Inhoud voor vandaag. Knapzak probleem (2) Knapzak probleem. Geheeltallige lineaire programmeringsproblemen en hun toepassingen
|
|
- Camiel van der Linden
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Inhoud voor vandaag Geheeltallige lineaire programmeringproblemen en hun toepaingen Inleiding geheeltallig lineaire programmering Modellen: Toewijzing Depot locatie Inkoop met kwantum korting Marjan van den Akker Univeritair Docent bij Algoritmic Sytem (Informatica) Cutting tock Uitleg kolomgeneratie Toepaen op cutting tock Andere toepaingen 2 Knapzak probleem Knapzak probleem (2) Knapzak met volume 15 Wat neem je mee? x 1 = 1 al item 1 wordt meegenomen, 0 ander, x 2, max z= 8 x x x x x 5 Item 1:agenda 2:boek 3:brood 4:GSM 5:water Nut Volume ubject to 4 x x x x x 5 15 x 1, x 2, x 3, x 4, x 5 Є {0,1} 3 4
2 Geheeltallig lineaire programmering Voorbeelden toepaingen ILP: Min c T x.t. Ax b x 0 x geheeltallig (of binair) Uitbreiding van LP: Goed nieuw: veel meer mogelijkheden bij het modelleren Slecht nieuw: oploen i veel moeilijker Logitiek: Ontwerp van ditributie netwerk Tranportplanning Seriegrootte bepaling in productie Dientrooter Telecommunicatie: frequency aignment Plannen van vliegtuigen aan gate Samentelling van releae van oftware 5 6 Traveling Saleman Problem (TSP) Gegeven zijn N teden en hun onderlinge aftanden. Vind de kortte route waarbij je elke tad precie één keer bezoekt. N N!
3 Combinatoriche optimaliering Vind de toegelaten oploing met minimale koten/maximale opbrengt. Aantal mogelijke oploingen i eindig maar heel heel erg groot. NP-latig!!!! P: op te loen in polynomiaal aantal tapje NP: alleen oploing checken op feaibility polynomiaal, verder niet bewijbaar beter dan alle oploingen proberen. (niet-determinitich polynomiaal) P v NP i een van de $ 1 million Millenium Prize problem Modelleren Wat worden de variabelen? Hint: wat heb je nodig om de oploing te repreenteren? Voer variabelen in voor ieder ding dat je te weten wilt komen. Wat i je doeltelling? Wat wil je minimalieren/maximalieren Druk dit uit in de variabelen Wat zijn de beperkingen? Ook uitdrukken in de variabelen Toewijzingprobleem Depot locatie n taken moeten worden uitgevoerd door n peronen. Iedere peroon maximaal 1 taak c ij : koten al peroon i taak j uitvoert Wat i de toewijzing met minimale koten? Mogelijke locatie DC: Woerden, Amerfoort, Den Boch, (m) Klanten: A dam, Utrecht, R dam, Eindhoven, Groningen, Maatricht, (n)
4 Depot locatie Uitbreiding depot locatie Gegeven: Alle aftanden d ij Vraag klanten: D j Capaciteit DC: C i Afhandelingkoten per truckload: H i Vate koten DC: F i Tranport koten: 60 cent per truck per kilometer Elke klant krijgt zijn goederen van één ditributiecentrum Welke depot worden geopend en hoe wordt tranport naar de klanten uitgevoerd? Inkoopprobleem Cutting tock (1 dimenionaal) Computer-fabrikant wil 600 hard-dik inkopen. Aanbod: Bechikbaar: genoeg taven van lengte L (bijv. 1 meter). A B C Vate koten Prij per tuk Drempel Prij met korting Aantal bechikbaar Gevraagd: k verchillende maten b 1 t/m b k ; van maat b i zijn m i tuk beteld. Opdracht: nij de gewente tukken uit zo min mogelijk complete taven. Gevraagd: hoe zo goedkoop mogelijk inkopen 15 16
5 Gegeven betelling ILP-formulering Lengte b i 19 cm 27 cm 31 cm Aantal m i n verchillende nijpatronen Gebruik variabelen x 1 t/m x n ; x i geeft aan hoeveel taven je volgen nijpatroon j vernijdt. 35 cm 42 cm 48 cm Noteer nijpatroon j al (a 1,j,a 2,j,,a k,j ); du 1 taaf vernijden op die manier levert a 1,j tuk van b 1 cm op, a 2,j tuk van b 2 cm, enz. 60 cm 8 Lengte taaf L: 1 meter ILP-formulering (2) Bezwaren + remedie min x 1 +x 2 + +x n onder de voorwaarden a 1,1 x 1 +a 1,2 x 2 + +a 1,n x n m 1 a k1 x 1 +a k2 x 2 + +a kn x n m k x 1 0,, x n 0 x 1 geheeltallig,, x n geheeltallig (b 1 cm) (b k cm) Bezwaar: Een geheeltallig LP van enige omvang i niet (nel) oplobaar. Remedie: Laat de geheeltalligheideien weg en lo de LPrelaxatie op al benadering. Bezwaar: Het i niet vertandig om alle mogelijke nijpatronen te bepalen; je gaat er lecht een klein aantal gebruiken. Remedie: Bepaal alleen nijpatronen die je mogelijk gaat gebruiken. Dit kan door gebruik te maken van Kolomgeneratie
