METODER FÖR ATT SKALA UPP TIDTABELLSOPTIMERING. Sara Gestrelius och Martin Aronsson KAJT Höstseminarium 15 November 2016

Relevanta dokument
BERÄKNINGSMETODER FÖR DEN FRAMTIDA TÅGPLANEPROCESSEN

T-konsult. Undersökningsrapport. Villagatan 15. Vind svag nordvästlig, luftfuktighet 81%, temp 2,3 grader

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

Tentamensinstruktioner

KVADRATISKA MATRISER, DIAGONALMATRISER, MATRISENS SPÅR, TRIANGULÄRA MATRISER, ENHETSMATRISER, INVERSA MATRISER

Optimering och simulering: Hur fungerar det och vad är skillnaden?

Val av tågordning och dess påverkan på lösningsrummet

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

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

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

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

Tentamensinstruktioner

10:20-10:40 10:40-11:20 11:20-12: Lunch

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

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

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

OBSERVERA ATT BYGLARNA MÅSTE HA SAMMA LÄGE!

Produktionssystem för ekologisk odling av trädgårdsblåbär Organic production systems in Northern highbush blueberries

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

Simuleringsbaserad optimering av tidtabeller (KAJT-projekt: FlexÅter) Johan Högdahl

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

Snabbinstruktion. Driftanvisning och användartips för användning av parkeringsvärmare

Programschemat är granskad och godkänd av akademichef vid akademin för Hälsa, vård och välfärd

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

Integraler. Integraler. Integraler. Integraler. Exempel (jfr lab) Integrering i Matlab. cos(3 xdx ) Från labben: Informationsteknologi

Optimerande beslutstöd för tågtrafikledning

Resultat av brukarundersökning inom LSS 2014

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

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

Optimeringslära Kaj Holmberg

Tips o trix med fokus på Tid SAPSA HR-dagarna, Såstaholm Anna Wahlström o Anette Meijer, Zalaris

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Psykologi för projektledare

TÅG KUSTBUSSEN KÖPENHAMN - KARLSKRONA

CREATING VALUE BY SHARING KNOWLEDGE

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

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

Svenska CAPRICORN BORDSCENTRIFUG MODELL NR. CEP Observationsfönter Räfflad mutter. Spänne. Kontakt av IEC-typ Tidur.

ÖPPNA OCH SLUTNA MÄNGDER. KOMPAKTA MÄNGDER. DEFINITIONSMÄNGD. INLEDNING. Några viktiga andragradskurvor: Cirkel, ellips, hyperbel och parabel.

Tentamen med lösningar i IE1304 Reglerteknik Måndag 16/

Uppdrag för LEGO projektet Hitta en vattensamling på Mars

Antag att följande träd genereras i ett spelförande program om vi applicerar evalueringsfunktionen

Löpsedel: Integraler. Block 4: Integraler. Lärobok. Exempel (jfr lab) Exempel (jfr lab) Integrering i Matlab

är ett tal som betecknas det(a) eller Motivering: Determinanter utvecklades i samband med lösningsmetoder för kvadratiska linjära system.

EL-PANEL. Best.nr W 1000W 1500W 2000W. Bruksanvisning VIKTIGT

Tentamensinstruktioner

Optimeringslära Kaj Holmberg

Tentamensinstruktioner. När Du löser uppgifterna

Optimeringslära Kaj Holmberg

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

F8: Logiska komponenter. Introduktion. Koder. Avkodare. Logiska komponenter

Generering av L-system fraktaler med Processing.js

DJUREN PÅ GÅRDEN (4-8 år) Swedish Media Art /

Packa upp PhotoPC 650 ur förpackningen. Kontrollera att alla delar nedan finns med. PhotoPC 650 kamera. rem videokabel. fyra alkaliska AA-batterier

H1009, Introduktionskurs i matematik Armin Halilovic. Definition. Mängden av alla lösningar till en ekvation kallas ekvationens lösningsmängd.

Icke-linjära ekvationer

Bruksanvisning. Passagevakt till Attendo Caresse

Programmera i teknik - kreativa projekt med Arduino

Föreläsning 9: Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Optimeringslära Kaj Holmberg

Programmeringsolympiaden Final 6 maj 2004

Turingmaskiner och oavgörbarhet. Turingmaskinen. Den maximalt förenklade modell för beräkning vi kommer använda är turingmaskinen.

Presentation Inledning Framtidens transportmedel Tillgången till elektricitet Säkerhetsåtgärder Affärer Future sky

Optimeringslära Kaj Holmberg

ATT SKAPA ETT GRUNDSCHEMA.

