Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722)

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

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Laboration 1 - Simplexmetoden och modellformulering

Optimeringslära Kaj Holmberg

Tentamensinstruktioner. När Du löser uppgifterna

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

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

Laboration 1 - Simplexmetoden och Modellformulering

MIO310 OPTIMERING OCH SIMULERING, 4 p

Tentamensinstruktioner. När Du löser uppgifterna

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Tentamensinstruktioner. När Du löser uppgifterna

MIO310 OPTIMERING OCH SIMULERING, 4 p

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Optimeringslära Kaj Holmberg

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

Optimeringslära Kaj Holmberg

MIO310 OPTIMERING OCH SIMULERING, 4 p

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

De optimeringsproblem som kommer att behandlas i denna kurs kan alla (i princip) skrivas. 1 2 xt Hx + c T x. minimera

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

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

Optimeringslära Kaj Holmberg

Tentamensinstruktioner. När Du löser uppgifterna

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Lösningar till SF1861/SF1851 Optimeringslära, 24/5 2013

Optimeringslära Kaj Holmberg

Tentamensinstruktioner. När Du löser uppgifterna

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

1 Duala problem vid linjär optimering

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

Lösningar till SF1861 Optimeringslära, 28 maj 2012

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNK049 Optimeringslära

Hemuppgift 2, SF1861 Optimeringslära för T, VT-10

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Ett linjärprogrammeringsproblem på allmän form ser ut som

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner. Vid skrivningens slut

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner

1 Minkostnadsflödesproblem i nätverk

MIO310 OPTIMERING OCH SIMULERING, 4 p

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

Tentamensinstruktioner

Lösningar till tentan i SF1861 Optimeringslära, 1 juni 2017

Tentamensinstruktioner. När Du löser uppgifterna

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner

Optimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.

TNSL05 Optimering, Modellering och Planering. Föreläsning 10

Linjärprogrammering (Kap 3,4 och 5)

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

Lösningsförslag Tentamen i Optimering och Simulering MIO /5 2006

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Optimeringslära för T (SF1861)

1 LP-problem på standardform och Simplexmetoden

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

TEKNIK STANSNING BOCKNING PRESSNING SVETSNING YTBEHANDLING MONTERING

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TNK049 Optimeringslära

TENTAMEN Tillämpad Systemanalys 5hp

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Övningar och datorlaborationer, Datorer i system

Övningar och datorlaborationer, Datorer i system

Optimering. Optimering av transportproblem. Linköpings universitet SL. Campusveckan VT2013

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

Lösningar till SF1852 Optimeringslära för E, 16/1 08

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Optimering av strålterapi

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

TNSL05 Optimering, Modellering och Planering. Föreläsning 6

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Föreläsning 6: Transportproblem (TP)

TENTAMEN I PROGRAMMERING. På tentamen ges graderade betyg:. 3:a 24 poäng, 4:a 36 poäng och 5:a 48 poäng

Transkript:

Laborationsuppgift 1 Tillämpad optimeringslära för MMT (5B1722) Februari 2004 Avdelningen för Optimeringslära och Systemteori Institutionen för Matematik Kungliga Tekniska Högskolan Stockholm

Allmän information Laborationen utgör ett obligatoriskt moment i kursen. Den syftar till att ge praktisk träning på genomgångna teoriavsnitt. Laborationen består av tre dellaborationer som tar upp linjär- och heltalsprogrammering samt olinjära problem. Redovisning Laborationerna ska utföras individuellt eller i grupper om högst två personer. Varje laboration ska redovisas skriftligt. Anvisningar för rapporter: Rapporterna skall inledas med ett försättsblad där gruppmedlemmarnas namn, personnummer och e-postadress tydligt skall anges. Rapporterna skall vara skrivna m.h.a. ett lämpligt ordbehandlingsprogram, inte för hand. Den MATLAB-kod som har använts för att lösa problemen skall ingå i rapporten (lämpligen som en bilaga). Innehållet skall vara sådant att en annan person som går kursen men ej är bekant med laborationsuppgiften skall kunna läsa rapporten och lätt förstå följande: 1. Vad är problemet? Bakgrunden till att man vill lösa detta problem. Detta innebär inte att man skall skriva av uppgiftens beskrivning, utan att man skall göra en lämplig sammanfattning av nödvändig information, som behövs för att förstå problemställningen. 2. Hur gruppen valt att överföra problemet till en matematisk problemformulering. Vilka antaganden har gjorts? Om dessa antaganden kan antas påverka lösningen bör detta påpekas. 3. Vad är lösningen till det uppställda optimeringsproblemet? Om det bedöms nödvändigt, skall den matematiska lösningen återföras till den icke-matematiska problemformuleringens terminologi. De flesta uppgiftslydelserna innehåller ett antal frågor vilka skall besvaras i rapporten. Svaret på dessa skall tydligt framgå i rapporten. De bör dock på ett naturligt sätt vävas in rapporten och inte radas upp i en svarslista. 1

