Optimalisering WI 2608

Vergelijkbare documenten
Optimalisering WI 2608

Lineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert

TU/e 2DD50: Wiskunde 2 (1)

Tie breaking in de simplex methode

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).

Stochastische Modellen in Operations Management (153088)

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Geheeltallige programmering

Digitaal Proefstuderen Econometrie en Operationele Research Universiteit van Tilburg

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.

Enkele basismodellen uit operationeel onderzoek

Tentamen Deterministische Modellen in de OR Dinsdag 17 augustus 2004, uur vakcode

Samenvatting college 1-12

Tie breaking in de simplex methode

Hoofdstuk 13: Integer Lineair Programmeren

Technische Universiteit Delft Uitwerking Tentamen Analyse 3, WI 2601 Maandag 11 januari 2010,

Branch-and-Bound en Cutting Planes

TW2020 Optimalisering

max 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0

1 Transportproblemen. 1.1 Het standaard transportprobleem

Hertentamen Optimalisering (Delft) en Besliskunde 1 (Leiden) 15 april 2014, uur

KlasseLunch. Over gezond eten 1. Docentenhandleiding KlasseLunch 2008:

Lineaire Optimilizatie Extra sessie. 19 augustus 2010

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Stochastische Modellen in Operations Management (153088)

Project Management (H H 22 op CD-ROM)

Er zijn 4 opgaven, daarna volgen blanco bladzijden die u kan gebruiken om te antwoorden.

TW2020 Optimalisering

Optimalisering/Besliskunde 1. College 1 6 september, 2012

Optimalisering/Besliskunde 1. College 1 3 september, 2014

Examenvragen D0H45 (Lineaire optimalizatie)

TU/e 2DD50: Wiskunde 2 (1)

Gaap, ja, nog een keer. In één variabele hebben we deze formule nu al een paar keer gezien:

Lineaire programmering

Stochastische Modellen in Operations Management (153088)

TW2020 Optimalisering

TW2020 Optimalisering

Voorbeeld van herschrijven als transportprobleem

Knowledge

TW2020 Optimalisering

Correctievoorschrift examen VMBO-GL en TL 2003

OPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN

Veilingmechanismen voor het optimaliseren van de productieketen

week 45 5 november 2013 B2

K.0 Voorkennis. y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x.

Vraag Antwoord Scores. 2 maximumscore 3 Laatste rij in tabel verder invullen tot totaal aantal vierkanten 19 is 2. Het rijnummer is 9 1 ).

Uitwerkingen oefenopdrachten or

GEZONDE VOEDING! Linda Verhaegh, diëtist De Zorggroep Groene Kruis Voeding en Dieet

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 23 september 2015

Borrelhapjes met energie

Toetsmodule hoofdstuk 11: Diagrammen en grafieken

SPORTVOEDING. Zwat

TW2020 Optimalisering

Tentamen: Operationele Research 1D (4016)

Stochastische Modellen in Operations Management (153088)

Oplossingen toetsmodule hoofdstuk 11: Diagrammen en grafieken

Lineair programmeren met de TI-84 CE-T

Energie en voeding. Stempelpost 9 (22,5 km) - Gooi je tank vol! Brood - koolhydraten, vetten. werkblad 3 - pagina 1

Modellen en Simulatie Lineare Programmering

KlasseLunch. Over gezond eten 1. Werkbladen KlasseLunch 2008:

Projectmanagement onder onzekerheid

Optimalisering en Complexiteit, College 14. Geheeltallige LPs en Planning bij Grolsch. Han Hoogeveen, Utrecht University

Adviezen voor een voedingsvezelverrijkt en vochtverrijkt dieet

week 45 5 november 2013 C

Universiteit Utrecht Faculteit Wiskunde en Informatica. Examen Optimalisering op maandag 18 april 2005, uur.

