Sikreste vei. LOG530 Distribusjonsplanlegging 2 2 Noen ganger står en overfor ønsket om å finne sikreste kjørerute fra et gitt startpunkt til et ønsket.

Slides:



Advertisements
Liknende presentasjoner
11 SP IceSport Beskrivelse og egenskaper. 22 SP IceSport SP IceSport – Et NYTT nordisk piggfritt vinterdekk i toppklasse “Ice Grip Technology” med 3-dimensjonalt.
Advertisements

Wyndor med variasjoner Ethvert LP problem vil falle i en av følgende kategorier: 1. Problemet har en (eller flere) optimalløsninger 2. Problemet har ingen.
Managerial Decision Modeling
Gjenfinningssystemer og verktøy II
The Travelling Salesperson. LOG530 Distribusjonsplanlegging 2 2 Et forsyningsskip skal starte fra VestBase for å betjene 10 forskjellig installasjoner.
En innføring i spillet: Dobbeltkrig – Grønn
Managerial Decision Modeling Cliff Ragsdale 6. edition Rasmus RasmussenBØK350 OPERASJONSANALYSE1 Chapter 5 Network Modeling.
Korteste vei. LOG530 Distribusjonsplanlegging 2 2 Ofte står en overfor ønsket om å finne korteste kjørerute fra et gitt utgangspunkt til et ønsket bestemmelsessted.
Komplett avstandstabell. LOG530 Distribusjonsplanlegging 2 2 Noen ganger er det behov for en komplett avstandstabell mellom alle nodene i et nettverk.
Omlasting, direkteleveranser og flere vareslag. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med flere vareslag. Vi har samme distribusjonsnett.
Kundekrav og restordrer. LOG530 Distribusjonsplanlegging 2 2 Vi endrer litt på kundeønskene i eksempel 8, og bruker kapasiteter og etterspørsel fra eksempel.
Kapittel 14 Simulering.
Forside Korteste sti BFS Modifikasjon Dijkstra Eksempel Korrekthet Analyse Øving Spørsmål Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no.
Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no
Øvingsforelesning 9 Flytnettverk, maksimum flyt og
Kompleksitetsanalyse
Utvidelser av tallområdet:
Managerial Decision Modeling A Practical Introduction to Management Science, 5ed by Cliff Ragsdale.
Lokalisering av avfallsanlegg - størst minsteavstand.
LOG530 Distribusjonsplanlegging
Minimal Spanning Tree. LOG530 Distribusjonsplanlegging 2 2 Nettverket viser avstanden mellom 8 noder, der nodene A – G beskriver oljefelt som skal knyttes.
Ubalansert nettverk med felles produksjonsressurser.
Lokalisering av mobilmaster. LOG530 Distribusjonsplanlegging 2 2 NetVik strever med å fullføre sin utbygging av UTMS nettet sitt. I Glemnes kommune er.
Lokalisering og max totalavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprette 3 konkurrerende utsalg.
Reiserute med maksimal opplevelse. LOG530 Distribusjonsplanlegging 2 2 I følgende eksempel er det en turist som ønsker å velge kjøreruten med mest severdigheter,
Omlasting og overproduksjon. LOG530 Distribusjonsplanlegging 2 2 Vi har samme distribusjonsnett som før. (Betrakt de ulike vareslagene som flere 3-dimensjonale.
Distribusjon i nettverk. LOG530 Distribusjonsplanlegging 2 2 Her har vi en situasjon med 2 leverandører, lokalisert i node 1 og 2, med et tilbud på hhv.
LOG530 Distribusjonsplanlegging
Maksimal gjennomstrømming. LOG530 Distribusjonsplanlegging 2 2 StartOil må transportere store mengder utstyr og materialer til utbyggingen av et nytt.
Omlasting og direkteleveranser. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med direkteleveranser. Distribusjonen går enten via lagrene.
LOG530 Distribusjonsplanlegging
Tildeling av lasterom. LOG530 Distribusjonsplanlegging 2 2 Et bulkskip skal lastes med tørrlast til Ghana. En ønsker å frakte totalt 4 ulike varetyper.
Inndelingsproblemer. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes veistasjoner som skal betjene 8 distrikter. De 4 aktuelle lokaliseringene.
LOG530 Distribusjonsplanlegging
