EGÉSZÉRTÉKŰ PROGRAMOZÁS

Slides:



Advertisements
Hasonló előadás
Készítette: Kosztyán Zsolt Tibor
Advertisements

A Szállítási feladat megoldása
Készítette: Kosztyán Zsolt Tibor
Adatelemzés számítógéppel
beruházás menedzsment érték- elemzés
Vállalat kínálati magatartása
A történelem forrásai „Mélységes mély a múltnak kútja.
Vonali hőérzékelő rendszer
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
A lineáris programozási feladatok típusai és grafikus megoldásai
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
6) 7) 8) 9) 10) Mennyi az x, y és z értéke? 11) 12) 13) 14) 15)
Műveletek logaritmussal
TÖBBCÉLÚ LINEÁRIS PROGRAMOZÁS ÉS CÉLPROGRAMOZÁS
Matematika II. 3. előadás Geodézia szakmérnöki szak 2010/2011. tanév Műszaki térinformatika ágazat tavaszi félév.
Matematika II. 2. előadás Geodézia szakmérnöki szak 2012/2013. tanév Műszaki térinformatika ágazat őszi félév.
Illés Tibor – Hálózati folyamok
INFOÉRA 2006 Kombinatorika
Rekurzió (Horváth Gyula és Szlávi Péter előadásai felhasználásával)
Euklidészi gyűrűk Definíció.
4. VÉGES HALMAZOK 4.1 Alaptulajdonságok
Operációkutatás szeptember 18 –október 2.
Programozási alapismeretek 13. előadás. ELTE Érdekességek - kombinatorika  Az iskola bejáratánál N lépcsőfok van. Egyszerre maximum K fokot tudunk lépni,
ÖSSZEÁLLÍTOTTA: ODROBINA ZOLTÁN
Gazdaságmatimatika Gyakorló feladatok.
Számítás intervallumokkal
Ág és korlát algoritmus
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
Valós számok Def. Egy algebrai struktúra rendezett test, ha test és rendezett integritási tartomány. Def. Egy (T; +,  ;  ) rendezett test felső határ.
1.3 Relációk Def. (rendezett pár) (a1 , a2 ) := {{a1} , {a1 , a2 }} .
„Országos” feladat. Feladat: Egy tetszőleges, színes országokat tartalmazó térképen akar eljutni egy kommandós csapat egy országból egy másikba. Viszont.
a feladat megfogalmazása megoldási módszerek
HIPERBOLIKUS PROGRAMOZÁS
Gazdaságinformatikus szak Operációkutatás I.
Lineáris programozás Definíció: Olyan matematikai programozási feladatot nevezünk lineáris programozási feladatnak, amelyekben az L halmazt meghatározó.
Branch & bound módszer. A megoldandó feladat: P(x) = 8x 1 + 5x 2  MAX x 1 + x 2
Gráfok Készítette: Dr. Ábrahám István.
108 A kísérletek célja egy speciális anyag optimális előállítási körülményeinek meghatározása volt. A célfüggvény a kihozatal %. melynek maximális értékét.
Függvények.
Gyakorló feladatok Mikroökonómia.
Exponenciális egyenletek
Befektetési döntések Bevezetés
Lénárt Szabolcs Páll Boglárka
Lineáris programozás.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Optimalizáció modell kalibrációja Adott az M modell, és p a paraméter vektora. Hogyan állítsuk be p -t hogy a modell kimenete az x bemenő adatokon a legjobban.
Matematika II. 1. előadás Geodézia szakmérnöki szak 2010/2011. tanév Kataszteri ágazat tavaszi félév.
Alapsokaság (populáció)
QualcoDuna interkalibráció Talaj- és levegövizsgálati körmérések évi értékelése (2007.) Dr. Biliczkiné Gaál Piroska VITUKI Kht. Minőségbiztosítási és Ellenőrzési.
Valószínűségszámítás
Algoritmizálás, adatmodellezés tanítása 8. előadás.
Készítette: Horváth Viktória
Operációkutatás 6. szeminárium.
Parametrikus programozás
Dr. Bánkuti Gyöngyi Klingné Takács Anna
Mikroökonómia gyakorlat
Business Mathematics A legrövidebb út.
OPERÁCIÓKUTATÁSDUALITÁS
előadások, konzultációk
Készítette: Mátyás István agrár mérnöktanár szakos hallgató,
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.
Huffman tömörítés.
Mediánok és rendezett minták
Algoritmusok és Adatszerkezetek I.
Előadás másolata:

EGÉSZÉRTÉKŰ PROGRAMOZÁS Modellezés A szétválasztás és korlátozás módszere 2017.04.04. Varró Zoltán

Modellezés A változók (vagy egy részük) csak nemnegatív egész értékeket vehetnek fel. A bináris változók lehetséges értékei 0 vagy 1. Az LP modell optimális megoldását kerekítve gyakran nem lehetséges megoldást kapunk, a kapott lehetséges megoldás nem optimális. 2017.04.04. Varró Zoltán

Fix költségek modellezése Ha xi > 0, akkor si fix költség lép fel. Feltételek: xi  Miyi yi = 0 vagy 1 ahol Mi az xi változó egy felső korlátja. Célfüggvény: max z = c1x1 + . . . + cnxn – siyi min z = c1x1 + . . . + cnxn + siyi 2017.04.04. Varró Zoltán

Telepítési probléma Szállítási feladat: min z = c11x11 + c12x12 + . . . + cmnxmn x11 + . . . + x1n ≤ s1 x11 + . . . + xm1 ≥ d1 . . . . . . xm1 + . . . + xmn ≤ sm x1n + . . . + xmn ≥ dn xij ≥ 0 (i = 1, . . . , m; j = 1, . . . , n). 2017.04.04. Varró Zoltán

Telepítési probléma min z = c11x11 + c12x12 + . . . + cmnxmn + + f1y1 + . . . + fmym x11 + . . . + x1n ≤ s1y1 x11 + . . . + xm1 ≥ d1 . . . . . . xm1 + . . . + xmn ≤ sm ym x1n + . . . + xmn ≥ dn xij ≥ 0 (i = 1, . . . , m; j = 1, . . . , n). yi = 0 vagy 1 (i = 1, . . . , m). Ha xij > 0, akkor yi = 1. 2017.04.04. Varró Zoltán

„Vagy - vagy” feltétel Két feltétel közül legalább egyik teljesüljön: a1x  b1 a2x  b2 Feltételek: a1x  b1 + My a2x  b2 + M(1 − y) ahol M az a1x és a2x függvények közös felső korlátja. 2017.04.04. Varró Zoltán

„Vagy - vagy” feltétel Vagy x = 0 vagy x  d teljesüljön. Feltételek: x  My x  dy x  0, y = 0 vagy 1 ahol M az x egy felső korlátja. 2017.04.04. Varró Zoltán

„Ha – akkor” feltétel Ha a1x > b1, akkor a2x  b2 teljesüljön. A feltételrendszer: a1x  b1 + My a2x  b2 − M(1 − y), ahol M az a1x és a2x függvények közös felső korlátja és y = 0 vagy 1. 2017.04.04. Varró Zoltán

„Ha – akkor” feltétel Ha xi > 0, akkor xj  d teljesüljön. A feltételrendszer: xi  M y xj  d − M(1 − y) xi, xj  0, y = 0 vagy 1 ahol M  d az xi egy felső korlátja. 2017.04.04. Varró Zoltán

EP feladatok megoldása Egy EP feladat LP lazítását úgy kapjuk, hogy nem követelünk meg egészértékűséget a változóktól. Ha az LP lazítás optimális megoldása egész, akkor megkaptuk az egészértékű feladat optimális megoldását. 2017.04.04. Varró Zoltán

EP feladatok megoldása Az LP lazítás optimális célfüggvényértéke legalább olyan jó, mint az EP feladaté. Ha az LP lazításnak nincs megengedett megoldása, akkor az EP-nek sincs. Lehetséges, hogy az EP megoldás-halmaza üres, az LP lazításé viszont nem korlátos. 2017.04.04. Varró Zoltán

