TW2020 Optimalisering
|
|
- Nelly de Jong
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 TW2020 Optimalisering Hoorcollege 13 Leo van Iersel Technische Universiteit Delft 9 december 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
2 Vraag Wat moet ik kennen en kunnen voor het tentamen? Let op! Dit is niet een uitputtende lijst van mogelijke tentamenopgaven! Modelleren van optimaliseringsprobleem als LP of ILP probleem. Oplossen van LP probleem met de Simplex methode. Formuleren van de duale van een LP probleem. De dualiteitsstellingen kennen en begrijpen en weten wat de mogelijke combinaties zijn voor het primale/duale paar (niet-toegelaten, onbegrensd, begrensd optimum). Gebruiken van de Complementary Slackness condities. Variant van Farkas lemma afleiden uit de standaard vorm. Oplossen van LP probleem met de Duale Simplex methode. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
3 De Max Flow Min Cut stelling kennen en begrijpen. Toepassen van Ford-Fulkerson algoritme om een maximum stroom te vinden. Formuleren van probleem als maximum stroom probleem. Toepassen van algoritme van Dijkstra voor het vinden van een kortste pad. Toepassen van algoritmes van Prim-Dijkstra, Kruskal en Borůvka voor het vinden van een minimum opspannende boom. De looptijd van een algoritme afschatten. De big-oh notatie gebruiken. Bepalen of een matrix totaal unimodulair is, en de gevolgen daarvan kennen. Oplossen van een ILP probleem met de Branch & Bound methode. Vinden van Gomory cutting planes, en nieuwe LP-relaxatie oplossen met duale Simplex methode. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
4 Bewijzen dat een beslissingsprobleem NP-volledig is. Toepassen van het boomalgoritme voor TSP. De prestatiegarantie van een approximatiealgoritme bepalen. Beweringen bewijzen die lijken op de huiswerkopgaven en deeltentamenopgaven. Begrippen kennen en begrijpen zoals: toegelaten oplossing, optimale oplossing, buurruimte, lokaal optimaal, globaal optimaal, basisoplossing, duaal-toegelaten, gedegenereerd, polyeder, polytoop, standaardvorm (van een LP), onbegrensd, P, NP, NP-moeilijk, NP-volledig, reductie, invoergrootte, polynomiaal, exponentiëel, totaal unimodulair, cutting plane, prestatiegarantie. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
5 Vraag Wat is de beste manier om te leren voor het tentamen? Maak alle werkcollegeopgaven, huiswerkopgaven en deeltentamenopgaven en zorg dat je deze begrijpt. Lees de slides en je aantekeningen door en zorg dat je deze begrijpt. Voor meer uitleg over modelleren met (I)LP, kun je het dictaat op de website lezen. Voor extra informatie of uitleg van de theorie kun je het boek raadplegen. Voor extra oefening kun je oude tentamens maken (staan op de website). Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
6 Vraag Wat hoef ik niet te doen? Bewijzen uit je hoofd leren. (Zorg dat je de bewijzen begrijpt.) Alle details uit het boek kennen of begrijpen. (Alle verplichte stof staat op de slides en in je collegeaantekeningen, mits je die gemaakt hebt, van wat ik op het bord behandeld heb.) Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
7 Voorbeeld Beschouw het volgende LP probleem. min z = x 1 + 2x 2 o.d.v. x 1 + x 2 2 2x 1 + x 2 3 x 1, x 2 0 (a) Los dit probleem op met de Simplex methode. (b) Formuleer de duale van dit LP probleem. (c) Geef een optimale oplossing van het duale probleem. (d) Los het primale LP probleem nogmaals op, nu met de duale Simplex methode. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
8 Deeltentamen Opgave (2) Gegeven is het volgende Simplex tableaux voor een minimaliseringsprobleem. basis b x1 x 2 x 3 x 4 x 5 x 6 x 7 x x x z d Geef aan wanneer het bijbehorende (primale) probleem onbegrensd is, geen toegelaten oplossing heeft, één optimale oplossing heeft, of meerdere optimale oplossingen heeft, afhankelijk van de waarde van d. Dit kan zonder motivatie. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
9 Huiswerk 3 Opgave (2) Stel je bevindt je in een kamer midden in een labyrint en wilt de uitgang vinden. Je bedenkt daarvoor het volgende algoritme: Elke keer als je een gang inloopt markeer je die gang met een. Wanneer je een kamer voor de eerste keer binnenloopt, markeer je de gang waardoor je binnenkomt met een. Wanneer je een kamer verlaat: 1 loop je nooit een gang in die al gemarkeerd is met een ; 2 loop je alleen een gang in die gemarkeerd is met een als er geen andere opties zijn (d.w.z. als alle andere gangen gemarkeerd zijn met een ). (a) Bewijs dat je altijd een weg naar de uitgang vindt, mits die bestaat. (b) Geef de looptijd van dit algoritme in termen van het aantal kamers en het aantal gangen. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
10 Huiswerk 3 Oplossing (niet volledig) Je loopt nooit twee keer door dezelfde gang in dezelfde richting. Dus in eindige tijd zul je ofwel de uitgang vinden of vast komen te zitten. Stel dat je vast komt te zitten. Dan bevind je je in de beginkamer en heb je alle aanliggende gangen al in beide richtingen doorlopen. Als je van de i-de bezochte kamer alle aanliggende gangen in beide richtingen doorlopen hebt, dan ook de gang naar de (i + 1)-de kamer. Dus heb je de (i + 1)-de kamer verlaten door de gang met een. Dus heb je van (i + 1)-de kamer elke aanliggende gangen in beide richtingen doorlopen. Met volledige inductie volgt nu dat als je vast komt te zitten, je alle gangen die bereikbaar zijn vanuit de beginkamer al in beide richtingen doorlopen hebt. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
