Kvantitativní metody v rozhodování. Marta Doubková
|
|
- Stanislav Němec
- před 7 lety
- Počet zobrazení:
Transkript
1 Kvantitativní metody v rozhodování Marta Doubková Seminární práce 28
2 OBSAH 1 LINEÁRNÍ PROGRAMOVÁNÍ KAPACITNÍ ÚLOHA DISTRIBUČNÍ ÚLOHA ANALÝZA KRITICKÉ CESTY METODA CPM MODEL HROMADNÉ OBSLUHY... 16
3 1 LINEÁRNÍ PROGRAMOVÁNÍ KAPACITNÍ ÚLOHA Společnost Drevounia s. r. o. vyrábí 5 typů židlí, které se zhotovují ve 4 střediscích, jejichž měsíční kapacita je postupně 2 6 h, 3 3 h, 4 2 h a 3 9 h. Aby společnost mohla vyrábět jednotlivé typy židlí, musí počítat s hodinovou spotřebou času, jak je uvedeno v tabulce. Společnost Drevounia musí na základě smluv uzavřených s odběrateli měsíčně vyrábět minimálně 8 ks židlí typu 1, 5 ks židlí typu 3 a 6 ks židlí typu 4, maximálně však 3 6 ks každého typu židle. Hrubý zisk, který plyne z výroby těchto židlí je 13, 1 2, 1 4, 1 6 a 2 Kč/ks. Úkolem je sestavit takový výrobní program, který bude maximalizovat celkový zisk. Tabulka 1 Spotřeba času na výrobu 1. Rozbor činitelů Vstupní činitelé: Strojové hodiny Výstupní činitelé: Ž1, Ž2, Ž3, Ž4, Ž5 2. Definice proměnných x 1 počet vyrobených kusů židlí typu 1 x 2 počet vyrobených kusů židlí typu 2 x 3 počet vyrobených kusů židlí typu 3 x 4 počet vyrobených kusů židlí typu 4 x 5 počet vyrobených kusů židlí typu 5
4 3. Omezení na vstupu,3 x 1 +,2 x 2 +,4 x 3 +,4 x 4 +,5 x 5 2 6,3 x 1 +,5 x 2 +,5 x 3 +,4 x 4 +,6 x 5 3 3,7 x 1 +,9 x 2 +,8 x 3 +,8 x 4 +,5 x 5 4 2,4 x 1 +,4 x 2 +,5 x 3 +,4 x 4 +,8 x Omezení na výstupu x 1 x 2 x x x Účelová funkce z 13 x1 12x2 14x3 16x4 2x5 MAX 6. Řešení pomocí programu WinQSB
5 7. Interpretace výsledku: Z hlediska primárního modelu vstupních a výstupních omezení, která firma Drevounia musí při své výrobě zohlednit, bude optimální výroba činit 1 44 ks židlí 2. typu (tržby Kč), 873 ks židlí 4. typu (tržby Kč) a 3 24 ks židlí 5. typu (tržby 6 48 ). Dále musí zmíněná firma z důvodu smluvního omezení s odběrateli vyrábět 8 ks židle 1. typu (tržby 1 4 Kč) a 5 ks židlí 3. typu (tržby 1 6 Kč), i když je výroba ztrátová. Celkové měsíční tržby (tj. maximální hodnota účelové funkce) jsou ve výši Kč. Z pohledu řešení duálního modelu můžeme vidět, že kapacity střediska 1, střediska 3 a střediska 4 jsou plně využity. Pouze kapacita střediska 2 není plně využita. Z tohoto důvodu není nutné u tohoto střediska rozšiřovat kapacitu. Naopak tomu je u střediska 1, kde pokud bychom zvýšili kapacitu o 1 hodinu, zvýšila by se nám hodnota účelové funkce o 2 24 Kč. Pokud bychom zvýšili kapacitu 3. střediska o 1 h, účelová funkce by se nám zvýšila o 48 Kč a v případě 4. střediska by se zvýšila o 8 Kč. V tomto případě je důležitá úvaha nad tím, jaké náklady jsou spojeny s 1 h kapacity ve střediscích 1, 3 a 4 a zda se vzhledem k těmto skutečnostem vyplatí navýšit hodinovou kapacitu při výrobě. Skladba výroby se nebude měnit, jestliže se kapacita bude pohybovat v rozmezí 2 554, ,273 h v 1. středisku, dále alespoň 3 283,6 h v 2 středisku, v rozmezí ,571 h v 3. středisku a v rozmezí ,5 h v posledním, 4. středisku. Dále se kapacita nebude měnit, jestliže u ztrátového typu židle 1 dodržíme podmínku doporučené ceny Kč a více a u 2. typu židle minimálně 1 68 Kč a více. Ceny ostatních druhů židlí, tj. židle typu 2, 4 a 5 by se měly postupně pohybovat v intervalech 1112,5 1 79,1 Kč;1 536, ,6 Kč a 1 766,7 2 6 Kč.
