TNSL05 Optimering, Modellering och Planering. Föreläsning 9

Relevanta dokument
TNSL05 Optimering, Modellering och Planering. Föreläsning 10

TNK049 Optimeringslära

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

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

TNSL05 Optimering, Modellering och Planering. Föreläsning 5

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Optimeringslära Kaj Holmberg

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

TNK049 Optimeringslära

Optimeringslära Kaj Holmberg

Tentamensinstruktioner

Tentamensinstruktioner

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

Tentamensinstruktioner

Optimeringslära Kaj Holmberg

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.

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

MIO310 OPTIMERING OCH SIMULERING, 4 p

Tentamensinstruktioner

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

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

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

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

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TNK049 Optimeringslära

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner

Tentamensinstruktioner

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TNSL05 Optimering, Modellering och Planering. Föreläsning 4

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

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

Laboration 1 - Simplexmetoden och modellformulering

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNSL05, Optimering, Modellering och Planering Gruppuppgift 3

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Laboration 1 - Simplexmetoden och Modellformulering

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:

TNSL05 Optimering, Modellering och Planering. Föreläsning 1

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:

1 Duala problem vid linjär optimering

Tentamensinstruktioner

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

MIO310 OPTIMERING OCH SIMULERING, 4 p

tentaplugg.nu av studenter för studenter

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

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

1 Minkostnadsflödesproblem i nätverk

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

MIO310 OPTIMERING OCH SIMULERING, 4 p

Lösningsförslag Tentamen i Optimering och Simulering MIO /5 2006

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

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Lösningar till SF1861 Optimeringslära, 28 maj 2012

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM. Tentamensinstruktioner. När Du löser uppgifterna

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

1 LP-problem på standardform och Simplexmetoden

TNSL05 Övningsuppgifter modellering

Optimeringslära för T (SF1861)

MIO310 OPTIMERING OCH SIMULERING, 4 p

729G04 - Diskret matematik. Lektion 4

Transkript:

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 Gruppuppgifter: Gruppuppgift : Rättning pågår, vissa har fått feedback Gruppuppgift 2: Muntlig redovisning den här veckan, skriftlig inlämning pågår Gruppuppgift : Uppgiften kommer ut idag, efter sista redovisning av gruppuppgift 2 Laborationen Moment och 2 är avslutade Moment +: Inlämning rapport fredag v. 5

Agenda Kursens status Dualitet Billigaste väg problem

208-2- 5 Repetition: Föreläsning 8 Simplex: Redundans, degenerering Relaxation/restriktion Känslighetsanalys Skuggpris (marginalpris, dualvärde) Anger hur målfunktionsvärdet påverkas av en marginell relaxation/restriktion i högerledet Vad är ytterligare en enhet av en resurs värd?

208-2- 6 Dualitet: Ekonomisk tolkning Linus säler pannkakor och sockerkakor, igen. Tillgången till resurserna tid, ägg, salt är begränsad Han vill maximera vinsten x = Antal pannkakor, x 2 = Antal sockerkakor då maxz = 6x + 5x 4x x x + 0x + 2x x 2 2 0 2 20, x2 ³ 20 0 (Maximera vinsten) (Max tidsåtgång/dag, minuter) (Max antal ägg/dag) (Max krm salt/dag) (Ickenegativitet)

208-2- 7 Dualitet: Ekonomisk tolkning Mias matbutik är intresserad att köpa ut Linus från hans verksamhet Vill köpa hans arbetskraft och ägg, salt Hon vill betala så lite som möligt för resurserna men tillräckligt för att Linus ska gå med på det då min w = 20v + + 20v2 0 4v + v 0v + 2v 2 2 v + v ³, v2 ³ v 6 ³ 5 0 (minimera kostnaden) (Linus f.d. vinst för pannkakor) (Linus f.d. vinst för sockerkakor) (Ickenegativitet)

208-2- 8 Dualitet Till vare LP finns ett dualt problem Primalen : Originalproblemet Dualen : Duala problemet Kopplingar mellan problemen som kan utnyttas Känslighetsanalys Lösningsmetoder Lös dualen istället för primalen om det är lättare och få ut information om primalen

208-2- 9 Primal-duala relationer Primal n m st variabler st villkor Maxproblem Dual n m st villkor st variabler Minproblem

208-2- 0 Primal-duala relationer Primal n m st variabler st villkor Maxproblem Villkor: Variabel: ì ï í³ ï î= ì³ 0 ï í 0 ï î fri Dual n m st villkor st variabler Minproblem Variabel: Villkor: ì³ 0 ï í 0 ï î fri ì³ ï í ï î=

