Βασικές έννοιες και ορισµοί. Ευθεία
|
|
- Πηρω Λύκος
- 8 χρόνια πριν
- Προβολές:
Transcript
1
2 Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa}
3 Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α}
4 Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Ηµιχώρος α R. a R n E = {x R n ax > α}
5 Βασικές έννοιες και ορισµοί Κυρτό Σύνολο x 1, x 2 C R n λ R, λ [0, 1] λx 1 + (1 λ)x 2 C
6 Βασικές έννοιες και ορισµοί Κυρτό Σύνολο x 1, x 2 C R n λ R, λ [0, 1] λx 1 + (1 λ)x 2 C Κυρτό Σύνολο (γενίκευση) p N, i = 1,..., p, x i C p λ i R, λ i = 1 i=1 p λ i x i C i=1
7 Πολύτοπο (1, 0, 3) (0, 0, 3) (0, 1, 3) (1, 0, 2) (0, 0, 0) (2, 0, 0) (0, 2, 0) (2, 2, 0)
8 Πολύτοπο Πολύτοπο Ενα σηµείο x ανήκει στο πολύτοπο P εάν : A p x b p όπου A p : m n πίνακας x : n 1 και b p : m 1 διανύσµατα κολόνα
9 Κυρτό Πολύτοπο Εστω κυρτό πολύτοπο P και σηµεία x 1, x 2 P A p x 1 b p, A p x 2 b p λ R, 0 λ 1
10 Κυρτό Πολύτοπο Εστω κυρτό πολύτοπο P και σηµεία x 1, x 2 P A p x 1 b p, A p x 2 b p λ R, 0 λ 1 λa p x 1 + (1 λ)a p x 2 λb p + (1 λ)b p A p (λx 1 + (1 λ)x 2 ) b p
11 Κυρτό Πολύτοπο Εστω κυρτό πολύτοπο P και σηµεία x 1, x 2 P A p x 1 b p, A p x 2 b p λ R, 0 λ 1 λa p x 1 + (1 λ)a p x 2 λb p + (1 λ)b p A p (λx 1 + (1 λ)x 2 ) b p Το σηµείο λx 1 + (1 λ)x 2 ανήκει στο P
12 Ακρότατα Σηµεία Ακρότατα Σηµεία (Extreme Points) Ενα σηµείο x είναι ακρότατο σηµείο ενός πολύτοπου P εάν x 1, x 2 P λx 1 + (1 λ)x 2 x για κάθε λ (0, 1)
13 Ακρότατα Σηµεία Ακρότατα Σηµεία (Extreme Points) Ενα σηµείο x είναι ακρότατο σηµείο ενός πολύτοπου P εάν x 1, x 2 P λx 1 + (1 λ)x 2 x για κάθε λ (0, 1) Θεώρηµα Εστω ένα πολύτοπο P µε ακρότατα σηµεία y 1, y 2,..., y n. Κάθε σηµείο x P µπορεί να γραφτεί ως γραµµικός συνδυασµός των ακροτάτων του P n x = λ i y i, λ i [0, 1] i=1
14 Θεώρηµα Βέλτιστου Θεώρηµα Βέλτιστου Εστω πολύτοπο P και συνάρτηση f : R n R Εστω x = argopt x P f(x) (ϐέλτιστη λύση ορισµένη στο P) : x ακρότατο σηµείο του P όπου opt = max ή min
15 Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P
16 Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P Γράφουµε το x σαν γραµµικό συνδυασµό των ακροτάτων k k x = λ i y i, λ i [0, 1], λ i = 1 i=1 i=1
17 Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P Γράφουµε το x σαν γραµµικό συνδυασµό των ακροτάτων k k x = λ i y i, λ i [0, 1], λ i = 1 i=1 f(x ) = f( i=1 k λ i y i ) = i=1 k i=1 max i λ i (max i k λ i f(y i ) i=1 f(y i ) = f(y i ) f(y i )) = max f(y i ) i k i=1 λ i
18 Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P Γράφουµε το x σαν γραµµικό συνδυασµό των ακροτάτων k k x = λ i y i, λ i [0, 1], λ i = 1 i=1 f(x ) = f( i=1 k λ i y i ) = i=1 k i=1 max i λ i (max i k λ i f(y i ) i=1 f(y i ) = f(y i ) f(y i )) = max f(y i ) i Λόγω γραµµικότητας x = y i, i = arg max f(y i ) i k i=1 λ i
19 Υπογραφή Συµβολαίων Εταιρία Συµβόλαιο 1 Συµβόλαιο 2 Περιορισµοί Μηχανικοί Τεχνικοί Ωρες λειτουργίας Κέρδος 8 6 Στόχος : Μεγιστοποίηση κέρδους κέρδος
20 Υπογραφή Συµβολαίων Εταιρία Συµβόλαιο 1 Συµβόλαιο 2 Περιορισµοί Μηχανικοί Τεχνικοί Ωρες λειτουργίας Κέρδος 8 6 Στόχος : Μεγιστοποίηση κέρδους κέρδος Βέλτιστος συνδυασµός συµβολαίων 1 και 2
