l e x e voor alle e E
|
|
- Johanna Kok
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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 tenminste één terminal in S en tenminste één terminal buiten S moet gelden dat er tenminste één lijn van de boom S verlaat. x e voor alle S V, S T, T \ S e δ(s) met δ(s) de verzameling lijnen met één eindpunt in S en één eindpunt in V \S. Let op: dit zijn exponentieel veel voorwaarden! Tenslotte hebben we de geheeltalligheidsvoorwaarden: x e {0, } voor alle e E Het is niet nodig om een restrictie op te nemen die eist dat er geen circuits zijn, aangezien we de totale lengte van de de lijnen in de boom minimaliseren en alle lengtes positief zijn. Een oplossing met circuits kan dus nooit optimaal zijn. Werkcollege 2 Opgave 5. O n = {x R n c T x voor alle c {, } n }
2 Werkcollege 3 Starttableaux eerste fase: min w = x a 2. basis b x x 2 x 3 s s 2 s 3 x a 2 s x a s w Trek tweede rij af van doelstellingsrij om een 0 te creeëren in de kolom van basisvariabele x a 2. basis b x x 2 x 3 s s 2 s 3 x a 2 s x a s w Breng x 2 in de basis. min{5/, 2/} = 2/ dus x a 2 verlaat de basis (min ratio test). Trek rij 2 af van rij en tel rij 2 op bij doelstellingsrij. basis b x x 2 x 3 s s 2 s 3 x a 2 s x s w Gereduceerde doelstellingscoëfficienten zijn niet-negatief dus een optimale oplossing van de eerste fase is gevonden. x a 2 zit niet in de basis, dus we kunnen de kolom van x a 2 verwijderen en de orginele doelstellingsfunctie terugplaatsen. 2
3 basis b x x 2 x 3 s s 2 s 3 s x s z Trek rij 2 van doelstellingsrij af om een nul te creëren in de kolom van basisvariabele x 2. basis b x x 2 x 3 s s 2 s 3 s x s z Breng x in de basis. s 3 verlaat de basis (min ratio test). basis b x x 2 x 3 s s 2 s 3 s x x z Optimale oplossing gevonden (gereduceerde doelstellingscoëfficienten nietnegatief) x = 2, x 2 = 2, x 3 = 0. We kunnen echter nog meer optimale oplossingen vinden door x 3 de basis in te brengen (gereduceerde doelstellingscoëfficient nul). x verlaat dan de basis. 3
4 basis b x x 2 x 3 s s 2 s 3 s x x z Andere optimale oplossing gevonden: x = 0, x 2 =, x 3 =. Dit zijn de enige optimale toegelaten basisoplossingen. Alle optimale oplossingen kunnen verkregen worden door convexe combinaties van deze twee oplossingen te nemen: 0 2 Alle optimale oplossingen: λ 2 + ( λ) met 0 λ. 0 Werkcollege 4 Opgave 2. (a) Niet waar! Het duale probleem kan ook niet-toegelaten zijn. (b) Waar. Werkcollege 5 [ Pas Farkas lemma toe op A = [A A] en x = lemma dat precies één van de volgende twee uitspraken waar is: (a) x, x + R n zodanig dat A(x + x ) = b en x +, x 0; (b) π R m zodanig dat π T A 0 en π T A 0 en π T b < 0. x + x ]. Dan zegt Farkas 4
5 () (a): neem x + = x, x = 0 als x 0, en neem x = x, x + = 0 als x < 0. (a) (): neem x = x + x. (2) (b): neem π = y. (b) (2): neem y = π T b π. Werkcollege 6 Zeg dat de waarde van ρ(v) correct is als die gelijk is aan de lengte van een kortste pad van s naar v dat alleen punten uit W gebruikt. De initiële waarden van ρ zijn duidelijk correct. Beschouw nu een iteratie van het algoritme. Stel dat punt u toegevoegd wordt aan W. Dus ρ(u) ρ(v) voor alle v V \ W. Merk op dat ρ(u) ρ(w) voor alle w W want anders was u al in een eerdere iteratie toegevoegd aan W. Beschouw eerst een punt w W. Dan kan een kortste s-w pad dat alleen punten uit W {u} gebruikt nooit via u gaan want ρ(u) ρ(w). Dus is de lengte van een kortste s-w-pad dat alleen punten uit W gebruikt gelijk aan de lengte van een kortste s-w-pad dat alleen punten uit W {u} gebruikt. Dus blijft de waarde van ρ(w) correct. Beschouw nu een punt v V \ W waarvoor er geen pijl (u, v) is. Dan is de lengte van een kortste s-v-pad dat alleen punten uit W gebruikt gelijk aan de lengte van een kortste s-v-pad dat alleen punten uit W {u} gebruikt. Dus blijft de waarde van ρ(v) correct. Beschouw nu een punt v V \ W waarvoor er wel een pijl (u, v) is. Stel eerst dat een kortste s-v pad dat alleen punten uit W {u} gebruikt niet door u komt. Dan blijft de waarde van ρ(v) correct. Stel nu dat een kortste s-v pad dat alleen punten uit W {u} gebruikt door u komt. Dan bestaat dit uit een s-u pad dat alleen punten uit W gebruikt plus de pijl (u, v). Dus is ρ(v) = ρ(u) + c uv correct. Dus is de nieuwe waarde van ρ(v) correct. 5