6
7 2 DISTRIBUČNÍ ÚLOHA Metoda VAM (Vogelova aproximační metoda) Společnost SIT s. r. o. se zabývá nákupem a prodejem židlí, který je spojen i s jejich montáží. V ČR má pronajaty celkem 4 sklady, které se nacházejí v Ústí nad Labem, Českých Budějovicích, Brně a Vsetíně. Kapacita těchto skladů je 15, 21, 25 a 19 ks židlí. Z těchto skladů se židle distribuují do pěti prodejen v Hradci Králové, Táboře, Jihlavě, Olomouci a Zlíně. Podle uzavřených smluv společnost SIT postupně svým odběratelům dodá 11, 14, 21, 17 a 12 ks židlí. Z důvodu výpovědi nájemní smlouvy ve skladu v Ústí nad Labem, bude společnost SIT nucena tento sklad zcela vyprázdnit. Úkolem je sestavit takový distribuční plán, aby celkové náklady na přepravu byly minimální. Tabulka 2 Distribuční náklady na 1 ks židle ve stovkách Kč Z důvodu nevyrovnanosti problému, kdy se požadavky prodejen nerovnají kapacitě skladů firmy SIT, jsme nuceni v řešení zavést fiktivní prodejnu. Při řešení musíme vzít rovněž v úvahu podmínku úplného vyprázdnění skladu v Ústí nad Labem. Z tohoto důvodu u fiktivní prodejny zvolíme vysokou sazbu tak, aby by se přeprava nemohla uskutečnit.
8 Z výše uvedené tabulky nám vyplývá výchozí základní řešení. Hodnota účelové funkce, znázorněné následujícím výpočtem, činí 49 Kč. z 11 *5 4 *13 14 *3 7 *5 14 * 4 11 *9 2 *5 12 *5 z 49Kč Matice přeprav je následující: Dalším bodem v řešení tohoto úkolu je provedení testu optimality, jehož úkolem je zjištění, jestli je výše uvedené řešení optimální popř. jestli existuje lepší řešení, s nižší hodnotou účelové funkce. Pro provedení testu je nutné nejdříve zjistit, zda-li je řešení nedegenerované, tzn. musí platit podmínka: (m + n - 1) počet obsazených polí. Příklad: m + n Z uvedeného výpočtu vyplývá, že podmínka je splněna, výchozí základní řešení je nedegenerované a lze tedy provést test optimality. Test optimality je založen na porovnání sazby c ij s tzv. nepřímou sazbou c ij v každém neobsazeném poli. Zavedou se pomocná řádková čísla u i a pomocná sloupcová čísla v j. Jestliže poté bude platit že c ij - c ij, bude řešení optimální. Jestliže c ij - c ij >, řešení optimální nebude.
9 Z výše uvedené tabulky vyplývá, že z důvodu platnosti podmínky, kdy c ij - c ij >, která platí pro 2 existující pole, řešení není optimální. V tomto případě budeme postupovat tak, že na neobsazené pole, kde je c ij - c ij > největší (tj. pole České Budějovice a P f ), přesuneme určitou přepravu t (tzv. nově obsazované pole). K tomuto nově obsazovanému poli vyhledáme ve výchozím řešení taková obsazená pole, aby spolu tvořila uzavřený okruh. t se přitom bude rovnat nejmenší přepravě z těch, které jsou umístěny na polích uzavřeného okruhu, kde se t odečítá (tj. pole Vsetín a P f ). V tomto případě t = 5. Výše uvedenou tabulku přepočítáme a provedeme u ní test optimality.