EP feladatok megoldása A célfüggvény nem korlátos x2 10x1 – 10x2 ≥ 3 5x1 – 5x2 ≤ 4 max z = x1 + x2 x1 2017.04.04. Varró Zoltán

Az SZK módszer A szétválasztás arra utal, hogy az EP feladatot részfeladatokra bontjuk. A részfeladatok célfüggvénye azonos az EP feladatéval, lehetséges megoldásainak halmaza részhalmaza az EP feladaténak. 2017.04.04. Varró Zoltán

Az SZK módszer A korlátozás azt jelenti, a részfeladatok optimális célfüggvényértékére az LP lazítás megoldásával korlátot határozunk meg. A korlát alapján döntjük el, hogy érdemes-e egy részfeladatot felbontani. 2017.04.04. Varró Zoltán

Az SZK módszer Ha az LP lazítás optimális megoldásában az xj változó optimális értéke xj , akkor két részfeladatot képezünk az alábbi feltételek csatolásával: 1. részfeladat: xj  xj 2. részfeladat: xj  xj + 1. Célszerű azt a tört értékű változót választani, amelynek törtrésze a legnagyobb. 2017.04.04. Varró Zoltán

Az SZK módszer A legjobb korlát stratégiával azt a rész-feladatot bontjuk fel, amelynek korlátja a legjobb megoldást ígéri. A kapott részfeladatok LP lazítását azonnal megoldjuk, azaz két ágat képezünk. 2017.04.04. Varró Zoltán

Az SZK módszer A LIFO (last in first out) stratégiával a legutolsó két részfeladat egyikét bontjuk fel. A kapott részfeladatok egyikének LP lazítását oldjuk meg azonnal, azaz csak egy ágat képezünk. A másikat később vizsgáljuk. 2017.04.04. Varró Zoltán

Az SZK módszer Egy részfeladatot lezárunk, ha az LP lazítás: lehetséges megoldásainak halmaza üres. optimális megoldása egészértékű. optimális célfüggvényértékének egészrésze nem jobb az addig talált legjobb egészértékű megoldás célfüggvényértékénél. 2017.04.04. Varró Zoltán

Az SZK módszer EP feladat: max z = 2x1 + 3x2 − 2x1 + 5x2  10 4x1 + 3x2  24 x1, x2  0, egész LP lazítása: max z = 2x1 + 3x2 x1, x2  0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia Az LP lazítás optimális megoldása: x1 = 3,46 x2 = 3,38 −2x1 + 5x2 ≤ 10 4x1 + 3x2 ≤ 24 Az EP megoldásai. max z = 2x1 + 3x2 2017.04.04. Varró Zoltán

Legjobb korlát stratégia x1 ≥ 4 x1 ≤ 3 2017.04.04. Varró Zoltán

Legjobb korlát stratégia z = 15,6 z = 16 > 15,6 Ezt a részfeladatot bontjuk fel. 2017.04.04. Varró Zoltán

Legjobb korlát stratégia x1 ≥ 4 x2 ≥ 3  L =  z = 15,6 x1 ≥ 4 x2 ≤ 2 z = 15 2017.04.04. Varró Zoltán

Legjobb korlát stratégia x1 ≤ 3 x2 ≥ 4  L =  x1 ≤ 3 x2 ≤ 3 2017.04.04. Varró Zoltán

