Libor Józsefné dr. Főépület fsz. 41.

Slides:



Advertisements
Hasonló előadás
Készítette: Kosztyán Zsolt Tibor
Advertisements

Lineáris egyenletrendszerek
Események formális leírása, műveletek
Készítette: Nagy Mihály tanár Perecsen, 2006.
A Szállítási feladat megoldása
Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Készítette: Kosztyán Zsolt Tibor
Természetes számok 0, 1, 2, 3, ..., 24, 25, ..., 1231, 1232, ..., n, ...  = {0, 1, 2, 3, ..., n,...} a természetes számok halmaza Műveletek: összeadás.
TÖBBVÁLTOZÓS FÜGGVÉNYEK FELTÉTELES SZÉLSŐÉRTÉKSZÁMÍTÁSA
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
Halmazok, műveletek halmazokkal
Kalman-féle rendszer definíció
Elemi bázistranszformáció
Műveletek mátrixokkal
Matematika II. 3. előadás Geodézia szakmérnöki szak 2010/2011. tanév Műszaki térinformatika ágazat tavaszi félév.
Vektormező szinguláris pontjainak indexe
Illeszkedési mátrix Villamosságtani szempontból legfontosabb mátrixreprezentáció. Legyen G egy irányított gráf, n ponton e éllel. Az n x e –es B(G) mátrixot.
Matematika II. 2. előadás Geodézia szakmérnöki szak 2012/2013. tanév Műszaki térinformatika ágazat őszi félév.
Illés Tibor – Hálózati folyamok
Euklidészi gyűrűk Definíció.
Csoport részcsoport invariáns faktorcsoport részcsoport
Gyűrűk Definíció. Az (R, +, ·) algebrai struktúra gyűrű, ha + és · R-en binér műveletek, valamint I. (R, +) Abel-csoport, II. (R, ·) félcsoport, és III.
Operációkutatás szeptember 18 –október 2.
Egy kis lineáris algebra
Szállítási feladatok Optimalitás vizsgálat
Szállítási probléma - fogalmak
Lineáris programozás Modellalkotás Grafikus megoldás Feladattípusok
Operációkutatás Kalmár János, Hiperbolikus és kvadratikus programozás.
OPERÁCIÓKUTATÁS Kalmár János, 2011 Tartalom Több lineáris célfüggvényes LP Tiszta egészértékű LP.
OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.
Optimalizálási módszerek 3. Lineáris programozás
Optimalizálási módszerek 2. Konvex halmazok
Lineáris algebra Mátrixok, determinánsok, lineáris egyenletrendszerek
Valós számok Def. Egy algebrai struktúra rendezett test, ha test és rendezett integritási tartomány. Def. Egy (T; +,  ;  ) rendezett test felső határ.
Matematika III. előadások MINB083, MILB083
Matematika III. előadások Építőmérnök BSc szak PMMINB313
a feladat megfogalmazása megoldási módszerek
Lineáris függvények.
Lineáris transzformáció sajátértékei és sajátvektorai
MATEMATIKA ÉS INFORMATIKA I.
Halmazok Összefoglalás.
Lineáris programozás Definíció: Olyan matematikai programozási feladatot nevezünk lineáris programozási feladatnak, amelyekben az L halmazt meghatározó.
Lineáris egyenletrendszerek (Az evolúciótól a megoldáshalmaz szerkezetéig) dr. Szalkai István Pannon Egyetem, Veszprém /' /
Lineáris algebra.
Exponenciális egyenletek
Lineáris programozás.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Lineáris programozás és a szimplex módszer
Matematika II. 1. előadás Geodézia szakmérnöki szak 2010/2011. tanév Kataszteri ágazat tavaszi félév.
Lineáris egyenletrendszerek, leképezések, mátrixok
Vektorterek Definíció. Legyen V Abel-csoport, F test, továbbá
Lineáris algebra.
1 Vektorok, mátrixok.
Készítette: Horváth Viktória
Módosított normál feladat
Dr. Bánkuti Gyöngyi Klingné Takács Anna
Műveletek, függvények és tulajdonságaik Mátrix struktúrák:
előadások, konzultációk
Valószínűségszámítás II.
Többdimenziós valószínűségi eloszlások
Nagy Szilvia 7. Lineáris blokk-kódok
OPERÁCIÓKUTATÁSDUALITÁS
Készítette: Mátyás István agrár mérnöktanár szakos hallgató,
Szállításszervezés.
OPERÁCIÓKUTATÁS TÖBBCÉLÚ PROGRAMOZÁS. Operáció kutatás Több célú programozás A * x  b C T * x = max, ahol x  0. Alap összefüggés: C T 1 * x = max C.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Készítette: Horváth Zoltán
Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Előadás másolata:

Libor Józsefné dr. Főépület fsz. 41. liborne@szolf.hu Gazdaságelemzési Módszertani Tanszék OPERÁCIÓKUTATÁS Libor Józsefné dr. Főépület fsz. 41. liborne@szolf.hu

Feladat: L3 lineáris teret 1, Lineáris tér Feladat: L3 lineáris teret alkot-e? Definíció: Az L halmazt lineáris térnek nevezzük a valós számok halmaza felett, ha a, L-ben értelemezve van az összeadás és a skalárral való szorzás; b, ez a két művelet kommutatív, asszociatív és disztributív; c, L-nek van 0-val jelölt zéruseleme; d, minden L-beli a elemnek van –a-val jelölt, ugyancsak L-beli ellentettje; e, minden L-beli a elem eleget tesz az 1a = a egyenlőségnek. Az n elemű vektorok halmaza: Ln (n = 1, 2, 3, …) Minden a, b  L és  R esetén a + b  L és a  L teljesül. a + 0 = a a + (-a) = 0

1, Lineáris tér Definíció: Az L’ az L altere ha L’ L és L’ maga is lineáris tér az L-ben definiált összeadásra és skalárral való szorzásra nézve. Tétel: L’ L akkor és csak akkor altér, ha L’ zárt az L-ben definiált összeadásra és skalárral való szorzásra nézve. Triviális altér, valódi altér fogalma Feladat: Tekintsük L2 azon vektorait, melyek első komponense 0. Az ezen vektorokból álló L2’ halmaz altere-e L2-nek ?

1, Lineáris tér Tétel: Az L lineáris tér tetszőleges a1, a2, … ak vektorainak összes lineáris kombinációja L alterét, mégpedig az a1, a2, … ak vektorok által generált alterét alkotják. Sorvektortér, oszlopvektortér fogalma Definíció: Az a1, a2, … ak vektorrendszert az L lineáris tér véges generátorrendszerének nevezzük, ha az általuk generált altér megegyezik L-lel. Feladat: Adja meg L2-ben az a=(2,1) vektor összes lineáris kombinációja által generált L2’ altér geometriai képét. L2’ tartalmazza-e a következő vektorokat: 0, b=(-2,-1), c=(1,2)

1, Lineáris tér Definíció: Az Ln tér a1, a2, … ak vektorait lineárisan függetlennek nevezzük, ha lineáris kombinációjuk segítségével a 0 vektor csakis triviális módon állítható elő. Ha létezik a triviálistól különböző előállítása is a 0 vektornak, a vektorrendszert lineárisan összefüggőnek nevezzük.

1, Lineáris tér Tétel1: Lineárisan független vektorok között a 0 nem szerepelhet. Tétel2: Lineárisan független vektorok bármilyen (nem üres) részhalmaza szintén lineárisan független vektorrendszert alkot. Tétel3: Egy lineárisan összefüggő vektorrendszer bármilyen kibővítése szintén lineárisan összefüggő rendszer. Tétel4: Egy vektorrendszer akkor és csak akkor lineárisan összefüggő, ha van olyan eleme, amely előállítható a többi elem lineáris kombinációjaként.

1, Lineáris tér Definíció: Egy b vektort kompatibilisnek nevezünk egy vektorrendszerrel, ha b kifejezhető a vektorrendszer vektorainak lineáris kombinációjaként. Definíció: Egy vektorrendszer rangja r, ha kiválasztható belőle r db független vektor, de bármely r+1 db vektora már lineárisan összefüggő rendszert alkot.

