Overzicht. Inleiding. Modellering. Duaal probleem. αβ-algoritme. Maximale stroom probleem. Voorbeeld. Transportprobleem 1
|
|
- Willem Boer
- 8 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Overzicht Inleiding Modellering Duaal probleem αβ-algoritme Maximale stroom probleem Voorbeeld Transportprobleem 1
2 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 de kosten om een produkteenheid te vervoeren van depot D i naar warenhuis W j. Als i a i = j b j dan is het transportprobleem gebalanceerd. Een niet gebalanceerd probleem kan gebalanceerd worden door een dummy depot of warenhuis toe te voegen. Transportprobleem 2
3 Modellering Primaal probleem (P) min o.d.v. m n i=1 j=1 n j=1 m i=1 x ij 0 c ij x ij x ij = a i x ij = b j 1 i m 1 j n 1 i m, 1 j n Duaal probleem (D) max m i=1 α i a i + n j=1 o.d.v. α i + β j c ij α i R β j R β j b j 1 i m, 1 j n 1 i m 1 j n Transportprobleem 3
4 Dualiteitsstelling Zij x een toelaatbare stroom voor P en α, β toelaatbaar voor D. Dan geldt: m n n ( ) c ij x ij αi + β j xij i=1 j=1 m i=1 j=1 = m n α i x ij + n m β j x ij i=1 j=1 j=1 i=1 = m α i a i + n β j b j i=1 j=1 Volgens de dualiteitsstelling geldt: min x m n i=1 j=1 c ij x ij = max (α,β) m i=1 α i a i + n j=1 β j b j Optimaliteit dan en slechts dan als x ij > 0 α i + β j = c ij Transportprobleem 4
5 αβ-algoritme Start met een toelaatbare oplossing (α, β): β j = min c ij 1 j n i ( ) α i = min cij β j 1 i m j Bij deze duale oplossing zoeken we een stroom x die toelaatbaar is voor P en waarvoor geldt: α i + β j < c ij x ij = 0 (1) Als dat lukt zijn we klaar. Meestal zal dit echter niet meteen lukken. Afzwakken van P De voorwaarden in P worden afgezwakt tot: n j=1 m i=1 x ij a i 1 i m x ij b j 1 j n Stroom x met x ij = 0 voldoet aan (1) en (2). (2) Transportprobleem 5
6 Maximale stroom probleem max o.d.v. m n x ij i=1 j=1 n j=1 m i=1 x ij 0 x ij = 0 x ij a i 1 i m x ij b j 1 j n 1 i m, 1 j n α i + β j < c ij Als een stroom x ter waarde i a i = j b j gevonden wordt, dan is deze stroom een oplossing voor het transport probleem. Als de waarde van de maximale stroom kleiner is dan i a i kunnen we de stroom x gebruiken om een betere duale oplossing (α, β ) te construeren. Bij die oplossing wordt een nieuwe x bepaald. Etc. Transportprobleem 6
7 Hulpnetwerk Zij E αβ de verzameling takken (i, j) waarvoor geldt: α i + β j = c ij. W 1 a 1 D 1 W 2 b 1 s a 2 D 2 b 2 t a m D m W n b n takken in E αβ Zij x een stroom op dit netwerk. Maak een hulpnetwerk N x : Als (i, j) E αβ en x ij > 0, dan voegen we tak (j, i) toe aan het netwerk. Als x si = a i dan verwijderen we tak (s, i). Als x jt = b j dan verwijderen we tak (j, t). Transportprobleem 7
8 Ford & Fulkerson We labellen knoop s met * en vervolgens ook alle knopen die in N x vanuit s te bereiken zijn. Als knoop t op deze wijze een label * krijgt betekent dit dat er een pad bestaat van s naar t in N x. Dit pad bevat één tak (s, i) voor zekere i, één tak (j, t) voor zekere j en een of meer (omgekeerde) takken uit E αβ. De gegeven stroom x kan nu vermeerderd worden door extra stroom over het gevonden pad te sturen. Deze nieuwe stroom x heeft een grotere stroomwaarde dan x. Vervolgens vormen we het bij deze stroom behorende hulpnetwerk N x en onderzoeken of er een doorbraak mogelijk is, etc. Na een eindig aantal iteraties vinden we dus een stroom x waarvoor in N x geen doorbraak mogelijk is. Deze stroom is de oplossing van het maximale stroom probleem. Transportprobleem 8
9 Eind situatie van het labelproces I J s x ij = 0 t I + J + Er zijn geen takken in N x vanuit I + naar J (omdat de knopen in J niet gelabeld zijn). De takken van I naar J + zijn stroomloos (anders zouden de knopen in I ) gelabeld zijn. Verder zijn de takken (s, i) i I en (j, t) j J + verzadigd. Transportprobleem 9
10 Constructie α, β Zij nu δ > 0 en definieer α, β volgens: α i = { αi δ i I α i i I + β j = { βj + δ j J β j j J + Merk op dat voor elke stroomvoerende tak (i, j) in E αβ geldt: α i + β j = α i + β j = c ij Dus bevat E α β alle takken die bijdragen aan de maximale stroom in het netwerk N behorend bij (α, β). Transportprobleem 10
