Vícekriteriální programování příklad
|
|
- Drahomíra Navrátilová
- před 7 lety
- Počet zobrazení:
Transkript
1 Vícekriteriální programování příklad Pražírny kávy vyrábějí dva druhy kávy (Super a Standard) ze dvou druhů kávových bobů KB1 a KB2, které mají smluvně zajištěny v množství 4 t a 6 t. Složení kávy (v procentech) a zisk (tis.kč) jsou uvedeny v tabulce. KB1 KB2 Zisk (tis.kč/t) Super Standard Pražírny mají vyrobit minimálně 4t kávy a snaží se maximalizovat svůj zisk, minimalizovat spotřebu kávových bobů č. 2 a zároveň maximalizovat výrobu kávy Super. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 1 / 28
2 Matematický model zisk max 20x x 2 KB2 min 0, 5x 1 + 0, 75x 2 Super max x 1 za podmínek KB1 0, 5x 1 + 0, 25x 2 4 KB2 0, 5x 1 + 0, 75x 2 6 celkem x 1 + x 2 4 x 1, x 2 0 (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 2 / 28
3 Výsledky dílčích optimalizací (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 3 / 28
4 Metody pro nalezení kompromisního řešení Konvexní kombinace parciálních optimálních řešení Záměna účelových funkcí za omezující podmínky Minimalizace vzdálenosti od ideálního řešení Cílové programování Metoda STEM... (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 4 / 28
5 Váhy K mnohým metodám vícekriteriální optimalizace potřebujeme zvolit tzv. váhy jednotlivých kritérií nebo-li určit důležitost jednotlivých kritérií. Metody určování vah Existuje mnoho metod na určování vah. Podrobněji bude v RM. Tady jenom zmiňme, že je dobrým zvykem, aby součet vah byl roven 1. Ke stanovení vah můžeme použít např. metodu bodovací či tav. metodu pořadí. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 5 / 28
6 Konvexní kombinace parc. opt. řešení Výsledky parciálních optimalizací Při dílčích optimalizacích jsme získali následující dílčí optimální řešení: zisk KB2 super x 1 Super x 2 Standard Konvexní kombinace Uvažujme například váhy: 0, 5, 0, 2, 0, 3. Potom kompromisní řešení získané metodou konvexní kombinace dílčích optimálních řešení je: x = 0, 5(6; 4) + 0, 2(4; 0) + 0, 3(8; 0) = (6, 2; 2). Hodnoty jednotlivých účelových funkcí získáme dosazením a nebo opět konvexní kombinací hodnot při jednotlivých dílčích optimalizacích. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 6 / 28
7 Výsledky konvexní kombinace (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 7 / 28
8 Záměna úč. funkcí za omez. podmínky Při této metodě si vždy zvolíme jednu funkci. Hodnotu této funkce budeme optimalizovat za podmínek stávající úlohy rozšířené o podmínky na hodnoty ostatních účelových funkcí. Tyto hodnoty určíme z dílčích optimálních řešení. Příklad zisk max 20x x 2 za podmínek KB1 0, 5x 1 + 0, 25x 2 4 KB2 0, 5x 1 + 0, 75x 2 6 celkem x 1 + x 2 4 KB2 min 0, 5x 1 + 0, 75x 2 3, 5 Super max x 1 6 x 1, x 2 0 (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 8 / 28
9 Model záměna (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 9 / 28
10 Výsledky záměna (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 10 / 28
