Malliratkaisut Demot 6,

Samankaltaiset tiedostot
Malliratkaisut Demot

Malliratkaisut Demot

Malliratkaisut Demot

Malliratkaisut Demo 4

Malliratkaisut Demot

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

Mat Lineaarinen ohjelmointi

Malliratkaisut Demot

Malliratkaisut Demot 5,

Demo 1: Simplex-menetelmä

Jälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun

Malliratkaisut Demot

Malliratkaisut Demo 1

Harjoitus 5 ( )

Lineaarinen optimointitehtävä

Harjoitus 6 ( )

Harjoitus 5 ( )

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

Malliratkaisut Demot

Malliratkaisut Demo 4

4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen

Harjoitus 3 ( )

Luento 4: Lineaarisen tehtävän duaali

Mat Lineaarinen ohjelmointi

Harjoitus 1 ( )

Luento 9: Yhtälörajoitukset optimoinnissa

Harjoitus 6 ( )

Malliratkaisut Demot

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa

Talousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Mat Lineaarinen ohjelmointi

Kokonaislukuoptiomointi Leikkaustasomenetelmät

Talousmatematiikan perusteet: Luento 14. Rajoitettu optimointi Lagrangen menetelmä: yksi yhtälörajoitus Lagrangen menetelmä: monta yhtälörajoitusta

Harjoitus 3 ( )

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

Ovatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi.

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Malliratkaisut Demot

MS-C2105 Optimoinnin perusteet Malliratkaisut 4

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

3 Simplex-menetelmä. c T x = min! Ax = b (x R n ) (3.1) x 0. Tarvittaessa sarakkeiden järjestystä voidaan vaihtaa, joten voidaan oletetaan, että

Kuljetustehtävä. Materiaalia kuljetetaan m:stä lähtöpaikasta n:ään tarvepaikkaan. Kuljetuskustannukset lähtöpaikasta i tarvepaikkaan j ovat c ij

Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen

b 1. b m ) + ( 2b Ax) + (b b)

Mat Lineaarinen ohjelmointi

Lineaarinen optimointitehtävä

Piiri K 1 K 2 K 3 K 4 R R

Harjoitus 1 ( )

1 Johdanto LP tehtävän luonteen tarkastelua Johdanto herkkyysanalyysiin Optimiarvon funktio ja marginaalihinta

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Luento 3: Simplex-menetelmä

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Optimaalisuusehdot. Yleinen minimointitehtävä (NLP): min f(x) kun g i (x) 0 h j (x) = 0

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

min 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

KKT: log p i v 1 + v 2 x i = 0, i = 1,...,n.

Kimppu-suodatus-menetelmä

Markov-kustannusmallit ja kulkuajat

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A

Johdatus verkkoteoriaan luento Netspace

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A =

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e)

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely)

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

5 OMINAISARVOT JA OMINAISVEKTORIT

ax + y + 2z = 0 2x + y + az = b 2. Kuvassa alla on esitetty nesteen virtaus eräässä putkistossa.

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

2.5. Matriisin avaruudet ja tunnusluvut

1. Lineaarinen optimointi

Luento 2: Optimointitehtävän graafinen ratkaiseminen. LP-malli.

Demo 1: Branch & Bound

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Ominaisarvo ja ominaisvektori

Ominaisarvo ja ominaisvektori

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

Simplex-algoritmi. T Informaatiotekniikan seminaari , Susanna Moisala

Vektoreiden virittämä aliavaruus

Osakesalkun optimointi

Lineaarikuvauksen R n R m matriisi

TIEA382 Lineaarinen ja diskreetti optimointi

Harjoitus 7: vastausvihjeet

Lineaarialgebra ja matriisilaskenta I

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

8. Ensimmäisen käyvän kantaratkaisun haku

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Kokonaislukuoptimointi

Suorista ja tasoista LaMa 1 syksyllä 2009

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Operatioanalyysi 2011, Harjoitus 3, viikko 39

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100

Determinantti 1 / 30

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

Harjoitus 2 ( )

Transkriptio:

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 muotoon max 3x 1 + 4x 2, skaalaamalla kilojoulet megajouleiksi. Lisäksi tehtävä kirjoitetaan standardimuotoon: max 3x 1 + 4x 2 s. t. 7x 1 + 3x 2 + x 3 = 24 x 1 + 4x 2 + x 4 = 17 x 2 + x = 3 x 1, x 2, x 3, x 4, jotta se voidaan ratkaista parannetulla Simplex-algoritmilla (.19). 1

x 1 x 2 x 3 x 4 x huom. max c 3 4 b 7 3 1 24 A 4 1 17 1 1 3 t = N N 1 2 3 muuttujien järj. kannassa x 24 17 3 c T x = 1 B 1 = 1 v T = (,, ) T (*) 1 c j 3 4 c j = c j v T a j x : x 2 1 3 4 1 24 17 3 ( 3) ( 4) ( 1) λ = 3 t = 1 N 3 1 2 N x 1 3 1 c T x 1 = 12 1 3 B 1 = 1 4 v T = (,, 4) T (**) 1 c j 3-4 c j = c j v T a j (***) x : x 1 1 7 1 ( 7) ( ) λ = 1 t = 2 2 3 1 N N x 2 1 3 8 c T x 1 = 1 1 7 13 B 1 1 4 = v T = (, 3, 8 )T (****) c j 3 8 STOP Taulukossa kohdassa (*) on laskettu 1 1 B = 1, B 1 = 1, v T = (c B ) T B 1 = T B 1 = (,, ). 1 1 Kohdassa (**) taas on laskettu 1 x π(1) x π(3) E = 1 x 1 3 π(2) x π(3) = 1 1 4 1, 1 1 x 1 π(3) 2

missä x π(3) = x on kannasta poistuva vektori. Lisäksi lasketaan 1 3 1 1 3 B 1 = EB 1 old = 1 4 1 = 1 4 1 1 1 1 3 v T = (c B ) T B 1 = (,, 4) 1 4 = (,, 4). 1 ja Redusoidut kustannukset (***) ovat 7 c 1 = c 1 v T a 1 = 4,, 4) = 3 c = c v T a =,, 4) = 4. 1 Edelleen kohdassa (****) on laskettu 1 7 B 1 = EB 1 old = 1 3 1 7 13 1 1 4 1 4 =. 1 1 ( v T = (c B ) T B 1 = (, 3, 4)B 1 =, 3, 8 ). ja Tällöin redusoidut kustannukset ovat c 4 = c 4 v T a 4 = c = c v T a = joten algoritmi pysähtyy. Standardimuotoisen primääritehtävän duaali on (, 3, 8 ) 1 = 3 (, 3, 8 ) = 8, 1 min 24v 1 + 17v 2 + 3v 3 s. t. 7v 1 + v 2 3 3v 1 + 4v 2 + v 3 4 Huomaa, että yhtäsuuruusrajoitteiden vuoksi duaalimuuttujat ovat rajoittamattomia. Kanonisen muodon duaali olisi muotoa: min 24v 1 + 17v 2 + 3v 3 s. t. 7v 1 + v 2 3 3v 1 + 4v 2 + v 3 4 v i, i = 1, 2, 3. 3

