TU/e 2DD50: Wiskunde 2 (1)

Save this PDF as:
 WORD  PNG  TXT  JPG

Maat: px
Weergave met pagina beginnen:

Download "TU/e 2DD50: Wiskunde 2 (1)"

Transcriptie

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: Voor gedetailleerde informatie en college materiaal:

2 2DD50: Wiskunde 2 (2) Tussentoets Bij de tussentoets mag een eenvoudige (niet programmeerbare) rekenmachine meegenomen worden, en tweezijdig A4-tje met daarop handgeschreven aantekeningen die men nodig denkt te hebben bij het maken van de toets geen boeken, geen kopieën Als een antwoord twee verschillende oplossingen bevat dan krijg je nul punten. Als een langere berekening (zoals toepassen van de simplexmethode of het oplossen van een transportprobleem) een fout bevat, dan krijg je alleen punten voor het deel voorafgaand aan de fout.

3 Waar waren we ook al weer gebleven? Vorige keer Dualiteit Vandaag Transportproblemen Toewijzingsproblemen

4 Transportproblemen () Beschouw volgende situatie: m producenten, met aanbod s, s 2,..., s m van product n consumenten, met vraag d, d 2,..., d n naar product Transportkosten van producent i naar consument j bedragen c i,j (per eenheid product) Probleem Bepaal hoeveelheid product x i,j dat van producent i naar consument j moet worden getransporteerd zodanig dat:. Totale transportkosten minimaal zijn 2. Aanbod van iedere producent volledig wordt benut 3. Vraag van iedere consument volledig wordt vervuld Neem voor nu aan dat totale aanbod gelijk is aan totale vraag: S = m i= s i = n j= d j = D

5 Transportproblemen: eerste voorbeeld Vervoer van ijzererts van Noord Amerika naar Europa Aanbod Transportkosten Vraag Boston Amsterdam 20 New York Londen 80 Miami Lissabon 20 Probleem Hoeveelheid ijzererts moet tussen elk tweetal havens worden verscheept zodanig dat totale transportkosten worden geminimaliseerd?

6 Transportproblemen tweede voorbeeld Bank beschikt over twee afdelingen om overboekingen uit te voeren Afdeling kan hoogstens 9000 overboekingen uitvoeren Afdeling 2 kan hoogstens 6000 overboekingen uitvoeren Drie typen overboekingen Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen overboekingen van elk type Kosten voor uitvoeren van overboekingen bedragen: afdeling afdeling 2 Buitenlands 5 cent 3 cent Spoed 4 cent 4 cent Zakelijk 2 cent 5 cent

7 Transportproblemen tweede voorbeeld (2) Probleem Hoeveel overboekingen van elk type moet door beide afdelingen worden uitgevoerd zodanig dat de totale verwerkingskosten worden geminimaliseerd? Aanbod Kosten Vraag Afdeling 9000 Afdeling Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen

8 Transportproblemen tweede voorbeeld (3) LP formulering: x ij : aantal overboekingen van type j (j =, 2, 3) dat wordt uitgevoerd door afdeling i (i =, 2) minimaliseer 5x + 4x 2 + 2x 3 + 3x 2 + 4x x 23 onder voorwaarden x + x 2 + x 3 = 9000 aanbod x 2 + x 22 + x 23 = 6000 aanbod x + x 2 = vraag x 2 + x 22 = vraag x 3 + x 23 = vraag x ij 0 i =, 2 j =, 2, 3

9 Transportproblemen tweede voorbeeld (4) Stel nu dat afdeling meer overboekingen kan uitvoeren, namelijk 0000 in plaats van 9000 Totale aanbod stijgt van naar 6000, maar vraag blijft We moeten probleem weer in balans brengen Introduceer nieuw type overboekingen: dummy (nep) overboekingen 000 dummy overboekingen om probleem weer in balans te brengen Verwerkingskosten van dummy overboekingen zijn 0 in beide afdelingen

10 Transportproblemen tweede voorbeeld (5) Na introduceren van dummy overboekingen verkrijgen we: minimaliseer 5x + 4x 2 + 2x 3 + 3x 2 + 4x x 23 onder voorwaarden x + x 2 + x 3 = 0000 aanbod x 2 + x 22 + x 23 = 6000 aanbod x + x 2 = vraag x 2 + x 22 = vraag x 3 + x 23 = vraag x 4 + x 24 = 000 dummy vraag x ij 0 i =, 2 j =, 2, 3, 4

11 Algemene LP formulering minimaliseer onder voorwaarden m n i= j= c ijx ij n j= x ij = s i m i= x ij = d j x ij 0 i =... m (aanbod) j =... n (vraag) i =... m, j =... n