10 Z výše uvedené tabulky nám vyplývá nové základní řešení. Hodnota účelové funkce, znázorněné následujícím výpočtem, činí 384 Kč. z 11*5 4 *13 14*3 2 *5 5 * 19* 4 6 *9 7 *5 12*5 z 384Kč Matice přeprav je následující: Jelikož v tomto případě již splňujeme podmínku kdy c ij - c ij, můžeme prohlásit toto řešení za optimální. Skutečnost, že předchozí řešení nebylo optimální se potvrdilo i ve snížení účelové funkce (ze 49 Kč na 384 Kč, tj. snížení o 25 Kč). Alternativní řešení u tohoto příkladu neexistuje, protože zde neexistuje neobsazené pole, ve kterém by se rovnala sazba c ij s nepřímou sazbou c ij tj. c ij = c ij. Nové základní řešení je tedy jediné možné řešení, při kterém můžeme dosáhnout minimální hodnoty účelové funkce, tj. kdy náklady na přepravu jsou minimální.
11 Řešení pomocí programu WinQSB
12 Interpretace dosaženého výsledku: Jak lze vidět z výsledku řešení programu WinQSB, výpočet, který byl proveden pomocí samostatné úvahy, byl potvrzen. Řešení nám ukazuje pouze jednu vhodnou variantu distribuce, která při podmínce minimalizace nákladů činí 384 Kč. Společnost SIT s. r. o. bude židle distribuovat pomocí následujícího schématu: Sklad v Ústí nad Labem bude dodávat 11 ks židlí do prodejny v Hradci Králové a 4 ks židlí do Olomouce. Sklad v Českých Budějovicích bude dodávat 14 ks židlí do Tábora, 2 ks židlí do Jihlavy, přičemž 5 ks židlí zůstane na skladě. Sklad v Brně bude dodávat 19 ks židlí do Jihlavy a 6 ks židlí do Olomouce. Sklad ve Vsetíně bude dodávat 7 ks židlí do Olomouce a 12 ks židlí do Zlína.
13 3 ANALÝZA KRITICKÉ CESTY METODA CPM Příprava valašského frgálu V rámci plánované oslavy je třeba napéct cukroví a několik koláčů. Z množství různých receptů byl zvolen recept na valašský frgál, jehož příprava je relativně snadná a výsledek se vždy setká s velkým ohlasem stolujících. V rámci upečení tohoto frgálu bylo stanoveno několik následujících činností a rovněž byla odhadem stanovena doba trvání v minutách. Všechny potřebné informace jsou uvedeny v tabulce. Úkolem je sestrojit síťový graf a vypočítat nejkratší dobu pro přípravu a upečení valašského frgálu.. Výsledek síťového grafu: Kritická cesta: A B D E F G H I K L M O Doba trvání: 175 min = tj. 2 h 55 min
14
15 Řešení pomocí programu WinQSB Interpretace výsledku: Ruční výpočet i softwarové řešení nám poskytlo řešení v podobě nalezení kritické cesty: A B D E F G H I K L M O. V návaznosti na tyto údaje jsme schopni zjistit nejkratší možnou dobu pro přípravu a následné zhotovení valašského frgálu. Tato doba stanovena na 175 min, tj. 2 h a 55 min. Celkovou časovou rezervu nacházíme v činnostech C vymazání plechů (65 min), J příprava posýpky (15 min) a N příprava na polití (45 min).
