Optimeringslära 2013-11-01 Kaj Holmberg



Relevanta dokument
Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Optimeringslära Kaj Holmberg

Tentamensinstruktioner. När Du löser uppgifterna

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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:

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

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

Linjärprogramming. EG2205 Föreläsning 7, vårterminen 2015 Mikael Amelin

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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:

Tentamensinstruktioner. När Du löser uppgifterna

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

Tentamensinstruktioner. När Du löser uppgifterna

Tentamensinstruktioner. När Du löser uppgifterna

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

Tentamensinstruktioner. När Du löser uppgifterna

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Flöde i nätverk. Flöde i nätverk. Specialfall av minkostnadsflödesproblemet

Laboration 1 - Simplexmetoden och modellformulering

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Tentamensinstruktioner. När Du löser uppgifterna

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Dynamisk programmering. Dynamisk programmering. Dynamisk programmering. Dynamisk programmering

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

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

Laboration 1 - Simplexmetoden och Modellformulering

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS för D och C

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Tentamensinstruktioner

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

Tentamensinstruktioner. När Du löser uppgifterna

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

Tentamensinstruktioner. När Du löser uppgifterna

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tentamensinstruktioner

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

TNSL05 Optimering, Modellering och Planering. Föreläsning 10

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

Tekniska Högskolan i Linköping Optimering av realistiska sammansatta system. Optimeringslära Kaj Holmberg.

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

Tentamensinstruktioner

TAOP33/TEN 2 KOMBINATORISK OPTIMERING GRUNDKURS

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

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

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

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

Optimering. Optimering

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

TNK049 Optimeringslära

TAOP61/TEN 1 OPTIMERING AV REALISTISKA SAMMANSATTA SYSTEM

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

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

TAOP88/TEN 1 OPTIMERING FÖR INGENJÖRER

MIO310 OPTIMERING OCH SIMULERING, 4 p

Tentamensinstruktioner

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

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

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

TNK049 Optimeringslära

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

TAOP86/TEN 1 KOMBINATORISK OPTIMERING MED

Transkript:

Tekniska Högskolan i Linköping Optimering för ingenjörer Matematiska Institutionen Lösning till tentamen Optimeringslära 23-- Kaj Holmberg Uppgift a: Problemet skrivet i standardform är: Lösningar min f(x) = 2x 2 +2x +3(x 2 ) 2 2x x 2 då g (x) = x +x 2 6 g 2 (x) = x x 2 g 3 (x) = x +.5x 2 g 4 (x) = x g 5 (x) = x 2 (Genom att rita upp det tillåtna området, ser man att de två sista bivillkoren är redundanta och kan tas bort.) Vi har f(x) = ( 4x 2x 2 +2 2x +6(x 2 ) ). Gradienten i origo är (2, 6), aktiva bivillkor är alla utom det första, så LP-problemet blir min z = 2d 6d 2 då d d 2, d.5d 2, d, d 2, samt d, vilket har optimallösning d = (.5,) med z = 9. Sätt x (2) = (.5t,t). Maximal steglängd blir 4 pga. första bivillkoret. För att göra linjesökning beräknar vi φ(t) = f(x (2) (t)) = 2.5t 2 59t+3, vilket ger φ (t) = 5t 59, så φ (t) = skulle ge t =.8, vilket inte är tillåtet, så vi sätter t = 4. Vi får x (2) = (2,4). Nu blir f(x (2) ) = (2, 4). Aktiva bivillkor är nu och 3. LP-problemet blir min z = 2d 4d 2 då d +d 2, d.5d 2, d, vilket har optimallösning d = (,) med z =. Alltså är x (2) = (2,4) optimal. ( b: Bivillkorsgradienternaär g (x) = ( ) ( ) g 4 (x) =, g 5 (x) =. ) (, g 2 (x) = ) (, g 3 (x) =.5 I punkten x =, x 2 = är alla bivillkor utom aktiva, så där ritar man in g 2 (x), g 3 (x), g 4 (x), g 5 (x). (Eftersom de två sista bivillkoren är redundanta, spelar de två sista gradienterna ingen roll.) I punkten x = 3, x 2 = 3 är bivillkor och 2 aktiva, så där ritar man in g (x) och g 3 (x). I punkten x = 2, x 2 = 4 är bivillkor och 3 aktiva, så där ritar man in g (x) och ),