12 Transportprobleem is gebalanceerd indien: S = m s i = i= n d j = D j= Hoe kunnen we willekeurig transportprobleem gebalanceerd maken? Als totale aanbod totale vraag overstijgt (S > D), voeg dan dummy consument n + toe met vraag d n+ = S D transportkosten c i,n+ = 0 voor alle producenten i Als totale vraag totale aanbod overtreft (S < D), voeg dan dummy producent m + toe met aanbod s m+ = D S transportkosten c m+,j = 0 voor alle consumenten j

13 Aanbod Boston 00 Transport 00 Vraag Amsterdam 20 New York Londen 80 Miami Lissabon 20 Cruciale observatie Als x, x 2,..., x mn optimale oplossing is (en andere variabelen nul zijn), dan vormen overeenkomstige lijnen in figuur forest (verzameling van bomen), dat wil zeggen, deze bevatten géén cycle Waarom Anders kan oplossing worden verbeterd door in cycle waarden van x i,j afwisselend te vergroten/verkleinen

14 Terug naar voorbeeld van bank Mogelijke toewijzing: Aanbod Afdeling 9000 Afdeling Transport Vraag Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen Totale verwerkingskosten bedragen Maar deze toewijzing bevat een cycle!

15 Betere toewijzing is: x = 3000 a (c = 5) x 2 = a (c 2 = 4) x 3 = 3000 x 2 = a (c 2 = 3) x 22 = 2000 a (c 22 = 4) x 23 = 2000 We kunnen a maximaal 2000 maken Dan worden de totale verwerkingskosten 53000

16 Aanbod Afdeling 9000 Afdeling Transport 3000-a 3000+a a 2000-a 2000 Vraag Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen Afwisselend verhogen en verlagen van het transport over de cycle

17 Aanbod Afdeling 9000 Afdeling Transport Vraag Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen We krijgen nu deze toewijzing

18 Aanbod Afdeling 9000 Afdeling Transport Vraag Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen De toewijzing bevat nog steeds een cycle!

19 Aanbod Transport Vraag Afdeling 9000 Afdeling a 4000+a 000-a 2000-a Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen We kunnen weer afwisselend verhogen en verlagen over de cycle

20 Aanbod Transport Vraag Afdeling 9000 Afdeling Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen We krijgen nu deze toewijzing

21 Aanbod Transport Vraag Afdeling 9000 Afdeling Buitenlandse overboekingen Spoed overboekingen Zakelijke overboekingen Deze toewijzing bevat geen cycle meer! Maar is hij optimaal?

22 Een basis bestaat uit m + n variabelen zodanig dat overeenkomstige lijnen in figuur géén cycle bevatten Variabelen in basis worden basis variabelen genoemd Alle andere variabelen worden niet-basis variabelen genoemd In een toegelaten basis oplossing zijn de niet-basis variabelen allemaal 0 Als er basis variabelen nul zijn dan wordt de oplossing gedegenereerd genoemd Oplossingsalgoritme: Vindt toegelaten basis oplossing Gaat van toegelaten basis oplossing naar volgende toegelaten basis oplossing totdat een optimale oplossing is gevonden.

23 Het is handig om met transport tableau te werken in plaats van grafische representatie C C2 C 3 X X 2 X3 C2 C 22 C23 X2 X22 X23 C3 C32 C33 X3 X32 X 33 supply S S 2 S 3 demand D D 2 D3

24 Vinden van toegelaten basis oplossing Algemene procedure om toegelaten basis oplossing te vinden Herhaal volgende stappen: Kies variabele x ij uit overgebleven rijen en kolommen Noord-West hoek regel Minimale-kosten regel Maak x ij zo groot mogelijk x ij heeft dan resterend aanbod or resterende vraag in zijn rij en kolom uitgeput Elimineer betreffende rij of kolom (maar niet beide in geval x ij zowel resterend aanbod in rij als resterende vraag in kolom tegelijkertijd heeft uitgeput) Als nog slechts één rij of één kolom overblijft kunnen we de overgebleven getallen gemakkelijk invullen.

25 Noord-West hoek regel Herhaal volgende stappen:. Neem cell in Noord-West hoek (linksboven) van overgebleven rijen en kolommen 2. Maak overeenkomstige variabele zo groot mogelijk 3. Als variabele resterend aanbod in rij of column heeft uitgeput, elimineer dan deze rij of column (maar niet beide) Als nog slechts één rij of één kolom overblijft kunnen we de overgebleven getallen gemakkelijk invullen

26 Minimale-kosten regel Herhaal volgende stappen:. Neem cell met minimale kosten van overgebleven rijen en kolommen 2. Maak overeenkomstige variabele zo groot mogelijk 3. Als variabele resterend aanbod in rij of column heeft uitgeput, elimineer dan deze rij of column (maar niet beide) Als nog slechts één rij of één kolom overblijft kunnen we de overgebleven getallen gemakkelijk invullen

