Harjoitus 5 ( )
|
|
- Mika Ahola
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Harjoitus 5 ( ) Tehtävä 1 Kuva 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan seuraavien rajoitusten avulla: x 1 0 x 2 0 x 1 9 x 1 + x 2 7 tai x 1 + x 2 1. (1) Ylläoleva tehtävä ei ole standardimuotoa olevan optimointitehtävän rajoitejoukko johtuen siitä että kahdesta viimeisestä rajoituksesta vain toisen tarvitsee olla voimassa (standardimuotoa olevassa ongelmassa vaaditaan että kaikki rajoitteet ovat aina voimassa). Rajoitteiden muuntamiseksi standardimuotoon otamme käyttöön muuttujan y {0, 1} ja korvaamme kaksi viimeistä rajoitetta ehdoilla x 1 + x My x 1 + x M(1 y). Perustelu on seuraava: Jos y = 0, niin ylläolevista yhtälöistä saamme x 1 + x 2 7 x 1 + x M. (2) Jos taas y = 1, niin saamme x 1 + x M (3) x 1 + x 2 1. Ylläolevasta havaitsemme, että kun y = 0 ja M > 0 on riittävän suuri, saamme rajoitteet joista vain ensimmäinen rajoittaa sallittua joukkoa (toinen toteutuu joka tapauksessa muiden rajoitteiden määrittämässä joukossa joten se vastaa tyhjää rajoitetta). 1
2 Toisaalta kun y = 1 ja M on riittävän suuri, saamme rajoitteet joista vain jälkimmäinen rajoittaa sallittua joukkoa (ensimmäinen toteutuu joka tapauksessa muiden rajoitteiden määrittämässä joukossa joten se vastaa tyhjää rajoitetta). Toisin sanoen, muunnetut rajoitteet määrittävät saman joukon kuin yhtälöt (1) kun M on riittävän suuri. Jos y = 0, niin piste (0, 7) S ja tällöin sijoittamalla piste (0, 7) yhtälöistä (2) jälkimmäiseen saamme x 1 + x M M M 8. Jos taas y = 1, niin piste (9, 8) S ja sijoittamalla piste (9, 8) yhtälöistä (3) ensimmäiseen saamme x 1 + x M M M 10. Jos nyt valitaan M:n arvoista suurempi eli M = 10, niin tehtävässä pyydetyt rajoitteet voidaan kirjoittaa muotoon x 1 + x y x 1 + x y x 1 9 x 1, x 2 0 y {0, 1}. Tehtävä 2 Valitaan seuraavat päätösmuuttujat: x i = toimittajalta i (i = 1, 2, 3) ostettavien tietokoneiden määrä 1, jos ostetaan toimittajalta i (eli x i > 0) y i = 0, jos ei osteta toimittajalta i (eli x i = 0). 2
3 Kirjoitetaan sitten annettujen tietojen perusteella kokonaislukuoptimointitehtävä min 2500x y x y x y 3 s. t. x 1 + x 2 + x 3 = 1100 x 1 500y 1 x 2 900y 2 x 3 400y 3 x i 0 x i N y i {0, 1}. Kohdefunktiossa päätösmuuttujien x i kertoimet vastaavat laitteiden kappalehintaa ja päätösmuuttujien y i kertoimet kiinteitä toimituskustannuksia. CPLEX antaa tehtävän ratkaisuksi x 1 = 0 x 2 = 700 x 3 = 400 y1 = 0 y2 = 1 y3 = 1 f(x ; y ) = Tehtävä 3 Tehtävä on job shop -tyyppiä. Luonteeltaan tehtävä on jatkuva, joten kohdefunktioksi voisi olla hyvä valita keskimääräinen käsittelyaika eli keskimääräinen valmistusaika. Valitaan päätösmuuttujat x jk = työn j aloitushetki koneella k 1, jos työ j tehdään ennen työtä l koneella k y jlk = 0, muuten. Valitsemme kohdefunktion siten että minimoimme töiden myöhäisintä keskimääräistä valmistumisaikaa (eli keskimääräistä aikaa jolloin työ tulee viimeiseltä koneelta ulos). 3