6 Idee achter kolomgeneratie voor LP Baikenni 1. Begin met een kleine verzameling nijpatronen. 2. Lo voor die nijpatronen de LP-relaxatie op. 3. Ga na of de oploing verbeterd kan worden door een nieuw nijpatroon te gebruiken. 4. Zo nee optimale oploing gevonden. 5. Zo ja, voeg dit nijpatroon toe en ga naar tap 2. Indien gereduceerde koten (z 1 -c 1 ) 0, (z 2 -c 2 ) 0,, (z n -c n ) 0, dan i de huidige oploing optimaal. In dit voorbeeld z j = π 1 a 1,j + π 2 a 2,j + + π k a k,j π 1 duale multiplier bij de beperking voor b 1 cm, enz. De π waarden zijn bekend! C j = Logich gevolg Slimmere uitwerking Wanneer je alle (z j -c j ) waarden hebt, dan zoek je een variabele x j met z j -c j >0. Indien deze niet betaat, dan optimum gevonden. Al zo n x j wel betaat, dan kun je een betere oploing bereiken door x j te verhogen (in de `Alle (z j -c j ) waarden 0 komt overeen met `de grootte van de (z j -c j ) waarden i 0. Lo een maximalieringprobleem op: wat zijn de waarden (a 1,j,a 2,j,,a kj ) horend bij een geldig nijpatroon waarvoor geldt dat ze (z j -c j ) maximalieren? Omdat c j altijd 1 i kan je z j maximalieren huidige oploing geldt x j =0)
7 Pricing probleem Samenvatting: Oploing optimaal? Gebruik a i in plaat van a ij Maximalieer z j = π 1 a 1 + π 2 a π k a k Lo `beperkte LP probleem op. Dit geeft de optimale oploing; de duale multiplier. onder de voorwaarde Lo weer het reulterende Knapzak op. (a 1,a 2,,a k ) vormt een geldig nijpatroon. Dit geeft een nieuw nijpatroon met (z j -c j )>0 of N.B. (a 1,a 2,,a k ) zijn nu variabelen! bewij optimaliteit. Voeg dit toe, enz Wat heb je hieraan? Gate aignment op Schiphol Deze oploing kan worden gebruikt om een goede benadering te vinden door bijv. Alle fractionele x j variabelen naar boven afronden (geeft toegelaten oploing). Het ILP-probleem oploen met alleen de nijpatronen die je nu hebt gevonden
8 Wat i het probleem? Kotenfunctie We hebben een verzameling vluchten: Aankomt- en vertrektijd Type vliegtuig Herkomt en betemming Eventuele voorkeuren van de maatchappij Grondafhandelaar En we hebben een verzameling gate: Mogelijke regio' (Schengen/EU/Non-EU) Mogelijke vliegtuigtype (grootte) Mogelijke grondafhandelaren Gezocht: een optimale planning Robuute oploingen Variantie: (tuentijden) 2 Of oortgelijke functie Eventueel correctie voor: Vluchten zelfde maatchappij Vluchten zelfde grondafhandelaar Betrouwbaarheid maatchappij Twee faen aanpak ILP-model fae 1 Gateplannen: verzameling vluchten op een gate 1. Zoek voor elke groep van `gelijke gate een even groot aantal gateplannen. 2. Koppel de gateplannen aan fyieke gate. Model min.t. x c x a i x i x geeft electie van plan aan c : koten van plan a i =1 al vlucht i in plan = 1 overige beperkingen {0,1} 31 32
9 Rekenreultaten Meer weten Een dagje Schiphol: Looptijd LP: econden Looptijd ILP: econden Mater curuen van het Landelijk Netwerk Mathematiche Belikunde (LNMB) Mater Applied Computing Science 33 34
Enkele basismodellen uit operationeel onderzoek
Enkele baimodellen uit operationeel onderzoek Roel Leu Roel.Leu@econ.kuleuven.be Studiedag Wikunde e graad ASO 6 mei Inleiding Operationeel onderzoek (O.O.) = het gebruik van wikundige technieken voor
Nadere informatieBranch-and-Bound en Cutting Planes
Branch-and-Bound en Cutting Planes Vandaag: Er is nog geen algoritme om ILP s in polynomiale tijd op te lossen. Twee opties: 1 Exponentiëel algoritme dat optimale oplossing geeft 2 Polynomiaal algoritme