16 4 MODEL HROMADNÉ OBSLUHY Pobočka České pošty v Bystřici pod Hostýnem má v provozu celkem 4 přepážky pro peněžní služby. Dostavující se klienti se řadí do jedné fronty, přičemž přicházejí průměrně každé 1,5 minuty a tyto intervaly mají exponenciální rozdělení. Potřebná doba pro vyřízení požadavku klienta je náhodnou veličinou s exponenciálním rozdělením, se střední hodnotou cca 5 minut. Náklady na provoz jedné přepážky jsou 4 Kč/hod a náklady na pobyt jedné jednotky v systému je 16 Kč/hod. Úkolem je zvážit, zda bude za stávajících podmínek výhodné provozovat 5 přepážek nebo zda bude lepší i nadále zůstat u stávající situace. Kendellova notace: M / M / 4/ / / FIFO M / M / 5/ / / FIFO Řešení: Nejprve určíme hodnoty λ, µ a ρ. c c , c * c * *12 4 5*12,833,666 c * 1 λ průměrný počet klientů, kteří přijdou na pobočku České pojišťovny za 1 hodinu µ - průměrný počet vyřízených klientů za 1 hodinu ρ podmínka stabilizace je v obou situacích splněna, protože platí 1
17 Řešení pomocí programu WinQSB Queuing analysis V případě 4 přepážek v provozu:
18 Celková využitelnost systému při provozu 4 přepážek je 83, 33 %. Průměrný počet klientů na přepážce za 1 hodinu je 6,62, průměrný počet klientů ve frontě je 3,29 a průměrný počet klientů ve frontě a v zaplněném systému je roven 5-ti. Klient stráví v systému průměrně,1655 hodiny (tj. cca 9,93 min), ve frontě stráví průměrně,822 hodiny (tj. cca 4,9 min) a ve frontě a zaplněném systému stráví,125 h (tj. cca 7,5 minuty). Pravděpodobnost, že přepážka nebude v provozu je 2,131 %. Pravděpodobnost, že příchozí klient bude čekat z důvodu zaplněnosti systému je 65,77 %. Celkové náklady na provoz jedné přepážky v provozu dosahují 1 333,33 Kč/hod, celkové náklady na čekajícího klienta dosahují 526,18 Kč/hod a celkové náklady na provoz celé pobočky za 1 hodinu činí 2 659,51 Kč.
19 V případě provozu 5-ti přepážek:
20 Celková využitelnost systému při chodu 5-ti přepážek je 66,67 %. Průměrný počet klientů na pobočce za 1 hodinu je 3,99, průměrný počet klientů ve frontě je,6533 a průměrný počet klientů ve frontě a v zaplněném systému je roven 2. Klient stráví v systému průměrně,997 hodiny (tj. cca 5,982 min), ve frontě stráví průměrně,163 hodiny (tj. cca,978 min) a ve frontě a zaplněném systému stráví průměrně,5 h (tj. 3min). Pravděpodobnost, že přepážka nebude v provozu je 3,1752 %. Pravděpodobnost, že příchozí klient bude čekat z důvodu zaplněnosti systému je 32,67 %. Celkové náklady na provoz jedné přepážky v provozu dosahují 1 333,33 Kč/hod, celkové náklady na čekajícího klienta dosahují 14,53 Kč/hod a celkové náklady na provoz celé pobočky za 1 hodinu činí 2 637,87 Kč.
21 Interpretace výsledku: Zavedením 5-té přepážky dojde ke snížení celkové využitelnosti systému na 66,67 %. Z pohledu pobočky České pošty dojde k výraznému snížení čekajících klientů u jednotlivých přepážek i v zaplněném systému. Z pohledu klienta dojde k výraznému zlepšení poskytovaných služeb. Ve frontě a zaplněném systému stráví v konečném důsledku o 4,5 minuty méně času. I přes vyšší pravděpodobnost, že přepážky nebudou v provozu, celková pravděpodobnost, že klient bude čekat v důsledku zaplněnosti systému je o ½ nižší. Z pohledu celkových nákladů, zavedením 5-té přepážky nedojde k jejich výraznějšímu snížení, přesto bych však především z důvodu většího pohodlí pro klienty zavedla do provozu zmiňovanou 5-tou přepážku s celkovými hodinovými náklady na provoz 2 637,87 Kč.
Optimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém
Obsah přednášky Mgr. Květuše Sýkorová Optimalizace Lineární programování Distribuční úlohy Okružní problém KI Př UJEP Ústí nad Labem Nederivační metody Metody 1D optimalizace Derivační metody Optimalizace
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
VíceExponenciální modely hromadné obsluhy
Exponenciální modely hromadné obsluhy Systém s čekáním a neohraničeným zdrojem požadavků Na základě předchozích informací je potřeba probrat, jaké informace jsou dostupné v počtu pravděpodobnosti řešícím
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
VíceŘízení projektů. Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT
Řízení projektů Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT 1 Úvod základní pojmy Projekt souhrn činností, které musí být všechny realizovány, aby byl projekt dokončen Činnost
VíceMatematické modelování 4EK201
Matematické modelování 4EK0 Ukázkový test Maimum 00 bodů. Pokud má úloha lineárního programování více optimálních řešení, pak (a) jich může být nekonečně mnoho, (b) jich musí být nekonečně mnoho.. Doplňte
Více4EK212 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
VíceStochastické modely Informace k závěrečné zkoušce
Stochastické modely Informace k závěrečné zkoušce Jan Zouhar Katedra ekonometrie, FIS VŠE v Praze, zouharj@vse.cz 10. února 2015 Průběh zkoušky. Zkouška je ústní s přípravou na potítku. Každý si vylosuje
Více4. Aplikace matematiky v ekonomii
4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =
VíceMatematický ústav v Opavě. Studijní text k předmětu. Softwarová podpora matematických metod v ekonomice
Matematický ústav v Opavě Studijní text k předmětu Softwarová podpora matematických metod v ekonomice Zpracoval: Ing. Josef Vícha Opava 2008 Úvod: V rámci realizace projektu FRVŠ 2008 byl zaveden do výuky
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
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
VícePearsonůvχ 2 test dobré shody. Ing. Michal Dorda, Ph.D.
Ing. Michal Dorda, Ph.D. Př. : Ve vjezdové skupině kolejí byly sledovány počty přijíždějících vlaků za hodinu. Za 5 dní (tedy 360 hodin) přijelo celkem 87 vlaků. Výsledky sledování jsou uvedeny v tabulce.
Více4EK311 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
VíceOperační výzkum. Síťová analýza. Metoda CPM.
Operační výzkum Síťová analýza. Metoda CPM. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo
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
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
VíceSÍŤOVÁ 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
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
VíceFAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ MOV 1 SEMESTRÁLNÍ PRÁCE
FAKULTA INFORMATIKY A MANAGEMENTU UNIVERZITA HRADEC KRÁLOVÉ MOV 1 SEMESTRÁLNÍ PRÁCE Vypracoval: Lenka Novotná Studijní obor: K-Informační management Emailová adresa: lenka.novotna.1@uhk.cz Datum vypracování:
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
Více2. část: Základy matematického programování, dopravní úloha. Ing. Michal Dorda, Ph.D.
2. část: Základy matematického programování, dopravní úloha. 1 Úvodní pojmy Metody na podporu rozhodování lze obecně dělit na: Eaktní metody metody zaručující nalezení optimální řešení, např. Littlův algortimus,
Víceintenzitu příchodů zákazníků za čas t intenzitu obsluhy (průměrný počet obsloužených) za čas t
Ukázka - Systémy hromadné obsluhy Příklad: Pan Pumpička se rozhodl postavit samoobslužnou čerpací stanici u obce Česká Bříza. Na základě průzkumu ví, že by čerpací stanici mohlo průměrně navštívit 32,
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
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
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:
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,
VíceMODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické
MODELY ŘÍZENÍ ZÁSOB Význam zásob spočívá především v tom, že - vyrovnávají časový nebo prostorový nesoulad mezi výrobou a spotřebou - zajišťují plynulou výrobu nebo plynulé dodávky zboží i při nepředvídaných
VíceZápadočeská univerzita v Plzni Fakulta aplikovaných věd. SÍŤOVÁ ANALÝZA Semestrální práce z předmětu KMA/MAB
Západočeská univerzita v Plzni Fakulta aplikovaných věd SÍŤOVÁ ANALÝZA Semestrální práce z předmětu KMA/MAB Vypracovala: Kristýna Slabá kslaba@students.zcu.cz Obor: Matematické inženýrství Školní rok:
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
Více4EK201 Matematické modelování. 8. Modely hromadné obsluhy
4EK201 Matematické modelování 8. Modely hromadné obsluhy 8. Modely hromadné obsluhy Systém, ve kterém dochází k realizaci obsluhy příchozích požadavků = systém hromadné obsluhy Vědní disciplína zkoumající
VíceSimplexové 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
VíceČasové rezervy. Celková rezerva činnosti
Časové rezervy Celková rezerva činnosti CR Volná rezerva činnosti VR Nezávislá rezerva činnosti - NR Celková rezerva činnosti Maximální počet časových jednotek, které jsou k dispozici pro provedení činnosti,
VícePojem a úkoly statistiky
Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby
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
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.
