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

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

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

Lösningar till SF1852 Optimeringslära för E, 16/1 08

Lösningar till tentan i SF1861 Optimeringslära, 1 juni 2017

Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013

Lösningar till SF1861 Optimeringslära, 28 maj 2012

1 Ickelinjär optimering under bivillkor

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

1 LP-problem på standardform och Simplexmetoden

1 Duala problem vid linjär optimering

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

1 Konvexa optimeringsproblem grundläggande egenskaper

1 Kvadratisk optimering under linjära likhetsbivillkor

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

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

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

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Tentamen TMA946/MAN280 tillämpad optimeringslära

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

Extrempunkt. Polyeder

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Hemuppgift 1, SF1861 Optimeringslära för T

5B1817 Tillämpad ickelinjär optimering. Optimalitetsvillkor för problem med linjära bivillkor.

Optimeringslära Kaj Holmberg

1. Vi skriver upp ekvationssystemet i matrisform och gausseliminerar tills vi når trappstegsform,

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A. (1 p) (c) Bestäm avståndet mellan A och linjen l.

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

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

Optimering med bivillkor

SF1624 Algebra och geometri Lösningsförslag till tentamen Fredagen den 23 oktober, 2009 DEL A

TMA 671 Linjär Algebra och Numerisk Analys. x x2 2 1.

TNK049 Optimeringslära

Institutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA

SF1624 Algebra och geometri Lösningsförsag till modelltentamen

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

TNK049 Optimeringslära

Hemuppgift 2, SF1861 Optimeringslära för T, VT-10

1 Positivt definita och positivt semidefinita matriser

Linjärprogrammering (Kap 3,4 och 5)

. (2p) 2x + 2y + z = 4 y + 2z = 2 4x + 3y = 6

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

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A. 1. En svängningsrörelse beskrivs av

Tentamen i TATA43 Flervariabelanalys

SF1624 Algebra och geometri Tentamen Torsdag, 17 mars 2016

7 Extremvärden med bivillkor, obegränsade områden

1 Minkostnadsflödesproblem i nätverk

1. (Dugga 1.1) (a) Bestäm v (3v 2u) om v = . (1p) and u =

UPPSALA UNIVERSITET Matematiska institutionen Styf. Exempeltenta med lösningar Programmen EI, IT, K, X Linjär algebra juni 2004

TMV036 Analys och linjär algebra K Kf Bt, del C

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

Linjära ekvationssystem

SF1624 Algebra och geometri Tentamen med lösningsförslag onsdag, 11 januari 2017

5B1817 Tillämpad ickelinjär optimering. Metoder för problem utan bivillkor, forts.

Preliminärt lösningsförslag

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

Chalmers tekniska högskola Datum: kl Telefonvakt: Linnea Hietala MVE480 Linjär algebra S

SF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Optimeringsproblem. 1 Inledning. 2 Optimering utan bivillkor. CTH/GU STUDIO 6 TMV036c /2015 Matematiska vetenskaper

1 Linjära ekvationssystem. 2 Vektorer

SF1626 Flervariabelanalys Tentamen Tisdagen den 12 januari 2016

DEL I. Matematiska Institutionen KTH. Lösning till tentamensskrivning på kursen Linjär algebra II, SF1604 för D, den 5 juni 2010 kl

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

SF1626 Flervariabelanalys Lösningsförslag till tentamen DEL A

Föreläsning 6: Nätverksoptimering

SF1669 Matematisk och numerisk analys II Lösningsförslag till tentamen DEL A. r cos t + (r cos t) 2 + (r sin t) 2) rdrdt.

Numerisk Analys, MMG410. Exercises 2. 1/33

SF1624 Algebra och geometri Lösningsförslag till tentamen Lördagen den 5 juni, 2010 DEL A

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

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Preliminärt lösningsförslag

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

TAOP14: Optimeringslära SAMMANFATTNING OSKAR QVIST:

TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1/TM1, TMA

3 1 = t 2 2 = ( 1) ( 2) 1 2 = A(t) = t 1 10 t

Material till kursen SF1679, Diskret matematik: Lite om kedjebråk. 0. Inledning

Optimering med bivillkor

Hemuppgift 1, SF1861 Optimeringslära, VT 2017

Tentamen : Lösningar. 1. (a) Antingen har täljare och nämnare samma tecken, eller så är täljaren lika med noll. Detta ger två fall:

2 = 3 = 1. ekvationssystem är beskriven som de vektorer X =

Solutions to exam in SF1811 Optimization, June 3, 2014

SF1624 Algebra och geometri Lösningsförslag till tentamen DEL A

Optimeringslära för T (SF1861)

SF1624 Algebra och geometri Lösningsförslag till modelltentamen DEL A

LÖSNINGAR TILL LINJÄR ALGEBRA kl LUNDS TEKNISKA HÖGSKOLA MATEMATIK

1. (a) (1p) Undersök om de tre vektorerna nedan är linjärt oberoende i vektorrummet

Linjära ekvationssystem

(a) Bestäm för vilka värden på den reella konstanten c som ekvationssystemet är lösbart. (b) Lös ekvationssystemet för dessa värden på c.

