4EK311 Operační výzkum. 3. Optimalizační software a stabilita řešení úloh LP
|
|
- Tereza Matoušková
- před 6 lety
- Počet zobrazení:
Transkript
1 4EK311 Operační výzkum 3. Optimalizační software a stabilita řešení úloh LP
2 3.1 Příklad matematický model Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krabiček] Šroubky: 1 x x [krabiček] Nezápornost: x 1, x 2 0 [krabiček] Zisk: 40 x x 2 max [Kč] Mgr. Sekničková Jana, Ph.D. 2
3 x 2 60 Grafické řešení úlohy LP OPTIMUM (2) x 1 (1) Z max -90 (3) (4) Mgr. Sekničková Jana, Ph.D. 3
4 3.2 Grafické řešení úlohy LP Optimální řešení zadané úlohy leží na průsečíku dvou hraničních přímek omezení (1) a (4): x 1 + 2x 2 = 120 x 1 = 110 Odtud je x 1 = 110, x 2 = 5 Bod optimálního řešení je tedy x = 110, 5 Hodnota účelové funkce je po dosazení z = 40x x 2 = = 4700 Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krabiček] Šroubky: 1 x x [krabiček] Nezápornost: x 1, x 2 0 [krabiček] Zisk: 40 x x 2 max [Kč] Mgr. Sekničková Jana, Ph.D. 4
5 x 2 60 Řešení dle základní věty LP 45 D 0 A C B (2) x 1 (1) (3) (4) Množina Základní přípustných přípustná Základní řešení ESR řešení řešení úlohy LP -90 Mgr. Sekničková Jana, Ph.D. 5
6 3.3 Řešení dle základní věty LP Výpočet základních přípustných řešení: A = 90, 0, x = 90, 0, 30, 90, 0, 20 T B = 110, 0, x = 110, 0, 10, 70, 20, 0 T C = 110, 5, x = 110, 5, 0, 50, 15, 0 T D = 100, 10, x = 100, 10, 0, 40, 0, 10 T Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krabiček] Šroubky: 1 x x [krabiček] Nezápornost: x 1, x 2 0 [krabiček] Zisk: z = 40 x x 2 max [Kč] z A = 40 x x 2 = = 3600 z B = 40 x x 2 = = 4400 z C = 40 x x 2 = = 4700 z D = 40 x x 2 = = 4600 Optimální řešení: x = 110, 5, 0, 50, 15, 0 T z = 4700 Mgr. Sekničková Jana, Ph.D. 6
7 3.4 Řešení pomocí softwaru Graficky lze řešit úlohy LP, které obsahují dvě (max. tři) proměnné Dle základní věty LP lze řešit i mnohem větší úlohy Tzv. metoda hrubé síly Vyčíslení všech ZŘ ESR (kolik jich je?) Redukce na ZPŘ úlohy LP Výpočet hodnoty účelové funkce pro všechna ZPŘ Výběr optimálního řešení I ZPŘ však může být opravdu mnoho m = 4, n = 2, ZŘ 14 ZPŘ 4 m = 100, n = 10, ZŘ téměř 47 bilionů ZPŘ cca 14 bilionů Mgr. Sekničková Jana, Ph.D. 7
8 V praxi se však používá efektivní prohledávání množiny základních přípustných řešení pomocí simplexové metody (či metody vnitřního bodu, apod.) Historické optimalizační softwary STORM DS Win Současné nástroje LINGO, MPL Řešitel pro MS Excel a další 3.4 Řešení pomocí softwaru Mgr. Sekničková Jana, Ph.D. 8
9 3.4 LINGO Firma LINDO Systems, Inc. LINDO (Linear INteractive and Discrete Optimizer) LINGO (verze 16.0, 17.0) Windows, Mac, Linux Mgr. Sekničková Jana, Ph.D. 9
10 Mgr. Sekničková Jana, Ph.D. 10
11 3.4 LINGO - model Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krab. ] Šroubky: 1 x x [krab. ] Nezápornost: x 1, x 2 0 [krab. ] Zisk: 40 x x 2 max [Kč] Mgr. Sekničková Jana, Ph.D. 11
12 3.4 LINGO - řešení Mgr. Sekničková Jana, Ph.D. 12
13 3.4 LINGO výstup řešení Hodnota účelové funkce Proměnné Omezení Účelová funkce Mgr. Sekničková Jana, Ph.D. 13
14 3.4 LINGO - proměnné Názvy Hodnoty Redukované ceny Proměnné Proměnné Procesy Redukovaná cena Pokud se proces nerealizuje (hodnota strukturní Hodnoty Intenzity procesůco udávají? proměnné = 0), udává, o kolik se musí zlepšit cena, aby bylo výhodné proces realizovat. Pokud se proces realizuje (hodnota strukturní proměnné > 0), je redukovaná Mgr. Sekničková Jana, Ph.D. cena nulová (není třeba cenu zlepšovat). 14