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
VíceSeminární práce Modely produkčních systémů
Seminární práce Modely produkčních systémů Předmět: 4EK425 Název projektu: Výroba hokejových dresů Jméno: Období: ZS 2007/2008 Číslo cvičení (kurzu): 001 (ST 12.45) OBSAH 1. ZADÁNÍ ÚLOHY... 3 2. URČENÍ
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
VícePodklady pro hodnocení projektů KLIMATOLOGICKÉ ÚDAJE. Vydala: Česká energetická agentura Vinohradská 8, Praha 2. Vypracoval: STÚ-E a.s.
Podklady pro hodnocení projektů KLIMATOLOGICKÉ ÚDAJE Vydala: Česká energetická agentura Vinohradská 8, 12 Praha 2 Vypracoval: STÚ-E a.s. Tato publikace je určena pro poradenskou činnost a byla zpracována
VíceUKÁZKA VYUŽITÍ PROGRAMU WINQSB PŘI VÝUCE KVANTITATIVNÍCH METOD V ROZHODOVÁNÍ V DISTANČNÍ FORMĚ STUDIA
UKÁZKA VYUŽITÍ PROGRAMU WINQSB PŘI VÝUCE KVANTITATIVNÍCH METOD V ROZHODOVÁNÍ V DISTANČNÍ FORMĚ STUDIA ALENA KOLČAVOVÁ, LENKA DRÁBKOVÁ Abstrakt: V úvodu příspěvku je nastíněna současná situace stavu připravenosti
VíceDiskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
VíceInflace. Makroekonomie I. Osnova k teorii inflace. Co již známe? Vymezení podstata inflace. Definice inflace
Makroekonomie I Teorie inflace Praktické příklady Příklady k opakování Inflace Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Co již známe? Osnova k teorii inflace Deflátor HDP způsob měření inflace Agregátní
VícePříklady k T 2 (platí pro seminární skupiny 1,4,10,11)!!!
Příklady k T 2 (platí pro seminární skupiny 1,4,10,11)!!! Příklad 1.: Obchodník prodává pouze jeden druh zboží a ten také výhradně nakupuje. Činí tak v malém rozsahu, a proto koupil 500 výrobků po 10 Kč
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
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
Více4EK201 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
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
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
VíceLineární 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.
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
VíceMakroekonomie I. Dvousektorová ekonomika. Téma. Opakování. Praktický příklad. Řešení. Řešení Dvousektorová ekonomika opakování Inflace
Téma Makroekonomie I Dvousektorová ekonomika opakování Inflace Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Opakování Dvousektorová ekonomika Praktický příklad Dvousektorová ekonomika je charakterizována
VícePLC 4. cvičení KRÁTKODOBÉ PLÁNOVÁNÍ (1)
PLC 4. cvičení KRÁTKODOBÉ PLÁNOVÁNÍ (1) 1) Sestavení podkladů pro operativní plán Podnik vyrábí brzdové destičky. V budoucnu mohou nastat různé změny, na které je nutné reagovat. Prodej brzdových destiček
VíceVybrané statistické metody. Simulace pokladen supermarketu Albert na Spojovací
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE, Fakulta dopravní Ústav aplikované matematiky K611 Vybrané statistické metody Simulace pokladen supermarketu Albert na Spojovací 1 85 Jakub Ondřich 2010/2011 85101910/0040
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
VíceTeorie front. Systém hromadné obsluhy
Teorie front Pokouší se analyzovat a řešit procesy, ve kterých se vyskytují proudy objektů procházejících určitými zařízeními, od nichž vyžadují obsluhu. Vlivem omezené kapacity obsluhy může docházet k
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
VíceAlgoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
VíceModely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT
PEF ČZU Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT Okruhy SZB č. 5 Zdroje: Demel, J., Operační výzkum Jablonský J., Operační výzkum Šubrt, T., Langrová, P., Projektové řízení I. a různá internetová