11 Minimalizace vzdálenosti od ideálního řešení Ukážeme si dvě metody založené na minimalizaci vzdálenosti od ideálního řešení. Pro obě z nich je lépe (resp. pro první lépe, pro druhou nutné) převést si všechna kritéria na maximalizační. Jak převést minimalizační kritérium na maximalizační Metod je opět více. My využijeme vztahu max f (x) min( f (x)). Navíc, protože bychom neradi, aby nám nějaké hodnoty vycházeli záporné, což by se při obyčejném otočení znamének stávalo, k otočené funkci ještě přičteme nějakou hodnotu, která nám zaručí nezápornost. A zase máme v podstatě dvě volby. Buď nejprve provede prostou maximalizaci účelové funkce, kterou chceme minimalizovat a budeme odečítat od získané hodnoty, nebo se podíváme na výsledky dílčích optimalizací a vybereme si tam nejhorší hodnotu, jaké naše účelová funkce nabyla. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 11 / 28
12 Převod minimalizačního kritéria na maximalizační v našem příkladě V naší úloze máme: min 0, 5x 1 + 0, 75x 2. Maximální hodnota této funkce při jednotlivých optimalizacích byla 6 (a to při maximalizaci zisku). Proto toto kritérium můžeme převést na maximalizační například následujícím způsobem: max 6 0, 5x 1 0, 75x 2. Hodnoty této funkce lze také interpretovat jako úsporu kávových bobů č. 2. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 12 / 28
13 Odchylky od ideálního řešení Odchylky jednotlivých účelových funkcí od ideálního řešení můžeme psát jako z k ct k x, kde stejně jako dříve vektor ck T značí cenový vektor k-té účelové funkce a zk značí její optimální hodnotu. Abychom mohli smysluplně porovnávat jednotlivé odchylky, je vhodné tyto odchylky znormovat, tj. použít jako míru odchylky od ideální varianty: zk ct k x zk, tento zlomek vždy nabývá hodnoty mezi 0 a 1. Chceme-li navíc nějakým způsobem zakomponovat váhy (zn. v k ), pak můžeme jako míru vzdálenosti od ideální varianty používat ještě upravený výraz: zk v ct k x k zk. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 13 / 28
14 Model úlohy minimalizace maximální vzdálenosti od ideální varianty min y za podmínek KB1 0, 5x 1 + 0, 25x 2 4 KB2 0, 5x 1 + 0, 75x 2 6 celkem x 1 + x 2 4 zisk max KB2 max Super max x 1 14x y 4 (6 0,5x 1 0,75x 2 ) 4 y 8 x 1 8 y x 1, x 2, y 0 (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 14 / 28
15 Model úlohy minimalizace součtu vzdáleností od ideální varianty zisk min x 1 14x 2 za podmínek KB1 0, 5x 1 + 0, 25x 2 4 KB2 0, 5x 1 + 0, 75x 2 6 celkem x 1 + x 2 4 x 1, x (6 0,5x 1 0,75x 2 ) x 1 8 (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 15 / 28
16 Ekvivalentní úloha zisk max 20x 1+14x ,5x 1 0,75x 2 za podmínek KB1 0, 5x 1 + 0, 25x 2 4 KB2 0, 5x 1 + 0, 75x 2 6 celkem x 1 + x 2 4 x 1, x x 1 8 (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 16 / 28
17 Model minimalizace vzdálenosti v Řešiteli (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 17 / 28
18 Model minimalizace vzdálenosti výsledky (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 18 / 28
