Το Πρόβλημα Μεταφοράς

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Το Πρόβλημα Μεταφοράς"

Transcript

1 Το Πρόβλημα Μεταφοράς Αφορά τη μεταφορά ενός προϊόντος από διάφορους σταθμούς παραγωγής σε διάφορες θέσεις κατανάλωσης με το ελάχιστο δυνατό κόστος. Πρόκειται για το πιο σπουδαίο πρότυπο προβλήματος γραμμικού προγραμματισμού με ειδική δομή. Για την επίλυσή του έχουν αναπτυχθεί αποτελεσματικές τεχνικές (παραλλαγές της μεθόδου Simplex). Το πρόβλημα ήταν γνωστό από το 1941 (Hitchcock, 1941) και ως π.γ.π. θεμελιώθηκε και λύθηκε από τον Dantzig το Ως ειδική περίπτωση του προβλήματος μεταφοράς μπορούν να θεωρηθούν μια μεγάλη σειρά πρακτικών προβλημάτων, που δεν αναφέρονται στις μεταφορές, και για το λόγο αυτό η μέθοδος επίλυσής του είναι ένα σπουδαίο εργαλείο για την εν γένει Επιχειρησιακή Έρευνα. Ανήκει στην κατηγορία των προβλημάτων δικτυωτής ανάλυσης. 1

2 Παράδειγμα 1 Κάποιος γεωργικός συνεταιρισμός της Κρήτης έχει στις τρεις αποθήκες του 35, 5 και 4 τόνους πορτοκαλιών. Τέσσερις λαχαναγορές της χώρας θέλουν να αγοράσουν 45, 2, 3 και 3 τόνους πορτοκαλιών αντίστοιχα. Στον πίνακα που ακολουθεί δίνεται το κόστος μεταφοράς (χ.μ. ανά τόνο) από τις τρεις αποθήκες Α 1, Α 2, Α 3 στις τέσσερις λαχαναγορές Λ 1, Λ 2, Λ 3, Λ 4 : Από Προς Λ 1 Λ 2 Λ 3 Λ 4 ΠΡΟΣΦΟΡΑ Α Α Α ΖΗΤΗΣΗ Το πρόβλημα είναι τώρα να προσδιορίσουμε πως θα γίνει η μεταφορά από τις αποθήκες στις λαχαναγορές έτσι ώστε το συνολικό κόστος μεταφοράς να είναι ελάχιστο. 2

3 Το παραπάνω πρόβλημα εύκολα μπορούμε να το γενικεύσουμε. Σε m σταθμούς προέλευσης S 1, S 2,..., S m υπάρχει ένα προϊόν σε ποσότητες s 1, s 2,..., s m αντίστοιχα. Το προϊόν πρέπει να μεταφερθεί σε n σταθμούς προορισμού D 1, D 2,..., D n, που έχουν ανάγκη από d 1, d 2,..., d n ποσότητες αντίστοιχα. Αν το κόστος μεταφοράς μιας μονάδας του προϊόντος από τον S i σταθμό προέλευσης στον D j σταθμό προορισμού είναι c ij χρηματικές μονάδες, επιζητούμε να προσδιορίσουμε την ποσότητα x ij που πρέπει μεταφέρεται ανάμεσα σ αυτές τις θέσεις ώστε να ελαχιστοποιείται το συνολικό κόστος μεταφοράς και συγχρόνως να ικανοποιούνται οι ανάγκες όλων των σταθμών προορισμού. με τους περιορισμούς minimize z= c x m i= 1 n j= 1 ij ij n j= 1 x ij s i i = 1,2,..., m (προσφορά) m i= 1 x ij d j j = 1,2,..., n (ζήτηση) x ij για όλα τα i, j 3

4 Το πρόβλημα μεταφοράς είναι πρόβλημα δικτυωτής ανάλυσης Πίνακας προβλήματος μεταφοράς (παρουσιάζει με εύχρηστο τρόπο τα στοιχεία του προβλήματος και ταυτόχρονα διευκολύνει τις πράξεις της μεθόδου επίλυσης) 4

5 Δίκτυο και πίνακας προβλήματος μεταφοράς για το παράδειγμα 1 5

6 Αναγκαία συνθήκη για την ύπαρξη λύσης στο πρόβλημα μεταφοράς είναι το σύνολο των διαθέσιμων ποσοτήτων να ισούται με το σύνολο των απαιτούμενων: m i= 1 (ισορροπημένο πρόβλημα μεταφοράς) s i = n j= 1 d j Στην περίπτωση αυτή, όλοι οι περιορισμοί είναι ισότητες: με τους περιορισμούς m i= 1 n j= 1 x ij minimize z= c x x ij = d = s j i m i= 1 n j= 1 i = 1,2,..., m (προσφορά) j = 1,2,..., n (ζήτηση) x ij για όλα τα i, j ij ij Κάθε βασική εφικτή λύση του πρότυπου μεταφοράς (ισορροπημένο πρόβλημα), έχει ακριβώς m+n-1 βασικές μεταβλητές, δηλαδή το πολύ m+n-1 μεταβλητές x ij είναι θετικές, ενώ οι υπόλοιπες έχουν τιμή. Μη εκφυλισμένη λύση: ακριβώς m+n-1 θετικές μεταβλητές. Εκφυλισμένη λύση: οι θετικές μεταβλητές είναι λιγότερες από m+n-1. 6

7 Ανάπτυξη του συστήματος των περιορισμών: Όλοι οι συντελεστές των μεταβλητών x ij στους περιορισμούς είναι ή 1, ενώ κάθε μία από αυτές εμφανίζεται με συντελεστή 1 σε δύο ακριβώς από τους περιορισμούς, σ αυτόν που αντιστοιχεί στον σταθμό παραγωγής S i και σ εκείνον που αντιστοιχεί στον σταθμό προορισμού D j. Κάθε π.γ.π. που προσαρμόζεται σ αυτή την ειδική διαμόρφωση είναι πρόβλημα μεταφοράς, άσχετα από το φυσικό του πλαίσιο. 7

8 Ιδιόμορφες καταστάσεις Αν η προσφορά είναι μεγαλύτερη από τη ζήτηση, αν δηλαδή m s n i i= 1 j= 1 τότε εισάγουμε έναν εικονικό σταθμό προορισμού D n+1 ο οποίος απαιτεί ποσότητα ίση με d d = s d n+ 1 m i i= 1 j= 1 Το κόστος μεταφοράς c in+1 (i=1, 2,..., m) εξαρτάται από το συγκεκριμένο κάθε φορά πρόβλημα. Αν π.χ. οι επιπλέον ποσότητες μπορούν να παραμείνουν στους αντίστοιχους σταθμούς προέλευσης χωρίς επιπλέον κόστος τότε c in+1 = Αν όμως υπάρχουν αποθήκευτρα, τότε c in+1 είναι ακριβώς αυτά τα ποσά. j n j Αν η προσφορά είναι μικρότερη από τη ζήτηση, αν δηλαδή m s n i i= 1 j= 1 τότε εισάγουμε έναν εικονικό σταθμό προέλευσης S m+1 ο οποίος παράγει ποσότητα ίση με d s = d s m+ 1 n j j= 1 i= 1 Το υποθετικό κόστος μεταφοράς c m+1j εξαρτάται πάλι από το συγκεκριμένο κάθε φορά πρόβλημα. Για παράδειγμα c m+1j μπορεί να είναι η αποζημίωση που δίνεται στο σταθμό προορισμού D j για τη μη αποστολή μιας από τις d j μονάδες του προϊόντος που ζητήθηκαν αρχικά. j m i 8

9 Στις πιο πολλές εφαρμογές οι διαθέσιμες και απαιτούμενες ποσότητες s i και d j έχουν ακέραιες τιμές πράγμα που σημαίνει ότι και οι ποσότητες που μεταφέρονται (τα x ij δηλαδή) πρέπει να είναι ακέραιοι αριθμοί. Ευτυχώς, η δομή του προτύπου είναι τέτοια που αν το πρόβλημα έχει κάποια εφικτή λύση θα έχει και βέλτιστη ακέραια λύση. Αυτό προκύπτει από το γεγονός ότι οι συντελεστές των μεταβλητών στους περιορισμούς είναι ίσοι με 1 ή. Αν δεν υπάρχει μέσο μεταφοράς από ένα σταθμό παραγωγής S i στον D j σταθμό προορισμού, για να φέρουμε το πρόβλημα στη μορφή επίλυσής του υποθέτουμε ότι υπάρχει μεν μέσο μεταφοράς αλλά το αντίστοιχο κόστος c ij είναι Μ, όπου Μ αυθαίρετα μεγάλος θετικός αριθμός. Αφού ζητάμε το ελάχιστο κόστος, αν στην άριστη λύση του προβλήματος είναι x ij >, τότε το πρόβλημα δεν έχει στην πραγματικότητα εφικτές λύσεις. Υπάρχουν προβλήματα μεταφοράς στα οποία ενδιαφερόμαστε να βρούμε τη λύση η οποία μεγιστοποιεί την αντικειμενική συνάρτηση. Αφού max i j c ij x ij ( cij ) x, = min ij i j σε μια τέτοια περίπτωση, εφαρμόζουμε τη διαδικασία με κόστος c = c. ij ij Το πρότυπο γραμμικού προγραμματισμού για το πρόβλημα μεταφοράς μπορεί να χειριστεί και τις περιπτώσεις στις οποίες υπάρχουν για κάποια διαδρομή είτε περιορισμοί χωρητικότητας του μεταφερόμενου υλικού, είτε περιορισμοί ελάχιστου υποχρεωτικού φορτίου x M. ij ij x L ij ij 9

