6. přednáška Diskrétní linearizace.

Slides:



Advertisements
Podobné prezentace
Kalkulace plných a variabilních nákladů
Advertisements

Matematické modelování a operační výzkum
OBECNÉ OPTIMALIZAČNÍ MODELY
Dualita úloh lineárního programování a analýza citlivosti
SIMPLEXOVÝ ALGORITMUS Řešení v tabulkovém procesoru
ČÍSLICOVÁ TECHNIKA BOOLEOVA algebra
Jak v praxi využít analýzu bodu zvratu?
Úvod Klasifikace disciplín operačního výzkumu
Mnohočleny a algebraické výrazy
Teorie firmy II - Optimum výrobce - Mezní produkt, zákon klesajícího mezního produktu - Izokvanty produkční funkce - Další modely výrobce
Metoda standardních nákladů a výnosů a analýza odchylek
Lineární programování Simplexový algoritmus
Základy lineárního programování
Vzdělávací materiál v rámci projektu EU peníze školám Školní rok: 2011/2012 Ročník: Předmět: Téma: Anotace: Autor : Vzdělávací materiál je určen pro bezplatné.
Orbis pictus 21. století Tato prezentace byla vytvořena v rámci projektu.
Řešení úloh s absolutní hodnotou Princip minimaxu (maximinu), Podíl dvou lineárních funkcí, Rozpětí v omezujících podmínkách.
Vícekriteriální rozhodování
TOC Class Problem I (jednodušší varianta P&Q analýzy) (v tomto konkrétním příkladu je P=Y a Q=Z – specifikace proměnných) Ing.J.Skorkovský, CSc.
Příklad postupu operačního výzkumu
1) Určete odchylku přímek AC a CC´
Klipart. Pololetní výsledky Tržby vzrostly o Kč Náklady na materiál vzrostly o Kč Náklady na mzdy vzrostly o Kč Režie klesla o 5.
Hospodaření se zaměstnanci 41.hodina. Hospodaření se zaměstnanci Výpočty jednotlivých forem mezd 1.mzda časová = mzdový tarif x počet odpracovaných hodin.
ÚHEL DVOU VEKTORŮ Mgr. Zdeňka Hudcová TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČR Poznámky v PDF.
Lineární programování I
Orbis pictus 21. století Tato prezentace byla vytvořena v rámci projektu.
Optimalizace logistického systému a řetězců
8 Případové logistické studie Servisní logistika prof. Ing. Václav Legát, DrSc. Ing. Martin Stávek Katedra jakosti a spolehlivosti strojů Technická fakulta.
NÁSTROJE OPERATIVNÍHO CONTROLLINGU, TRUMFY VE VAŠICH RUKÁCH!
 Ekonomie. statky  Ekonomické statky -> omezené, u ž ite č né  výrobky, slu ž by  Vzácné statky -> omezené, u ž ite č né, vzácné  výrobky,
BINÁRNÍ STROM Vytvořte program, který bude vytvářet "binární strom". Každý prvek bude definován z klávesnice svým obsahem a dvěma dalšími proměnnými, které.
Výpis z pravdivostní tabulky a následná minimalizace
Opakování lekce 4,5,
Rozhodování v podmínkách neurčitosti
Základy ekonomie Seminář 7..
126FIP Bod zvratu 3. týden.
Výroková logika.
ZAPOJENÍ LOGICKÝCH FUNKCÍ POMOCÍ OBVODŮ NOT, OR, AND, NOR, NAND
ZÁKLADNÍ LOGICKÉ FUNKCE
Lineární programování - úvod
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Kombinační logické funkce
doc. RNDr. Zdeněk Botek, CSc.
Cvičení 2 Podmíněné příkazy, cykly. Podmíněné příkazy Podmínka – jakýkoliv logický výraz ( a=1,……..) ( a=1,……..) Příkaz – vlastní instrukce, která se.
Nauka o podniku Bod zvratu.
DUM VY_32_INOVACE_EKO_ 1181 – řešení
Označení materiálu:VY_32_INOVACE_EKO_1194 Ročník:3. Vzdělávací obor:Ekonomika Tematický okruh:Náklady Téma:Náklady a změny objemu výroby Jméno autora:Ing.
ČÍSLO PROJEKTU:CZ.1.07/1.5.00/ NÁZEV PROJEKTU:ICT ve výuce OZNAČENÍ MATERIÁLU:VY_32_INOVACE_POD_75 ROČNÍK: 3. VZDĚLÁVACÍ OBOR:PODNIKÁNÍ V HOTELNICTVÍ.
Označení materiálu: VY_32_INOVACE_EKO_1195 Ročník: 3. Vzdělávací obor:
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Označení materiálu: VY_32_INOVACE_EKO_1197 Ročník: 3. Vzdělávací obor:
Zkouška. XXX YYY.
Operační výzkum Lineární programování Dualita v úlohách lineárního programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace.
MME51 Ekonomicko-matematické metody 5 Prof. RNDr. Jaroslav Ramík, CSc.
Tvorba výrobního programu Příklad tvorby efektivního výrobního programu vzhledem k úzkému místu.
EMM21 Ekonomicko-matematické metody 2 Prof. RNDr. Jaroslav Ramík,CSc.
Pracovní list Kalkulace neúplných nákladů. Příklad 1: Firma vyrábí kabelky –spotřeba materiálu je 415 Kč/ks, mzdy 275 Kč/ks, ostatní variabilní náklady.
ONYX CONVERGENCY Plynovod „Mainstream“ Ing. Vratislav Ludvík.
Vzorce pro druhé mocniny dvojčlenů (a – b)²=(a – b).(a – b)
NÁKLADY, VÝNOSY, HOSPODÁŘSKÝ VÝSLEDEK PODNIKU
Základy firemních financí
TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM
5 FIRMA A SPOTŘEBITEL.
Název projektu: Učíme obrazem Šablona: III/2
© Copyright Radim Štefan
Programujeme lépe a radostněji
Opakování základních příkazů a syntaxí v programovacím jazyce Pascal
Další příkazy a konstrukce
Opakování ze 3. cvičení deklarace proměnných výpis na monitor (výstup)
TOC Class Problem I (jednodušší varianta P&Q analýzy) (v tomto konkrétním příkladu je P=Y a Q=Z – specifikace proměnných) Ing.J.Skorkovský, CSc.
TOC Class Problem I (jednodušší varianta P&Q analýzy) (v tomto konkrétním příkladu je P=Y a Q=Z – specifikace proměnných) Ing.J.Skorkovský, CSc.
Transkript prezentace:

6. přednáška Diskrétní linearizace

Diskrétní linearizace Nespojité hodnoty proměnných Fixní náklady logické vztahy v omezeních součin dvou proměnných

Nespojité hodnoty proměnných xj = 0 nebo dj ≤ xj ≤ hj , j = 1,2,…,n. yj = 0  xj = 0, yj = 1  dj ≤ xj ≤ hj . xj ≤ hjyj , xj ≥ djyj , j = 1,2,…,n, yj = 0(1).

Nespojité hodnoty proměnných výrobek 1 výrobek 2 výrobek 3 Výrobek 4 kapacita surovina 1 2 5 4 3200 surovina 2 3 1 2800 stroj. čas 1800 min (dj) 100 50 300 80 max (hj) 400 200 xxx zisk 250 630 120 580

Nespojité hodnoty proměnných maximalizovat z = 250x1 + 630x2 + 120x3 + 580x4 , za podmínek 2x1 + 5x2 + 2x3 + 4x4 ≤ 3200, 3x1 + 2x2 + x3 + 3x4 ≤ 2800, x1 + 4x2 + 2x3 + 3x4 ≤ 1800, x1 ≤ 400y1, x1 ≥ 100y1, x2 ≤ 200y2, x2 ≥ 50y2, x3 ≤ My3, x3 ≥ 300y3, x4 ≤ 400y4, x4 ≥ 80y4, yj = 0 (1), j = 1,2,3,4. xopt = (400, 50, 0, 400), yopt = (1, 1, 0, 1), zopt = 363 500

Fixní náklady q(xj) = fjyj + cjxj, yj = 0 (1). q(xj) = 0 , jestliže xj = 0, q(xj) = fj + cjxj, jestliže xj > 0, q(xj) = fjyj + cjxj, yj = 0 (1). Podmínky, které zabezpečí, že proměnná yj = 1, jestliže xj > 0 : xj ≤ Myj ,

Fixní náklady Maximalizovat Za podmínek

Fixní náklady výr. 1 výr. 2 výr. 3 výr. 4 kapacita sur 1 2 5 4 3200 2800 stroj. čas 1800 tržba (dj) 480 1050 300 980 var.nákl. (cj) 230 420 180 400 fix.nákl. (fj) 12000 15000 8000 40000

Fixní náklady maximalizovat z = (480 – 230)x1 + (1050 – 420)x2 + (300 – 180)x3 + (980 – 400)x4 – 12000y1 – 15000y2 – 8000y3 – 40000y4 , za podmínek 2x1 + 5x2 + 2x3 + 4x4 ≤ 3200, 3x1 + 2x2 + x3 + 3x4 ≤ 2800, x1 + 4x2 + 2x3 + 3x4 ≤ 1800, x1 ≤ My1 , x2 ≤ My2 , x3 ≤ My3 , x4 ≤ My4 , xj ≥ 0 , j = 1,2,3,4, yj = 0 (1), j = 1,2,3,4. xopt = (760, 260, 0, 0), yopt = (1, 1, 0, 0), zopt = 326 800

Logické vztahy v omezujících podmínkách „buď – anebo“ maximalizovat za podmínek

Logické vztahy v omezujících podmínkách „buď - anebo“ maximalizovat za podmínek

Logické vztahy v omezujících podmínkách „IF – THEN“

Logické vztahy v omezujících podmínkách „IF – THEN“ (A  B)  (A  B) A B A  B A A  B 1

Logické vztahy v omezujících podmínkách „IF – THEN“

Logické vztahy v omezujících podmínkách „IF – THEN“ maximalizovat z = 250x1 + 630x2 + 120x3 + 580x4 , za podmínek 2x1 + 5x2 + 2x3 + 4x4 ≤ 3200 + My, 3x1 + 2x2 + x3 + 3x4 ≤ 2800 + M(1 – y), x1 + 4x2 + 2x3 + 3x4 ≤ 1800, xj ≥ 0 (celé), j = 1,2,3,4, y = 0 (1). xopt = (1200, 0, 0, 200), zopt = 416 000

Součin dvou proměnných y1 = 1 iff x1 > 0 y2 = 1 iff x2 > 0 z ≤ y1 , z ≤ y2 , z ≥ y1 + y2  1 , z = 0 (1).

Součin dvou proměnných maximalizovat z = 250x1 + 630x2 + 120x3 + 580x4 , za podmínek 2x1 + 5x2 + 2x3 + 4x4 ≤ 3200, 3x1 + 2x2 + x3 + 3x4 ≤ 2800, x1 + 4x2 + 2x3 + 3x4 ≤ 1800, x1 ≤ My1 , x4 ≤ My4 , y1 + y2 ≤ 1, xj ≥ 0 (celé), j = 1,2,3,4, y1, y4 = 0 (1). xopt = (760, 260, 0, 0), zopt = 353 800 .