11 Keuze van δ (α, β ) is een duale oplossing als: α i + β j c ij i, j Merk op dat α i + β j c ij i, j. Voorts geldt α i + β j > α i + β j alleen als i I + en j J. Dus (α, β ) is een toelaatbare als: α i + β j + δ c ij De grootst mogelijke keuze voor δ is dus: δ = i I +, j J min i I +,j J c ij α i β j Voor deze waarde van δ geldt α i + β j = c ij voor minstens één tak / E αβ. Omdat E α β alle takken bevat die bijdragen aan de maximale stroom in het netwerk dat bij E αβ behoort, kunnen we uitgaande van deze stroom het betreffende maximale stroom subprobleem van E α β oplossen. Transportprobleem 11
12 Voorbeeld Een reder heeft 20 even grote tankers, verspreid bij 3 oliedepots, als volgt: Depot # Schepen Olie moet worden vervoerd naar 5 raffinaderijen, met de vraaag: Raffinaderij # Schepen De volgende tabel is een schatting van de kostenmatrix voor reizen tussen de depots en de raffinaderijen: Raffinaderij Depot Probeer zo goedkoop mogelijk aan de vraag te voldoen. Transportprobleem 12
Transport-, 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 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 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 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 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 informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 5 Leo van Iersel Technische Universiteit Delft 2 oktober 206 Leo van Iersel (TUD) TW2020 Optimalisering 2 oktober 206 / 3 Dualiteit Dualiteit: Elk LP probleem heeft een
Nadere informatieOptimalisering. 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 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 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 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 informatieOptimalisereninNetwerken
OptimalisereninNetwerken Kees Roos e-mail: C.Roos@tudelft.nl, croos@otct.eu URL: http://www.isa.ewi.tudelft.nl/ roos HOVO cursus Wiskunde: zuurstof voor de wereld (deel I) 18 februari, A.D. 2009 Optimization
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 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 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 informatieOverzicht. 1. Definities. 2. Basisalgoritme. 3. Label setting methoden. 4. Label correcting methoden. 5. Ondergrenzen. 6.
Overzicht 1. Definities 2. Basisalgoritme 3. Label setting methoden 4. Label correcting methoden 5. Ondergrenzen 6. Resultaten Kortste Pad Probleem 1 Definities Een graaf G = (V, E) bestaat uit een verzameling
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 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 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 informatieF. Optimaliseren in netwerken
F. Optimaliseren in netwerken Inleiding Optimalisering is het deelgebied van de wiskunde waarbij het gaat het om de ontwikkeling en analyse van algoritmen voor het oplossen van problemen waarbij een functie
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 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 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 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 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 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 informatieNetwerkstroming. Algoritmiek
Netwerkstroming Netwerkstroming Toepassingen in Logistiek Video-streaming Subroutine in algoritmen 2 Vandaag Netwerkstroming: wat was dat ook alweer? Minimum Snede Maximum Stroming Stelling Variant: Edmonds-Karp
Nadere informatieProject Management (H 9.8 + H 22 op CD-ROM)
Project Management (H 9.8 + H 22 op CD-ROM) CPM (Critical Path Method) Activiteiten met afhankelijkheden en vaste duur zijn gegeven. CPM bepaalt de minimale doorlooptijd van het project. PERT (Program
Nadere 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 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 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 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 informatieAlgorithms for Max-Flow
Algorithms for Max-Flow Consider a network with given upper bounds for the capacities of the arcs, and one entry and one exit node. The max-flow problem consists in finding a maximal flow through the network
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 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 informatieTransport, Routing- en Schedulingproblemen. ir. H.N. Post
Transport, Routing- en Schedulingproblemen ir. H.N. Post 1 mei 2006 Inhoudsopgave 1 Kortste pad probleem 7 1.1 Definities...................................... 7 1.2 Basisalgoritme...................................