21 Υπογραφή Συµβολαίων Εταιρία Συµβόλαιο 1 Συµβόλαιο 2 Περιορισµοί Μηχανικοί Τεχνικοί Ωρες λειτουργίας Κέρδος 8 6 Στόχος : Μεγιστοποίηση κέρδους κέρδος Βέλτιστος συνδυασµός συµβολαίων 1 και 2 Μεταβλητές x i : αριθµός συµβολαίων τύπου i = 1, 2
22 Γραµµικό Σύστηµα µε πίνακες (Εταιρία) εδοµένα A = x = [ x x 2 ] b = c t = [ ] 8 6
23 Γραµµικό Σύστηµα µε πίνακες (Εταιρία) εδοµένα A = x = [ x x 2 Σύστηµα ] max z =c t x s.t. Ax b x 0 b = c t = [ ] 8 6
24 Εφικτές Λύσεις (Feasible Solutions) x A B OABC : Εφικτή Περιοχή O C x 1
25 Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x)
26 Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας
27 Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας Θέτοντας x = ( 1 2, 0) έχουµε f(x ) = 2
28 Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας Θέτοντας x = ( 1, 0) 2 έχουµε f(x ) = 2 Μετακινούµε την ευθεία ϑέτοντας x = (2, 1)
29 Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας Θέτοντας x = ( 1, 0) 2 έχουµε f(x ) = 2 Μετακινούµε την ευθεία ϑέτοντας x = (2, 1) Ο σταθερός συντελεστής αυξάνεται! f(x ) = 20
30 Γραµµικό Σύστηµα µε πίνακες (Παραγωγή) εδοµένα A = x = [ x x 2 ] b = c t = [ c 1 c 2 ]
31 Γραµµικό Σύστηµα µε πίνακες (Παραγωγή) εδοµένα A = x = [ x x 2 Σύστηµα ] max z =c t x s.t. Ax b x 0 b = c t = [ c 1 c 2 ]
32 Γραφική Επίλυση (Παραγωγή 1) Θέτουµε c 1 = 1 και c 2 = 1. Η αντικειµενική συνάρτηση γίνεται : max z = x 1 + x 2 Για να ϐρούµε την κλίση της (εφαπτοµένη): x 1 + x 2 = a x 2 = a x 1 dx 2 dx 1 = 1 tan(φ f() ) = 1
33 Γραφική Επίλυση (Παραγωγή 1) x M 1 M 2 M 3 O M x 1
34 Γραφική Επίλυση (Παραγωγή 1) Χώρος εφικτών λύσεων Θα συµβολίζουµε τον χώρο των εφικτών λύσεων ως D
35 Γραφική Επίλυση (Παραγωγή 1) Χώρος εφικτών λύσεων Θα συµβολίζουµε τον χώρο των εφικτών λύσεων ως D Γραµµική έκφραση αντικειµενικής συνάρτησης Η ευθεία της αντικειµενικής συνάρτησης a ορίζεται από την εφαπτοµένη και µια τιµή a : x 1 + x 2 = a. Εάν D a τότε z = a
36 Γραφική Επίλυση (Παραγωγή 1) x t = t(m 2 M 3 ) + M 3 = tm 2 + (1 t)m 3 x 2 M 2 M 3 M 2 x t t(m 2 M 3 ) + M 3 M 3 t(m 2 M 3 ) x 1 M 3
37 Γραφική Επίλυση (Παραγωγή 1) [ ] [ ] 3 6 Στο παράδειγµα έχουµε M 2 = και M 3 = 5 2 Η τιµή της αντικειµενικής συνάρτησης στο σηµείο x t είναι : f(x t ) = x t 1 + x t 2 = (3t + 6(1 t)) + (5t + 2(1 t) = 3t + 6 6t + 5t + 2 2t = 8
38 Γραφική Επίλυση (Παραγωγή 1) [ ] [ ] 3 6 Στο παράδειγµα έχουµε M 2 = και M 3 = 5 2 Η τιµή της αντικειµενικής συνάρτησης στο σηµείο x t είναι : f(x t ) = x t 1 + x t 2 = (3t + 6(1 t)) + (5t + 2(1 t) = 3t + 6 6t + 5t + 2 2t = 8 Για a = 8 : a D = [M2, M3] Απειρία ϐέλτιστων λύσεων, κάθε σηµείο της ευθείας (M 2, M 3 )
39 Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4.
40 Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4
41 Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4 Ο χώρος των εφικτών λύσεων µένει ο ίδιος!
42 Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4 Ο χώρος των εφικτών λύσεων µένει ο ίδιος! Μεγιστοποίηση στη τιµή 24 : 24 D = {M 1 }
43 Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4 Ο χώρος των εφικτών λύσεων µένει ο ίδιος! Μεγιστοποίηση στη τιµή 24 : 24 D = {M 1 } Μοναδική ϐέλτιστη λύση!
