Simplexová metoda pro známé počáteční řešení úlohy LP

Slides:



Advertisements
Podobné prezentace
Rovnice a nerovnice s neznámou pod odmocninou
Advertisements

Matematické modelování a operační výzkum
Dopravní úloha Literatura Kosková I.: Distribuční úlohy I.
Dualita úloh lineárního programování a analýza citlivosti
Středa 16:15 – 17:45 hod. učebna 240 SB © Lagová, Kalčevová
SIMPLEXOVÝ ALGORITMUS Řešení v tabulkovém procesoru
RF Jednorychlostní stacionární transportní rovnice Časově a energeticky nezávislou transportní rovnici, která popisuje chování monoenergetických.
Mgr. Andrea Cahelová Gymnázium J. Kainara, Hlučín
Rovnice roviny Normálový tvar rovnice roviny
Seminární práce číslo: 7 Zpracoval : Vladimír KORDÍK T-4.C
Vzorová písemka Poznámka: Bonusové příklady jsou nepovinné, lze za ně ale získat body navíc. (2 body) Definujte pojem gradient. Vypočítejte gradient funkce.
Fakulta životního prostředí Katedra informatiky a geoinformatiky
Dynamické programování
Úterý 11:00 – 12:30 hod. učebna 212 RB © Lagová, Kalčevová
Lineární programování Simplexový algoritmus
Základy lineárního programování
Lineární algebra.
LINEÁRNÍ OPTIMALIZAČNÍ MODEL
Gaussova eliminační metoda
Příklad postupu operačního výzkumu
Formulace a vlastnosti úloh lineárního programování
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ
METODA KONEČNÝCH PRVKŮ
Vícekriteriální rozhodování
Fakulta životního prostředí Katedra informatiky a geoinformatiky
ANALÝZA VÝSLEDKŮ LINEÁRNÍHO OPTIMALIZAČNÍHO MODELU
Metody nelineárního programování
Kvadratické funkce, rovnice a nerovnice
Lineární programování I
Semestrální práce z předmětu MAB
Teorie systémů a operační analýza1 Celočíselné programování RNDr. Jiří Dvořák, CSc.
Lineární zobrazení.
Zpracování neurčitosti Fuzzy přístupy RNDr. Jiří Dvořák, CSc.
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Stabilita diskrétního regulačního obvodu
Gradientní metody Metoda největšího spádu (volný extrém)
II. Analýza poptávky Přehled témat
Teorie portfolia Kvantifikace množiny efektivních portfolií.
Přednes 5 Lokální interpolační funkce na trojúhelníkovém prvku.
Lineární programování - charakteristika krajních bodů
Lineární rovnice s absolutní hodnotou II.
JUI přednáška Vstup a výstup, cykly RNDr. Jiří Dvořák, CSc.
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ Ústav technologie, mechanizace a řízení staveb Fakulta stavební VUT v Brně © Ing. Václav Rada, CSc. 11. PŘEDNÁŠKA.
Matice přechodu.
Repetitorium z matematiky Podzim 2012 Ivana Medková
CW – 05 TEORIE ROZHODOVACÍCH PROCESŮ
Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační.
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.
Matice Přednáška č.4. Definice: Soubor prvků nazýváme maticí typu i-tý řádek j-tý sloupec prvky matice.
MME41 Ekonomicko-matematické metody 4 Prof. RNDr. Jaroslav Ramík, CSc.
EMM21 Ekonomicko-matematické metody 2 Prof. RNDr. Jaroslav Ramík,CSc.
Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační.
Soustavy lineárních rovnic Matematika 9. ročník Creation IP&RK.
Repetitorium z matematiky Podzim 2012 Ivana Medková
Simplexová metoda.
Nerovnice v součinovém tvaru
Analýza výsledků v modelech lineárního programování
Operační výzkum Lineární programování Dopravní úloha nevyrovnaná.
Matematika pro ekonomy Jaro 2012 Ivana Vaculová
úlohy lineárního programování
Soustava tří lineárních rovnic Řešení Gaussovou eliminační metodou
Kvantifikace množiny efektivních portfolií II
ANALÝZA A KLASIFIKACE DAT
Parametrické programování
Úloha syntézy čtyřčlenného rovinného mechanismu
Kvantifikace množiny efektivních portfolií II
Lineární optimalizační model
CW-057 LOGISTIKA 32. PŘEDNÁŠKA Lineární programování - 2 Leden 2017
Soustavy lineárních rovnic
Transkript prezentace:

Simplexová metoda pro známé počáteční řešení úlohy LP RNDr. Jiří Dvořák, CSc. dvorak@uai.fme.vutbr.cz Teorie systémů a operační analýza

Kanonický tvar úlohy LP Uvažujme úlohu ve standardním tvaru (a) kde A je typu (m,n). Řekneme, že úloha (a) je v kanonickém tvaru, když matice A obsahuje jednotkovou matici typu (m,m). TSOA: Simplexová metoda pro známé počáteční řešení

Kanonický tvar úlohy LP a bázické řešení Nechť úloha (a) je v kanonickém tvaru a nechť b  0. Zvolme bázi B = E a označme xB … vektor bázických proměnných, xN … vektor nebázických proměnných. Bázické řešení: xN = 0 xB = b TSOA: Simplexová metoda pro známé počáteční řešení

Speciální případ úlohy LP Předpokládejme úlohu LP v kanonickém tvaru, kde jednotková matice je tvořena posledními m sloupci matice A a kde b  0. Nebázické proměnné: xN = (x1, x2, … , xn–m)T Bázické proměnné: xB = (xn–m+1, xn–m+2, … , xn)T Bázické řešení: x0 = (0, … ,0, b1, b2, … , bm)T Obecné řešení: Nebázické proměnné x1, x2, … , xn–m jsou volné a bázické proměné jsou určeny vztahem TSOA: Simplexová metoda pro známé počáteční řešení

TSOA: Simplexová metoda pro známé počáteční řešení Úprava účelové funkce Účelovou funkci vyjádříme pomocí nebázických proměnných: po úpravě dostaneme TSOA: Simplexová metoda pro známé počáteční řešení

Prověření optimality bázického řešení Označme: Pak a f(x0) = F. Nechť x1 = (0, … , , … ,0, 1, … , m)T, kde  > 0 se nachází na s-té pozici a i = bi – ais  . Potom f(x1) = F –  s . Je-li tedy s < 0, pak řešení x0 není optimální, neboť hodnotu účelové funkce lze zvětšit o hodnotu  (–s). TSOA: Simplexová metoda pro známé počáteční řešení

Nové řešení musí být přípustné Aby řešení x1 bylo přípustným řešením dané úlohy LP, musí splňovat podmínky nezápornosti x1  0. Hodnota  > 0 tedy musí být řešením soustavy nerovnic bi – ais   0, i = 1, … ,m. Je-li aps  0, pak odpovídající nerovnice je splněna pro jakoukoli kladnou hodnotu  a může být tudíž vynechána. Řešením zbylé soustavy nerovnic je podmínka TSOA: Simplexová metoda pro známé počáteční řešení

Nové řešení musí být bázické Aby řešení bylo bázické, musí být některá dosavadní bázická proměnná anulována. Položíme-li bude anulována proměnná xn–m+r , kde r je určeno vztahem neboť xn–m+r = br – ars . TSOA: Simplexová metoda pro známé počáteční řešení

Kanonický tvar odpovídající nové bázi K nové bázi B1 patří s-tý sloupec matice A a sloupce s indexy n–m+i pro i = 1, … , m, i  r. Nový kanonický tvar získáme eliminační metodou, při níž s-tý sloupec matice A upravíme na jednotkový a zachováme jednotkové sloupce s indexy n–m+i pro i = 1, … , m, i  r. TSOA: Simplexová metoda pro známé počáteční řešení

