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



Relevanta dokument
1 LP-problem på standardform och Simplexmetoden

Föreläsning 6: Nätverksoptimering

LP-problem. Vårt första exempel. Baslösningar representerar extrempunkter. Baslösningar representerar extrempunkter

Optimeringslära för T (SF1861)

1 Duala problem vid linjär optimering

Föreläsning 6: Transportproblem (TP)

Linjärprogrammering (Kap 3,4 och 5)

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

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Onsdag 25 augusti 2010 kl

Tentamensinstruktioner

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

Lösningar till SF1852 Optimeringslära för E, 16/1 08

Lösningsförslag till tentamen i SF1861 Optimeringslära för T. Torsdag 28 maj 2010 kl

Optimeringslära Kaj Holmberg

Lösningar till tentan i SF1861 Optimeringslära, 1 juni 2017

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

Lösningar till SF1861 Optimeringslära, 28 maj 2012

Ett linjärprogrammeringsproblem på allmän form ser ut som

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

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

Tentamensinstruktioner. Vid skrivningens slut

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner

Optimeringslära Kaj Holmberg

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

TNK049 Optimeringslära

Optimalitetsvillkor. Optimum? Matematisk notation. Optimum? Definition. Definition

LP-dualitet: Exempel. Vårt första exempel. LP-dualitet: Relationer. LP-dualitet: Generellt

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013

MIO310 OPTIMERING OCH SIMULERING, 4 p

Tentamensinstruktioner

MIO310 OPTIMERING OCH SIMULERING, 4 p

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

1 Minkostnadsflödesproblem i nätverk

Tentamensinstruktioner

Lösningar till tentan i 5B1760 Linjär och kvadratisk optimering, 17 december 2003.

Vårt första exempel. LP-dualitet: Exempel. LP-dualitet: Generellt. LP-dualitet: Relationer

TNK049 Optimeringslära

Optimeringslära Kaj Holmberg

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

MIO310 OPTIMERING OCH SIMULERING, 4 p

MIO310 OPTIMERING OCH SIMULERING, 4 p

TAOP07/TEN1 OPTIMERINGSLÄRA GRUNDKURS för Y. Antal uppgifter: 7 Uppgifterna är inte ordnade efter svårighetsgrad.

Optimeringslära Kaj Holmberg

TNSL05 Optimering, Modellering och Planering. Föreläsning 10

Olinjär optimering med bivillkor: KKT min f (x) då g i (x) 0 för alla i

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Vinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.

Föreläsning 10/11! Gruppuppgifter: Gruppuppgift 1: Alla har redovisat. Gruppuppgift 2: Alla har redovisat Gruppuppgift 3: På gång.

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

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

Optimeringslära Kaj Holmberg

Vinsten (exklusive kostnaden för inköp av kemikalier) vid försäljning av 1 liter fönsterputs är 2 kr för F1 och 3 kr för F3.

Tentamensinstruktioner. När Du löser uppgifterna

Stora bilden av Linjära algebran. Vektorrum, linjära transformationer, matriser (sammanfattning av begrepp)

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner

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

Laboration 1 - Simplexmetoden och Modellformulering

Lösningar till tentan i SF1861/51 Optimeringslära, 3 juni, 2015

Tentamensinstruktioner

TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST:

Tentamensinstruktioner. När Du löser uppgifterna

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:

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

SF1626 Flervariabelanalys

1 Kvadratisk optimering under linjära likhetsbivillkor

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

Sats: Varje anslutningsmatris ar fullstandigt unimodular. Bevis: Lat m beteckna antalet rader i anslutningsmatrisen.

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:

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722)

Tentamensinstruktioner

SF1624 Algebra och geometri

Optimering, exempel. Funktionens enda stationära punkt är alltså origo. Den ligger också i det inre av mängden.

6. Matriser Definition av matriser 62 6 MATRISER. En matris är ett rektangulärt schema av tal: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n A =

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

Examinator: Torbjörn Larsson Jourhavande lärare: Torbjörn Larsson, tel Tentamensinstruktioner. När Du löser uppgifterna

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Optimering på dator. Laborationsinstruktion Systemanalysgruppen, 1998 Uppsala universitet. Handledarens kommentarer.