1, Lineáris tér Feladat: Vegyük az L2 két elemét: a1=(5, -1) és a2=(1, -5). a, Függetlenek-e? Bázist alkotnak-e? b, Adja meg a b=(2,3) vektort az új bázisban. Definíció: A lineáris tér egy lineárisan független elemekből álló generátorrendszerét bázisnak nevezzük, a bázis elemeit pedig bázisvektoroknak. Tétel: Egy lineáris tér a1, a2, … an vektorai akkor és csak akkor alkotnak bázist, ha a tér minden vektora egyértelműen előállítható az a1, a2, … an vektorok lineáris kombinációjaként. Definíció: Legyen a1, a2, … an az L lineáris tér egy bázisa. A tér egy tetszőleges a vektorának az előállításában szereplő 1, 2, …, n skalárok az a vektor adott bázisra vonatkozó koordinátái.

1, Lineáris tér Tétel: Tetszőleges L lineáris térben a bázist alkotó vektorok száma egyértelműen meghatározott. Triviális bázis Definíció: Az L lineáris tér n dimenziós, ha van L-nek n elemű bázisa. A nulltér dimenziója 0. Ha L-nek nincs véges bázisa, a tér dimenziója végtelen. Definíció: Egy A mátrix oszlop- illetve sorvektorterének dimenzióját a mátrix rangjának nevezzük és r(A)-val jelöljük.

Feladat: Szinguláris-e az alábbi A mátrix? 1, Lineáris tér Definíció: Az n-ed rendű kvadratikus mátrixot szingulárisnak nevezzük, ha rangja kisebb, mint n. Ha a rangja egyenlő n-nel, a mátrix nem szinguláris. Feladat: Szinguláris-e az alábbi A mátrix?

1, Lineáris tér Feladat: L2-ben térjünk át a triviális bázisról az a = (2,3) , b=(-1,2) bázisra és írjuk fel az új bázisban a c=(-7, 0) vektort. a b c

2, Bázistranszformáció Bázistranszformáció, elemi bázistranszformáció Algoritmus Legyen a1, a2, …, an az Ln egy bázisa. Ekkor Ln tetszőleges b és c vektora egyértelműen felírható a bázisvektorok lineáris kombinációjával: b = b1a1 + … + bkak + … + bnan c = c1a1 + … + ckak + … + cnan Próbáljuk meg az ak bázisvektort kicserélni b-vel és adjuk meg a c vektort ebben az új bázisban! Tegyük fel, hogy b  0, így legalább egy koordinátája  0, legyen ez a koordináta bk.

2, Bázistranszformáció b felírásából kifejezve ak-t: ak = 1/bk b – b1/bk a1 - … - bn/bk an Ezt beírva c kifejezésébe, megkapjuk az új (a1, …, b, …, an) bázisban a c koordinátáit: c = c1a1 + … + ck(1/bk b – b1/bk a1 - … - bn/bk an) + … cnan = ck/bk b + (c1- b1/bk)a1 + … + (cn- bn/bk)an Példa: Legyen L2-ben a = (2, 3), b = (-1, 2) és c = (-7, 0). a, Az a és b vektor bázist alkotnak-e L2-ben? b, Adjuk meg a c vektort az új bázisban!

2, Bázistranszformáció Általános séma: 1, A bázisból ki- illetve az oda belépő vektor kiválasztása. (generáló elem  0 ! ) 2, A  meghatározása. 3, További koordináták meghatározása (régi koordinátából kivonjuk a bázisba bekerült vektor ugyanannyiadik koordinátájának -szorosát). Megjegyzés: ha a  = 0, akkor a vektor koordinátái nem változnak az új bázisban sem. Táblázatos felírással az algoritmus egyszerűsödik.

2, Bázistranszformáció Alkalmazások: vektorrendszer függetlenségének vizsgálata, vektorrendszer rangjának meghatározása, mátrix rangjának meghatározása, kompatibilitás vizsgálata, mátrixfaktorizáció: A = A1A2, ahol A1 oszlopvektorai bázist alkotnak A oszlopvektorterében, A2 oszlopvektorai pedig az A oszlopvektorai az új bázisban felírt koordinátákkal.

b kompatibilis-e az A oszlopvektorrendszerével? 2, Bázistranszformáció Legyen b = [4, -3, 1, -3]*, valamint b kompatibilis-e az A oszlopvektorrendszerével?