15 Předpokládejme nyní v příkladu zavedení výroby třetího výrobku (klíč na utahování šroubů) Lisování 5 minut Balení 5 minut Zisk 10 Kč Optimální řešení: x = 110, 5, 0, 50, 15, 0 T z = Redukovaná cena Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krab. ] Šroubky: 1 x x [krab. ] Nezápornost: x 1, x 2 0 [krab. ] Zisk: 40 x x 2 max [Kč] Mgr. Sekničková Jana, Ph.D. 15
16 3.4 Redukovaná cena Mgr. Sekničková Jana, Ph.D. 16
17 Mgr. Sekničková Jana, Ph.D. 17
18 Redukovaná cena Pokud se proces 3.4 realizuje Redukovaná (hodnota cena strukturní proměnné > 0), je redukovaná cena nulová (není třeba cenu zlepšovat). Pokud se proces nerealizuje (hodnota strukturní proměnné = 0), udává, o kolik se musí zlepšit cena, aby bylo výhodné proces realizovat. O kolik je třeba zlepšit současný cenový koeficient (10 Kč), aby byl příslušný proces realizován. O kolik se zhorší hodnota účelové funkce, když budeme nuceni realizovat příslušný proces s jednotkovou intenzitou. Mgr. Sekničková Jana, Ph.D. 18
19 Současná cena: c 3 = 10 Redukovaná cena: u = 140 Mgr. Sekničková Jana, Ph.D. 19
20 Mgr. Sekničková Jana, Ph.D. 20 Současná cena: c 3 = 10 Současný zisk: z = 4700 Redukovaná cena: u = 140
21 Stínová cena (duální cena, duální proměnná) Pokud je omezení 3.4 LINGO splněno na - hraně, omezení tj. jako rovnost (hodnota přídatné proměnné = 0), udává, o kolik se zlepší z, pokud se kapacita uvolní o jednotku. Omezení Činitelé Pokud je omezení splněno s rezervou (hodnota přídatné proměnné > 0), je Hodnoty stínová cena přídatných nulová (malá proměnných změna kapacity Rezerva nezpůsobí změnu z). Hodnoty přídatných proměnných Názvy Stínové ceny Omezení Mgr. Sekničková Jana, Ph.D. 21
22 Stínová cena Pokud je omezení splněno s rezervou (hodnota přídatné proměnné > 0), je stínová cena nulová (malá změna kapacity nezpůsobí změnu z). Optimální řešení: x = 110, 5, 0, 50, 15, 0 T z = 4700 Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krab. ] Šroubky: 1 x x [krab. ] Nezápornost: x 1, x 2 0 [krab. ] Zisk: 40 x x 2 max [Kč] Mgr. Sekničková Jana, Ph.D. 22
23 Stínová cena Pokud je omezení splněno na hraně, tj. jako rovnost (hodnota přídatné proměnné = 0), udává, o kolik se zlepší z, pokud se kapacita uvolní o jednotku. Optimální řešení: x = 110, 5, 0, 50, 15, 0 T z = 4700 Lis: 1 x x [min] Balení: 1 x x [min] Poptávka: 1 x 1 1 x 2 90 [krab. ] Šroubky: 1 x x [krab. ] Nezápornost: x 1, x 2 0 [krab. ] Zisk: 40 x x 2 max [Kč] Mgr. Sekničková Jana, Ph.D. 23
24 Mgr. Sekničková Jana, Ph.D. 24 Současná kapacita: b 1 = 120 Současný zisk: z = 4700 Stínová cena: u = 30
25 Stínové Stínová ceny cena O kolik se zlepší z, pokud se kapacita uvolní o jednotku. Omezení ve tvaru nerovnice typu : a i1 x 1 + a i2 x a in x n b i Zvětšení pravé strany rozšiřuje množinu přípustných řešení Zlepšení řešení maximalizace zvýšení hodnoty účelové funkce minimalizace snížení hodnoty účelové funkce Omezení ve tvaru nerovnice typu : a i1 x 1 + a i2 x a in x n b i Zvětšení pravé strany zmenšuje množinu přípustných řešení Zhoršení řešení maximalizace snížení hodnoty účelové funkce minimalizace zvýšení hodnoty účelové funkce Mgr. Sekničková Jana, Ph.D. 25
26 3.4 Redukované a stínové ceny Interpretace pro redukované i stínové ceny platí jen při malých změnách CO JE MALÁ ZMĚNA? Interpretace pro redukované i stínové ceny platí jen při změnách v rámci intervalu stability Mgr. Sekničková Jana, Ph.D. 26
