1 Vervangingsstrategie auto
|
|
- Hilde Mulder
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen Vervangingsstrategie auto Onderdeel a Zij V = {0, 1, 2, 3, 4, 5, 6}, waarbij knoop i staat voor het einde van jaar i. Zij de verzameling E = {(i, j) : i, j V, j > i} takken met kosten c ij die het gevolg zijn van het aanschaffen van een wagen aan het einde van jaar i, en die te gebruiken tot het einde van jaar j. In tabel 1 zijn deze kosten weergegeven. Tabel 1: Kosten c ij in $ j = 1 j = 2 j = 3 j = 4 j = 5 j = 6 i = i = i = i = i = i = Zij G = (V, E). De goedkoopste vervangingsstratie komt neer op het bepalen van het kortste pad van knoop 0 naar knoop 6 in de graaf G. Het kortste pad probleem luidt: min o.d.v. 6 6 c ij x ij i=0 j=0 6 x 0j = 1 j=0 6 x i6 = 1 i=0 6 x ij 6 x ji = 0 i = 1, 2, 3, 4, 5 j=0 j=0 x ij {0, 1} i, j {0, 1, 2, 3, 4, 5, 6} (1) Hierbij zij opgemerkt dat de aanschafskosten van $ aan het begin van jaar 1 al gemaakt zijn. Deze kosten mogen dus van de gevonden oplossing afgetrokken worden. 1
2 Onderdeel b We lossen dit kortste pad probleem op met behulp van Dijkstra s algoritme. In tabel 2 zijn de verschillende iteraties weergegeven. De kosten zijn in duizenden guldens getoond. Tabel 2: Dijkstra s algoritme Iteratie Kandidaten Spilknoop l(1) l(2) l(3) l(4) l(5) l(6) 1 {0} {1, 2,..., 6} {2, 3,..., 6} {3, 4, 5, 6} {4, 5, 6} {5, 6} {6} Het label van knoop 6 is als laatste aangepast in iteratie 5, uitgaande van spilknoop 4. Het label van knoop 4 is als laatste aangepast in iteratie 3, uitgaande van spilknoop 2. Het label van knoop 2 is als laatste aangepast in iteratie 1 uitgaande van spilknoop 0. Het kortste pad is dus {(0, 2), (2, 4), (4, 6)}. Door aan het einde van jaar 2 en aan het einde van jaar 4 een nieuwe auto te kopen, worden de kosten (aanschaf + operationeel - inruilwaarde) om zes jaar lang een auto te bezitten en te gebruiken geminimaliseerd. De kosten hiervoor zijn $ Er van uitgegaan dat er aan het begin van jaar 1 net een nieuwe wagen is gekocht kan gesteld worden dat de kosten $ $ = $ zijn. 2 Fabriek Onderdeel a Het totale aanbod is = De minimale vraag waaraan voldaan moet worden is = Klant 3 en 4 willen beide zoveel mogelijk van de overige produkten afnemen. Om dit probleem te modelleren kunnen een aantal mogelijkheden gebruikt worden. Je zou klant 4 een vraag van kunnen geven en een dummy klant (extra produkten leveren aan klant 3) kunnen toevoegen. Dan is er echter weer een tekort in aanbod en er is dus ook een dummy fabriek nodig (met aanbod 3.000), die alleen mag leveren aan klant 4 en aan de dummy klant. Een compacter model is deze. Geef klant 4 een vraag van Gebruik de volgende winsten w i4 = max{w i3, w i4 }. In tabel 3 zijn de te gebruiken kosten gegeven, waarbij rekening is gehouden met het feit dat in het transportprobleem een minimalisatie wordt opgelost en het hier gaat om een winstmaximalisatie. 2
3 Tabel 3: Kostenmatrix Klant 1 Klant 2 Klant 3 Klant 4 Fabriek Fabriek Fabriek Het gebalanceerde transportprobleem luidt nu: min o.d.v. 3 4 c ij x ij i=1 j=1 4 x ij = a i i = 1, 2, 3 j=1 3 x ij =b j b j = 1, 2, 3, 4 i=1 x ij 0 1 i 3, 1 j 4 (2) Waarbij a = {3.000, 5.000, 5.000} en b = {4.000, 3.000, 3.000, 3.000} en c ij tabel 3. gegeven is in Onderdeel b We lossen dit toewijzingsprobleem op met behulp van het αβ-algoritme. We starten met de duale oplossing volgens: β j = min c ij i 1 j 3 α i = min (c ij β j ) j 1 i 3 Dus β = ( 68, 67, 65, 65) en α = (1, 0, 5). c ij α i β j. (3) In tabel 4 is een overzicht gegeven van Tabel 4: Iteratie 1: c ij α i β j In figuur 1 is het bijbehorende netwerk N x weergegeven, waarbij van onder naar boven takken verzadigd zijn. 3
4 Figuur 1: Van onder naar boven takken verzadigd Vanuit knoop s kan fabriek 3 gelabeld worden. Vanuit fabriek 3 kunnen klant 1 en klant 4 gelabeld worden. Vanuit klant 4 wordt fabriek 1 gelabeld. Hier stopt het labelproces. Er geldt: I + = {1, 3} J + = {1, 4} (4) De grootst mogelijke keuze voor δ is dus (zie tabel 4): δ = min c i I +,j / J + ij α i β j = 1 (5) Op basis van deze keuze voor δ kan een betere duale oplossing gevonden worden volgens: α i = { αi δ i I α i i I + β j = { βj + δ j J β j j J + (6) In tabel 5 is c ij α i β j weergegeven voor de verbeterde α en β. Tabel 5: Iteratie 2: c ij α i β j