44 Παράδειγµα 3 Γραφική λύση του προβλήµατος : max z = 2 x 1 +3 x 2 s.t. x 1 x 2 1 x 1 + 4x 2 2 6x 1 + x 2 2 x 1, x 2 0
45 Γραφική Επίλυση (Παραγωγή 1) x x 1
46 Γραφική Επίλυση (Παραγωγή 1) x x 1 x x 1
47 Γραφική Επίλυση (Παραγωγή 1) x x 1 x x 1 + 4x 2 2 x 1
48 Γραφική Επίλυση (Παραγωγή 1) x 2 2 6x 1 + x x 1 x x 1 + 4x 2 2 x 1
49 Γραφική Επίλυση (Παραγωγή 1) x 2 2 6x 1 + x x 1 x x 1 + 4x 2 2 Κενή Εφικτή Περιοχή! x 1
50 Παράδειγµα 4 Γραφική λύση του προβλήµατος : max z = x 1 + x 2 s.t. x 1 + 6x x 1 + x 2 10 x 2 25 x 2 5 x 1, x 2 0
51 Παράδειγµα 4 x 2 25 x x 1 + x 2 10 x 1 + 6x x 2 5 x 1
52 Παράδειγµα 4 x 2 25 x x 1 + x 2 10 x 1 + 6x Η Εφικτή Περιοχή είναι µη ϕραγµένη! 5 x 2 5 x 1
53 Παράδειγµα 4 x 2 25 x x 1 + x 2 10 x 1 + 6x Η Εφικτή Περιοχή είναι µη ϕραγµένη! 5 x 2 5 x 1 Για οποιοδήποτε a 0 a D Η ϐέλτιστη λύση τείνει στο άπειρο!
54 Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις :
55 Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο )
56 Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο ) Απειρες ϐέλτιστες λύσεις ( a D : πλευρά,επιφάνεια ή υπέρ-επιφάνεια )
57 Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο ) Απειρες ϐέλτιστες λύσεις ( a D : πλευρά,επιφάνεια ή υπέρ-επιφάνεια ) Τιµή Βέλτιστη λύση τείνει στο άπειρο (D : µη ϕραγµένο)
58 Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο ) Απειρες ϐέλτιστες λύσεις ( a D : πλευρά,επιφάνεια ή υπέρ-επιφάνεια ) Τιµή Βέλτιστη λύση τείνει στο άπειρο (D : µη ϕραγµένο) Καµία λύση (D = )
Βασικές έννοιες και ορισµοί. Ευθεία
Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Βασικές έννοιες και ορισµοί Ευθεία
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
Εισαγωγή. Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση. υϊσµός
Εισαγωγή Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση Εισαγωγή Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση Σε περιπτώσεις
Simplex µε πίνακες Simplex µε πίνακες
Μορφή Πινάκων max z =cx s.t. Ax = b x 0 Μορφή Πινάκων max z =cx s.t. Ax = b x 0 [ A c x = b ] Μορφή Πινάκων max z =cx s.t. Ax = b x 0 A x = b [ ] c Επιλογή αντιστρέψιµου υποπίνακα m m (Βάση) Συµβολισµοί
Ακέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Ακέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Μοντελοποίηση προβληµάτων
Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων
Πανεπιστήμιο Αιγαίου. Γραμμικός Προγραμματισμός
Πανεπιστήμιο Αιγαίου URL: http://www.aegean.gr Γραμμικός Προγραμματισμός Ευστράτιος Ιωαννίδης Πανεπιστήμιο Αιγαίου Τμήμα Μαθηματικών 832 Καρλόβασι Σάμος Copyright Πανεπιστήμιο Αιγαίου, Τμήμα Μαθηματικών
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
Ο Αλγόριθµος της Simplex
Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Αρχικοποίηση : Επέλεξε έναν αντιστρέψιµο πίνακα B (m m) έτσι ώστε x
Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν τη γραµµική αντικειµενική συνάρτηση. n j = j = 1, 2,, n
KΕΦΑΛΑΙΟ 6 Γραµµικός Προγραµµατισµός 6. ΕΙΣΑΓΩΓΗ Ο γραµµικός προγραµµατισµός (Γ.Π.) είναι µια µέθοδος βελτιστοποίησης που εφαρµόζεται για την επίλυση προβληµάτων στα οποία η αντικειµενική συνάρτηση και
Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex
Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex Νίκος Τσάντας ιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά των Υπολογιστών και των Αποφάσεων Ακαδημαϊκό έτος 2006-07
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 9: Γεωμετρία του Χώρου των Μεταβλητών, Υπολογισμός Αντιστρόφου Μήτρας Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 2: Γραφική επίλυση προβληµάτων γραµµικού προγραµµατισµού(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com
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
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Bέλτιστος σχεδιασμός με αντικειμενική συνάρτηση και περιορισμούς
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
Ερωτήσεις πολλαπλής επιλογής