4 Seuraten luentomonisteen lukua 3.7 saamme optimointitehtävän min 1 3 (x x x ) s. t. x x 12, x x 13 x x 23, x x 22 x x 31, x x 33 x x 21 + M(1 y 121 ), x x 11 + My 121 x x 31 + M(1 y 131 ), x x 11 + My 131 x x 31 + M(1 y 231 ), x x 21 + My 231 x x 22 + M(1 y 122 ), x x 12 + My 122 x x 32 + M(1 y 132 ), x x 12 + My 132 x x 32 + M(1 y 232 ), x x 22 + My 232 x x 23 + M(1 y 123 ), x x 13 + My 123 x x 33 + M(1 y 133 ), x x 13 + My 133 x x 33 + M(1 y 233 ), x x 23 + My 233 x ij 0 y ijk {0, 1}. Kaikkien töiden yhteiskesto antaa M:lle alarajan, joten voimme valita M 3 3 p ik = 60. j=1 k=1 CPLEXillä saadaan tehtävän ratkaisun, jonka x-muuttujat ovat x 11 = 2, x 12 = 13, x 13 = 16 x 21 = 0, x 22 = 3, x 23 = 2 x 31 = 18, x 32 = 7, x 33 = 30, ja kohdefunktion arvoksi tulee f(x ) = 25. Tehtävä 4 Valitaan päätösmuuttujat 1, jos laatikko i pinoon j x ij = 0, muuten, missä i = 1,..., n ja j = 1,...,m. Pinon j korkeus on tällöin n h i x ij. i=1 4
5 Nyt voidaan kirjoittaa optimointitehtävä { n } min h i x ij s. t. max j=1,...,m i=1 m x ij = 1, i = 1,...,n (jokainen laatikko tasan yhteen pinoon) j=1 x ij {0, 1}, i, j. Optimointitehtävän linearisoitu muoto on min s. t. u n h i x ij u, j = 1,...,m i=1 m x ij = 1, j=1 x ij {0, 1} i, j. i = 1,..., n Tehtävä 5 A B 3 C D 5 Tarkastellaan peitto-ongelmaa, jossa museoon pitää sijoitella vartijoita. Olkoon ylin huone A, sen alapuolella vasemmalla huone B ja oikealla C sekä vasemmassa alakulmassa huone D. Numeroidaan oviaukot luvuilla 1, 2,..., 5 järjestyksessä vasemmalta oikealle ja ylhäältä alas. Valitaan sitten päätösmuuttujiksi 1, jos ovella i on vartija (i = 1, 2,..., 5) x i = 0, muuten, 5
6 jolloin voidaan kirjoittaa optimointitehtävä min x 1 + x 2 + x 3 + x 4 + x 5 s. t. x 1 + x 2 1 (huone A) x 1 + x 3 + x 4 1 (huone B) x 2 + x 3 + x 5 1 (huone C) x 4 + x 5 1 (huone D) x i {0, 1}. CPLEXillä tehtävän ratkaisuksi saadaan joko x 2 = x 4 = 1, x 1 = x 3 = x 5 = 0 tai x 1 = x 5 = 1, x 2 = x 3 = x 4 = 0. Kummassakin tapauksessa kohdefunktion arvo f(x ) = 2, joten tarvitaan kaksi vartijaa. 6
Harjoitus 5 ( )
Harjoitus 5 (14.4.2015) Tehtävä 1 Figure 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 10.4.2017 Tehtävä 1 x 2 7 0,7 9,8 6 5 4 x 1 x 2 7 x 1 x 2 1 3 2 x 1 0 4,3 x 1 9 1 0,0 x 2 0 9,0 1 2 3 4 5 6 7 8 9 x 1 Kuva 1: Tehtävän 1 sallittu joukko S Optimointitehtävän sallittu
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 2.2.217 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös muotoon
LisätiedotMalliratkaisut Demo 1
Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,
LisätiedotHarjoitus 3 (3.4.2014)
Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x
LisätiedotHarjoitus 1 (17.3.2015)
Harjoitus 1 (17.3.2015) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Helsinki 4 = Kuopio 5 = Joensuu. a) Tehtävänä on ratkaista Bellman
LisätiedotHarjoitus 3 (31.3.2015)
Harjoitus (..05) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i,j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