g 3 (x). c: Kriteriet är att f(x) ska ligga i konen som spänns upp av gradienterna för de aktiva bivillkoren. ( ) I punkten x =, x 2 = kan man ta t.ex. f(x) =. ( ) I punkten x = 3, x 2 = 3 kan man ta t.ex. f(x) =. ( ) I punkten x = 2, x 2 = 4 kan man ta t.ex. f(x) =. (För att göra detta ordentligt borde man beräkna KKT-multiplikatorerna för varje fall, men det behövs inte i denna uppgift.) (3) () (2) Uppgift 2 2a: Inför slackvariabler x 3, x 4 och x 5. Starta med slackvariablerna i basen. Bas z x x 2 x 3 x 4 x 5 z -2-3 x 3 6 x 4 - x 5 - /2 Först blir x 2 inkommande och x 5 utgående. Bas z x x 2 x 3 x 4 x 5 z -8 6 x 3 3-2 6 x 4-2 x 2-2 2 Sedan blir x inkommande och x 3 utgående. 2

Bas z x x 2 x 3 x 4 x 5 z 8/3 2/3 6 x /3-2/3 2 x 4 /3 4/3 2 x 2 2/3 2/3 4 Därefter fås optimum. x = 2, x 2 = 4, (x 3 =, x 4 = 2, x 5 =,) och z = 6. Svar: Ta 2 dl vatten och 4 dl socker. (Det andra bivillkoret är inte aktivt.) 2b: Skuggpriset är y = 8/3, så en ökning av detta högerled med en enhet skulle ge en ökning av målfunktionsvärdet med 2.6667. 2c: Reducerad kostnad för den nya variabeln, x 6, blir ĉ 6 = c 6 a T 6 y, där a 6 =, och y är den optimala duallösningen, som läses ut ur optimaltablån: y = 8/3, y 2 = och y 3 = 2/3. Vi får ĉ 6 = c 6 8/3, så x 6 blir inkommande om c 6 8/3 >, dvs. c 6 > 8/3. Svar: c 6 3. Uppgift 3 3a: Det är ett handelsresandeproblem, som är NP-svårt. Det är osannolikt att han hittar en optimerande app/kod för det problemet. Det finns kanske heuristiker av okänd kvalitet tillgängliga. 3b: Närmaste-granne-heuristiken är den enklaste. Den ger t.ex. turen -2-5-3-6-7-4-, med kostnad 44. 3c: En lämplig relaxation är billigaste -träd, vilket har kostnad 4, och innehåller bågarna (,2), (,4), (2,5), (3,5), (4,7), (5,7) och (6,7). Det optimala målfunktionsvärdet ligger alltså mellan 4 och 44. Uppgift 4 4a: Kinesiskt brevbärarproblem. Ja, polynomisk optimerande metod finns. 4b: Alla noder har inte jämn valens, så det finns ingen Eulertur (dvs. en tur som inte kör på någon redan sandad väg). Noderna 3 och 7 har udda valens, och billigaste sättet att öka dessa noders valens är bågarna (3,5) och (5,7), så de bågarna ska köras två gånger. Kostnaden blir summan av alla bågkostnader plus, vilket är 82. En optimal tur ges exempelvis av -2-3-6-7-5-3-5-7-4-5-2-4-. Uppgift 5 5a: Problemet kan ses som Dynamisk programmering, och en optimal lösning kan finnas med en billigaste-väg-metod, t.ex. Dijkstras metod. 3

