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.
|
|
- Michiel de Backer
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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. Het toegelaten gebied heeft minder dan 2n 2 hoekpunten. 4. Het toegelaten gebied van een LP probleem is niet begrensd. Dan is ook de doelfunctie niet begrensd. 5. Een LP probleem heeft een optimale oplossing. Dan is er ook een CPF (Corner Point Feasible) oplossing. 6. De doelfunctie max(x 1, x 2, x 3 ) is niet-lineair. 7. De standaardvorm van een LP probleem garandeert dat er een optimale oplossing is. 8. De verzameling {(x 1, x 2,, x n ) x x nx n 2n 0} is niet convex. 9. Een LP probleem in twee dimensies met drie constraints en een begrensd toegelaten gebied. Het mogelijke aantal CPF oplossingen is 0, 1, 2 of In een LP probleem (minimalisering) geldt dat de doelwaarde in een bepaalde CPF oplossing niet groter is dan de waarde in alle naburige CPF oplossingen. Deze CPF oplossing is dan optimaal.
2 Voorbeeld simplexmethode Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x x 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 2 + x 3 + x 4 = 10 3x 1 + x 2-2x 3 + x 5 = 8 en x 1, x 2, x 3, x 4, x 5 0 Basisoplossing: x 1 = x 2 = x 3 = 0 x 4 = 10, x 5 = 8 Basisoplossing: (0, 0, 0, 10, 8) Doelwaarde: Z = 0 Basisvariabelen: x 4, x 5. Niet-basisvariabelen: x 1, x 2, x 3. Welke van x 1, x 2, x 3 positief maken? Sterkste stijging voor x 1 (coëfficiënt in Z). Hoe groot kan x 1 worden? x 2 = x 3 = 0 dus 4x 1 + x 4 = 10 4x 1 = 10 - x 4 10 x 1 2,5 3x 1 + x 5 = 8 3x 1 = 8 - x 5 8 x 1 2,666 x 1 kan maximaal 2,5 worden als x 4 = 0. x 4 verlaat de basis. x 1 komt in de basis.
3 Basisoplossing: (2,5, 0, 0, 0, 0,5) Doelwaarde: Z = 7,5 Basisvariabelen: x 1, x 5. Niet-basisvariabelen: x 2, x 3, x 4. Max Z = 3x 1 + 2x 2 0,5x 3 z.d.d. 4x 1 + 3x 2 + x 3 + x 4 = 10 3x 1 + x 2-2x 3 + x 5 = 8 en x 1, x 2, x 3, x 4, x 5 0 Nieuwe basisvorm: x 1 en x 5 mogen niet in de Z vergelijking en in de andere vergelijkingen met één 1, rest 0. Krijg je door vegen: Max Z = - 0,25x 2 1,25x 3 0,75x 4 + 7,5 z.d.d. x 1 + 0,75x 2 + 0,25x 3 + 0,25x 4 = 2,5-1,25x 2 2,75x 3 0,75x 4 + x 5 = 0,5 en x 1, x 2, x 3, x 4, x 5 0 Basisoplossing: (2,5, 0, 0, 0, 0,5) Z = 7,5 Oplossing is al optimaal (want alle coëfficiënten in de Z vergelijking zijn negatief). Optimale oplossing: x 1 = 2,5, x 2 = 0, x 3 = 0, Z = 7,5
4 Opgave. Max Z = 3x 1 + 5x 2 z.d.d. x 1 4 2x x 1 + 2x 2 18 en x 1, x 2 0 a. Teken alle hoekpunten. b. Teken het toegelaten gebied. c. Teken alle CPF oplossingen. d. Los het probleem op met de grafische methode. e. Vervang de doelfunctie door Z = 3x 1 + ax 2. Voor welke waarden van a is de optimale oplossing niet uniek? f. Los het probleem op met de simplexmethode