3, Lineáris egyenletrendszer Az n ismeretlenből és m egyenletből álló egyenletrendszer általános alakja: a11x1 + a12x2 + … + a1nxn = b1 a21x1 + a22x2 + … + a2nxn = b2 … am1x1 + am2x2 + … + amnxn = bm Elnevezések: homogén: b = 0 inhomogén: b  0 konzisztens reguláris Mátrixjelölésekkel: Ax = b

3, Lineáris egyenletrendszer Megoldhatóság vizsgálata: az egyenletrendszer írható a következő formában: a1x1 + a2x2 +… + anxn = b, vagyis b az A oszlopvektorainak egy lineáris kombinációja  Az Ax = b egyenletrendszer akkor és csak akkor megoldható, ha b kompatibilis az A oszlopvektoraival. (Ez homogén esetben mindig teljesül.) Kompatibilitás vizsgálata bázistranszformációval!

3, Lineáris egyenletrendszer Bázisba került változók: kötött változók, Bázisba be nem került változók: szabad változók. Megoldás lehet: általános: szabad és kötött változókkal felírva partikuláris: szabad változóknak konkrét értékeket adva, a kötött változók értékei kiszámolhatók bázismegoldás: olyan partikuláris megoldás, ahol a szabad változók értéke egyenlő 0-val. Szabadságfok: szabad változók száma

2, Bázistranszformáció Legyen b = [4, -3, 1, -3]*, valamint Oldjuk meg az Ax = b egyenletrendszert!

3, Lineáris egyenletrendszer Mátrix inverze: AX = E illetve YA = E. Belátható, hogy X = Y, így elég megoldani az egyiket: Ax1 = e1 Ax2 = e2 … Axn = en ahol A kvadratikus mátrix. Mind az n egységvektornak benne kell lennie az A oszlopvektorterében, vagyis az A oszlopvektorai lineárisan függetlenek kell, hogy legyenek. Így a mátrix rangja n, vagyis A nem szinguláris mátrix.

3, Lineáris egyenletrendszer Határozzuk meg a következő mátrixok inverzét!

4, Lineáris programozás Probléma felvetése: Egy üzem kétféle iparcikket állít elő. Az első cikk egy darabjának közvetlen anyagszükséglete 100.-Ft, a második cikknél ez az összeg 200.- Ft. Egy gyártási időszakban maximálisan 1000.-Ft áll rendelkezésre erre a célra. Az első cikknél géphasználati költség is van, egy egységre 100.-Ft, ebből 600.-Ft áll rendelkezésre. A második cikkhez szükséges anyagot messziről szállítják, a szállítási költség 200.-Ft egy egységre, ebből 800.-Ft a kapacitás. A munkabér mindkét termék 1-1 darabjánál 200-200.-Ft, az összesen kifizethető munkabér a gyártási időszakban 1400.-Ft. Az első termék egy darabján a tiszta nyereség 300.-Ft, a másodiknál ez az összeg 400.-Ft. Hány darabot gyártson az üzem a kétféle iparcikkből egy gyártási időszakban, hogy ne lépje túl a megadott kapacitásokat és a, maximális tiszta nyereséget érjen el? b, maximális összmennyiséget állítson elő?

4, Lineáris programozás Az adatok táblázatba foglalva, 100 Ft-ban: Erőforrások I.cikk II. cikk kapacitás Anyagktsg. 1 2 10 Gépktsg. 6 Száll. ktsg. 8 Munkabér 14 Nyereség 3 4

4, Lineáris programozás Legyen: x1 : az első cikkből gyártandó mennyiség, x2 : a második cikkből gyártandó mennyiség. Feltételek: x1, x2  0 (negatív mennyiséget nem lehet gyártani) x1+2x2  10 (anyagköltségre vonatkozó feltétel) x1  6 (gépköltségre vonatkozó feltétel) 2x2  8 (szállítási költségre von. feltétel) 2x1+2x2 14 (munkabérre vonatkozó feltétel) Cél: z = 3x1 + 4x2  max (össznyereség maximuma) z = x1 + x2  max (összmennyiség maximuma)

4, Lineáris programozás Normál feladat: x  0, Ax  b, b  0, z = c* x  max Megoldás: Két változó esetén: grafikus módszer (szeminárium) Kettőnél több változó esetén: algebrai módszer SZIMPLEX MÓDSZER