27 Wanneer is optimale oplossing gevonden? Bereken getallen u, u 2,..., u m en v, v 2,..., v n zodanig dat: c ij = u i + v j voor elke basis variabele x ij

28 Wanneer is optimale oplossing gevonden? Bereken getallen u, u 2,..., u m en v, v 2,..., v n zodanig dat: c ij = u i + v j voor elke basis variabele x ij Neem rij of kolom l die grootste aantal basis-variabelen bevat Als dat een rij is, kies dan u l = 0; als het een kolom is, kies dan v l = 0 Bepaal resterende u i s en v j s supply u i demand v j 5 4 5

29 Stelling Als voor elke variabele x ij geldt c ij u i + v j dan is oplossing optimaal Voor elke basis variabele x ij geldt c ij u i v j = 0 Als er variabele x ij is waarvoor c ij u i v j < 0, dan kan oplossing worden verbeterd Getallen u i, v j zijn te interpreteren als duale variabelen

30 Stap om van toegelaten basis oplossing naar volgende toegelaten basis oplossing te gaan voeg variabele toe aan basis verwijder variabele uit basis zodanig dat nieuwe oplossing niet slechter is dan oude oplossing Aantal basis variabelen blijft m + n

31 Keten reacties Reeks van minstens vier cellen wordt keten reactie genoemd indien:. elk paar opeenvolgende cellen behoort tot zelfde rij of kolom 2. geen enkel drietal opeenvolgende cellen behoort tot dezelfde rij of kolom 3. laatste cel komt overeen met eerste cel In grafische representatie, correspondeert keten reactie met cycle In schaakspel, rondreis van toren die afwisselend rijen en kolommen volgt

32 Voorbeeld keten reactie

33 Algemeen algoritme Bereken u,..., u m en v,..., v n Als cij u i v j 0 voor alle i en j, dan is oplossing optimaal Neem anders xij zodanig dat c ij u i v j < 0: dit wordt de nieuwe basis variabele

34 Algemeen algoritme Bereken u,..., u m en v,..., v n Als cij u i v j 0 voor alle i en j, dan is oplossing optimaal Neem anders xij zodanig dat c ij u i v j < 0: dit wordt de nieuwe basis variabele Vind keten reactie voor nieuwe basis variabele Label cellen in keten reactie afwisselend met + en ; Nieuwe basis variabele moet label + krijgen

35 Algemeen algoritme Bereken u,..., u m en v,..., v n Als cij u i v j 0 voor alle i en j, dan is oplossing optimaal Neem anders xij zodanig dat c ij u i v j < 0: dit wordt de nieuwe basis variabele Vind keten reactie voor nieuwe basis variabele Label cellen in keten reactie afwisselend met + en ; Nieuwe basis variabele moet label + krijgen Bepaal minimum van x ij over alle cellen in keten reactie met label : noteer dat met θ Voor elke variabele x ij in cell, neem x ij := x ij θ Voor elke variabele x ij in + cell, neem x ij := x ij + θ

36 Algemeen algoritme Bereken u,..., u m en v,..., v n Als cij u i v j 0 voor alle i en j, dan is oplossing optimaal Neem anders xij zodanig dat c ij u i v j < 0: dit wordt de nieuwe basis variabele Vind keten reactie voor nieuwe basis variabele Label cellen in keten reactie afwisselend met + en ; Nieuwe basis variabele moet label + krijgen Bepaal minimum van x ij over alle cellen in keten reactie met label : noteer dat met θ Voor elke variabele x ij in cell, neem x ij := x ij θ Voor elke variabele x ij in + cell, neem x ij := x ij + θ Verwijder één van variabelen die nul zijn geworden uit de basis

37 Algemeen algoritme Bereken u,..., u m en v,..., v n Als cij u i v j 0 voor alle i en j, dan is oplossing optimaal Neem anders xij zodanig dat c ij u i v j < 0: dit wordt de nieuwe basis variabele Vind keten reactie voor nieuwe basis variabele Label cellen in keten reactie afwisselend met + en ; Nieuwe basis variabele moet label + krijgen Bepaal minimum van x ij over alle cellen in keten reactie met label : noteer dat met θ Voor elke variabele x ij in cell, neem x ij := x ij θ Voor elke variabele x ij in + cell, neem x ij := x ij + θ Verwijder één van variabelen die nul zijn geworden uit de basis Totale kosten gereduceerd met (c ij u i v j )θ

38 Label cellen in keten reactie afwisselend met + en De cellen met + worden verhoogd en de cellen met verlaagd

39 Voorbeeld supply u i demand v j Basis variabelen zijn: x, x 2, x 22, x 23 Totale kosten bedragen Voor x 3 krijgen we c 3 u v 3 = = 3