Ερωτήσεις πολλαπλής επιλογής. * Έστω µια συνάρτηση f για την οποία ισχύουν οι υποθέσεις του θεωρήµατος του Rolle στο διάστηµα [α, β]. Τότε θα υπάρχει ξ (α, β), ώστε η εφαπτοµένη της C f στο (ξ, f (ξ))
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
Ευκλείδειοι Χώροι. Ορίζουµε ως R n, όπου n N, το σύνολο όλων διατεταµένων n -άδων πραγµατικών αριθµών ( x
Ευκλείδειοι Χώροι Ορίζουµε ως R, όπου N, το σύνολο όλων διατεταµένων -άδων πραγµατικών αριθµών x, x,, x ) Tο R λέγεται ευκλείδειος -χώρος και τα στοιχεία του λέγονται διανύσµατα ή σηµεία Το x i λέγεται
ΕΝΝΟΙΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ, διαλ. 4. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 6/5/2017
ΕΝΝΟΙΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ διαλ. 4 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 6/5/7 Χαρακτηριστικά του προβλήματος Μελέτη αντικειμενικών συναρτήσεων και συναρτήσεων περιορισμών: Απλούστευση προβλήματος
Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange
64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από
Γενικευµένη Simplex Γενικευµένη Simplex
Πρόβληµα cutting stock Λογικά µεγέθη (20 περιορισµοί, 24000 µεταβλητές) Πρόβληµα cutting stock Λογικά µεγέθη (20 περιορισµοί, 24000 µεταβλητές) Μεγάλα µεγέθη (30 περιορισµοί, 190000 µεταβλητές) Πρόβληµα
Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό
Πληροφοριακά Συστήματα Διοίκησης Εισαγωγή στον Γραμμικό Προγραμματισμό Τι είναι ο Γραμμικός Προγραμματισμός; Είναι το σημαντικότερο μοντέλο στη Λήψη Αποφάσεων Αντικείμενό του η «άριστη» κατανομή περιορισμένων
Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )
Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ 3.1 Η έννοια της παραγώγου Εστω y = f(x) µία συνάρτηση, που συνδέει τις µεταβλητές ποσότητες x και y. Ενα ερώτηµα που µπορεί να προκύψει καθώς µελετούµε τις δύο αυτές ποσοτήτες είναι
Μικροοικονοµική Θεωρία. Συνάρτηση και καµπύλη κόστους. Notes. Notes. Notes. Notes. Κώστας Ρουµανιάς. 22 Σεπτεµβρίου 2014
Μικροοικονοµική Θεωρία Κώστας Ρουµανιάς Ο.Π.Α. Τµήµα. Ε. Ο. Σ. 22 Σεπτεµβρίου 2014 Κώστας Ρουµανιάς (.Ε.Ο.Σ.) Μικροοικονοµική Θεωρία 22 Σεπτεµβρίου 2014 1 / 49 Συνάρτηση και καµπύλη κόστους Πολύ χρήσιµες
ή J (u * ) = 0 (2) J(u) = u 3 στο σηµείο u * = 0 J (1) = 3 u 2 = 0 J (2) = 6 u = 0 J (3) = 6 > 0
KΕΦΑΛΑΙΟ Κλασσικές Μέθοδοι Βελτιστοποίησης Χωρίς Περιορισµούς. ΕΙΣΑΓΩΓΗ Το γενικό πρόβληµα βελτιστοποίησης διατυπώνεται ως εξής: Ζητούνται οι τιµές των µεταβλητών απόφασης u που ελαχιστοποιούν την αντικειµενική
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 1: Γραµµικός προγραµµατισµός(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com http://vasilis-ismyrlis.webnode.gr/
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
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 3 3.1 Γενικά Τις τελευταίες δεκαετίες ένας μεγάλος αριθμός μεθόδων βελτιστοποίησης έχει αναπτυχθεί με βάση τη θεωρία του μαθηματικού λογισμού. Οι διάφοροι μαθηματικοί
3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
ΑΠΑΝΤΗΣΕΙΣ. ΘΕΜΑ 1o. ΘΕΜΑ 2o
ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑ o α. Θεωρία: Θεώρηµα σελ. 7 σχολικού βιβλίου β. Θεωρία: Η απάντηση βρίσκεται στη σελ. 7 του σχολικού βιβλίου γ. α-σ β-σ γ-σ δ-λ ε-λ ΘΕΜΑ o α. Είναι: w z iz + ( α + βi i( α βi + α + βi αi
Γραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Παράδειγμα ΕΠΙΠΛΟΞΥΛ Η βιοτεχνία ΕΠΙΠΛΟΞΥΛ παράγει δύο βασικά προϊόντα: τραπέζια και καρέκλες υψηλής ποιότητας. Η διαδικασία παραγωγής και για τα δύο προϊόντα περιλαμβάνει την
x k+1 = x k + α k (x k ) ώστε f(x k+1 ) < f(x k ),
KΕΦΑΛΑΙΟ 5 Υπολογιστικές Μέθοδοι Βελτιστοποίησης Χωρίς Περιορισµούς 5.1 ΕΙΣΑΓΩΓΗ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση min f(x) x R n x Στα περισσότερα
ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2003
ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ o A. Να αποδείξετε ότι, αν µία συνάρτηση f είναι παραγωγίσιµη σ ένα σηµείο x, τότε είναι και συνεχής στο σηµείο αυτό.
