menetelmän laskennalliset tekniikat Epäkäyvän kantaratkaisun parantaminen

Samankaltaiset tiedostot
Simplex-menetelm. S ysteemianalyysin. 11. luento: Duaali-simplex. 1. vaiheen duaali-simplex. Hinnoittelu. Pivot-rivin laskeminen. Degeneroituneisuus

SMG-1100: PIIRIANALYYSI I

3 Tilayhtälöiden numeerinen integrointi

Painotetun metriikan ja NBI menetelmä

Mat Lineaarinen ohjelmointi

menetelmän laskennalliset tekniikat

Luento 6 Luotettavuus Koherentit järjestelmät

MO-teoria ja symmetria

Yrityksen teoria ja sopimukset

1. välikoe

3.5 Generoivat funktiot ja momentit

Tchebycheff-menetelmä ja STEM

6. Stokastiset prosessit (2)

ABTEKNILLINEN KORKEAKOULU

Johdatus tekoälyn taustalla olevaan matematiikkaan

T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Epätäydelliset sopimukset

4. A priori menetelmät

Mat Lineaarinen ohjelmointi

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

Mat Lineaarinen ohjelmointi

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

Kokonaislukuoptimointi

Aamukatsaus

Kanoniset muunnokset

Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

Kokonaislukuoptimointi

Lähdemateriaalina käytetty Pertti Louneston kirjaa Clifford Algebras and spinors [1]

Omakotitalon energiaratkaisu Pieni askel omavaraisuuteen.

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

2 Konveksisuus ja ratkaisun olemassaolo

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Yrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

3. Datan käsittely lyhyt katsaus

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Piiri K 1 K 2 K 3 K 4 R R

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

Telecommunication engineering I A Exercise 3

Tchebycheff-menetelmä ja STEM

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.


Konjugaattigradienttimenetelmä

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

ler-modern isaatio * d *r n ax* *neäemw & rffi rffi # Sch ind Schindler {4ssxisä tu\*vmisu a**r3 \mj**nt rei

Koodausteoria, Kesä 2014

Monte Carlo -menetelmä

Taustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Mat Tilastollisen analyysin perusteet, kevät 2007

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Matematiikan ja tilastotieteen laitos Johdatus diskreettiin matematiikkaan (Syksy 2008) 4. harjoitus Ratkaisuja (Jussi Martin)

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt


4. Derivointi useammassa ulottuvuudessa

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

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

':(l,i l) 'iac: (å ;) (x 2v + z- o. I o, * 4z:20. 12, +8y 3z: l0. Thlousmatematiikan perusteet, onus ro 0 opettaja: Matti Laaksonen.

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!

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

= + + = 4. Derivointi useammassa ulottuvuudessa

Pro gradu -tutkielma. Whitneyn upotuslause. Teemu Saksala

Tasapainojen määrittäminen tasapainovakiomenetelmällä

tehtävän n yleinen muoto

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

802655S KETJUMURTOLUVUT OSA II CONTINUED FRACTIONS PART II

Raja-arvot. Osittaisderivaatat.

Kertausosa. 5. Merkitään sädettä kirjaimella r. Kaaren pituus on tällöin r a) sin = 0, , c) tan = 0,

Sähköstaattinen energia

TRY TERÄSNORMIKORTTI N:o 11/2000 [korvaa Teräsnormikortin N:o 5/1997] Kävelystä aiheutuvat välipohjien värähtelyt

Jaksolliset ja toistuvat suoritukset

Luento 6 Luotettavuus ja vikaantumisprosessit

Käytetään säteille kompleksiesitystä. Tuleva säde on Ee 0 iw t ja peräkkäisiä heijastuneita säteitä kuvaaviksi esityksiksi saadaan kuvasta: 3 ( 2 )

Inversio-ongelmien laskennallinen peruskurssi Luento 7 8

SOVELLUSOHJELMAT HARJOITUSTYÖ

Harjoituksen pituus: 90min 3.10 klo 10 12

Työssä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Suoran sovittaminen pistejoukkoon

Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.

BL20A0600 Sähkönsiirtotekniikka

Ratkaisuehdotukset LH 8 / vko 47

Kokonaislukuoptiomointi Leikkaustasomenetelmät

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

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

Yleistä. Teräsrakenteiden liitokset. Liitos ja kiinnitys

- lzcht Frwaria ;:h'5ensuuntaisprc j sktioita

Jäykän kappaleen liike

FYSA220/2 (FYS222/2) VALON POLARISAATIO

Transkriptio:

Smpex-menetemän menetemän askennaset teknkat 8. ento: Prmaa-smpex S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / Epäkäyvän kantaratkasn parantamnen. vaheen yenen smpex-menetemä Kannassa pysyvä mtta vo mtta epäkäyväks Kantaan teva mtta vo oa epäkäypä Laskennasa näkökma Mkatva yhdstetty hnnotte. vaheen smpexssä S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 /