10 Διαδικασία επίλυσης του προβλήματος μεταφοράς 1ο Βήμα: Εντοπισμός μια αρχικής βασικής εφικτής λύσης 2ο Βήμα: Πρόκειται για την άριστη λύση; ΕΑΝ ΝΑΙ, τέλος ΕΑΝ ΟΧΙ, πήγαινε στο 3ο Βήμα 3ο Βήμα: Εντοπισμός μιας καλύτερης λύσης. Πήγαινε στο 2ο Βήμα. 1

11 Εύρεση μιας αρχικής βασικής εφικτής λύσης Όπως και στο γενικό γραμμικό πρότυπο έτσι και στο πρόβλημα μεταφοράς το πρώτο βήμα στην εύρεση της βέλτιστης λύσης του είναι η ύπαρξη μιας αρχικής μη εκφυλισμένης βασικής εφικτής λύσης. Λόγω της ειδικής μορφής του συστήματος των περιορισμών του προβλήματος έχουν προταθεί αρκετές απλές σχετικά τεχνικές για την εύρεση μιας βασικής εφικτής λύσης του. Η μέθοδος Vogel αν και υπολογιστικά επίπονη, δίνει μια αρχική βασική εφικτή λύση που (συνήθως) χρειάζεται έναν μικρό αριθμό βελτιώσεων/επαναλήψεων για να καταλήξει στην άριστη. Η κεντρική ιδέα της μεθόδου είναι να επιβάλλεται μια ποινή όταν δεν χρησιμοποιούμε το δρομολόγιο με το μικρότερο κόστος. Για να την υπολογίσουμε προσθέτουμε στο tableau του προβλήματος μεταφοράς μια ακόμη στήλη και μία γραμμή. Σ αυτές γράφουμε τη διαφορά των δύο πιο μικρών στοιχείων κόστους της κάθε στήλης και γραμμής του tableau. Προσδιορίζουμε στη συνέχεια τη μεγαλύτερη διαφορά που υπάρχει (για γραμμές και στήλες). Στο κελί της συγκεκριμένης στήλης ή γραμμής με το μικρότερο κόστος μεταφοράς εκχωρούμε όσες δυνατό περισσότερες μονάδες προϊόντος επιτρέπεται από την αντίστοιχη προσφορά και ζήτηση : x ij = min{s i, d j } Αν ικανοποιείται σταθμός προέλευσης, τότε το d j θα πρέπει να μειωθεί κατά s i. Αν ικανοποιείται σταθμός προορισμού, τότε το s i πρέπει να μειωθεί κατά d j. Το σταθμό που ικανοποιήσαμε δεν τον παίρνουμε υπόψη στη συνέχεια που επαναλαμβάνουμε την ίδια διαδικασία. 11

12 x 11 x 21 x x 12 x 22 x x 13 x 23 x x 14 x 24 x Η μεγαλύτερη διαφορά είναι 4 και στην αντίστοιχη γραμμή το μικρότερο κόστος είναι το c 34 =5. Επομένως θέτουμε x 34 = min(4, 3) = 3. Τότε x 14 = x 24 = Συνεχίζουμε με το επόμενο tableau του προβλήματος μεταφοράς που σχηματίζεται από το προηγούμενο αφού πρώτα διαγράψουμε την τέταρτη στήλη: x 11 x 21 x x 12 x 22 x x 13 x 23 x Η μεγαλύτερη διαφορά είναι 5 και στην αντίστοιχη γραμμή το μικρότερο κόστος είναι το c 32 =9. Επομένως θέτουμε x 32 = min(1, 2) = 1. Τότε x 31 = x 33 = 12

13 Συνεχίζουμε με το επόμενο tableau του προβλήματος μεταφοράς που σχηματίζεται από το προηγούμενο αφού πρώτα διαγράψουμε την τρίτη γραμμή: x 11 x 21 9 x 12 x x 13 x Η μεγαλύτερη διαφορά είναι 6 και στην αντίστοιχη στήλη το μικρότερο κόστος είναι το c 12 =6. Επομένως θέτουμε x 12 = min(35, 1) = 1. Τότε x 22 = Συνεχίζουμε με το επόμενο tableau του προβλήματος μεταφοράς που σχηματίζεται από το προηγούμενο αφού πρώτα διαγράψουμε την δεύτερη στήλη: x 11 x 21 9 x 13 x Η μεγαλύτερη διαφορά είναι 4 και στην αντίστοιχη γραμμή το μικρότερο κόστος είναι το c 21 =9. Επομένως θέτουμε x 21 = min(5, 45) = 45. Τότε x 11 = 13

14 Συνεχίζουμε με το επόμενο tableau του προβλήματος μεταφοράς που σχηματίζεται από το προηγούμενο αφού πρώτα διαγράψουμε την πρώτη στήλη: x 13 x από το οποίο ορίζονται μονοσήμαντα οι τιμές των υπόλοιπων μεταβλητών: x 13 = 25, x 23 = 5 5 Επομένως η βασική εφικτή λύση που βρήκαμε είναι η A 1 A 2 A 3 Λ 1 Λ 2 Λ 3 Λ

15 Χάρη συντομίας, μπορούμε να καταγράψουμε όλες τις εκχωρήσεις σε ένα μόνο tableau : Ζήτηση (s i ) Προσφορά (d j )

16 Το πρόβλημα της μεταφοράς minimize z = m n i= 1 j= 1 c ij x ij κάτω από τους περιορισμούς n i= 1 x ij = s i i = 1, 2,, m m j= 1 x ij = d j j = 1, 2,, n είναι ένα π.γ.π. με m+n περιορισμούς και m n μεταβλητές. Υπολογιστικά απαγορευτική η χρήση της Simplex. Η ειδική μορφή των περιορισμών του προβλήματος επέτρεψε την ανάπτυξη μιας ιδιαίτερα αποτελεσματικής παραλλαγής της μεθόδου Simplex, τη διαδικασία ανακατανομής των εκχωρήσεων (ΜΟDI) για την εύρεση της βέλτιστης λύσης του. 16

17 17

18 Αρχικά χρειαζόμαστε μια βασική (μη εκφυλισμένη) βασική εφικτή λύση. Ας θεωρήσουμε την Λ 1 Λ 2 Λ 3 Λ A A A Η λύση είναι μη εκφυλισμένη αφού έχει ακριβώς 3+4-1=6 θετικές συνιστώσες Το αντίστοιχο κόστος μεταφοράς είναι R =118,. Σχηματίζουμε τις εξισώσεις ui + vj = cij για τις βασικές μεταβλητές x 11, x 21, x 22, x 23, x 33 και x 34. Τότε έχουμε u 1 +v 1 = 8 u 2 +v 1 = 9 u 2 +v 2 = 12 u 2 +v 3 = 13 u 3 +v 3 = 16 u 3 +v 4 = 5 που για u 1 = δίνουν διαδοχικά v 1 =8, u 2 =1, v 2 =11, v 3 =12, u 3 =4, v 4 =1 18

19 Τοποθετούμε στη συνέχεια τις τιμές των u i και v j που υπολογίσαμε στο tableau v u και υπολογίζουμε τις διαφορές δ ij =u i +v j -c ij που αντιστοιχούν στις μη βασικές μεταβλητές: δ 12 =u 1 +v 2 -c 12 = +11-6=5 δ 24 =u 2 +v 4 -c 24 = 1+1-7=-5 δ 13 =u 1 +v 3 -c 13 = +12-1=2 δ 31 =u 3 +v 1 -c 31 = =-2 δ 14 =u 1 +v 4 -c 14 = +1-9=-8 δ 32 =u 3 +v 2 -c 32 = =6 Γράφουμε τις τιμές αυτές στην πάνω αριστερή γωνία των αντίστοιχ τετραγών v u Αφού υπάρχουν θετικές διαφορές δ ij η λύση δεν είναι άριστη. 19

