Lineáris programozás és a szimplex módszer

Slides:



Advertisements
Hasonló előadás
Készítette: Kosztyán Zsolt Tibor
Advertisements

Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Készítette: Kosztyán Zsolt Tibor
„Esélyteremtés és értékalakulás” Konferencia Megyeháza Kaposvár, 2009
Mikroökonómia szeminárium 4. Termelés elmélet
TÖBBVÁLTOZÓS FÜGGVÉNYEK FELTÉTELES SZÉLSŐÉRTÉKSZÁMÍTÁSA
- bútorgyári termelési probléma - szállítási probléma
Lineáris programozás feladat Feladat (Wellness) A wellness iroda 4 féle DaySpa programot kínál frissülni kívánó vendégeinek. 4 önálló programot.
A lineáris programozási feladatok típusai és grafikus megoldásai
MFG-Pro váll-ir. rendszer bemutatása
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
Műveletek logaritmussal
TÖBBCÉLÚ LINEÁRIS PROGRAMOZÁS ÉS CÉLPROGRAMOZÁS
A kurzus programja Dátum Témakör ELŐVIZSGA szeptember 15.
Kalman-féle rendszer definíció
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.
Matematika II. 1. előadás Geodézia szakmérnöki szak 2012/2013. tanév/
Illés Tibor – Hálózati folyamok
4. VÉGES HALMAZOK 4.1 Alaptulajdonságok
Operációkutatás szeptember 18 –október 2.
Programozási alapismeretek 10. előadás
Egy kis lineáris algebra
Gazdaságmatematika 1. szeminárium Rétallér Orsi.
Gazdaságmatimatika Gyakorló feladatok.
Szállítási feladatok Optimalitás vizsgálat
3. kisvizsga Mi a lineáris programozás?
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
Valós számok Def. Egy algebrai struktúra rendezett test, ha test és rendezett integritási tartomány. Def. Egy (T; +,  ;  ) rendezett test felső határ.
6. SZÁMELMÉLET 6.1. Oszthatóság
Matematika III. előadások Építőmérnök BSc szak PMMINB313
Darupályák tervezésének alapjai
HIPERBOLIKUS PROGRAMOZÁS
Lineáris transzformáció sajátértékei és sajátvektorai
MATEMATIKA ÉS INFORMATIKA I.
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 /' /
dr. Szalkai István Pannon Egyetem, Veszprém
Lineáris egyenletrendszerek (Az evolúciótól a megoldáshalmaz szerkezetéig) dr. Szalkai István Pannon Egyetem, Veszprém 2007.
Kvantitatív módszerek
Gráfok Készítette: Dr. Ábrahám István.
Lineáris egyenletrendszer megoldása MS Excel Solver segítségével
GRÁFELMÉLET Alapfogalmak 1..
Lineáris programozás.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Matematika II. 1. előadás Geodézia szakmérnöki szak 2010/2011. tanév Kataszteri ágazat tavaszi félév.
IV. Terjeszkedés 2..
Vektorterek Definíció. Legyen V Abel-csoport, F test, továbbá
Határozatlan integrál
A KOMPLEX DÖNTÉSI MODELL MATEMATIKAI ÖSSZEFÜGGÉSRENDSZERE Hanyecz Lajos.
Normál feladat megoldása és érzékenységvizsgálata
Lineáris algebra.
Készítette: Horváth Viktória
Módosított normál feladat
Parametrikus programozás
Dr. Bánkuti Gyöngyi Klingné Takács Anna
Mikroökonómia gyakorlat
Dodekaéder Hamilton köre
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.
1  BME Híradástechnikai Tsz komhal20.ppt Kommunikációs hálózatok tervezése 20. előadás Izsó Tamás Híradástechnikai tanszék 2000 Budapesti Műszaki.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Lineáris egyenletrendszerek megoldása Gauss elimináció, Cramer-szabály Dr. Kovács Sándor DE GVK Gazdaságelemzési és Statiszikai Tanszék.
Előadás másolata:

Lineáris programozás és a szimplex módszer 2009. 11. 05. Derts Zsófia – BME VKKT

Bevezetés Lineáris programozás: lineáris egyenlet- rendszerek megoldása algoritmikus módon LP bemutatása példákon keresztül Grafikus és analitikus megoldás alkalmazása Konkrét példa kiterjesztése általános esetre Szimplex módszer alkalmazása Duál módszer a házi feladathoz Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: textilipari feladat (1) Alapadatok: A és B, textilből készülő termékeket azonos alapanyagból gyártjuk. A-hoz 2 m, B-hez 5 m szükséges minden egyes méter késztermék előállításához. Hetente legfeljebb 3 000 méter alapanyag áll rendelkezésünkre. Egységnyi termelési költségek A-ra 20 Ft/m és B-re 30 Ft/m. A termelés heti összegzett költsége nem haladhatja meg a 18 000 Ft-ot. Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: textilipari feladat (2) Alapadatok (folyt.): A gyártáshoz felhasználunk bizonyos segédanyagot, amelyből A-hoz 1 m-t, B-hez 0,5 m-t alkalmazhatunk. A felhasznált segédanyagok heti mennyisége nem haladhatja meg a 700 m-t. Előzetes felmérés szerint A-ból hetente legalább 100 m- re van szükség. A rendelkezésre álló gépparkkal a B-ből hetente legfeljebb 400 m gyártható. A termelés nyeresége termékegységre vetítve: A terméken 2 Ft, B-n 6 Ft. Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: az információk rendezése Mátrixba rendezve az információkat: Minden összefüggés lineáris! Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: a kérdés megfogalmazása Keressük azt a minden feltételt kielégítő megoldást (programot), ahol a nyereség (a célfüggvény értéke) a legnagyobb. Feladat: a célfüggvény maximalizálása a megadott feltételek mellett. Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: matematikai jelrendszerben… x1 x2 (d) (e) (c) (b) (a) Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: grafikus megoldás (1) x1 x2 (d) (e) (c) (b) (a) Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: grafikus megoldás (2) x1 x2 z x1 x2 Lineáris programozás és szimplex módszer 2017.04.05.

1. példa: grafikus megoldás (3) Zopt x1 x2 z x1 x2 Lineáris programozás és szimplex módszer 2017.04.05.

A feladat általános esete (1) Mátrix alakban: Def.: Az x0 megoldás optimális, ha a célfüggvény ezen a helyen veszi fel a maximumát! Lineáris programozás és szimplex módszer 2017.04.05.

A feladat általános esete (2) Minden sor egyenlőtlenségét, valamint a –eiTx ≤ 0 feltételeket is kielégítő vektorok egy- egy zárt féltéren helyezkednek el. Az „m” darab ilyen zárt féltér által közbezárt térrészt konvex poliédernek nevezzük, amely egyben a megengedett megoldások (programok) halmaza. Lineáris programozás és szimplex módszer 2017.04.05.

Segédváltozók bevezetése (1) Az xn+i (i=1,2,….,m) változó feladata, hogy az egyenlőtlenségeket kiegészítse egyenlőségekké, tehát 0 < xn+i (i=1,2,….,m). Ekkor az együttható-mátrixunk kibővül jobbról egy egységmátrixszal. A célfüggvény együttható-vektorát csupa nulla komponenssel kiegészítve egy n+m dimenziós vektort kapunk, de a célfüggvény értéke nem változik: Lineáris programozás és szimplex módszer 2017.04.05.

Segédváltozók bevezetése (2) a x + a x + .......... .......... . + a x + x = b 11 1 12 2 1 n n n + 1 1 a x + a x + .......... .......... + a x + x = b 21 1 22 2 2 n n n + 2 2 . . . a x + a x + .......... ......... + a x + x = b m 1 1 m 2 2 mn n n + m m x ³ ; x ³ ; x ³ ; .......... .......... .; x ³ 1 2 3 n + m c x + c x + ..... + c x + x + .... + x = z 1 1 2 2 n n n + 1 n + m Lineáris programozás és szimplex módszer 2017.04.05.

A lineáris programozás alaptétele Tétel: Ha egy LP probléma rendelkezik (korlátos) optimális megoldással, akkor létezik a megoldások halmazának olyan extrém pontja, amely optimális. Az optimális megoldás megtalálható a konvex poliéder sarokpontjainak vizsgálatával. Lineáris programozás és szimplex módszer 2017.04.05.

Az LP alaptétel következményei Egy korlátos számú feltétel által megadott konvex poliéder korlátos számú sarokponttal rendelkezik. Ez garantálja, hogy az optimum korlátos számú lépésben megtalálható. Nézzük végig az összes sarokpontot? (Adott gyakorlati probléma esetén ez több millió is lehet.) Nem, mert a célfüggvény linearitása miatt van hatékonyabb módszer is. Lineáris programozás és szimplex módszer 2017.04.05.

LP megoldás szimplex algoritmussal Induljunk ki az egyik csúcspontból. Valamelyik határoló élen menjünk át egy olyan szomszédos csúcsra, ahol a célfüggvény értéke magasabb. Ha már nincsen magasabb célfüggvény értékkel jellemezhető szomszédos csúcs, akkor elértük az optimális megoldást. Lineáris programozás és szimplex módszer 2017.04.05.