19 Cílové programování Také u této metody je vhodné nejprve provést dílčí optimalizace, abychom získali přehled o rozsahu výsledků. Není to však nutné. Myšlenkou této metody je určit si hodnoty, jakých bychom rádi, aby dosahovala jednotlivá kritéria a poté minimalizovat odchylky kritérií od těchto hodnot. (Právě k odhadu námi požadovaných hodnot lze vyjít z dílčích výsledků.) Do modelu přidáme tzv. odchylkové proměnné (zn. d k, d + k ), které nám budou udávat odchylky jednotlivých kritérií od námi požadovaných hodnot, spec. d + k překročení této hodnoty a d k nedosažení této hodnoty. (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 19 / 28
20 Model cílového programování min 0, 5(d d 1 ) + 0, 2(d d 2 ) + 0, 3(d d 3 ) za podmínek KB1 0, 5x 1 + 0, 25x 2 4 KB2 0, 5x 1 + 0, 75x 2 6 celkem x 1 + x 2 4 zisk max 20x 1 14x 2 d d 1 = 170 KB2 max 0, 5x 1 + 0, 75x 2 d d 2 = 2, 5 Super max x 1 d d 3 = 7 x 1, x 2, d + 1, d 1, d + 2, d 2, d + 3, d 3 0 (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 20 / 28
21 Model cílové programování v Řešiteli (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 21 / 28
22 Modul Řešitele pro cílové programování (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 22 / 28
23 Výsledky jednotlivých metod (KMI ZF JU) VÍCEKRITERIÁLNÍ PROGRAMOVÁNÍ EMM a OA O6 23 / 28
Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25
Simplexové tabulky z minule (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexová metoda symbolicky Výchozí tabulka prom. v bázi zákl. proměné přídatné prom. omez. A E b c T 0 0 Tabulka po přepočtu
VíceEkonomická formulace. Matematický model
Ekonomická formulace Firma balící bonboniéry má k dispozici 60 čokoládových, 60 oříškových a 85 karamelových bonbónů. Může vyrábět dva druhy bonboniér. Do první bonboniéry se dávají dva čokoládové, šest
Více4EK201 Matematické modelování. 10. Teorie rozhodování
4EK201 Matematické modelování 10. Teorie rozhodování 10. Rozhodování Rozhodování = proces výběru nějaké možnosti (varianty) podle stanoveného kritéria za účelem dosažení stanovených cílů Rozhodovatel =
Více4 Kriteriální matice a hodnocení variant
4 Kriteriální matice a hodnocení variant V teorii vícekriteriálního rozhodování pracujeme s kritérii, kterých je obecně k, a s variantami, kterých je obecně p. Hodnotu, které dosahuje varianta i pro j-té
Více7 Kardinální informace o kritériích (část 1)
7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru
VíceOperační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.
Operační výzkum Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. 2. PŘEDNÁŠKA MATEMATICKÝ MODEL ÚLOHY LP Mgr. Sekničková Jana, Ph.D. 2 OSNOVA PŘEDNÁŠKY Obecná formulace MM Množina
VíceVÍCEKRITERIÁLNÍ ROZHODOVANÍ
VÍCEKRITERIÁLNÍ ROZHODOVANÍ 1 Obsah Typy modelů vícekriteriálního rozhodování Základní pojmy Typy informací Cíl modelů Užitek, funkce užitku Grafické zobrazení Metody vícekriteriální analýzy variant 2
VíceOperační výzkum. Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu.
Operační výzkum Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu
VíceOperační výzkum. Přiřazovací problém.
Operační výzkum Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ..7/2.2./28.326
Více5 Informace o aspiračních úrovních kritérií
5 Informace o aspiračních úrovních kritérií Aspirační úroveň kritérií je minimální (maximální) hodnota, které musí varianta pro dané maximalizační (minimalizační) kritérium dosáhnout, aby byla akceptovatelná.