LisätiedotHarjoitus 1 (20.3.2014)
Harjoitus 1 (20.3.2014) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Hämeenlinna 4 = Imatra 5 = Jyväskylä. 5 2 149(5) 190(4) 113(1)
LisätiedotMalliratkaisut Demot 6,
Malliratkaisut Demot 6, 19.2.21 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös
Lisätiedotb 1. b m ) + ( 2b Ax) + (b b)
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-9 Optimointioppi Kimmo Berg 5 harjoitus - ratkaisut min Ax b (vertaa PNS-tehtävät) a x + + a n x n a) Ax b = a m x + + a mn x n = x a a m }{{}
LisätiedotKokonaislukuoptimointi
Kokonaislukuoptimointi Optimointitehtävät, joissa muuttujat tai osa niistä voivat saada vain kokonaislukuarvoja Puhdas kokonaislukuoptimointitehtävä: Kaikki muuttujat kokonaislukuja Sekoitettu kokonaislukuoptimointitehtävä:
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,
LisätiedotMalliratkaisut Demo 4
Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 11 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 4 3.4.017 Tehtävä 1 Tarkastellaan harjoituksen 1 nopeimman reitin ongelmaa ja etsitään sille lyhin virittävä puu käyttämällä kahta eri algoritmia. a) (Primin algoritmi) Lähtemällä
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 2.2.28 Tehtävä a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x + x 2 + x 3 x 3 x 2 3 x 3 3 x, x 2, x 3 Tämä on tehtävän kanoninen muoto, n = 3 ja m =. b) Otetaan
LisätiedotHarjoitus 2 ( )
Harjoitus 2 (27.3.214) Tehtävä 1 7 4 8 1 1 3 1 2 3 3 2 4 1 1 6 9 1 Kuva 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[] = v[p] d[p] l. max i p 1 {v[i] + a i (i, p) E} = v[l] +
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 3 7.3.07 Tehtävä Olkoon tilamuuttujat Tällöin saadaan rekursioyhtälö f n (x n ) = max yn {0,} ynwn xn f 0 ( ) = 0. x n = vaiheessa n jäljellä oleva paino, n =,...,N, esine n pakataan
Lisätiedotmin x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
LisätiedotTalousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 1 12.3.2018 Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 297 4 2 4 163 3 454 6 179 2 136 2 169 2 390 4 3 436 7 5 Kuva 1: Tehtävän 1
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
LisätiedotLineaarinen optimointitehtävä
Lineaarinen optimointitehtävä min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2. a m1 x 1 + a m2 x 2 + + a mn x n b m x 1, x 2,..., x n 0 1
LisätiedotLineaarisen kokonaislukuoptimointitehtävän ratkaiseminen
Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen Jos sallittuja kokonaislukuratkaisuja ei ole kovin paljon, ne voidaan käydä kaikki läpi yksitellen Käytännössä tämä ei kuitenkaan ole yleensä mahdollista
LisätiedotHarjoitus 2 ( )
Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa
LisätiedotHarjoitus 7: vastausvihjeet
Taloustieteen matemaattiset menetelmät 31C01100 Kevät 2017 Topi Hokkanen topi.hokkanen@aalto.fi Harjoitus 7: vastausvihjeet 1. (Epäyhtälörajoitteet) Olkoon f (x, y) = 6x + 4y ja g (x, y) = x 2 + y 2 2.