5 In het hulpnetwerk moeten de volgende tak worden toegevoegd: (f 3, k 3 ). De takken (f 2, k 1 ) en (f 2, k 4 ) moeten worden verwijderd. In figuur 2 is het resultaat hiervan weergegeven. Figuur 2: Tak (f 3, k 3 ) toegevoegd, takken (f 2, k 1 ) en (f 2, k 4 ) verwijderd Uitgaande van de reeds gevonden labels kan vanuit fabriek 3 nu klant 3 gelabeld worden. Vanuit klant 3 kan knoop t gelabeld worden. Er is een doorbraak. In figuur 3 is het resultaat hiervan weergegeven. Figuur 3: Optimale stroom Alle takken uit knoop s zijn verzadigd, de stroom is dus optimaal. De kosten bij deze stroom (in 1000 dollar) zijn: Ter controle: = 834 (7) 3 4 α i a i + β j b j = = 834 (8) i=1 j=1 Dus fabriek 1 levert eenheden aan klant 4 ($ 64 is meer dan $ 62 van klant 3). Fabriek 2 levert aan klant 2 en aan klant 3. Fabriek 3 levert eenheden aan klant 3 en eenheden aan klant 1. De totale winst is $ Handelsreizigersprobleem Zij 5
6 x ij = { 1 handelsreiziger reist vanuit stad i naar stad j 0 anders (9) Het handelsreizigsprobleem luidt dan als volgt: Minimaliseer de lengte (kosten van de route): n n min c ij x ij (10) i=1 j=1 onder de voorwaarden: n x ij = 1 1 j n (11) i=1 Alle steden moeten tenslotte precies 1 keer bezocht worden. Dit zijn dus n restricties. Evenzo moeten alle steden precies 1 keer verlaten worden (wederom n restricties): n x ij = 1 1 i n (12) j=1 Tenslotte moeten circuits voorkomen worden. Dit kan door de volgende restricties: x ij S 1 S {1, 2,... n}, S, S {1, 2,..., n} (13) i S j S Hierdoor wordt voorkomen dat in een willekeurige subset S van steden, er meer dan S 1 takken zijn. Wanneer het aantal takken S of groter is, is er namelijk sprake van een circuit. Het aantal mogelijke deelverzamelingen (subsets) van een verzameling bestaande uit n elementen is 2 n. Omdat de lege verzameling en de volledige verzameling moeten worden uitgesloten is het aantal restricties om te voorkomen dat er een circuit gevormd wordt gelijk aan 2 n 2. Het totaal aantal restricties komt daarmee op: 2 n + 2n 2 (14) 4 Knapzakprobleem Zij a 1, a 2,..., a q, b een instantie van het knapzakprobleem (DKP). Definieer nu een F 3 C max instantie als volgt. Introduceer n = q + 1 taken J 1, J 2,..., J n. Iedere taak J i bestaat dus uit drie deeltaken J i1, J i2 en J i3. De procestijden voor taak J ij (1 i q) zijn: 6
7 p ij = { 0 j = 1, 3 a i j = 2 (15) De procestijden voor taak J n zijn: p nj = b j = 1 0 j = 2 d = q a i b j = 3 i 1 (16) Om deze instantie van het F 3 C max op te lossen moet een taakvolgorde gevonden worden (voor machine M 1, M 2 en M 3 is deze taakvolgorde gelijk), zodanig dat de totale procestijd c max minimaal is. In figuur 4 is een mogelijk productieschema gegeven. In dit productieschema is aangenomen dat de taakvolgorde beschreven wordt door de nummering 1, 2,..., q, hetgeen natuurlijk vrij te kiezen is. Kennelijk geldt: Figuur 4: Productieschema bij het knapzak probleem q c max = a i + δ (17) i=1 Hierin is δ 0. Er geldt δ = 0 dan en slechts dan als het DKP probleem een ja-instantie is (d.w.z. i B a i = b, voor zekere B). De deelverzameling B is eenvoudig af te lezen uit het gevonden productieschema (het zijn de indices die precies onder de procestijd b vallen op machine M 1. 7
Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen 08-04-2005
Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 08-04-2005 1 Transportprobleem Onderdeel a Fabriek 1 kan 120 ton staal fabriceren in 40 uur. Voor fabriek 2 is dit 150
Nadere informatieTransport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen
Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2003 1 Docenten Onderdeel a Er zijn 6 vakken V 1, V 2,..., V 6. Vak V j heeft een vraag b j = 1, voor j = 1, 2,...,
