TNSL05 Optimering, Modellering och Planering. Föreläsning 10

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

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

TNSL05 Optimering, Modellering och Planering. Föreläsning 5

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

TNSL05 Optimering, Modellering och Planering. Föreläsning 9

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

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

1 Minkostnadsflödesproblem i nätverk

Tentamensinstruktioner

Optimeringslära Kaj Holmberg

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

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.

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

Föreläsning 6: Nätverksoptimering

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

TNSL05, Optimering, Modellering och Planering Gruppuppgift 3

Optimeringslära Kaj Holmberg

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Tentamensinstruktioner

Tentamensinstruktioner

Lösningar till SF1852 Optimeringslära för E, 16/1 08

Optimeringslära Kaj Holmberg

Tentamensinstruktioner

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TNK049 Optimeringslära

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNK049 Optimeringslära

Optimeringslära Kaj Holmberg

Tentamensinstruktioner

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

Tentamensinstruktioner

Föreläsning 6: Transportproblem (TP)

Tentamensinstruktioner

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

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

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

Laboration 1 - Simplexmetoden och modellformulering

Lösningar till SF1861 Optimeringslära, 28 maj 2012

Tentamensinstruktioner. När Du löser uppgifterna

TNK049 Optimeringslära

1 LP-problem på standardform och Simplexmetoden

Linjärprogrammering (Kap 3,4 och 5)

Föreläsningsanteckningar F6

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Laboration 1 - Simplexmetoden och Modellformulering

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TNK049 Optimeringslära

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

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering

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

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:

Hemuppgift 1, SF1861 Optimeringslära, VT 2017

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

TNK049 Optimeringslära

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TNSL05 Optimering, Modellering och Planering. Föreläsning 4

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2011

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

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

MIO310 OPTIMERING OCH SIMULERING, 4 p

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Tentamensinstruktioner

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

Tentamensinstruktioner. Vid skrivningens slut

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

Ett linjärprogrammeringsproblem på allmän form ser ut som

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

Tentamensinstruktioner. När Du löser uppgifterna

TNSL05, Optimering, Modellering och Planering 6 hp, HT2-2010

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

TNK049 Optimeringslära

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722)

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Transkript:

TNSL05 Optimering, Modellering och Planering Föreläsning 10

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

2018-12-19 3 Kursens status Föreläsning 10/11! Gruppuppgifter: Gruppuppgift 1: Alla har redovisat. Alla inlämningar rättade. Gruppuppgift 2: Alla har redovisat. Alla (?) har lämnat in. Rättning pågår. Gruppuppgift 3: Finns på Lisam.. Jag kommer inte börja rätta innan jul, så ni kan lämna in efter om ni vill. (Men det kan ju vara trevligt att lämna in innan julen, ändå ) Laborationsmomenten: Alla moment avklarade. Rapportskrivandet pågår. Några har lämnat in. Om er modell inte funkar: kom till mig eller Nils!

2018-12-19 4 Kursens status Tidigare tentor från 2016 och framåt ligger ute på Lisam i eftermiddag. Räkna så många/få ni vill Det kommer att komma ut information om när 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

2018-12-19 6 Flödesnätverk (repetition) Definiera! "# = flödet på båge (i,j) från nod i till nod j Nodstyrka % " = #'()*,! #" #'(*),! "# = inflöde-utflöde Om % " < 0, i är en källa Om % " > 0, i är en sänka Om % " = 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

2018-12-19 8 Optimalitetsvillkor, LP 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. à Optimalitetsvillkor: (reducerad kostnad)*(variabelvärde)=0 + tillåtenhet. + rätt tecken på reducerade kostnader

2018-12-19 9 Koppling mellan LP och MKF Baslösning i LP Motsvaras av basträd i minkostnadsflödesnätverk 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

2018-12-19 10 Identifiera basträd från från optimalitetsvillkor Optvillkor: x x l = l = u < x < u Þ Þ Þ Antag n noder i problemet c c c ³ = 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 Þ x < 0 Þ x = 0 Þ 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

2018-12-19 11 Uppspännande träd, repetition grafens alla noder finns representerade utan några cykler

2018-12-19 12 Sökmetoder Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 2 3

2018-12-19 13 Sökmetoder Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 Bestäm tillåten och förbättrande sökriktning 2 3

2018-12-19 14 Sökmetoder Steg Allmänt Simplex Simplex, nätverk 0 Utgå från en tillåten lösning, x 1 Bestäm tillåten och förbättrande sökriktning 2 Bestäm steglängd 3

2018-12-19 15 Sökmetoder 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

2018-12-19 16 Sökmetoder 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

2018-12-19 17 Sökmetoder 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

2018-12-19 18 Sökmetoder 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

2018-12-19 19 Sökmetoder 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

2018-12-19 20 Sökmetoder 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

2018-12-19 21 Sökmetoder 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

2018-12-19 22 Sökmetoder 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

2018-12-19 23 Sökmetoder 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

2018-12-19 24 Algoritm, MKF 1. Antag tillåtet flöde och basträd Identifiera basbågar, genom att kolla flödet på alla bågar! "# < % "# < & "# båge (), +) är en basbåge Ev. komplettera till ett basträd 2. Beräkna reducerad kostnad Börja med att beräkna nodpriser Sätt t.ex. -. = 0 Beräkna - # = 1 "# + - " (i basträdet) Beräkna reducerad kostnad för icke-basbågar 1 "# = 1 "# + - " - # 3. Kontrollera avbrottskriterie Om alla bågar uppfyller optimalitetsvillkoren är det aktuella flödet optimalt x x l = l = u < x < u Þ Þ Þ c c c ³ = 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

2018-12-19 26 MKF 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

2018-12-19 27 Exempel, känslighetsanalys, MKF Hur mycket får en ny båge kosta för att vara intressant? Antag att ny båge (", $) är (från början) icke-bas: & '( = * '( Tas in i basen om, '( =, '( +. '. ( < 0, dvs, '( <. ' +. ( 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

2018-12-19 28 MKF, känslighetsanalys 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

2018-12-19 29 Frågor på det optimala flödet 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?

2018-12-19 30 Minkostnadsflöde 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)

www.liu.se