LisätiedotEsimerkkejä kokonaislukuoptimointiongelmista
Esimerkkejä kokonaislukuoptimointiongelmista (eli mitä kaikkea kokonaisluvuilla voi mallintaa) 27. marraskuuta 2013 Pääoman budjetointiongelma Kulut Projekti Vuosi 1 Vuosi 2 Vuosi 3 Tuotto 1 5 1 8 20 2
LisätiedotHarjoitus 6 ( )
Harjoitus 6 (21.4.2015) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s. t. g(x) 0 h(x) = 0 x X olevan optimointitehtävän Lagrangen duaali on missä max θ(u, v) s. t.
LisätiedotTalousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta
Talousmatematiikan perusteet: Luento 15 Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Viime luennolla Tarkastelimme usean muuttujan funktioiden rajoittamatonta optimointia:
LisätiedotTalousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta
Talousmatematiikan perusteet: Luento 14 Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta Viime luennolla Tarkastelimme usean muuttujan funktioiden
Lisätiedot1 Johdanto LP tehtävän luonteen tarkastelua Johdanto herkkyysanalyysiin Optimiarvon funktio ja marginaalihinta
Sisältö Johdanto 2 LP tehtävän luonteen tarkastelua 3 Johdanto herkkyysanalyysiin 5 2 Optimiarvon funktio ja marginaalihinta 5 3 Johdanto duaaliteoriaan 6 2 LP-tehtävän standardimuoto 9 Johdanto Optimoinnista
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa
LisätiedotKahden suoran leikkauspiste ja välinen kulma (suoraparvia)
Kahden suoran leikkauspiste ja välinen kulma (suoraparvia) Piste x 0, y 0 on suoralla, jos sen koordinaatit toteuttavat suoran yhtälön. Esimerkki Olkoon suora 2x + y + 8 = 0 y = 2x 8. Piste 5,2 ei ole
LisätiedotHarjoitus 4: Matlab - Optimization Toolbox
Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen
LisätiedotHarjoitus 8: Excel - Optimointi
Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen
LisätiedotKimppu-suodatus-menetelmä
Kimppu-suodatus-menetelmä 2. toukokuuta 2016 Kimppu-suodatus-menetelmä on kehitetty epäsileiden optimointitehtävien ratkaisemista varten. Menetelmässä approksimoidaan epäsileitä funktioita aligradienttikimpulla.
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 6 24.4.2017 Tehtävä 1 Määritelmän (ks. luentomonisteen s. 107) mukaan yleisen muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on min θ(u,v)
Lisätiedot1. Lineaarinen optimointi
0 1. Lineaarinen optimointi 1. Lineaarinen optimointi 1.1 Johdatteleva esimerkki Esimerkki 1.1.1 Giapetto s Woodcarving inc. valmistaa kahdenlaisia puuleluja: sotilaita ja junia. Sotilaan myyntihinta on
LisätiedotLuento 9: Yhtälörajoitukset optimoinnissa
Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon
LisätiedotLineaarinen optimointitehtävä
Lineaarinen optimointitehtävä Minimointitehtävä yhtälörajoittein: min kun n j=1 n j=1 c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m Merkitään: z = alkuperäisen objektifunktion arvo käsiteltävänä
LisätiedotDemo 1: Branch & Bound
MS-C05 Optimoinnin perusteet Malliratkaisut 7 Ehtamo Demo : Branch & Bound Ratkaise lineaarinen kokonaislukuoptimointitehtävä käyttämällä Branch & Boundalgoritmia. max x + x s.e. x + 4x 9 5x + x 9 x Z
LisätiedotBM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016
BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon
LisätiedotDemo 1: Simplex-menetelmä
MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x
Lisätiedot6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa
JYVÄSKYLÄN YLIOPISTO 6. Luennon sisältö Lineaarisen optimoinnin duaaliteoriaa työkalu ratkaisun analysointiin Jälki- ja herkkyysanalyysiä mitä tapahtuu optimiratkaisulle, jos tehtävän vakiot hieman muuttuvat
LisätiedotMalliratkaisut Demo 4
Malliratkaisut Demo 4 1. tehtävä a) () = 2+1. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että minimoinnin suhteen. Funktio on konveksi ja konkaavi. b) () = (suurin kokonaisluku
LisätiedotJYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö
JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän
LisätiedotTalousmatematiikan perusteet
kevät 2019 / orms.1030 Talousmatematiikan perusteet 7. harjoitus, viikko 7 1. Oheisessa taulukossa on erään tuotteen hintaindeksejä. Laske hinnan keskimääräinen kasvuvauhti vuosina 2000-2005 vuosi indeksi
LisätiedotPiiri K 1 K 2 K 3 K 4 R R
Lineaarinen optimointi vastaus, harj 1, Syksy 2016. 1. Teollisuuslaitos valmistaa piirejä R 1 ja R 2, joissa on neljää eri komponenttia seuraavat määrät: Piiri K 1 K 2 K 3 K 4 R 1 3 1 2 2 R 2 4 2 3 0 Päivittäistä
Lisätiedot2 Pistejoukko koordinaatistossa
Pistejoukko koordinaatistossa Ennakkotehtävät 1. a) Esimerkiksi: b) Pisteet sijaitsevat pystysuoralla suoralla, joka leikkaa x-akselin kohdassa x =. c) Yhtälö on x =. d) Sijoitetaan joitain ehdon toteuttavia
LisätiedotTEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS
1. Suorakaiteen muotoisen lämmönvaraajan korkeus on K, leveys L ja syvyys S yksikköä. Konvektiosta ja säteilystä johtuvat lämpöhäviöt ovat verrannollisia lämmönvaraajan lämpötilan T ja ympäristön lämpötilan
LisätiedotTilavuus puolestaan voidaan esittää funktiona V : (0, ) (0, ) R,
Vektorianalyysi Harjoitus 9, Ratkaisuehdotuksia Anssi Mirka Tehtävä 1. ([Martio, 3.4:1]) Millä suoralla sylinterillä, jonka tilavuus on V > on pienin vaipan ja pohjan yhteenlaskettu pinta-ala? Ratkaisu
LisätiedotMatematiikan tukikurssi, kurssikerta 3
Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen
LisätiedotOvatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi.
5..0 Tehtävä Ovatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi. (c) (d) Arvostelu Kanta on degeneroitunut jos ja vain jos sitä vastaava kantamatriisi on singulaarinen. Optimissa muuttujan
Lisätiedotf(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:
LisätiedotLuento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.
Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Konveksisuus Muista x + αd, α 0, on pisteestä x R n alkava puolisuora, joka on vektorin d suuntainen. Samoin
LisätiedotMatematiikan ja tilastotieteen laitos Matematiikka tutuksi Harjoitus 2, malliratkaisut
Matematiikan ja tilastotieteen laitos Matematiikka tutuksi Harjoitus, malliratkaisut 1.-5.9.009 1. Muodosta joukot A B, A B ja A\B sekä laske niiden alkioiden lukumäärät (mikäli kyseessä on äärellinen
LisätiedotJohdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen
Lisätiedot4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä
JYVÄSKYLÄN YLIOPISTO 4. Luennon sisältö Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä kevät 2012 TIEA382 Lineaarinen ja diskreetti optimointi Lineaarinen optimointitehtävä Minimointitehtävä
LisätiedotKKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 7. harjoitus - ratkaisut 1. Oletetaan aluksi, että epäyhtälöt eivät ole aktiivisia p i > 0. Tässä tapauksess KKTehdot
LisätiedotMatematiikan tukikurssi, kurssikerta 2
Matematiikan tukikurssi kurssikerta 1 Relaatioista Oletetaan kaksi alkiota a ja b. Näistä kumpikin kuuluu johonkin tiettyyn joukkoon mahdollisesti ne kuuluvat eri joukkoihin; merkitään a A ja b B. Voidaan
LisätiedotHaitallinen valikoituminen: yleinen malli ja sen ratkaisu
Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Mat-2.4142 Optimointiopin seminaari Matias Leppisaari 29.1.2008 Esityksen rakenne Yleinen malli Käypyys ja rajoitusehdot Mallin ratkaisu Kotitehtävä
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
LisätiedotMalliratkaisut Demot 5,
Malliratkaisut Demot 5, 2.2.25 Tehtävä : a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x +x 2 x 3 x 3 x 2 3 x 3 3 x,x 2,x 3 Tämä on tehtävän kanoninen muoto,n = 3 jam =. b) Otetaan käyttöön
LisätiedotMS-C2105 Optimoinnin perusteet Malliratkaisut 4
MS-C2105 Optimoinnin perusteet Malliratkaisut 4 Ehtamo Duaalin muodostamisen muistisäännöt Duaalin muodostamisessa voidaan käyttää muistisääntötaulukkoa, jota voidaan lukea vasemmalta oikealle tai oikealta
Lisätiedotw + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.
Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)
LisätiedotLineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!
Lineaarinen optimointi Harjoitus 6-7, 016. 1. Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän c T x = min! (T) Ax b x 0 duaalitehtävän duaali on tehtävä (T). Ratkaisu. (P) c T x = min! Ax b x
LisätiedotMatematiikan tukikurssi, kurssikerta 1
Matematiikan tukikurssi, kurssikerta 1 1 Joukko-oppia Matematiikassa joukko on mikä tahansa kokoelma objekteja. Esimerkiksi joukkoa A, jonka jäseniä ovat numerot 1, 2 ja 5 merkitään A = {1, 2, 5}. Joukon
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x
Lisätiedot1 Rajoitettu optimointi I
Taloustieteen mat.menetelmät 2017 materiaali II-1 1 Rajoitettu optimointi I 1.1 Tarvittavaa osaamista Matriisit ja vektorit, matriisien de niittisyys Derivointi (mm. ketjusääntö, Taylorin kehitelmä) Implisiittifunktiolause
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 1 Määrittelyjoukoista Tarkastellaan funktiota, jonka määrittelevä yhtälö on f(x) = x. Jos funktion lähtöjoukoksi määrittelee vaikkapa suljetun välin [0, 1], on funktio
LisätiedotLineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen
LisätiedotLuento 7: Kokonaislukuoptimointi
Luento 7: Kokonaislukuoptimointi Lineaarisessa optimointitehtävässä (LP) kaikki muuttujat ovat jatkuvia. Kokonaislukuoptimoinnin (ILP = Integer LP) tehtävässä kaikilla muuttujilla on kokonaislukurajoitus
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
LisätiedotLuento 3: Simplex-menetelmä
Luento 3: Simplex-menetelmä Kuten graafinen tarkastelu osoittaa, LP-tehtävän ratkaisu on aina käyvän alueen kulmapisteessä, eli ekstreemipisteessä (extreme point). Simplex-menetelmässä ekstreemipisteitä,
LisätiedotJATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.
JATKUVAT FUNKTIOT JATKUVUUS Jatkuva funktio Epäjatkuva funktio Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista., suomennos Matti Pauna JATKUVUUS Jatkuva funktio Epäjatkuva
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
Lisätiedot2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio
x = x 2 = 5/2 x 3 = 2 eli Ratkaisu on siis x = (x x 2 x 3 ) = ( 5/2 2) (Tarkista sijoittamalla!) 5/2 2 Tämä piste on alkuperäisten tasojen ainoa leikkauspiste Se on myös piste/vektori jonka matriisi A
LisätiedotMatematiikan tukikurssi: kurssikerta 12
Matematiikan tukikurssi: kurssikerta 2 Tenttiin valmentavia harjoituksia Huomio. Tähän tulee lisää ratkaisuja sitä mukaan kun ehin niitä kirjoittaa. Kurssilla käyään läpi tehtävistä niin monta kuin mahollista.