5 Opgave Hoeveel lineaire constraints zijn nodig om een n- dimensionale kubus te definiëren? Antwoord: 2n Hoeveel hoekpunten heeft een n-dimensionale kubus? Antwoord: 2 n Wat is het minimale aantal constraints waarmee je in n dimensies een begrensd gebied met niet-leeg inwendige kunt definiëren? Antwoord: n+1 Hoeveel hoekpunten heeft een n-dimensionale simplex? Antwoord: n+1
6 Koop voor aandelen Vilyps, Dikstaal en Multilever fonds prijs/aandeel dividend/aandeel Vilyps 50 7 Dikstaal 20 6 Multilever 75 9 Minimaal 30% is in Vilyps belegd. Minstens driemaal zoveel geld in Multilever belegd als in Dikstaal. Maximaliseer de verwachte opbrengst. Formuleer eerst het LP model: Max Z = 7v + 6d + 9m z.d.d. 50v + 20d + 75m = v m 60d v, d, m 0 Vereenvoudig: Max Z = 7v + 6d + 9m z.d.d. 10v + 4d + 15m = v m 4d 0 v, d, m 0
7 Max Z = 7v + 6d + 9m z.d.d. 10v + 4d + 15m = v m 4d 0 v, d, m 0 Elimineer d door substitutie van de =-constraint : d = ,5v 3,75m Max Z = v 13,5m z.d.d. v v + 20m ,5v 3,75m v, m 0 Vereenvoudig: Max Z = v 13,5m z.d.d. v 6000 v + 2m v 7m v, m 0 Vervang v = v 6000, ofwel v = v : Max Z = v 13,5m z.d.d. v + 2m v 7m v, m 0
8 Los op met de simplexmethode! Max Z = v 13,5m z.d.d. v + 2m v + 15m v, m 0 Surplusvariabele n 1, slackvariabele n 2 : Max Z = v 13,5m z.d.d. v + 2m n 1 = v + 15m + n 2 = v, m, n 1, n 2 0 Oorsprong is geen oplossing (n 1 = < 0)! Hulpvariabele p: Max Z = v 13,5m Mp z.d.d. v + 2m n 1 + p = v + 15m + n 2 = v, m, n 1, n 2, p 0 Extra term Mp in doelfunctie zorgt dat (uiteindelijk) p = 0 wordt. (M is heel groot) Hoekpunt: v = m = n 1 = 0. Basisvariabelen: p, n 2
9 Max Z = v 13,5m Mp z.d.d. v + 2m n 1 + p = v + 15m + n 2 = v, m, n 1, n 2, p 0 Elimineer p uit Z: Max Z = M+(M-8)v +(2M 13,5)m Mn 1 z.d.d. v + 2m n 1 + p = v + 15m + n 2 = v, m, n 1, n 2, p 0 Grootste stijging door m. Vergroot m, dan stijgt Z Vergroot m tot 7000, dan wordt p = 0. Vegen met m: Max Z = ,25v 6,75n 1 (M 6,75)p z.d.d. 0,5v + m 0,5n 1 + 0,5p = ,5v + 7,5n 1 + n 2-7,5p = v, m, n 1, n 2, p 0 Geen verbetering mogelijk door vergroten van v, n 1 of p. Optimaal! v = n 1 = p = 0 Oplossing: v = 6000, m = 7000, d = 8750, Z =
10 Standaardvorm voor een LP probleem: Max Z = c 1 x 1 + c 2 x c n x n z.d.d. a 11 x 1 + a 12 x a 1n x n b 1 a 21 x 1 + a 22 x a 2n x n b 2 a m1 x 1 + a m2 x a mn x n b m en x 1, x 2, x n 0 Hierin zijn alle b j 0. Reden voor de standaardvorm: x 1 = x 2 = = x n = 0 is een toegelaten hoekpunt en kan worden gebruikt als startpunt voor de simplexmethode.