Differentiaalvergelijkingen Technische Universiteit Delft

Wat? Stap 1: Vertalen naar wiskunde. Doel. Mathematische modellen voor lineaire programmering. winstmaximalisatie kostenminimalisatie

Optimalisering en Complexiteit, College 14. Planning bij Grolsch. Han Hoogeveen, Utrecht University

Antwoorden hoofdstuk 10

Deze examenopgave bestaat uit 8 pagina s, inclusief het voorblad. Controleer of alle pagina s aanwezig zijn.

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University

Hoofdstuk 8: Algoritmen en Complexiteit

34 HOOFDSTUK 1. EERSTE ORDE DIFFERENTIAALVERGELIJKINGEN

Case study 1: Contributiemarge

(b) Formuleer het verband tussen f en U(P, f), en tussen f en L(P, f). Bewijs de eerste. (c) Geef de definitie van Riemann integreerbaarheid van f.

2 n 1. OPGAVEN 1 Hoeveel cijfers heeft het grootste bekende Mersenne-priemgetal? Met dit getal vult men 320 krantenpagina s.

Z.O.Z. Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 16 juni 2016, 12:30 15:30 (16:30)

Voorbeeld simplexmethode. Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0.

Het bijhouden van een diabetes-eetdagboek tijdens de sensor. Diëtetiek

Voeding en sport. Rianne Booijink diëtist

PRODUCTFICHE 1. PRODUCT IDENTIFICATIE 2. IDENTIFICATIE PRODUCENT (= VERPAKKER) 2.1 Productie & verpakking. Koksijdestraat 17a te 8630 Veurne

Technische Universiteit Eindhoven Faculteit Wiskunde & Informatica

Getallenleer Inleiding op codeertheorie. Cursus voor de vrije ruimte

UITWERKINGEN OPGAVEN HOOFDSTUK 10

Inhoud. Voorwoord 3. Voeding 6. Slaap 22. Houding 30. Naar de dokter 37. Kleding 65. Mode 74. Kleding wassen 77

Bijlage A Simplex-methode

8/2/2006 Examen Optimalisatietechnieken (6sp) 1

Bijlage: Dieet zonder koolhydraten

PRODUCTFICHE 1. PRODUCT IDENTIFICATIE 2. IDENTIFICATIE PRODUCENT (= VERPAKKER) 2.1 Productie & verpakking. Koksijdestraat 17a te 8630 Veurne

PRODUCTFICHE. Worstenbroodje, bladerdeegrolletje met gehaktvulling. Certificatie organisme: ISA-cert (AIB-Vincotte)

PRODUCTFICHE 1. PRODUCT IDENTIFICATIE. Product beschrijving 2. IDENTIFICATIE PRODUCENT (= VERPAKKER) 2.1 Productie & verpakking

TU/e 2DD50: Wiskunde 2

Aansluiting vwo - wo. wiskunde op het vwo versus wiskunde op de UT Presentatietitel: aanpassen via Beeld, Koptekst en voettekst

Patisserie Unique New Business B.V. Nieuwerhoekplein 1a 3761 HD Soest T: F: E:

Transcriptie:

Optimalisering WI 2608 Docent: Hans Melissen, EWI kamer 4.150 e-mail: j.b.m.melissen@tudelft.nl tel: 015-2782547 Het project is een verplicht onderdeel van het vak Het project start in week 5. Nadere informatie volgt Boek: F.S. Hillier and G.J. Lieberman: Introduction to Operations Research, 8th Ed., McGraw-Hill, 2005 + CD-ROM. ISBN 007-123828-X Cijfer = gemiddelde van tentamencijfer (minimaal 5,0) en het cijfer van het project

Operations Research (OR, Operationele Analyse, Besliskunde, Management Science, MS) OR: - deterministisch: Optimalisering (H 1-12) - stochastisch: Wachttijdtheorie (H 16) Risicoanalyse Speltheorie (H14) Voorraadbeheer (H 18) Simulatie (H 20) Optimalisering (Mathematical Programming): Lineair (LP) - Continu, simplexmethode (H 1-7) - Geheeltallig (+ binair) (H 11) - Mixed integer (H11) Niet-lineair (NLP) (H12)

Lineaire programmering (LP) = Lineaire optimalisering. Toepassingen o.a.: productieplanning mengproblemen locatieproblemen transportproblemen routering projectplanning aandelenportefeuilles Geschiedenis: WO II: Ondersteuning voor logistieke operaties 1947 George B. Dantzig: Simplexmethode voor LP Uitvoerbaar door opkomst van de computer 1984 Karmarkar: polynomiaal algoritme voor LP Voorpaginanieuws in de New York Times!