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 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 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 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 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 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 informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 10 Leo van Iersel Technische Universiteit Delft 23 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 23 november 2016 1 / 40 Vraag Ik heb het deeltentamen niet
Nadere informatieExamenvragen Toegepast Operationeel Onderzoek (D0178a)
Examenvragen Toegepast Operationeel Onderzoek 2006-2007 (D0178a) Tijdstip: Vrijdag 24 augustus 2007 09.00-13.00 uur Het examen is open boek. Er zijn vier opgaven. Achter de opgaven zitten de bladzijden
Nadere informatieSamenvatting college 1-12
Samenvatting college 1-12 Probleemformulering Duidelijk definiëren van beslissingsvariabelen Zinvolle namen voor variabelen bv x ij voor ingrediënt i voor product j, niet x 1,..., x 20 Beschrijving van
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 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 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 informatieGeheeltallige programmering
Geheeltallige programmering In een LP probleem zijn alle variabelen reëel. In een geheeltallig probleem blijven doelfunctie en constraints lineair, maar zijn de variabelen geheeltallig. LP: IP: BIP: MIP:
Nadere informatieRouteren van treinstellen op knooppunten
Routeren van treinstellen op knooppunten John van den Broek 2 februari 2007 Nationale Wiskunde Dagen Algemene gegevens NS 1.100.000 reizigers per werkdag 15.000.000.000 reizigers kilometers per jaar 5200
Nadere informatieTie breaking in de simplex methode
Tie breaking in de simplex methode Tijdens de Simplexmethode kan op een aantal momenten onduidelijk zijn wat je moet doen: 1. Variabele die de basis in gaat: Zoek de grootste coëfficiënt in de doelfunctie.
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 informatieOptimalisering en Complexiteit, College 14. Geheeltallige LPs en Planning bij Grolsch. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 14 Geheeltallige LPs en Planning bij Grolsch Han Hoogeveen, Utrecht University Branch-and-bound voor algemene ILPs (1) Neem even aan dat je een minimaliseringsprobleem
Nadere informatied τ (t) dt = 1 voor alle τ 0.
65 Impulfunctie In deze paragraaf kijken we naar verchijnelen waarbij in zeer korte tijd een (grote kracht op een yteem wordt uitgeoefend Zo n plotelinge kracht kunnen we bechrijven met behulp van een
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 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 informatied τ (t) dt = 1 voor alle τ 0.
6.5. Impulfunctie. In deze paragraaf kijken we naar verchijnelen waarbij in zeer korte tijd een (grote) kracht op een yteem wordt uitgeoefend. Zo n plotelinge kracht kunnen we bechrijven met behulp van
Nadere informatie(On)Doenlijke problemen
Fundamentele Informatica In3 005 Deel 2 College 1 Cees Witteveen Parallelle en Gedistribueerde Systemen Faculteit Informatie Technologie en Systemen Overzicht Inleiding - Relatie Deel 1 en Deel 2 - Doenlijke
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 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 informatieOptimalisering WI 2608
Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 7.080 e-mail: j.b.m.melissen@ewi.tudelft.nl tel: 015-2782547 Studiemateriaal op : http://www.isa.ewi.tudelft.nl/~melissen (kijk bij onderwijs WI
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 informatie1 Complexiteit. of benadering en snel
1 Complexiteit Het college van vandaag gaat over complexiteit van algoritmes. In het boek hoort hier hoofdstuk 8.1-8.5 bij. Bij complexiteitstheorie is de belangrijkste kernvraag: Hoe goed is een algoritme?