27 3.5 LINGO - stabilita LINGO Options General Solver Dual Computations Prices & Ranges Mgr. Sekničková Jana, Ph.D. 27
28 3.5 LINGO - stabilita Vyřešit úlohu (CTRL + U) Z okna s modelem (ne s řešením) zobrazit Range report (CTRL + R) Mgr. Sekničková Jana, Ph.D. 28
29 3.5 LINGO - stabilita Současná hodnota Povolený nárůst Povolený pokles Proměnné Omezení Mgr. Sekničková Jana, Ph.D. 29
30 3.5 Intervaly stability cenových koeficientů Účelová funkce: z = 40 x x 2 max [Kč] c , c , 40 + c 1 30, c 2 0, 80 Mgr. Sekničková Jana, Ph.D. 30
31 80 x c 1 30, Změna cenového koeficientu OPTIMUM (2) x 1 (1) Z max -90 (3) (4) Mgr. Sekničková Jana, Ph.D. 31
32 3.5 Intervaly stability pravých stran b , b 1 110, 145 b , b 2 130, b 3 90, b 3, 105 b , b 4 100, 120 Mgr. Sekničková Jana, Ph.D. 32
33 Změna pravé strany b 4 100, 120 Z max OPTIMUM (2) (1) (3) (4) x 1 Mgr. Sekničková Jana, Ph.D. 33
34 Celočíselné řešení Z max OPTIMUM (2) (1) (3) (4) Mgr. Sekničková Jana, Ph.D. 34 x 1 Množina přípustných řešení
35 3.6 Celočíselnost v úlohách LP Množina přípustných řešení obsahuje jen celočíselné body (mřížka) Úlohu řešíme nejprve bez podmínek celočíselnosti Pokud vyjde řešení celočíselně, máme OŘ Pokud nevyjde celočíselně, použijeme některou z metod pro hledání celočíselného řešení (větve a meze, Gomoryho apod.) oříznutí množiny PŘ LINGO: Pozor: při použití podmínek celočíselnosti ztratíme informaci o redukovaných a stínových cenách Mgr. Sekničková Jana, Ph.D. 35
36 3.6 LINGO - celočíselnost Mgr. Sekničková Jana, Ph.D. 36
37 3.6 LINGO - celočíselnost Mgr. Sekničková Jana, Ph.D. 37
38 Detaily k přednášce: skripta, kapitola 4 a kapitoly 2.7 a 2.8 KONEC Mgr. Sekničková Jana, Ph.D. 38
4EK212 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
4EK201 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
4EK213 Lineární modely. 4. Simplexová metoda - závěr
4EK213 Lineární modely 4. Simplexová metoda - závěr 4. Simplexová metoda - závěr Konečnost simplexové metody Degenerace Modifikace pravidla pro volbu vstupující proměnné Blandovo pravidlo Kontrola výpočtu
4EK311 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
4EK213 Lineární modely. 10. Celočíselné programování
4EK213 Lineární modely 10. Celočíselné programování 10.1 Matematický model úlohy ILP 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
4EK212 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
4EK213 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
4EK213 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
4EK213 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
4EK213 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
Metody 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
Ekonomická 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
1. Úloha o optimálnom výrobnom pláne (optimálne využitie výrobných faktorov)
2. cvičenie formulácia a výsledky - LINGO 1. Úloha o optimálnom výrobnom pláne (optimálne využitie výrobných faktorov) a) maximalizácia zisku NECELOČÍSELNE!zadani ucelove fce; [UCELOVA_FCE] max = 120*x1+50*x2+150*x3+100*x4;!zadani
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
4EK213 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
4EK311 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
