Linear programmering 17.11 - 2005. Når kan en bruke linear programmering? En ønsker å minimerer eller å maksimere et mål En kan spesifisere målet som.

Slides:



Advertisements
Liknende presentasjoner
I.
Advertisements

Mentale rom en liten innføring i teorien
Automatic Delivery Rewards Hovedtrekk. Automatic Delivery Rewards •Automatic Delivery Rewards (ADR) er et program hvor en distributør eller kunde kan.
Del 2: Personlig økonomi.
Wyndor med variasjoner Ethvert LP problem vil falle i en av følgende kategorier: 1. Problemet har en (eller flere) optimalløsninger 2. Problemet har ingen.
Kapittel 6: Andre lønnsomhetsmetoder
Utgifter og kostnader Utgift: Kjøp av ressurser, målt i penger
The Travelling Salesperson. LOG530 Distribusjonsplanlegging 2 2 Et forsyningsskip skal starte fra VestBase for å betjene 10 forskjellig installasjoner.
Webprogrammering Arrays.
Prosent og forhold - repetisjon
Kap 5 The discounted cash flow approach
Spøken som gir deg lykke!
Managerial Decision Modeling Cliff Ragsdale 6. edition Rasmus RasmussenBØK350 OPERASJONSANALYSE1 Chapter 5 Network Modeling.
Test av skjermer på fergene Horten - Moss
Hvordan kan DU forandre verden? HVEM ER DINE FORBILDER?
SAMMENLIKNING KLIKKPRIS AVTALE MED RENT-A-PRINTER LEIE AVTALE
Kap 4 Investment-consumption decision model
Produktvalg Læringsmål:
Enkel forklaring av hvordan bygge nettverk i euroSMART!
Kundekrav og restordrer. LOG530 Distribusjonsplanlegging 2 2 Vi endrer litt på kundeønskene i eksempel 8, og bruker kapasiteter og etterspørsel fra eksempel.
Tolkning av resultatene fra logistisk regresjon
Linjer Hvis en partikkel beveger seg fra (x1,y1) til (x2,y2) er endringen Δx = x2-x1 og Δy = y2-y1 y2 y1 Δy Δx φ Stigningstallet m = x1 x2.
Kapittel 6: Lagermodeller
Kapittel 7: LP Introduksjon til Lineær Programmering
Kapittel 8: LP Anvendelser av Lineær Programmering
Kapittel 6: Lagermodeller
Kompleksitetsanalyse
1 JFRYE2005 1: Vanlige 2: Kurvelinjære 3: Samspill (ikke-addivitet) 4: Dikotomier 5: Dummy-variabler.
Mer grunnleggende matte: Forberedelse til logistisk regresjon
Forside Motivasjon Analyse Forside Motivasjon Analyse  -notasjon O og  Relasjoner Klasser Fallgruver Spørsmål Kompleksitetsanalyse Åsmund Eldhuset asmunde.
Managerial Decision Modeling A Practical Introduction to Management Science, 5ed by Cliff Ragsdale.
Managerial Decision Modeling A Practical Introduction to Management Science, 5ed by Cliff Ragsdale.
Lokalisering av avfallsanlegg - størst minsteavstand.
LOG530 Distribusjonsplanlegging
Lokalisering og max totalavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprette 3 konkurrerende utsalg.
LOG530 Distribusjonsplanlegging
LOG530 Distribusjonsplanlegging
P-MP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Lokalisering og minimum maxavstand. LOG530 Distribusjonsplanlegging 2 2 I mange situasjoner ønsker en å finne lokaliseringer som minimerer maksimalavstanden.
Lokalisering av samlestasjon for oljebrønner. LOG530 Distribusjonsplanlegging 2 2 StartOil har boret to nye brønner på havbunnen utenfor Midt-Norge, og.
Managerial Decision Modeling
Målprogrammering. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.2, men vil nå se på oppfyllelse av flere mål samtidig. Målprogrammering.
Maks resultat og maks oppfylte kundekrav. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 9, men benytter nå nettopriser for varene. (Antar.
Managerial Decision Modeling Cliff Ragsdale 6. edition Rasmus RasmussenBØK350 OPERASJONSANALYSE1 Chapter 6 Integer Linear Programming.
Rotary Foundation Seminar høsten The Rotary Foundation er Rotarys hjelpeorganisasjon.
Rotary Foundation Klubbforedrag. The Rotary Foundation er Rotarys hjelpeorganisasjon.
Kap 06 Diskrete stokastiske variable
Dynamisk programmering
PowerPoint laget av Bendik S. Søvegjarto Konsept, tekst og regler av Skage Hansen.
INF 295 Forelesning 19 - Dynamisk programmering Korteste vei alle til alle (Floyd) Hans Fr. Nordhaug (Ola Bø)
Anne - med lovens minimum  Anne har i lønn  Folketrygden betaler mindre i pensjon jo høyere lønn man har  Anne får bare 42 % av lønn i folketrygd.
De 100 mest brukte ordene i bøker i klasse..
Det digitale nettsamfunnet og helse. Kan vi skape morgendagens helseplan med gårsdagens løsninger?
Justering av priser Mål: Lage et system som justerer priser ut fra en offisiell prisindeks.
100 lure ord å lære.
Magnus Haug Algoritmer og Datastrukturer
Navn på FIRMa eller produkt HER SNAKKER DERE LITT OM DERE SELV. PKT 1 I LISTEN.
Kulturdepartementet Norsk mal: Startside Tips engelsk mal Klikk på utformingsfanen og velg DEPMAL – engelsk Eller velg DEPMAL– engelsk under ”oppsett”.
Maks oppfylte kundekrav og maks resultat. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max.
FJERDE FARGE Når en av makkerne melder den fjerde fargen, viser ikke det i utgangspunktet lengde i fargen men ber makker vise hånden sin bedre. Eksempel:SN.
Økonomi og pengestrømmer i idretten
Funksjoner og GeoGebra Velkommen !
Hypotesetesting, og kontinuerlige stokastiske variable
Usikkerheter og sannsynligheter Petter Mostad
Valutaomregning Mål: Lage et program som regner om fra en valuta til en annen.
Lokalisering og max minimumavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprettes 3 konkurrerende.
Våre 4 bruksområder for bokstavene: Identiteter: To algebraiske uttrykk kan være like; dvs at de får samme verdi hvis vi setter inn en verdi for bokstavene.
Tips for å vinne på Craps. # 1 - Aldri Gamble Med "Kjære" Penger - Aldri Gamble Med Penger Som Du Trenger Nå, Eller Må I Nær Fremtid.
LIKNINGER MED EN OG TO UKJENTE.
Kapittel 14 Produktvalg Læringsmål:
Utskrift av presentasjonen:

Linear programmering

Når kan en bruke linear programmering? En ønsker å minimerer eller å maksimere et mål En kan spesifisere målet som en linear funksjon av spesifikke variable En kan spesifisere de tilgjengelige ressursene som ulikeheter eller likheter på disse variablene Dersom et problem tilfredsstiller de tre punktene over kan det løses ved hjelp av linear programmering Eksempel kommer...

Eksempel Ola ønsker å bli president i Algdatia Det er 3 fylker i Algdatia – Sort, velgere – Flow, velgere – Path, velgere For å vinne valget må du ha mer enn 50% stemmer i hvert eneste fylke Du har 4 kjernesaker du kan reklamere for – Veibygging – Våpenkontroll – Bondegårdsferie til alle – Bensinpriser 1000 kroner til reklame for en sak vil gi deg X antall 1000 velgere mer eller mindre i hvert fylke. Se tabell 1

Tabell 1 Tabellen viser antall 1000 stemmer du får dersom du bruker 1000 kroner på reklame for en kjernesak Eksempel: 1000 kroner brukt på reklame for veibygging vil gi 2000 mindre stemmer i Sort mens det vil gi 5000 stemmer i flow og 3000 stemmer i Path

Ola ønsker å vite hvor mye han må bruke på reklamer Simpelt å bare finne et beløp som gir mer enn 50% i alle fylker – Finn et beløp som fordelt gir pluss til alle fylker – F.eks på veibygging og 1000 på bensinpriser som gir Sort +8000, Flow og Path – Bare å gange dette opp til en har nok stemmer i alle fylker Ola er gjerrig og skjønner at dette ikke gir en optimal løsning. Han vil bruke minst mulig penger. Klok som han er skjønner han at dette kan formuleres til et problem i linear programmering

Minimerer eller å maksimere et mål Målet er reklamepenger Ola ønsker å bruke minst mulig penger til dette. (Minimere) OK!!!

Målet kan spesifiseres som en linear funksjon av spesifikke variable Penger brukt på reklame for: – Veibygging = X1 – Våpenkontroll= X2 – Bondegårdsferie til alle= X3 – Bensinpriser= X4 Reklamepenger = X1 + X2 + X3 + X4 OK!!!