11 Opgave (4) We bestuderen n patiënten die aan een bepaalde ziekte lijden en m genen. We vermoeden dat in elk van de patiënten de ziekte veroorzaakt wordt door een mutatie van één van deze genen. Gegeven is een n m matrix M waarin M i,j = 1 als in patiënt i gen j gemuteerd is en anders is M i,j = 0. We willen er achter komen welke genen de ziekte veroorzaken. Daarom zoeken we een zo klein mogelijke verzameling J van genen zodanig dat in elke patiënt tenminste één gen uit J gemuteerd is. (a) Formuleer dit probleem als een ILP probleem. (b) De beslissingsvariant van dit probleem is als volgt: GENES Gegeven: n m matrix M met M i,j {0, 1} en k Z. Beslis: bestaat er een J {1,..., m} met J k zodanig dat voor alle i {1,..., n} er tenminste één j J bestaat met M i,j = 1. Bewijs dat GENES NP-volledig is. Je mag hierbij gebruiken dat het onderstaande VERTEX COVER probleem NP-volledig is. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
12 Oplossing (niet volledig) (b) GENES NP omdat, gegeven een J {1,..., m}, in polynomiale tijd gecontroleerd kan worden of aan de voorwaarden wordt voldaan. We laten zien dat GENES NP-moeilijk is d.m.v. een reductie vanuit VERTEX-COVER. Laat G = (V, E), B een instantie van VERTEX-COVER zijn. Laat M de getransponeerde van de node-edge incidentiematrix van G zijn en k := B. Dan heeft G een vertex cover van cardinaliteit B dan en slechts dan als er een verzameling J {1,..., m} van cardinaliteit k bestaat zodanig dat voor alle i {1,..., n} er tenminste één j J bestaat met M i,j = 1. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
13 Deeltentamen Opgave (4) Gegeven is Farkas lemma: Stelling Voor elke m n matrix A en vector b R m is precies één van de volgende twee beweringen waar: (a) {x R n Ax = b, x 0} (b) {π R m π T A 0, π T b < 0} Gebruik Farkas lemma om te bewijzen dat voor een m n matrix A, een m k matrix B en een vector b R m precies één van de volgende twee beweringen waar is: (i) x R n, y R k zodanig dat Ax + By = b en x 0; (ii) π R m zodanig dat π T A 0, π T B = 0 en π T b < 0. Leo van Iersel (TUD) TW2020 Optimalisering 9 december / 13
TW2020 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 informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 11 Leo van Iersel Technische Universiteit Delft 25 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 25 november 2015 1 / 28 Vandaag Vraag Voor welke problemen
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 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 informatieSamenvatting college 1-12
Samenvatting college 1-12 Probleemformulering Duidelijk definiëren van beslissingsvariabelen Zinvolle namen voor variabelen bv x ij voor ingrediënt i voor product j, niet x 1,..., x 20 Beschrijving van
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 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 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 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 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 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 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 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 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 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 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 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 informatiel e x e voor alle e E
Geselecteerde uitwerkingen Werkcollege Introduceer beslissingsvariabelen x e met x e = als lijn e in de boom zit en anders x e = 0. De doelfunctie wordt: min e E l e x e Voor elke deelverzameling S V met
Nadere informatieOptimalisering. 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 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 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 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 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 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 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 informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TU/E) en Centrum Wiskunde & Informatica (CWI) 10 maart 2014 http://homepages.cwi.nl/~iersel/2wo12/ l.j.j.v.iersel@gmail.com
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 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 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 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 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 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 informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TU/E) en Centrum Wiskunde & Informatica (CWI) 20 februari 2014 http://homepages.cwi.nl/~iersel/2wo12/ l.j.j.v.iersel@gmail.com
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 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 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 informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TU/E) en Centrum Wiskunde & Informatica (CWI) 27 februari 2014 http://homepages.cwi.nl/~iersel/2wo12/ l.j.j.v.iersel@gmail.com
Nadere informatie1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).