208-2- Exempel: Dualitet Uppgift 6. b

208-2- 2 Dualitetsteori (P) T max z = c x då A x b x ³ 0 D är duala problemet till P. P är duala problemet till D. (D) min då w T = b v T A v ³ c v ³ 0 Svag dualitet T T xˆ tillåten i (P), vˆ tillåten i (D). Då gäller c xˆ b vˆ Tillåten lösningi ena problemet ger optimistisk uppskattning till detandra Stark dualitet Om P eller D har en begränsad optimallösning x*/v* så har även det duala det T * T * med samma målfunktionsvärde: c x = b v

Agenda Kursens status Dualitet Billigaste väg problem

208-2- 4 Billigaste väg problem (BVP) Givet: Nätverk (noder + bågar) Mål: Hitta billigaste väg från A till B snabbaste vackraste roligaste

208-2- 5 Exempel (BVP) i c i Sök billigaste väg från nod till nod 5! 2 4 4 5

208-2- 6 Billigaste väg problem (BVP) Givet: Nätverk (noder + bågar) Mål: Hitta billigaste väg från A till B snabbaste vackraste roligaste Specialfall av minkostnadsflödesproblemet (MKF) Definiera x i = om båge i- används, 0 annars Kan lösas som ett vanligt LP problem Potentiellt problem: Vad om vi får lösning med x i = 0.5? Dock: MKF har heltalsegenskap (minst en lösning är heltalig!)

208-2- 7 Bellmans ekvationer (Nodpris) Det finns bättre sätt att lösa kortaste väg problem än via LP utnyttnar problemstrukturen Bellmans ekvationer beskriver optimalitetsvillkoren i ett BVP s = startnod, c i = bågkostnad Nodpris startnod Nodpris övriga noder Exempel Billigaste väg = 0 i i Uppgift 8. y s Dyraste väg y s = 0 i i Uppgift 8.22 Max kapacitet = i i Bok sid 20; Uppg. 8.5b y s min { y = y + c i ( i, ) ÎB max { y = y + c y i ( i, ) ÎB = max {min( y i ( i, ) ÎB } }, c )}

208-2- 8 Dikstras algoritm (959) (Fords algoritm*). Initialisering: A = avsökta noder, D = e avsökta. Märk startnoden s med (p s,y s ) = 0) (föregående nod, nodpris), övriga noder med i Î D 2. Väl med lägst nodpris.. Avsök nod i: För alla utgående bågar i-: Om i i har billigare väg hittats. Märk nod med ( p, y ) = ( i, yi + ci) (Om Î A flytta till D) * 4. Flytta nod i från D till A. 5. Om D tomt, avbryt! Annars går till 2. y + c < y * Om nätverket har negativa bågkostnader Mer detalerad beskrivning sidor 92-9 i boken

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={,2,,4,5} A={} 2 4 i c i 208-2- 9 ( p, y ) 0) 4 5

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={,2,,4,5} A={ } (,) 2 4 i c i 208-2- 20 ( p, y ) 0) 4 5 (,)

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={2,,4,5} D={2,4,5} A={} A={,} (,) (,2) 2 4 i c i 208-2- 2 ( p, y ) 0) 4 5 (,) (,5)

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={4,5} D={2,4,5} A={,2,} A={,} (,) (,2) 2 4 i c i (2,) 208-2- 22 ( p, y ) 0) 4 5 (,) (,5)

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={5} D={4,5} A={,2,,4} A={,2,} (,) (,2) 2 4 i c i (2,) 208-2- 2 ( p, y ) 0) 4 5 (,) (,5) (4,4)

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={5} D={} A={,2,,4} A={,2,,4,5} (,) (,2) 2 4 i c i (2,) 208-2- 24 ( p, y ) 0) 4 5 (,) (,5) (4,4)

Exempel (Dikstra) Sök billigaste väg från nod till nod 5! D={} A={,2,,4,5} (,) (,2) 2 4 i c i (2,) 208-2- 25 ( p, y ) 0) 4 5 (4,4) (,) (,5)

208-2- 26 Dikstras algoritm för max kapacitet. Initialisering: A = avsökta noder, D = e avsökta. Märk startnoden s med (p s,y s ) =, (föregående nod, nodpris), övriga noder med 0) i Î D 2. Väl med högst nodpris.. Avsök nod i: För alla utgående bågar i-: Om min ' (, ) (* > ' * har väg med högre kapacitet hittats. Märk nod med (p,y ) = min ' (, ) (* ) 4. Flytta nod i från D till A. 5. Om D tomt, avbryt! Annars går till 2.

208-2- 27 Praktiska exempel och alternativa målfunktioner Proektnätverk Hur lång tid tar proektet? Kostnad för dyraste väg! Vad är den kritiska linen? Dyraste väg! När kan vi starta med en viss aktivitet? Nodpris! Maximera tillförlitlighet Multiplikativ målfunktion

Trevlig helg! www.liu.se