Harjoitus 5 ( )

Samankaltaiset tiedostot
Harjoitus 5 ( )

Malliratkaisut Demot

Malliratkaisut Demot

Malliratkaisut Demot

Malliratkaisut Demo 1

Harjoitus 3 ( )

Malliratkaisut Demot

Harjoitus 1 ( )

Harjoitus 3 ( )

Harjoitus 1 ( )

Malliratkaisut Demot 6,

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

Kokonaislukuoptimointi

Harjoitus 6 ( )

Malliratkaisut Demo 4

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

Malliratkaisut Demot

Malliratkaisut Demot

Harjoitus 2 ( )

Malliratkaisut Demot

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

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

Malliratkaisut Demot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

Lineaarinen optimointitehtävä

Lineaarisen kokonaislukuoptimointitehtävän ratkaiseminen

Harjoitus 2 ( )

Harjoitus 7: vastausvihjeet

Esimerkkejä kokonaislukuoptimointiongelmista

Harjoitus 6 ( )

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

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

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

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Kahden suoran leikkauspiste ja välinen kulma (suoraparvia)

Harjoitus 4: Matlab - Optimization Toolbox

Harjoitus 8: Excel - Optimointi

Kimppu-suodatus-menetelmä

Malliratkaisut Demot

1. Lineaarinen optimointi

Luento 9: Yhtälörajoitukset optimoinnissa

Lineaarinen optimointitehtävä

Demo 1: Branch & Bound

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

Demo 1: Simplex-menetelmä

6. Luennon sisältö. Lineaarisen optimoinnin duaaliteoriaa

Malliratkaisut Demo 4

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

Talousmatematiikan perusteet

Piiri K 1 K 2 K 3 K 4 R R

2 Pistejoukko koordinaatistossa

TEKNILLINEN TIEDEKUNTA, MATEMATIIKAN JAOS

Tilavuus puolestaan voidaan esittää funktiona V : (0, ) (0, ) R,

Matematiikan tukikurssi, kurssikerta 3

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Ovatko seuraavat väittämät oikein vai väärin? Perustele vastauksesi.

f(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

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

Matematiikan ja tilastotieteen laitos Matematiikka tutuksi Harjoitus 2, malliratkaisut

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

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

Matematiikan tukikurssi, kurssikerta 2

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

1 Rajoittamaton optimointi

Malliratkaisut Demot 5,

MS-C2105 Optimoinnin perusteet Malliratkaisut 4

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

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!

Matematiikan tukikurssi, kurssikerta 1

Matematiikan tukikurssi

1 Rajoitettu optimointi I

Matematiikan tukikurssi

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

Luento 7: Kokonaislukuoptimointi

Matematiikan tukikurssi

Luento 3: Simplex-menetelmä

JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio. 2.2 Gaussin eliminaatio

Matematiikan tukikurssi: kurssikerta 12

Mat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen

Luento 4: Lineaarisen tehtävän duaali

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ Merkitään f(x) =x 3 x. Laske a) f( 2), b) f (3) ja c) YLIOPPILASTUTKINTO- LAUTAKUNTA

Matematiikan tukikurssi

Talousmatematiikan perusteet

Ominaisarvot ja ominaisvektorit 140 / 170

Kenguru 2006 sivu 1 Cadet-ratkaisut

Matemaattisen analyysin tukikurssi

1 Komparatiivinen statiikka ja implisiittifunktiolause

y + 4y = 0 (1) λ = 0

Luvun 12 laskuesimerkit

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

MAB3 - Harjoitustehtävien ratkaisut:

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

Transkriptio:

Harjoitus 5 (24.4.2014) 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 2 7 + My x 1 + x 2 1 + M(1 y). Perustelu on seuraava: Jos y = 0, niin ylläolevista yhtälöistä saamme x 1 + x 2 7 x 1 + x 2 1 + M. (2) Jos taas y = 1, niin saamme x 1 + x 2 7 + 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

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 2 1 + M 7 1 + M M 8. Jos taas y = 1, niin piste (9, 8) S ja sijoittamalla piste (9, 8) yhtälöistä (3) ensimmäiseen saamme x 1 + x 2 7 + M 17 7 + M M 10. Jos nyt valitaan M:n arvoista suurempi eli M = 10, niin tehtävässä pyydetyt rajoitteet voidaan kirjoittaa muotoon x 1 + x 2 7 + 10y x 1 + x 2 9 10y 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

Kirjoitetaan sitten annettujen tietojen perusteella kokonaislukuoptimointitehtävä min 2500x 1 + 2500y 1 + 1750x 2 + 2000y 2 + 1250x 3 + 3000y 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 ) = 1 730 000. 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

Seuraten luentomonisteen lukua 3.7 saamme optimointitehtävän min 1 3 (x 13 + 14 + x 22 + 4 + x 33 + 8) s. t. x 11 + 10 x 12, x 12 + 3 x 13 x 21 + 2 x 23, x 23 + 1 x 22 x 32 + 6 x 31, x 31 + 12 x 33 x 11 + 10 x 21 + M(1 y 121 ), x 21 + 2 x 11 + My 121 x 11 + 10 x 31 + M(1 y 131 ), x 31 + 12 x 11 + My 131 x 21 + 2 x 31 + M(1 y 231 ), x 31 + 12 x 21 + My 231 x 12 + 3 x 22 + M(1 y 122 ), x 22 + 4 x 12 + My 122 x 12 + 3 x 32 + M(1 y 132 ), x 32 + 6 x 12 + My 132 x 22 + 4 x 32 + M(1 y 232 ), x 32 + 6 x 22 + My 232 x 13 + 14 x 23 + M(1 y 123 ), x 23 + 1 x 13 + My 123 x 13 + 14 x 33 + M(1 y 133 ), x 33 + 8 x 13 + My 133 x 23 + 1 x 33 + M(1 y 233 ), x 33 + 8 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

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 1 2 4 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

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