Tentamen Optimalisering (IN2805-I) Datum: 3 april 2008, 14.00 17.00. Docent: Dr. J.B.M. Melissen Naam: Studienummer: 1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist
Nadere informatieTentamen 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 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 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 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/Besliskunde 1. College 1 2 september, 2015
Optimalisering/Besliskunde 1 College 1 2 september, 2015 Algemene informatie College: woensdag 13:45-15:30: Leiden C1 en C2: Gorlaeus gebouw Zaal DS: De Sitterzaal, Oort gebouw Werkcollege: vrijdag: Leiden
Nadere 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 informatieGrafen. Indien de uitgraad van ieder punt 1 is, dan bevat de graaf een cykel. Indien de ingraad van ieder punt 1 is, dan bevat de graaf een cykel.
Grafen Grafen Een graaf bestaat uit een verzameling punten (ook wel knopen, of in het engels vertices genoemd) en een verzameling kanten (edges) of pijlen (arcs), waarbij de kanten en pijlen tussen twee
Nadere 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 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 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 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 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 informatieOptimaliseren in Netwerken
Optimaliseren in Netwerken Kees Roos e-mail: C.Roos@tudelft.nl URL: http://www.isa.ewi.tudelft.nl/ roos Kaleidoscoop college Zaal D, Mekelweg 4, TU Delft 11 October, A.D. 2006 Optimization Group 1 Onderwerpen
Nadere informatieOverzicht. Inleiding. 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 informatieBegrenzing van het aantal iteraties in het max-flow algoritme
Begrenzing van het aantal iteraties in het max-flow algoritme Het oplossen van het maximum stroom probleem met behulp van stroomvermeerderende paden werkt, maar het aantal iteraties kan aardig de spuigaten
Nadere 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 informatieUitwerking Tweede Quiz Speltheorie,
Uitwerking Tweede Quiz Speltheorie, 28-11-2012 Attentie! Maak van de onderstaande drie opgaven er slechts twee naar eigen keuze! Opgave 1 [50 pt]. Van het tweepersoons nulsomspel met de 2 4-uitbetalingsmatrix
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 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 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 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 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 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 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 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 informatieExamen Discrete Wiskunde donderdag 12 april, 2018
Examen Discrete Wiskunde 2017-2018 donderdag 12 april, 2018 De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Gebruik hiervoor de ruimte onder de vraag; er is in principe genoeg
Nadere 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 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 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 informatieTentamen IN3105 Complexiteitstheorie
Tentamen IN3105 Complexiteitstheorie 31 maart, 9.00 12.00 uur - Dit tentamen bestaat uit 10 meerkeuzevragen, 5 korte (open) vragen en 2 open vragen. - Per meerkeuzevraag kunnen 0 tot 4 alternatieven juist
Nadere informatieTentamen Discrete Wiskunde 1 10 april 2012, 14:00 17:00 uur
Tentamen Discrete Wiskunde 0 april 0, :00 7:00 uur Schrijf je naam op ieder blad dat je inlevert. Onderbouw je antwoorden, met een goede argumentatie zijn ook punten te verdienen. Veel succes! Opgave.