20 Διαλέγουμε να μπει στη βάση η μεταβλ. με τo μεγαλύτερο κόστος ευκαιρίας: { } { } max δij: δij = max 5, 2, 6 = 6 = δ32 δηλαδή τη μεταβλητή x 32. Στη μεταβλητή αυτή δίνουμε τη μεγαλύτερη δυνατή τιμή έστω +θ. Αν όμως x 32 =+θ πρέπει να έχουμε x 33 =1-θ ώστε να ικανοποιείται ο περιορισμός δυναμικότητας της 3ης γραμμής. Ανάλογα θα πρέπει x 23 =2+θ (3η στήλη), x 22 =2-θ (2η γραμμή). Ο κλειστός βρόχος σημειώνεται με γραμμή στο tableau του προβλήματος μεταφοράς, v u θ 2+θ θ 1-θ Για να είναι εφικτή και η νέα λύση θα πρέπει η τιμή του θ να είναι τέτοια ώστε καμία από τις βασικές μεταβλητές να μην παίρνει αρνητική τιμή: { } ϑ = min 1, 2 = 1 2

21 Η λύση που έχουμε τώρα είναι η A 1 A 2 A 3 Λ 1 Λ 2 Λ 3 Λ κι έχει κόστος μεταφοράς R 1 = 112, (=R -θδ 32 ). Ολοκληρώθηκε μια πλήρη εκτέλεση της διαδικασίας MODI. Θα πρέπει να ελέγξουμε αν η νέα βασική εφικτή λύση είναι η άριστη. Βρίσκουμε και πάλι τα δυναμικά u i και v j καθώς επίσης και τις διαφορές δ ij. Το νέο tableau είναι τότε το εξής: v u Αφού υπάρχουν θετικές διαφορές δ ij η λύση δεν είναι άριστη. 21

22 Διαλέγουμε να μπει στη βάση η μεταβλ. με τη μεγαλύτερο κόστος ευκαιρίας: { } { } max δij: δij = max 5, 2, 1 = 5 = δ12 Επομένως πρέπει να συνδέσουμε το τετράγωνο (1,2) με τα βασικά τετράγωνα (2,2), (2,1), (1,1) θέτοντας διαδοχικά + και -. v u θ θ 12-1-θ θ Η ελάχιστη τιμή των x ij των τετραγώνων που έχουν - είναι η: { } ϑ = min 1, 35 = 1 Έτσι η νέα βασική εφικτή λύση του προβλήματος δίνεται στο tableau : A 1 A 2 A 3 Λ 1 Λ 2 Λ 3 Λ Το νέο κόστος μεταφοράς ανέρχεται σε R 2 = 17, (=R 1 -θδ 12 ). 22

23 Θα πρέπει να ελέγξουμε πάλι αν η νέα βασική εφικτή λύση είναι η άριστη. Βρίσκουμε και πάλι τα δυναμικά u i και v j καθώς επίσης και τις διαφορές δ ij. Το νέο tableau είναι τότε το εξής: v u Εδώ όλες οι διαφορές δ ij είναι μη θετικές εκτός από την δ 13 =2>. Άρα η λύση δεν είναι η άριστη. Βρίσκουμε μια νέα βασική εφικτή λύση κάνοντας βασική τη μεταβλητή x 13. Εν συνεχεία συνδέουμε το τετράγωνο (1,3) με τα βασικά τετράγωνα (2,3), (2,1), (1,1) θέτοντας διαδοχικά + και -: u 1 3 v Η ελάχιστη τιμή x ij των τετραγώνων που έχουν - είναι η min {, } οδηγεί στη λύση ϑ = 3 25 = 25 και 23

24 A 1 A 2 A 3 Λ 1 Λ 2 Λ 3 Λ με κόστος μεταφοράς R 3 = 12, (=R 2 -θδ 13 ). Αυτή είναι η βέλτιστη (όλες οι διαφορές δ ij είναι ) v u (Αξιοσημείωτο είναι ότι τη λύση αυτή την προσδιoρίσαμε ως αρχική λύση του προβλήματος με τη μέθοδο Vogel). 24

25 Επισημάνσεις Οι τιμές των δ ij που εμφανίζονται στα κενά κελιά του βέλτιστου tableau μεταφοράς, αντιστοιχούν στην επιβάρυνση για το συνολικό κόστος, αν μια μονάδα του προϊόντος μεταφερθεί μ αυτό τον τρόπο. Ο προσδιορισμός του μονοπατιού ανακατανομής είναι το πιο δύσκολο στάδιο στην επίλυση του προβλήματος μεταφοράς: ο βρόχος που δημιουργείται δεν είναι πάντοτε εμφανής, κι ούτε φυσικά δημιουργείται από τέσσερα κελιά όπως στο παράδειγμα που αναπτύξαμε. Για την εύρεσή του έχουν αναπτυχθεί ιδιαίτεροι, αποκλειστικοί αλγόριθμοι. Σ ένα tableau μικρού μεγέθους όμως, μπορούμε να εντοπίσουμε αυτό το μονοπάτι με μια διαδικασία της μορφής «δοκιμής και λάθους». Αν στο tableau της άριστης λύσης του προβλήματος μεταφοράς υπάρχει μη βασικό τετράγωνο (i, j) με δ ij =, τότε το πρόβλημα έχει εναλλακτική άριστη λύση που βρίσκεται κάνοντας βασικό το τετράγωνο (i, j). Εκφυλισμένες λύσεις. 25

26 Το πρόβλημα μεταφοράς της εταιρείας «Μακεδονική» Παράγει ένα αναψυκτικό ευρείας κατανάλωσης Το προϊόν παράγεται σε τρεις παραγωγικές μονάδες Μεγάλες ποσότητες αποστέλλονται μία φορά την εβδομάδα σε τέσσερις πόλεις - κέντρα διανομής ανά την Ελλάδα Το σχετικό κόστος μεταφοράς ανά κιβώτιο εξαρτάται από την απόσταση, το χρόνο, τα απαραίτητα καύσιμα, το κόστος ασφάλισης, τη συντήρηση οχημάτων, τις αμοιβές του προσωπικού κλπ δημιουργία: επεξεργασία: Ν.Τσάντας 26

27 Μοναδιαία κόστη μεταφοράς Εργοστάσια: πηγές, προελεύσεις (προσφορά) Πόλεις: προορισμοί (ζήτηση) δημιουργία: επεξεργασία: Ν.Τσάντας 27

28 Εύρεση μιας αρχικής βασικής εφικτής λύσης (Vogel) Συνολικό κόστος μεταφοράς = 6,8 δημιουργία: επεξεργασία: Ν.Τσάντας 28

29 Εύρεση των τιμών u i, v j και δ ij u 1-3 v Συνολικό κόστος = 6,8 μονάδες = άριστη (δ ij i, j) Υπάρχει εναλλακτική βέλτιστη λύση (δ 14 = ) δημιουργία: επεξεργασία: Ν.Τσάντας 29

30 Εντοπισμός εναλλακτικής άριστης λύσης u v Βασική πρέπει να γίνει η μεταβλητή x 14 δημιουργία: επεξεργασία: Ν.Τσάντας 3

31 Εναλλακτική άριστη λύση u v δημιουργία: επεξεργασία: Ν.Τσάντας 31

32 Μη ισορροπημένα προβλήματα α) Η συνολική ζήτηση ξεπερνά τη συνολική προσφορά προσθήκη εικονικής προέλευσης (προσφοράς δηλαδή σειράς) β) Η συνολική προσφορά ξεπερνά τη συνολική ζήτηση προσθήκη εικονικού προορισμού (εικονικής ζήτησης δηλαδή στήλης) δημιουργία: επεξεργασία: Ν.Τσάντας 32

33 Αύξηση της προσφοράς του Ε1 στα 4 κιβώτια (+5) Όχι κατ ανάγκη Εξαρτάται από το πρόβλημα Ε 1 Ε 2 Ε 3 Π 1 Π 2 Π 3 Π 4 Εικονική Η αρχική λύση (που βρέθηκε με τη μέθοδο του Vogel) είναι η βέλτιστη Συνολικό κόστος μεταφοράς = 6,75 δημιουργία: επεξεργασία: Ν.Τσάντας 33

34 Αύξηση της ζήτησης του Π1 στα 5 κιβώτια (+5) Ε 1 Ε 2 Ε 3 Εικονική Π 1 Π 2 Π 3 Π Όχι κατ ανάγκη Εξαρτάται από το πρόβλημα Η αρχική λύση (που βρέθηκε με τη μέθοδο του Vogel) είναι η βέλτιστη Συνολικό κόστος μεταφοράς = 6,8 δημιουργία: επεξεργασία: Ν.Τσάντας 34

35 Εκφυλισμένες λύσεις Κάποια βασική μεταβλητή έχει μηδενική τιμή. Οι μη μηδενικές είναι λιγότερες από n+m-1 Προκαλεί πρόβλημα στη διαδικασία ανακατανομής των εκχωρήσεων κατά την επίλυση Τοποθετούμε μία μηδενική εκχώρηση στην κατάλληλη θέση για να χρησιμοποιηθεί στη συνέχεια ως βασική μεταβλητή όπως οι υπόλοιπες βασικές. δημιουργία: επεξεργασία: Ν.Τσάντας 35