11 Afwijkingen van de standaardvorm: 1. Minimalisering: Min Z = (Max Z) 2. Geen niet-negativiteitseis voor x j (x j 0) 2a. x j 10. Ga over op x j = x j 10, dan is x j 0. 2b. x j -7. Ga over op x j = 7 x j, dan is x j 0. 2c. Geen ongelijkheid voor x j. Schrijf x j = x + j - x - j, dan is x + - j, x j Negatief rechterlid: 3x 2 7x 4 4 3x 2 + 7x i.p.v. in constraint: surplusvariabele, i.p.v. slackvariabele + behandelen als gelijkheid! 3x 2 + 7x 4 4 3x 2 + 7x 4 x 5 = 4 3x 2 + 7x 4 x 5 + x 6 = 4 (en x 5, x 6 0, extra term Mx 6 in doelfunctie) 5. = i.p.v. in constraint: Voer kunstmatige variabele + x in én extra term Mx in doelfunctie
12 Voorbeeld omzetten naar standaardvorm Max Z = x 1 + x 2 + x 4 z.d.d. x 1 + 2x 2 5 2x 1 x 2 + x 3 4 x 2 2x 3 + x 4 = 3 en x 1 0, x 2 5, x 3 0 x 2 5 klopt niet. Nieuwe variabele x 2 := 5 x 2 0. Vervang x 2 door 5 x 2 : Max Z = x 1 x 2 + x z.d.d. x 1 2x 2 5 2x 1 + x 2 + x 3 1 x 2 2x 3 + x 4 = 2 en x 1 0, x 2 0, x 3 0 Vervang x 2 2x 3 + x 4 = 2 door x 2 + 2x 3 x 4 = 2 Geen constraint voor x 4. Vervang x 4 = x x 4 -, x 4 +, x 4-0: Max Z = x 1 x 2 + x + 4 x z.d.d. x 1 2x 2 5 2x 1 + x 2 + x 3 1 x 2 + 2x 3 x x 4 = 2 en x 1 0, x 2 0, x 3 0, x + 4, x Vervang Z door Z = Z 5.
13 Max Z = x 1 x 2 + x x 4 z.d.d. x 1 2x 2 5 2x 1 + x 2 + x 3 1 x 2 + 2x 3 x x 4 = 2 en x 1 0, x 2 0, x 3 0, x + 4, x Vervang x 1 2x 2 5 door x 1 + 2x 2 5 Voer slack x 5 en hulpvariabele x 6 in Max Z = x 1 x 2 + x + 4 x - 4 Mx 6 z.d.d. x 1 + 2x 2 5 2x 1 + x 2 + x 3 + x 5 = 1 x 2 + 2x 3 x x 4 + x 6 = 2 en x 1 0, x 2 0, x 3 0, x + 4, x - 4, x 5, x 6 0 Max Z = x 1 x 2 + x + 4 x - 4 Mx 6 Mx 8 z.d.d. x 1 + 2x 2 x 7 + x 8 = 5 2x 1 + x 2 + x 3 + x 5 = 1 x 2 + 2x 3 x x 4 + x 6 = 2 en x 1 0, x 2 0, x 3 0, x + 4, x - 4, x 5, x 6, x 7, x 8 0 Optimale oplossing: (x 1, 5-x 2, x 3, x + 4 x - 4 ) Optimale waarde: Z = Z + 5 Het probleem heeft overigens geen toelaatbare oplossingen
14 Alternatieve aanpak voor de gelijkheid: x 2 + 2x 3 x x 4 - = 2 vervang door twee ongelijkheden: Dit wordt x 2 + 2x 3 x x 4-2 x 2 + 2x 3 x x 4-2 x 2 + 2x 3 x x x 6 = 2 x 2 + 2x 3 x x x 9 + x 10 = 2 Dit geeft 3 extra variabelen in plaats van 1: x 2 + 2x 3 x x 4 - +x 6 = 2 Niet slim dus
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 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 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 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 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 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 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 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 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 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 informatieTW2020 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 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 informatieTaak 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 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 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 informatieBijlage 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 informatieLineaire 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 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 informatieLineair programmeren met de TI-84 CE-T
Lineair programmeren met de TI-84 CE-T Harmen Westerveld Oktober 2018 INHOUDSOPGAVE Lineair programmeren met TI-84 PLUS CE-T... 2 Introductie... 3 Voorbeeld 1: maximaliseringsprobleem... 4 De app Inequalz...