4, Lineáris programozás Grafikus megoldás: 1, Lineáris egyenlőtlenségek megoldása grafikusan: x2-re rendezés és a relációjelnek megfelelő terület kiválasztása. 2, Lehetséges megoldások halmaza (L) az egyes egyenlőtlenségekből kapott területek metszete lesz. (Hiszen a változóinknak minden feltételt ki kell elégíteniük.) 3, L-en (általában konvex sokszög) keressük egy lineáris egyenes maximális értékét. Célfüggvényt szintén x2-re rendezzük, nagyobb z értékek felfelé eltolt egyeneseket jelentenek. 4, Addig toljuk az adott meredekségű célfüggvényt, míg el nem érjük L határát. Vagyis az optimum csúcspontban lesz.

4, Lineáris programozás Lineáris egyenes általános alakja: y = ax + b ahol a az egyenes meredeksége, b pedig az y tengelymetszetet jelöli. (Vagy: bármely egyenes megadható két tetszőleges pontjával.) A mi jelölésünkben x szerepét az x1 változó (vízszintes tengelyen), y szerepét pedig az x2 változó (függőleges tengelyen) veszi át. Első feltétel: x1, x2  0  megoldás csak az I. síknegyedben lehet. Anyagköltségre vonatkozó feltétel: x1+ 2x2  10  x2  5 – 0,5x1 Vagyis az x2 = 5 – 0,5x egyenes és az alatta lévő terület pontjai.

4, Lineáris programozás x2  5 – 0,5x1

4, Lineáris programozás Gépköltségre vonatkozó feltétel: x1  6 Az x1 = 6 (az x2 tengellyel párhuzamos) egyenes és a tőle balra lévő tartomány.

4, Lineáris programozás A két feltételnek együttesen megfelelő tartomány:

4, Lineáris programozás Szállítási költségre vonatkozó feltétel: 2x2  8  x2  4 Az x2 = 4 (x1 tengellyel párhuzamos) egyenes és az alatta lévő terület. Munkabérre vonatkozó feltétel: 2x1+2x2 14  x2  7 - x1 Az x2 = 7 - x1 egyenes és az alatta lévő terület.

4, Lineáris programozás z = 3x1 + 4x2  max z = 24 z = 16 z = 20 z = 8

4, Lineáris programozás z = x1 + x2  max z = 7 z = 6 z =4 z = 2

4, Lineáris programozás Feladatunk megoldása grafikusan: 3x1+ + 4x2 16 22 24 18 4 6 7 P2(0,4) P3(2,4) P4(4,3) P5(6,1) P1(0,0) P6(6,0)

4, Lineáris programozás Válaszok: A, Legnagyobb nyereséget, mégpedig 2400 Ft-ot, akkor érünk el, ha az első iparcikkből 4-et, a másodikból pedig 3-at gyártunk. B, A maximális összmennyiséget, (7 darabot) a P4(4,3) és a P5(6,1) pontok által meghatározott szakasz minden pontja adja. Vagyis: (4,3) + (1-)(6,1) ahol 0 ≤  ≤ 1.

4, Lineáris programozás Speciális esetek: a, A célfüggvény nem korlátos L-en  nincs optimális megoldás. b, A feltételek ellentmondóak  nincs lehetséges megoldás. c, Felesleges feltétel szerepel  elhagyható.

4, Lineáris programozás Általános tapasztalatok: 1, A lehetséges megoldások halmaza (L) a síknak egy egyenesekkel határolt zárt tartománya. (Kivételesen lehet nem korlátos, vagy üres tartomány is, de ezekkel gyakorlati szempontból nem kell foglalkoznunk.) L konvex sokszög. (L konvex, ha  x1, x2 L esetén  x1 +(1-  )x2 is eleme L-nek., ahol 0 ≤  ≤ 1.)

4, Lineáris programozás Általános tapasztalatok: Extremális pont a halmaz azon pontja,mely a halmaz egyetlen szakaszának sem felezőpontja. Általános tapasztalatok: 2, A növekvő hatékonyságokhoz felfelé eltolt párhuzamos egyenesek tartoznak. Így az optimális megoldás ezen egyenessereg közül a legmagasabb paraméterű, de a tartománnyal még érintkező egyenesen van. Optimális megoldás a L halmaz valamelyik csúcs(extremális)pontjában vagy két csúcspont által meghatározott szakasz pontjaiban van.