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 informatieZ.O.Z. Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 16 juni 2016, 12:30 15:30 (16:30)
Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 16 juni 016, 1:30 15:30 (16:30) Het gebruik van een rekenmachine, telefoon of tablet is niet toegestaan. U mag geen gebruik maken van aantekeningen
Nadere informatieLocal search. Han Hoogeveen. 21 november, 2011
1 Local search Han Hoogeveen 21 november, 2011 Inhoud vandaag 2 Inhoud: Uitleg methode Bespreking oude opdrachten: ˆ Bezorgen wenskaarten ˆ Roosteren tentamens Slides staan al op het web www.cs.uu.nl/docs/vakken/opt/colleges.html
Nadere informatieTentamen TI1300 en IN1305-A (Redeneren en) Logica
TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechniek, Wiskunde en Informatica Tentamen TI1300 en IN1305-A (Redeneren en) Logica 5 november 2010, 9.00 12.00 uur LEES DEZE OPMERKINGEN AANDACHTIG DOOR
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 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 informatieAfdeling Kwantitatieve Economie
Afdeling Kwantitatieve Economie Wiskunde AEO V Uitwerking tentamen 1 november 2005 1. De tekenschema s in opgave 1a 1e zijn de voortekens van vermenigvuldigers en de laatste leidende hoofdminoren in een
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 informatieDiscrete Wiskunde, College 12. Han Hoogeveen, Utrecht University
Discrete Wiskunde, College 12 Han Hoogeveen, Utrecht University Dynamische programmering Het basisidee is dat je het probleem stap voor stap oplost Het probleem moet voldoen aan het optimaliteitsprincipe
Nadere informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TUE) en Centrum Wiskunde & Informatica (CWI) 3 en 6 februari 2014 Leo van Iersel (TUE/CWI) 2WO12: Optimalisering in
Nadere informatie1 Vervangingsstrategie auto
Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2002 1 Vervangingsstrategie auto Onderdeel a Zij V = {0, 1, 2, 3, 4, 5, 6}, waarbij knoop i staat voor het einde
Nadere 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 informatieTransport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen 08-04-2005
Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 08-04-2005 1 Transportprobleem Onderdeel a Fabriek 1 kan 120 ton staal fabriceren in 40 uur. Voor fabriek 2 is dit 150
Nadere informatieTransport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen
Transport-, Routing- en Schedulingproblemen Wi4062TU / Wi487TU / a86g Uitwerkingen 28-03-2003 1 Docenten Onderdeel a Er zijn 6 vakken V 1, V 2,..., V 6. Vak V j heeft een vraag b j = 1, voor j = 1, 2,...,
Nadere informatieOverzicht. Inleiding. 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 informatieHebzucht loont niet altijd
Thema Discrete wiskunde Hoe verbind je een stel steden met zo weinig mogelijk kilometers asfalt? Hoe maak je een optimaal computernetwerk met kabels die maar een beperkte capaciteit hebben? Veel van zulke
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 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 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 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 informatieWeek 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 informatieTwaalfde college complexiteit. 11 mei 2012. Overzicht, MST
College 12 Twaalfde college complexiteit 11 mei 2012 Overzicht, MST 1 Agenda voor vandaag Minimum Opspannende Boom (minimum spanning tree) als voorbeeld van greedy algoritmen Overzicht: wat voor technieken
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 informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TU/E) en Centrum Wiskunde & Informatica (CWI) 10 en 13 februari 2014 http://homepages.cwi.nl/~iersel/2wo12/ l.j.j.v.iersel@gmail.com
Nadere informatieEXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I
EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I Theorie Opgave 1. In deze opgave wordt gevraagd om een aantal argumenten of overgangen uit de cursusnota s in detail te verklaren. In delen (a) (b) peilen we naar
Nadere informatieStabiele koppelingen (Engelse titel: Stable Matchings)
Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Stabiele koppelingen (Engelse titel: Stable Matchings) Verslag ten behoeve van het
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 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 informatieIn dit gedeelte worden drie problemen genoemd die kunnen voorkomen in netwerken.
Aantekening Wiskunde Steiner Aantekening door D. 2086 woorden 25 mei 2016 2,1 1 keer beoordeeld Vak Wiskunde Resultaten Vragen bij het wetenschappelijk materiaal 9.1 Prototype example, p. 374-376 In dit
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 informatieExamen Datastructuren en Algoritmen II
Tweede kandidatuur Informatica Academiejaar 2004 2005, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Binomiale
Nadere informatie