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

Relevanta dokument
TNSL05 Optimering, Modellering och Planering. Föreläsning 10

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

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

TNSL05 Optimering, Modellering och Planering. Föreläsning 5

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

1 Minkostnadsflödesproblem i nätverk

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.

Optimeringslära Kaj Holmberg

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

TNSL05 Optimering, Modellering och Planering. Föreläsning 9

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

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

Tentamensinstruktioner

Optimeringslära Kaj Holmberg

Föreläsning 6: Nätverksoptimering

Optimeringslära Kaj Holmberg

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Lösningar till SF1852 Optimeringslära för E, 16/1 08

TNSL05, Optimering, Modellering och Planering Gruppuppgift 3

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TNK049 Optimeringslära

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Optimeringslära Kaj Holmberg

Tentamensinstruktioner

Tentamensinstruktioner

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

Föreläsning 6: Transportproblem (TP)

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

Tentamensinstruktioner

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

Tentamensinstruktioner

TNK049 Optimeringslära

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

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

Lösningar till SF1861 Optimeringslära, 28 maj 2012

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner

Laboration 1 - Simplexmetoden och modellformulering

Tentamensinstruktioner

Föreläsningsanteckningar F6

TNK049 Optimeringslära

1 LP-problem på standardform och Simplexmetoden

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Laboration 1 - Simplexmetoden och Modellformulering

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TNK049 Optimeringslära

Hemuppgift 1, SF1861 Optimeringslära, VT 2017

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Linjärprogrammering (Kap 3,4 och 5)

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering

Tentamensinstruktioner. När Du löser uppgifterna

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. Tentamensinstruktioner. När Du löser uppgifterna

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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:

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C. 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:

Tentamensinstruktioner. Vid skrivningens slut

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

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

Ett linjärprogrammeringsproblem på allmän form ser ut som

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722)

TENTAMEN Tillämpad Systemanalys 5hp

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TNK049 Optimeringslära

MIO310 OPTIMERING OCH SIMULERING, 4 p

Tentamensinstruktioner

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner. När Du löser uppgifterna

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

Transkript:

Föreläsning 10

Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF och Nätverkssimplex

Föreläsning 10/11! Gruppuppgifter: Gruppuppgift 1: Alla har redovisat. Gruppuppgift 2: Alla har redovisat Gruppuppgift 3: På gång. Observera att det stått två olika datum för inlämningen. Tolka till er fördel! (Men det kan ju vara trevligt att lämna in innan julen, ändå ) Laborationsmomenten: Alla moment avklarade. Rapportskrivandet pågår. Om er modell inte funkar: kom till mig eller Nils!

Tidigare tentor från 2015 och framåt ligger ute på Lisam nu. Räkna så många/få ni vill Det kommer att komma ut information om när jag/nils kommer att vara tillgängliga för frågor inför tentan. Vi åker båda iväg över julen, kommer tillbaka i början av januari.

Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF och Nätverkssimplex

Definiera x = flödet på båge (i,j) från nod i till nod j Nodstyrka d i = σ jቚbji B x ji σ jቚb B x = inflöde-utflöde Om d i < 0, i är en källa Om d i > 0, i är en sänka Om d i = 0, i är en mellannod Minkostnadsflöde: Givet ett nätverk, finn ett flöde med minimal kostnad så att givna käll- och sänkstyrkor på noder uppfylls, och så att kapacitetsbegränsningar på bågar inte överskrids.

Agenda Kursens status Repetition Flödesnätverk Optimalitetsvillkor LP och Minkostandsflöde (MKF) Nätverkssimplex Känslighetsanalys Exempel: MKF och Nätverkssimplex

Minns en optimal simplextablå, slackvariabler och reducerade kostnaden Vad är reducerade kostnaden för en variabel som har ett värde? / Vad står i målfknraden för basvariabler? 0! Om en variabel har en reducerad kostnad (dvs har ett värde i målfknraden), vilken sorts variabel är det, och vilket värde har vaiabeln? Ickebasvariabel! De har värdet 0 per definition. Optimalitetsvillkor: (reducerad kostnad)*(variabelvärde)=0 + tillåtenhet. + rätt tecken på reducerade kostnader

Baslösning i LP Motsvaras av Basträd i Minkostnadsflöde Basvariabel i LP Kan vara skild från 0 Motsvaras av basbåge i Minkostnadsflöde Kan ha vilket (tillåtet) flöde som helst Ickebasvariabel i LP Måste vara 0 Motsvaras av icke-basbåge i Minkostnadsflöde Måste ha ett flöde på undre ELLER övre gränsen

Optvillkor: x x l l u x u Antag n noder i problemet c c c Om flödet ligger strikt mellan undre & övre gräns Bågen måste vara en basbåge 0 0 0 Per definition är reducerade kostnaden = 0 för basbågar c c c 0 x 0 x 0 l l x u u Om antal bågar strikt mellan undre & övre gräns (och alla flöden tillåtna) Fler än n-1; ej tillåtet basflöde Exakt lika med n-1; Om bågarna bildar ett uppspännande träd, då har vi basflöde Färre än n-1 Lägg till (valfria) bågar, så att ett uppspännande träd bildas Dessa är också basbågar

grafens alla noder finns representerade utan några cykler

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 2 3

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 Bestäm tillåten och förbättrande sökriktning 2 3