Algoritmus simplexové metody Mějme výchozí přípustné bázické řešení x0. Položme k = 1, xk = x0 , A(k) = A, b(k) = b. Simplexový algoritmus: 1. Test kritéria optimality pro xk. Je-li splněno, pak konec (bázické řešení xk je optimálním řešením). 2. Určení klíčového prvku ars(k) matice A(k). Není-li možné určit klíčový prvek, pak konec (úloha nemá konečné optimální řešení). 3. Simplexová transformace matice (A(k) | b(k)). Získáme matici (A(k+1) | b(k+1)) a nové bázické řešení xk+1. Položíme k = k +1 a postup opakujeme od bodu 1. TSOA: Simplexová metoda pro známé počáteční řešení

TSOA: Simplexová metoda pro známé počáteční řešení Simplexová tabulka označují i-tou bázickou proměnnou a její koeficient v účelové funkci TSOA: Simplexová metoda pro známé počáteční řešení

Stanovení hodnot veličin j a F Veličiny slouží k testování kritéria optimality a F představuje hodnotu účelové funkce pro aktuální bázické řešení. Výchozí hodnoty těchto veličin můžeme získat také tak, že k soustavě rovnic přidáme rovnici a pak z ní eliminační metodou odstraníme bázické proměnné (nesmíme ji přitom ničím násobit ani dělit). TSOA: Simplexová metoda pro známé počáteční řešení

TSOA: Simplexová metoda pro známé počáteční řešení Kritérium optimality a) Kritérium optimality pro maximalizační úlohu: pro j = 1, … , n. b) Kritérium optimality pro minimalizační úlohu: TSOA: Simplexová metoda pro známé počáteční řešení

Určení klíčového prvku a) Určení indexu s klíčového sloupce: J je množina indexů těch sloupců, kde nebylo splněno kritérium optimality. Klíčový sloupec určuje proměnnou, která vstoupí do báze. b) Určení indexu r klíčového řádku: Klíčový řádek určuje proměnnou, která bude z báze vyloučena. Je-li určen klíčový prvek, pak do báze vstupuje proměnná xs a nahrazuje proměnnou na r-té pozici. TSOA: Simplexová metoda pro známé počáteční řešení

Poznámky k určení klíčového prvku Pokud podmínce pro klíčový sloupec vyhovuje několik sloupců tabulky, můžeme volit kterýkoli z nich. Totéž platí pro určení klíčového řádku. Klíčovým řádkem může být i ten řádek, kde je pravá strana nulová (taková situace může nastat v případě, že aktuální bázické řešení je degenerované). Musí ale být splněna podmínka, že . TSOA: Simplexová metoda pro známé počáteční řešení

Simplexová transformace Úprava klíčového řádku: Úprava ostatních řádků (i = 1, … , m, i  r): TSOA: Simplexová metoda pro známé počáteční řešení

Poznámky k simplexové transformaci Z uvedených vzorců vyplývá, že řádek, který není klíčový, nesmíme při úpravě ničím násobit nebo dělit. Pokud tuto zásadu nedodržíme, ztratíme kanonický tvar a hodnota bázické proměnné odpovídající tomuto řádku se nebude rovnat pravé straně. Pokud je zachován kanonický tvar, získáme nové bázické řešení následujícím způsobem: nebázické proměnné se položí rovny nule, bázická proměnná v i-tém řádku se rovná pravé straně. TSOA: Simplexová metoda pro známé počáteční řešení

TSOA: Simplexová metoda pro známé počáteční řešení Zjednodušení úprav j K soustavě rovnic přidáme rovnici kde proměnná z reprezentuje hodnotu účelové funkce. Tuto rovnici pak upravujeme stejně jako všechny ostatní: TSOA: Simplexová metoda pro známé počáteční řešení