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
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
Více3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem
ČVUT FEL X36PAA - Problémy a algoritmy 3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem Jméno: Marek Handl Datum: 1. 1. 2009 Cvičení: Pondělí 9:00 Zadání Naprogramujte
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
Více4EK311 Operační výzkum. 8. Modely hromadné obsluhy
4EK311 Operační výzkum 8. Modely hromadné obsluhy 8. Modely hromadné obsluhy Systém, ve kterém dochází k realizaci obsluhy příchozích požadavků = systém hromadné obsluhy Vědní disciplína zkoumající tyto
VíceGlobální matice konstrukce
Globální matice konstrukce Z matic tuhosti a hmotnosti jednotlivých prvků lze sestavit globální matici tuhosti a globální matici hmotnosti konstrukce, které se využijí v řešení základní rovnice MKP: [m]{
VíceMANAŽERSKÉ ÚČETNICTVÍ
zahrnuje: 1. rozpočetnictví 2. kalkulace 3. vnitropodnikové účetnictví 4. podnikovou statistiku 5. operativní evidenci MANAŽERSKÉ ÚČETNICTVÍ Finanční účetnictví Manažerské účetnictví Eviduje účetní případy
VíceSDĚLENÍ Ministerstva pro místní rozvoj ze dne 12. června 2009
SDĚLENÍ Ministerstva pro místní rozvoj ze dne 12. června 2009 o roztřídění obcí do velikostních kategorií podle počtu obyvatel, o územním rozčlenění obcí seskupením katastrálních území, o výši základních
VíceDélka (dny) 150 - - 2 terénní úpravy (prvotní) 15-20 - příprava staveniště (výstavba přístřešku pro materiál)
Skupinová práce. Zadání skupinové práce Síťová analýza metoda CPM Dáno: Výstavba skladu zásob obilí představuje následující činnosti: Tabulka Název činnosti Délka (dny) Optimální projekt. Optimální dělníků
VíceFINANČNÍ A EKONOMICKÁ ANALÝZA, HODNOCENÍ EKONOMICKÉ EFEKTIVNOSTI INVESTIC
PROJEKTOVÉ ŘÍZENÍ STAVEB FINANČNÍ A EKONOMICKÁ ANALÝZA, HODNOCENÍ EKONOMICKÉ EFEKTIVNOSTI INVESTIC Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České
Více24.11.2009 Václav Jirchář, ZTGB
24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci
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
Více5 NÁKLADY PODNIKU A JEJICH KALKULACE
5 NÁKLADY PODNIKU A JEJICH KALKULACE Náklady podniku můžeme charakterizovat jako peněžně vyjádřenou spotřebu výrobních faktorů účelně vynaložených na tvorbu podnikových výnosů včetně dalších nutných nákladů
VícePřiřazovací problém. Přednáška č. 7
Přiřazovací problém Přednáška č. 7 Přiřazovací problém je jednou podtřídou logistických úloh. Typickým problémem může být nejkratší převoz materiálu od dodavatelů ke spotřebitelům. spotřebitelé a i dodavatelé
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
VíceKendallova klasifikace
Kendallova klasifikace Délka obsluhy, frontový režim, Littleovy vzorce Parametry obsluhy Trvání obsluhy - většinou předpokládáme, že trvání obsluhy jsou nezávisl vislé náhodné proměnné, se stejným rozdělením
VíceSemestrální projekt z předmětu Podnikový management
Semestrální projekt z předmětu Podnikový management Filip Šimek, 2005 simekf1@fel.cvut.cz Strana 1 / 7 1. Podnikatelský plán, zakladatelský rozpočet Podnikatelský plán je dokument, který vystihuje oblast
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
VíceNáhodný vektor a jeho charakteristiky
Náhodný vektor a jeho číselné charakteristiky 1 Náhodný vektor a jeho charakteristiky V následující kapitole budeme věnovat pozornost pouze dvourozměřnému náhodnému vektoru, i když uvedené pojmy a jejich
VíceKalkulační třídění nákladů.
Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Kalkulační třídění nákladů. Eva Štichhauerová Technická univerzita v Liberci Nauka
VíceKAPITOLA 5. ROZHODOVÁNÍ NA EXISTUJÍCÍ KAPACITĚ Případová studie EXIMET
KAPITOLA 5 ROZHODOVÁNÍ NA EXISTUJÍCÍ KAPACITĚ Případová studie EXIMET Společnost EXIMET a. s. vyrábí skleněné lahve. Výrobní program společnosti zahrnuje v současnosti tři druhy lahví lahve na minerální
VíceDefinice spojité náhodné veličiny zjednodušená verze
Definice spojité náhodné veličiny zjednodušená verze Náhodná veličina X se nazývá spojitá, jestliže existuje nezáporná funkce f : R R taková, že pro každé a, b R { }, a < b, platí P(a < X < b) = b a f
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,
VíceNÁSTROJE A TECHNIKY PROJEKTOVÉHO MANAGEMENTU. Projektová dekompozice
NÁSTROJE A TECHNIKY PROJEKTOVÉHO MANAGEMENTU Projektová dekompozice Úvod do vybraných nástrojů projektového managementu METODY A TECHNIKY PROJEKTOVÉHO MANAGEMENTU Tvoří jádro projektového managementu.
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
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
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Jméno: Lucie Krechlerová, Karel Kozma, René Dubský, David Drobík Ročník: 2015/2016
VíceSIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY. Michal Dorda. VŠB - TU Ostrava, Fakulta strojní, Institut dopravy
SIMULACE SPOLEHLIVOSTI SYSTÉMŮ HROMADNÉ OBSLUHY Michal Dorda VŠB - TU Ostrava Fakulta strojní Institut dopravy 1 Úvod V běžné technické praxi se velice často setkáváme s tzv. systémy hromadné obsluhy aniž
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
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
VíceStupnice geomagnetické aktivity
AKADEMIE VĚD ČESKÉ REPUBLIKY Geofyzikální ústav Stupnice geomagnetické aktivity Petr Kubašta Rozbor a zhodnocení předpovědí geomagnetické aktivity Praha, 2011 Abstrakt Tento článek poskytuje kvantitativní
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceFINANCOVÁNÍ PODNIKU. Mgr. Ing. Šárka Dytková
FINANCOVÁNÍ PODNIKU Mgr. Ing. Šárka Dytková Střední škola, Havířov-Šumbark, Sýkorova 1/613, příspěvková organizace Tento výukový materiál byl zpracován v rámci akce EU peníze středním školám - OP VK 1.5.
VícePŘÍLOHY NAŘÍZENÍ KOMISE V PŘENESENÉ PRAVOMOCI (EU) /...,
EVROPSKÁ KOMISE V Bruselu dne 4.3.2019 C(2019) 1616 final ANNEXES 1 to 2 PŘÍLOHY NAŘÍZENÍ KOMISE V PŘENESENÉ PRAVOMOCI (EU) /..., kterým se mění přílohy VIII a IX směrnice 2012/27/EU, pokud jde o obsah
Více5. Náhodná veličina. 2. Házíme hrací kostkou dokud nepadne šestka. Náhodná veličina nabývá hodnot z posloupnosti {1, 2, 3,...}.
5. Náhodná veličina Poznámka: Pro popis náhodného pokusu jsme zavedli pojem jevového pole S jako množiny všech možných výsledků a pravděpodobnost náhodných jevů P jako míru výskytů jednotlivých výsledků.
VíceTeorie síťových modelů a síťové plánování
KSI PEF ČZU Teorie síťových modelů a síťové plánování Část přednášky doc. Jaroslava Švasty z předmětu systémové analýzy a modelování. Zápis obsahuje základní vymezení projektu, časového plánování a popis
VíceOdchylky jako nástroj řízení. Odchylky můžeme vyhodnocovat: a) v absolutních jednotkách (množstevních, objemových, měnových)
Odchylky jako nástroj řízení V souvislosti se zpřesňováním procesu plánování a kontroly se skutečné hodnoty porovnávají se stanovenou kontrolní veličinou. Jako kontrolní veličiny se používají plánované
VíceKategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze
VíceTechnická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
Více1. 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
Více