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 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 informatieModellen 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 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 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 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 informatieExamenvragen 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 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 informatieAANVULLINGEN WISKUNDE MET (BEDRIJFS)ECONOMISCHE TOEPASSINGEN: OEFENINGEN
AANVULLINGEN WISKUNDE MET (BEDRIJFS)ECONOMISCHE TOEPASSINGEN: OEFENINGEN Hieronder volgt een korte beschrijving van de vragen van het oefeningengedeelte met antwoord. We geven ook kort weer wat regelmatig
Nadere informatieLineaire 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 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 informatieLineair Programmeren op het polytoop
Lineair Programmeren op het polytoop Paulien Neppelenbroek 12 juli 2017 Bachelorproject wiskunde Supervisor: dr. Jan Brandts Korteweg-de Vries Instituut voor Wiskunde Faculteit der Natuurwetenschappen,
Nadere informatieK.0 Voorkennis. y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x.
K.0 Voorkennis y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x. y = -4x + 8 kan herschreven worden als y + 4x = 8 Dit is een lineaire vergelijking met twee variabelen. Als je
Nadere informatieffl 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 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 informatieHoofdstuk 11 - formules en vergelijkingen. HAVO wiskunde A hoofdstuk 11
Hoofdstuk - formules en vergelijkingen HAVO wiskunde A hoofdstuk 0 voorkennis Soorten van stijgen en dalen Je ziet hier de verschillende soorten van stijgen en dalen Voorbeeld Gegegeven is de de formule:
Nadere informatieModellen en Simulatie Lineare Programmering
Utrecht, 13 juni 2013 Modellen en Simulatie Lineare Programmering Gerard Sleijpen Department of Mathematics http://www.staff.science.uu.nl/ sleij101/ Optimaliseren Lineaire programmering Voorbeelden Polytopen
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 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 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 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 informatieVoorbeeld 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 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 informatie14 Lineair programmeren
9 a q ˆ 5 geeft TK ˆ 23,5 en TO ˆ 30 e winst is dus 30000 23 500 ˆ 6500 euro. b Voerin 1 ˆ 0,1 3 2 6 6 en 2 ˆ 6. e optie intersect geeft 2,909 en 9,307. us bij een productie van 2909 en 9307 teddberen.
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 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 informatieBESLISKUNDE 2 L.C.M. KALLENBERG UNIVERSITEIT LEIDEN
BESLISKUNDE L.C.M. KALLENBERG UNIVERSITEIT LEIDEN Voorwoord Dit vak is een voortzetting van het tweedejaarscollege Besliskunde. Een aantal andere mathematische beslissingsproblemen komt aan de orde en
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 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 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 informatiex 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 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 informatieDigitaal 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 informatie3 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 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 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 informatie3.0 Voorkennis. y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x.