Parametrické 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
Metodické 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
4.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
e-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
4EK201 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 =
Matematický model. omezující podmínky. Tab. 2.1 Prvky ekonomického a matematického modelu
16 Čeho chceme dosáhnout? Co můžeme ovlivnit? Jaké jsou překážky? Ekonomický model cíl analýzy procesy činitelé Matematický model účelová funkce proměnné omezující podmínky Příklady maximalizace zisku
Obecná 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
13. 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
Teorie 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
4EK311 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:
OSTRAVSKÁ 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
4EK201 Matematické modelování. 4. Typické úlohy lineárního programování
4EK201 Matematické modelování 4. Typické úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy
4EK201 Matematické modelování. 7. Modely zásob
4EK201 Matematické modelování 7. Modely zásob 7. Zásobovací procesy poptávka objednávka Firma Prodejna výdej Firemní sklad dodávka Dodavatel Velkosklad Mgr. Sekničková Jana, Ph.D. 2 7. Charakter poptávky
Konvexní 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,...,
4EK201 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
Úvod do celočíselné optimalizace
Úvod do celočíselné optimalizace Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Výpočetní aspekty optimalizace Martin Branda (KPMS
4EK311 Operační výzkum. 5. Teorie grafů
4EK311 Operační výzkum 5. Teorie grafů 5. Teorie grafů definice grafu Graf G = uspořádaná dvojice (V, E), kde V označuje množinu n uzlů u 1, u 2,, u n (u i, i = 1, 2,, n) a E označuje množinu hran h ij,
České vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM
OKRUHY ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM Obor: Studijní program: Aplikace přírodních věd 1. Vektorový prostor R n 2. Podprostory 3. Lineární zobrazení 4. Matice 5. Soustavy lineárních rovnic
4EK311 Operační výzkum. 7. Modely řízení zásob
4EK311 Operační výzkum 7. Modely řízení zásob 7. Charakter poptávky Poptávka Deterministická Stochastická Deterministické modely zásob Stochastické modely zásob Mgr. Sekničková Jana, Ph.D. 2 7.4 Stochastický
Systémové 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
Analýza 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
Příklady 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
2.2 Grafické ešení úloh LP
2. Lineární programování 21 zabránili záporným hodnotám produkce, nezabývali jsme se pípady, kdy jako výsledný objem produkce získáme desetinné číslo. Nápravu lze snadno sjednat zahrnutím tzv. podmínek
4EK201 Matematické modelování. 11. Ekonometrie
4EK201 Matematické modelování 11. Ekonometrie 11. Ekonometrie Ekonometrie Interdisciplinární vědní disciplína Zkoumá vztahy mezi ekonomickými veličinami Mikroekonomickými i makroekonomickými Ekonomie ekonomické
4EK212 Kvantitativní management. 3. Typické úlohy LP
4EK212 Kvantitativní management 3. Typické úlohy LP 3. Typické úlohy LP a ILP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování (plánování
OPTIMALIZACE 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
Lineární 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.
JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH EKONOMICKÁ FAKULTA OPERAČNÍ ANALÝZA
JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH EKONOMICKÁ FAKULTA OPERAČNÍ ANALÝZA Ing. Jana Friebelová, Ph.D. České Budějovice 2009 Operační analýza Jana Friebelová Recenzent: doc. Ing. Mgr. Martin Dlouhý,
Přílohy. 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
Otázky ke státní závěrečné zkoušce
Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního
Lineární programování
Lineární programování Úlohy LP patří mezi takové úlohy matematického programování, ve kterých jsou jak kriteriální funkce, tak i všechny rovnice a nerovnice podmínek výhradně tvořeny lineárními výrazy.
"Optimalizace krmných směsí"
Nabídka programu "Optimalizace krmných směsí" Vážení zákazníci, nabízíme Vám program "Optimalizace krmných směsí", který Vám simplexovou metodou zajistí respektování norem výživy i sledování nepovinných
Jiří 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,
Karta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0259 Garantující institut: Garant předmětu: Exaktní metody rozhodování Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková,
V této kapitole bude popsán software, který je možné využít pro řešení rozhodovacích problémů popisovaných v těchto skriptech.
Kapitola 1 Softwarová podpora V této kapitole bude popsán software, který je možné využít pro řešení rozhodovacích problémů popisovaných v těchto skriptech. Solver (Řešitel) Pro řešení úloh lineárního
opt [ ] Vyjádření subvektory (báz. a nebáz.) B,N Index bázových a nebázových proměnných β, ν Množina indexů veličin B,N
1 2-LP-Lineární programování Lineární funkce i omezovací podmínky opt t X c R c R b b b R...vektor limitů (kapacitních), a i i R b A...matice strukturálních koeficientů, > b! R hod = b, 0,..vektorproměnných,...vektor
Operační výzkum. Teorie her. Řešení maticových her převodem na úlohu LP.
Operační výzkum Řešení maticových her převodem na úlohu LP. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu
Operační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.
Operační výzkum Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty
Kvantitativní metody v rozhodování
Kvantitativní metody v rozhodování Každý manažer je ve své denodenní praxi vystaven řadě rozhodovacích situací a problémů, které může analyzovat ze dvou hledisek: bud na základě znalostí a zkušeností (kvalitativní
Optimalizace & soft omezení: algoritmy
Optimalizace & soft omezení: algoritmy Soft propagace Klasická propagace: eliminace nekonzistentních hodnot z domén proměnných Soft propagace: propagace preferencí (cen) nad k-ticemi hodnot proměnných
FIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
FIT ČVUT MI-LOM Lineární optimalizace a metody Dualita Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Michal Černý, 2011 FIT ČVUT, MI-LOM, M. Černý, 2011: Dualita 2/5 Dualita Evropský
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. Výpočet budeme demonstrovat
4EK212 Kvantitativní management. 7.Řízení projektů
4EK212 Kvantitativní management 7.Řízení projektů 6.5 Řízení projektů Typická aplikace teorie grafů Projekt = soubor činností Příklady: Vývoj a uvedení nového výrobku Výstavba či rekonstrukce objektu Plán
4EK201 Matematické modelování. 1. Úvod do matematického modelování
4EK201 Matematické modelování 1. Úvod do matematického modelování Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka
M - Kvadratické rovnice a kvadratické nerovnice
M - Kvadratické rovnice a kvadratické nerovnice Určeno jako učební tet pro studenty dálkového studia. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven a vytištěn v programu dosystem - EduBase.
