Samenvatting college 1-12
|
|
- Mathilda Driessen
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Samenvatting college 1-12
2 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 de voorwaarden Vergeet niet de 0, {0, 1} voorwaarden Zorg dat de voorwaarden lineair zijn Zie college 9 voor modelleertechnieken 10 december
3 Lineair Programmeren Polynomiaal oplosbaar (niet met simplex) Belangrijk onderdeel van algoritmen Branch-and-Bound, Gomory sneden, Approximatiealgoritmen Standaardvorm: min c T x Ax = b x 0 10 december
4 Basisoplossingen Definitie: Zet n m variabelen gelijk aan 0. Los Ax = b op voor overige m variabelen. Unieke oplossing is een basisoplossing Definitie: Een toegelaten basisoplossing, x 0, is een bfs. Definitie: Als een bfs tenminste één basisvariabele met waarde 0 heeft, is de bfs gedegenereerd. Stelling: Als meer dan één basis behoort tot dezelfde bfs x, dan is x gedegenereerd. Stelling: Voor elke instantie van LP bestaat er een optimale bfs. 10 december
5 Simplexalgoritme Het vinden van een startoplossing -voorwaarde: slackvariabele in de basis =-voorwaarde: artificiële variabele in de basis -voorwaarde: artificiële variabele in de basis In geval van artificiële variabele: FASE 1 10 december
6 Simplexalgoritme Het vinden van een startoplossing -voorwaarde: slackvariabele in de basis =-voorwaarde: artificiële variabele in de basis -voorwaarde: artificiële variabele in de basis In geval van artificiële variabele: FASE 1 Bepalen van een pivotelement Intredende var: j met c j = min{ c j c j 0} Uittredende var: Min-ratiotest i zdd b i ā i j = min{ b i ā ij ā ij > 0} 10 december
7 Simplexalgoritme Het vinden van een startoplossing -voorwaarde: slackvariabele in de basis =-voorwaarde: artificiële variabele in de basis -voorwaarde: artificiële variabele in de basis In geval van artificiële variabele: FASE 1 Bepalen van een pivotelement Intredende var: j met c j = min{ c j c j 0} Uittredende var: Min-ratiotest i zdd b i ā i j = min{ b i ā ij ā ij > 0} Conclusies trekken Niet-teogelaten: fase 1 eindigt met w > 0 Onbegrensd: alle ā ij 0 Niet-uniek optimum: c j = 0 voor niet-basis variabele Gedegenereerde oplossing: x j = 0 voor een j in de basis 10 december
8 Dualiteit max c T x min b T π a i x b i π i 0 a i x = b i π i R a i x b i π i 0 x j R x j 0 x j 0 π T A j = c j π T A j c j π T A j c j 10 december
9 Dualiteit Gegeven het volgende primaal-duaal paar: min z(x) = c T x max w(π) = b T π (P) Ax b (D) π T A c x 0 π 0 Stelling: (Zwakke dualiteit) Als ˆx toegelaten voor (P) en ˆπ toegelaten voor (D): z(ˆx) w(ˆπ) Stelling: (Sterke dualiteit) Stel (P) en (D) zijn toegelaten. Als (P) een begrensd optimum x heeft, dan heeft (D) ook een begrensd optimum π en z(x ) = w(π ) 10 december
10 Complementary slackness Sterke dualiteit geeft waarde van duale optimum. Complementary slackness geeft ook de oplossing zelf. Stelling: Stel ˆx, ˆπ toegelaten voor (P) en (D). ˆx en ˆπ optimaal d.e.s.d.a. ˆx j (ˆπ T A j c j ) = 0 ˆπ i (b i a i ˆx) = 0 j = 1,...n i = 1,...m 10 december
11 Orde-notaties voor groei Definitie: Zij f (n) en g(n) functies zijn van de positieve integers naar de positieve reële getallen: (a) f (n) = O(g(n)) als er een constante c > 0 is zdd, voor groot genoege n, f (n) cg(n) 10 december
12 Orde-notaties voor groei Definitie: Zij f (n) en g(n) functies zijn van de positieve integers naar de positieve reële getallen: (a) f (n) = O(g(n)) als er een constante c > 0 is zdd, voor groot genoege n, f (n) cg(n) (b) f (n) = Ω(g(n)) als er een constante c > 0 is zdd, voor groot genoege n, f (n) cg(n) 10 december
13 Orde-notaties voor groei Definitie: Zij f (n) en g(n) functies zijn van de positieve integers naar de positieve reële getallen: (a) f (n) = O(g(n)) als er een constante c > 0 is zdd, voor groot genoege n, f (n) cg(n) (b) f (n) = Ω(g(n)) als er een constante c > 0 is zdd, voor groot genoege n, f (n) cg(n) (c) f (n) = Θ(g(n)) als er constanten c, c > 0 zijn zdd, voor groot genoege n, cg(n) f (n) c g(n) 10 december