36 Υπάρχουν δύο περιπτώσεις κατά τις οποίες μπορεί να εμφανιστεί εκφυλισμένη λύση. 1. Κατά την κατάρτιση του αρχικού πίνακα μεταφοράς (εύρεση αρχικής λύσης), όταν η προσφορά και η ζήτηση σε κάποιο στάδιο εκχώρησης είναι ίσες. 2. Στη διαδικασία ανακατανομής των εκχωρήσεων του κύριου τμήματος της μεθόδου μεταφοράς όταν προκύπτει ισοβάθμιση στην επιλογή του εξερχόμενου κελιού. δημιουργία: επεξεργασία: Ν.Τσάντας 36

37 Περίπτωση 1. Η ζήτηση της πόλης Π2=35 και της Π3= 2. Εύρεση μιας αρχικής βασικής εφικτής λύσης (Vogel) x 11 9 x 12 7 x 13 6 x x 21 5 x 22 9 x 23 6 x x 31 x 32 x 33 x Η μεγαλύτερη διαφορά είναι 4 και στην αντίστοιχη στήλη το μικρότερο κόστος είναι το c 31 =5. Επομένως θέτουμε δημιουργία: επεξεργασία: Ν.Τσάντας x 31 = min(45, 4) = 4. Τότε x 32 = x 33 = x 34 = 37

38 Συνεχίζουμε με το επόμενο tableau του προβλήματος μεταφοράς που σχηματίζεται από το προηγούμενο αφού πρώτα διαγράψουμε την τρίτη γραμμή: x 11 9 x 12 7 x 13 6 x x 21 x 22 x 23 x Η μεγαλύτερη διαφορά είναι 2 και στην αντίστοιχη στήλη το μικρότερο κόστος είναι το c 12 =5. Επομένως θέτουμε x 12 = min(35, 35) = 35. Τότε x 11 = x 13 = x 14 = αλλά και x 22 = (προφανώς για τη συνέχεια βρίσκουμε ότι x 21 = 5, x 23 = 2, x 24 = 2) δημιουργία: επεξεργασία: Ν.Τσάντας 38

39 Ο πίνακας μεταφοράς με τη μηδενική βασική μεταβλητή Ε 1 Π 1 Π 2 Π 3 Π Ε Ε * Υπάρχουν 5 θετικά στοιχεία αντί των αναμενόμενων = 6 (συνεχίζουμε ως το στοιχείο x 22 να ήταν θετικό βασική μεταβλητή ) Η λύση που έχουμε είναι η βέλτιστη. δημιουργία: επεξεργασία: Ν.Τσάντας 39

40 Περίπτωση 2. Μείωση της προσφοράς Ε3 κατά 1 (Ε3= 3) Εύρεση μιας αρχικής βασικής εφικτής λύσης (όχι με Vogel) δημιουργία: επεξεργασία: Ν.Τσάντας 4

41 Τρίτη επανάληψη της MODI v δ 24 = 5 u Π 1 Π 2 Π 3 Π Ε Ε Ε Εικονική Η ελάχιστη τιμή των x ij των τετραγώνων που έχουν - είναι η: ϑ = min 1, 25,1 = 1 κι αντιστοιχεί στα κελιά (2, 2) και (3, 4) { } δημιουργία: επεξεργασία: Ν.Τσάντας 41

42 Ο πίνακας μεταφοράς μετά την τρίτη επανάληψη Ε 1 Ε 2 Ε 3 Εικονική Π 1 Π 2 Π 3 Π * Υπάρχουν 6 θετικά στοιχεία αντί των αναμενόμενων = 7 (συνεχίζουμε ως το στοιχείο x 22 να ήταν θετικό βασική μεταβλητή ) δημιουργία: επεξεργασία: Ν.Τσάντας 42

43 Βέλτιστη λύση του προβλήματος Ε 1 Ε 2 Ε 3 Εικονική Π 1 Π 2 Π 3 Π δημιουργία: επεξεργασία: Ν.Τσάντας 43

44 Προβλήματα μεγιστοποίησης εφαρμόζουμε τη διαδικασία με κόστος c ij = cij. ή μετατροπή του κριτηρίου επιλογής εισερχομένου κελιού: επιλέγεται εκείνο με το μικρότερο από τα αρνητικά δ ij, και μετατροπή του κριτήριου αριστότητας: η διαδικασία ολοκληρώνεται όταν όλα τα δ ij είναι. δημιουργία: επεξεργασία: Ν.Τσάντας 44

45 Παράδειγμα 2 Η βιομηχανική επιχείρηση Ultracom παράγει προϊόντα υψηλής τεχνολογίας. Η ζήτηση για τα προϊόντα της είναι μεγάλη, ιδιαίτερα για την οικογένεια των επεξεργαστών 5ZZX που εγκαθίστανται σε βιομηχανικούς servers. Θέλει να καταρτίσει ένα γενικό πρόγραμμα παραγωγής για την οικογένεια προϊόντων 5ΖΖΧ, για τους πρώτους τρεις μήνες του έτους. Η ζήτηση, σύμφωνα με τις παραγγελίες που έχουν εξασφαλιστεί και τις προβλέψεις του τμήματος μάρκετινγκ, αναμένεται να είναι, για τους μήνες Ιανουάριο, Φεβρουάριο και Μάρτιο, 5, 7 και 8 χιλιάδες τεμάχια αντιστοίχως. δημιουργία: επεξεργασία: Ν.Τσάντας 45

46 Δεδομένα άσκησης συνέχεια Παραγωγική δυναμικότητα = 5 τεμάχια το μήνα Αρχικό απόθεμα = 4 τεμάχια. Υπεργολάβος = 25 τεμάχια (Ιανουάριο και Μάρτιο μόνο) Διατήρηση αποθεμάτων δυνατή Ικανοποίηση ζήτησης άμεση Τελικό απόθεμα = 5 τεμάχια. Κόστος πρώτων υλών, εργασίας, διανομής και όλα τα υπόλοιπα στοιχεία κόστους για κάθε επεξεργαστή είναι συνολικά 6χμ για τους μήνες Ιανουάριο και Μάρτιο. Το Φεβρουάριο, το κόστος αναμένεται να μειωθεί κατά 2% Κόστος διατήρησης αποθέματος 2χμ ανά τεμάχιο ανά περίοδο Οι επεξεργαστές που αγοράζονται από τον υπεργολάβο κοστίζουν στον επιχείρηση 1% επιπλέον. Να εντοπίσετε το πρόβλημα της εταιρείας να το διαμορφώσετε ως πρόβλημα μεταφοράς και να το λύσετε. δημιουργία: επεξεργασία: Ν.Τσάντας 46

47 Εύρεση μιας αρχικής βασικής εφικτής λύσης (όχι με τη Vogel) δ 63 = 4 δημιουργία: επεξεργασία: Ν.Τσάντας 47

48 z =958 δημιουργία: επεξεργασία: Ν.Τσάντας 48

49 z =954 δ 14 = 4 δημιουργία: επεξεργασία: Ν.Τσάντας 49

50 z =952 βέλτιστη δημιουργία: επεξεργασία: Ν.Τσάντας 5

51 Ανάλυση Ευαισθησίας για το πρόβλημα μεταφοράς Αυτή είναι η βέλτιστη του 1 ου παραδείγματος v u Συνολικό κόστος μεταφοράς R = 12 Θα μελετήσουμε την επίδραση στη βέλτιστη λύση από μεταβολές στο κόστος c ij κάποιου κελιού στις παραμέτρους s i / d j 51

52 Μεταβολές στο κόστος c ij Διακρίνουμε δύο περιπτώσεις: το κελί (i, j) είναι μη βασικό (x ij = ) το κελί (i, j) είναι βασικό (x ij > ) Αναζητάμε ένα διάστημα τιμών για το c ij, ώστε η τρέχουσα βέλτιστη λύση να παραμείνει βέλτιστη. 52

53 Μεταβολές στο κόστος c ij 1 η περίπτωση: το κελί (i, j) είναι μη βασικό (x ij = ) ΔΙΑΣΤΗΜΑ ΑΡΙΣΤΟΤΗΤΑΣ του c ij Οι τιμές των u i, v j δεν μεταβάλλονται. Μεταβάλλεται όμως η τιμή του δ ij : δ ˆ = u+v-cˆ ij i i ij όπου c ˆij η νέα τιμή για το κόστος μεταφοράς στο κελί (i, j). Π.χ. έστω ότι μεταβάλλεται το κόστος μεταφοράς c 11 στο κελί (1, 1). Ας είναι ĉ 11=c 11+Δ (=8+Δ). Τότε ˆ δ 11 = u ˆ 1 + v1 c11 = ( + 6) (8 +Δ ) = 2 Δ Συνεπώς, η παρούσα λύση παραμένει η βέλτιστη εάν ˆδ 11, δηλ εάν -2-Δ Δ -2 c 11 6 Γενικά, για τιμές του c ij στο διάστημα [u i + v j, ), η βέλτιστη λύση παραμένει αμετάβλητη. Αυτό είναι το διάστημα αριστότητας του c ij. Για τιμές του c 11 έξω από αυτό το διάστημα, η τρέχουσα λύση παύει να είναι η βέλτιστη. Τότε η διαδικασία συνεχίζεται με εισερχόμενο κελί το (1, 1). 53