min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +
KΕΦΑΛΑΙΟ 4 Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ανισότητες 4. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΑΝΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση
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
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 τελευταία ενημέρωση: 21/10/2016
Κεφάλαιο 3ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ
Κεφάλαιο 3ο: ΙΑΦΟΡΙΚΟ ΟΓΙΜΟ ο ΜΕΡΟ Ερωτήσεις του τύπου «ωστό - άθος». * Αν µια συνάρτηση f είναι συνεχής στο διάστηµα [α, β], παραγωγίσιµη στο διάστηµα (α, β) και f (α) = f (β), τότε υπάρχει τουλάχιστον
ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΝΑΡΤΗΣΕΩΝ ΑΚΡΟΤΑΤΑ ΣΥΝΑΡΤΗΣΕΩΝ. Αριθμητικές μέθοδοι ελαχιστοποίησης ΕΛΑΧΙΣΤΟΠΟΙΗΣΗ ΧΩΡΙΣ ΠΕΡΙΟΡΙΣΜΟΥΣ
ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΝΑΡΤΗΣΕΩΝ Πρόβλημα Βελτιστοποίησης: Μεγιστοποίηση ή Ελαχιστοποίηση συνάρτησης στόχου: f(,..., N ) Καθορισμός του διανύσματος = [,..., N ], που καταλήγει σε μέγιστη ή ελάχιστη τιμή της
ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2003
ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΘΕΜΑ o A. Να αποδείξετε ότι, αν µία συνάρτηση f είναι παραγωγίσιµη σ ένα σηµείο x, τότε είναι και συνεχής στο σηµείο αυτό. Β. Τι
Αρµονική Ανάλυση. Ενότητα: Ολοκλήρωµα Lebesgue - Ασκήσεις. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών
Ενότητα: Ολοκλήρωµα Lebesgue - Ασκήσεις Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commos. Για εκπαιδευτικό υλικό, όπως εικόνες,
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 3: Μαθηματικό Πρότυπο, Κανονική Μορφή, Τυποποιημένη Μορφή Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Κυρτή Ανάλυση. Ενότητα: Υπερεπίπεδα στήριξης και διαχωριστικά ϑεωρήµατα. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών
Ενότητα: Υπερεπίπεδα στήριξης και διαχωριστικά ϑεωρήµατα Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 τελευταία ενημέρωση: 21/10/2016 1 Γραφική μέθοδος
Υπόδειξη. (α) Άµεσο αφού κάθε υποσύνολο µηδενικού συνόλου είναι µετρήσιµο.
Κεφάλαιο 2 Ολοκλήρωµα Lebesgue 2.1 Οµάδα Α 1. Αν η f : (a, b) R είναι παραγωγίσιµη, τότε η f είναι µετρήσιµη. Υπόδειξη. Θεωρούµε την ακολουθία f : (a, b) R µε f (x) = [f(x + 1/) f(x)]. Εφόσον, η f είναι
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 13 ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15 ΚΕΦΑΛΑΙΟ 1: ΣΥΝΑΡΤΗΣΕΙΣ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 17 1. Εισαγωγή 17 2. Πραγματικές συναρτήσεις διανυσματικής μεταβλητής
Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)
Όρια συναρτήσεων.5. Ορισµός. Έστω, f : Α συνάρτηση συσσώρευσης του Α και b σηµείο. Λέµε ότι η f έχει ως όριο το διάνυσµα b καθώς το τείνει προς το και συµβολίζουµε li = ή f b f b αν και µόνο αν, για κάθε
Α) δηλώνουν τις ποσότητες που, ανάλογα με το πρόβλημα, θα παραχθούν, επενδυθούν, αγοραστούν, κατασκευαστούν κ.λπ.
1. 0 γραμμικός προγραμματισμός μπορεί να εφαρμοστεί στη διαχείριση αγροτικής παραγωγής για τη βέλτιστη κατανομή πόρων όπως., με τρόπο που να οδηγεί στη μεγιστοποίηση των κερδών. Α) διαθέσιμης προς καλλιέργειας
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.