40 Voorbeeld supply u i demand v j Basis variabelen zijn: x, x 2, x 22, x 23 Totale kosten bedragen Voor x 3 krijgen we c 3 u v 3 = = 3 Voor x 2 krijgen we c 2 u 2 v = = 2

41 Voorbeeld supply u i demand v j Basis variabelen zijn: x, x 2, x 22, x 23 Totale kosten bedragen Voor x 3 krijgen we c 3 u v 3 = = 3 Voor x 2 krijgen we c 2 u 2 v = = 2 De oplossing is niet optimaal We kiezen x 3 als nieuwe basis variabele

42 demand v j supply u i Keten reactie: x 3 x 23 x 22 x 2 x 3 θ = min{4000, } = 4000

43 demand v j supply u i Keten reactie: x 3 x 23 x 22 x 2 x 3 θ = min{4000, } =

44 Nieuwe basis variabelen: x, x 3, x 22, x 23 Totale kosten bedragen Nog niet optimaal Na enkele verdere stappen wordt optimale oplossing gevonden met totale kosten 4

45 Stelling Als waarden van elk aanbod s i en elke vraag d j geheeltallig zijn, dan heeft transportprobleem optimale oplossing die geheeltallig is.

46 Samenvatting transportproblemen Vindt toegelaten basisoplossing met Noord-Westhoek regel of Minimale-kosten regel

47 Samenvatting transportproblemen Vindt toegelaten basisoplossing met Noord-Westhoek regel of Minimale-kosten regel Bepaal u i en v j zodanig dat c ij = u i + v j voor alle basisvariabelen

48 Samenvatting transportproblemen Vindt toegelaten basisoplossing met Noord-Westhoek regel of Minimale-kosten regel Bepaal u i en v j zodanig dat c ij = u i + v j voor alle basisvariabelen Als c ij u i v j < 0 voor een (niet-basis) variabele x ij dan kunnen we die variabele de basis inbrengen door een keten reactie

49 Samenvatting transportproblemen Vindt toegelaten basisoplossing met Noord-Westhoek regel of Minimale-kosten regel Bepaal u i en v j zodanig dat c ij = u i + v j voor alle basisvariabelen Als c ij u i v j < 0 voor een (niet-basis) variabele x ij dan kunnen we die variabele de basis inbrengen door een keten reactie Als c ij u i v j 0 voor alle (niet-basis) variabelen dan is de oplossing optimaal

50 Toewijzingsprobleem () Beschouw volgende situatie: n medewerkers n taken kosten c ij om medewerker i taak j te laten uitvoeren Schilderen Wassen Behangen Jan Karin Ben Probleem Hoe moeten taken aan medewerkers worden toegewezen zodanig dat totale kosten worden geminimaliseerd?

51 Toewijzingsprobleem (2) Merk op: toewijzingsprobleem is speciaal geval van transportprobleem, met aanbod (van elke medewerker/producent) vraag (van elke taak/consument) evenveel producenten/medewerkers als consumenten/taken

52 Toewijzingsprobleem (3)

53 Toewijzingsprobleem (3) Minimale-kosten regel geeft start oplossing:

54 Toewijzingsprobleem (4) v u 0 6

55 Toewijzingsprobleem (4) v u 0 6 We vinden keten reactie: u v 5 0 9

56 Toewijzingsprobleem (5) u 0 2 v 0 9 Optimale toewijzing is: Jan Wassen Karin Schilderen Ben Behangen

TU/e 2DD50: Wiskunde 2

TU/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 informatie

TU/e 2DD50: Wiskunde 2

TU/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 informatie

TU/e 2DD50: Wiskunde 2 (1)

TU/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 informatie

TW2020 Optimalisering

TW2020 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 informatie

Tentamen: Operationele Research 1D (4016)

Tentamen: 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 informatie

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.

Sommige 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 informatie

TW2020 Optimalisering

TW2020 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 informatie

Universiteit 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, 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 informatie

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).

1 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 informatie

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken).

A.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 informatie

TW2020 Optimalisering

TW2020 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 informatie

Faculteit der Economie en Bedrijfskunde

Faculteit 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 informatie

TW2020 Optimalisering

TW2020 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 informatie

ffl een willekeurige LP in standaard vorm kan omzetten ffl het bij een basis toebehorend tableau en de basisoplossing kan berekenen ffl de simplex alg

ffl een willekeurige LP in standaard vorm kan omzetten ffl het bij een basis toebehorend tableau en de basisoplossing kan berekenen ffl de simplex alg Grafentheorie en Operationele Research 158070 Handout Operationele Research gedeelte 1 Inleiding 1.1 Inhoud Het Operationele Research gedeelte van het vak 'Grafentheorie en Operationele Research' houdt

Nadere informatie

Voorbeeld simplexmethode. Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0.