Jos (ja kun) parannettu Simplex-algoritmi tuottaa optimiratkaisun, niin viimeksi saatu pricing-vektori on duaalitehtävän ratkaisu. Tämän tehtävän tapauksessa 3 v =, jolloin duaali saa arvon 1 megajoulea eli 1kJ. Vahvan duaalisuuslauseen mukaan näin tulee ollakin. Tehtävä 2 Tavoitteena on muodostaa tehtävän max 2x 1 + x 2 duaali. Muodostetaan duaali seuraavasti: a) Luentomonisteen taulukon säännöillä: 8 s. t. x 1 : v 1 x 2 2 : v 2 x 1 +,2x 2 72 : v 3 1x 1 + 2x 2 1 : v 4 1x 1 + x 2 : v x 1 min v 1 + 2v 2 + 72v 3 + 1 v 4 + v s. t. v 1 + v 3 + 1v 4 + 1v 2 (x 1 ) v 2 +,2v 3 + 2v 4 + v = (x 2 R) v 1, v 2, v 3, v 4, v (rajoitteista) b) Luentomonisteessa annetun määritelmän perusteella. Koska x 2 ei ole rajoitettu ja voi olla negatiivinen, niin merkitään ensin x 2 = x + 2 x 2, jolloin tehtävä voidaan kirjoittaa muotoon Määritelmän mukaan duaali on nyt max 2x 1 + x + 2 x 2 s. t. x 1 x + 2 x 2 2 x 1 +,2x + 2,2x 2 72 1x 1 + 2x + 2 2x 2 1 1x 1 x + 2 + x 2 x 1, x + 2, x 2. min v 1 + 2v 2 + 72v 3 + 1 v 4 v s. t. v 1 + v 3 + 1v 4 1v 2 v 2 +,2v 3 + 2v 4 v v 2,2v 3 2v 4 + v v 1, v 2, v 3, v 4, v. 4

Sijoitetaan lopuksi muuttujan v paikalle v ja yhdistetään kaksi viimeistä rajoitetta, jolloin saadaan eli sama kuin a-kohdassa. min v 1 + 2v 2 + 72v 3 + 1 v 4 + v s. t. v 1 + v 3 + 1v 4 + 1v 2 v 2 +,2v 3 + 2v 4 + v = v 1, v 2, v 3, v 4, v. Tehtävä 3 Standardimuotoon kirjoitettuna tehtävä 2 on max 2x 1 + x 2 s. t. x 1 + x 3 = x 2 + x 4 = 2 x 1 +,2x 2 + x = 72 1x 1 + 2x 2 + x 6 = 1 1x 1 + x 2 x 7 = x 1, x 3, x 4, x, x 6, x 7. Ratkaistaan tehtävä CPLEXillä (tuloste liitteenä) ja saadaan ratkaisu x 1 = 38 ja x 2 = 17, jolloin kohdefunktio saa arvon 188. CPLEXin antama duaalitehtävän ratkaisu on v 1 = v 2 = v 3 = 3 v 4 = v =. Duaalitehtävän vektorin v voi ratkaista käsin ehdosta v T B = (c B ) T. Tässä c B tarkoittaa vektorin c kannassa olevia indeksejä. Kantamuuttujat saadaan esim. CPLEXin ratkaisusta, jonka mukaan sallittu kantaratkaisu on {x 1, x 2, x 3, x 4, x 6 }. Standardimuotoisen tehtävän apumuuttujat ovat kannassa, mikäli niitä vastaavat epäyhtälörajoitukset ovat ali- tai ylijäämäisiä, eli mitkä eivät ole aktiivisia. Poimitaan matriisiin B ne pystyrivit, jotka vastaavat kannassa olevia muuttujia. Nyt siis 1 1 1 1 B = 1,2 1 2 1 1 1 ja (c B ) T = (2,,,, ).

Yhtälöryhmästä v T B = (c B ) T saadaan v 1 + v 3 + 1v 4 + 1v = 2 v 2 +,2v 3 + 2v 4 + v = v 1 = v 2 = v 4 = v 3 + 1v = 2 v 3 = 2 1v,2(2 1v ) + v = v = v =, joten duaalitehtävän ratkaisu on v 1 = v 2 = v 3 = 3 v 4 = v =. Ratkaisu on sama kuin CPLEXillä saatu. Päätellään sitten duaalitehtävän ratkaisun avulla kohdefunktion arvon muuttuminen. a) Kasvatetaan vakiota arvoon 6, joka on viidennen epäyhtälörajoitteen vakio. Tätä rajoitetta vastaa duaalimuuttuja v, joka saa arvon v =. Sallitut rajat, joiden puitteissa voidaan liikkua ovat [2, 6] (CPLEX). Kohdefunktio vähenee (6 ) = verran arvosta 18 8 arvoon 18 8 + ( ) }{{} 1 = 18 8. muutos b) Kasvatetaan vakiota arvoon (1. rajoite). Tätä rajoitetta vastaa duaalimuuttuja v 1, joka saa arvon v 1 =. Sallitut rajat ovat nyt [38, ) (CPLEX). Kohdefunktion arvo ei muutu, sillä 18 8 + = 18 8. Tähän tehtävään liittyy lisäksi CPLEXistä otettu tuloste. 6