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 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 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 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 WI 2608
Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 4.150 e-mail: j.b.m.melissen@tudelft.nl tel: 015-2782547 Het project is een verplicht onderdeel van het vak Het project start in week 5. Nadere informatie
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 informatieHoofdstuk 17: Approximation Algorithms
Hoofdstuk 17: Approximation Algorithms Overzicht: Vorige week: Π NP-volledig Π waarschijnlijk niet polynomiaal oplosbaar 2 opties: 1 Optimaal oplossen, niet in polynomiale tijd (B&B, Cutting planes) 2
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 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 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 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 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 informatieExamen Datastructuren en Algoritmen II
Tweede kandidatuur Informatica Academiejaar 2004 2005, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Binomiale
Nadere informatieOpgave 1.2. Theorie: Blz. 37/38
Ogave. Theorie: Blz. 7/8 Ti: Bereken P in uit orule (.60) door een bekend unt in te vullen. Bijvoorbeeld: T 00 7 K et de bekende druk P 0 Pa. Gegeven: L 4000 J/ol T gev 0 0 K R 8,47 J/ol,K Oloing: P (0
Nadere informatieA.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken).
64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A. Grafentheorie Vraag. Neem drie knooppunten i, j en k. d(i, k) = het minimum aantal takken in een keten tussen i en k Vraag.2 het minimum aantal takken in een keten
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 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 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 informatieOnderdelen cursus. Betreft week 4: Vr 8:45-10:30 uur: college VANDAAG: 10:45-12:30: practicum onder begeleiding. Betreft de weken 2 en 3:
Toegepate Statitiek, Week 1 1 Betreft week 1: Onderdelen curu Vr 8:45-10:30 uur: college VANDAAG: 10:45-12:30: practicum onder begeleiding aitent Betreft de weken 2 en 3: Vr 8:45-10:30 uur: college Vr
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 informatieFaculteit der Economie en Bedrijfskunde
Faculteit der Economie en Bedrijfskunde Op dit voorblad vindt u belangrijke informatie omtrent het tentamen. Lees dit voorblad voordat u met het tentamen begint! Tentamen: Operational Research 1D (4016)
Nadere informatieTU/e 2DD50: Wiskunde 2
TU/e 2DD50: Wiskunde 2 Enkele mededelingen Instructies (vandaag, 10:45 12:30) in vier zalen: Zaal Aud 10 Pav b2 Pav m23 Ipo 0.98 voor studenten met achternaam beginnend met letters A tot en met D met letters
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 3 Leo van Iersel Technische Universiteit Delft 21 september 2016 Leo van Iersel (TUD) TW2020 Optimalisering 21 september 2016 1 / 36 LP: Lineair Programmeren min x 1 2
Nadere informatieBeeldsensoren, wat zijn dat en wat voor objectief heb ik nodig?
Beeldenoren, wat zijn dat en wat voor objectief heb ik nodig? De beeldenor in een digitale camera kun je ook wel het hart van een camera noemen. De enor vangt het licht op en zet deze om in een digitaal
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 informatieFamilie-editie. Speelmateriaal. Vervangingsfiches
Familie-editie Speelmateriaal Hallo! Mijn naam i Uwe Roenberg, de ontwerper van dit pel. Ik zal je door de pelregel leiden en tip geven. 2 dubbelzijdige peelborduitbreidingen (met extra velden) peelbord
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 2 Leo van Iersel Technische Universiteit Delft 14 september 2016 Leo van Iersel (TUD) TW2020 Optimalisering 14 september 2016 1 / 30 Modelleren van LP en ILP problemen
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 informatieTentamen combinatorische optimalisatie Tijd:
Tentamen combinatorische optimalisatie 26-05-2014. Tijd: 9.00-11.30 Tentamen is met gesloten boek. Beschrijf bij elke opgave steeds het belangrijkste idee. Notatie en exacte formulering is van minder belang.
Nadere informatieDe Beroepsopleiding voor de Advocatuur
De Beroepopleiding voor aan advocaat-tagiaire. Kantoren en andere aanbieder kunnen onder trikte kwaliteitvoorwaarden (accreditatieregime) een deel van het onderwij aanbieden, namelijk toepaing cognitief
Nadere informatieTie breaking in de simplex methode
Tie breaking in de simplex methode Tijdens de Simplexmethode kan op een aantal momenten onduidelijk zijn wat je moet doen: 1. Variabele die de basis in gaat: Zoek de grootste coëfficiënt in de doelfunctie.