Více4EK201 Matematické modelování. 2. Lineární programování
4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených
Vícefakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceObr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel. Výpočet budeme demonstrovat
VíceLDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Vícee-mail: RadkaZahradnikova@seznam.cz 1. července 2010
Optimální výrobní program Radka Zahradníková e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Obsah 1 Lineární programování 2 Simplexová metoda 3 Grafická metoda 4 Optimální výrobní program Řešení
VícePřílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel
Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
VíceParametrické programování
Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou
Více4EK311 Operační výzkum. 2. Lineární programování
4EK311 Operační výzkum 2. Lineární programování 2.2 Matematický model úlohy LP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a 13 x
VíceZápadočeská univerzita v Plzni. Fakulta aplikovaných věd. Ivana Kozlová. Modely analýzy obalu dat
Západočeská univerzita v Plzni Fakulta aplikovaných věd SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU MATEMATICKÉ MODELOVÁNÍ Ivana Kozlová Modely analýzy obalu dat Plzeň 2010 Obsah 1 Efektivnost a její hodnocení 2 2 Základní
Více12. Lineární programování
. Lineární programování. Lineární programování Úloha lineárního programování (lineární optimalizace) je jedním ze základních problémů teorie optimalizace. Našim cílem je nalézt maximum (resp. minimum)
VíceMetody lineární optimalizace Simplexová metoda. Distribuční úlohy
Metody lineární optimalizace Simplexová metoda Dvoufázová M-úloha Duální úloha jednofázová Post-optimalizační analýza Celočíselné řešení Metoda větví a mezí Distribuční úlohy 1 OÚLP = obecná úloha lineárního
VícePříklady modelů lineárního programování
Příklady modelů lineárního programování Příklad 1 Optimalizace výroby konzerv. Podnik vyrábí nějaký výrobek, který prodává v 1 kg a 2 kg konzervách, přičemž se řídí podle následujících velmi zjednodušených
VíceP ílohy. P íloha 1. ešení úlohy lineárního programování v MS Excel
P ílohy P íloha 1 ešení úlohy lineárního programování v MS Excel V této p íloze si ukážeme, jak lze ešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat
VíceOptimalizace úvěrových nabídek. EmbedIT 7.11.2013 Tomáš Hanžl
Optimalizace úvěrových nabídek EmbedIT 7.11.2013 Tomáš Hanžl Obsah Spotřebitelský úvěr Popis produktu Produktová definice v HC Kalkulace úvěru Úloha nalezení optimálního produktu Shrnutí Spotřebitelský
VíceMULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE
OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 PŘEDNÁŠKA 5 MULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 Multiriteriální rozhodování
VíceLineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
VíceSystémové modelování. Ekonomicko matematické metody I. Lineární programování
Ekonomicko matematické metody I. Lineární programování Modelování Modelování je způsob zkoumání reality, při němž složitost, chování a další vlastnosti jednoho celku vyjadřujeme složitostí, chováním a
VíceLineární programování
24.9.205 Lineární programování Radim Farana Podklady pro výuku pro akademický rok 203/204 Obsah Úloha lineárního programování. Formulace úlohy lineárního programování. Typické úlohy lineárního programování.
VíceSimplexová metoda. Simplexová tabulka: Záhlaví (účelová funkce) A ~ b r βi. z j c j. z r
Simplexová metoda Simplexová metoda, je jedním ze způsobů, jak řešit úlohy lineárního programování. Tato metoda vede k cíly, nelezení optimálního řešení, během konečného počtu kroků, pokud se při prvním
VíceJiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 11 Katedra ekonometrie FEM UO Brno Jedná se o speciální případ dopravních úloh, řeší např. problematiku optimálního přiřazení strojů na pracoviště. Příklad Podnik má k dispozici 3 jeřáby,
VíceAnalýza obalu dat úvod
Analýza obalu dat úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Analýza obalu dat (DEA) Analýza obalu dat (Data envelopement
VíceDSS a De Novo programming
De Novo Programming DSS a De Novo programming DSS navrhují žádoucí budoucnost a cesty k jejímu uskutečnění Optimalizační modely vhodné nástroje pro identifikaci optimálního řešení problému Je ale problém
Více6 Ordinální informace o kritériích
6 Ordinální informace o kritériích Ordinální informací o kritériích se rozumí jejich uspořádání podle důležitosti. Předpokládejme dále standardní značení jako v předchozích cvičeních. Existují tři základní
VíceVícekriteriální hodnocení variant úvod
Vícekriteriální hodnocení variant úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Vícekriteriální hodnocení variant
VíceOSTRAVSKÁ UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA [ MOPV ] METODY OPERAČNÍHO VÝZKUMU
OSTRAVSKÁ UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA [ MOPV ] METODY OPERAČNÍHO VÝZKUMU Distanční opora RNDr. Miroslav Liška, CSc. OSTRAVA 2002 1 Simplexová metoda je iterační výpočetní postup pro nalezení optimálního
Více7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí
202-m3b2/cvic/7slf.tex 7. Derivace složené funkce. Budeme uvažovat složenou funkci F = fg, kde některá z jejich součástí může být funkcí více proměnných. Předpokládáme, že uvažujeme funkce, které mají
Vícevyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).