Voorbeeld simplexmethode. Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0. Voorbeeld simplexmethode Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0. Voer slackvariabelen (x 4, x 5 ) in: Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x

Nadere informatie

Optimalisering en Complexiteit, College 10. Begrensde variabelen. Han Hoogeveen, Utrecht University

Optimalisering 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 informatie

Samenvatting college 1-12

Samenvatting 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 informatie

Bijlage A Simplex-methode

Bijlage A Simplex-methode Dee bijlage hoort bij Beter beslissen, Bijlage A Simplex-methode Verreweg de meeste LP-problemen worden opgelost met behulp van het ogenoemde Simplex-algoritme, in ontwikkeld door G.B. Dantig. De meeste

Nadere informatie

Overzicht. 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 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 informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 2 Leo van Iersel Technische Universiteit Delft 9 september 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 september 2015 1 / 23 Huiswerk Huiswerk 1 is beschikbaar op

Nadere informatie

Lineaire Optimilizatie Extra sessie. 19 augustus 2010

Lineaire Optimilizatie Extra sessie. 19 augustus 2010 Lineaire Optimilizatie Extra sessie 19 augustus 2010 De leerstof Handboek: hoofdstuk 2 t.e.m. 8 (incl. errata) Slides (zie toledo) Extra opgaven (zie toledo) Computersessie: Lindo syntax en output Wat

Nadere informatie

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3.

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3. 1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3. Een LP probleem heeft n>2 variabelen en n+2 constraints.

Nadere informatie

Technische Universiteit Eindhoven Faculteit Wiskunde & Informatica

Technische 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 informatie

1 Vervangingsstrategie auto

1 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 informatie

OPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN

OPERATIONS 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 informatie

Voorbeeld van herschrijven als transportprobleem

Voorbeeld van herschrijven als transportprobleem Voorbeeld van herschrijven als transportprobleem Het water van 3 rivieren moet worden verdeeld over 4 steden. Daar zijn kosten aan verbonden per eenheid water (zie tabel). De steden hebben minimumbehoeften

Nadere informatie

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen 08-04-2005

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 informatie

Taak 2: LP: simplex en sensitiviteitsanalyse Voorbeeld uitwerking

Taak 2: LP: simplex en sensitiviteitsanalyse Voorbeeld uitwerking Taak 2: LP: simplex en sensitiviteitsanalyse Voorbeeld uitwerking. Sensitiviteitsanalyse (a) Als de prijs van legering 5 daalt, kan het voordeliger worden om gebruik te maken van deze legering. Als de

Nadere informatie

l e x e voor alle e E

l 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 informatie

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Optimalisering 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 informatie

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.

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. 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 informatie

Basiskennis lineaire algebra

Basiskennis lineaire algebra Basiskennis lineaire algebra Lineaire algebra is belangrijk als achtergrond voor lineaire programmering, omdat we het probleem kunnen tekenen in de n-dimensionale ruimte, waarbij n gelijk is aan het aantal

Nadere informatie

Lineaire Algebra (2DD12)

Lineaire Algebra (2DD12) Lineaire Algebra (2DD12) docent: Ruud Pellikaan - Judith Keijsper email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/ ruudp/2dd12.html Technische Universiteit Eindhoven college 1 J.Keijsper

Nadere informatie

Tie breaking in de simplex methode

Tie 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 informatie

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen

Tentamen 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 informatie

3 Wat is een stelsel lineaire vergelijkingen?

3 Wat is een stelsel lineaire vergelijkingen? In deze les bekijken we de situatie waarin er mogelijk meerdere vergelijkingen zijn ( stelsels ) en meerdere variabelen, maar waarin elke vergelijking er relatief eenvoudig uitziet, namelijk lineair is.

Nadere informatie

Branch-and-Bound en Cutting Planes

Branch-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 informatie

TW2020 Optimalisering

TW2020 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 informatie

TW2020 Optimalisering

TW2020 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 informatie

TW2020 Optimalisering

TW2020 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 informatie

TW2020 Optimalisering

TW2020 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 informatie

2WO12: Optimalisering in Netwerken

2WO12: 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 informatie

Transshipment 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 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 informatie

Hoofdstuk 13: Integer Lineair Programmeren

Hoofdstuk 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 informatie

Modellen en Simulatie Speltheorie

Modellen en Simulatie Speltheorie Utrecht, 20 juni 2012 Modellen en Simulatie Speltheorie Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ Program Optimaliseren Nul-som matrix spel Spel strategie Gemengde

Nadere informatie

Wiskunnend Wiske. 5. Goochelende getallen. Wat ik ga studeren? Wiskunde natuurlijk!