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 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 informatieHoofdstuk 6: De Laplace transformatie
Hoofdtuk 6: De Laplace tranformatie 6.. Definitie. Een integraaltranformatie i een relatie van de vorm F () = β α K(, t)f(t) dt, die een functie f(t) omzet naar een andere functie F (). De functie K(,
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 informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op 16-4-2012, 14.30-17.00 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op 6--,.-7. uur. Aan dit tentamen gaat een MATLAB-toets van een half uur vooraf. Pas als de laptops
Nadere informatieNP-Volledigheid. Wil zo snel mogelijke algoritmes om problemen op te lossen. De looptijd is polynomiaal: O n k - dat is heel erg mooi
NP-Volledigheid Wil zo snel mogelijke algoritmes om problemen op te lossen Gezien: selectie [O(n)], DFS [O(n + m)], MaxFlow [O nm n + m ], MST [O(n + m)], etc De looptijd is polynomiaal: O n k - dat is
Nadere informatieStandaardisatie en z-scores
Prof. dr. Herman Callaert Inhoudtafel 1 Standaardiatie bij concreet cijfermateriaal... 1 1.1 Een eerte voorbeeld: de punten van Pol... 1 1.1.1 De ruwe core... 1 1.1.2 Vergelijken met het klagemiddelde...
Nadere informatie1 Vervangingsstrategie auto
Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2002 1 Vervangingsstrategie auto Onderdeel a Zij V = {0, 1, 2, 3, 4, 5, 6}, waarbij knoop i staat voor het einde
Nadere informatieModeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013
Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag Januari 20 Opgave. Python Gegeven is de volgende (slechte) Python code:. def t(x): 2. def p(y):. return x*y
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 3 Leo van Iersel Technische Universiteit Delft 21 september 2016 Leo van Iersel (TUD) TW2020 Optimalisering 21 september 2016 1 / 36 LP: Lineair Programmeren min x 1 2
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 informatieOptimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016
Optimalisering Hoorcollege 4 Leo van Iersel Technische Universiteit Delft 28 september 2016 Leo van Iersel (TUD) Optimalisering 28 september 2016 1 / 18 Dualiteit Dualiteit: Elk LP probleem heeft een bijbehorend
Nadere informatieOptimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 23 september 2015
Optimalisering Hoorcollege 4 Leo van Iersel Technische Universiteit Delft 23 september 2015 Leo van Iersel (TUD) Optimalisering 23 september 2015 1 / 19 Mededelingen Maandag 28 september: deadline huiswerk
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 informatieOnderwerpen. Punten en lijnen, postbodes en handelsreizigers. Theorie. Theorie (2) Graaftheorie. Een mini-inleiding graaftheorie
Onderwerpen Punten en lijnen, postbodes en handelsreizigers Een mini-inleiding graaftheorie Graaftheorie Herman Geuvers Euler en de postbode Radboud Universiteit Nijmegen 9 februari 2019 met dank aan Engelbert
Nadere informatieLineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert
Lineaire functies? x 3x (x 1, x 2 ) 5x 1 7x 2 x 6x 17 x ax (a, x) ax??? 3x 1 2 + 5log x 2 substitueer x 1 = y 1, x 2 = exp(y 2 ) levert 3y 1 + 5y 2 na substitutie lineair. Niet-lineaire functies kunnen
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 informatie= = = 6. methode-b: het oppervlak onder de snelheid-tijd-grafiek is een maat voor de afgelegde weg.