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 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 informatieOplossingen uit het vorige nummer
Oplossingen uit het vorige nummer De oplossingen staan in de volgende editie, of kijk nu al op onze website: www.denksport.nl/puzzel-oplossingen Pagina 3 O B S C U U R K R A A I I G R E C S M A A D I E
Nadere informatieOplossingen uit het vorige nummer
Oplossingen uit het vorige nummer De oplossingen staan in de volgende editie, of kijk nu al op onze website: www.denksport.nl/puzzel-oplossingen Pagina 3 S H E R P A S P A A K Z I N V O L A N A N A S E
Nadere informatieOplossingen uit het vorige nummer
Oplossingen uit het vorige nummer De oplossingen staan in de volgende editie, of kijk nu al op onze website: www.denksport.nl/puzzel-oplossingen Pagina 3 A B T T U B E P A R A K O P P E L C A R O L B IJ
Nadere informatieOplossingen uit het vorige nummer
Oplossingen uit het vorige nummer De oplossingen staan in de volgende editie, of kijk nu al op onze website: www.denksport.nl/puzzel-oplossingen Pagina 3 G E N E E Z I N E I M P R E S A R I O R I A N T
Nadere informatieOplossingen uit het vorige nummer
Oplossingen uit het vorige nummer De oplossingen staan in de volgende editie, of kijk nu al op onze website: www.denksport.nl/puzzel-oplossingen Pagina 3 S P R A A K S C H O L O M T R E K B L A D D E R
Nadere informatieOplossingen uit het vorige nummer
Oplossingen uit het vorige nummer De oplossingen staan in de volgende editie, of kijk nu al op onze website: www.denksport.nl/puzzel-oplossingen Pagina 3 K O P T I P I F I L M T E M P E L A N N E N F I
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 informatieModule 3. Maximale stromen
Module In november 00 legde een stroomstoring een gedeelte van Europa plat. Overal moesten de kaarsen aan. oordat een gedeelte van het elektriciteitsnet uitviel, was er te weinig capaciteit om aan de vraag
Nadere 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 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 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 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 informatieFORD MONDEO MON_2012.75_V2_MASTER_COVER_AW.indd 1 09/03/2012 10:13
FORD MONDEO 1 2 3 4 5 6 7 8 9 10 11 12 14 16 18 8 10 14 2 5 1 4 3 11 12 13 6 7 9 9 11 12 13 20 22 23 24 25 26 27 28 29 30 32 34 36 38 40 41 2 1 3 5 11 6 8 10 7 4 9 9 42 43 44 45 46 47 48 49 50 51 52 55
Nadere informatieFORD MONDEO MON_2012_V3_MASTER_COVER_AW.indd 1 01/08/ :02
FORD MONDEO 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 16 18 19 20 8 14 10 6 5 4 1 3 2 11 12 13 7 9 11 12 13 22 24 25 26 27 28 29 30 31 32 33 34 36 38 40 42 44 2 1 3 5 11 6 8 10 7 4 9 9 46 47 48 49 50 51 52 53
Nadere informatieDynamisch Programmeren III. Algoritmiek
Dynamisch Programmeren III Vandaag Dynamisch programmeren met wat lastiger voorbeelden: Handelsreiziger Longest common subsequence Optimale zoekbomen Knapsack 2 - DP2 Handelsreiziger Een handelsreiziger
Nadere informatie3 De stelling van Kleene
18 3 De stelling van Kleene Definitie 3.1 Een formele taal heet regulier als hij wordt herkend door een deterministische eindige automaat. Talen van de vorm L(r) met r een reguliere expressie noemen we
Nadere informatieFORD KUGA KUGA_2014_V2_240x185 Cover.indd 1-3 06/08/2013 11:16:19
FORD KUGA 1 2 3 4 5 6 8 9 10 11 12 13 14 15 30 % 30 % 30 % 10 % 16 17 18 19 20 21 22 23 24 25 26 27 28 29 31 32 33 34 35 1 2 3 4 36 38 39 40 41 43 44 46 47 1 2 3 48 51 1 1 5 3 6 4 8 7 2 2 52 3 53 55 58
Nadere informatieFORD KUGA KUGA_ _V2_240x185 Cover.indd /03/ :39
FORD KUGA 1 2 3 360 4 5 6 7 8 9 10 11 12 13 14 15 30 % 30 % 30 % 10 % 16 17 18 19 20 21 22 23 24 25 26 27 28 29 360 30 31 33 34 35 1 2 3 4 36 38 39 40 41 43 44 46 47 1 2 3 48 50 51 1 1 5 3 6 4 8 7 2 2
Nadere informatieToegepaste Wiskunde 2: Het Kalman-filter
Toegepaste Wiskunde 2: Het Kalman-filter 25 februari, 2008 Hans Maassen 1. Inleiding Het Kalman filter schat de toestand van een systeem op basis van een reeks, door ruis verstoorde waarnemingen. Een meer