14 Nuttige eigenschap f (n) lim n g(n) = 0, then f (n) O(g(n)) f (n) lim n g(n) = c > 0, then f (n) Θ(g(n)) f (n) lim n g(n) =, then f (n) Ω(g(n)) 10 december
15 De klassen P, NP en NP-volledig Definitie: De klasse P is de verzameling van alle beslissingsproblemen die in polynomiale tijd oplosbaar zijn. Definitie: NP = verzameling problemen die in polytime verifiëerbaar zijn = verzameling beslissingsproblemen Π: ja-instanties I, certificaat c(i ) en polynomiaal algoritme om geldigheid van c(i ) na te gaan. Definitie: Π 2 is NP-volledig (NP-complete) als a) Π 2 NP b) Π 1 NP: Π 1 Π 2 10 december
16 Implicaties Stel Π 1, Π 2 NP en Π 1 Π 2 (1) Π 2 P (2) Π 1 NP-volledig (3) Π 2 NP-volledig 10 december
17 Implicaties Stel Π 1, Π 2 NP en Π 1 Π 2 (1) Π 2 P Π 1 P (2) Π 1 NP-volledig Π 2 NP-volledig (3) Π 2 NP-volledig Zegt niets over Π 1 10 december
18 Bewijs van NP-volledigheid Hoe bewijs je dat een probleem NP-volledig is? 1) Bewijs dat je probleem behoort tot NP 2) Toon aan dat een NP-volledig probleem naar jouw probleem reduceert 10 december
19 Problemen in de klasse P KORTSTE PAD Dijkstra s algoritme MAX FLOW Ford-Fulkerson Max Flow-Min Cut stelling MST Prim, Greedy, Kruskal 10 december
20 Integer Lineair Programmeren Lineair Programmeren met integer variabelen NP-volledig Belangrijke relatie: Z TOEG Z IP Z LP Z LP Z IP Z TOEG (Maximalisatie) (Minimalisatie) Voor TUM matrices A geldt: Hoekpunten van {x Ax = b, x 0} en {x Ax b, x 0} zijn geheeltallig voor iedere geheeltallige b. LP-relaxatie geeft oplossing voor ILP. 10 december
21 Oplosmethoden ILP Branch-and-Bound Herhaaldelijk LP relaxatie oplossen. Wanneer kan ik een tak afsnoeien? Gomory sneden Rij uit simplex tableau geeft een geldige ongelijkheid Oplossing LP relaxatie wordt afgesneden, geen geheeltallige punten afgesneden Duale Simplex om probleem na toevoegen van voorwaarde op te lossen Beide methoden hebben niet-polynomiale worst-case 10 december
22 Approximatie algoritmen Definitie: Een algoritme A is een ρ-approximatiealgoritme voor probleem Π als A voor iedere toegelaten instantie I van Π in polynomiale tijd een oplossing produceert van waarde z A (I ) zdd: z A (I ) ρ z OPT (I ) (minimalisatie) z A (I ) ρ z OPT (I ) (maximalisatie) 3 stappen voor bewijs algoritme approximatiealgoritme: 1 Heeft het algoritme polynomiale rekentijd? 2 Retourneert het algoritme een toegelaten oplossing? 3 Wat is de prestatiegarantie van het algoritme? 10 december
23 Vragen? 10 december
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 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 informatieHoofdstuk 8: Algoritmen en Complexiteit
Hoofdstuk 8: Algoritmen en Complexiteit Vandaag: Hoe meten we de performance van algoritmen? Waar ligt de grens tussen een goed en een slecht algoritme? 22 oktober 2014 1 Vandaag: Hoe meten we de performance
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 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 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 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 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 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 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 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. 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 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 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 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 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 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 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 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 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 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 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 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 informatie1. 