Merkntöen kertasta Kakken mtten ndeksokko N = {, K, n } Kantamtten ndeksokko B = { k, K, km : k N } E-kantamtten ndeksokko R = { : N, B } Indeksokko yäraaa oeve mtte, otka evät oe kannassa U = k k R, x k = { } : k S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 3 Indeksokkoa kantamtte Kantamtten ndeksokko I = I I I I I 3 = k = { : type( x ) } {, K m} I =, Indeksokko epäkäyve kantamtte: M P = Indeksokko käyve kantamtte: P F = I \ M S ysteemanayysn Laboratoro Teknnen korkeako { : xk <, I I I } { : x >, I I } = k k ( ) Matemaattsten agortmen ohemont Kevät 8 / 4

Smpex-menetemän. vahe. vahe: käyvän kantaratkasn etsntä. vahe: optmaasen käyvän kantaratkasn etsntä Yestetty. vaheen agortm FEWPHI CF-:e Kanta B on epäkäypä, os M P Merktään kantaratkasa β:a: β = xb = B b kak = B bu k U Epäkäypyyden mtta: w = β ( β υ ) M S ysteemanayysn Laboratoro Teknnen korkeako P Matemaattsten agortmen ohemont Kevät 8 / 5. vaheen optmonttehtävä Maksmodaan negatvnen epäkäypyys: max w s.e. Ax = b x Kohdefnkton määrtemä vo mtta oka teraatoa! S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 6 3

Kannan käypyyden mttmnen Perntesten menetemen oetkset: Kantaan teva mtta on käypä Kannassa oevat käyvät mttat pysyvät käypnä Kannasta postva mtta pysyy käypänä Srretään mttaa x, oka e oe kannassa E-negatvnen srtymä t käypään sntaan Kantamtten arvot mttvat t:n fnktona Bx β B () t + ta = bu xb ( t) () t = β tα = B b U tb a S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 7. vaheen redsodt kstannkset Ttktaan kohdefnkton mtosta w: w = M [ β () t β ( ) ] {[ β ( t) υ ] [ β ( ) υ ]} P ( ) ( ) = tα tα = t α α M P M P Lemma: Okoon annettna M P a R a x =. w:n arvo paranee kasvattamaa x :n arvoa os d = α α < M P S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 8 4

. vaheen parantavat srtymät x :n tyypp x :n arvo d Parantava srtymä t Hom. Mkä tahansa E te kantaan < + > - U < + 3 + / - S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 9 S ysteemanayysn Laboratoro Teknnen korkeako Kantaan tevan mttan vanta Määrteään vektor h R m :, os M h =, os P, mten Redsodt kstannkset: d = h T α = h T B a T = φ a mssä φ on. vaheen smpex-kerron Kantaan teva mtta vodaan vata aemmn kästeyä hnnottemenetemä Matemaattsten agortmen ohemont Kevät 8 / 5

Epäkäypyyden mtta t:n fnktona Määrteään operaattort - a + K, = K, os K os K < K + K, =, os K > os K Epäkäypyyden mtta yo. operaattoren ava S ysteemanayysn Laboratoro Teknnen korkeako ( ) = [ β ( t) ] [ β ( t) υ ] w t = I [ β tα ] [ β tα υ ] I I I I = I I I, I = I I + + Matemaattsten agortmen ohemont Kevät 8 / Kannasta postvan mttan vanta Todetaan: w(t) on atkva paottan neaarnen konkaav fnkto w(t):ä tatepsteet t:n arvoa, ossa vähntään yhden kantamttan käypyys mtt Kantamttan käypyys mtt, kn β ( t) = β tα saavttaa aa- ta yäraansa w(t):n maksmkohdasta määräytyy kannasta postva mtta Srn mahdonen srtymä koht käypää kantaratkasa S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 6

Aaraaa: Yäraaa: Kantamtten tatepsteet β α > τ = I = I I I ( β υ ) τ = I = I I α > osα a I os β =, α > a I osα a I os β =, α < a I S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 3 Kantamtten vakts t:n fnktona Kantamttan käypyyden mttmnen t:n fnktona rpp mttan tyypstä akarvosta β α :n merkstä β t :n vakts w(t):hen, os < ( ) β tα,, υ β + tα, t < τ τ t τ t > τ α S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 4 7

w(t):n mttmnen t:n fnktona Kakk määrteyt tatepsteet τ a τ ärestetään nosevaan ärestykseen t K t S Ensmmänen mtos kantamtten käypyyteen tapaht penmmässä tatepsteessä t Vää [, t ] w(t):n kmakerron vastaa kantaan tevan mttan x redsota kstannsta r = d = α α M P w t = rt ( ) S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 5 w(t):n mttmnen t :n äkeen Merktään :ä kantamttan ndeksä, oka määrttää tatepsteen t Josα < β () t tee raaeen aapoeta Indeks srtyy oko M F ta F P Kmakerron vää [t, t ] on r = r + α a r < r Jos α > tee raaeen yäpoeta Indeks srtyy oko P F ta F M Kmakerron vää [t, t ] on r = r α a r < r S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 6 8