Σηµειώσεις. Eφαρµοσµένα Μαθηµατικά Ι. Nικόλαος Aτρέας
Σηµειώσεις Eφαρµοσµένα Μαθηµατικά Ι ικόλαος Aτρέας ΘΕΣΣΑΛΟΝΙΚΗ 207 Περιεχόµενα Κεφάλαιο. Επισκόπηση γνωστών εννοιών. -8. Σειρές πραγµατικών αριθµών..2 Σειρές συναρτήσεων..3 Γενικευµένα ολοκληρώµατα. Κεφάλαιο
1 Το ϑεώρηµα του Rademacher
Το ϑεώρηµα του Rademacher Νικόλαος Μουρδουκούτας Περίληψη Σε αυτήν την εργασία ϑα αποδείξουµε το ϑεώρηµα του Rademacher, σύµφωνα µε το οποίο κάθε Lipschiz συνάρτηση f : R m είναι διαφορίσιµη σχεδόν παντού.
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
max f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0
Μαθηματικές Μέθοδοι Βελτιστοποίησης - Εστιάζουμε στο ακόλουθο πρόβλημα μεγιστοποίησης μιας αντικειμενικής συνάρτησης f υπό ένα σύνολο ανισοτικών περιορισμών: max f( x,..., x ) { x,..., x } 1 n 1 st. :
Επίλυση Γραµµικών Συστηµάτων
Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n
Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού
Σελίδα 1 από Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού Στο κεφάλαιο αυτό θα ασχοληθούµε µε τα βασικά θεωρήµατα του διαφορικού λογισµού καθώς και µε προβλήµατα που µπορούν να επιλυθούν χρησιµοποιώντας
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING) Δρ. Βασιλική Καζάνα Αναπλ. Καθηγήτρια ΤΕΙ Καβάλας, Τμήμα Δασοπονίας & Διαχείρισης Φυσικού Περιβάλλοντος Δράμας Εργαστήριο Δασικής Διαχειριστικής
ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα
ΚΕΦΑΛΑΙΟ 4 Ακέραια Πολύεδρα 1 Ορισμός 4.1 (Convex Hull) Έστω ένα σύνολο S C R n. Ένα σημείο x του R n είναι κυρτός συνδυασμός (convex combination) σημείων του S, αν υπάρχει ένα πεπερασμένο σύνολο σημείων
Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Περιεχόμενα 1 Γενικά στοιχεία γραμμικού προγραμματισμού 2 Παράδειγμα γραμμικού προγραμματισμού και γραφικής επίλυσης του 3 Γραμμικός προγραμματισμός
Εκπαιδευτικός Οµιλος ΒΙΤΑΛΗ
Συναρτήσεις, Ορια, Συνέχεια ρ. Κωνσταντίνος Κυρίτσης Μακράς Στοάς 7 & Εθνικής Αντιστάσεως Πειραιάς 185 31 05 Μαρτίου 2009 Περίληψη Οι παρούσες σηµειώσεις αποτελούν µια σύνοψη της ϑεωρίας των συναρτήσεων,
ΠΕΡΙΕΧΟΜΕΝΑ KΕΦΑΛΑΙΟ 1 ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 1
ΠΕΡΙΕΧΟΜΕΝΑ KΕΦΑΛΑΙΟ 1 ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 1 1.1 Εισαγωγή... 1 1.2 Λύση ΔΕ, αντίστροφο πρόβλημα αυτής... 3 Ασκήσεις... 10 1.3 ΔΕ πρώτης τάξης χωριζομένων μεταβλητών... 12 Ασκήσεις... 15 1.4 Ομογενείς
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
Κεφάλαιο 2ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ
Κεφάλαιο ο: ΙΑΦΟΡΙΚΟ ΟΓΙΜΟ ο ΜΕΡΟ Ερωτήσεις του τύπου «ωστό - άθος» 1. * Αν η συνάρτηση f είναι παραγωγίσιµη στο R και f (α) f (β), α, β R, α < β, τότε ισχύει f () για κάθε (α, β).. * Αν η συνάρτηση f
Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)
Όρια συναρτήσεων 5 Ορισµός Έστω, : Α συνάρτηση συσσώρευσης του Α και b σηµείο Λέµε ότι η έχει ως όριο το διάνυσµα b καθώς το τείνει προς το και συµβολίζουµε li ή b b αν και µόνο αν, για κάθε ε > υπάρχει
Τίτλος Μαθήματος: Απειροστικός Λογισμός ΙΙΙ. Ενότητα: Όρια και συνέχεια συναρτήσεων. Διδάσκων: Ιωάννης Γιαννούλης. Τμήμα: Μαθηματικών
Τίτλος Μαθήματος: Απειροστικός Λογισμός ΙΙΙ Ενότητα: Όρια και συνέχεια συναρτήσεων Διδάσκων: Ιωάννης Γιαννούλης Τμήμα: Μαθηματικών Κεφάλαιο 2 Ορια και συνέχεια συναρτήσεων 2.1 Πραγµατικές συναρτήσεις
Ορια Συναρτησεων - Ορισµοι
Ορια Συναρτησεων - Ορισµοι Λυγάτσικας Ζήνων Βαρβάκειο Ενιαίο Πειραµατικό Λύκειο 3 Σεπτεµβρίου 205 Εισαγωγή Στην παράγραφο αυτή ϑα δούµε πως προκύπτει η ιδέα του ορίου στην προσπά- ϑεια να ορίσουµε την