Mendelova univerzita v Brně Provozně ekonomická fakulta. programování. Vedoucí práce: Barbora Helešicová
Mendelova univerzita v Brně Provozně ekonomická fakulta Podpora řešení úloh lineárního programování Bakalářská práce Vedoucí práce: doc. Ing. Jiří Rybička, Dr. Barbora Helešicová Brno 2010 Na tomto místě
4EK311 Operační výzkum. 6. Řízení projektů
4EK311 Operační výzkum 6. Řízení projektů 6. Řízení projektů Typická aplikace teorie grafů Projekt = soubor činností Příklady: Vývoj a uvedení nového výrobku Výstavba či rekonstrukce objektu Plán výrobního
Katedra matematiky OPERAČNÍ VÝZKUM Mgr. Andrea Kubišová
VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky OPERAČNÍ VÝZKUM Mgr Andrea Kubišová 214 ÚVOD Tato skripta jsou základním studijním materiálem pro volitelný předmět Operační výzkum určený převážně
1 Úvod do celočíselné lineární optimalizace
Úvod do celočíselné lineární optimalizace Martin Branda, verze 7.. 7. Motivace Reálné (smíšeně-)celočíselné úlohy Optimalizace portfolia celočíselné počty akcií, modelování fixních transakčních nákladů,
ZÁPADOČESKÁ UNIVERZITA V PLZNI
ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA EKONOMICKÁ Bakalářská práce Dualita úloh lineárního programování The Duality of linear programming problems Jakub Petelík CHEB 2014 Čestné prohlášení Prohlašuji,
6 Simplexová metoda: Principy
6 Simplexová metoda: Principy V této přednášce si osvětlíme základy tzv. simplexové metody pro řešení úloh lineární optimalizace. Tyto základy zahrnují přípravu kanonického tvaru úlohy, definici a vysvětlení
Operační 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
Numerické 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:
Západočeská 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
Vyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 21.
Vyhledávání doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 21. září 2018 Jiří Dvorský (VŠB TUO) Vyhledávání 242 / 433 Osnova přednášky
4. Statika základní pojmy a základy rovnováhy sil
4. Statika základní pojmy a základy rovnováhy sil Síla je veličina vektorová. Je určena působištěm, směrem, smyslem a velikostí. Působiště síly je bod, ve kterém se přenáší účinek síly na těleso. Směr
fakulty 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
Nejprve si uděláme malé opakování z kurzu Množiny obecně.
@021 3. Řešení grafické přímka v kartézské soustavě souřadnic Nejprve si uděláme malé opakování z kurzu Množiny obecně. Rovnice ax + by + c = 0, kde aspoň jedno z čísel a,b je různé od nuly je v kartézské
Programy pro ˇreˇsen ı ulohy line arn ıho programov an ı 18. dubna 2011
Programy pro řešení úlohy lineárního programování 18. dubna 2011 Přehled Mathematica Sage AMPL GNU Linear Programming Kit (GLPK) Mathematica Mathematika je program pro numerické a symbolické počítání.