A szimplex algoritmus tulajdonságai Minden extrém pontot egyértelműen meghatároz egy bázismegoldás. Ezt m változó kiválasztásával és a többi 0-vá tételével érhetjük el. (Minden sarok m darab feltétel teljes kimerítésével írható le.) Ennek a rendszernek a megoldása a bázis. Egy szomszédos csúcsra való áttérés azt jelenti, hogy egy új bázisra térünk át, ami csak egy elemében tér el a korábbitól. Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: a szimplex módszer alk. A probléma jellemzői: 5 független változó 3 egyenlőtlenség + 1 kiegészítő feltétel feladat: a célfüggvény maximalizálása Megoldás: szimplex algoritmus alkalmazá- sával Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: a szimplex módszer alk. x1 + 2 x2 + x3 + x5 ≤ 100 u1 x2 + x3 + x4 + x5 ≤ 80 u2 x1 + x3 + x4 ≤ 50 u3 x1 , x2 , x3 , x4 , x5 ≥ 0 Z = (2 x1 + x2 + 3 x3 + x4 + 2 x5) → MAX Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: a szimplex módszer alk. A feladat átalakítása sztenderd formára: ha z-t minimalizálni kell: -z-t maximalizáljuk; ha x ≥ a van a feltételek között: -x ≤ -a ha egyenlőség van a feltételek között, egyenlőtlenségekké alakítjuk át azokat: x = b → ( x ≤ b és x ≥ b ) → ( x ≤ b és -x ≤ -b) Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: megoldás szimplex táblával A feltételek rögzítése Erőforrások/feltételek X1 X2 X3 X4 X5 Kapacitás GE oszlop/ kapacitás u1 1 2 100 0,01 u2 80 0,0125 u3 50 0,02 max z 3   Induló szimplex tábla Generáló elem oszlopának kiválasztása (pozitív) → belépő változó G. E. sorának kiválasztása (elem/kapacitás=max) → távozó változó Elemcsere Vissza a 2. pontba Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: megoldás szimplex táblával Az első elemcsere után: Erőforrások/feltételek X1 X2 u3 X4 X5 Kapacitás GE oszlop/ kapacitás u1 2 -1 1 50 0,02 u2 30 0,033 max X3 z -3 -2 -150   GE: új = 1 / régi GE sora: új = régi / GE GE oszlopa: új = - régi / GE A többi: új = régi – GEsor * GEoszlop / GE A sor- és az oszlopindex felcserélődik! Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: megoldás szimplex táblával A második elemcsere után: Erőforrások/feltételek X1 X2 u3 X4 u2 Kapacitás GE oszlop/ kapacitás u1 1 -1 20 0,05 max X5 30 0,033 X3 50 0,02 z -2 -210   GE: új = 1 / régi GE sora: új = régi / GE GE oszlopa: új = - régi / GE A többi: új = régi – GEsor * GEoszlop / GE A sor- és az oszlopindex felcserélődik! Lineáris programozás és szimplex módszer 2017.04.05.

2. példa: megoldás szimplex táblával A harmadik elemcsere után: Erőforrások/feltételek u1 X2 u3 X4 u2 Kapacitás GE oszlop/ kapacitás X1 1 -1 20 0,05 X5 2 50 0,020 X3 30 0,033333333 z -2 -230   Ez egy olyan csúcspont a konvex poliéderen, ahol x1 = 20 x3 = 30 x5 = 50 x2 = x4 = 0 A haszon Z = 20 * 2 + 30 * 3 + 50 * 2 = 230 A megoldás optimális, mert már nincs pozitív elem az alsó sorban. Lineáris programozás és szimplex módszer 2017.04.05.

A duál módszer (1) Házi feladatban is ez vezet megoldásra! Lineáris programozási feladat esetén, ha a célfüggvényt minimalizálni kell és az együtthatói mind pozitívak, a szimplex módszer nem vezet megoldásra. Ekkor mátrixműveletek alkalmazásával az ún. duál módszert használjuk. Házi feladatban is ez vezet megoldásra! Lineáris programozás és szimplex módszer 2017.04.05.

A duál módszer (2) ui ui A b A b ≤ ≤ = min = max z -z a feladat duálisa -1 -5 -10 0 -5 -2 -1 itt a szimplex módszer nem jó zT ui xi xi - AT ui függőlegesen kell kiolvasni az eredmény -1-szeresét! ≤ megoldás szimplex módszerrel = max -bT - zmin Lineáris programozás és szimplex módszer 2017.04.05.

Összefoglalás LP LP alaptétele Szimplex módszer Duál módszer Lineáris programozás és szimplex módszer 2017.04.05.

Köszönöm a figyelmet! Derts Zsófia BME VKKT (U épület) derts.zsofia@vkkt.bme.hu Lineáris programozás és szimplex módszer 2017.04.05.