Verbeterleutel Ea 6MWE_LWE Correctieleutel bij Vraag-V01: Steengoede grafiek 7 We bepalen de geiddelde nelheid uit de grafiek: v + 1 0 1 v vg = = = 6 Hieruit volgt voor de afgelegde aftand:. v. g = = vg
Nadere informatieTU/e 2DD50: Wiskunde 2
TU/e 2DD50: Wiskunde 2 Enkele mededelingen Tussentoets: 26 november, tijdens de instructies Tentamenstof: LP; Simplex; dualiteit (= colleges 1 4) Bij de tussentoets mag een eenvoudige (niet programmeerbare)
Nadere informatieInleiding Digitale Techniek
Inleiding Digitale Techniek Week 3 Schakelalgebra, waarheidtabellen, Karnaugh, (de)mu Jee op den Brouw INLDIG/25-26 Schakelalgebra Schakelalgebra i de wikunde waarmee digitale chakelingen ontworpen kunnen
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 informatieOptimalisering en Complexiteit, College 11. Complementaire speling; duale Simplex methode. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 11 Complementaire speling; duale Simplex methode Han Hoogeveen, Utrecht University Duale probleem (P) (D) min c 1 x 1 + c 2 x 2 + c 3 x 3 max w 1 b 1 + w 2 b 2 +
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 informatieProject Excellence. 3 december 2012
Project Excellence 3 december 2012 Introductie Henk Drenth Onderwerpen - General management - Outourcing - IT Service Management - Programma en Interim Management - Lean Six Sigma - Human Reource Management
Nadere informatieStochastische Modellen in Operations Management (153088)
R1 L1 R2 S0 Stochastische Modellen in Operations Management (153088) 240 ms 10 ms Ack Internet Richard Boucherie Stochastische Operations Research TW, Ravelijn H 219 http://wwwhome.math.utwente.nl/~boucherierj/onderwijs/153088/153088.html
Nadere informatieOptimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016
Optimalisering Hoorcollege 4 Leo van Iersel Technische Universiteit Delft 28 september 2016 Leo van Iersel (TUD) Optimalisering 28 september 2016 1 / 18 Dualiteit Dualiteit: Elk LP probleem heeft een bijbehorend
Nadere informatieRangeerplannen maken voor treinen
s Nachts rijden de treinen niet en op rustige momenten zijn de treinen korter dan in de spits. Dat betekent dat er voortdurend met treinstellen gerangeerd moet worden. En dat op het intensiefst bereden
Nadere informatietail Amsterdam, 1 december 2009 Betreft; gewijzigd dienstenaanbod Geachte heer, mevrouw,
tail STUDIO Amterdam, 1 december 2009 Betreft; gewijzigd dientenaanbod Geachte heer, mevrouw, U hebt in het verleden een taalanalye of contra-expertie bij De Taaltudio aangewaagd. Zoal u vermoedelijk via
Nadere informatieOptimalisatie van doelgroepenvervoer
Optimalisatie van doelgroepenvervoer Richard J. Boucherie Hiska Boelema Jeroen de Cloet Léon van der Kaap Stefan Klootwijk Joram Span Bernard Hoeksma 19/09/2014 r.j.boucherie@utwente.nl / www.utwente.nl/choir
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 6 J.Keijsper (TUE)
Nadere informatieEr zijn 4 opgaven, daarna volgen blanco bladzijden die u kan gebruiken om te antwoorden.
Examen DH45 Lineaire Optimalizatie (D. Goossens) Vrijdag 29 januari 2010, 9 12u Richtlijnen: Er zijn 4 opgaven, daarna volgen blanco bladzijden die u kan gebruiken om te antwoorden. Lees aandachtig de
Nadere informatieALGORITMIEK. Keuzemodule Wiskunde B/D. Mark de Berg TU Eindhoven
ALGORITMIEK Keuzemodule Wiskunde B/D Mark de Berg TU Eindhoven Voorwoord Algoritmiek is het gebied binnen de informatica dat zich bezig houdt met het ontwerpen en analyseren van algoritmen en datastructuren.
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2009 2010, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. Lees de hele
Nadere informatieSamenvatting 203 Klimaatverandering leidt volgens de voorspellingen tot een toename van de mondiale temperatuur en tot veranderingen in de mondiale waterkringloop. Deze veranderingen in de waterkringloop
Nadere informatieExperiment. Donderdag 24 juli 2008
39t Internationale Natuurkunde Olympiade - Hanoi - Vietnam - 2008 Practicumtoet Experiment Donderdag 24 juli 2008 Lee dit eert! 1. Voor de practicumtoet i 5 uur bechikbaar. 2. Er zijn twee opdrachten die
Nadere informatieTransport-, 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 informatie6 Ongelijkheden. Verkennen. Uitleg. Theorie en voorbeelden. Los het probleem rond de huur van een kopieermachine op.
6 Ongelijkheden Verkennen Ongelijkheden Inleiding Verkennen Los het probleem rond de huur van een kopieermachine op. Uitleg Ongelijkheden Theorie Opgave 1 In de Uitleg zie je hoe de ongelijkheid 0,05v
Nadere informatieUitwerkingen opgaven Elektrische velden. DNA onderzoek met elektroforese
Uitwerkingen opgaven lektriche velden Opgave 1.1 DNA onderzoek met elektroforee a Wat beweegt er precie? negatief geladen DNA fragmenten b Door welke tof vindt de beweging plaat? door een gel c Wat veroorzaakt
Nadere informatieStelling. SAT is NP-compleet.
Het bewijs van de stelling van Cook Levin zoals gegeven in het boek van Sipser gebruikt niet-deterministische turing machines. Het is inderdaad mogelijk de klasse NP op een alternatieve wijze te definiëren
Nadere informatie