Legjobb korlát stratégia Az EP optimális megoldása: x1 = 3, x2 = 3 és z = 15 z = 15 Nem érdemes felbontani. 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 3,46 ; 3,38 z = 17,06 x1 ≤ 3 x1 ≥ 4 3 ; 3,2 z = 15,6 4 ; 2,67 z = 16 max z = 2x1 + 3x2 − 2x1 + 5x2 ≤ 10 4x1 + 3x2 ≤ 24 x1 ≤ 3 x1, x2 ≥ 0 max z = 2x1 + 3x2 − 2x1 + 5x2 ≤ 10 4x1 + 3x2 ≤ 24 x1 ≥ 4 x1, x2 ≥ 0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 3,46 ; 3,38 z = 17,06 x1 ≤ 3 x1 ≥ 4 3 ; 3,2 z = 15,6 4 ; 2,67 z = 16 Az LP lazítás optimális megoldásában az a változó, amelyre korlátot szabtunk, a korlát értékét veszi fel. 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 3,46 ; 3,38 z = 17,06 x1 ≤ 3 x1 ≥ 4 3 ; 3,2 z = 15,6 4 ; 2,67 z = 16 x2 ≤ 2 x2 ≥ 3 4,5 ; 2 z = 15 L =  2017.04.04. Varró Zoltán

Legjobb korlát stratégia 3,46 ; 3,38 z = 17,06 x1 ≤ 3 x1 ≥ 4 3 ; 3,2 z = 15,6 4 ; 2,67 z = 16 x2 ≤ 3 x2 ≥ 4 x2 ≤ 2 x2 ≥ 3 3 ; 3 z = 15 L =  4,5 ; 2 z = 15 L =  2017.04.04. Varró Zoltán

Legjobb korlát stratégia 3.46 ; 3.38 z = 17.06 1 2 3 ; 3.2 z = 15.6 4 ; 2.67 z = 16 5 6 3 4 3 ; 3 z = 15 L =  4.5 ; 2 z = 15 L =  2017.04.04. Varró Zoltán

LIFO stratégia 3,46 ; 3,38 z = 17,06 x1  3 3 ; 3,2 z = 15,6 2017.04.04. Varró Zoltán

LIFO stratégia max z = 2x1 + 3x2 − 2x1 + 5x2 ≤ 10 4x1 + 3x2 ≤ 24 3 ; 3,2 z = 15,6 x2  3 3 ; 3 z = 15 2017.04.04. Varró Zoltán

LIFO stratégia max z = 2x1 + 3x2 − 2x1 + 5x2 ≤ 10 4x1 + 3x2 ≤ 24 3 ; 3,2 z = 15,6 x1  3 x2  4 3 ; 3 z = 15 L =  2017.04.04. Varró Zoltán

LIFO stratégia 3,46 ; 3,38 z = 17,06 x1  3 x1  4 3 ; 3,2 4 ; 2,67 z = 16 x2  4 L =  2017.04.04. Varró Zoltán

LIFO stratégia 3,46 ; 3,38 z = 17,06 x1  4 4 ; 2,67 z = 16 x2  2 4,5 ; 2 z = 15 L =  2017.04.04. Varró Zoltán

LIFO stratégia 3.46 ; 3.38 z = 17.06 1 4 3 ; 3.2 z = 15,6 4 ; 2.67 z = 16 2 3 5 6 3 ; 3 z = 15 L =  4.5 ; 2 z = 15 L =  2017.04.04. Varró Zoltán

Bináris hátizsák feladat max z = c1x1 + c2x2 + . . . + cnxn (cj > 0) a1x1 + a2x2 + . . . + anxn  b (aj > 0) x1, x2, . . . , xn = 0 vagy 1 2017.04.04. Varró Zoltán

Az LP lazítás megoldása max z = c1x1 + c2x2 + . . . + cnxn (cj > 0) a1x1 + a2x2 + . . . + anxn  b (aj > 0) x1, x2, . . . , xn = 0 vagy 1 Rendezzük a tárgyakat csökkenő ci /ai hányadosok szerint. A fenti sorrendben tegyük a tárgyakat a hátizsákba. Ha egy tárgy nem fér bele, akkor vegyük akkora tört részét, hogy a hátizsák pontosan tele legyen. 2017.04.04. Varró Zoltán

Az LP lazítás megoldása Rendezzük a változókat: Keressük meg azt az indexet, amelyre , de Az optimális megoldás: 2017.04.04. Varró Zoltán

A hátizsák feladat megoldása Az LP lazítás optimális megoldásában csak egy változó értéke tört. A tört értékű változó 0 és 1 értékű rögzítésével két részfeladatot képezünk. Mind a legjobb korlát, mind a LIFO stratégia alkalmazható. 2017.04.04. Varró Zoltán