Institutionen för Matematiska Vetenskaper TENTAMEN I LINJÄR ALGEBRA OCH NUMERISK ANALYS F1, TMA

Laboration 1 i SF1544: Öva på Matlab och konstruera en optimal balk Avsikten med denna laboration är att:

Uppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna

Lösningar till utvalda uppgifter i kapitel 1

SKRIVNING I VEKTORGEOMETRI

SF1624 Algebra och geometri

Linjär Algebra M/TD Läsvecka 1

Transkript:

Lösningsförslag till tentamen i SF86 Optimeringslära för T. Torsdag 28 maj 2 kl. 4. 9. Examinator: Per Enqvist, tel. 79 62 98. (a) Inför variablerna x = (x sr, x sm, x sp, x sa, x sd, x gr, x gm, x gp, x ga, x gd, x mr, x mm, x mp, x ma, x md, ) T för antalet bussar som ska transporteras från städerna Stockholm (s), Göteborg (g) och Malmö (m), till städerna Rom (R), Madrid,(M) Paris (P), Aten (A) och till en Dummy stad (D). Vi inför dummy staden för att få ett balanserat problem. Enligt antagandet känner vi till kostnaderna för transporterna och vi ordnar dessa i en vektor c i samma ordning som i x. Kostnaderna för transporter till dummynoden sätter vi till noll. Låt s i beteckna hur många bussar som finns i stad i, och d j beteckna hur många busslaster som finns i stad j. Antalet busslaster i Dummynoden sätts till så att problemet blir balanserat. Optimeringsproblemet kan nu skrivas min c T x x (TP) då i x ij = d j, j = R, M, P, A, D j x ij = s i, i = s, g, m.. x En tillåten startbaslösning ges av Northwest- corner rule x ij R M P A D s i s 5 25 g 5 5 2 m 5 5 d j 5 5 2 (b) Utför radoperation på A [ U = [ där de två första kolumnerna är identiteten, dvs β =, β 2 = 2 och γ = 3. Nollrummet till A spänns av vektorn n = (,, ) T och bildrummet till A T spänns av vektorerna i U T, dvs r = (,, ) T och r 2 = (,, ) T

Page 2 of 6 Lösningar Tentamen 2-5-27 SF86 Nu gäller att z = = v + u = α + η + Med α = och η = η 2 = har vi z = u + v där v = N (A), u = R(A T ), η 2 2. (a) Problemet (P ) är på standardform (P ) min x s.t. c T x Ax = b x där [ 2 4 2 [, b =, c = [ 3 2 4 T. Vi börjar med variablerna x and x 2 i basen, d.v.s. β = {, 2} och δ = {3, 4, 5}. A β = [ 2 [, A δ = 2 4 Då ger ekvationerna A T β y = c B och rδ T = ct δ yt A δ att [ y =, r T δ = [. Man kan välja mellan att låta 4 och 5 bli nya basvariabelindex. Låt x 4 gå in i basen. Vilken variabel ska lämna basen? b = (/2, /2) bestäms från A β b = b. Från A β ā 4 = a 4, får vi ā 4 = (3/2, /2) T. Från x β = b ā 4 t ser vi att det första elementet i x β blir noll först (eftersom den kvoten är minst), och då måste den första basvariabeln, nämligen x, lämna basen. Nu är β = {4, 2} och δ = {3,, 5}, och vi uppdaterar bas- och ickebasmatriser: A β = [ 2 2, A δ = [ 4 Nu ger ekvationerna A T β y = c β och rδ T = ct δ yt A δ att [ /3 y =, r T 4/3 δ = [ /3 2/3 4/3. Eftersom alla reducerade kostnader är positiva så är den aktuella baslösningen ˆx = (, 3,, 3, ) optimal.

SF86 Lösningar Tentamen 2-5-27 Page 3 of 6 (b) Det duala problemet blir (D) max y + y 2 y då y y + 2y 2 3 y 2 2y + y 2 2 4y + y 2 4 Komplementaritet ger att bivillkor 2 och 4 är uppfyllda med likhet och vi ser att y = /3 och y 2 = 4/3 från simplexmetoden uppfyller dessa villkor. Dessutom uppfylls övriga bivillkor med strikt olikhet och variablerna är icke-negativa. Som extra koll kan man se att c T x = b T y, dvs /3 3 + 2 /3 = /3 + 4/3. (c) Om vi ändrar koefficienten i högerledet så kommer samma baslösning vara optimal så länge som den är tillåten. (reducerade kostnaderna ändras ju inte av denna förändring) Vi har att [ x β = A 2 β bnya = 2 vilken är icke-negativ. I så fall gäller att [ T [ c T 2 β x β = 3 [ /2 /2 [ = = 3/2 /2, 3. (a) Givet H = 2 6 8 6 2 2 8 2 4. Diagonalmatrisen i LDL T -faktoriseringen av matrisen H bestäms av radoperationer med faktorer 3 och -4, och motsvarande kolumnoperationer: 2 6 8 2 2 4 2 4 4 9 4 9 Nu använder vi rad 2 för en radoperation med faktorn -2, och motsvarande kolumnoperation: 2 2 2 4 D = 2 Eftersom diagonalelementen är positiva så är H positivt definit. L-matrisen bestäms av radoperationerna ovan L = 3 = 3 = 3 4 2 4 2 4 2