Voorbeeld: Een dieet voor een jongen van 19 moet dagelijks 3000 kcal, 81 gram eiwit, 100 gram vet en 410 gram koolhydraten bevatten. kcal eiwit vet koolhydraten Prijs plak kaas 75 5 6 0 0,20 bruine boterham 85 3 1 16 0,12 lik boter 20 0 2 0 0,04 lepel aardappels 40 1 0 8 0,05 lepel bruine bonen 55 4 0 8 0,05 braadworst 230 17 18 1 0,75 Mars 240 3 11 32 0,90 Maak een zo goedkoop mogelijk dieet met deze ingrediënten: Min 20x 1 + 12x 2 + 4x 3 + 5x 4 + 5x 5 + 75x 6 + 90x 7 z.d.d. 75x 1 + 85x 2 + 20x 3 + 40x 4 + 55x 5 + 230x 6 + 240x 7 3000 5x 1 + 3x 2 + 0x 3 + 1x 4 + 4x 5 + 17x 6 + 3x 7 81 6x 1 + 1x 2 + 2x 3 + 0x 4 + 0x 5 + 18x 6 + 11x 7 100 0x 1 + 16x 2 + 0x 3 + 8x 4 + 8x 5 + 1x 6 + 32x 7 410 kaas brood boter aardap bonen worst Mars Prijs Oplossing???????? + voorwaarden alle x i 0 50 51,3 4,56 boon 19,9 40 8,2 3,3 4,56 aardappel boter brood 3,8 25,6 25,6 0,02 4,87 brood 8 12,7 8 8 35,3 5,57 aardappels 6 1,9 8 8 6 6 0,04 5,8 7,51 Mars 1 8 6 6 154 1 117,96 Mars 5 8 6 6 26 5 25,56 Worst 20 - - - - - - - - Conclusie: Jongens minstens 5,8 Marsen per dag, meisjes 3,6!

Voorbeeld: productieplanning Bedrijf fabriceert producten A, B, C en D Productiefasen: assemblage 1, assemblage 2, verpakking Productietijden (uren) per eenheid: productietijden (uren) A B C D Beschikbaar Assemblage 1 0,70 0,75 0,55 0,34 400 uur Assemblage 2 0,55 0,82 0,80 0,55 480 uur Verpakking 0,24 0,32 0,45 0,27 220 uur Grondstoffen 1,9 2,5 1,8 2 Winst 4,80 12,00 6,00 7,20 Aanwezige grondstoffen: 1500 eenheden Order voor volgende week: 100 eenheden A Al het geproduceerde wordt afgenomen Vraag: Hoeveel moet je produceren voor maximale winst? Formulering: Beslissingsvariabelen: x A = aantal eenheden A x B B = aantal eenheden B x C = aantal eenheden C x D = aantal eenheden D Model: Maximaliseer Z = 4,8x A + 12x B B + 6xC + 7,2x D z.d.d. 0,70x A + 0,75x B B + 0,55xC en 0,55x A + 0,82x B B + 0,80xC 0,24x A + 0,32x B B + 0,45xC 1,9x A + 2,5x B B + 1,8xC x A 100 x A, x B, B xc, x D 0 + 0,34x D 400 (assemblage 1) + 0,55x D 480 (assemblage 2) + 0,27x D 220 (verpakking) + 2x D 1500 (grondstoffen) (order) Oplossing: x A = 100,00 x B = 330,15 x B C = 0 x D = 242,31 Z = 6186,46