Nadere informatieOverzicht. Inleiding. Modellering. Duaal probleem. αβ-algoritme. Maximale stroom probleem. Voorbeeld. Transportprobleem 1
Overzicht Inleiding Modellering Duaal probleem αβ-algoritme Maximale stroom probleem Voorbeeld Transportprobleem 1 Inleiding W 1 b 1 a 1 D 1 W 2 b 2 a 2 D 2 a m Dm W n b n depots warenhuizen c ij zijn
Nadere informatiel e x e voor alle e E
Geselecteerde uitwerkingen Werkcollege Introduceer beslissingsvariabelen x e met x e = als lijn e in de boom zit en anders x e = 0. De doelfunctie wordt: min e E l e x e Voor elke deelverzameling S V met
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 8 Leo van Iersel Technische Universiteit Delft 2 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 2 november 2016 1 / 28 Minimum Opspannende Boom (Minimum Spanning
Nadere informatieOptimaliseren in Netwerken
Optimaliseren in Netwerken Kees Roos e-mail: C.Roos@tudelft.nl URL: http://www.isa.ewi.tudelft.nl/ roos Kaleidoscoop college Zaal D, Mekelweg 4, TU Delft 11 October, A.D. 2006 Optimization Group 1 Onderwerpen
Nadere informatieOverzicht. Inleiding. Toepassingen. Verwante problemen. Modellering. Exacte oplosmethode: B&B. Insertie heuristieken. Local Search
Overzicht Inleiding Toepassingen Verwante problemen Modellering Exacte oplosmethode: B&B Insertie heuristieken Local Search Handelsreizigersprobleem 1 Cyclische permutatie van steden b 3 77 a 93 21 42
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 8 Leo van Iersel Technische Universiteit Delft 28 oktober 2015 Leo van Iersel (TUD) TW2020 Optimalisering 28 oktober 2015 1 / 25 Definitie Een boom is een samenhangende
Nadere informatieSommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.
Netwerkanalyse (H3) Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk. Deze problemen kunnen vaak als continu LP probleem worden opgelost. Door de speciale structuur
Nadere informatieTiende college algoritmiek. 14 april Gretige algoritmen
College 10 Tiende college algoritmiek 1 april 011 Gretige algoritmen 1 Greedy algorithms Greed = hebzucht Voor oplossen van optimalisatieproblemen Oplossing wordt stap voor stap opgebouwd In elke stap
Nadere informatieBegrenzing van het aantal iteraties in het max-flow algoritme
Begrenzing van het aantal iteraties in het max-flow algoritme Het oplossen van het maximum stroom probleem met behulp van stroomvermeerderende paden werkt, maar het aantal iteraties kan aardig de spuigaten
Nadere informatieTiende college algoritmiek. 26 april Gretige algoritmen
Algoritmiek 01/10 College 10 Tiende college algoritmiek april 01 Gretige algoritmen 1 Algoritmiek 01/10 Muntenprobleem Gegeven onbeperkt veel munten van d 1,d,...d m eurocent, en een te betalen bedrag
Nadere informatieTiende college algoritmiek. 13/21 april Gretige Algoritmen Algoritme van Dijkstra
Algoritmiek 017/Gretige Algoritmen Tiende college algoritmiek 13/1 april 017 Gretige Algoritmen Algoritme van Dijkstra 1 Algoritmiek 017/Gretige Algoritmen Muntenprobleem Gegeven onbeperkt veel munten
Nadere informatieTiende college algoritmiek. 2 mei Gretige algoritmen, Dijkstra
College 10 Tiende college algoritmiek mei 013 Gretige algoritmen, Dijkstra 1 Muntenprobleem Gegeven onbeperkt veel munten van d 1,d,...d m eurocent, en een te betalen bedrag van n (n 0) eurocent. Alle
Nadere informatieOverzicht. 1. Definities. 2. Basisalgoritme. 3. Label setting methoden. 4. Label correcting methoden. 5. Ondergrenzen. 6.
Overzicht 1. Definities 2. Basisalgoritme 3. Label setting methoden 4. Label correcting methoden 5. Ondergrenzen 6. Resultaten Kortste Pad Probleem 1 Definities Een graaf G = (V, E) bestaat uit een verzameling
Nadere informatie1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).
Tentamen Optimalisering (IN2805-I) Datum: 3 april 2008, 14.00 17.00. Docent: Dr. J.B.M. Melissen Naam: Studienummer: 1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist
Nadere informatieGrafen. Indien de uitgraad van ieder punt 1 is, dan bevat de graaf een cykel. Indien de ingraad van ieder punt 1 is, dan bevat de graaf een cykel.