4, Lineáris programozás Szimplex módszer Nézzük újra a már megoldott feladatunkat. x1, x2  0 x1+ 2x2  10 x1  6 2x2  8 2x1+ 2x2 14 Cél: z = 3x1 + 4x2  max Az egyenlőtlenségrendszerből készítsünk egyenletrendszert, hiszen annak a megoldását már ismerjük.

4, Lineáris programozás x1+ 2x2 + u1 = 10 x1 + u2 = 6 2x2 + u3 = 8 Ahol u1, u2, u3, u4  0 x1, x2 : elsődleges ( primál) változók u1, u2, u3, u4 : másodlagos (duál) változók

4, Lineáris programozás Induló táblázatunk: x1 x2 u1 u2 u3 u4 b e1 u1 1 2 1 0 0 2 2 2 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 10 6 8 14 - z 3 4 0 0 0 0

4, Lineáris programozás x1 x2 b u1 u2 u3 u4 1 2 1 0 0 2 2 2 10 6 8 14 Az első oszlopban feltüntetett változók értékei mindig az utolsó oszlopban olvashatók le. (programba bevontak) Az első sorban feltüntetett változók értékei mindig 0. (programba be nem vont változók) A jobb alsó sarokban mindig a célérték - 1-szerese szerepel. x1 x2 b u1 u2 u3 u4 1 2 1 0 0 2 2 2 10 6 8 14 - z 3 4

4, Lineáris programozás Szimplex módszer lényege: Kiindul egy lehetséges bázismegoldásból (mely mindig egy extremális (csúcs)pontot határoz meg), majd olyan új bázismegoldásra (csúcspontra) tér át, mely az előzőtől csak egy vektorban különbözik és a célérték nem rosszabb (általában jobb lesz ). Addig folytatjuk, amíg lehet, vagyis amíg el nem jutunk az optimális megoldáshoz, vagy ki nem derül, hogy nincs optimális megoldás.

4, Lineáris programozás Program javítása: Valamelyik terméket bevonjuk a termelésbe. Először azt célszerű bevonni, amelyik nagyobb hatékonysággal rendelkezik. A termelésbe bevont termékből azt a maximális mennyiséget programozzuk, amit a kapacitásadatok megengednek. (Szűk keresztmetszet.)

4, Lineáris programozás Generáló elem választásának feltételei: A, Csak olyan oszlopban választhatunk, ahol az utolsó elem nem negatív (célszerű a nagyobb pozitív értékű oszlopból választani). B, Generáló elem csak pozitív lehet. C, Több pozitív érték közül a szűk keresztmetszet alapján választunk. (Összevetés a grafikussal: az origóból indulva, mindig szomszédos csúcspontra lépve jutunk el az optimális megoldáshoz.)

4, Lineáris programozás Specialitások: A, Ha a tábla utolsó sorában még van pozitív elem, de felette nem tudunk generáló elemet választani (nincs pozitív elem), a feladatnak nincs optimális megoldása. B, Ha az utolsó sorban a negatív értékek mellett 0 szerepel, alternatív optimum van.(végtelen sok megoldás).

4, Lineáris programozás Szimplex módszer Nézzük az alábbi két feladatot: x1, x2  0 x1 - x2  4 2x1 - 2x2  16 -4x1 + 2x2  10 z = 6x1 + 5x2  max x1, x2, x3, x4  0 x1 + x3 +2x4  40 2x2 + 2x3  30 x1 + 2x3  20 z = x1+x2+2x3+2x4  max

4, Lineáris programozás Dualitás Minden lineáris programozási feladathoz hozzárendelhető egy másik feladat, (a duálisa): x  0 u*  0 Ax  b duálisa u* A*  c* c*x  max u* b  min

4, Lineáris programozás x* u A b c* Az induló szimplex táblázat a primál és duál feladat összes adatát tartalmazza: x* u A b c*

4, Lineáris programozás Ugyanazon az adathalmazon tehát két feladatot értelmezhetünk. Például: x1, x2  0 u1, u2, u3  0 3x1 + x2  14 duálisa 3u1 + u2  4 x1 + 2x2  17 u1 + 2u2 +2u3  6 2x2  12 z = 4x1 +6x2 min v = 14u1+17u2+12u3max A két feladat egymás duálisa.