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 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 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 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 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 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 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 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 informatieVoorbeeld 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 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 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 informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 6 Leo van Iersel Technische Universiteit Delft 19 oktober 2016 Leo van Iersel (TUD) TW2020 Optimalisering 19 oktober 2016 1 / 20 Deze week Primal-Dual algoritmes voor:
Nadere 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 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 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 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 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 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 informatieHertentamen 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 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 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 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 informatieToewijzingsprobleem Bachelorscriptie
Radboud Universiteit Nijmegen Faculteit der Natuurwetenschappen, Wiskunde en Informatica Toewijzingsprobleem Bachelorscriptie Auteur: Veronique Rademaekers (s4155718) Begeleiders: Dr. W. Bosma en dr. H.
Nadere 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 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 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 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 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 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 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 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 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 informatieOptimalisatiealgoritmen voor distributieproblemen
Vakgroep Toegepaste Wiskunde, Informatica en Statistiek Optimalisatiealgoritmen voor distributieproblemen Nathan Sinnesael Promotor: prof. dr. V. Fack Masterproef ingediend tot het behalen van de academische
Nadere informatieHeuristieken en benaderingsalgoritmen. Algoritmiek
Heuristieken en benaderingsalgoritmen Wat te doen met `moeilijke optimaliseringsproblemen? Voor veel problemen, o.a. optimaliseringsproblemen is geen algoritme bekend dat het probleem voor alle inputs
Nadere 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 informatieSPECIALE 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 informatieUniversiteit Utrecht Betafaculteit. Examen Discrete Wiskunde II op donderdag 6 juli 2017, uur.
Universiteit Utrecht Betafaculteit Examen Discrete Wiskunde II op donderdag 6 juli 2017, 13.30-16.30 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf op elk ingeleverd
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 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 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 informatieTentamen IN3105. Complexiteitstheorie. 16 april 2012, uur
Faculteit Elektrotechniek, Wiskunde en Informatica Ti Delft Tentamen IN3105 Complexiteitstheorie 16 april 2012, 9.00-12.00 uur Dit tentamen bestaat uit 10 meerkeuzevragen, 5 korte (open) vragen en 2 open
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 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 informatieNP-volledigheid. Algoritmiek
NP-volledigheid Polynomiale algoritmen of moeilijke problemen? Algoritme A is polynomiaal, als er een constante c bestaat, zodat het algoritme bij inputs van formaat n O(n c ) tijd gebruikt. Sommige problemen
Nadere informatieBESLISKUNDE 2 EN 3 L.C.M. KALLENBERG UNIVERSITEIT LEIDEN
BESLISKUNDE 2 EN 3 L.C.M. KALLENBERG UNIVERSITEIT LEIDEN VOORJAAR 2007 Voorwoord College Najaar 2004 Het derdejaarscolleges Besliskunde 2 en 3 zijn een vervolg op het tweedejaarscollege Besliskunde 1.