LisätiedotMat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut
Projektien valintapäätöksiä voidaan pyrkiä tekemään esimerkiksi hyöty-kustannus-suhteen (so. tuottojen nykyarvo per kustannusten nykyarvo) tai nettonykyarvon (so. tuottojen nykyarvo - kustannusten nykyarvo)
Lisätiedot, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen
Lisätiedot4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen
4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen Käypä kantaratkaisu löytyy helposti, esimerkiksi tapauksessa Ax b, b 0 x 0 jolloin sen määräävät puutemuuttujat. Tällöin simplex-menetelmän alustus
LisätiedotLuento 4: Lineaarisen tehtävän duaali
Luento 4: Lineaarisen tehtävän duaali Käsittelemme seuraavaksi lineaarisen optimoinnin duaaliteoriaa. Kuten luennossa 2 esitettiin, kohdefunktion optimiarvon herkkyys z, kun rajoitusyhtälön i, 1 i m, oikea
LisätiedotMatematiikan peruskurssi (MATY020) Harjoitus 10 to
Matematiikan peruskurssi (MATY00) Harjoitus 10 to 6.3.009 1. Määrää funktion f(x, y) = x 3 y (x + 1) kaikki ensimmäisen ja toisen kertaluvun osittaisderivaatat. Ratkaisu. Koska f(x, y) = x 3 y x x 1, niin
LisätiedotMATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA
1 YLIOPPILASTUTKINTO- LAUTAKUNTA 26.3.2018 MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ A-osa Ratkaise kaikki tämän osan tehtävät 1 4. Tehtävät arvostellaan pistein 0 6. Kunkin tehtävän ratkaisu kirjoitetaan tehtävän
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 Korkeamman asteen derivaatat Tutkitaan nyt funktiota f, jonka kaikki derivaatat on olemassa. Kuten tunnettua, funktion toista derivaattaa pisteessä x merkitään f (x).
LisätiedotTalousmatematiikan perusteet
kevät 19 / orms.30 Talousmatematiikan perusteet 8. harjoitus, viikko 11 (11.03..03.19) L Ma 12 A2 R0 Ti 14 16 F43 R01 Ma 12 14 F43 L To 08 A2 R02 Ma 16 18 F43 R06 To 12 14 F140 R03 Ti 08 F42 R07 Pe 08
LisätiedotOminaisarvot ja ominaisvektorit 140 / 170
Ominaisarvot ja ominaisvektorit 140 / 170 Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko
LisätiedotKenguru 2006 sivu 1 Cadet-ratkaisut
Kenguru 2006 sivu 1 3 pistettä 1. Kenguru astuu sisään sokkeloon. Se saa käydä vain kolmion muotoisissa huoneissa. Mistä se pääsee ulos? A) a B) b C) c D) d E) e 2. Kengurukilpailu on pidetty Euroopassa
LisätiedotMatemaattisen analyysin tukikurssi
Matemaattisen analyysin tukikurssi 4. Kurssikerta Petrus Mikkola 4.10.2016 Tämän kerran asiat Funktion raja-arvo Raja-arvon määritelmä Toispuolinen raja-arvo Laskutekniikoita Rationaalifunktion esityksen
Lisätiedot1 Komparatiivinen statiikka ja implisiittifunktiolause
Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla
Lisätiedoty + 4y = 0 (1) λ = 0
Matematiikan ja tilastotieteen osasto/hy Differentiaaliyhtälöt I Laskuharjoitus 6 mallit Kevät 2019 Tehtävä 1. Ratkaise yhtälöt a) y + 4y = x 2, b) y + 4y = 3e x. Ratkaisu: a) Differentiaaliyhtälön yleinen
LisätiedotLuvun 12 laskuesimerkit
Luvun 12 laskuesimerkit Esimerkki 12.1 Mikä on huoneen sisältämän ilman paino, kun sen lattian mitat ovat 4.0m 5.0 m ja korkeus 3.0 m? Minkälaisen voiman ilma kohdistaa lattiaan? Oletetaan, että ilmanpaine
Lisätiedot= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120
Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla
LisätiedotOptimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0
Optimaalisuusehdot Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0 i = 1,..., m j = 1,..., l missä f : R n R, g i : R n R kaikilla i = 1,..., m, ja h j : R n R kaikilla j = 1,..., l
Lisätiedot