Řešené příklady z lineární algebry - část 6 Typové příklady s řešením Příklad 6.: Kvadratickou formu κ(x) = x x 6x 6x x + 8x x 8x x vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých
VíceVýběr lokality pro bydlení v Brně
Mendelova univerzita v Brně Provozně ekonomická fakulta Výběr lokality pro bydlení v Brně Projekt do předmětu Optimalizační metody Martin Horák Brno 5 Mendelova univerzita v Brně Provozně ekonomická fakulta
VíceObecná úloha lineárního programování. Úloha LP a konvexní množiny Grafická metoda. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 3 Katedra ekonometrie FEM UO Brno Optimalizace portfolia Investor se s pomocí makléře rozhoduje mezi následujícími investicemi: akcie A, akcie B, státní pokladniční poukázky, dluhopis A, dluhopis
VíceNumerické metody optimalizace - úvod
Numerické metody optimalizace - úvod Petr Tichý 16. února 2015 1 Organizace přednášek a cvičení 13 přednášek a cvičení. Zápočet: úloha programování a testování úloh v Matlabu. Další informace na blogu
VíceMetody výběru variant
Metody výběru variant Používají se pro výběr v případě více variant řešení stejného problému Lze vybírat dle jednoho nebo více kritérií V případě více kritérií mohou mít všechna stejnou důležitost nebo
VíceUčební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)
Více3. Optimalizace pomocí nástroje Řešitel
3. Optimalizace pomocí nástroje Řešitel Rovnováha mechanické soustavy Uvažujme dvě různé nehmotné lineární pružiny P 1 a P 2 připevněné na pevné horizontální tyči splývající s osou x podle obrázku: (0,0)
VícePostupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů
Postupy při hodnocení variant a výběru nejvhodnějšího řešení Šimon Kovář Katedra textilních a jednoúčelových strojů Znáte nějaké postupy hodnocení variant řešení? Vícekriteriální rozhodování Při výběru
Více4EK212 Kvantitativní management. 1. Úvod do kvantitativního managementu a LP
4EK212 Kvantitativní management 1. Úvod do kvantitativního managementu a LP Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka
Více3. ANTAGONISTICKÉ HRY
3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,
VíceNástroje pro analýzu dat
7 Nástroje pro analýzu dat V té to ka pi to le: Ověřování vstupních dat Hledání řešení Řešitel Scénáře Citlivostní analýza Rychlá analýza Kapitola 7 Nástroje pro analýzu dat Součástí Excelu jsou nástroje
Více1 Duální simplexová metoda
1 Duální simplexová metoda Autor: Markéta Popelová Datum: 8.5.2011 Předmět: Základy spojité optimalizace Zadání Mějme matici A R m n a primární úlohu lineárního programování v normálním tvaru (P) a k ní
Více4EK213 Lineární modely. 12. Dopravní problém výchozí řešení
4EK213 Lineární modely 12. Dopravní problém výchozí řešení 12. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování
VíceVícekriteriální hodnocení variant metody
Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Metody vícekriteriální hodnocení variant (VHV) Jak jsme již zmiňovali, VHV obecně neposkytuje
VíceTeorie her a ekonomické rozhodování. 2. Maticové hry
Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru
Více4EK213 Lineární modely. 5. Dualita v úlohách LP
4EK213 Lineární modely 5. Dualita v úlohách LP 5. Dualita v úlohách LP Obecné vyjádření simplexové tabulky Formulace duálního problému Formulace symetrického duálního problému Formulace nesymetrického
Více4.Řešení optimalizačních úloh v tabulkových kalkulátorech
4.Řešení optimalizačních úloh v tabulkových kalkulátorech Tabulkové kalkulátory patří mezi nejpoužívanější a pro běžného uživatele nejdostupnější programové systémy. Kromě základních a jim vlastních funkcí
VíceMetoda analýzy datových obalů (DEA)
Kapitola 1 Metoda analýzy datových obalů (DEA) Modely datových obalů slouží pro hodnocení technické efektivity produkčních jednotek na základě velikosti vstupů a výstupů. Hodnocenými jednotkami mohou být
Více1 Polynomiální interpolace
Polynomiální interpolace. Metoda neurčitých koeficientů Příklad.. Nalezněte polynom p co nejmenšího stupně, pro který platí p() = 0, p(2) =, p( ) = 6. Řešení. Polynom hledáme metodou neurčitých koeficientů,
Více7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.