Ett förslag på lämplig uppläggning av rapporten är följande: 1. Eventuellt en kort inledande sammanfattning. 2. Problembeskrivning och bakgrundsinformation. 3. Matematisk formulering. 4. Resultat och analys (tolkningar av resultat). 5. Ett avslutande avsnitt med sammanfattning och slutsatser. Vi förbehåller oss rätten att kräva muntlig redovisning om vi finner det lämpligt. Det förutsätts att Ni inom gruppen egenhändigt skriver den MATLABkod och rapport som efterfrågas. Det betraktas som fusk att kopiera andra gruppers MATLAB-kod, lösningar eller rapporter. Dator Laborationerna utförs på dator enligt eget önskemål. Frågor Frågor om laborationerna besvaras av: Claes Trygger (trygger@math.kth.se, tel 790 4919) och Stefan Feltenmark (stefanf@math.kth.se). 2

1 Linjär programmering Ett företag tillverkar bland annat de båda produkterna A och B. Tillverkningen utgörs av momenten stansning, pressning och svetsning. Produktionsförutsättningarna framgår av nedanstående tabell. Avdelning Stans Press Svets Antal utrustningar tillgängliga för respektive moment 1 1 2 Maximal utnyttjandetid per dag och utrustning (tim) 8 8 8 Kapacitet per utrustning för produkt A (enh/tim) 500 250 250 Kapacitet per utrustning för produkt B (enh/tim) 200 500 125 Täckningsbidraget per tillverkad och försåld enhet av produkt A är 2.20 kr och av produkt B 4.10 kr. Av marknadsmässiga skäl bör tillverkningen av produkt A ej överstiga 1800 enheter per dag och av produkt B ej överstiga 1500 enheter per dag. Vidare vill man att antalet tillverkade enheter av produkt B ska vara minst 20 procent av totalt antal tillverkade enheter. Man önskar nu bestämma ett tillverkningsprogram, som med hänsyn till givna förutsättningar maximerar det totala bidraget. a) Formulera ovanstående som ett LP-problem. b) Lös problemet med MATLAB-programmet alps som finns att hämta på kursens hemsida (man behöver också simple som anropas av alps). Studera dokumentationen, som även den finns på kursens hemsida, för dessa koder. Hur mycket ska man tillverka av respektive produkt per dag? Hur stort blir då det totala täckningsbidraget? c) Formulera det duala problemet och lös det med alps. Verifiera att primala och duala målfunktionsvärdena blir lika. Kan man identifiera duallösningen med någon parameter angiven i det primala problemets lösning i (1b)? d) Antag att företaget kan beordra övertid på stansavdelningen. Vad får övertiden högst kosta per timme för att det totala täckningsbidraget inte ska minska vid ett övertidsuttag? Ledning: Använd lösningarna i (1b) och (1c). Vad är motsvarande högsta kostnad för press- och svetsavdelningen? Om man bara kan beordra övertid på en avdelning och kostnaden för 3

övertid är samma vid de olika avdelningarna, vilken avdelning bör man då välja? e) Hur många timmars övertid per dag kan man ta ut på stansavdelningen till den högsta kostnad du angivit i (1d) för denna avdelning utan att det totala täckningsbidraget minskar? (Man tar här hänsyn till den extrakostnad som övertiden innebär.) Ledning: Utför analys på duala problemet. Identifiera basvariabler och ickebasvariabler. Bestäm reducerade kostnader för ickebasvariabler och hur dessa ändras med övertidsändringen. (Om λ k är en basvariabel som är > 0 så är motsvarande bivillkor bindande.) (Att utföra analysen direkt på det primala problemet är svårare då även slackvariabler, som funktionen alps introducerar, ingår i basen.) f) Antag att du svarat T timmar på fråga (1e). Rimliggör detta svar genom att göra två nya körningar med stanskapaciteten satt till 8 + T timmar per dag respektive 8+1.1 T timmar per dag. Jämför de totala täckningsbidragen då övertidskostnaden är enligt (1d). g) Studera nu återigen det ursprungliga fallet med stanskapacitet 8 timmar per dag. Antag att täckningsbidraget för produkt B ökar från 4.10 kr/enhet till 4.10 + C kr/enhet. Vilket är det största värde på C för vilket optimallösningen från uppgift (1b) fortfarande är optimal till det nya problemet? Ledning: Utför känslighetsanalys på det duala problemet. (När duala problemet ändrar lösning ändrar också primala problemet lösning.) h) Antag att du svarat C på fråga (1g). Kontrollera rimligheten i detta svar genom att göra ytterligare två körningar med täckningsbidraget per enhet B satt till 4.10 + 0.9 C respektive 4.10 + 1.1 C. Glöm inte att först sätta tillbaka kapaciteten på stansavdelningen till 8 timmar per dag. i) Åskådliggör det primala problemet i en figur. Rita det tillåtna området, prisvektorn och lösningen i (1b). Illustrera och beskriv vad som händer i figuren i uppgifterna (1d) till (1h). Detta går bra då vi här endast har två variabler. 4

Lös problemet: minimera c T x då Ax b, x 0, med hjälp av alps (och därmed simple). Filen ex1.m: m = 4; % Antal bivillkor n = 4; % Antal variabler c = [3 4 5 2] ; A = [1 2 3 4 4 3 2 1 1 1 1 3 3 1 1 1]; b = [12 9 9 7] ; l = zeros(n,1); % Variabelgränser u = inf*ones(n,1);% Variabelgränser sense = 2*ones(m,1); % >= maxit = 1000; % Maximalt antal simplexiterationer. prtlvl = 1; % Skriv ut information. [x,lambda,mu,status,it] = alps(c,a,b,l,u,sense,maxit,prtlvl); 5