Rekrso w(t):n askemseks Lase: Okoon r = -d w(t):n ensmmänen kmakerron a asketaan opt kmakertomet k rk + = rk α, k =,, K, S Täön w(t):n maksmn määrää ndeks s, oe r > a s r s + Lase: Okoon t =, a asketaan w(t) rekrsoa w( tk ) = w( tk ) + ( tk tk ) rk, k =, K, s. w(t):n maksm on s:s teraato w(t s ). S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 7 Kantaan teva mtta epäkäypä Kantaan tevan mttan arvo oko sremp kn yäraansa ta negatvnen e-vapae mtte Oetetaan, että x = e oe kantamtta Epäkäypyyden mtta x :e on + W () t = [ β tα ] [ β tα υ ] + g ( t) I t os t < g () t = t os t > mten g (t) on paottan neaarnen konkaav fnkto S ysteemanayysn Laboratoro Teknnen korkeako I Matemaattsten agortmen ohemont Kevät 8 / 8 9

W (t):n paranemnen Lemma: Oetetaan, että x = e oe kannassa a sen srtymä on t. W (t) paranee x :n arvoa mttamaa t os d = α α < M P t os d = α α > M P Vastaava emma: x = e oe kannassa t os d > t os d < - S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 9 W (t):n ymääräset tatepsteet < + = + x = x = x = t d < d < - τ = τ = d < - t d > τ = d > d > τ = τ = S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 /

W (t):n kmakertomen askemnen Tatepsteet ärestetään t:n snnan mkaan: Jos t t L ts Jos t t S L t = Lase: Oetetaan, että tatepsteet on askett a ärestetty kten yä. Jos r = -d, nn (k + ):nnen vän W (t):n kmakerron on k r = r, k =, K S r k + k α, k k + = rk + α k =, K,, S S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / Degenerotnt kanta Raaansa oeva kantamtta vo estää kantaan tevan mttan srtymän Mahdonen tatepste degenerotneessa kannassa = t = L = t < t+ L t S w(t):n maksme ndeksä s pätee s k k rs = r α > a rs + = r α k = k = Jos s >, nn t s > a srrytään koht käypyyttä Jos s, nn t s = a degenrotness estää w(t):n paranemsen s S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 /

Nmeernen stabss Arvotaan an penet pvot-akot saattavat ahettaa nmeersa ongema Perntesä menetemä e vahtoehtoa, os pvotako ykskästtesen mnmshteen tos w(t):n ava vodaan ostavast vata pvot-ako, os s > Jos t s :ää vastaava pvot-ako on an pen, vodaan vata edenen, s := s Täön menetetään w(t):n optmaass S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 3 Laskennanen vaatvs Tatepsteden askemnen e vaad rkaan ymäärästä askentaa Tatepsteden ärestämnen saattaa oa raskasta, os S on sr, esm S > Yeensä kakka tatepstetä e tarvta Van k penntä tatepstettä tarvtaan k:nnea teraatoa Heap sort tehokas hakemaan k penntä tatepstettä Käytännössä S vo mtta reppaast teraatosta toseen, opa thansn S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 4

Mkatva yhdstetty hnnotte Idea: otetaan. vaheessa homoon myös okea kohdefnkto: f = w γz, γ f-optmaanen ratkas, os e öydy parantavaa mttaa Jos w =, nn vastaava x B on optmratkas akperäseen tehtävään Jos w <, nn tehtävän käypyyttä e voda pääteä a odtaan ratkasemaan phdas. vaheen smpex Honost vatt γ vo hdastaa epäkäypyyden tnnstamsta S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 5 Yhteenveto. vaheen tavotteena on maksmoda negatvnen epäkäypyys Yenen FEWPHI-agortm pettoaa pernteset. vaheen agortmt Kannassa pysyvä mtta vo mtta epäkäyväks Kantaan teva mtta vo oa epäkäypä Postvnen aske koht käypyyttä mahdosta, vakka kanta os degenerotnt Nmeersest stabmp Montavoteoptmonna vodaan homoda todenen kohdefnkto. vaheessa S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 6 3

Krastta Greenberg, H. (978). Pvot seecton tactcs. Maros, I. (986). A genera Phase-I method n near programmng. Eropean Jorna of Operatona Research 3, 64-77 Maros, I. (98). Adaptvty n near programmng, II. Akamazott Matematka Lapok 7, -7. Wofe, P. (965). The composte smpex agorthm. SIAM Revew 7(), 4-54. S ysteemanayysn Laboratoro Teknnen korkeako Matemaattsten agortmen ohemont Kevät 8 / 7 4