6 Werkcollege 7 (a) Merk eerst op dat je nooit twee keer door dezelfde gang in dezelfde richting loopt. 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, want in elke andere kamer kun je elke keer dat je aankomt een andere uitgang nemen. We bewijzen nu met inductie naar i dat van de i-de bezochte kamer al alle aanliggende gangen in beide richtingen doorlopen zijn. Voor i = (de beginkamer) is dit zeker waar want als je vast komt te zitten in de beginkamer dan heb je die kamer al door elke gang een keer verlaten, en je bent dus al even vaak de kamer binnengelopen. Stel nu dat je van de i-de bezochte kamer al alle aanliggende gangen in beide richtingen doorlopen hebt. Dan heb je ook de gang naar de (i + )-de kamer in beide richtingen doorlopen. Dus heb je de (i + )-de kamer verlaten door de gang met een. Dus heb je de (i + )-de kamer door elke gang verlaten, en dus ben je de (i + )-de kamer door elke gang binnengekomen. De claim volgt nu met inductie. Dus als je vast komt te zitten, dan zijn alle gangen die bereikbaar zijn vanuit de beginkamer al in beide richtingen doorlopen. Als er een weg naar de uitgang zou zijn dan had je die dus moeten vinden. (b) Je loopt maximaal twee keer door elke gang, dus is de looptijd O(g) met g het aantal gangen. Elke keer dat je een kamer bezoekt heb je ook een gang doorlopen, dus hoeven we het aantal kamers niet in de looptijd te noemen. 6
7 Werkcollege 8 Opgave 5. Stel er bestaat een minimum opspannende boom T die lijn e niet bevat. Lijn e aan T toevoegen creëert een uniek circuit C. Dit circuit moet nog tenminste één lijn uit δ(u) bevatten (het is een circuit dus als het U uit gaat dan moet het U ook ergens weer binnen komen). Laat e een lijn van C zijn die in δ(u) zit. Lijn e uit T weglaten en lijn e aan T toevoegen geeft een nieuwe opspannende boom T. Er geldt l(e) < l(e ) want e δ(u). Dus heeft T kleinere totale lengte dan T. Dit is in tegenspraak met de aanname dat T een minimum opspannende boom is. Werkcollege 9 Opgave 2. Beslissingsvariabelen: x in is het aantal instrumenten van type i dat aan net n wordt toegewezen y no = als net n bij operatie o gebruikt wordt en anders is y no = 0. z n = als net n gebruikt wordt en anders z n = 0. q ino is het aantal instrumenten van type i op net n indien net n gebruikt wordt bij operatie o, en q ino = 0 als net n niet bij operatie o bebruikt wordt (dus q ino = x in y no maar dit moeten we afdwingen m.b.v. lineaire restricties). De doelfunctie wordt: min N V z n + S n= O o= a o N y no De eerste voorwaarde stelt dat voor elk type operatie alle benodigde instrumenten beschikbaar zijn. N q ino b io voor o =,..., O en i =,..., I n= De tweede voorwaarde stelt dat elk net voldoende capaciteit heeft voor de toegewezen instrumenten. I f i x in voor n =,..., N i= 7 n=
8 De derde voorwaarde stelt dat elk net waar instrumenten aan toegewezen zijn gebruikt moet worden (en dus vaste kosten voor betaald moeten worden). x in Mz n voor i =,..., I en n =,..., N Met M een groot getal. Nu moeten we nog afdwingen dat q ino = x in y no. Dat kan als volgt met lineaire restricties: q ino My no q ino x in q ino x in + M(y no ) Tenslotte zijn er de geheeltalligheidsvoorwaarden en binairiteitsvoorwaarden. z n, y no {0, } voor n =,..., N en o =,..., O x in, q ino 0 voor n =,..., N, o =,..., O en i =,..., I x in, q ino Z voor n =,..., N, o =,..., O en i =,..., I (a) Beslissingsvariabelen: x ij = als job i aan machine j wordt toegewezen en anders x ij = 0 en de totale uitvoertijd C max. min o.d.v. C max i= p ijx ij C max m j= x ij = j =,..., m i =,..., n x ij {0, } i =,..., n j =,... m 8
