Optimeringslära Kaj Holmberg

Relevanta dokument
Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner. När Du löser uppgifterna

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner. När Du löser uppgifterna

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner. När Du löser uppgifterna

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

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner

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

Optimeringslära Kaj Holmberg. Lösningar/svar. Iteration 2: x 2 s

Lösningar till SF1852 Optimeringslära för E, 16/1 08

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Tentamensinstruktioner. När Du löser uppgifterna

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.

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Lösningar till SF1861 Optimeringslära, 28 maj 2012

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

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

Laboration 1 - Simplexmetoden och modellformulering

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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:

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

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:

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Laboration 1 - Simplexmetoden och Modellformulering

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

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

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna

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

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

Lösningar till tentan i SF1861 Optimeringslära, 3 Juni, 2016

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNK049 Optimeringslära

TNSL05 Optimering, Modellering och Planering. Föreläsning 10

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

Tentamensinstruktioner

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

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

Linjärprogrammering (Kap 3,4 och 5)

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

1 Minkostnadsflödesproblem i nätverk

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNK049 Optimeringslära

Lösningar till tentan i SF1861 Optimeringslära, 1 juni 2017

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Tentamensinstruktioner

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

Transkript:

Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 26-6- Kaj Holmberg Lösningar Uppgift Hinkpackning (hink = tur med cykeln. Jag använder första plats-heuristiken: Ta med sak (4 kg tur, 46 kg kvar i tur. Ta med sak 2 ( kg tur, 36 kg kvar i tur. Ta med sak 3 (5 kg tur, 2 kg kvar i tur. Ta med sak 4 ( 5 kg tur, 6 kg kvar i tur. Sak 5 (25 kg får inte plats tur, ta med tur 2, 25 kg kvar i tur 2. Sak 6 (35 kg får inte plats tur eller 2, ta med tur 3, 5 kg kvar i tur 3. Sak 7 (3 kg får inte plats tur, 2 eller 3, ta med tur 4, 2 kg kvar i tur 4. Sak 8 (7 kg får inte plats tur, ta med tur 2, 8 kg kvar i tur 2. Ta med sak 9 (5 kg tur, kg kvar i tur. Sak (8 kg får inte plats tur, ta med tur 2, tur 2 helt full. Sak (8 kg får inte plats tur eller 2, ta med tur 3, 7 kg kvar i tur 3. Det räckte alltså med 4 turer. Undre gräns 74/5 = 4, så lösningen är optimal. Uppgift 2 Förbearbetning: Dividera målfunktionen med och prisvillkoret med. Jag går ner i -grenen först. P: Grafisk lösning av LP-relaxationen ger x = 5/2 = 2.5, x 2 = 3/2 =.5 och z = 9.5, vilket ger z = 9. Förgrena över x : P = P + (x 2 2, P2 = P + (x 2 3. P: Grafisk lösning: x = 2, x 2 = 5/3, z = 9, vilket ger z = 9. Förgrena över x 2 : P3 = P2 + (x, P4 = P2 + (x 2. P3: Grafisk lösning: x = 2, x 2 =, z = 7. Heltalig lösning, spara, kapa, sätt z = 7. P4: Grafisk lösning: x =, x 2 = 2, z = 8. Bättre heltalig lösning, spara, kapa, sätt z = 8. P2: Grafisk lösning: x = 3, x 2 =, z = 9. Bättre heltalig lösning, spara, kapa, sätt z = 9. Trädet avsökt. Bästa lösning x = 3, x 2 =, med z = 9. Svar i ord: Köp 3 Bully och en Polly, vilket ger plats för 9 böcker. Uppgift 3 Använd Dijkstras metod. Detta ger vägen -7-6-5, med kostnad 3. Nodmärkningar: : (,-, 2: (4,, 3: (,2, 4: (5,, 5: (3,6, 6: (9,7, 7: (3,.