Spesifisere tilgjengelige ressurser som ulikeheter/likheter med variablene Vinne minimum 50% av stemmene i Sort: – Dvs. mer enn stemmer – Bruker tabell 1 og finner en ulikhet – Ulikhet: -2X1 + 8X2 + 0X3 + 10X4 >= Vinne minimum 50% av stemmene i Flow – Dvs. mer enn stemmer – Bruker tabell 1 og finner en ulikhet – Ulikhet: 5X1 + 2X2 + 0X3 + 0X4 >= Vinne minimum 50% av stemmene i Path – Dvs. mer enn stemmer – Bruker tabell 1 og finner en ulikhet – Ulikhet: 3X1 - 5X2 + 10X3 + -2X4 >= Kan ikke bruke et negativt antall kroner på reklame – Ulikehetene: X1, X2, X3, X4 >=0

Kan nå sette opp et lineart program Minimer X1 + X2 + X3 +X4 Med begrensningene: – -2X1 + 8X2 + 0X3 + 10X4 >= – 5X1 + 2X2 + 0X3 + 0X4 >= – 3X1 - 5X2 + 10X3 + -2X4 >= – X1, X2, X3, X4 >=0 Løsningen her vil gi mer enn 50% stemmer i hvert fylke samt minst mulig penger brukt til reklame

Hva er det man egentlig løser? Enkelt eksempel kun 2 variable – Maksimer X1 + X2 Begrenset av: – Ulikhet: 4X1 – X2 <= 8 – Ulikhet: 2X1 + X2 <= 10 – Ulikhet: 5X1 – 2X2 >= -2 – Ulikhet: X1, X2 >= 0 Området ulikhetene avgrenser er gult på figuren på neste side Alle muligheter for X1 + X2 som ligger inne i dette området kalles ”feasible solutions”. Det er inne i det området en må maksimere X1 +X2

2 dimensjoner i koordinatsystem

Standardform 1. Må være et maksimeringsproblem 2. Alle ulikhetene må være på formen: aX1 + bX2.... <= C (dvs. linear ligning mindre eller like en konstant) 3. X1, X2,... >= 0 for alle variabler

Konvertering til standardform 4 ting som kan gjøre at en ikke er på standardfrom 1. Kan ha et minimerings problem 2. Kan finnes variabler som ikke er nedre begrenset av 0 3. Kan ha likeheter i stedet for ulikheter 4. Kan ha større-lik ulikheter

Minimering -> Maksimering Veldig enkelt bare endre fortegn på målet Minimer: X1 + X2 + X3 + X4    Maksimer: -X1 - X2 - X3 - X4

Lage nedre begrensning 0 på en variabel som ikke har det Anta at X ikke er nedre begrenset Sett X = Y - Z Legg til Y, Z >= 0

Gjøre =  <= Anta X1 – 4X2 = 5 Bytter ut med: – X1 – 4X2 <=5 – X1 – 4X2 >=5 Disse 2 sammen betyr X1 – 4X2 = 5

Gjøre >=  <= Anta X1 – 4X2 >= 5 Gange over hele med (-1) -X1 + 4X2 <= -5 NB: >=  <= når en ganger med (-1) på begge sider

Slack form, del1 Ny variabel s, et mål på differansen mellom høyre og venstre side av ulikheten Har: 5X1 + 2X2 <= <= X1 - 2X Gir med slack: s = X1 - 2X s >= 0

Slack form, del2 Kokebokoppskrift fra standard  slack form 1. Sett målet like z eks. z = X1+ 3X2 2. Gjør om ulikhetene til å inneholde en slack 5X1 + 30X2 <= 100  s1 = X1 - 2X og 17X1 - X2 <= 10  s2 = X1 + X2

Kort om simplex Løser lineare programmer på slack form Worst case er exponentiel kjøretide: a^N Ofte mye raskere i praksis God hjelp når du skal lære den: er/RealWorld/simplex.html er/RealWorld/simplex.html Sidene har mange gode forklaringer på lineare programmer samt simplex

Eksempler på problemer som kan løses ved lineare programmer Korteste vei – Bedre med egne teknikker Maks flyt – Bedre med egne teknikker Sirkulasjonsproblemer – Best ved hjelp av lineare programmer Aller mest vanlig er eksempler som det første jeg viste