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 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 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 informatieOptimaliseren in Netwerken
Optimaliseren in Netwerken Kees Roos e-mail: C.Roos@tudelft.nl URL: http://www.isa.ewi.tudelft.nl/ roos Kaleidoscoop college Zaal D, Mekelweg 4, TU Delft 11 October, A.D. 2006 Optimization Group 1 Onderwerpen
Nadere 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 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 informatieElfde college complexiteit. 23 april NP-volledigheid III
college 11 Elfde college complexiteit 23 april 2019 NP-volledigheid III 1 TSP Als voorbeeld bekijken we het Travelling Salesman/person Problem, ofwel het Handelsreizigersprobleem TSP. Hiervoor geldt: TSP
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 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 informatieEnkele 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 informatieTechnische Universiteit Eindhoven Faculteit Wiskunde & Informatica
Technische Universiteit Eindhoven Faculteit Wiskunde & Informatica Tentamen Optimalisering (2DD15) Vrijdag 24 juni 2011, 9:00 12:00 uur Het tentamen bestaat uit zeven opgaven. Bij elke opgave staat het
Nadere informatieOpgaven Analyse van Algoritmen 10 mei 2019, Datastructuren, Werkgroep.
Opgaven Analyse van Algoritmen 10 mei 019, Datastructuren, 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
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 informatieDatastructuren en algoritmen voor CKI
Datastructuren en algoritmen voor CKI Jeroen Bransen 1 11 september 2015 1 met dank aan Hans Bodlaender en Gerard Tel Heaps en heapsort Heap 1 2 3 4 5 6 7 8 9 10 16 14 10 8 7 9 3 2 4 1 16 14 10 8 7 9 3
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 informatie2DD50: Tentamen. Tentamen: 26 januari 2016 Hertentamen: 5 april 2016
2DD50: Tentamen Tentamen: 26 januari 2016 Hertentamen: 5 april 2016 Bij het tentamen mag een eenvoudige (niet grafische; niet programmeerbare) rekenmachine meegenomen worden, en 2 tweezijdige A4-tjes met
Nadere 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 informatieNetwerkstroming. Algoritmiek
Netwerkstroming Vandaag Netwerkstroming: definitie en toepassing Het rest-netwerk Verbeterende paden Ford-Fulkerson algoritme Minimum Snede Maximum Stroming Stelling Variant: Edmonds-Karp Toepassing: koppelingen
Nadere 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 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 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 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 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 informatieVectorruimten en deelruimten
Vectorruimten en deelruimten We hebben al uitgebreid kennis gemaakt met de vectorruimte R n We zullen nu zien dat R n slechts een speciaal geval vormt van het (veel algemenere begrip vectorruimte : Definitie
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 informatieV = {a, b, c, d, e} Computernetwerken: de knopen zijn machines in het netwerk, de kanten zijn communicatiekanalen.
WIS14 1 14 Grafen 14.1 Grafen Gerichte grafen Voor een verzameling V is een binaire relatie op V een verzameling geordende paren van elementen van V. Voorbeeld: een binaire relatie op N is de relatie KleinerDan,
Nadere informatieInhoudsopgave. 1 COMPLEXITEITSTHEORIE Inleiding De klassen P en N P Opgaven... 16
Inhoudsopgave 1 COMPLEXITEITSTHEORIE 1 1.1 Inleiding.......................................... 1 1.2 De klassen P en N P................................... 8 1.3 Opgaven..........................................
Nadere informatieUniversiteit Utrecht Betafaculteit. Examen Discrete Wiskunde op donderdag 13 april 2017, uur.
Universiteit Utrecht Betafaculteit Examen Discrete Wiskunde op donderdag 13 april 2017, 14.30-17.30 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf op elk ingeleverd
Nadere informatieOPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN
OPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN VOORJAAR 2003 Inhoudsopgave 1 Inleiding 1 1.1 Wat is Operations Research?.............................. 1 1.2 Overzicht van de te behandelen
Nadere informatieOefententamen in2505-i Algoritmiek
TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechniek, Wiskunde en Informatica Oefententamen in2505-i Algoritmiek Maart 2007 Het gebruik van boek of aantekeningen tijdens dit tentamen is niet toegestaan.
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 informatie