Wiskunnend Wiske. 5. Goochelende getallen. Wat ik ga studeren? Wiskunde natuurlijk! Wat ik ga studeren? Wiskunde natuurlijk! Wiskunnend Wiske 5. Goochelende getallen c 2010, Standaard Uitgeverij, Antwerpen, België voor alle afbeeldingen van groot Wiske Opdracht 5 Vele goochelaars gebruiken

Nadere informatie

Lineaire programmering

Lineaire programmering Lineaire programmering Hans Maassen kort naar Inleiding Besliskunde van J. Potters [Pot]. en Methods of Mathematical Economics van J. Franklin [Fra]. Lineaire programmering is het bepalen van het maximum

Nadere informatie

Er zijn 4 opgaven, daarna volgen blanco bladzijden die u kan gebruiken om te antwoorden.

Er 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 informatie

SPECIALE LINEAIRE MODELLEN

SPECIALE LINEAIRE MODELLEN Hoofdstuk 7 SPECIALE LINEAIRE MODELLEN 7.1 Unimodulariteit en totale unimodulariteit Vele combinatorische optimaliseringsproblemen kunnen worden beschreven als het maximaliseren van een lineaire functie

Nadere informatie

Overzicht. 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 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 informatie

Examenvragen D0H45 (Lineaire optimalizatie)

Examenvragen D0H45 (Lineaire optimalizatie) Examenvragen D0H45 (Lineaire optimalizatie) Tijdstip: Vrijdag 3 februari 2012 vanaf 09.00 uur tot 12.00 uur Er zijn vier opgaven. Achter de opgaven zitten de bladzijden die u kunt gebruiken om uw antwoord

Nadere informatie

5 Automatische partitionering van softwaresystemen

5 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 informatie

TW2020 Optimalisering

TW2020 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 informatie

Hertentamen Optimalisering (Delft) en Besliskunde 1 (Leiden) 15 april 2014, uur

Hertentamen Optimalisering (Delft) en Besliskunde 1 (Leiden) 15 april 2014, uur Hertentamen Optimalisering (Delft) en Besliskunde 1 (Leiden) 15 april 2014, 14.00-17.00 uur Het tentamen bestaat uit 6 opgaven. Motiveer je antwoorden duidelijk. De normering van de opgaves staat steeds

Nadere informatie

Stelling. SAT is NP-compleet.

Stelling. 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

Digitaal Proefstuderen Econometrie en Operationele Research Universiteit van Tilburg

Digitaal Proefstuderen Econometrie en Operationele Research Universiteit van Tilburg Digitaal Proefstuderen Econometrie en Operationele Research Universiteit van Tilburg 1 Voorwoord Welkom bij de cursus Digitaal Proefstuderen van de opleiding Econometrie en Operationele Research aan de

Nadere informatie

Grafieken van veeltermfuncties

Grafieken van veeltermfuncties (HOOFDSTUK 43, uit College Mathematics, door Frank Ayres, Jr. and Philip A. Schmidt, Schaum s Series, McGraw-Hill, New York; dit is de voorbereiding voor een uit te geven Nederlandse vertaling). Grafieken

Nadere informatie

3. Structuren in de taal

3. Structuren in de taal 3. Structuren in de taal In dit hoofdstuk behandelen we de belangrijkst econtrolestructuren die in de algoritmiek gebruikt worden. Dit zijn o.a. de opeenvolging, selectie en lussen (herhaling). Vóór we

Nadere informatie

Akternatieve doorrekenen. 7.2 Tabellen

Akternatieve doorrekenen. 7.2 Tabellen 7.2 Tabellen Een tabel geeft een overzicht van de uitkomsten van een berekening voor verschillende waarden van een of meerdere variabelen. Excel kent twee soorten tabellen. Een eenzijdige en een tweezijdige

Nadere informatie

a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n.

a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n. . Oefen opgaven Opgave... Gegeven zijn de lijnen l : 2 + λ m : 2 2 + λ 3 n : 3 6 4 + λ 3 6 4 a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n. b) Bepaal de afstand tussen die lijn

Nadere informatie

Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie

Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie Ruud Pellikaan g.r.pellikaan@tue.nl /k 205-206 Definitie opspansel 2/35 Stel S = {v,..., v n } is een deelverzameling van de vectorruimte

Nadere informatie

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b

Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Ruud Pellikaan g.r.pellikaan@tue.nl /k 2014-2015 Lineaire vergelijking 2/64 DEFINITIE: Een lineaire vergelijking in de variabelen

Nadere informatie

Uitwerkingen oefenopdrachten or

Uitwerkingen oefenopdrachten or Uitwerkingen oefenopdrachten or Marc Bremer August 10, 2009 Uitwerkingen bijeenkomst 1 Contact Dit document is samengesteld door onderwijsbureau Bijles en Training. Wij zijn DE expert op het gebied van

Nadere informatie

TW2020 Optimalisering

TW2020 Optimalisering TW2020 Optimalisering Hoorcollege 12 Leo van Iersel Technische Universiteit Delft 7 december 2016 Leo van Iersel (TUD) TW2020 Optimalisering 7 december 2016 1 / 25 Volgende week: Study guide Vragenuurtje