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
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
Τι είναι Γραμμική Άλγεβρα;
Γιατί Γραμμική Άλγεβρα; Είναι χρήσιμη Είναι όμορφη Είναι απαραίτητη Τι είναι Γραμμική Άλγεβρα; Τι είναι Γραμμική Άλγεβρα; (από την Βικιπαίδεια) Τι είναι Γραμμική Άλγεβρα; (από την Βικιπαίδεια) Η γραμμική
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/)
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h9p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του
Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής
Θεωρία Παιγνίων και Αποφάσεων Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Παίγνια μηδενικού αθροίσματος PessimisIc play Αμιγείς max-min και
f( ) + f( ) + f( ) + f( ). 4 γ) υπάρχει x 2 (0, 1), ώστε η εφαπτοµένη της γραφικής παράστασης της
ΘΕΜΑΤΑ. Η συνάρτηση f είναι παραγωγίσιµη στο κλειστό διάστηµα [, ] και ισχύει f () > για κάθε (, ). Αν f() και f(), να δείξετε ότι: α. η ευθεία y τέµνει τη γραφική παράσταση της f σ' ένα ακριβώς σηµείο
ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ I 22 Διάρκεια εξέτασης: 2 ώρες και 15' 1 (4 μονάδες)
ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ I Διάρκεια εξέτασης: ώρες και 15' 1 (4 μονάδες) f() α) Να βρεθούν γραφικά τα σημεία ισοελαστικότητας, αν υπάρχουν, της συνάρτησης f() που έχει το γράφημα του παραπλεύρως
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
Το δυϊκό πρόβλημα,οι πολλαπλασιαστές Lagrange και ερμηνείες τους
Το δυϊκό πρόβλημα,οι πολλαπλασιαστές Lagrange και ερμηνείες τους ΣΗΜΜΥ Ιανουάριος, 2013 Αρχικό πρόβλημα βελτιστοποίησης με περιορισμούς: Πρωτεύον min f(x)st x X, g j 0, j = 1 r Για να λύσουμε το πρόβλημα,
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
Γραµµικός Προγραµµατισµός (ΓΠ)
Γραµµικός Προγραµµατισµός (ΓΠ) Περίληψη Επίλυση δυσδιάστατων προβληµάτων Η µέθοδος simplex Τυπική µορφή Ακέραιος Προγραµµατισµός Προγραµµατισµός Παραγωγής Προϊόν Προϊόν 2 Παραγωγική Δυνατότητα Μηχ. 4 Μηχ.
( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η
Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν
ΦΡΟΝΤΙΣΤΗΡΙΟ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΗΡΑΚΛΕΙΤΟΣ ΚΩΛΕΤΤΗ
ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΔΕΥΤΕΡΑ ΙΟΥΝΙΟΥ 08 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Ε Ν Δ Ε Ι Κ Τ Ι Κ Ε Σ Α Π Α Ν Τ Η Σ Ε Ι Σ Θ Ε Μ Α Τ Ω Ν ΘΕΜΑ Α Α. Θεώρημα σχολικό βιβλίο
Γραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Δημήτρης Φωτάκης Προσθήκες (λίγες): Άρης Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση
Εκπαιδευτικός Οµιλος ΒΙΤΑΛΗ
Μερική Παράγωγος και Εφαρµογές ρ. Κωνσταντίνος Κυρίτσης Μακράς Στοάς 7 & Εθνικής Αντιστάσεως Πειραιάς 185 31 19 Μαρτίου 2009 Περίληψη Οι παρούσες σηµειώσεις αποτελούν µια σύνοψη της ϑεωρίας των µε- ϱικών
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
ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών
54 ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών ιαφόριση συναρτήσεων πολλών µεταβλητών Ένας στέρεος ορισµός της παραγώγισης για συναρτήσεις πολλών µεταβλητών ανάλογος µε τον ορισµό για συναρτήσεις µιας µεταβλητής
Η f(x) y είναι συνεχής στο [0, 2α], σαν διαφορά των συνεχών f(x) και y = 8αx 8α 2
1994 ΘΕΜΑΤΑ 1. ίνεται η συνάρτηση f()=,. Α) Αν ε είναι η εφαπτοµένη της γραφικής παράστασης C της συνάρτησης f στο σηµείο Μ(α, α ), α >, να βρείτε το εµβαδόν του χωρίου που περικλείεται από τη C, την ευθεία
Υπολογιστική Γεωμετρία