Transport fra lager til kunder. LOG530 Distribusjonsplanlegging 2 2 Lager 1 Lager 1 Lager 2 Lager 2 Lager 3 Lager 3 Kunde 1 Kunde 1 Kunde 2 Kunde 2 Kunde.
P-MP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Omlasting, direkteleveranser og kundekrav. LOG530 Distribusjonsplanlegging 2 2 Vi gjeninnfører muligheter for direkteleveranser, og går tilbake til data.
Lokalisering av avfallsanlegg - størst totalavstand.
Lokalisering og minimum maxavstand. LOG530 Distribusjonsplanlegging 2 2 I mange situasjoner ønsker en å finne lokaliseringer som minimerer maksimalavstanden.
Tildeling av snødeponeringssted. LOG530 Distribusjonsplanlegging 2 2 Kommunen skal kommende vinter frakte snø fra 10 soner til 5 deponeringssteder. Snøen.
UFLP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Tildeling av busser for sightseeing. LOG530 Distribusjonsplanlegging 2 2 Busselskapet CityTourist i London har kjøpt 6 nye toetasjers turistbusser med.
The Postmans Problem. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. Dette er et eksempel på den klassiske.
P-CP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Lokalisering av transformatorstasjon. LOG530 Distribusjonsplanlegging 2 2 Nistad Kraft skal levere kraft til 8 nye boligfelt, og mottakertransformatorene.
LOG530 Distribusjonsplanlegging
Dekningsproblemer. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes veistasjoner som skal betjene 8 distrikter. De 4 aktuelle lokaliseringene for.
Lokalisering av samlestasjon for oljebrønner. LOG530 Distribusjonsplanlegging 2 2 StartOil har boret to nye brønner på havbunnen utenfor Midt-Norge, og.
Lokaliseringsmodell med kapasitetsbegrensinger. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde.
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.
Komplekse tall Naturlige tall
Kap 10 Graf.
Innhold NVDB123 Hurtigvegnett og hurtigdata Hva er det ?
Lokalisering i to-delt graf. LOG530 Distribusjonsplanlegging 2 2 Vi skal nå beskrive en transhipmentmodell med to varesorter som skal leveres fra to fabrikker.
Maks oppfylte kundekrav og maks resultat. LOG530 Distribusjonsplanlegging 2 2 Vi fortsetter eksempel 10.1, men gjør trinnene i motsatt rekkefølge: max.
Lokalisering og betjening av greiner. LOG530 Distribusjonsplanlegging 2 2 Mista har fått i oppdrag å vedlikeholde veiene i landsdelen. De må derfor opprette.
Hypotesetesting, og kontinuerlige stokastiske variable
Modeller med ubalanse. LOG530 Distribusjonsplanlegging 2 2 Vi har nå fjernet muligheten for direkteleveranser fra fabrikk til kunder. Ellers har vi har.
UFLP modeller. LOG530 Distribusjonsplanlegging 2 2 Det skal opprettes p fasiliteter (lager) for å betjene en gitt mengde kunder. Kundenodene er også potensielle.
Lokalisering og max minimumavstand. LOG530 Distribusjonsplanlegging 2 2 Anta at nettverket angir en region hvor McBurger skal opprettes 3 konkurrerende.
Tildeling av lasterom. LOG530 Distribusjonsplanlegging 2 2 Et bulkskip skal lastes med tørrlast til Ghana. En ønsker å frakte totalt 4 ulike varetyper.
Korteste vei. LOG530 Distribusjonsplanlegging 2 2 Ofte står en overfor ønsket om å finne korteste kjørerute fra et gitt utgangspunkt til et ønsket bestemmelsessted.
Omlastingsmodeller. LOG530 Distribusjonsplanlegging 2 2 Vi har nå utvidet nettverket med produksjonsnoder. Distribusjonen går via lagrene, hvor varene.
LOG530 Distribusjonsplanlegging
LOG530 Distribusjonsplanlegging
Matematikk 1 årskurs 26. oktober 2009
INF 295 Algoritmer og datastrukturer Forelesning 23 Kompleksitet Hans Fr. Nordhaug/ Ola Bø.
Operasjonsanalytiske emner Heltallsvariabler og binærvariabler Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 6 Integer Linear Programming.
Operasjonsanalytiske emner Sekvensielle beslutninger Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 12 Dynamisk Programming.
Utskrift av presentasjonen:

Sikreste vei

LOG530 Distribusjonsplanlegging 2 2 Noen ganger står en overfor ønsket om å finne sikreste kjørerute fra et gitt startpunkt til et ønsket stoppested. Sikreste vei ,0012 0,0032 0,0029 0,0018 0, ,0025 0,0014 0,0003 0,0034 0,0027 0,0021 0,0033 0,0007 0,0017 0,0032 0,0011 0, I dette nettverket angir tallene langs greinene sannsynligheten for uhell, dvs. ulykkesfrekvensen langs veistrekningen. Vi skal nå finne sikreste kjørerute fra node 1 til node 9. Tallet 0,0021 mellom node 4 og 7 angir 2,1‰ ulykkesrisiko.

LOG530 Distribusjonsplanlegging 3 3 La X f,t angi om greinen fra node f til node t benyttes. La X f,t angi om greinen fra node f til node t benyttes. Om X f,t = 1 indikerer det at vi reiser (transporterer 1 enhet) fra node f til t. Om X f,t = 1 indikerer det at vi reiser (transporterer 1 enhet) fra node f til t. Vi skal altså transportere denne enheten fra startnoden, via forskjellige transittnoder, helt til vi kommer fram til endenoden. Vi skal altså transportere denne enheten fra startnoden, via forskjellige transittnoder, helt til vi kommer fram til endenoden. Vi forsøker å velge den kjøreruten som gjør at totalrisikoen for uhell blir så lav som mulig. Vi forsøker å velge den kjøreruten som gjør at totalrisikoen for uhell blir så lav som mulig. Det er imidlertid lettere matematisk å maksimere risikoen for ikke uhell – som jo blir det samme. Det er imidlertid lettere matematisk å maksimere risikoen for ikke uhell – som jo blir det samme. Sikreste vei

LOG530 Distribusjonsplanlegging 4 4 Beslutningsvariabler: Sikreste vei X ft Angir om greinen fra node f til node t benyttes (f,t)  {G}X ft  {0, 1} n Antall noder N Mengden noder N = {1, 2, …, n} G Mengden av greiner mellom nodene djdjdjdj Tilbud/Behov ved node j j  {N}; d j  {-1, 0, +1} p ft Sannsynlighet for uhell mellom node f og node t (f,t)  {G} Merk at mengden av greiner, G, inneholder start- og stopp - nodeangivelsen på alle greiner. Siden greinene er urettede må de angis i begge retninger, slik at for eksempel både (1,2) og (2,1) angir samme grein mellom node 1 og 2, men i forskjellig retning.

LOG530 Distribusjonsplanlegging 5 5 Målfunksjon: Sikreste vei Om vi kjører langs greinen fra node f til node t, så er variabelen X ft = 1. Da kan vi skrive sannsynligheten for ikke uhell som (1 – p ft ∙X ft ), som tilsvarer (1 – p ft ∙1). For greiner vi velge å ikke benytte er X ft = 0, og sannsynligheten for ikke uhell (1 – p ft ∙X ft ) blir (1 – p ft ∙0), dvs. 1. Simultansannsynligheten for ikke å ha uhell langs hele kjøreruten kan altså skrives som produktet av å ikke ha uhell langs alle greinene i nettverket: (1 − p 1,2 ∙X 1,2 )(1 – p 1,3 ∙X 1,3 )(1 − p 1,5 ∙X 1,5 )(1 – p 2,4 ∙X 2,4 )(1 – p 2,5 ∙X 2,5 ) ∙∙∙ (1 – p 8,9 ∙X 8,9 ) 13 ‑ 1 Maksimer simultansannsynligheten for ikke uhell langs alle benyttede greiner i nettverket.