Uppgift 4 4a: Skriv problemet på standardform. ( g (x = x + x 2 ( 2, g 2 (x = x (, 4x 2x g 3 (x = x 2, f(x = 2 8, g 2x 2 2x 5 (x =, g 2 (x =, ( g 3 (x =. (Kontroll av Hessianen visar att problemet är konvext. För punkt A: (, : KKT: Punkten är tillåten. KKT2: Bivillkor ( 2 och( 3 är inte ( aktiva, så u 2 = och u 3 =. 6 KKT3: + u 5 =. Detta ger u = 6 och u = 5, vilket inte kan hända, så KKT3 saknar lösning. För punkt B: (2, : KKT: Punkten är tillåten. KKT2: Bivillkor 2 är inte aktivt, så u 2 =. ( ( KKT3: +u 9 så KKT4 är inte uppfyllt. +u 3 ( = (. Detta ger u = och u 3 = 9 <, För punkt C: (, 2: KKT: Punkten är tillåten. KKT2: Bivillkor ( 3 är inte ( aktivt, så( u 3 =. 2 KKT3: + u + u 2 <, så KKT4 är inte uppfyllt. = (. Detta ger u = och u 3 = För punkt D: (2, 2: KKT: Punkten är inte tillåten, så KKT är inte uppfyllt. Ingen av hörnpunkterna är optimal. 4b: För varje punkt: Rita målfunktionsgradienten, rita en linje som är ortogonal mot den, markera halvrummet bort från gradienten, markera de riktningar i halvrummet som uppfyller bivillkoren. Se blå markeringar i figuren. C D A B 2

4c: I startpunkten är bara bivillkor 2 och 3 aktiva. Första LP-problemet blir min z = 8d 5d 2 då d, d 2, d, vilket har optimallösning d = (, med z = 3. Sätt x (2 = (t, t. Maximal steglängd blir pga. bivillkor. Linjesökning skulle ge t = 6.5, så vi får t = t max = och x (2 = (,. Nu är bivillkor aktivt. LP-problemet blir min z = 6d 5d 2 då d + d 2, samt d, vilket har optimallösning d = (, med z =. Sätt x (3 = ( + t, t. Maximal steglängd blir pga. bivillkor 3. Linjesökning ger t =., så vi får x (3 = (.,.9. Nu är bivillkor aktivt. LP-problemet blir min z = 5.4d 5.4d 2 då d + d 2, samt d, vilket t.ex. har optimallösning d = (, med z =. Alltså är x = (.,.9 optimal. Svar: Tillsätt. rött och.9 gult. Uppgift 5 5a: Handelsresandeproblemet. Närmaste-granne ger ingen tur, men man kan utöka delturen till en full rundtur och få -7-4-6-5--9-8-3-2-, vilken kostar 74. Man kan även finna billigaste -träd, och flytta runt bågar för att få en tur, vilket kan ge -7-6- -9-8-5-3-4-2-, vilken också kostar 74. En bra relaxation är -träd, med målfunktionsvärde 55. Vi har alltså en tillåten lösning, som ger övre gräns på 75, samt en undre gräns på 55, så i värsta fall är vår lösning 2 dyrare än optimum. 5b: Kinesiska brevbärarproblemet. Noderna, 2, 8 och 9 har udda valens, och det billigaste sättet att höja dessa valenser är att dubblera bågarna (,2 och (8,9. Kostnaden blir summan av alla bågkostnader (42 plus 9 = 5. Uppgift 6 6a: Inför slackvariabler x 5 och x 6. Starta med slackvariablerna i basen. Bas z x x 2 x 3 x 4 x 5 x 6 z -3-2 -4-2 x 4 2 5 6 x 5 3 2 3 8 Först blir x 3 inkommande och x 6 utgående. 3