1.1 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
12. 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)
LDF 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
Problém lineární komplementarity a kvadratické programování
Problém lineární komplementarity a kvadratické programování (stručný učební text 1 J. Rohn Univerzita Karlova Matematicko-fyzikální fakulta Verze: 17. 6. 2002 1 Sepsání tohoto textu bylo podpořeno Grantovou
Úvod do úloh plánování rozvozu (Vehicle Routing Problems)
Úvod do úloh plánování rozvozu (Vehicle Routing Problems) RNDr. Martin Branda, Ph.D. Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Výpočetní
SÍŤOVÁ ANALÝZA. Kristýna Slabá, kslaba@students.zcu.cz. 1. července 2010
SÍŤOVÁ ANALÝZA Kristýna Slabá, kslaba@students.zcu.cz 1. července 2010 Obsah 1 Úvod do síťové analýzy Hlavní metody síťové analýzy a jejich charakteristika Metoda CPM Metoda PERT Nákladová analýza Metoda
Systematická tvorba jízdního řádu 2. cvičení
Projektování dopravní obslužnosti Systematická tvorba jízdního řádu 2. cvičení Ing. Zdeněk Michl Ústav logistiky a managementu dopravy ČVUT v Praze Fakulta dopravní Rekapitulace zadání Je dána následující
Grafické řešení úloh LP se dvěma neznámými
. přenáška Grafické řešení úloh LP se věma nenámými Moel úlohy lineárního programování, který obsahuje poue vě nenámé, le řešit graficky v rovině pravoúhlých souřaných os. V této rovině se nejprve obraí
2 Spojité modely rozhodování
2 Spojité modely rozhodování Jak již víme z přednášky, diskrétní model rozhodování lze zapsat ve tvaru úlohy hodnocení variant: f(a i ) max, a i A = {a 1, a 2,... a p }, kde f je kriteriální funkce a A
KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ
KOMPLEXNÍ ČÍSLA Gymnázium Jiřího Wolkera v Prostějově Výukové materiály z matematiky pro vyšší gymnázia Autoři projektu Student na prahu 21. století - využití ICT ve vyučování matematiky na gymnáziu INVESTICE
Obecná úloha lineárního programování
Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné
f ( 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
1 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
Zásady pro vypracování bakalářské práce
Zásady pro vypracování bakalářské práce I. Bakalářskou prací (dále jen BP) se ověřují vědomosti a dovednosti, které student získal během studia, a jeho schopnosti využívat je při řešení teoretických i
15. Soustava lineárních nerovnic - optimalizace
@173 15. Soustava lineárních nerovnic - optimalizace Jak jsme se dozvěděli v 3. lekci tohoto kurzu, je obrazem rovnice ax + by + c = 0, a,b,c R (a; b) (0; 0) přímka a obrazem nerovnic ax + by + c 0, a,b,c
ŘEŠENÍ NELINEÁRNÍCH ROVNIC
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA ŘEŠENÍ NELINEÁRNÍCH ROVNIC Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny
ŘEŠENÍ NELINEÁRNÍCH ROVNIC
MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA ŘEŠENÍ NELINEÁRNÍCH ROVNIC Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny
Jak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
Nerovnice a nerovnice v součinovém nebo v podílovém tvaru
Variace 1 Nerovnice a nerovnice v součinovém nebo v podílovém tvaru Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz
Základní poznatky o funkcích
Základní poznatk o funkcích Tajemství černé skříňk (Definice funkce, základní pojm) 0 c, d, g, h 0 a) ANO b) NE 0 D( f )={ 6} H( f )={ 7} 0 a) D( f )={ 0 } b) H( f )={ 8 9 0 } c) f ( 0)= f ( )=9 f ( )=
Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci
Projekt OPVK - CZ..07/..00/6.007 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Závislosti a funkční vztahy Gradovaný řetězec úloh Téma: Goniometrické funkce Autor: Ondráčková
Otázky ke II. části písemné zkoušky Úvod do operačního výzkumu 1. Popište proces operačního výzkumu a uveďte typy rozhodovacích situací.
Otázky ke II. části písemné zkoušky Úvod do operačního výzkumu 1. Popište proces operačního výzkumu a uveďte typy rozhodovacích situací. Rozhodovací situace můžeme klasifikovat podle následujících hledisek
Vyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 12.
Vyhledávání doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava Prezentace ke dni 12. září 2016 Jiří Dvorský (VŠB TUO) Vyhledávání 201 / 344 Osnova přednášky
Nástroje 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