Nadere informatie

Stelsels lineaire vergelijkingen

Stelsels lineaire vergelijkingen Een matrix heeft een rij-echelon vorm als het de volgende eigenschappen heeft: 1. Alle nulrijen staan als laatste rijen in de matrix. 2. Het eerste element van een rij dat niet nul is, ligt links ten opzichte

Nadere informatie

Uitwerking Puzzel 93-1, Doelloos

Uitwerking Puzzel 93-1, Doelloos Uitwerking Puzzel 93-1, Doelloos Wobien Doyer Lieke de Rooij Volgens de titel is deze puzzel zonder doel, dus zonder bekende toepassing. Het doel is echter nul en dat is zeker in de wiskunde niet niks.

Nadere informatie

Optimalisering WI 2608

Optimalisering 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 informatie

vandaag is Annie twee jaar jonger dan Ben en Cees samen

vandaag is Annie twee jaar jonger dan Ben en Cees samen Hoofdstuk I Lineaire Algebra Les 1 Stelsels lineaire vergelijkingen Om te beginnen is hier een puzzeltje: vandaag is Annie twee jaar jonger dan Ben en Cees samen over vijf jaar is Annie twee keer zo oud

Nadere informatie

Lineaire algebra I (wiskundigen)

Lineaire algebra I (wiskundigen) Lineaire algebra I (wiskundigen) Toets, donderdag 22 oktober, 2009 Oplossingen (1) Zij V het vlak in R 3 door de punten P 1 = (1, 2, 1), P 2 = (0, 1, 1) en P 3 = ( 1, 1, 3). (a) Geef een parametrisatie

Nadere informatie

Tiende college algoritmiek. 14 april Dynamisch Programmeren, Gretige Algoritmen, Kortste Pad met BFS

Tiende 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 informatie

Opgave 1 - Uitwerking

Opgave 1 - Uitwerking Opgave 1 - Uitwerking Om dit probleem op te lossen moeten we een zogenaamd stelsel van vergelijkingen oplossen. We zetten eerst even de tips van de begeleider onder elkaar: 1. De zak snoep weegt precies

Nadere informatie

Lineaire Algebra voor ST

Lineaire 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 informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 1 J.Keijsper

Nadere informatie

max 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0

max 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 informatie

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Optimalisering. 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 informatie

Economische topper 4 Opdracht pag. 42 nr. 2

Economische topper 4 Opdracht pag. 42 nr. 2 Economische topper 4 Opdracht pag. 42 nr. 2 Te beheersen vaardigheid voor de lesgever: het is belangrijk dat u in een oogopslag de formules achter de getallen kan controleren. Het is voor de leerlingen

Nadere informatie

TW2020 Optimalisering

TW2020 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 informatie

DATABASEBEHEER IN EXCEL

DATABASEBEHEER IN EXCEL DATABASEBEHEER IN EXCEL 1. LIJSTEN Een lijst is een reeks van rijen met gelijksoortige gegevens waarvan de eerste rij de labels (veldnamen) bevat. Een voorbeeld: Je kunt een lijst beschouwen als een eenvoudige

Nadere informatie

Toepassingen op matrices - Opgave

Toepassingen op matrices - Opgave Toepassingen op matrices - Opgave Toepassing. Matrices en aantal verbindingen in grafen Op ontdekking. De onderstaande figuur is een voorbeeld van een graaf. Het toont het aantal dagelijkse internationale

Nadere informatie

Computationele Intelligentie

Computationele 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 informatie

Matrixalgebra (het rekenen met matrices)

Matrixalgebra (het rekenen met matrices) Matrixalgebra (het rek met matrices Definitie A a a n a a n a m a mn is e (m n-matrix Hierbij is m het aantal rij van A n het aantal kolomm (m n noemt m de afmeting( van de matrix A We noter vaak kortweg

Nadere informatie

Datum. Vraag het bedrag in BEF. Reken om naar EURO. Toon het bedrag in EURO. --- Vraag het bedrag in BEF--- --- Reken om naar EURO---

Datum. Vraag het bedrag in BEF. Reken om naar EURO. Toon het bedrag in EURO. --- Vraag het bedrag in BEF--- --- Reken om naar EURO--- 3UREOHPHQRSORVVHQPHW9%$WRHSDVVLQJHQELMGHHO Naam. NR : Klas. PC : Datum. 23*$9( Hieronder vind je het algoritme om een bedrag in BEF om te rekenen naar EURO. Zet het algoritme om in programmacode. Noem

Nadere informatie

HP Prime: Spreadsheet App

HP Prime: Spreadsheet App HP Prime Graphing Calculator HP Prime: Spreadsheet App Meer over de HP Prime te weten komen: http://www.hp-prime.nl De Spreadsheet-App op de HP Prime Misschien heb je al eens gewerkt met een spreadsheet,

Nadere informatie

2 n 1. OPGAVEN 1 Hoeveel cijfers heeft het grootste bekende Mersenne-priemgetal? Met dit getal vult men 320 krantenpagina s.