TNK049 Optimeringslära

Laboration 1 - Simplexmetoden och modellformulering

Tentamensinstruktioner. När Du löser uppgifterna

Uppsala Universitet Matematiska Institutionen Thomas Erlandsson

Inledande kurs i matematik, avsnitt P.2. Linjens ekvation kan vi skriva som. Varje icke-lodrät linje i planet kan skrivas i formen.

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Kap Globala extremvärden, extremproblem med bivillkor.

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

Uppgift 1 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

Hemuppgift 2, SF1861 Optimeringslära för T, VT-10

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Transkript:

Föreläsning 2: Simplexmetoden. Repetition av geometriska simplexmetoden. 2. Linjärprogrammeringsproblem på standardform. 3. Simplexalgoritmen. 4. Hur bestämmer man tillåtna startbaslösningar? Föreläsning 2 Simplexmetoden - Ulf Jönsson & Per Enqvist

Repetition av den geometriska Simplexmetoden Produktplaneringsproblemet maximera 200x + 400x 2 då 40 x + x 2 x + x 2 x k 0, k =, 2 x 2 40 c 30 20 0 x 2 = 0.5x + 25 0 20 30 40 x Föreläsning 2 2 Simplexmetoden - Ulf Jönsson & Per Enqvist

Idén bakom Simplexmetoden är att söka iterativt utefter kanter till hörn med allt bättre målfunktionsvärde. Bestäm initial hörnpunkt Är hörnpunkten optimal? Ja KLART Nej Finn bättre intilliggande hörnpunkt Föreläsning 2 3 Simplexmetoden - Ulf Jönsson & Per Enqvist

Sökning med den geometriska simplexmetoden c x2 x2 c x2 40 30 20 0 d d 2 c 40 30 20 0 d 2 40 30 d d 20 0 d 2 0 20 30 40 x 0 20 30 40 x 0 20 30 40 x c T d < 0 c T d < 0 c T d 2 > 0 c T d 2 > 0 välj riktning d 2 välj riktning d 2 c T d < 0 c T d 2 < 0 optimal HP Föreläsning 2 4 Simplexmetoden - Ulf Jönsson & Per Enqvist

Standardformen för produktplaneringsexemplet. maximera 200x + 400x 2 då 40 x + x 2 x + x 2 x k 0, k =, 2 = minimera 200x 400x 2 då 40 x + x 2 + x 3 = x + x 2 + x 4 = x k 0, k =, 2, 3, 4. Hur är hörnpunkter representerade i standardformen? Föreläsning 2 5 Simplexmetoden - Ulf Jönsson & Per Enqvist

Geometrisk tolkning för LP på standardform: 2D x 2 x 2 α α x β x Bivillkor: a x + a 2 x 2 = b. F är ett halv-oändligt (blått) eller ändligt linjesegment (rött) Det optimala ˆx = (0,α), (β, 0), eller så har problemet ingen ändlig lösning. Föreläsning 2 6 Simplexmetoden - Ulf Jönsson & Per Enqvist

Geometrisk tolkning för LP på standardform: 3D γ x 3 x α β x 2 Bivillkor: a x + a 2 x 2 + a 3 x 3 = b. F är skärningen av ett plan och den första kvadranten. (grönt) Det finns tre hörnpunkter x () = (α, 0, 0), x (2) = (0,β, 0), x (3) = (0, 0,γ), Föreläsning 2 7 Simplexmetoden - Ulf Jönsson & Per Enqvist

Geometrisk tolkning för LP på standardform: 3D x 3 γ β x α α2 x 2 Bivillkor: a x + a 2 x 2 + a 3 x 3 = b. a 2 x + a 22 x 2 + a 23 x 3 = b 2. F är skärningen av en linje och den första kvadranten (grön) Det finns två hörnpunkter x () = (α,β, 0), x (2) = (α 2, 0,γ), Notera: # nollskilda element i x (k) = # bivillkor, i dessa exempel. Föreläsning 2 8 Simplexmetoden - Ulf Jönsson & Per Enqvist

Produktionsplaneringsexemplet Bivillkoret i standardform är Ax = b där A = [a a 2 a 3 a 4 = 0 40 b = 0 Detta kan skrivas som 4 a k x k = a x + a 2 x 2 + a 3 x 3 + a 4 x 4 = b k=0 Om vi sätter t.ex. x 2 = x 3 = 0 så har vi att a x + a 4 x 4 = A β x β = b, där A β = [a a 4 = 0 40, x β = x x 4 Föreläsning 2 9 Simplexmetoden - Ulf Jönsson & Per Enqvist