5, Szállítási feladat Feladat: Három malomban 40, 15 és 35 egység (tonna) liszt áll rendelkezésre. Négy sütöde szükséglete rendre 20, 30, 30, 10 egység. Az egyes malmokból az egyes sütödékbe az egységnyi liszt szállítási költségeit az alábbi táblázat tartalmazza. Melyik malomból melyik sütödébe hány egység lisztet szállítsanak, ha a legkevesebb össz-szállítási költséget szeretnék elérni?

5, Szállítási feladat S1 S2 S3 S4 készlet M1 M2 M3 2 1 3 5 0 1 2 1 2 1 3 5 0 1 2 1 3 4 2 4 40 15 35 rendelés 20 30 30 10 90

5, Szállítási feladat xij: i. feladóhelyről a j. rendelési helyre szállított mennyiség, így xij  0 minden i, j-re. Mivel az összes rendelési igény megegyezik az összes rendelkezésre álló mennyiséggel, ezért feltételeink egyenletek formájában adhatók meg. (Malmokra illetve sütödékre felírva az adott szállítási mennyiségi adatokat.) Írjuk fel ezeket az adott feladatunkra, majd írjuk fel az össz-szállítási költséget is!

5, Szállítási feladat Általánosítva a feladatunkat: Tegyük fel, hogy m különböző feladóhelyen az adott termékből f1, f2, …, fm mennyiség áll rendelkezésre. Az n rendelési hely igényei pedig: r1, r2, …, rn. Feltételeink: xij  0

5, Szállítási feladat Költségmátrix elemei: cij: az i. feladóhelyről a j. rendelési helyre szállított egységnyi termék szállítási költsége. Így a szállítási össz-költség: Ezen függvénynek keressük a minimumát.

5, Szállítási feladat Költségmátrix redukálása: Az optimális program szempontjából bármely szállítási feladat változatlan marad, ha a költségmátrix bármely sorának vagy oszlopának elemeit ugyanazzal a számmal növeljük vagy csökkentjük, csak a célfüggvény optimális értéke változik meg.

5, Szállítási feladat Mivel az összes igény megegyezik az összes rendelkezésre álló mennyiséggel, ezért a szállítási feladatnak biztosan létezik lehetséges megoldása. Induló szétosztás megadása: Pl. Észak-nyugati sarok módszer, disztribuciós módszer, sor- és oszlopminimum módszer

5, Szállítási feladat Pl. Észak-nyugati sarok módszerrel adjunk induló szétosztást: S1 S2 S3 S4 készlet M1 2 1 3 5 40 M2 0 1 2 1 15 M3 3 4 2 4 35 rend.20 30 30 10 90 220 120 3 5 110 25 1 4 225 410 K = 170

5, Szállítási feladat Optimumhoz közeli megoldást ad: Vogel-Korda módszer: A táblázatban képezzük minden sor és oszlop két-két legkisebb költségelemének különbségét. Ezekkel a differenciákkal rangsoroljuk a költségelemeket. Kiválasztjuk a differenciák közül a legnagyobbat és az ehhez tartozó sor vagy oszlop legkisebb elemét lekötjük a lehető legnagyobb mennyiséggel. A kielégített sort vagy oszlopot töröljük. A peremadatokat korrigáljuk és az eljárást megismételjük a korrigált táblával.

5, Szállítási feladat Adjunk Vogel-Korda módszerrel induló szétosztást: K = 20+30+10+15+60=135 (Kedvezőbb, mint az É-Ny-i sarok módszerrel kapott szétosztásnál.) A pirossal jelölt viszonylatokban történik szállítás, a többinél nem. A táblázatnak n = 3 sora és m = 4 oszlopa van, 6 helyen történik szállítás. 210 130 3 5 05 1 2 110 35 4 230

5, Szállítási feladat Amelyik viszonylatra programozunk, azok a kötött elemek, ezek száma: n + m – 1 (ahol n és m a sorok és oszlopok száma). Ezt az értéket nevezzük kritikus számnak. Ahová nem történik programozás (szállítás) azokat a viszonylatokat szabad helyeknek nevezzük.