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 Bestäm tillåten och förbättrande sökriktning 2 Bestäm steglängd 3

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 Bestäm tillåten och förbättrande sökriktning 2 Bestäm steglängd 3 Uppdatera x och repetera

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning 1 Bestäm tillåten och förbättrande sökriktning 2 Bestäm steglängd 3 Uppdatera x och repetera

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel 2 Bestäm steglängd 3 Uppdatera x och repetera

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel 2 Bestäm steglängd Utgående variabel 3 Uppdatera x och repetera

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel 2 Bestäm steglängd Utgående variabel 3 Uppdatera x och repetera Uppdatera simplextablå, upprepa

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning Tillåtet (bas)flöde, basträd 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel 2 Bestäm steglängd Utgående variabel 3 Uppdatera x och repetera Uppdatera simplextablå, upprepa

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning Tillåtet (bas)flöde, basträd 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel Inkommande basbåge 2 Bestäm steglängd Utgående variabel 3 Uppdatera x och repetera Uppdatera simplextablå, upprepa

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning Tillåtet (bas)flöde, basträd 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel Inkommande basbåge 2 Bestäm steglängd Utgående variabel Utgående basbåge 3 Uppdatera x och repetera Uppdatera simplextablå, upprepa

Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x Tillåten baslösning Tillåtet (bas)flöde, basträd 1 Bestäm tillåten och förbättrande sökriktning Inkommande variabel Inkommande basbåge 2 Bestäm steglängd Utgående variabel Utgående basbåge 3 Uppdatera x och repetera Uppdatera simplextablå, upprepa Uppdatera flöden, upprepa

1. Antag tillåtet flöde och basträd Identifiera basbågar, genom att kolla flödet på alla bågar l < x < u båge (i, j) är en basbåge Ev. komplettera till ett basträd 2. Beräkna reducerad kostnad Börja med att beräkna nodpriser Sätt t.ex. y 1 = 0 Beräkna y j = c + y i (i basträdet) Beräkna reducerad kostnad för icke-basbågar ҧ c = c + y i y j 3. Kontrollera avbrottskriterie Om alla bågar uppfyller optimalitetsvillkoren är det aktuella flödet optimalt x x l l u x u c c c 0 0 0 4. Bestäm inkommande basbåge Välj den icke-basbåge som inte uppfyller optvillkor, och har störst absolutbelopp av reducerad kostnad Om den reducerad kostnad är negativ vill en öka flödet i den bågen, om positivt vill en minska det 5. Bestäm utgående basbåge Förändra flödet maximalt, i den cykel som kommer Den båge som först begränsar är utgående 6. Ersätt utgående basbåge med inkommande basbåge till nytt basträd 7. Uppdatera flödet i nätverket och gå till 2

Sök minkostnadsflöde i nedanstående nätverk Starta med nedanstående (tillåtna) flöde -5 1 4, 1, 3, 1 0 3 5, 0, 3, 2 i c,, l, u x j j d 1, 0, 6, 4-1, 0, 3, 1 1, 0, M, 0 5 +5 2 3, 0, 4, 3 4 5, 0, 3, 3 0 0

Hur mycket får en ny båge kosta för att vara intressant? Antag att ny båge (a, b) är (från början) icke-bas: x ab = l ab Tas in i basen om ҧ c ab = c ab + y a y b < 0, dvs c ab < y a + y b Hur mycket tjänar vi på att kapaciteten i en båge ökas? Ges av bågens reducerade kostnad Hur mycket kostar det om flödeskravet till en nod stiger med 1 Ges av nodpriset Hur mycket kostar det om flödeskravet på en båge stiger med 1 Ges av bågens reducerade kostnad Hur kan bågkostnad förändras, utan att uppsättningen använda (bas)bågar ändras? Ges av bibehållna (optimala) reducerade kostnader

I nedanstående optimala nätverk, besvara frågorna på nästa sida. i c, j d, l, u x j -5 1 4, 1, 3, 1 3 0 5, 0, 3, 3 1, 0, 6, 4-1, 0, 3, 3 1, 0, M, 1 5 +5 2 3, 0, 4, 1 4 5, 0, 3, 2 0 0

Antag att det fanns en båge mellan 1 & 4. Hur mycket skulle den få kosta, för att vara intressant att använda? Hur förändras kostnaden, om flödet i båge (1,3) måste öka med en enhet? Vad skulle det kosta att skicka 6 istället för 5 enheter genom nätverket? Vad blir marginalkostnaden? För vilken flödesökning är den marginalkostnaden giltig? Hur mycket kan kostnaden i båge (2,4) öka, utan att baslösningen ändras Vilken blir lösningen om vi lägger till båge (1,5), med en kostnad på 6, undre gräns 0 och övre gräns 2?

Olika specialfall av minkostnadsflöde Transportproblemet (Sid 55) Genomskeppningsproblemet (Sid 59) Billigastevägproblemet (Kap 8.4) Specialfallen har specialalgoritmer Försök att utnyttja strukturen i varje problemtyp Utvidgning minkostnadsflöde Flera varutyper (Multi-commodity) (Sid 219) Vinster/Förluster (Sid 220)