54 Μεταβολές στο κόστος c ij 2 η περίπτωση: το κελί (i, j) είναι βασικό (x ij > ) Μεταβάλλονται οι τιμές των u i, v j και δ ij : δˆ = u+v-c ˆ ˆ ˆ ij i i ij Οπότε, εάν ˆδ ij " (i, j) η παρούσα λύση παραμένει η βέλτιστη. Διαφορετικά συνεχίζουμε τον αλγόριθμο κατά τα γνωστά. Π.χ. έστω ότι μεταβάλλεται το κόστος μεταφοράς c 13 στο κελί (1, 3) κι έχουμε ĉ 13=c 13+Δ (=1+Δ). Για τον υπολογισμό των u i, v j λύνουμε το σύστημα: u 1 + v 2 = 6 u 1 + v 3 = 1 + Δ u 2 + v 1 = 9 u 2 + v 3 = 13 u 3 + v 2 = 9 u 3 + v 4 = 5 Για u 1 = έχουμε u 2 = 3 Δ, u 3 = 3, v 1 = 6 + Δ, v 2 = 6, v 3 = 1 + Δ, v 4 = 2. Για να παραμείνει βέλτιστη η παρούσα λύση θα πρέπει ˆδ ij " (i, j), δηλ: ˆδ 11 = u+v-c =Δ 2 ˆδ 14 = u+v-c = 7 ˆδ 22 = u+v-c = 3 Δ ˆδ 24 = u+v-c = 2 Δ ˆδ 31 = u+v-c = 5+Δ ˆδ = u +v -c =Δ Συνεπώς, για -2 Δ = 8 c = 12 η παρούσα λύση εξακολουθεί να είναι η βέλτιστη. 54

55 Μεταβολές στις παραμέτρους s i / d j Λόγω της φύσης του προβλήματος μεταφοράς, η μεταβολή μιας μόνο εκ των παραμέτρων s i, d j δεν είναι δυνατή. Διακρίνουμε τρεις περιπτώσεις: οι ποσότητες s p, d q γίνονται αντίστοιχα s p +Δ, d q +Δ (αύξηση της ζήτησης του D q κατά Δ και ανάλογη αύξηση της προσφοράς του S p ) οι ποσότητες s t, s r γίνονται αντίστοιχα s t +Δ, s r -Δ (αύξηση της προσφοράς του S t κατά Δ και ανάλογη μείωση της προσφοράς του S r ) οι ποσότητες d f, d g γίνονται αντίστοιχα d f +Δ, d g -Δ (αύξηση της ζήτησης του D f κατά Δ και ανάλογη μείωση της ζήτησης του D g ). Αναζητάμε ένα διάστημα τιμών της ποσότητας Δ, ώστε η τρέχουσα βάση να παραμείνει η ίδια (: βασικά να είναι τα ίδια κελιά) 55

56 Μεταβολές στις παραμέτρους s i / d j 1 η περίπτωση: οι ποσότητες s p, d q γίνονται αντίστοιχα s p +Δ, d q +Δ Ξεκινάμε με μια προσαρμογή +Δ σ ένα από τα βασικά κελιά της p-γραμμής και συνεχίζουμε με διαδοχικές Δ, +Δ προσαρμογές. Τελειώνουμε με +Δ σε κάποιο από τα βασικά κελιά της q-στήλης. Προφανώς εάν το κελί (p, q) είναι βασικό, αρκεί μόνο μια προσαρμογή +Δ στο συγκεκριμένο κελί. Π.χ. s 2 = 5+Δ, d 2 = 2+Δ v u Δ 25-Δ Δ 45 5+Δ Δ 3 3 Αν η νέα λύση είναι εφικτή, τότε θα είναι η βέλτιστη λύση του νέου προβλήματος. Αρκεί επομένως 1+Δ, 25-Δ, 5+Δ ή ισοδύναμα -5 Δ 25. Το συνολικό κόστος μεταφοράς ισούται με 12+9Δ κι άρα ο ρυθμός μεταβολής της τιμής ανά μονάδα μεταβολής του Δ στο διάστημα [-5, 25] είναι 9 (= u 2 + v 2 ). 56

57 Μεταβολές στις παραμέτρους s i / d j 2 η περίπτωση: οι ποσότητες s t, s r γίνονται αντίστοιχα s t +Δ, s r -Δ Ξεκινάμε με μια προσαρμογή +Δ σ ένα από τα βασικά κελιά της t-γραμμής και συνεχίζουμε με διαδοχικές Δ, +Δ προσαρμογές. Τελειώνουμε με -Δ σε κάποιο από τα βασικά κελιά της r-γραμμής. Ο ρυθμός μεταβολής του συνολικού κόστους μεταφοράς είναι u t - u r Μεταβολές στις παραμέτρους s i / d j 3 η περίπτωση: οι ποσότητες d f, d g γίνονται αντίστοιχα d f +Δ, d g -Δ Ξεκινάμε με μια προσαρμογή +Δ σ ένα από τα βασικά κελιά της f-στήλης και συνεχίζουμε με διαδοχικές Δ, +Δ προσαρμογές. Τελειώνουμε με -Δ σε κάποιο από τα βασικά κελιά της g-στήλης. Ο ρυθμός μεταβολής του συνολικού κόστους μεταφοράς είναι v f v g 57

58 Το πρόβλημα «εκχώρησης» ανάθεση εκτέλεσης εργασιών σε άτομα (: ένα άτομο μία μόνο εργασία). πλήθος ατόμων ίσο με πλήθος εργασιών (αλλιώς ). εντοπισμός της ιδανικής αντιστοίχισης (: εκχώρησης). σύνηθες κριτήριο η ελαχιστοποίηση κόστους (χρόνου, κλπ) ή η μεγιστοποίηση κέρδους (ικανοποίησης, κλπ) ειδική περίπτωση του προβλήματος μεταφοράς, όπου η ζήτηση και προσφορά είναι μονάδες: o για ένα πρόβλημα με m εργασίες που πρέπει να εκτελεστούν από m άτομα, υπάρχουν m! δυνατά σενάρια διεκπεραίωσης. o στη λύση υπάρχουν m κελιά με τιμή 1 και m-1 με τιμή. o εκφυλισμένες λύσεις. ο Ουγγρικός Αλγόριθμος. 58

59 Παράδειγμα 3 Μια οικοδομική εταιρεία χρησιμοποιεί τέσσερα συνεργεία για να φέρει σε πέρας έναν ίσο αριθμό έχουν αναληφθεί. Κάθε συνεργείο μπορεί να χρησιμοποιηθεί για οποιοδήποτε έργο, όχι όμως εξίσου ικανοποιητικά: Χρόνος 1 ο έργο 2 ο έργο 3 ο έργο 4 ο έργο 1 ο συνεργείο ο συνεργείο ο συνεργείο ο συνεργείο Ζητούμενο είναι η εκχώρηση σε κάθε συνεργείο ενός εκ των έργων σε τρόπο ώστε ο συνολικός χρόνος απασχόλησης να είναι ο ελάχιστος δυνατός. Βέλτιστη λύση (με συνολικό χρόνο ίσο με 15): 1 ο συνεργείο 2 ο έργο 2 ο συνεργείο 4 ο έργο 3 ο συνεργείο 3 ο έργο 4 ο συνεργείο 1 ο έργο 59

Τμήμα Μηχανικών Πληροφορικής ΤΕ Πρόβλημα Μεταφοράς. Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Τμήμα Μηχανικών Πληροφορικής ΤΕ Πρόβλημα Μεταφοράς. Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Πρόβλημα Μεταφοράς Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα To Πρόβλημα Μεταφοράς Μαθηματική Διατύπωση Εύρεση Αρχικής Λύσης Προσδιορισμός Βέλτιστης Λύσης

Διαβάστε περισσότερα

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200 ΑΣΚΗΣΗ Η εταιρεία logistics Orient Express έχει αναλάβει τη διακίνηση των φορητών προσωπικών υπολογιστών γνωστής πολυεθνικής εταιρείας σε πελάτες που βρίσκονται στο Hong Kong, τη Σιγκαπούρη και την Ταϊβάν.