3.0 Voorkennis y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x. y = -4x + 8 kan herschreven worden als y + 4x = 8 Dit is een lineaire vergelijking met twee variabelen. Als je
Nadere informatie1 Transportproblemen. 1.1 Het standaard transportprobleem
1 Transportproblemen 1.1 Het standaard transportprobleem Dit is het eenvoudigste logistieke model voor ruimtelijk gescheiden vraag en aanbod. Een goed is beschikbaar in gekende hoeveelheden op verscheidene
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 informatieEnkele uitbreidingen op het simplexalgoritme
Enkele uitbreidingen op het simplexalgoritme Stageverslag Rovecom Moniek Messink 2 oktober 2014 Enkele uitbreidingen op het simplexalgoritme Stageverslag Rovecom Masterscriptie Wiskunde 2 oktober 2014
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 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 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 informatieTRILLINGEN EN GOLVEN HANDOUT FOURIER
TRILLINGEN EN GOLVEN HANDOUT FOURIER Cursusjaar 2009 / 2010 2 Inhoudsopgave 1 FOURIERANALYSE 5 1.1 INLEIDING............................... 5 1.2 FOURIERREEKSEN.......................... 5 1.3 CONSEQUENTIES
Nadere informatieMore points, lines, and planes
More points, lines, and planes Make your own pictures! 1. Lengtes en hoeken In het vorige college hebben we het inwendig product (inproduct) gedefinieerd. Aan de hand daarvan hebben we ook de norm (lengte)
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 informatieLineaire Algebra TW1205TI. I.A.M. Goddijn, Faculteit EWI 12 februari 2014
Lineaire Algebra TW1205TI, 12 februari 2014 Contactgegevens Mekelweg 4, kamer 4.240 tel : (015 27)86408 e-mail : I.A.M.Goddijn@TUDelft.nl homepage : http: //fa.its.tudelft.nl/ goddijn blackboard : http:
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 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 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 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 informatieIII.2 De ordening op R en ongelijkheden
III.2 De ordening op R en ongelijkheden In de vorige paragraaf hebben we axioma s gegeven voor de optelling en vermenigvuldiging in R, maar om R vast te leggen moeten we ook ongelijkheden in R beschouwen.
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB) Maandag, juli 0, 9:00-:00, Educatorium Gamma Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieProefToelatingstoets Wiskunde B
Uitwerking ProefToelatingstoets Wiskunde B Hulpmiddelen :tentamenpapier,kladpapier, een eenvoudige rekenmachine (dus geen grafische of programmeerbare rekenmachine) De te bepalen punten per opgave staan
Nadere informatieOpgave 2: Simplex-algoritme - oplossing
Opgave 2: Simplex-algoritme - oplossing Oefening 1- a) Coefficient of x r in Current Row 0 = 0 b) Let x s be the variable entering the basis and x r the variable leaving the basis. Then (Coefficient of
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 informatie1 WAAM - Differentiaalvergelijkingen
1 WAAM - Differentiaalvergelijkingen 1.1 Algemene begrippen Een (gewone) differentiaalvergelijking heeft naast de onafhankelijke veranderlijke (bijvoorbeeld genoteerd als x), eveneens een onbekende functie
Nadere informatiez x 1 x 2 x 3 x 4 s 1 s 2 s 3 rij rij rij rij
ENGLISH VERSION SEE PAGE 3 Tentamen Lineaire Optimalisering, 0 januari 0, tijdsduur 3 uur. Het gebruik van een eenvoudige rekenmachine is toegestaan. Geef bij elk antwoord een duidelijke toelichting. Als
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 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 Wiskunde 2WC15, Lente Jan Draisma
Discrete Wiskunde 2WC15, Lente 2010 Jan Draisma HOOFDSTUK 2 Gröbnerbases 1. Vragen We hebben gezien dat de studie van stelsels polynoomvergelijkingen in meerdere variabelen op natuurlijke manier leidt
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 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 informatieVlakke meetkunde. Module 6. 6.1 Geijkte rechte. 6.1.1 Afstand tussen twee punten. 6.1.2 Midden van een lijnstuk
Module 6 Vlakke meetkunde 6. Geijkte rechte Beschouw een rechte L en kies op deze rechte een punt o als oorsprong en een punt e als eenheidspunt. Indien men aan o en e respectievelijk de getallen 0 en
Nadere informatieAlgebra groep 2 & 3: Standaardtechnieken kwadratische functies
Algebra groep 2 & 3: Standaardtechnieken kwadratische functies Trainingsweek juni 2008 Kwadraat afsplitsen Een kwadratische functie oftewel tweedegraads polynoom) px) = ax 2 + bx + c a 0) kan in verschillende
Nadere informatieHoofdstuk 9 - Lineair Programmeren Twee variabelen
Hoofdstuk 9 - Lineair Programmeren Twee variabelen bladzijde a Twee ons bonbons kost, euro. Er blijft,, =, euro over. Doris kan daarvan, = ons drop kopen., b d is het aantal ons gemengde drop (, euro per
Nadere informatieVrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie
Vrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie Tentamen: Convexe Analyse en Optimalisering Opleiding: Bacheloropleiding Econometrie Vakcode: 64200 Datum:
Nadere informatieDiscrete Wiskunde 2WC15, Lente Jan Draisma
Discrete Wiskunde 2WC15, Lente 2010 Jan Draisma Voorwoord Dit zijn aantekeningen voor het vak Discrete Wiskunde (2WC15), gegeven in het lentesemester van 2010. Dit vak bestaat uit twee delen: algoritmische
Nadere informatieStelsels 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 informatieOpgaven Eigenschappen van Getallen Security, 2018, Werkgroep.