9 (b) OPTIE : Beslissingsvariabelen: x ijt = als job i aan machine j wordt toegewezen op tijdstip t en anders x ijt = 0 en beslissingsvariabelen y rjt = als resource r op machine j gebruikt wordt op tijdstip t en anders y rjt = 0. min o.d.v. C max i= m j= t= x ijt C max t= x ijt = m j= y rjt x ijt + y rjt n ir x ijt {0, } y rjt {0, } j i t, r i, j, t, r i, j, t r, j, t (b) OPTIE 2: Beslissingsvariabelen: x ijt = als job i aan machine j wordt toegewezen op tijdstip t en anders x ijt = 0. min o.d.v. Werkcollege C max i= m j= i= t= x ijt C max t= x ijt = m j= n irx ijt x ijt {0, } j i t, r i, j, t Opgave 5. GENES NP omdat, gegeven een J {,..., m}, in polynomiale tijd gecontroleerd kan worden of aan de voorwaarden wordt voldaan. We laten zien dat GENES NP-moeilijk is d.m.v. VERTEX-COVER. een reductie vanuit Laat G = (V, E), k een instantie van VERTEX-COVER zijn. Laat M de getransponeerde van de node-edge incidentiematrix van G zijn en k := k. Dan heeft G een vertex cover van cardinaliteit k dan en slechts dan als er een verzameling J {,..., m} van cardinaliteit k bestaat zodanig dat voor alle i {,..., n} er tenminste één j J bestaat met M i,j =. 9
10 BUREN-INCIDENT NP omdat gegeven een verzameling V V in polynomiale tijd gecontroleerd kan worden of elke lijn in E incident is met een punt in V of incident is met een buur van een punt in V. Bewijs NP-moeilijkheid d.m.v. een reductie vanuit het probleem VERTEX COVER. Gegeven een instantie (G = (V, E), k) van VERTEX COVER, verkrijgen we een instantie (G = (V, E ), k) van BUREN-INCIDENT door voor elke lijn e = {u, w} twee punten v e, v e toe te voegen en de lijn e te vervangen door drie lijnen {u, v e }, {v e, v e}, {v e, w}. Zie hieronder een voorbeeld. u v e e w u v e w G G Neem eerst aan dat G een vertex cover heeft van cardinaliteit hoogstens k. Laat V de punten in de vertex cover zijn. Dan is V V en V k. Voor elke lijn e = {u, w} E geldt dat u of w in V zit want V is een vertex cover. Dan is, in G, v e een buur van een punt in V. Dus alle drie de lijnen {u, v e }, {v e, v e}, {v e, w} zijn incident met een buur van een punt in V. Dus is elke lijn in E incident met een punt in V of met een buur van een punt in V (in G ). Neem nu aan dat er een verzameling V V bestaat met V k zodanig dat elke lijn in E incident is met een punt in V of met een buur van een punt in V (in G ). Voor elke lijn e = {u, w} van de originele graaf G geldt dat tenminste één van de punten u, w, v e, ve in V zit omdat anders de lijn {v e, ve} niet incident zou zijn met een punt in V of een buur van een punt in V. Als u of w in V zit dan stoppen we hetzelfde punt in K. Als v e of ve in V zit dan stoppen we willekeurig één van u en w in K. Dit doen we voor elke lijn e = {u, w} van G. Dan geldt dat K k en bovendien dat 0
11 voor elke lijn e = {u, w} van G tenminste één van u en w in K zit. Oftewel, K is een vertex cover van G met cardinaliteit hoogstens k. Werkcollege 2 Opgave. Vind eerst een minimum opspannende boom, bijvoorbeeld: a c b d e g f h Verdubbel elke lijn van de boom en vind een Euler tour. Bijvoorbeeld: (a, d, c, e, b, e, h, e, f, e, c, d, g, d, a). Sla al-eerder-bezochte punten over. Dit geeft een TSP tour van lengte 24: a c b d e g f h
l e x e voor alle e E
Geselecteerde uitwerkingen Werkcollege Introduceer beslissingsvariabelen x e met x e = als lijn e in de boom zit en anders x e = 0. De doelfunctie wordt: min e E l e x e Voor elke deelverzameling S V met
Nadere 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 13 Leo van Iersel Technische Universiteit Delft 9 december 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 december 2015 1 / 13 Vraag Wat moet ik kennen en kunnen voor
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 informatieUitwerking tentamen Analyse van Algoritmen, 29 januari
Uitwerking tentamen Analyse van Algoritmen, 29 januari 2007. (a) De buitenste for-lus kent N = 5 iteraties. Na iedere iteratie ziet de rij getallen er als volgt uit: i rij na i e iteratie 2 5 4 6 2 2 4
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 informatieDiscrete Structuren. Piter Dykstra Sietse Achterop Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Sietse Achterop Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 3 maart 2008 GRAFEN & BOMEN Paragrafen 6.1-6.4 Discrete Structuren
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 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 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 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 informatieDiscrete Structuren. Piter Dykstra Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 23 februari 2009 GRAFEN & BOMEN Paragrafen 6.1-6.4 Discrete Structuren Week 3 en 4:
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 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 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 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 informatieTiende college algoritmiek. 4 mei Gretige Algoritmen Algoritme van Dijkstra
Tiende college algoritmiek mei 018 Gretige Algoritmen Algoritme van Dijkstra 1 Muntenprobleem Gegeven onbeperkt veel munten van d 1,d,...d m eurocent, en een te betalen bedrag van n (n 0) eurocent. Alle
Nadere informatieHet Chinese Postbode Probleem. Marene Dimmendaal s
Het Chinese Postbode Probleem Marene Dimmendaal s4419553 Nijmegen 2018 Het Chinese Postbode Probleem Marene Dimmendaal s4419553 Bachelorscriptie Wiskunde aan de Radboud Universiteit te Nijmegen Geschreven
Nadere informatieTiende college algoritmiek. 13/21 april Gretige Algoritmen Algoritme van Dijkstra
Algoritmiek 017/Gretige Algoritmen Tiende college algoritmiek 13/1 april 017 Gretige Algoritmen Algoritme van Dijkstra 1 Algoritmiek 017/Gretige Algoritmen Muntenprobleem Gegeven onbeperkt veel munten
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 informatieLege polygonen in een graaf.
Uitwerking puzzel 94-2 Lege polygonen in een graaf. Lieke de Rooij Wobien Doyer We hebben n punten die al of niet met elkaar worden verbonden. De bedoeling is om met zo min mogelijk lijnen (=verbindingen)
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 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 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 informatieTweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen
Tweede huiswerkopdracht Lineaire algebra 1 en opmerkingen November 10, 2009 Opgave 1 Gegeven een vectorruimte V met deelruimtes U 1 en U 2. Als er geldt dim U 1 = 7, dimu 2 = 9, en dim(u 1 U 2 ) = 4, wat
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 informatievandaag is Annie twee jaar jonger dan Ben en Cees samen
Hoofdstuk I Lineaire Algebra Les 1 Stelsels lineaire vergelijkingen Om te beginnen is hier een puzzeltje: vandaag is Annie twee jaar jonger dan Ben en Cees samen over vijf jaar is Annie twee keer zo oud
Nadere informatieTiende college algoritmiek. 26 april Gretige algoritmen
Algoritmiek 01/10 College 10 Tiende college algoritmiek april 01 Gretige algoritmen 1 Algoritmiek 01/10 Muntenprobleem Gegeven onbeperkt veel munten van d 1,d,...d m eurocent, en een te betalen bedrag
Nadere 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 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 informatie1.2 Bomen Algemeen 1.2. BOMEN 7
1.2. BOMEN 7 1.2 Bomen 1.2.1 Algemeen Beschouw eerst een niet-gerichte graaf. Een boom is een samenhangende graaf die geen kringen bevat. Een boom wordt meestal genoteerd met de letter T (tree). Een bos
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 informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 6 J.Keijsper (TUE)
Nadere 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 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 informatie168 HOOFDSTUK 5. REEKSONTWIKKELINGEN
168 HOOFDSTUK 5. REEKSONTWIKKELINGEN 5.7 Vraagstukken Vraagstuk 5.7.1 Beschouw de differentiaalvergelijking d2 y d 2 = 2 y. (i) Schrijf y = a k k. Geef een recurrente betrekking voor de coëfficienten a
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 informatieTer Leering ende Vermaeck
Ter Leering ende Vermaeck 15 december 2011 1 Caleidoscoop 1. Geef een relatie op Z die niet reflexief of symmetrisch is, maar wel transitief. 2. Geef een relatie op Z die niet symmetrisch is, maar wel
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 informatieElfde college algoritmiek. 10 mei Algoritme van Dijkstra, Gretige Algoritmen
lgoritmiek 019/lgoritme van ijkstra lfde college algoritmiek 10 mei 019 lgoritme van ijkstra, Gretige lgoritmen 1 lgoritmiek 019/ynamisch programmeren Programmeeropdracht 3 Lange Reis 0 10 10 1 1 100 0
Nadere informatieMinimum Spanning Tree
Minimum Spanning Tree Wat is MST? Minimum spanning tree De meest efficiënte manier vinden om een verbonden netwerk op te bouwen Wat is een tree/boom? Graaf G: een verzameling knopen (vertices): V een verzameling
Nadere informatie3. Elke lijn van een graaf draagt twee bij tot de som van alle graden.