Vi beräknar därefter x β = x x 4 = A β b = 40 5 Dessa värden på x och x 4, tillsammans med x 2 = x 3 = 0, ger en tillåten lösning, d.v.s., Ax = b, där (x,x 2 ) = (40, 0). Detta är en hörnpunkt. Övriga lösningar motsvarande kombinationer av två kolumner i A finns representerade i tabellen på nästa sida. Föreläsning 2 0 Simplexmetoden - Ulf Jönsson & Per Enqvist

Geometrisk illustration av baslösningarna 40 30 20 0 x 2 (2,4) (2,3) (3,4) 0 (,2) (,4) (,3) 20 30 40 x β A 2 β 3 x 2 β 3 (x, x 2 ) 2 3 (3,4) 4 0 5 4 5 4 0 5 0 0 2 3 2 3 2 3 (2,4) 4 0 5 4 5 4 0 5 2 3 2 53 2 3 (,4) 4 0 40 5 4 40 5 4 40 5 0 2 3 2 5 3 2 3 (2,3) (,3) (,2) 4 0 2 4 40 0 2 4 40 5 3 5 3 5 4 5 2 6 3 4 5 4 2 3 4 20 5 30 4 0 5 2 3 4 5 0 2 3 4 20 5 30 Det gäller allmänt att hörnpunkter svarar mot så kallade baslösningar. Föreläsning 2 Simplexmetoden - Ulf Jönsson & Per Enqvist

LP-problem på standardform minimera då n c j x j j= n a ij x j = b i, i =,...,m j= x j 0, j =,...,n = minimera c T x då Ax = b x 0 där A = a.... a n. [ = a... a n,b = b.,c = c.,x = x. a m... a mn b m c n x n Föreläsning 2 2 Simplexmetoden - Ulf Jönsson & Per Enqvist

Simplexalgoritmen För given basindexvektor och icke-basindexvektor β = (β,...,β m ) ν = (ν,...,ν l ), l = n m definierar vi A β = [a β... a βm, A ν = [a ν... a νl, c β = c β., x β = x β. c ν = c ν., x β = x ν. c βm x βm c νl x νl Föreläsning 2 3 Simplexmetoden - Ulf Jönsson & Per Enqvist

Definition. Baslösningen svarande mot β ges av A β x β = b x β = A β x β baslösningen är tillåten (TBL) om x β 0 En tillåten baslösning kallas icke-degenererad om x β > 0 En tillåten baslösning kallas degenererad om x βk = 0 för något index β k. Föreläsning 2 4 Simplexmetoden - Ulf Jönsson & Per Enqvist

Produktplaneringsexemplet 40 30 20 0 x 2 (2,4) (2,3) (3,4) 0 (,2) (,4) (,3) 20 30 40 x β A β x β ν x 2 3 2 3 ν (3,4) 4 0 5 4 5 (, 2) 0 0 2 3 2 3 (2,4) 4 0 5 4 5 (, 3) 0 (,4) (2,3) (,3) (,2) 2 2 3 4 0 40 5 2 3 4 5 0 2 3 4 40 5 4 40 0 3 5 5 2 3 4 40 5 (2, 3) 0 5 2 3 4 5 (, 4) 0 6 2 3 4 5 (2, 4) 0 4 2 3 4 20 5 (3, 4) 0 30 Villka baslösningar är tillåtna? Jämför med den geometriska tolkningen. Föreläsning 2 5 Simplexmetoden - Ulf Jönsson & Per Enqvist

Sats. Om det finns en optimal lösning så finns det en optimal tillåten baslösning. Satsen motiverar följande simplexalgoritm Bestäm initial TBL TBL optimal? Ja KLART Nej Byt bas De olika blocken kan implementeras med linjär algebraoperationer. Föreläsning 2 6 Simplexmetoden - Ulf Jönsson & Per Enqvist