Bas z x x 2 x 3 x 4 x 5 x 6 z - 4 4 2 6 x 4 /2 /2 7/2 -/2 2 x /2 3/2 3/2 /2 4 Nu blir x inkommande och x 5 utgående. Bas z x x 2 x 3 x 4 x 5 x 6 z 5 2 2 x 4 7 2-4 x 2-2 - 2 Därefter fås optimum. x = 4, x 2 =, x 3 = 2, x 4 =, (x 5 =, x 6 = och z = 2. Svar: Ta med 4 äpplen och 2 apelsiner, vilket ger smaken 2. Båda bivillkoren är aktiva. 6b: Skuggpriserna från uppgift a är y = 2 och y 2 =, så båda ökningarna av högerleden skulle ge förbättring, men kolhydratvillkoret ger störst effekt. 6c: Ny variabel x 7 : reducerad kostnad ĉ 7 = c 7 a T 7 y = 5 4 3 = 2 <. Lösningen skulle alltså inte förbättras genom att ta med persikor. 6d: Vi har två bivillkor, vilket ger två basvariabler, dvs. (högst två variabler blir större än noll. Vi får alltså aldrig mer än två fruktsorter i fruktsalladen. Ändring av koefficienter ändrar inte på detta. 6e: LP-dual: min v = 6y + 8y 2 då y + y 2 3 ( 2y + 3y 2 2 (2 y + 2y 2 4 (3 5y + 3y 2 2 (4 y, y 2 Optimal duallösning: y = 2, y 2 = från optimaltablån i uppgift a. Lösningen uppfyller alla duala bivillkor. Komplementaritet: Primala bivillkor är aktivt och y >. Primala bivillkor 2 är aktivt och y 2 >. Duala bivillkor är aktivt och x >. Duala bivillkor 2 är inte aktivt och x 2 =. Duala bivillkor 3 är aktivt och x 3 >. Duala bivillkor 4 är inte aktivt och x 4 =. Uppgift 7 7a: Den givna startlösningen är tillåten och ger basbågarna (,2, (2,3, (4,3, (4,5, (4,6 och (7,4. Detta ger nodpriserna y =, y 2 = 7, y 3 = 4, y 4 = 5, y 5 = 3, y 6 = 9, y 7 =, och följande reducerade kostnader: ĉ 4 = (optimalt, ĉ 7 = 6 > (optimalt ty x =, ĉ 24 = 6 > (optimalt ty x =, ĉ 35 = 7 > (optimalt ty x =, ĉ 56 = > (optimalt ty x =, ĉ 67 = 5 > (optimalt ty x =. Alla bågar 4

uppfyller optimalitetskriterierna, så lösningen är optimal. 7b: Nu fås ĉ 76 = 3 < (inte optimalt, öka. Detta ger x 76 som inkommande variabel (att öka. Cykeln blir 7-6-4-7, ändringen blir en enhet, och utgående variabel blir x 74. Nu har vi y =, y 2 = 7, y 3 = 4, y 4 = 5, y 5 = 3, y 6 = 9, y 7 = 3, och följande reducerade kostnader: ĉ 4 = (optimalt, ĉ 7 = 3 > (optimalt ty x =, ĉ 24 = 6 > (optimalt ty x =, ĉ 35 = 7 > (optimalt ty x =, ĉ 56 = > (optimalt ty x =, ĉ 74 = 3 > (optimalt ty x =. Alla bågar uppfyller optimalitetskriterierna, så lösningen är optimal. 7c: Utgå från lösningen ovan. y 3 = 4 och y 5 = 3, så ĉ 35 = + 4 3 = >. Nej, det skulle inte sänka totalkostnaden. 7d: En vägsökning med Dijkstras metod ger bästa flödesökande väg 2-3-5-6-7, med kapacitet 6, skicka 6. Ändra tillåtna riktningar. Nästa vägsökning med Dijkstras metod ger att noderna 2, 3, 4, 5 och 6 kan märkas, men inte nod och 7. Därför går minsnittet mellan å ena sidan noderna och 7 och andra sidan 2, 3, 4, 5 och 6. Maxflöde: 6. Uppgift 8 8a: Efter första steget fås α = (5, 6, 5, 4 och β = (5,, 2, 5. Man kan stryka alla nollor genom att stryka rad och 2 samt kolumn 2, med minsta ostrukna element, vilket gör att vi får α = (5, 6, 6, 5 och β = (5,, 2, 5. Nu kan man stryka alla nollor genom att stryka rad samt kolumn och 2, med minsta ostrukna element, vilket gör att vi får α = (5, 7, 7, 6 och β = (4, 2, 2, 5. Nu fås t.ex. lösningen x 4 =, x 23 =, x 32 =, x 4 =, dvs. kompis kokar vegetarisk gryta, kompis 2 tillagar pastasallad, kompis 3 blandar grönsallad och kompis 4 fixar bröd. Total tid blir 34. Summering av du- Optimal duallösning är α = (5, 7, 7, 6 och β = (4, 2, 2, 5. allösningen ger 34, så starka dualsatsen är uppfylld. 8b: En optimal duallösning fås genom att minska β ökas med 7 enheter, resten blir helt oförändrat. Den primala optimallösningen blir oförändrad. Alla tillåtna lösningar blir 7 billigare. (Om man löser om problemet, fås andra värden på duallösningen, men samma reducerade kostnader efter sista steget. Den duala lösning är aldrig unik. 5