Antwoorden Doeboek 4 Grafen.. De middelste en de rechtergraaf.. Een onsamenhangende graaf met vijf punten en vijf lijnen: Teken een vierhoek met één diagonaal. Het vijfde punt is niet verbonden met een
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 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 informatieHoofdstuk!7!Kortste!paden!
oofdstukkortstepaden oofdstukkortstepaden In een gewogen graaf is men soms geïnteresseerd in het kortste pad tussen twee punten: dat is een pad, waarbij de som van de gewichten zo klein mogelijk is..inleiding
Nadere informatieElfde college algoritmiek. 16 mei Dijkstra, Gretige algoritmen en Branch & Bound
Algoritmiek 013/11 College 11 Elfde college algoritmiek 1 mei 013 Dijkstra, Gretige algoritmen en Branch & Bound 1 Algoritmiek 013/11 Voorbeeld -1- A B C D E F G H 9 7 5 A B C D E F G H 0 9 9 7 5 A B C
Nadere informatiea) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n.
. Oefen opgaven Opgave... Gegeven zijn de lijnen l : 2 + λ m : 2 2 + λ 3 n : 3 6 4 + λ 3 6 4 a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n. b) Bepaal de afstand tussen die lijn
Nadere 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 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 informatieLineaire algebra I (wiskundigen)
Lineaire algebra I (wiskundigen) Toets, donderdag 22 oktober, 2009 Oplossingen (1) Zij V het vlak in R 3 door de punten P 1 = (1, 2, 1), P 2 = (0, 1, 1) en P 3 = ( 1, 1, 3). (a) Geef een parametrisatie
Nadere informatieLijst-kleuringen in de grafentheorie
Lijst-kleuringen in de grafentheorie Berrie Bottelier 16 juli 2014 Bachelorscriptie Begeleiding: dr. Guus Regts 4 5 6 1 2 3 Korteweg-de Vries Instituut voor Wiskunde Faculteit der Natuurwetenschappen,
Nadere informatieCollege WisCKI. Albert Visser. 5 december, Department of Philosophy, Faculty Humanities, Utrecht University. Lijn, Vlak, etc.
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 5 december, 2012 1 Overview 2 Overview 2 Overview 2 Overview 2 Overview 3 Vectorvoorstelling Lijn: x = b +
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 informatieDiscrete Wiskunde 2WC15, Lente Jan Draisma
Discrete Wiskunde 2WC15, Lente 2010 Jan Draisma HOOFDSTUK 2 Gröbnerbases 1. Vragen We hebben gezien dat de studie van stelsels polynoomvergelijkingen in meerdere variabelen op natuurlijke manier leidt
Nadere informatieEen combinatorische oplossing voor vraag 10 van de LIMO 2010
Een combinatorische oplossing voor vraag 10 van de LIMO 2010 Stijn Vermeeren (University of Leeds) 16 juni 2010 Samenvatting Probleem 10 van de Landelijke Interuniversitaire Mathematische Olympiade 2010vraagt
Nadere informatieJe hebt twee uur de tijd voor het oplossen van de vraagstukken. µkw uitwerkingen. 12 juni 2015
Je hebt twee uur de tijd voor het oplossen van de vraagstukken. Elk vraagstuk is maximaal 10 punten waard. Begin elke opgave op een nieuw vel papier. µkw uitwerkingen 12 juni 2015 Vraagstuk 1. We kunnen
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 informatieEXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie
EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I MAANDAG 17 JANUARI 2011 1. Theorie Opgave 1. (a) In Voorbeelden 2.1.17 (7) wordt gesteld dat de maximale lineair onafhankelijke deelverzamelingen van
Nadere informatie