FM-medeldistans, Kouvola,

FRÅNVAROTRAPPAN. Ett verktyg och en vägledning när elev är frånvarande. Fortsatt frånvaro

Föreläsning 12+13: Approximationsalgoritmer

1 LP-problem på standardform och Simplexmetoden

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:

Projekt 1: VLSI routing och Lagrange-dualitet

Följande begrepp används ofta vid beskrivning av ett statistiskt material:

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

Aidon 3-fas mätare. Brytare max 63A

KV KNEKTBACKEN 20 FREDSGATAN 19-23, ÖREBRO

MICROECONOMICS Mid Sweden University, Sundsvall (Lecture 2) Peter Lohmander &

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

F11 - Rekursion. ID1004 Objektorienterad programmering Fredrik Kilander

Handbok i materialstyrning - Del E Bestämning av säkerhetslager

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

T80_a_BA.book Seite 1 Donnerstag, 22. April :01 16 Telestart T80

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TNSL11 Kvantitativ Logistik

Tentamensinstruktioner

Att få se Dig. C#m H/D# E/G# Amaj VII. Mattias Martinson 2001, David Songs

Linjärprogrammering (Kap 3,4 och 5)

Geometrimattan Uppdrag 2. Geometrimattan Uppdrag 1. Geometrimattan Uppdrag 4. Geometrimattan Uppdrag Aima din Sphero. 1. Aima din Sphero.

Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013

Tentamen i ETE115 Ellära och elektronik, 25/8 2015

Anmärkning: Härledning av ovanstående formel finns i slutet av stencilen.

FLOAT - (FLexibel Omplanering Av Tåglägen i drift) OT8 2 Väl fungerande resor och transporter i storstadsregionen

LABORATION 4 DISPERSION

Smart Touch 09. Bruksanvisning 09-4

Föreläsning 10. Riktade grafer. Viktade grafer. TDDC91,TDDE22,725G97: DALG. Innehåll. Innehåll Riktade grafer A 10.3

KONTROLLSKÅP WEATHERMATE 6 & 12

FORMLER TILL NATIONELLT PROV I MATEMATIK KURS E

TNK047 [TEN1] OPTIMERING OCH SYSTEMANALYS

Transkript:

METOER FÖR TT SKL UPP TITELLSOPTIMERING Sara Gestrelius och Martin ronsson KJT Höstseminarium 15 November 2016

IG 1. Inledning 2. Hitta möjliga lösningar 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. Olika Målfunktioner 4. Resultat 3. Förbättra en möjlig lösning 1. Lös reducerat problem: sämsta tåg 2. PLEX Polishing 3. PLEX Normal 4. Resultat

MÅL: LÖS HLLSERGS RIFTLENINGSOMRÅE

V ÄR SVÅRT? F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER F E

MÅNG VLMÖJLIGHETER REUER PROLEMET. F E

REUER PROLEMET vs. ta bort valmöjligheter... E F

REUER PROLEMET vs. ta bort valmöjligheter... E F

REUER PROLEMET vs. ta bort valmöjligheter... E F

REUER PROLEMET vs. ta bort valmöjligheter... E F

REUER PROLEMET vs. ta bort valmöjligheter... Grönt tåg ska stanna F E

REUER PROLEMET vs. ta bort valmöjligheter... Grönt tåg ska stanna F E

REUER PROLEMET Mer lättlöst problem MEN 1. Ogiltigt problem. 2. Sub-optimal lösning.

REUER PROLEMET Mer lättlöst problem MEN 1. Ogiltigt problem. Försök göra bra val! Relaxering och iteration. (Relaxering = ta bort krav) 2. Sub-optimal lösning.

REUER PROLEMET Mer lättlöst problem MEN 1. Ogiltigt problem. Försök göra bra val! Relaxering och iteration. (Relaxering = ta bort krav) 2. Sub-optimal lösning. Förbättrings-heuristiker

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 2. Förbättra en möjlig lösning:

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning:

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt (3. evisa att lösningen är optimal)

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

LÄGG TILL OH SPIK TÅG GRÖN OH GUL TÅGET SK LÄGGS IN F E

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

HITT MÖJLIG LÖSNING ITERTIV GEOGRFIPUSSLINGSHEURISTIK (IGPH)

IGPH 1. EL UPP PROLEMET I MINRE GEOGRFI- ITR F E

IGPH 1. EL UPP PROLEMET I MINRE GEOGRFI- ITR F E

IGPH 1. EL UPP PROLEMET I MINRE GEOGRFI- ITR F E

IGPH 2. TITELL GEOGRFIITRN F E

IGPH 3. SPIK MÖTESPLTSERN I ITRN F E

IGPH 3. SÄTT IHOP ITRN OH FÖRSÖK LÖS ET TOTL PROLEMET ME SPIKRN F E

IGPH 3. SÄTT IHOP ITRN OH FÖRSÖK LÖS ET TOTL PROLEMET ME SPIKRN F E

IGPH 3. SÄTT IHOP ITRN OH FÖRSÖK LÖS ET TOTL PROLEMET ME SPIKRN Givet de spikade mötesplatserna kan det gröna tåget aldrig hålla ihop tidsmässigt i SE. Tidsvillkoret måste relaxeras i SE.