7 Konvexní množiny Motivace. Lineární programování (LP) řeší problém nalezení minima (resp. maxima) lineárního funkcionálu na jisté konvexní množině. Z bohaté škály úloh z této oblasti jmenujme alespoň
Víceminimalizaci vzdálenosti od ideální varianty
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Metody vícekriteriálního rozhodování založené na minimalizaci vzdálenosti od ideální
VíceMetoda analýzy datových obalů (DEA)
Kapitola 1 Metoda analýzy datových obalů (DEA) Modely datových obalů slouží pro hodnocení technické efektivity produkčních jednotek na základě velikosti vstupů a výstupů. Hodnocenými jednotkami mohou být
Více4EK212 Kvantitativní management. 2. Lineární programování
4EK212 Kvantitativní management 2. Lineární programování 1.7 Přídatné proměnné Přídatné proměnné jsou nezáporné Mají svoji ekonomickou interpretaci, která je odvozena od ekonomické interpretace omezení
Více4EK311 Operační výzkum. 4. Distribuční úlohy LP část 1
4EK311 Operační výzkum 4. Distribuční úlohy LP část 1 4. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování (plánování
Víceskladbu obou směsí ( v tunách komponenty na 1 tunu směsi):
Klíčová slova: simplexová metoda 1 Simplexová metoda Postup výpočtu: 1. Nalezení výchozího řešení. 2. Test optima: pokud je řešení optimální výpočet končí, jinak krok 3. 3. Iterační krok, poté opět test
Více4EK311 Operační výzkum. 1. Úvod do operačního výzkumu
4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:
VíceObecný Hookeův zákon a rovinná napjatost
Obecný Hookeův zákon a rovinná napjatost Základní rovnice popisující napěťově-deformační chování materiálu při jednoosém namáhání jsou Hookeův zákon a Poissonův zákon. σ = E ε odtud lze vyjádřit také poměrnou
VíceMetodické pokyny pro práci s modulem Řešitel v tabulkovém procesoru Excel
Metodické pokyny pro práci s modulem Řešitel v tabulkovém procesoru Excel Modul Řešitel (v anglické verzi Solver) je určen pro řešení lineárních i nelineárních úloh matematického programování. Pro ilustraci
VíceVYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
VíceVícekriteriální rozhodování za jistoty
Kapitola 1 Vícekriteriální rozhodování za jistoty Při řešení rozhodovacích problémů se často setkáváme s případy, kdy optimální rozhodnutí musí vyhovovat více než jednomu kritériu. Zadaná kritéria mohou
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. GARANT KURZU Prof. Ing. Josef Jablonský, CSc. Místnost: NB 437 Konzultační hodiny: úterý 13:00 15:00 E-mail: jablon@vse.cz
VíceKonvexní množiny Formulace úloh lineárního programování. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 2 Katedra ekonometrie FEM UO Brno Euklidovský prostor E n Pod pojmem n-rozměrný euklidovský prostor budeme rozumnět prostor, jehož prvky jsou uspořádané n-tice reálných čísel X = (x 1, x 2,...,
Více13. Lineární programování
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
Více1 Extrémy funkcí - slovní úlohy
1 Extrémy funkcí - slovní úlohy Příklad 1.1. Součet dvou kladných reálných čísel je a. Určete 1. Minimální hodnotu součtu jejich n-tých mocnin.. Maximální hodnotu součinu jejich n-tých mocnin. Řešení.