Υπολογιστική Γεωμετρία 1ο Μέρος: Κυρτότητα(γ) Γιάννης Εμίρης Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Εαρ.2015 Γιάννης Εμίρης (Τμήμα Πληροφορικής και Τηλεπικοινωνιών Υπολογιστική Γεωμετρία
max f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0
Μαθηματικές Μέθοδοι Βελτιστοποίησης - Εστιάζουμε στο ακόλουθο πρόβλημα μεγιστοποίησης μιας αντικειμενικής συνάρτησης f υπό ένα σύνολο ανισοτικών περιορισμών: max f( x,..., x ) { x,..., x } st. : g ( x,...,
Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:
Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων: Φάμπιο Αντωνίου Στοιχεία Επικοινωνίας: email: fantoniou@cc.uoi.gr Τηλ:651005954 Προσωπική Ιστοσελίδα: fantoniou.wordpress.com Γραφείο: Κτίριο
Αρµονική Ανάλυση. Ενότητα: L 2 -σύγκλιση σειρών Fourier. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών
Ενότητα: L -σύγκλιση σειρών Fourier Απόστολος Γιαννόπουλος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
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,
την αρχή των αξόνων και ύστερα να υπολογίσετε το εμβαδόν του
ΑΣΚΗΣΗ 47 Δίνεται η συνάρτηση f(x) = και οι ευθείες (ε ): y = x και (ε ): y = x +. Να αποδείξετε ότι:. Η (ε ) είναι ασύμπτωτη της C f στο, ενώ η (ε ) είναι ασύμπτωτη της C f στο +. Για κάθε x R ισχύει
Κεφάλαιο 1. Θεωρία Ζήτησης
Κεφάλαιο 1 Θεωρία Ζήτησης Στο κεφάλαιο αυτό υποθέτουµε ότι καταναλωτής εισέρχεται στην αγορά µε πλούτο w > 0 και επιθυµεί να τον ανταλλάξει µε διάνυσµα αγαθών x που να µεγιστοποιεί τις προτιµήσεις του.
Τμήμα Εφαρμοσμένης Πληροφορικής
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Δυϊκή Θεωρία (1) Θεώρημα : Το δυϊκό πρόβλημα του γραμμικού προβλήματος 0 0 1 1 2 2 0 0 T
Ακέραιος Γραμμικός Προγραμματισμός
Τμήμα Πληροφορικής & Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων 2018-2019 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος- Γεωργία Φουτσιτζή Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος
ΜΙΓΑ ΙΚΟΙ. 3. Για κάθε z 1, z 2 C ισχύει z1 + z2 = z1 + z2. 4. Για κάθε z C ισχύει z z 2 z. 5. Για κάθε µιγαδικό z ισχύει: 6.
ΜΙΓΑ ΙΚΟΙ 1 Για κάθε z 1, z 2 C ισχύει z1 z2 z1 z2 1 2 Για κάθε z 1, z 2 C ισχύει z1 z2 z1 z2 3 Για κάθε z 1, z 2 C ισχύει z1 + z2 = z1 + z2 4 Για κάθε z C ισχύει z z 2 z 5 Για κάθε µιγαδικό z ισχύει:
ΚΕΦΑΛΑΙΟ 4 ΤΟ ΕΡΓΑΛΕΙΟ SOLVER
ΚΕΦΑΛΑΙΟ 4 ΤΟ ΕΡΓΑΛΕΙΟ SOLVER 4.1. ΕΙΣΑΓΩΓΗ Με την "Επίλυση", µπορείτε να βρείτε τη βέλτιστη τιµή για τον τύπο ενός κελιού το οποίο ονοµάζεται κελί προορισµού σε ένα φύλλο εργασίας. Η "Επίλυση" λειτουργεί
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 1: Δυϊκή Θεωρία, Οικονομική Ερμηνεία Δυϊκού Προβλήματος Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Θεωρία παραγωγού. Μικροοικονομική Θεωρία Ι / Διάλεξη 11 / Φ. Κουραντή 1
Θεωρία παραγωγού Σκοπός: Μεγιστοποίηση κερδών (υπάρχουν κι άλλοι σκοποί, π.χ. ένας μάνατζερ επιδιώκει την μεγιστοποίηση εσόδων κτλ. Τελικά όμως σκοπεύει στην μεγιστοποίηση των κερδών για να μπορέσει να
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) TEΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ 4 Ιουνίου 7 Από τα κάτωθι Θέµατα καλείστε να λύσετε το ο που περιλαµβάνει ερωτήµατα από όλη την ύλη
Π Κ Τ Μ Ε Μ Λύσεις των ασκήσεων
Π Κ Τ Μ Ε Μ Λύσεις των ασκήσεων Πρ. Η f : [0, ] R είναι συνεχής στο [0, ]. Χρησιμοποιώντας το Θεώρημα Bolzao- Weierstraß δείξτε ότι η f είναι φραγμένη στο [0, ]. Μην επικαλεστείτε κάποιο άλλο θεώρημα.
Ατοµική Θεωρία Ζήτησης
Κεφάλαιο 1 Ατοµική Θεωρία Ζήτησης Στο κεφάλαιο αυτό υποθέτουµε ότι καταναλωτής εισέρχεται στην αγορά µε πλούτο w > 0 και επιθυµεί να τον ανταλλάξει µε διάνυσµα αγαθών x που να µεγιστοποιεί τις προτιµήσεις