Grafen Grafen Een graaf bestaat uit een verzameling punten (ook wel knopen, of in het engels vertices genoemd) en een verzameling kanten (edges) of pijlen (arcs), waarbij de kanten en pijlen tussen twee
Nadere informatiel e x e voor alle e E
Geselecteerde uitwerkingen Werkcollege Introduceer beslissingsvariabelen x e met x e = als lijn e in de boom zit en anders x e = 0. De doelfunctie wordt: min e E l e x e Voor elke deelverzameling S V met
Nadere informatieOptimalisering en Complexiteit, College 10. Begrensde variabelen. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 10 Begrensde variabelen Han Hoogeveen, Utrecht University Begrensde variabelen (1) In veel toepassingen hebben variabelen zowel een ondergrens als een bovengrens:
Nadere informatieTiende college algoritmiek. 4 mei Gretige Algoritmen Algoritme van Dijkstra
Tiende college algoritmiek mei 018 Gretige Algoritmen Algoritme van Dijkstra 1 Muntenprobleem Gegeven onbeperkt veel munten van d 1,d,...d m eurocent, en een te betalen bedrag van n (n 0) eurocent. Alle
Nadere informatieDiscrete Wiskunde, College 12. Han Hoogeveen, Utrecht University
Discrete Wiskunde, College 12 Han Hoogeveen, Utrecht University Dynamische programmering Het basisidee is dat je het probleem stap voor stap oplost Het probleem moet voldoen aan het optimaliteitsprincipe
Nadere informatieTwaalfde college algoritmiek. 12 mei Branch & Bound
Twaalfde college algoritmiek 12 mei 2016 Branch & Bound 1 Branch and bound -1- Branch & bound is alleen toepasbaar op optimalisatieproblemen genereert oplossingen stap voor stap en houdt de tot dusver
Nadere informatieTentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen
Tentamen Optimalisering (IN2520) Datum: 5 november 2004, 14.00 17.00. Docent: Dr. J.B.M. Melissen Veel succes! 1 Deze opgave bestaat uit 15 tweekeuzevragen. Per goed antwoord krijg je 2 punten. a. Dynamisch
Nadere informatieNetwerkstroming. Algoritmiek
Netwerkstroming Netwerkstroming Toepassingen in Logistiek Video-streaming Subroutine in algoritmen 2 Vandaag Netwerkstroming: wat was dat ook alweer? Minimum Snede Maximum Stroming Stelling Variant: Edmonds-Karp
Nadere informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TU/E) en Centrum Wiskunde & Informatica (CWI) 27 februari 2014 http://homepages.cwi.nl/~iersel/2wo12/ l.j.j.v.iersel@gmail.com
Nadere informatieTU/e 2DD50: Wiskunde 2 (1)
TU/e 2DD50: Wiskunde 2 () Tussentoets 26 november, tijdens de instructies Zaal: paviljoen (study hub) Time: 90min Tentamenstof: colleges 4 (LP; Simplex; dualiteit; complementaire slackness) Oude tentamens:
Nadere informatieUitwerking tentamen Analyse van Algoritmen, 29 januari
Uitwerking tentamen Analyse van Algoritmen, 29 januari 2007. (a) De buitenste for-lus kent N = 5 iteraties. Na iedere iteratie ziet de rij getallen er als volgt uit: i rij na i e iteratie 2 5 4 6 2 2 4
Nadere informatieOverzicht. Inleiding. Classificatie. NP compleetheid. Algoritme van Johnson. Oplossing via TSP. Netwerkalgoritme. Job shop scheduling 1
Overzich Inleiding Classificaie NP compleeheid Algorime van Johnson Oplossing via TSP Newerkalgorime Job shop scheduling 1 Inleiding Gegeven zijn Machines: M 1,,..., M m Taken: T 1, T 2,... T n Per aak
Nadere informatieTentamen Deterministische Modellen in de OR Dinsdag 17 augustus 2004, uur vakcode
Kenmerk: EWI04/T-DWMP//dh Tentamen Deterministische Modellen in de OR Dinsdag 7 augustus 004, 9.00.00 uur vakcode 58075 Opmerking vooraf: Geef bij elke opgave een volledige en duidelijke uitwerking inclusief
Nadere informatieHeuristieken en benaderingsalgoritmen. Algoritmiek
Heuristieken en benaderingsalgoritmen Wat te doen met `moeilijke optimaliseringsproblemen? Voor veel problemen, o.a. optimaliseringsproblemen is geen algoritme bekend dat het probleem voor alle inputs
Nadere informatieTransport, Routing- en Schedulingproblemen. ir. H.N. Post
Transport, Routing- en Schedulingproblemen ir. H.N. Post 1 mei 2006 Inhoudsopgave 1 Kortste pad probleem 7 1.1 Definities...................................... 7 1.2 Basisalgoritme...................................