2 n 1. OPGAVEN 1 Hoeveel cijfers heeft het grootste bekende Mersenne-priemgetal? Met dit getal vult men 320 krantenpagina s. Hoofdstuk 1 Getallenleer 1.1 Priemgetallen 1.1.1 Definitie en eigenschappen Een priemgetal is een natuurlijk getal groter dan 1 dat slechts deelbaar is door 1 en door zichzelf. Om technische redenen wordt

Nadere informatie

Projectieve Vlakken en Codes

Projectieve Vlakken en Codes Projectieve Vlakken en Codes 1. De Fanocode Foutdetecterende en foutverbeterende codes. Anna en Bart doen mee aan een spelprogramma voor koppels. De ene helft van de deelnemers krijgt elk een kaart waarop

Nadere informatie

Project Management (H 9.8 + H 22 op CD-ROM)

Project 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 informatie

Aanvullende tekst bij hoofdstuk 1

Aanvullende tekst bij hoofdstuk 1 Aanvullende tekst bij hoofdstuk 1 Wortels uit willekeurige getallen In paragraaf 1.3.5 hebben we het worteltrekalgoritme besproken. Dat deden we aan de hand van de relatie tussen de (van tevoren gegeven)

Nadere informatie

Tie breaking in de simplex methode

Tie 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 informatie

Week 1 20-02-2013. Hier vind je uitwerkingen van enkele opgaven uit het dictaat Grafen: Kleuren en Routeren.

Week 1 20-02-2013. Hier vind je uitwerkingen van enkele opgaven uit het dictaat Grafen: Kleuren en Routeren. Combinatorische Optimalisatie, 2013 Week 1 20-02-2013 Hier vind je uitwerkingen van enkele opgaven uit het dictaat Grafen: Kleuren en Routeren. Opgave 1.16 Bewijs dat elke graaf een even aantal punten

Nadere informatie

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Optimalisering. 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 informatie

Getallenleer Inleiding op codeertheorie. Cursus voor de vrije ruimte

Getallenleer Inleiding op codeertheorie. Cursus voor de vrije ruimte Getallenleer Inleiding op codeertheorie Liliane Van Maldeghem Hendrik Van Maldeghem Cursus voor de vrije ruimte 2 Hoofdstuk 1 Getallenleer 1.1 Priemgetallen 1.1.1 Definitie en eigenschappen Een priemgetal

Nadere informatie

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 23 september 2015

Optimalisering. 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 informatie

Tiende college algoritmiek. 26 april Gretige algoritmen

Tiende 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 informatie

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2 1. Gegeven een LP probleem (P) max z = c 1 x 1 + c 2 x 2 + c 3 x 3 (= c x) waarvoor het gebied van toegelaten oplossingen T wordt gegeven als de verzameling punten op het afknotingsvlak van een symmetrisch

Nadere informatie

www.digitalecomputercursus.nl 6. Reeksen

www.digitalecomputercursus.nl 6. Reeksen 6. Reeksen Excel kan datums automatisch uitbreiden tot een reeks. Dit betekent dat u na het typen van een maand Excel de opdracht kan geven om de volgende maanden aan te vullen. Deze voorziening bespaart

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 2 J.Keijsper

Nadere informatie

Module 3. Maximale stromen

Module 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 informatie

Hoofdstuk!7!Kortste!paden!

Hoofdstuk!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 informatie

Kleurencode van weerstanden.

Kleurencode van weerstanden. Kleurencode van weerstanden. x1 x2 x3 n t TC R = x1 x2 (x3) 10 n +/- t% +/- TC 1 Kleurencode van weerstanden. R = x1 x2 (x3) 10 n +/- t [%] +/- TC [ppm] x n t TC x n t TC zilver - -2 10 goud - -1 5 Zwart

Nadere informatie

Locatie 1 Locatie 2 Locatie 3 Locatie 4 Park 1 90 75 75 80 Park 2 35 85 55 65 Park 3 125 95 90 105 Park 4 45 110 95 115.

Locatie 1 Locatie 2 Locatie 3 Locatie 4 Park 1 90 75 75 80 Park 2 35 85 55 65 Park 3 125 95 90 105 Park 4 45 110 95 115. P1 P2 P3 P4 90 35 115 L1 L2 L3 L4 Park 1 90 75 75 80 Park 2 35 85 55 65 Park 3 125 95 90 105 Park 4 45 110 95 115 Wiskunde D Keuzevak beslissen onderdeel: koppelen versie 4 vrijdag 16 november 2007 Samenstelling

Nadere informatie