Opgaven Eigenschappen van Getallen Security, 2018, Werkgroep. Gebruik deze opgaven, naast die uit het boek, om de stof te oefenen op het werkcollege. Cijfer: Op een toets krijg je meestal zes tot acht
Nadere informatieLP-problemen modelleren. Inleiding
LP-problemen modelleren Inleiding 1 Assumpties 2 LP-problemen oplossen Grafische oplossing 3 4 Onthoud: Iso-winstcurve = niveaucurve Alle iso-winstcurves ( niveaucurves ) lopen evenwijdig Hoe tekenen we
Nadere informatieUitwerkingen Tentamen Gewone Differentiaalvergelijkingen
Uitwerkingen Tentamen Gewone Differentiaalvergelijkingen Maandag 4 januari 216, 1: - 13: uur 1. Beschouw voor t > de inhomogene singuliere tweede orde vergelijking, t 2 ẍ + 4tẋ + 2x = f(t, (1 waarin f
Nadere informatieLineaire 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 informatieWat? Stap 1: Vertalen naar wiskunde. Doel. Mathematische modellen voor lineaire programmering. winstmaximalisatie kostenminimalisatie
Mathematische modellen voor lineaire programmering cursus bladzijde 27 winstmaximalisatie kostenminimalisatie Wat? Doel Opgave gestructureerd oplossen (stappenplan) => zie cursus bladzijde 39!!! structuur
Nadere informatieBasiskennis 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 informatiePraktische opdracht Wiskunde A Formules
Praktische opdracht Wiskunde A Formules Praktische-opdracht door een scholier 2482 woorden 15 juni 2006 5,5 40 keer beoordeeld Vak Wiskunde A Inleiding Formules komen veel voor in de economie, wiskunde,
Nadere informatieTentamen Modellen en Simulatie (WISB134)
Tentamen Modellen en Simulatie (WISB34) Woensdag, 7 juni 0, 3:30-6:30, Educatorium, Beta Zaal Schrijf op elk vel dat je inlevert je naam en op het eerste vel je studentnummer en het totaal aantal ingeleverde
Nadere informatieWiskunde in de Radiotherapie. Sebastiaan Breedveld
Wiskunde in de Radiotherapie Sebastiaan Breedveld Overzicht achtergrondinformatie bestralingsprobleem wiskundige formulatie resultaat problemen: positie onzekerheden hoeken Achtergrond studie Technische
Nadere informatieEen selectie algoritmen voor lineair programmeren (A selection of algorithms for linear programming)
Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Een selectie algoritmen voor lineair programmeren (A selection of algorithms for
Nadere informatieTentamen Lineaire Algebra 1 (Wiskundigen)
Tentamen Lineaire Algebra Wiskundigen Donderdag, 23 januari 24,.-3. Geen rekenmachines. Motiveer elk antwoord.. Voor alle reële getallen a definiëren we de matrix C a als a C a = a 2. a Verder definiëren
Nadere informatie