VíceANTAGONISTICKE HRY 172
5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí
VíceRNDr. Sousedíková Radmila, Ph.D.
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Eaktní metody rozhodování - operační výzkum RNDr. Sousedíková Radmila,
Vícef ( x) = 5x 1 + 8x 2 MAX, 3x x ,
4. okruh z bloku KM1 - řídicí technika Zpracoval: Ondřej Nývlt (o.nyvlt@post.cz) Zadání: Lineární programování (LP), simplexová metoda, dualita v LP. Nelineární programování. Vázaný extrém. Karush-Kuhn-Tuckerova
VíceCVIČNÝ TEST 15. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17
CVIČNÝ TEST 15 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST VÝCHOZÍ TEXT K ÚLOZE 1 Je dána čtvercová mřížka, v níž každý čtverec má délku
VíceOPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS
OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB Optimalizace a multikriteriální hodnocení funkční způsobilosti pozemních staveb Anotace: Optimalizace objektů pozemních staveb
VíceStudentská soutěžní práce
Univerzita Tomáše Bati Fakulta aplikované informatiky Ústav automatizace a řídicí techniky Studentská soutěžní práce STOČ 2011 Mobilní aplikace celočíselného programování metodou větví a mezí 2011 Adam
VíceNumerické metody a programování. Lekce 8
Numerické metody a programování Lekce 8 Optimalizace hledáme bod x, ve kterém funkce jedné nebo více proměnných f x má minimum (maximum) maximalizace f x je totéž jako minimalizace f x Minimum funkce lokální:
VíceÚvod do optimalizace Matematické metody pro ITS (11MAMY)
Úvod do optimalizace Matematické metody pro ITS (11MAMY) Jan Přikryl (volně dle M.T. Heathe) 10. přednáška 11MAMY úterý 22. března 2016 verze: 2016-04-01 16:10 Obsah Optimalizační problém 1 Definice 1
Více4EK201 Matematické modelování 5. Speciální úlohy lineárního programování
4EK201 Matematické modelování 5. Speciální úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy
VíceLogické proměnné a logické funkce
Booleova algebra Logické proměnné a logické funkce Logická proměnná je veličina, která může nabývat pouze dvou hodnot, označených 0 a I (tedy dvojková proměnná) a nemůže se spojitě měnit Logická funkce
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení
VíceAritmetické operace a obvody pro jejich realizaci
Kapitola 4 Aritmetické operace a obvody pro jejich realizaci 4.1 Polyadické číselné soustavy a jejich vlastnosti Polyadické soustavy jsou určeny přirozeným číslem z, kterému se říká základ nebo báze dané
VíceBinární vyhledávací stromy pokročilé partie
Binární vyhledávací stromy pokročilé partie KMI/ALS lekce Jan Konečný 30.9.204 Literatura Cormen Thomas H., Introduction to Algorithms, 2nd edition MIT Press, 200. ISBN 0-262-5396-8 6, 3, A Knuth Donald
VíceVícekriteriální rozhodování za jistoty
1 Část I Vícekriteriální rozhodování za jistoty Při řešení rozhodovacích problémů se často setkáváme s případy, kdy optimální rozhodnutí musí vyhovovat více než jednomu kritériu. Zadaná kritéria mohou
VíceCvičení 13 Vícekriteriální hodnocení variant a vícekriteriální programování
Cvčení 3 Vícekrterální hodnocení varant a vícekrterální programování Vícekrterální rozhodování ) vícekrterální hodnocení varant konkrétní výčet, seznam varant ) vícekrterální programování varanty ve formě
Více7. přednáška Systémová analýza a modelování. Přiřazovací problém