(,a) (2,2a) (8,3b) 8 (2,4b) (4,5b) 2b 6 4 2 3b 4b 5b 6b 2 4 97 a 2a 3a 4a 5a 5 8 (, ) (,a) (5,2a) (3,3a) (23,4a) Billigaste vägen blir a-2a-3b-4b-5b-6b och kostar 4. Lösningen blir att köra med sommardäck i en vecka och sedan byta. 5b: Öka antal steg (veckor) till 52. Inför bågar neråt, dvs. för att byta från dubbdäck till sommardäck. Inför en tredje nivå i grafen, motsvarande dubbfria vinterdäck. Om man ska införa möjligheter att byta fram och tillbaka mellan alla däcksorter är en smaksak. Jag skulle göra det, och lita på att kostnaderna gör att man inte byter för mycket. (Man måste beräkna kostnaderna för alla bågar, så en långtidsprognos för vädret behövs.) Uppgift 6 6a: Grafen blir tudelad, med noderna, 2 och 3 i första nivån (odlingar), och noderna 4 och 5 i andra (fabriker). Källstyrkan är 2, 5 och 7 i noderna, 2 och 3, och sänkstyrkan är 2 och 2 i noderna 4 och 5. Den givna startlösningen ger följande basbågar: (,5), (2,4), (3,4) och (3,5). Detta ger nodpriserna y =, y 2 =, y 3 = 3, y 4 = 5, y 5 = 6, och följande reducerade kostnader: ĉ 4 = < (inte optimalt, öka), ĉ 25 = 2 > (optimalt). Detta ger x 4 som inkommande variabel (att öka). Cykeln blir -4-3-5-, ändringen blir 6 enheter, och utgående variabel blir x 34. Nu fås nodpriserna y =, y 2 =, y 3 = 3, y 4 = 4, y 5 = 6, och följande reducerade kostnader: ĉ 4 = > (optimalt), ĉ 35 = > (optimalt). Lösningen är optimal. 6b: Inför en fiktiv odling som odlar och levererar det som inte finns i verkligheten, eller med andra ord en källa för fabrikernas överkapacitet. Dra bågar från den noden till alla fabriker med kostnad noll. I exemplet skall denna källa vara av styrka 6-42=8. Uppgift 7 7a: Variabeldefinition: x j är antal träd som plockas av på odling j. n max z = c j x j då j= n a j x j b j= l j x j u j för alla j x j heltal, för alla j 4

7b: Nu förenklas problemet till max z = x +2x 2 då 2x +3x 2 2 3 x 3 x 2 x,x 2 heltal P: Grafisk lösning ger x = 5.5, x 2 = 3, z = 9, vilket ger z = 9. Förgrena över x : P = P + (x 5), P2 = P + (x 6). Jag väljer att gå ner i -grenen först. P: Grafisk lösning ger x = 5, x 2 3.333, z = 9, vilket ger z = 9. Förgrena över x 2 : P3 = P + (x 2 3), P4 = P + (x 2 4). P3: Grafisk lösning ger x = 5, x 2 = 3, z = 86. Tillåten heltalslösning, z = 86. Kapa. P4: Grafisk lösning ger x = 4, x 2 = 4, z = 88. Tillåten heltalslösning, z = 88. Kapa. P2: Tillåten lösning saknas. Kapa. Trädet avsökt. Bästa lösning x = 4, x 2 = 4, med z = 88. Svar i ord: Plocka av fyra träd på båda odlingarna. Detta ger en vinst på 88 kr. 7c: Optimallösningen blir LP-lösningen i P i uppgift a: x = 5.5, x 2 = 3, z = 9, dvs. plocka av 5.5 träd på odling och 3 träd på odling 2, vilket ger vinsten 9 kr. Man skulle alltså tjäna 3 kr på att tillåta plockning av delar av träd. 5