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ (Transportation Problems) Βασίλης Κώστογλου E-mail: vkostogl@it.teithe.gr URL: www.it.teithe.gr/~vkostogl Περιγραφή Ένα πρόβλημα μεταφοράς ασχολείται με το πρόβλημα του προσδιορισμού του καλύτερου δυνατού

Διαβάστε περισσότερα

Η άριστη λύση με τη μέθοδο simplex:

Η άριστη λύση με τη μέθοδο simplex: http://usrs.uo.gr/~acg 1 UΜετάβαση από τον Γραμμικό Προγραμματισμό στη Θεωρία Δικτύων UΤο πρόβλημα Μεταφοράς (Transportation probl) UΗ «Μακεδονική Εταιρεία Αναψυκτικών Α.Ε.» Παράγει ένα αναψυκτικό ευρείας

Διαβάστε περισσότερα

Η άριστη λύση με τη μέθοδο simplex:

Η άριστη λύση με τη μέθοδο simplex: http://usrs.uo.gr/~acg 1 UΜετάβαση από τον ΓΠ στη Θεωρία ικτύων UΤο πρόβλημα Μεταφοράς (Transportation probl) UΗ «Μακεδονική Εταιρεία Αναψυκτικών Α.Ε.» Παράγει ένα αναψυκτικό ευρείας κατανάλωσης Το προϊόν

Διαβάστε περισσότερα

Προβλήματα Μεταφορών (Transportation)

Προβλήματα Μεταφορών (Transportation) Προβλήματα Μεταφορών (Transportation) Παραδείγματα Διατύπωση Γραμμικού Προγραμματισμού Δικτυακή Διατύπωση Λύση Γενική Μέθοδος Simplex Μέθοδος Simplex για Προβλήματα Μεταφοράς Παράδειγμα: P&T Co ΗεταιρείαP&T

Διαβάστε περισσότερα

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Πρόβληµα µεταφοράς Η ανάπτυξη και διαµόρφωση του προβλήµατος µεταφοράς αναπτύσσεται στις σελίδες 40-45 του βιβλίου των

Διαβάστε περισσότερα

Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα To Πρόβλημα Μεταφοράς

Διαβάστε περισσότερα

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ 1 η Διάλεξη: Αναδρομή στον Μαθηματικό Προγραμματισμό 2019, Πολυτεχνική Σχολή Εργαστήριο Συστημάτων Σχεδιασμού, Παραγωγής και Λειτουργιών Περιεχόμενα 1. Γραμμικός Προγραμματισμός

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 7: Επίλυση με τη μέθοδο Simplex (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.)

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός Εφαρμογή σε Άλλα Προβλήματα Διαχείρισης Έργων Π. Γ. Υψηλάντης ΓΠ στη Διοίκηση Έργων Προβλήματα μεταφοράς και δρομολόγησης Αναθέσεις προσωπικού Επιλογή προμηθευτών Καθορισμός τοποθεσίας

Διαβάστε περισσότερα

3.7 Παραδείγματα Μεθόδου Simplex

3.7 Παραδείγματα Μεθόδου Simplex 3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x

Διαβάστε περισσότερα

σει κανένα modem των 128Κ. Θα κατασκευάσει συνολικά = 320,000 τεμάχια των 64Κ και το κέρδος της θα γίνει το μέγιστο δυνατό, ύψους 6,400,000.

σει κανένα modem των 128Κ. Θα κατασκευάσει συνολικά = 320,000 τεμάχια των 64Κ και το κέρδος της θα γίνει το μέγιστο δυνατό, ύψους 6,400,000. Σ ένα εργοστάσιο ειδών υγιεινής η κατασκευή των πορσελάνινων μπανιέρων έχει διαμορφωθεί σε τρία διαδοχικά στάδια : καλούπωμα, λείανση και βάψιμο. Στον πίνακα που ακολουθεί καταγράφονται τα ωριαία δεδομένα

Διαβάστε περισσότερα

Προβλήµατα Μεταφορών (Transportation)

Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment) Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Παράδειγμα προβλήματος ελαχιστοποίησης Μια κατασκευαστική εταιρία κατασκευάζει εξοχικές κατοικίες κοντά σε γνωστά θέρετρα της Εύβοιας Η

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex (C) Copyright Α.

Διαβάστε περισσότερα

Μοντέλα Διανομής και Δικτύων

Μοντέλα Διανομής και Δικτύων Μοντέλα Διανομής και Δικτύων 10-03-2017 2 Πρόβλημα μεταφοράς (1) Τα προβλήματα μεταφοράς ανακύπτουν συχνά σε περιπτώσεις σχεδιασμού διανομής αγαθών και υπηρεσιών από τα σημεία προσφοράς προς τα σημεία

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΦΕΒΡΟΥΑΡΙΟΣ 2009 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΜΑ 1 ο Η Περιφέρεια Κεντρικής Μακεδονίας σχεδιάζει την ανάπτυξη ενός συστήματος αυτοκινητοδρόμων

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ Δ.Α.Π. Ν.Δ.Φ.Κ. ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΠΕΙΡΑΙΩΣ www.dap-papei.gr ΠΑΡΑΔΕΙΓΜΑ 1 ΑΣΚΗΣΗ 1 Η FASHION Α.Ε είναι μια από

Διαβάστε περισσότερα

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΦΕΒΡΟΥΑΡΙΟΣ 013 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΘΕΜΑ 1 ο : Για το μοντέλο του π.γ.π. που ακολουθεί maximize

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex 1. Αλγόριθμός Simplex

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΈΡΕΥΝΑ ΣΤΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΚΑΤΑΜΕΡΙΣΜΟΥ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΈΡΕΥΝΑ ΣΤΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΚΑΤΑΜΕΡΙΣΜΟΥ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΠΑΝΤΑΙΔΑΚΗΣ ΜΙΧΑΗΛ Α.Μ 8342 ΕΞΑΜΗΝΟ :ΠΤΘ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΈΡΕΥΝΑ ΣΤΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΚΑΤΑΜΕΡΙΣΜΟΥ ΠΤΥΧΙΑΚΗ

Διαβάστε περισσότερα

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Η «OutBoard Motors Co» παράγει τέσσερα διαφορετικά είδη εξωλέμβιων (προϊόντα 1 4) Ο γενικός διευθυντής κ. Σχοινάς, ενδιαφέρεται

Διαβάστε περισσότερα

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Ένα πολυσταδιακό πρόβλημα που αφορά στον τριμηνιαίο προγραμματισμό για μία βιομηχανική επιχείρηση παραγωγής ελαστικών (οχημάτων) Γενικός προγραμματισμός

Διαβάστε περισσότερα

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

Κεφάλαιο 4: Επιλογή σημείου παραγωγής Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή διαδικασίας παραγωγής αναγνωρίζει

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη 5 ο Εξάμηνο 4 ο ΜΑΘΗΜΑ Δημήτρης Λέκκας Επίκουρος Καθηγητής dlekkas@env.aegean.gr Τμήμα Στατιστικής & Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE 1&2 Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1 KΕΦΑΛΑΙΟ 8 Προβλήµατα Μεταφοράς και Ανάθεσης 8. ΕΙΣΑΓΩΓΗ Μια ειδική κατηγορία προβληµάτων γραµµικού προγραµµατισµού είναι τα προβλήµατα µεταφοράς (Π.Μ.), στα οποία επιζητείται η ελαχιστοποίηση του κόστους

Διαβάστε περισσότερα

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ) Εικονικές Παράμετροι Μέχρι στιγμής είδαμε την εφαρμογή της μεθόδου Simplex σε προβλήματα όπου το δεξιό μέλος ήταν θετικό. Δηλαδή όλοι οι περιορισμοί ήταν της μορφής: όπου Η παραδοχή ότι b 0 μας δίδει τη

Διαβάστε περισσότερα

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές Ένα τυχαίο π.γ.π. maximize/minimize z=c x Αx = b x 0 Τυπική μορφή του π.γ.π. maximize z=c x Αx = b x 0 b 0 είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς

Διαβάστε περισσότερα

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ 2013-2014 ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX ΔΥΙΚΟΤΗΤΑ Κάθε πρόβλημα γραμμικού προγραμματισμού συνδέεται με εάν άλλο πρόβλημα γραμμικού προγραμματισμού

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Εισαγωγή Ασχολείται με το πρόβλημα της άριστης κατανομής των περιορισμένων πόρων μεταξύ ανταγωνιζόμενων δραστηριοτήτων μιας επιχείρησης

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Γραμμικός Προγραμματισμός Μέθοδος Simplex ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση

Διαβάστε περισσότερα

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

Κεφάλαιο 4: Επιλογή σημείου παραγωγής Κεφάλαιο 4: Επιλογή σημείου παραγωγής Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή

Διαβάστε περισσότερα

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20 Μια από τις εταιρείες γάλακτος στην προσπάθειά της να διεισδύσει στην αγορά του παγωτού πολυτελείας επενδύει σε μια μικρή πιλοτική γραμμή παραγωγής δύο προϊόντων της κατηγορίας αυτής. Πρόκειται για οικογενειακές

Διαβάστε περισσότερα

Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα

Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα Πρόβληµα Μεταφοράς Η παρουσίαση προετοιµάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόµενα Παρουσίασης 1. Μοντέλο Προβλήµατος Μεταφοράς 2. Εύρεση Μιας Αρχικής Βασικής