Algemene aannamen voor LP problemen: Proportionaliteit: Additiviteit: Deelbaarheid: Productie van 7 eenheden kost 7 keer zoveel, vergt 7 keer zoveel grondstoffen De winst van twee producten is de som van de afzonderlijke winsten Beslisvariabelen kunnen willekeurige reële waarden aannemen (ook niet-geheeltallig) Deze aannamen zijn niet altijd realistisch! Lineair Programmeren (LP) = Lineair Optimaliseren (LO) Programmeren = plannen Lineair = alle (doel- + constraint)functies zijn lineair: Additief: f(x+y) = f(x) + f(y) voor alle x, y R n Multiplicatief: f(λx) = λf(x) voor alle λ R, x R n Continue reële variabelen

Lineaire functies? x 3x (x 1, x 2 ) 5x 1 7x 2 x 6x 17 x ax (a, x) ax 3x 1 2 + 5log x 2 Substitueer x 1 = y 1, x 2 = exp(y 2 ) levert 3y 1 + 5y 2 na substitutie lineair (?) Niet-lineaire functies kunnen soms bij benadering gelineariseerd worden

Opgave Een kolencentrale verwerkt steenkoolsoorten A en B om energie op te wekken. De steenkool wordt eerst verpulverd en dan verbrand om stoom te maken voor het aandrijven van turbines. De vraag is in welke verhouding de steenkoolsoorten verwerkt moeten worden voor maximale productie van energie, gegeven een aantal beperkende voorwaarden. Zo zijn milieueisen opgelegd voor de gas- en roetuitstoot. De roetuitstoot mag hooguit 12 kg per uur zijn en het aantal deeltjes zwavel per miljoen gasdeeltjes mag niet meer dan 3000 zijn. De verbranding van 1 ton kolensoort A geeft een roetuitstoot van 0,5 kg per uur en 1 ton kolensoort B geeft een roetuitstoot van 1 kg per uur. De kolensoort A heeft de eigenschap dat op elke miljoen deeltjes die na verbranding vrijkomen er 1800 zwaveldeeltjes zijn, terwijl voor kolensoort B het aantal zwaveldeeltjes 3800 is op elke miljoen vrijgekomen gasdeeltjes. De kolensoorten A en B stoten per verbrande ton evenveel deeltjes uit. De kolensoorten worden per trein aangevoerd en de aanvoer is beperkt tot 20 ton per uur. De capaciteit van de verpulverinstallatie is ook beperkt: 16 ton kolensoort A per uur als A de enige zou zijn en 24 ton kolensoort B per uur als B de enige zou zijn. Ten slotte geeft 1 ton kolensoort A na verbranding 24.000 pond stoomenergie en 1 ton kolensoort B geeft 20.000 pond stoomenergie. Formuleer het probleem als een LP probleem. Los het probleem (grafisch) op.

Grafische oplosmethode (2 variabelen) Max Z = 24x 1 + 20x 2 z.d.d. x 1 + x 2 20 (transportbeperking) 0,5x 1 + x 2 12 (roetuitstoot) 1 x 16 1 + 1 24 x 2 1 (verpulvercapaciteit) 12x 1 8x 2 0 (zwaveluitstoot) x 1, x 2 0 (hoeveelheden) Verpulvercapaciteit: Per uur wordt x 1 /16 uur besteed aan kolensoort A en x 2 /24 aan kolensoort B. Zwaveluitstoot: Van de gasdeeltjes is een fractie x 1 /(x 1 +x 2 ) afkomstig van kolensoort A en x 2 /(x 1 +x 2 ) van kolensoort B. De hoeveelheid zwaveldeeltjes per miljoen gasdeeltjes is dus 1800x 1 /(x 1 +x 2 ) + 3800x 2 /(x 1 +x 2 ) 3000. Dit leidt tot 12x 1 8x 2 0

Hint: arceer telkens de niet-toegelaten gebieden! Merk op: - De transportcapaciteit is nooit een beperking. - In de optimale oplossing is de zwaveluitstoot niet beperkend.