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 11 Leo van Iersel Technische Universiteit Delft 25 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 25 november 2015 1 / 28 Vandaag Vraag Voor welke problemen
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 7 Leo van Iersel Technische Universiteit Delft 21 oktober 2015 Leo van Iersel (TUD) TW2020 Optimalisering 21 oktober 2015 1 / 20 Deze week: algoritmes en complexiteit
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 5 Leo van Iersel Technische Universiteit Delft 12 oktober 2016 Leo van Iersel (TUD) TW2020 Optimalisering 12 oktober 2016 1 / 31 Dualiteit Dualiteit: Elk LP probleem heeft
Nadere informatieOptimalisereninNetwerken
OptimalisereninNetwerken Kees Roos e-mail: C.Roos@tudelft.nl, croos@otct.eu URL: http://www.isa.ewi.tudelft.nl/ roos HOVO cursus Wiskunde: zuurstof voor de wereld (deel I) 18 februari, A.D. 2009 Optimization
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 7 Leo van Iersel Technische Universiteit Delft 26 oktober 2016 Leo van Iersel (TUD) TW2020 Optimalisering 26 oktober 2016 1 / 28 Deze week: analyseren van algoritmes Hoe
Nadere informatieElfde college algoritmiek. 29 april Algoritme van Dijkstra, Branch & Bound
Algoritmiek 01/Algoritme van Dijkstra Elfde college algoritmiek 9 april 01 Algoritme van Dijkstra, Branch & Bound 1 Algoritmiek 01/Algoritme van Dijkstra College 10: Voorbeeld -1- A B C D E F G H 9 7 5
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 6 Leo van Iersel Technische Universiteit Delft 19 oktober 2016 Leo van Iersel (TUD) TW2020 Optimalisering 19 oktober 2016 1 / 20 Deze week Primal-Dual algoritmes voor:
Nadere informatieHoofdstuk!7!Kortste!paden!
oofdstukkortstepaden oofdstukkortstepaden In een gewogen graaf is men soms geïnteresseerd in het kortste pad tussen twee punten: dat is een pad, waarbij de som van de gewichten zo klein mogelijk is..inleiding
Nadere informatieTentamen: Operationele Research 1D (4016)
UITWERKINGEN Tentamen: Operationele Research 1D (4016) Tentamendatum: 12-1-2010 Duur van het tentamen: 3 uur (maximaal) Opgave 1 (15 punten) Beschouw het volgende lineaire programmeringsprobleem P: max
Nadere informatieElfde college algoritmiek. 21 april Dijkstra en Branch & Bound
Algoritmiek 011/11 College 11 Elfde college algoritmiek 1 april 011 Dijkstra en Branch & Bound 1 Algoritmiek 011/11 Kortste paden Gegeven een graaf G met gewichten op de takken, en een beginknoop s. We
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 13 Leo van Iersel Technische Universiteit Delft 9 december 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 december 2015 1 / 13 Vraag Wat moet ik kennen en kunnen voor
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 5 Leo van Iersel Technische Universiteit Delft 2 oktober 206 Leo van Iersel (TUD) TW2020 Optimalisering 2 oktober 206 / 3 Dualiteit Dualiteit: Elk LP probleem heeft een
Nadere informatieOptimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Student assistenten
Nadere informatieUniversiteit Utrecht Betafaculteit. Examen Discrete Wiskunde II op donderdag 6 juli 2017, uur.
Universiteit Utrecht Betafaculteit Examen Discrete Wiskunde II op donderdag 6 juli 2017, 13.30-16.30 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf op elk ingeleverd
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 16 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 16 november 2016 1 / 28 Vandaag Integer Linear Programming (ILP)
Nadere informatiemax 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0
Voorbeeldtentamen Deterministische Modellen in de OR (158075) Opmerking vooraf: Geef bij elke opgave een volledige en duidelijke uitwerking inclusief argumentatie! Gebruik van de rekenmachine is niet toegestaan.
Nadere informatieHoofdstuk 13: Integer Lineair Programmeren
Hoofdstuk 13: Integer Lineair Programmeren Vandaag: Wat is Integer Lineair Programmeren (ILP)? Relatie tussen ILP en LP Voorbeeld 1: Minimum Spanning Tree (MST) Voorbeeld 2: Travelling Salesman Problem
Nadere informatieNetwerkstroming. Algoritmiek
Netwerkstroming Vandaag Netwerkstroming: definitie en toepassing Het rest-netwerk Verbeterende paden Ford-Fulkerson algoritme Minimum Snede Maximum Stroming Stelling Variant: Edmonds-Karp Toepassing: koppelingen
Nadere informatieBenaderingsalgoritmen
Benaderingsalgoritmen Eerste hulp bij NP-moeilijkheid 1 Herhaling NP-volledigheid (1) NP: er is een polynomiaal certificaat voor jainstanties dat in polynomiale tijd te controleren is Een probleem A is
Nadere informatieTiende college algoritmiek. 14 april Dynamisch Programmeren, Gretige Algoritmen, Kortste Pad met BFS
Algoritmiek 2016/Dynamisch Programmeren Tiende college algoritmiek 14 april 2016 Dynamisch Programmeren, Gretige Algoritmen, Kortste Pad met BFS 1 Algoritmiek 2016/Dynamisch Programmeren Houtzaagmolen
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede kandidatuur Informatica Academiejaar 2004 2005, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Binomiale
Nadere informatieDiscrete modellen in de toegepaste wiskunde (WISB136) Uitwerkingen proeftentamen.