Διαβάστε περισσότερα

Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)

Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1) Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1) Οι στρατηγικές χρηματοοικονομικής δομής αναφέρονται στην επιλογή των μέσων χρηματοδότησης επενδυτικών προγραμμάτων, λειτουργιών της παραγωγής και

Διαβάστε περισσότερα

Προσφορά Τροποποιηµένος πίνακας, όπου προσφορά ίση µε τη ζήτηση µε την προσθήκη εικονικού προορισµού *

Προσφορά Τροποποιηµένος πίνακας, όπου προσφορά ίση µε τη ζήτηση µε την προσθήκη εικονικού προορισµού * ΚΕΦ.8 ΕΙ ΙΚΑ ΠΡΟΒΛΗΜΑΤΑ Ιδιαίτερη κατηγορία των προβληµάτων ΓΠ είναι τα προβλήµατα δικτυακής ροής. Σε αυτά ανήκουν τα προβλήµατα µεταφοράς και εκχώρησης. 8. Πρόβληµα µεταφοράς Σε m πηγές (κέντρα προσφοράς)

Διαβάστε περισσότερα

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX Θεμελιώδης αλγόριθμος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού που κάνει χρήση της θεωρίας της Γραμμικής Άλγεβρας Προτάθηκε από το Dantzig (1947) και πλέον

Διαβάστε περισσότερα

Πρόβλημα Μεταφοράς. Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης

Πρόβλημα Μεταφοράς. Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης Πρόβλημα Μεταφοράς Άδεια Χρήσης Το παρόν

Διαβάστε περισσότερα

Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z

Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z Άσκηση Η εταιρία ηλεκτρισμού ELECTRON έχει τρείς μονάδες ηλεκτροπαραγωγής Α, Β, C και θέλει να καλύψει τη ζήτηση σε τέσσερις πόλεις W, Χ, Υ, Ζ. Η μέγιστη παραγωγή, η απαιτούμενη ζήτηση και το κόστος μεταφοράς

Διαβάστε περισσότερα

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014) Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014) Θέμα 1 Μια επιχείρηση χρησιμοποιεί 3 πρώτες ύλες Α, Β, Γ για να παράγει 2 προϊόντα Π1 και Π2. Για την παραγωγή μιας μονάδας προϊόντος Α απαιτούνται 1

Διαβάστε περισσότερα

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Το πρόβλημα της επιλογής των μέσων διαφήμισης (??) το αντιμετωπίζουν τόσο οι επιχειρήσεις όσο και οι διαφημιστικές εταιρείες στην προσπάθειά τους ν' αναπτύξουν

Διαβάστε περισσότερα

3. ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ( Transportation )

3. ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ( Transportation ) 3. ΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ 3. ΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ( Transportation ) Σε αυτή την ενότητα θα ασχοληθούμε με προβλήματα που αφορούν τη μεταφορά αγαθών από διαφορετικά σημεία παραγωγής ή κεντρικής αποθήκευσης

Διαβάστε περισσότερα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία

Διαβάστε περισσότερα

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση Κεφάλαιο ο: Δικτυωτή Ανάλυση. Εισαγωγή Η δικτυωτή ανάλυση έχει παίξει σημαντικό ρόλο στην Ηλεκτρολογία. Όμως, ορισμένες έννοιες και τεχνικές της δικτυωτής ανάλυσης είναι πολύ χρήσιμες και σε άλλες επιστήμες.

Διαβάστε περισσότερα

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Προϋποθέσεις Εφαρμογής

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός Πρόβλημα Αντιστοιχήσεως

Γραμμικός Προγραμματισμός Πρόβλημα Αντιστοιχήσεως ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης Γραμμικός Προγραμματισμός Πρόβλημα Αντιστοιχήσεως

Διαβάστε περισσότερα

Επιχειρησιακή έρευνα (ασκήσεις)

Επιχειρησιακή έρευνα (ασκήσεις) Επιχειρησιακή έρευνα (ασκήσεις) ΤΕΙ Ηπείρου (Τμήμα Λογιστικής και Χρηματοοικονομικής) Γκόγκος Χρήστος (06-01-2015) 1. Γραφική επίλυση προβλημάτων Γραμμικού Προγραμματισμού A) Με τη βοήθεια της γραφικής

Διαβάστε περισσότερα

3.12 Το Πρόβλημα της Μεταφοράς

3.12 Το Πρόβλημα της Μεταφοράς 312 Το Πρόβλημα της Μεταφοράς Σ αυτή την παράγραφο και στις επόμενες μέχρι το τέλος του κεφαλαίου θα ασχοληθούμε με μερικά σπουδαία είδη προβλημάτων γραμμικού προγραμματισμού Οι ειδικές αυτές περιπτώσεις

Διαβάστε περισσότερα

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 1 Βελτιστοποίηση Στην προσπάθεια αντιμετώπισης και επίλυσης των προβλημάτων που προκύπτουν στην πράξη, αναπτύσσουμε μαθηματικά μοντέλα,

Διαβάστε περισσότερα

Το µαθηµατικό µοντέλο του Υδρονοµέα

Το µαθηµατικό µοντέλο του Υδρονοµέα Ερευνητικό έργο: Εκσυγχρονισµός της εποπτείας και διαχείρισης του συστήµατος των υδατικών πόρων ύδρευσης της Αθήνας Το µαθηµατικό µοντέλο του Υδρονοµέα Ανδρέας Ευστρατιάδης και Γιώργος Καραβοκυρός Τοµέας

Διαβάστε περισσότερα

Ανάλυση Ευαισθησίας. αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η

Ανάλυση Ευαισθησίας. αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η Ανάλυση Ευαισθησίας αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η μεταβολή των αντικειμενικών συντελεστών c μεταβολή των όρων b i στο δεξιό μέλος του συστήματ των περιορισμ μεταβολή των συντελεστών

Διαβάστε περισσότερα

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων Επιχειρησιακή Έρευνα Τυπικό Εξάμηνο: Δ Αλέξιος Πρελορέντζος Εισαγωγή Ορισμός 1 Η συστηματική εφαρμογή ποσοτικών μεθόδων, τεχνικών

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 19: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n

Διαβάστε περισσότερα

Η άριστη ποσότητα παραγγελίας υπολογίζεται άμεσα από τη κλασική σχέση (5.5): = 1000 μονάδες

Η άριστη ποσότητα παραγγελίας υπολογίζεται άμεσα από τη κλασική σχέση (5.5): = 1000 μονάδες ΠΡΟΒΛΗΜΑ 1 Η ετήσια ζήτηση ενός σημαντικού εξαρτήματος που χρησιμοποιείται στη μνήμη υπολογιστών desktops εκτιμήθηκε σε 10.000 τεμάχια. Η αξία κάθε μονάδας είναι 8, το κόστος παραγγελίας κάθε παρτίδας

Διαβάστε περισσότερα

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός 3.1 Εισαγωγή Πολλοί πιστεύουν ότι η ανάπτυξη του γραμμικού προγραμματισμού είναι μια από τις πιο σπουδαίες επιστημονικές ανακαλύψεις στα μέσα του εικοστού αιώνα.

Διαβάστε περισσότερα

Άσκηση 5. Εργοστάσια. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Άσκηση 5. Εργοστάσια. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Άσκηση Μια μεγάλη εταιρεία σκοπεύει να μπει δυναμικά στην αγορά αναψυκτικών της χώρας διαθέτοντας συνολικά 7 μονάδες κεφαλαίου. Το πρόβλημα που αντιμετωπίζει είναι αν πρέπει να κατασκευάσει ένα κεντρικό

Διαβάστε περισσότερα

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΙΟΥΝΙΟΣ 12 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΘΕΜΑ 1 ο Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α Μία εταιρεία παροχής ολοκληρωμένων ευρυζωνικών υπηρεσιών μελετά την

Διαβάστε περισσότερα

RIGHTHAND SIDE RANGES

RIGHTHAND SIDE RANGES Μια εταιρεία εξόρυξης μεταλλευμάτων, έλαβε μια παραγγελία για 100 τόνους σιδηρομεταλλεύματος. Η παραγγελία πρέπει να περιλαμβάνει τουλάχιστον.5 τόνους νικέλιο, το πολύ τόνους άνθρακα κι ακριβώς 4 τόνους

Διαβάστε περισσότερα

z = c 1 x 1 + c 2 x c n x n

z = c 1 x 1 + c 2 x c n x n Τεχνολογικό Εκπαιδευτικό Ιδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός & Βελτιστοποίηση Δρ. Δημήτρης Βαρσάμης Καθηγητής Εφαρμογών Δρ. Δημήτρης Βαρσάμης Μάρτιος

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX 2.1 Βασικές έννοιες - Ορισμοί Ο αλγόριθμος Simplex για τα προβλήματα γραμμικού προγραμματισμού, βλέπε Dntzig (1963), αποδίδει αρκετά καλά στην πράξη, ιδιαίτερα σε προβλήματα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ: Το Πρόβλημα της μεταφοράς και οι μέθοδοι επίλυσης του. Εφαρμογές χρησιμοποιώντας το R

ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ: Το Πρόβλημα της μεταφοράς και οι μέθοδοι επίλυσης του. Εφαρμογές χρησιμοποιώντας το R ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ: Το Πρόβλημα της μεταφοράς και οι μέθοδοι επίλυσης του. Εφαρμογές χρησιμοποιώντας το R Σύνοψη Το πρόβλημα της μεταφοράς αποτελεί μια ειδική κατηγορία προβλημάτων γραμμικού προγραμματισμού,

Διαβάστε περισσότερα

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ) Ανάλυση Ευαισθησίας. Έχοντας λύσει ένας πρόβλημα ΓΠ θα πρέπει να αναρωτηθούμε αν η λύση έχει φυσική σημασία. Είναι επίσης πολύ πιθανό να έχουμε χρησιμοποιήσει δεδομένα για τα οποία δεν είμαστε σίγουροι

Διαβάστε περισσότερα

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone Hµέθοδος Stepping Stoneείναι µία επαναληπτική διαδικασία για τον προσδιορισµό της βέλτιστης λύσης σε ένα πρόβληµα µεταφοράς.