Legjobb korlát stratégia max 60x1 + 60x2 + 40x3 + 10x4 + 20x5 + 10x6 + 3x7 30x1 + 50x2 + 40x3 + 10x4 + 40x5 + 30x6 + 10x7  100 xi = 0 vagy 1 (i = 1, 2, . . . , 7) A változók már csökkenő ci /ai szerint rendezettek. Az LP lazítás optimális megoldása: x = 1, 1, ½, 0, 0, 0, 0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 140 x3 = 1 x3 = 0 135 136 1 2 1, 1, 0, 1, 1/4, 0, 0 1, 3/5, 1, 0, 0, 0, 0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 140 x3 = 1 x3 = 0 135 136 1 2 1, 1, 0, 1, 1/4, 0, 0 x2 = 0 x2 = 1 120 120 3 4 1, 0, 1, 1, 1/2, 0, 0 1/3, 1, 1, 0, 0, 0, 0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 140 x3 = 1 x3 = 0 135 136 1 2 x5 = 1 x5 = 0 x2 = 0 x2 = 1 120 116 133,33 120 5 6 3 4 1, 1, 0, 1, 0, 1/3, 0 1, 3/5, 0, 0, 1, 0, 0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 140 x3 = 1 x3 = 0 135 136 1 2 x5 = 1 x5 = 0 x2 = 0 x2 = 1 120 116 133,33 120 5 6 3 4 x6 = 0 x6 = 1 1, 1, 0, 1, 0, 0, 1 Ez az első egészértékű megoldás. Az ágat lezárjuk. 133 7 8 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 140 x3 = 1 x3 = 0 135 136 1 2 x5 = 1 x5 = 0 x2 = 0 x2 = 1 120 116 133,33 120 5 6 3 4 x6 = 0 x6 = 1 1, 1, 0, 1, 0, 0, 1 Ez az első egészértékű megoldás. 133 118 7 8 1, 4/5, 0, 0, 1, 0, 0 2017.04.04. Varró Zoltán

Legjobb korlát stratégia 140 x3 = 1 x3 = 0 135 136 1 2 x5 = 1 x5 = 0 x2 = 0 x2 = 1 120 116 133,33 120 5 6 3 4 x6 = 0 x6 = 1 1, 1, 0, 1, 0, 0, 1 Egyik ágon sem kaphatunk jobb megoldást, ezért mind lezárható. 133 118 7 8 2017.04.04. Varró Zoltán

LIFO stratégia 140 Először mindig a bal oldali ágat vizsgáljuk. x3 = 0 135 1 1, 1, 0, 1, 1/4, 0, 0 x5 = 0 133,33 2 1, 1, 0, 1, 0, 1/3, 0 x6 = 0 Egészértékű megoldást kaptunk, ezért lezárjuk az ágat és ágat cserélünk. 133 3 1, 1, 0, 1, 0, 0, 1 2017.04.04. Varró Zoltán

LIFO stratégia 1 2 3 4 1, 4/5, 0, 0, 1, 0, 0 140 x3 = 0 135 x5 = 0 x3 = 0 135 1 x5 = 0 133,33 2 x6 = 0 x6 = 1 Nem ígér jobb megoldást, ezért ágat cserélünk. 133 118 3 4 1, 4/5, 0, 0, 1, 0, 0 2017.04.04. Varró Zoltán

LIFO stratégia 1 2 5 1, 3/5, 0, 0, 1, 0, 0 3 4 140 x3 = 0 135 x5 = 1 x3 = 0 135 1 x5 = 1 x5 = 0 116 133,33 2 5 1, 3/5, 0, 0, 1, 0, 0 x6 = 0 x6 = 1 Nem kaphatunk jobb megoldást, ezért az ágat lezárjuk. 133 118 3 4 2017.04.04. Varró Zoltán