LOG530 Distribusjonsplanlegging 6 6 Restriksjoner: Sikreste vei Siden ”behovet” = -1 i startnoden, må vi reise derfra. Siden ”behovet” = -1 i startnoden, må vi reise derfra. Hvis vi kommer til en transittnode, vil restriksjonen tvinge oss til å reise videre, siden ”behovet” = 0. Hvis vi kommer til en transittnode, vil restriksjonen tvinge oss til å reise videre, siden ”behovet” = 0. Når vi kommer til endenoden må vi forbli der, fordi ”behovet” = 1. Når vi kommer til endenoden må vi forbli der, fordi ”behovet” = ‑ 2 Sum transportert/ankommet til en node, minus sum transportert/avreist fra samme node, må tilsvare behovet i noden. Dette kravet gjelder alle noder.

LOG530 Distribusjonsplanlegging 7 7 Restriksjoner: Sikreste vei X 2,1 + X 3,1 + X 5,1 – X 1,2 – X 1,3 – X 1,5 = -1 Start-node 1 X 1,2 + X 4,2 + X 5,2 – X 2,1 – X 2,4 – X 2,5 = 0 Transitt-node 2 X 1,3 + X 5,3 + X 6,3 – X 3,1 – X 3,5 – X 3,6 = 0Transitt-node3 X 2,4 + X 5,4 + X 7,4 – X 4,2 – X 4,5 – X 4,7 = 0Transitt-node4 X 1,5 + X 2,5 + X 3,5 + X 4,5 + X 6,5 + X 7,5 + X 8,5 – X 5,1 – X 5,2 – X 5,3 – X 5,4 – X 5,6 – X 5,7 – X 5,8 = 0Transitt-node5 X 3,6 + X 5,6 + X 7,6 + X 8,6 – X 6,3 – X 6,5 – X 6,7 – X 6,8 = 0Transitt-node6 X 4,7 + X 5,7 + X 6,7 + X 8,7 + X 9,7 – X 7,4 – X 7,5 – X 7,6 – X 7,8 – X 7,9 = 0Transitt-node 7 X 5,8 + X 6,8 + X 7,8 + X 9,8 – X 8,5 – X 8,6 – X 8,7 – X 8,9 = 0Transitt-node8 X 7,9 + X 8,9 – X 9,7 – X 9,8 = 1Stopp-node9

LOG530 Distribusjonsplanlegging 8 8 Sikreste vei Merk: Ikke-lineær modell Merk: binærvariabler

LOG530 Distribusjonsplanlegging 9 9 Om modellen er ikke- lineær, vil det kunne forekomme flere lokale optimumsløsninger. Om modellen er ikke- lineær, vil det kunne forekomme flere lokale optimumsløsninger. For å forsøke å finne den globalt beste av de ulike lokale optimumsløsningene, må en velge «MultiStart» opsjonen under Global Optimization under Engine –fanen i Solver Task Pane. For å forsøke å finne den globalt beste av de ulike lokale optimumsløsningene, må en velge «MultiStart» opsjonen under Global Optimization under Engine –fanen i Solver Task Pane.

LOG530 Distribusjonsplanlegging 10 Når modellen inneholder beslutningsvariabler som må være heltall, må en sette Integer Tolerance = 0. Når modellen inneholder beslutningsvariabler som må være heltall, må en sette Integer Tolerance = 0. Ellers vil Solver kunne stoppe før beste heltallsløsning er funnet. Ellers vil Solver kunne stoppe før beste heltallsløsning er funnet.

LOG530 Distribusjonsplanlegging 11 Sikreste vei ,0012 0,0032 0,0029 0,0018 0, ,0025 0,0014 0,0003 0,0034 0,0027 0,0021 0,0033 0,0007 0,0017 0,0032 0,0011 0,