IGPH 3. SÄTT IHOP ITRN OH FÖRSÖK LÖS ET TOTL PROLEMET ME SPIKRN åda problemen har satt mötet utanför sitt eget område. Om tågen inte kan mötas i SE är problemet olösbart. Mötesplatsvillkoret måste relaxeras i SE.

IGPH 3. SÄTT IHOP ITRN OH FÖRSÖK LÖS ET TOTL PROLEMET ME SPIKRN e spikade mötesplatserna get två olika tågordningar i SE. Tågordningsvillkoret måste relaxeras.

IGPH 4. SLÄPP TÅG SOM ÄR OGILTIG I TOTL- PROLEMSLÖSNINGEN OH LÖS IGEN. UPPREP FÖR LL OGILTIG TÅG.

IGPH 5. OM INGEN GILTIG LÖSNING. EL UPP IGEN OH OPTIMER TIERN I TOTLLÖSNINGEN. F E

IGPH 5. OM INGEN GILTIG LÖSNING. EL UPP IGEN OH OPTIMER TIERN I TOTLLÖSNINGEN. E F

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

HITT MÖJLIG LÖSNING OLIK MÅLFUNKTIONER OH PLEX 12.2 1.Spika alla beslutsvariabler och ändra så få som möjligt. 2. Minimera total körtid för tågen. Stäng ner efter 2h.

Tid till första lösning hittas (s) RESULTT 10000 9000 8000 7000 6000 5000 4000 IGPH dd trains Min. Time Min. reak 3000 2000 1000 0 1 2 3 4 5 6 7 ag

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

IMPROVEMENT HEURISTIS GÖR EN MÖJLIG LÖSNING ÄTTRE 1. Släpp alla mötesplatser och stoppmönster för tåg som har dåliga värden i målfunktionen (5 åt gången). 2. PLEX 12.2 Polishing funktion, stäng efter 10 min. 3. PLEX 12.2 Normal, stäng efter 10 min.

Run time sum (s) Run tim sum (s) Run time sum (s) Run time sum (s) RESULTT H SMM TISKL Worst trains Polish plex standard ay 1 1290000 1280000 1270000 1260000 1250000 1240000 1230000 1220000 1210000-400 100 600 1100 1600 Time (s) 1175000 1170000 1165000 1160000 1155000 1150000 1145000 1140000 1135000 1130000 1125000 ay 2 0 200 400 600 800 1000 1200 1400 1600 Time (s) 2380000 2360000 2340000 ay 3 2520000 2500000 ay 4 2320000 2480000 2300000 2280000 2260000 2240000 2220000 2200000 2460000 2440000 2420000 2400000 2380000 2180000 0 200 400 600 800 1000 1200 1400 1600 2360000 0 200 400 600 800 1000 1200 1400 1600 Time (s) Time (s)

Run time sum (s) Run time sum (s) Run time sum (s) RESULTT Worst trains Polish plex standard ay 5 2660000 2640000 2620000 2600000 2580000 2560000 2540000 2520000 2500000 2480000 2460000-400 100 600 1100 1600 Time (s) ay 6 2800000 2750000 2700000 2650000 2600000 2550000 2500000-400 100 600 1100 1600 Time (s) 2750000 ay 7 2700000 2650000 2600000 2550000 2500000-400 100 600 1100 1600 Time (s)

TVÅ UPPGIFTER 1. Hitta möjliga lösningar: 1. Lägg till och spika tåg 2. Iterativ geografipusselläggning 3. PLEX kör som vanligt 2. Förbättra en möjlig lösning: 1. Lös om sämsta tåg 2. PLEX Polishing 3. PLEX kör som vanligt

SMMNFTTNING Mål: Hitta metod för att lösa stora geografiska områden genom att anpassa problemet på olika sätt. Två-stegs metod: Hitta möjlig lösning först, förbättra sedan. Hitta lösning: äst att lägga till 5 tåg åt gången. Förbättra lösning: Ta bort sämsta tåg och lägg till igen. fungerar bättre än att lösa rakt av med cplex men tar fortfarande lång tid. Många inställningar som skulle kunna påverka.