LIFO stratégia 1 6 1, 3/5, 1, 0, 0, 0, 0 2 5 3 4 140 x3 = 1 x3 = 0 x3 = 1 x3 = 0 135 136 1 6 x5 = 1 1, 3/5, 1, 0, 0, 0, 0 x5 = 0 116 133,33 Esélyünk van jobb megoldásra, ezért ágaztatunk. 2 5 x6 = 0 x6 = 1 133 118 3 4 2017.04.04. Varró Zoltán

LIFO stratégia 1 6 2 5 7 1, 0, 1, 1, 1/2, 0, 0 3 4 140 x3 = 1 x3 = 0 x3 = 1 x3 = 0 135 136 1 6 x5 = 1 x5 = 0 x2 = 0 116 133,33 120 2 5 7 x6 = 0 x6 = 1 1, 0, 1, 1, 1/2, 0, 0 Nem kaphatunk jobb megoldást, ezért ágat cserélünk. 133 118 3 4 2017.04.04. Varró Zoltán

LIFO stratégia 140 x3 = 1 x3 = 0 135 136 1 6 x5 = 1 x5 = 0 x2 = 0 x2 = 1 120 116 133,33 120 2 5 7 8 x6 = 0 x6 = 1 1/3, 1, 1, 0, 0, 0, 0 133 118 Ezt az ágat is lezárhatjuk. 3 4 2017.04.04. Varró Zoltán

LIFO stratégia 1 6 2 5 7 8 Az optimális megoldás: 140 x3 = 1 x3 = 0 135 136 1 6 x5 = 1 x5 = 0 x2 = 0 x2 = 1 120 116 133,33 120 2 5 7 8 x6 = 0 x6 = 1 Az optimális megoldás: 1, 1, 0, 1, 0, 0, 1 133 118 3 4 2017.04.04. Varró Zoltán

Munkák ütemezése Munka Megmunkálás Határidő időtartama A 6 8 B 4 C 5 12 D 16 Milyen sorrend esetén lesz a késések összege minimális? 2017.04.04. Varró Zoltán

Munkák ütemezése A feladatot 4 részfeladatra bontjuk. i-edik részfeladat: Mennyi a késések összegének minimuma, ha az i-edik munkát végezzük el negyediknek? Minden részfeladatban alsó korlátot határozunk meg a késések összegére. Azt a részfeladatot bontjuk fel, amelyiknek legkisebb a korlátja. 2017.04.04. Varró Zoltán

Munkák ütemezése 15 19 11 7 A megmunkálási idők összege 23. A késések összege legalább 15 ha az A munka a 4. 19 ha a B munka a 4. 11 ha a C munka a 4. 7 ha a D munka a 4. 2017.04.04. Varró Zoltán

Munkák ütemezése 15 19 11 7 A 4. részfeladatot bontjuk fel: a D munka a 4. Legalább mekkora lesz a késés, ha a D munka a 4. és A a 3. munka? B a 3. munka? C a 3. munka? 2017.04.04. Varró Zoltán

Munkák ütemezése 15 19 11 7 A késések összege legalább 14 ha az A munka a 3. 18 ha a B munka a 3. 10 ha a C munka a 3. 14 18 10 2017.04.04. Varró Zoltán

Munkák ütemezése Hat részfeladat alsó korlátja közül választjuk a legkisebbet. 15 19 11 7 Az alsó korlát akkor a legkisebb, ha C a 3. munka, és D a 4. munka. 14 18 10 2017.04.04. Varró Zoltán

Munkák ütemezése 15 19 11 7 14 18 10 A késések összege 12 a B – A – C – D sorrendnél 16 az A – B – C – D sorrendnél. 12 16 2017.04.04. Varró Zoltán

Munkák ütemezése 15 19 11 7 Meg kell vizsgálni azt a részfeladatot, ahol C a 4. munka, mert az alsó korlát csak 11. 14 18 10 12 16 2017.04.04. Varró Zoltán

Munkák ütemezése 15 19 11 7 21 25 13 14 18 10 Minden korlát nagyobb 12-nél, ezért a keresést lezárhatjuk. Optimális sorrend: B – A – C – D 12 16 2017.04.04. Varró Zoltán