Tehtävä 4 Laaditaan tehtävässä annetuista tiedoista seuraava taulukko: työaika rubiineja safiireja hinta vähintään x 1 perusmalli 1 2 3 4 2 x 2 Luxus-malli 2 3 2 2 käytettävissä 7 1 12 Lisäksi on mahdollista hankkia ylimääräisiä rubiineja hintaan 1 euroa kappale. Olkoon x 3 ylimääräisten rubiinien määrä. Muodostetaan tietojen perusteella optimointitehtävä max 4x 1 + x 2 1x 3 s. t. 2x 1 + 3x 2 x 3 1 (rubiinit) : v 1 3x 1 + 2x 2 12 (safiirit) : v 2 x 1 + 2x 2 7 (työtunnit) : v 3 x 1 2 (perusmallisia vähintään) : v 4 x 2 2 (Luxus-mallisia vähintään) : v x 1, x 2, x 3. Ratkaisemalla tehtävä CPLEXillä ratkaisuksi tulee x 1 = 2, x 2 = 2, x 3 = 1, f = 19,. Duaalitehtävä on muotoa (tätä ei tehtävän annossa pyydetty) min 1v 1 + 12v 2 + 7v 3 + 2v 4 + 2v s. t. 2v 1 + 3v 2 + v 3 + v 4 4 3v 1 + 2v 2 + 2v 3 + v v 1 1 v 1 1 v 1, v 2, v 3, v 4, v. Tähän tehtävään liittyy lisäksi CPLEXistä otettu tuloste. Tehtävä Tähän tehtävään liittyy lisäksi edellisen tehtävän CPLEXistä otettu tuloste. a) Jos rubiinit maksaisivatkin 19 euroa kappale, niin kustannusfunktio muuttuisi muotoon max 4x 1 + x 2 19x 31. Koska 19 [ 2, ], niin lisärubiineja kannattaa ostaa tällöinkin ostaa. Ratkaisu pysyy samana, mutta kohdefunktion arvo pienenee 19 eurosta: 19 9 1 = 17 6. Tässä siis c 3 x 3 = 9 1 = 13. b) Yhdestä lisätyötunnista kannattaa maksaa enintään 2 euroa, sillä v 3 = 2. 7

c) Oletetaan, että Luxus-mallisia sormuksia pitäisikin valmistaa vähintään 21 kpl. Tätä vastaava duaalimuuttuja on v = 2 ja 21 / [22., 2]. Saatava voitto olisi enintään (2 21) 2 = 4 2 = 8 euroa ja vähintään (2 22,) 2 = 2, 2 = euroa. min max kk 2 21 22. 2 Figure 1: Tehtävän kuva d) Safiiriehtoa vastaava duaalimuuttuja v 2 =, joten ratkaisu ei muutu välillä [11, ). Koska (121 12) =, niin lisäsafiireista ei kannata maksaa mitään. e) Oletetaan, että uusi sormusmalli x 4 vaatii 4 rubiinia, 2 safiiria ja 1 työtunnin. Uutta muuttujaa vastaava duaalirajoitus on muotoa 4v 1 + 2v 2 + v 3 c, missä duaalimuuttuja v 1 vastaa rubiineja, v 2 safiireja ja v 3 työtunteja. Sijoitetaan tähän optimiratkaisun arvot 4 1 + 2 + 2 c 6 c. Nähdään, että uuden mallin valmistus ei kannata, kun myyntihinta c 6. Valmistus ehkä kannattaa, kun c > 6. Nyt x 4 tulee ratkaisuun, mutta se saa kyseessä olevassa degeneroituneessa kärjessä arvon, koska x 1 2 ja x 2 2 ovat jo kuluttaneet kaikki 7 aikaresurssia. 8