Discrete modellen in de toegepaste wiskunde (WISB6) Uitwerkingen proeftentamen. Docent: Rob H. Bisseling april 202. Begin met een matching M = {x y, x y, x 6 y 6 } aangegeven door de vette lijnen. x De
Nadere informatieModule 3. Maximale stromen
Module In november 00 legde een stroomstoring een gedeelte van Europa plat. Overal moesten de kaarsen aan. oordat een gedeelte van het elektriciteitsnet uitviel, was er te weinig capaciteit om aan de vraag
Nadere informatieUitwerking vierde serie inleveropgaven
Uitwerking vierde serie inleveropgaven Opgave 1. Gegeven is dat G een permutatiegroep is; a is een willekeurig element. St(a) is de deelverzameling van G die alle permutaties π bevat waarvoor geldt π(a)
Nadere informatieMinimum Opspannende Bomen. Algoritmiek
Minimum Opspannende Bomen Inhoud Het minimum opspannende bomen probleem Een principe om een minimum opspannende boom te laten groeien Twee greedy algoritmen + tijd en datastructuren: Het algoritme van
Nadere informatieFundamentele Informatica
Fundamentele Informatica (IN3120 en IN3005 DOI nwe stijl) 20 augustus 2004, 9.00 11.00 uur Het tentamen IN3120 bestaat uit 10 meerkeuzevragen en 2 open vragen. Voor de meerkeuzevragen kunt u maximaal 65
Nadere informatieUniversiteit Utrecht Faculteit Wiskunde en Informatica. Examen Optimalisering op maandag 18 april 2005, uur.
Universiteit Utrecht Faculteit Wiskunde en Informatica Examen Optimalisering op maandag 18 april 2005, 9.00-12.00 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf
Nadere informatieActiviteit 9. Modderstad Minimaal Opspannende Bomen. Samenvatting. Kerndoelen. Leeftijd. Vaardigheden. Materialen
Activiteit 9 Modderstad Minimaal Opspannende Bomen Samenvatting Onze maatschappij is verbonden middels heel veel netwerken: telefoonnet, elektriciteitsnet, de riolering, computernetwerk, en het wegennet.
Nadere informatieTwaalfde college algoritmiek. 11/12 mei Branch & Bound
Twaalfde college algoritmiek 11/12 mei 2017 Branch & Bound 1 Backtracking Backtracking - bouwt een oplossing component voor component op - kijkt tijdens de stap-voor-stap constructie of de deeloplossing
Nadere informatieUniversiteit Utrecht Betafaculteit. Examen Discrete Wiskunde op donderdag 13 april 2017, uur.
Universiteit Utrecht Betafaculteit Examen Discrete Wiskunde op donderdag 13 april 2017, 14.30-17.30 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf op elk ingeleverd
Nadere informatieUniversiteit Utrecht Departement Informatica. Examen Optimalisering op dinsdag 29 januari 2019, uur.
Universiteit Utrecht Departement Informatica Examen Optimalisering op dinsdag 29 januari 2019, 17.00-20.00 uur. ˆ Mobieltjes UIT en diep weggestopt in je tas. Wanneer je naar de WC wil, dan moet je je
Nadere informatieOnafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms
Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms Giso Dal (0752975) Pagina s 5 7 1 Deelverzameling Representatie
Nadere informatieProject Management (H 9.8 + H 22 op CD-ROM)
Project Management (H 9.8 + H 22 op CD-ROM) CPM (Critical Path Method) Activiteiten met afhankelijkheden en vaste duur zijn gegeven. CPM bepaalt de minimale doorlooptijd van het project. PERT (Program
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 9 Leo van Iersel Technische Universiteit Delft 11 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 11 november 2015 1 / 22 Mededelingen Huiswerk 2 nagekeken Terug
Nadere informatieElfde college algoritmiek. 16 mei Dijkstra, Gretige algoritmen en Branch & Bound
Algoritmiek 013/11 College 11 Elfde college algoritmiek 1 mei 013 Dijkstra, Gretige algoritmen en Branch & Bound 1 Algoritmiek 013/11 Voorbeeld -1- A B C D E F G H 9 7 5 A B C D E F G H 0 9 9 7 5 A B C
Nadere informatieOverzicht. Inleiding. Modellering. Insertie heuristieken. Voorbeeld: CVV. Local Search. Meta heuristieken. Vehicle Routing Problem 1
Overzicht Inleiding Modellering Insertie heuristieken Voorbeeld: CVV Local Search Meta heuristieken Vehicle Routing Problem 1 Inleiding Gegeven Depot-knoop 0 Klant-knopen i met vraag q i, i = 1,..., n
Nadere informatieOPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN
OPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN VOORJAAR 2003 Inhoudsopgave 1 Inleiding 1 1.1 Wat is Operations Research?.............................. 1 1.2 Overzicht van de te behandelen
Nadere informatieTiende college algoritmiek. 3 mei Dynamisch programmeren Gretige Algoritmen Algoritme van Dijkstra
Tiende college algoritmiek 3 mei 019 Dynamisch programmeren Gretige Algoritmen Algoritme van Dijkstra 1 Houtzaagmolen Een houtzaagmolen rekent voor het in twee stukken zagen van een stam van lengte l precies
Nadere informatieTwaalfde college algoritmiek. 17 mei Branch & Bound