Initial TBL β = β,..., β m ) ν = (ν,..., ν l ) Beräkna (y,r ν, b) A T β y = c β r ν = c ν A T ν y A β b = b r ν 0 Nej Ja Optimal lösning x = b, x ν = 0 z = y T b Tag ν q så att r ν q < 0 Lös A β ā k = a k ; k = ν q ā k 0 Obegränsat problem Lösning saknas ( ) b t max i = min ā ik > 0 ā ik ν = ν q, ν q = β p, β p = ν = b p ā pk Föreläsning 2 7 Simplexmetoden - Ulf Jönsson & Per Enqvist

Simplex för produktionsplaneringsexemplet Standardformen för produktplaneringsexemplet. minimera c T x då Ax = b x 0 där A = c T = 40 [ 200 400 0 0, 0 0 b = Vi vill lösa detta med simplex. När man har infört slackvariabler kan man visa att om man väljer dessa som startbasvariabler så bildar det en TBL. (Givet att b 0) Föreläsning 2 8 Simplexmetoden - Ulf Jönsson & Per Enqvist

Låt β = {3, 4} och ν = {, 2}, Simplex A β = 0 /40 /, A ν = 0 / / [ [ c T β = 0 0, c T ν = 200 400 Då blir baslösningen x β = b = A β b = [ tillåten. Simplexmultiplikatorerna ges av ekvationen A T β y = c β och reducerade kostnader ges av r T ν = c T ν y T A ν, d.v.s. y = 0 [ T [ [, och r T 0 /40 / ν = [ 200 400 = 0 / / 200 400 0. Föreläsning 2 9 Simplexmetoden - Ulf Jönsson & Per Enqvist

Simplex Eftersom de reducerade kostnaderna är negativa så är den aktuella TBL inte optimal. r ν2 är minst, så låt x ν2 = x 2 bli ny basvariabel. Vilken variabel ska ut ur basen? [ b bestäms från A β b = b, d.v.s. b = A β b = ā 2 bestäms från A β ā 2 = a 2, d.v.s. ā 2 = A β a 2 = Nu ska x 2 väljas så stor som möjligt då x β är icke-negativ: [ / / x β = b ā 2 x 2 = / / x 2 0 Det största möjliga värdet på x 2 är, varvid x β2 = x 4 = 0. Alltså ska x 4 ersattas av x 2 i nästa baslösning. Föreläsning 2 20 Simplexmetoden - Ulf Jönsson & Per Enqvist

Simplex: Iteration 2 Låt β = {3, 2} och ν = {, 4}, A β = /, A ν = /40 0 0 / / [ [ c T β = 0 400, c T ν = 200 0 [ Då blir baslösningen x β = b = A β b = tillåten. 5/6 0 [ [ = /6 Simplexmultiplikatorerna ges av ekvationen A T β y = c β y = A T β c β = 5/6 0 T 0 400 = 0 20000. Föreläsning 2 2 Simplexmetoden - Ulf Jönsson & Per Enqvist

Simplex: Iteration 2 Reducerade kostnader ges av r T ν = c T ν y T A ν, d.v.s. T [ 0 r T ν = 200 0 /40 0 = 20000 / [ 200 20000. Eftersom de reducerade kostnaderna är positiva så är den aktuella TBL optimal. 40 30 20 0 x 2 (2,4) (2,3) (3,4) 0 (,2) (,4) (,3) 20 30 40 x Vi startade i origo med basvariabler (3,4) och bytte sedan till basvariablerna (3,2), dvs punkten (0,), vilken vi geometriskt motiverade är optimal. Föreläsning 2 22 Simplexmetoden - Ulf Jönsson & Per Enqvist

Initial tillåten baslösning Ibland kan det vara icke-trivialt att hitta en initial TBL. Då kan man lösa problemet i två faser. Här antar vi att b 0. Fas Lös LP-problemet minimera e T v då Ax + Iv = b x 0, v 0 [ T. där I är enhetsmatrisen och e =... Låt initial TBL svara mot variablerna i v. Om optimallösningen är ˆv = 0 så har man hittat en initial TBL till fas 2. Fas 2 Lös ursprungliga problemet på standardform med basvariabler från Fas. Föreläsning 2 23 Simplexmetoden - Ulf Jönsson & Per Enqvist

Läsanvisningar I Optimeringskompendiet kap. 4 och 5. Gamla Materialet: Linjär Optimering, Gröna häftet, sidan 3-22. Linjar Algebra för optimerare, Gula häfte, sidan 9-23. Föreläsning 2 24 Simplexmetoden - Ulf Jönsson & Per Enqvist