på standardform Algebraisk formulering av LP Konveitet
TNK049 Optimeringslära
TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 3 Problemklassificering Global/lokal optimalitet Konvexitet Generella sökmetoder Agenda Problemklassificering (kap 1.4, 2.1 2.3) Lokalt/globalt optimum
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
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:
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
Vinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.
TNSL05 (10) (5p) Uppgift 1 Företaget XAJA tillverkar två olika sorters rengöringsprodukter för fönsterputsning, benämnda F1 och F. Förutom vatten, som ingår i båda produkterna är, innehållet ett antal
TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: 10 januari 201 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
TAOP52: Optimeringslära grundkurs
TAOP2: Optimeringslära grundkurs Nils-Hassan Quttineh Optimeringslära, MAI TAOP2: Föreläsning 1 2 Föreläsning 1: Kurspresenta3on och introduk3on 3ll op3meringslära Vad är op3meringslära och vad kan det
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
TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST:
2015 TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST: OSKQV953@STUDENT.LIU.SE Innehållsförteckning Allmänt... 2 Om optimering... 3 Matematiska formuleringar av optimeringsproblem... 3 Linjärprogrammering
Tentamensinstruktioner
TNSL05 1(7) TENTAMEN Datum: 1 april 2016 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
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
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
Optimering och Simulering (MIO310) Kursinformation HT 2016
INSTITUTIONEN FÖR TEKNISK EKONOMI OCH LOGISTIK AVDELNINGEN FÖR PRODUKTIONSEKONOMI www.pm.lth.se Optimering och Simulering (MIO310) Kursinformation HT 2016 AVD F PRODUKTIONSEKONOMI GATUADRESS: TELEN: HEMSIDA:
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
Examinator: Torbjörn Larsson Jourhavande lärare: Torbjörn Larsson, tel Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y Datum: 21 augusti 2012 Tid: 14-19 Hjälpmedel: Inga Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.
TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 23 augusti 2016 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 OPTIMERING FÖR INGENJÖRER Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar
TNK049 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)
MIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
Optimering och Simulering (MIOF30) Kursinformation HT 2019
INSTITUTIONEN FÖR TEKNISK EKONOMI OCH LOGISTIK AVDELNINGEN FÖR PRODUKTIONSEKONOMI www.pm.lth.se Optimering och Simulering (MIOF30) Kursinformation HT 2019 AVD F PRODUKTIONSEKONOMI GATUADRESS: TELEFON:
TAOP61/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:
Laborationsinformation
Linköpings Tekniska Högskola 2017 03 16 Matematiska institutionen/optimeringslära Kaj Holmberg Laborationsinformation 1 Information om GLPK/glpsol 1.1 Introduktion till GLPK GLPK (GNU Linear Programming
TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 19 april 2017 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP6/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: januari 2016 Tid: 1.00-19.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
Optimering. 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
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:
Olinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i
Olinjär optimering med bivillkor min då f (x) g i (x) 0 för alla i Specialfall: Konvext problem. Linjära bivillkor: Ax b. Linjära likhetsbivillkor: Ax = b. Inga bivillkor: Hanterat tidigare. Metodprinciper:
TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 15 januari 2014 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg:
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
Kan du det här? Geometrisk summa och linjär optimering
Kan du det här? Geometrisk summa och linjär optimering o Vad menas med en geometrisk talföljd? o Vad menas med geometrisk summa? Kan du beräkna geometrisk summa? o Hur kan geometrisk talföljd tillämpas
TAOP61/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:
Tentamensinstruktioner
TNSL05 1(8) TENTAMEN Datum: 1 april 2016 Tid: XXX Sal: XXX Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt
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
TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna
Matematiska institutionen Optimeringslära TENTAMEN TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM Datum: 11 januari 2017 Tid: 8.00-13.00 Hjälpmedel: Miniräknare Kurslitteraturen: Kaj Holmberg:
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 2015-01-14 Kaj Holmberg Lösningar/svar Uppgift 1 1a: Givna data:
TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR Datum: oktober 01 Tid:.00-13.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering
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
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
Tentamensinstruktioner
TNSL05 1(7) TENTAMEN Datum: 21 april 2017 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12 p,
TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 19 mars 2011 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
TAOP61/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
TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED
Matematiska institutionen Optimeringslära TENTAMEN TAOP/TEN 1 KOMBINATORISK OPTIMERING MED MILJÖTILLÄMPNINGAR för IT Datum: 11 mars 2013 Tid: 14.00-19.00 Hjälpmedel: Miniräknare Kaj Holmberg: Optimering.
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
TNK049 Optimeringslära
TNK049 Optimeringslära Clas Rydergren, ITN Föreläsning 6 Det duala problemet Relationer primal dual Optimalitetsvillkor Nätverksoptimering (introduktion) Agenda Motivering av det duala problemet (kap 6.)
5B1817 Tillämpad ickelinjär optimering. Kvadratisk programmering med olikhetsbivillkor Active-set metoder
5B1817 Tillämpad ickelinjär optimering Föreläsning 7 Kvadratisk programmering med olikhetsbivillkor Active-set metoder A. Forsgren, KTH 1 Föreläsning 7 5B1817 2006/2007 Kvadratisk programmering med olikhetsbivillkor
Tentamensinstruktioner
TNSL05 1(11) TENTAMEN Datum: 14 januari 2017 Tid: 14-18 Provkod: TEN1 Kursnamn: TNSL05 Optimering, modellering och planering Institution: ITN Antal uppgifter: 5 Betygskrav: För godkänt krävs normalt 12
TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010
ITN/KTS Stefan Engevall/Joakim Ekström Kursinformation TNSL05, Optimering, Modellering och Planering, HT2010 TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010 1 Kursmål & innehåll 1.1 Mål med
TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER
Matematiska institutionen Optimeringslära TENTAMEN TAOP88/TEN OPTIMERING FÖR INGENJÖRER Datum: juni 0 Tid: 8.00-.00 Hjälpmedel: Miniräknare Kurslitteratur: Kaj Holmberg: Optimering Anteckningar i boken
MIO310 OPTIMERING OCH SIMULERING, 4 p
Uppvisat terminsräkning ( ) Ja ( ) Nej Inst. för teknisk ekonomi och logistik Avd. för Produktionsekonomi Jag tillåter att mitt tentamensresultat publiceras på Internet Ja Nej TENTAMEN: MIO0 OPTIMERING
TNSL05 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.
Optimering. TAOP88 Optimering för ingenjörer. När inte intuitionen räcker till... Långsiktiga mål med kursen. Vad är 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 Roghayeh