Přiřazovací problém Přiřazovací problémy jsou podtřídou logistických úloh, kde lze obecně říci, že m dodavatelů zásobuje m spotřebitelů. Dalším specifikem je, že kapacity dodavatelů (ai) i požadavky spotřebitelů
VíceRovnice 2 Vypracovala: Ing. Stanislava Kaděrková
Rovnice 2 Vypracovala: Ing. Stanislava Kaděrková Název školy Název a číslo projektu Název modulu Obchodní akademie a Střední odborné učiliště, Veselí nad Moravou Motivace žáků ke studiu technických předmětů
Více61. ročník matematické olympiády III. kolo kategorie A. Hradec Králové, března 2012
61. ročník matematické olympiády III. kolo kategorie Hradec Králové, 5. 8. března 01 MO 1. Najděte všechna celá čísla n, pro něž je n 4 3n + 9 prvočíslo. (leš Kobza) Řešení. Zadaný výraz lze jednoduchou
VíceÚvod do teorie her
Úvod do teorie her 2. Garanční řešení, hry s nulovým součtem a smíšené strategie Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 2017 ÚTIA AV ČR Program 1. Zavedeme řešení, které zabezpečuje minimální výplatu
Více1.1 Typy úloh LP. Klíčová slova: úlohy LP, formulace modelu. 1. Formulace ekonomického modelu.
Klíčová slova: úlohy LP, formulace modelu. 1 Úlohy Lineárního programování Lineární programování je jednou z částí operačního výzkumu a zpravidla se používá pro řešení optimalizačních úloh ekonomických
VíceVzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad na rozhodování BPH_ZMAN Základní charakteristiky a značení symbol verbální vyjádření interval C g g-tý cíl g = 1,.. s V i i-tá varianta i = 1,.. m K j j-té kriterium j = 1,.. n v j x ij
VíceV této kapitole si zobecníme dříve probraný pojem limita posloupnosti pro libovolné funkce.
Kapitola 7 Limita funkce V této kapitole budeme studovat pojem ita funkce, který lze zařadit mezi základní pojmy matematiky, speciálně pak matematické analýzy Využití ity funkce je široké Pomocí ity lze
VíceNeuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
VícePříklady ke cvičením. Modelování produkčních a logistických systémů
Modelování produkčních a logistických systémů Katedra logistiky, kvality a automobilové techniky Garant, přednášející, cvičící: Jan Fábry 10.12.2018 Příklady ke cvičením Opakování lineárního programování
Více9.1 Definice a rovnice kuželoseček
9. Kuželosečky a kvadriky 9.1 Definice a rovnice kuželoseček Kuželosečka - řez na kruhovém kuželi, množina bodů splňujících kvadratickou rovnici ve dvou proměnných. Elipsa parametricky: X(t) = (a cos t,
VíceJednotkový vektor vektor, která má na jednom místě jedničku a na ostatních nuly, například (0, 1, 0).
1. Základní pojmy www.cz-milka.net Systém neprázdná, účelově definovaná množina prvků a vazeb mezi nimi, která se zachycením vstupů a výstupů vykazuje kvantifikovatelné chování v čase. Model formalizovaný
VíceBooleovská algebra. Booleovské binární a unární funkce. Základní zákony.
Booleovská algebra. Booleovské binární a unární funkce. Základní zákony. Tomáš Bayer bayertom@natur.cuni.cz Katedra aplikované geoinformatiky a kartografie, Přírodovědecká fakulta UK. Tomáš Bayer bayertom@natur.cuni.cz
VíceANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ
ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,
VícePříklad 1. Řešení 1a. Řešení 1b ŘEŠENÉ PŘÍKLADY Z M1B ČÁST 5
Příklad 1 Najděte totální diferenciál d (h) pro h=(h,h ) v příslušných bodech pro následující funkce: a) (,)= cos, =1; b) (,)=ln( + ), =2; 0 c) (,)=arctg(), =1; 0 1 d) (,)= +, =1; 1 Řešení 1a Máme nalézt
Více