Optimalizálás célérték kereséssel

Az előadások a következő témára: "Optimalizálás célérték kereséssel"— Előadás másolata:

1 Optimalizálás célérték kereséssel
Solver használata Optimalizálás célérték kereséssel

2 Egy változós célérték keresés
Feladat .Mennyi legyen a bruttó bér, hogy a (költségtérítés mentes) nettó bér Ft legyen

3 Két (több) változós célérték keresés
Feladat Mennyi legyen a bruttó bér és a költségtérítés , hogy a jövedelem Ft legyen

4 Optimalizálás Feladat
Mennyi legyen a Bruttó bér és a költségtérítés, ha azt szeretnénk, hogy a jövedelem Ft legyen, a levonások a legkisebbek legyenek, a költségtérítés 5 és Ft között lehet Célérték keresés

5 Solver indítása

6 Solver használata cél cella
A Solver segítségével egy adott cellában – az úgynevezett célcellában – levő képlet optimális értékét keresheti meg a munkalapon. .

7 Solver használata modosuló cellák
A Solver úgy módosítja a megadott változó cellák – az úgynevezett módosuló cellák – értékét, hogy a célcellában található képlettel meghatározott érték legyen a végeredmény

8 Solver használata korlátozó feltételek
Korlátozó feltételekkel (megkötések: A Solver által megoldandó problémához megadott korlátozó feltételek. A megkötések vonatkozhatnak a változó cellákra, a célcellára, illetve a célcellához közvetlenül vagy közvetve kapcsolódó egyéb cellákra is.) azt is behatárolhatja, hogy a Solver mekkora értékeket használjon a modellben. A korlátozó feltételek olyan cellákra is vonatkozhatnak, amelyek a célcellában található képletet befolyásolják.

9 Megoldás előkészítése (Beállítások)
Max. idő:    A megoldáskeresés idejét korlátozza. Bár legnagyobb lehetséges értéke , a 100 másodperc mint alapérték, a legtöbb kis probléma esetére megfelel. Lépésszám:    A megoldási eljárás idejét a köztes számolási lépések számának korlátozásával határolja be. Bár legnagyobb lehetséges értéke 32 767, a 100 lépés mint alapérték, a legtöbb kisméretű probléma esetére megfelel.

10 Solver beállításai Pontosság:    A megoldás pontosságát szabályozza; a beírt szám dönti el, hogy egy feltételcella értéke egyenlő-e a célértékkel, illetve hogy kielégíti-e az alsó vagy felső korlátot. A pontosság egy 0 (nulla) és 1 közé eső törtszám. Minél kevesebb tizedesjegyet tartalmaz a beírt szám, annál kisebb a pontosság; például a 0,0001 nagyobb pontosságot jelent, mint a 0,01. Minél nagyobb pontosságot szab meg, (azaz minél kisebb számot ad itt meg), annál tovább tart a megoldás.

11 Solver beállításai Tűrés:    Azt szabja meg, hogy hány százaléknyi hibát enged meg az optimális megoldáshoz képest, ha a probléma korlátozó feltétele egész szám. Magasabb tűrés általában felgyorsítja a megoldási folyamatot. Konvergencia:    Ha az utolsó öt iteráció során a célcella értékének relatív változása kisebb, mint a Konvergencia mezőben megadott érték, a Solver leáll. A konvergencia csak nem lineáris problémák esetén használható, értékét egy 0 és 1 közé eső törtszámmal kell megadni.

12 Solver beállításai Lineáris modell feltételezése:    Gyorsabb a megoldási folyamat, ha a modell minden összefüggése lineáris, tehát egy lineáris optimalizálási problémát kell megoldania. Nemnegatív feltételezése:    Bekapcsolása esetén a Solver nulla értéket állít be alsó korlátnak azoknál a módosuló celláknál, amelyekhez nem adott meg alsó korlátot a Korlátozó feltétel felvétele párbeszédpanel Korlátozó feltétel mezőjében. Nagyságrendek felismerése:    Bekapcsolja az automatikus léptékváltást, ha a bemeneti és kimeneti értékek nagyságrendekkel különböznek - például amikor a nyereség (százalék) a beruházások összegétől (millió forint) függ. Kijelzés lépésenként:    Megszakítja a Solver működését, hogy megmutassa minden egyes lépés eredményét.

13 Solver beállításai Közelítés
Az egydimenziós keresési eljárásokban az alapváltozók kezdeti értékének becslésére használt módszert (négyzetes vagy érintőmódszer) határozza meg. Érintő:       Lineárisan extrapolál egy érintővektorból kiindulva. Kvadratikus:    Négyzetes extrapolációt használ. A módszer különösen az erősen nem lineáris problémáknál eredményes.

14 Solver beállításai Keresés
Azt adja meg, hogy a Newton- vagy a konjugált algoritmust használja-e, amikor a közelítő lépéseknél eldönti a keresési irányt. Newton:       Egy kvázi Newton-módszer, amely általában több memóriát, de kevesebb közelítő lépést használ, mint a konjugált módszer. Konjugált:       Kevesebb memóriát használ, mint a Newton-módszer, de általában több közelítő lépésre van szüksége az adott szintű pontosság eléréséhez. Próbálja ki ezt a módszert, ha a probléma nagyméretű és a memória korlátozott, vagy ha a közelítő lépések során az eredmények túl lassan változnak.

15 Solver beállításai Modell betöltése:    Megjeleníti a Modell betöltése párbeszédpanelt, ahol megadhatja, melyik modellt szeretné betölteni. Modell mentése:    Megjeleníti a Modell mentése párbeszédpanelt, ahol megadhatja, hova szeretné a modellt menteni. Csak akkor kattintson ide, ha a munkalappal együtt egynél több modellt szeretne menteni - az első modell mentése automatikus.

16 Probléma megoldása Ha jelentést szeretne készíteni a megoldás alapján, miután a Solver megoldást talál, akkor a Jelentések mezőben válasszon ki egy jelentéstípust, majd kattintson az OK gombra. A jelentés a munkafüzet új lapján jön létre. Ha a Solver nem talál megoldást, a jelentés készítésére vonatkozó beállítás nem érhető el. Ha menteni szeretné a módosuló cellák értékét később megjeleníthető esetként, kattintson a Solver eredmények párbeszédpanelen az Eset mentése parancsra, majd írja be a kívánt nevet az Eset neve mezőbe

17 Eredmény jelentés

18 Érzékenység jelentés Microsoft Excel 12.0 Érzékenység jelentés
Munkalap: [Celert_solver_off2007megoldas.xlsx]Munka1 Készült: :31:27 Módosuló cellák Végső Redukált Cella Név Végérték gradiens $B$3 Bruttóbér 274013,8512 $B$4 Költségtérítés 18000 -0, Korlátozó feltételek Lagrange multiplikátor $B$10 Jövedelem (nettó jövedelem+költségtérítés) 200000 0,

19 Érzékenység jelentés Ez a jelentés azt mutatja, hogy a célcellában megadott képlet, vagya korlátozó feltételek kis változtatására a megoldás mennyire érzékeny Nem lineáris modellnél két értéket kapunk: Redukált gradiens (redukált költség) megmutatja, ha egy változó értékét egy egységnyivel megváltoztatjuk, akkor hogyan változik a cél függvény értéke Lagrange multiplikátor megmutatja, ha az erőforrásból lenne még egy egységnyi hogyan változik a célfüggvény értéke