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 3: Εισαγωγή στο Γραμμικό Προγραμματισμό (3 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων

Διαβάστε περισσότερα

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο Διδάσκων: Ι. Κολέτσος Κανονική Εξέταση 2007 ΘΕΜΑ 1 Διαιτολόγος προετοιμάζει ένα μενού

Διαβάστε περισσότερα

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ

2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ 2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ Ο Συγκεντρωτικός Προγραμματισμός Παραγωγής (Aggregae Produion Planning) επικεντρώνεται: α) στον προσδιορισμό των ποσοτήτων ανά κατηγορία προϊόντων και ανά χρονική

Διαβάστε περισσότερα

Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Ανάλυση ευαισθησίας Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Παράδειγμα TOYCO Η επιχείρηση TOYCO χρησιμοποιεί

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 1: Εισαγωγή στο Γραμμικό Προγραμματισμό (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων

Διαβάστε περισσότερα

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α

Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΣΕΠΤΕΜΒΡΙΟΣ 2011 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Ε Π Ι Χ Ε Ι Ρ Η Σ Ι Α Κ Η Ε Ρ Ε Υ Ν Α ΘΕΜΑ 1 ο Σε ένα διαγωνισμό για την κατασκευή μίας καινούργιας γραμμής του

Διαβάστε περισσότερα

Chemical A.E. χηµική βιοµηχανία Ρύπανση του παρακείµενου ποταµού µε απόβλητα

Chemical A.E. χηµική βιοµηχανία Ρύπανση του παρακείµενου ποταµού µε απόβλητα Case 15: Προστασία του Περιβάλλοντος ΣΕΝΑΡΙΟ Chemical A.E. χηµική βιοµηχανία Ρύπανση του παρακείµενου ποταµού µε απόβλητα 1 Σενάριο και υπόλοιπα δεδοµένα Συγκροτήθηκε οµάδα εργασίας για την επεξεργασία

Διαβάστε περισσότερα

2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας

2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας 2. Βασικές Έννοιες Γραμμικού Προγραμματισμού 69 2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας Ένα μοντέλο γραμμικού προγραμματισμού πρέπει να λαμβάνει υπόψη το δυναμικό περιβάλλον των συνεχών αλλαγών

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #3: Ακέραιος Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης

Διαβάστε περισσότερα

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks) Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο Ορισμοί Παραδείγματα Δικτυακή Simplex (προβλήματα με και χωρίς φραγμούς). Δίκτυα Ροής Ελάχιστου Κόστους (Minimum ost Flow Networks) Ένα δίκτυο μεταφόρτωσης αποτελείται

Διαβάστε περισσότερα

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Γραμμικός προγραμματισμός: Εισαγωγή Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 3 η /2017 Γραμμικός προγραμματισμός Είναι μια μεθοδολογία

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #1: Ασκήσεις Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Μοντέλα Διαχείρισης Αποθεμάτων

Μοντέλα Διαχείρισης Αποθεμάτων Μοντέλα Διαχείρισης Αποθεμάτων 2 Εισαγωγή (1) Ο όρος απόθεμα αναφέρεται σε προϊόντα και υλικά που αποθηκεύονται από την επιχείρηση για μελλοντική χρήση Τα αποθέματα μπορεί να περιλαμβάνουν Πρώτες ύλες

Διαβάστε περισσότερα

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017 Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Η μέθοδος Simplex Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος Simplex είναι μια

Διαβάστε περισσότερα

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX ΚΕΦΑΛΑΙΟ 3 ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX 3.1 Εισαγωγή Ο αλγόριθμος Simplex θεωρείται πλέον ως ένας κλασικός αλγόριθμος για την επίλυση γραμμικών προβλημάτων. Η πρακτική αποτελεσματικότητά του έχει

Διαβάστε περισσότερα

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων ΚΕΦΑΛΑΙΟ 4 ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ 4. Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων Η περιγραφή του ΔΑΣΕΣ στο προηγούμενο κεφάλαιο έγινε με σκοπό να διευκολυνθούν οι αποδείξεις

Διαβάστε περισσότερα

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης

Διαβάστε περισσότερα

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Η μέθοδος Simplex Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος

Διαβάστε περισσότερα

ΤΟ ΠΡΟΒΛΗΜΑ ΜΕΤΑΦΟΡΑΣ

ΤΟ ΠΡΟΒΛΗΜΑ ΜΕΤΑΦΟΡΑΣ ΤΟ ΠΡΟΒΛΗΜΑ ΜΕΤΑΦΟΡΑΣ Η αρχική τους εφαρµογή, όπως δηλώνει και η ονοµασία τους, αφορούσε τον καθορισµό του βέλτιστου τρόπου µεταφοράς αγαθών από διαφορετικά σηµεία παραγωγής ή κεντρικής αποθήκευσης (π.χ.,

Διαβάστε περισσότερα

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΙΟΥΝΙΟΣ 2 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ ΘΕΜΑ ο : Για το μοντέλο του π.γ.π. που ακολουθεί maximize z = x

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 18: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού

Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού Ερμηνεία Λύσεων

Διαβάστε περισσότερα

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016 Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Δυϊκότητα Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Το δυϊκό πρόβλημα Για κάθε πρόβλημα Γραμμικού Προγραμματισμού υπάρχει

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I Επιχειρησιακή Έρευνα I Operations/Operational Research (OR) Κωστής Μαμάσης Παρασκευή 9: : Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα EE & Εισαγωγή Μαθηματικός Προγραμματισμός - Γραμμικός Προγραμματισμός

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 10: Ειδικές περιπτώσεις επίλυσης με τη μέθοδο simplex (2o μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός Εισαγωγή Το πρόβλημα του Σχεδιασμού στη Χημική Τεχνολογία και Βιομηχανία. Το συνολικό πρόβλημα του Σχεδιασμού, από μαθηματική άποψη ανάγεται σε ένα πρόβλημα επίλυσης συστήματος

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Δεσμευτικοί περιορισμοί Πρόβλημα Βιομηχανική επιχείρηση γαλακτοκομικών προϊόντων Συνολικό μοντέλο Maximize z = 150x 1 + 200x 2 (αντικειμενική

Διαβάστε περισσότερα

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ . ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ. Μέγιστα και Ελάχιστα Συναρτήσεων Χωρίς Περιορισμούς Συναρτήσεις μιας Μεταβλητής Εστω f ( x) είναι συνάρτηση μιας μόνο μεταβλητής. Εστω επίσης ότι x είναι ένα σημείο στο πεδίο ορισμού

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΣΕΠΤΕΜΒΡΙΟΣ 2008 ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ, ΠΙΘΑΝΟΤΗΤΩΝ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΜΑ 1 ο Σε μία γειτονιά, η ζήτηση ψωμιού η οποία ανέρχεται σε 1400 φραντζόλες ημερησίως,

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 9: Ειδικές περιπτώσεις επίλυσης με τη μέθοδο simplex (1o μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Η πλέον γνωστή και περισσότερο χρησιµοποιηµένη µέθοδος για την επίλυση ενός γενικού προβλήµατος γραµµικού προγραµµατισµού, είναι η µέθοδος Simplex η οποία αναπτύχθηκε

Διαβάστε περισσότερα

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Γραμμικός προγραμματισμός: μέθοδος simplex Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 4 η /2017 Η γεωμετρία των προβλημάτων γραμμικού

Διαβάστε περισσότερα

Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)

Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1) Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1) Η βιομηχανική επιχείρηση «ΑΤΛΑΣ Α.Ε.» δραστηριοποιείται στο χώρο του φυσικού αερίου και ειδικότερα στις συσκευές οικιακής χρήσης. Πρόκειται να εισάγει

Διαβάστε περισσότερα