Twaalfde college algoritmiek 17 mei 2019 Branch & Bound 1 Backtracking Backtracking - bouwt een oplossing component voor component op - kijkt tijdens de stap-voor-stap constructie of de deeloplossing die
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 1 Leo van Iersel Technische Universiteit Delft 7 september 2016 Leo van Iersel (TUD) TW2020 Optimalisering 7 september 2016 1 / 40 Opzet vak Woensdag: hoorcollege 13:45-15:30
Nadere informatieOptimalisering/Besliskunde 1. College 1 2 september, 2015
Optimalisering/Besliskunde 1 College 1 2 september, 2015 Algemene informatie College: woensdag 13:45-15:30: Leiden C1 en C2: Gorlaeus gebouw Zaal DS: De Sitterzaal, Oort gebouw Werkcollege: vrijdag: Leiden
Nadere informatieVijfde college algoritmiek. 2/3 maart Exhaustive search
Vijfde college algoritmiek 2/3 maart 2017 Exhaustive search 1 Voor- en nadelen Brute force: Voordelen: - algemeen toepasbaar - eenvoudig - levert voor een aantal belangrijke problemen (zoeken, patroonherkenning)
Nadere informatieComputationele Intelligentie
Computationele Intelligentie Uitwerking werkcollege Representatie, Ongeïnformeerd zoeken, Heuristisch zoeken 1 lokkenwereld a. De zoekboom die door het dynamische breadth-first search algoritme wordt gegenereerd
Nadere informatieOptimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Student assistenten
Nadere informatieTU/e 2DD50: Wiskunde 2 (1)
TU/e 2DD50: Wiskunde 2 (1) Organisatorische informatie Wat Dag Tijd Zaal Docent College Tue 5+6 Aud 6+15 Gerhard Woeginger Thu 1+2 Aud 1+4 Gerhard Woeginger Clicker session Tue 7+8 Aud 6+15 Gerhard Woeginger
Nadere informatie2DD50: Tentamen. Tentamen: 26 januari 2016 Hertentamen: 5 april 2016
2DD50: Tentamen Tentamen: 26 januari 2016 Hertentamen: 5 april 2016 Bij het tentamen mag een eenvoudige (niet grafische; niet programmeerbare) rekenmachine meegenomen worden, en 2 tweezijdige A4-tjes met
Nadere informatieLocal search. Han Hoogeveen. 21 november, 2011
1 Local search Han Hoogeveen 21 november, 2011 Inhoud vandaag 2 Inhoud: Uitleg methode Bespreking oude opdrachten: ˆ Bezorgen wenskaarten ˆ Roosteren tentamens Slides staan al op het web www.cs.uu.nl/docs/vakken/opt/colleges.html
Nadere informatieUitwerkingen Sum of Us
Instant Insanity Uitwerkingen Sum of Us Opgave A: - Opgave B: Voor elk van de vier kubussen kun je een graaf maken die correspondeert met de desbetreffende kubus. Elk van deze grafen bevat drie lijnen.
Nadere informatieHet minimale aantal sleutels op niveau h is derhalve
1 (a) In een B-boom van orde m bevat de wortel minimaal 1 sleutel en maximaal m 1 sleutels De andere knopen bevatten minimaal m 1 sleutels en maximaal m 1 sleutels (b) In een B-boom van orde 5 bevat elke
Nadere informatie5 Automatische partitionering van softwaresystemen
26 Proceedings of the 52 nd European Study Group with Industry 5 Automatische partitionering van softwaresystemen Rob Bisseling, Jarosław Byrka, Selin Cerav-Erbas, Nebojša Gvozdenović, Mathias Lorenz,
Nadere informatieOptimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 1 Han Hoogeveen, Utrecht University Gegevens Docent : Han Hoogeveen : j.a.hoogeveen@uu.nl Vak website : http://www.cs.uu.nl/docs/vakken/opt/ Medewerkers : Ivor van
Nadere informatieOptimalisering/Besliskunde 1. College 1 6 september, 2012
Optimalisering/Besliskunde 1 College 1 6 september, 2012 Algemene informatie College: donderdag 9:00-10:45: Gorlaeus C1/C2, Leiden vrijdag: werkcollege Leiden en Delft vragenuur Delft Vier verplichte huiswerkopgaven
Nadere informatieDiscrete Structuren. Piter Dykstra Sietse Achterop Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Sietse Achterop Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 3 maart 2008 GRAFEN & BOMEN Paragrafen 6.1-6.4 Discrete Structuren
Nadere informatieLocal search. Han Hoogeveen CGN A februari, 2009
1 Local search Han Hoogeveen CGN A312 j.a.hoogeveen@cs.uu.nl www.cs.uu.nl/docs/vakken/opt/colleges.html 4 februari, 2009 2 Inhoud vandaag In totaal vier uur Slides staan al op het web www.cs.uu.nl/docs/vakken/opt/colleges.html
Nadere informatieOptimalisering/Besliskunde 1. College 1 3 september, 2014
Optimalisering/Besliskunde 1 College 1 3 september, 2014 Algemene informatie College: woensdag 9:00-10:45: Gorlaeus C1/C2, Leiden vrijdag: werkcollege Leiden en Delft Vier verplichte huiswerkopgaven Informatie
Nadere informatieNP-volledigheid. Algoritmiek
NP-volledigheid Polynomiale algoritmen of moeilijke problemen? Algoritme A is polynomiaal, als er een constante c bestaat, zodat het algoritme bij inputs van formaat n O(n c ) tijd gebruikt. Sommige problemen
Nadere informatie1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d.