Nadere informatieHet minimale aantal sleutels op niveau h is derhalve
1 (a) In een B-boom van orde m bevat de wortel minimaal 1 sleutel en maximaal m 1 sleutels De andere knopen bevatten minimaal m 1 sleutels en maximaal m 1 sleutels (b) In een B-boom van orde 5 bevat elke
Nadere informatieKortste Paden. Algoritmiek
Kortste Paden Toepassingen Kevin Bacon getal Six degrees of separation Heeft een netwerk de small-world eigenschap? TomTom / Google Maps 2 Kortste paden Gerichte graaf G=(N,A), en een lengte L(v,w) voor
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 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 informatieFORD FOCUS 1 2 3 4 5 6 7 8 9 10 11 12 13 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 15 17 18 19 9 3 1 1 6 4 2 5 7 8 10 21 23 24 25
Nadere informatieFORD FOCUS Focus_346_2012_V7_cover.indd 1 17/10/2011 14:55
FORD FOCUS 1 2 3 4 5 6 7 8 9 10 11 12 13 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 15 16 17 19 9 6 3 1 1 4 2 5 7 8 10 21 23 24 25
Nadere informatieAutomaten en Berekenbaarheid
Automaten en Berekenbaarheid Bart Demoen KU Leuven 2016-2017 Les 3: 36-54 Myhill-Nerode relaties; regulier pompen Myhill-Nerode equivalentieklassen in Σ I 2/10 belangrijk te verstaan: een equivalentie-relatie
Nadere informatieRadboud Universiteit Nijmegen
Radboud Universiteit Nijmegen Faculteit der natuurwetenschappen, wiskunde en informatica juli 07 Matchingtheorie op grafen Jorrit Bastings S6556 Begeleider: Wieb Bosma Inhoudsopgave Het huwelijksprobleem
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 informatieOverzicht. Inleiding. Modellering. Insertie heuristieken. Voorbeeld: CVV. Local Search. Meta heuristieken. Vehicle Routing Problem 1
Overzicht Inleiding Modellering Insertie heuristieken Voorbeeld: CVV Local Search Meta heuristieken Vehicle Routing Problem 1 Inleiding Gegeven Depot-knoop 0 Klant-knopen i met vraag q i, i = 1,..., n
Nadere informatieRadboud Universiteit Nijmegen
Radboud Universiteit Nijmegen Faculteit der Natuurwetenschappen, Wiskunde en Informatica L(,1)-labeling van grafen Naam: Studentnummer: Studie: Begeleider: Myrte klein Brink 4166140 Bachelor Wiskunde Dr.
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 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 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. 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 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 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 informatieMTP : week 3
MTP101 2011-2012: week 3 Robert Hekkenberg 3-12-2011 Delft University of Technology Challenge the future N.a.v. de weekrapportages MT04 MT07 wel geprobeerd, niet gelukt Cb, deplacement & lightweight 2
Nadere informatieMINIMALE-KOSTEN-MAXIMALE- STROOM-PROBLEMEN
MINIMALE-KOSTEN-MAXIMALE- STROOM-PROBLEMEN Dit studiemateriaal is ontwikkeld door de kerngroep wiskunde D Delft en mag gratis gebruikt worden in het wiskundeonderwijs in het vo. Kerngroep wiskunde D Delft
Nadere informatieRadboud Universiteit Nijmegen
Radboud Universiteit Nijmegen Faculteit der Natuurwetenschappen, Wiskunde en Informatica Wiskundig Verslag Modellenpracticum 2014 Namen: Studie: Begeleider: Opdrachtgever: Baukje Debets Elena Fuentes Bongenaar
Nadere informatieOptimalisering en Complexiteit, College 14. Geheeltallige LPs en Planning bij Grolsch. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 14 Geheeltallige LPs en Planning bij Grolsch Han Hoogeveen, Utrecht University Branch-and-bound voor algemene ILPs (1) Neem even aan dat je een minimaliseringsprobleem
Nadere informatieOperationeel Onderzoek Opgave 5: oplossing
Oefening 1- Operationeel Onderzoek Opgave 5: oplossing a. Een correcte voorstelling van het maximum-flow netwerk is hieronder weergegeven. De redenering is als volgt. We beschikken over 32 maanden arbeid
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 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 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 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 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 informatie