5, Szállítási feladat Optimalitás vizsgálata: Potenciálok módszerével (duál feladaton alapul) Minden sorhoz és oszlophoz egy-egy potenciált (ui , vj ) rendelünk úgy, hogy teljesüljön minden kötött elemre: cij = ui + vj Mivel cij annyi darab van, mint a kritikus szám (n + m -1), ui és vj pedig összesen n + m, így az egyenletrendszernek 1 szabadsági foka van. Célszerűen legyen u1 = 0, ezután a többi érték egyértelműen meghatározható. A szétosztás akkor optimális, ha minden szabad elemre teljesül a következő: cij – ( ui + vj ) ≥ 0

5, Szállítási feladat Végezzünk optimalitás vizsgálatot az É-Ny sarok módszerrel kapott szétosztáson: ui/vj v1=2 v2=1 v3=2 v4=4 u1= 0 220 120 3 5 u2=0 110 25 1 u3=0 4 225 410 ui/vj v1=2 v2=1 v3=2 v4=4 u1= 0 220 120 3+ 5+ u2=0 0-2 110 25 1-3 u3=0 4+ 225 410

5, Szállítási feladat Program javítása: Hurok módszerrel Azt a változót érdemes bevonni a programba, amelyre cij – ( ui + vj ) < 0 (Ha több negatív is van, először a nagyobb abszolút értékűt vonjuk be.) Def: Egy szabad elemhez tartozó hurkot megkapjuk, ha a szabad elemből kiindulva, mindig sor vagy oszlop mentén haladva, úgy jutunk vissza a kiindulási szabad elemhez, hogy irányt csak kötött elemnél változtatunk. (Sor és oszlop mennyiségösszegek nem szabad, hogy változzanak az eljárás során.) Tétel: Táblázatunkban minden szabad elemhez létezik egy és csak egy olyan hurok, melynek egyik csúcspontja maga a szabad elem, a többi csúcspont pedig kötött elem.

5, Szállítási feladat Mekkora mennyiséget tudunk körbevinni a hurkon? A hurok sarkait a szabad elemből kiindulva (bármelyik irányba indulva), megjelöljük a + és – jelekkel. (Hiszen a szabad elemre szállítunk, de akkor azt el kell vonni abban a sorban és oszlopban valahonnan, de az így csökkentett mennyiséget pótolni kell egy másik helyen, …) A legnagyobb mennyiség amit körbe tudunk vinni, a mínuszos sarkokon lévő mennyiségek közül a legkisebb lesz. Ezzel a mennyiséggel módosítjuk a hurok sarkain lévő mennyiségeket a megfelelő + vagy – értelemben. Az új táblázattal újra optimalitás vizsgálatot végzünk és szükség esetén új javítást végzünk.

5, Szállítási feladat Végezzünk javítást , majd optimalitás ellenőrzést a feladatunknál: ui/vj v1=2 v2=1 v3=2 v4=4 u1= 0 220 120 3+ 5+ u2=0 0-2 110 25 1-3 u3=0 4+ 225 410 + - ui/vj v1=2 v2=1 v3= -1 v4=1 u1= 0 220 120 3+ 5+ u2=0 0-2 110 2+ 15 u3=3 3-2 40 230 45 K = 155

5, Szállítási feladat - + - + ui/vj v1=2 v2=1 v3= -1 v4=1 u1= 0 220 120 3+ 5+ u2=0 0-2 110 2+ 15 u3=3 3-2 40 230 45 + - ui/vj v1=2 v2=1 v3= 1 v4=3 u1= 0 210 130 3+ 5+ u2= -2 010 1+ 2+ 15 u3=1 30 4+ 230 45 + - K =135 Alternatív optimum, más szétosztással is ugyanekkora szállítási költség elérhető.

5, Szállítási feladat Végezzük el az optimalitási vizsgálatot és szükség esetén a javítást a Vogel-Korda módszerrel kapott táblázaton. Mit tapasztalunk? Specialitások: Ha a feladóhelyeken és a rendelési helyeken lévő összmennyiség nem egyezik meg, akkor névleges állomásokat (feladó vagy rendelési helyet) iktatunk be a megfelelő mennyiséggel. Előfordulhatnak tiltott viszonylatok vagy kapacitáskorlátok az egyes feladási és rendelési helyeknél.