Page 4 of 6 Lösningar Tentamen 2-5-27 SF86 (b) Det tillåtna området är konvext eftersom det bestäms av ett linjärt ekvationssystem. Målfunktionen är konvex på hela IR 3 enligt a-uppgiften, och är därför även konvex på det tillåtna området. Alltså är optimeringsproblemet konvext. Bestäm nollrummet till A [ 2 2 [ /2 /2 [, Det spänns av kolumnvektorn Z =. En lösning till ekvationen Ax = b ges av x = [ T. Med c = Z T c = T 3 4 = 7 ges en lösning v till ekvationssystemet Z T HZv = Z T (H x + c), d.v.s. 34v = av v = /34. Eftersom problemet var strikt konvext så är ˆx = x+vz = (33/34, /34, ) T det unika minimat till (P ). (c) Vi kollar riktningsderivatan i punkten x i riktningen d f(x)d = (Hx + c)d = [ 2 = >. 8 Eftersom denna är positiv så är d ej en avtaganderiktning. 4. (a) f är summan av två konvexa funktioner och alltså konvex. Den första termen är konvex eftersom det är en konvex och växande funktion (exponentialfunktionen) av en konvex funktion. (b) Gradienten till f är f(x) = [2x exp{x 2 +x 2 3 } 2x 3 exp{x 2 +x 2 3 }, och hessianen ges av 2 f(x) = 2 exp{x 2 + x 2 3 } 2x 3 exp{x 2 + x 2 3 } 2x 3 exp{x 2 + x 2 3 } 2( + 2x2 3 ) exp{x 2 + x 2 3 } I punkten x () = har vi då 2 f(x () )d () = f(x () ), dvs 2 d () =. d () =. 2.

SF86 Lösningar Tentamen 2-5-27 Page 5 of 6 Med ett enhetssteg blir nu nästa iterationspunkt x () = x () +d () = (,, ) T. Om Newtons algorithm konvergerar så kommer den gå till ett lokalt min och vi vet att eftersom f är oändligt differentierbar så måste dess gradient vara lika med noll där, men gradienten till noll är inte noll någonstans så algoritmen kommer inte att konvergera. (Eftersom det inte finns några lokala minpunkter) (c) Låt g (x) = x, g 2 (x) = x 2, g 3 (x) = x 3. Då kan problemet skrivas min f(x) då g(x). I punkten x = (,, ), är alla bivillkoren aktiva. f(x ) + λ g(x ) = + λ + λ 2 + λ 3 =. Detta är sant för λ =, λ 2 = >, λ 3 =. Alltså är KKT och KKT3 uppfyllda. Eftersom x är tillåten så är även KKT2 uppfyllt och i och med att alla bivillkor är aktiva så är KKT4 uppfyllt. Problemet är konvext, så KKT-villkoren är ekvivalenta med de globala optimalitetsvillkoren och vi kan alltså säga att x är ett globalt minimum. (d) Låt g(x) = (x ) 2 x 2 2 Då kan problemet skrivas min f(x) då g(x). I punkten x, är bivillkoret aktivt, dvs g(x ) =. f(x ) + λ g(x ) = + λ 2 =. Detta är aldrig sant, så KKT är ej uppfyllt. Eftersom punkten x är reguljär kan detta inte vara ett lokalt minimum. 5. (a) Detta är ett linjärt minstakvadrat problem. Problemet kan skrivas som min x f(x), där f(x) = Ax b 2, x = [A B C T och π/4 / 2 π/3 /2 π/2, = Eftersom kolumnerna i A är oberoende finns det ett unikt optimalt x och det bestäms av A T Ax = A T b. (b) Området är inte konvext. Punkterna x () = (,, ) och x (2) = (,, ) är tillåtna, men punkten /2x () + /2x (2) = är inte tillåten. Tillåtna området bestäms av att h (x) = x 2 + x2 2 = och h 2(x) = x 2 + x 2 3 =. Gradienterna till dessa ges av h (x) = (2x, 2x 2 ) och h 2 (x) = (2x, 2x 3 ). Dessa är linjärt beroende om x 2 = x 3 = Då följer av bivillkoren att x 2 =. De punkter som inte är reguljära ges alltså av x() och x (2) ovan. 2 3 4 4.

Page 6 of 6 Lösningar Tentamen 2-5-27 SF86 (c) Problemet har en ändlig lösning om och endast om dualen har en tillåten lösning. (D) max 2y + y 2 y då y + y 2 c y + y 2 c 2 y, y 2 Den andra ekvationen har icke-negativa lösningar om och endast om c 2. Dessa ligger i så fall i en triangel i positiva kvadranten. Det minsta värdet för c då det första bivillkoret har en tillåten punkt tillsammans med det andra är då c 2 = c. (rita en figur) Det primala problemet är då ändligt om c 2 och c c 2.