1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d. een toewijzingsprobleem. 2. Het aantal toegelaten hoekpunten in een
Nadere informatieHet Chinese Postbode Probleem. Marene Dimmendaal s
Het Chinese Postbode Probleem Marene Dimmendaal s4419553 Nijmegen 2018 Het Chinese Postbode Probleem Marene Dimmendaal s4419553 Bachelorscriptie Wiskunde aan de Radboud Universiteit te Nijmegen Geschreven
Nadere informatieDiscrete Structuren. Piter Dykstra Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 23 februari 2009 GRAFEN & BOMEN Paragrafen 6.1-6.4 Discrete Structuren Week 3 en 4:
Nadere informatie8/2/2006 Examen Optimalisatietechnieken (6sp) 1
8/2/2006 Examen Optimalisatietechnieken 2005-2006 (6sp) 1 Gesloten boek: Maximaal 25 minuten Beantwoord alle vragen op het opgavenblad. Schrijf je naam op elk blad en schrijf leesbaar. Beantwoord de vraag
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2006 2007, tweede zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Verzamelingen:
Nadere informatieKosten. Zoekalgoritmen ( ) College 5: Zoeken met kosten. Een zoekprobleem met stapkosten. Een voorbeeld: het vinden van een route
Kosten Zoekalgoritmen (00 00) ollege 5: Zoeken met kosten Peter de Waal, Tekst: Linda van der aag Veel zoekproblemen omvatten kosten: een afstand in kilometers; een geldbedrag; een hoeveelheid tijd; ongemak;...
Nadere informatieTransshipment problemen Simplex methode en netwerk optimalisatie algoritmes. Luuk van de Sande Begeleider: Judith Keijsper 20 januari 2013
Transshipment problemen Simplex methode en netwerk optimalisatie algoritmes Luuk van de Sande Begeleider: Judith Keijsper 20 januari 2013 1 Inhoudsopgave 1 Transport problemen 3 2 Definities en stellingen
Nadere informatieOperationeel Onderzoek Opgave 5: oplossing
Oefening 1- Operationeel Onderzoek Opgave 5: oplossing a. Een correcte voorstelling van het maximum-flow netwerk is hieronder weergegeven. De redenering is als volgt. We beschikken over 32 maanden arbeid
Nadere informatieTechnische Universiteit Eindhoven Faculteit Wiskunde & Informatica
Technische Universiteit Eindhoven Faculteit Wiskunde & Informatica Tentamen Optimalisering (2DD15) Vrijdag 24 juni 2011, 9:00 12:00 uur Het tentamen bestaat uit zeven opgaven. Bij elke opgave staat het
Nadere informatieKortste Paden. Algoritmiek
Kortste Paden Toepassingen Kevin Bacon getal Six degrees of separation Heeft een netwerk de small-world eigenschap? TomTom / Google Maps 2 Kortste paden Gerichte graaf G=(N,A), en een lengte L(v,w) voor
Nadere informatieUniversiteit Utrecht Departement Informatica
Universiteit Utrecht Departement Informatica Uitwerking Tussentoets Optimalisering 20 december 206 Opgave. Beschouw het volgende lineair programmeringsprobleem: (P) Minimaliseer z = x 2x 2 + x 3 2x 4 o.v.
Nadere informatieExamen Discrete Wiskunde donderdag 12 april, 2018
Examen Discrete Wiskunde 2017-2018 donderdag 12 april, 2018 De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Gebruik hiervoor de ruimte onder de vraag; er is in principe genoeg
Nadere informatieToewijzingsprobleem Bachelorscriptie
Radboud Universiteit Nijmegen Faculteit der Natuurwetenschappen, Wiskunde en Informatica Toewijzingsprobleem Bachelorscriptie Auteur: Veronique Rademaekers (s4155718) Begeleiders: Dr. W. Bosma en dr. H.
Nadere informatie