(S k R n ) (C k R m )
|
|
- Κλυταιμνήστρα Γκόφας
- 6 χρόνια πριν
- Προβολές:
Transcript
1 KΕΦΑΛΑΙΟ 7 υναµικός Προγραµµατισµός 7.1 ΕΙΣΑΓΩΓΗ Η θεωρία αποφάσεων διακρίνεται σε δύο µεγάλες κατηγορίες, µε βάση το αν ο υπεύθυνος απόφασης είναι µοναδικός φορέας ή πολλοί φορείς. Μέχρι τώρα αναπτύχθηκαν µέθοδοι της πρώτης κατηγορίας, οι οποίες µπορεί να διακριθούν σε στατικές ή µονοσταδιακές και σε σειριακές ή πολυσταδιακές όπου ο χρόνος µπορεί να είναι διακριτός ή συνεχής. Στο στατικό πρόβληµα αφορά την ελαχιστοποίηση της συνάρτησης κόστους που είναι µια συνάρτηση του διανύσµατος µεταβλητών απόφασης min J(u) u R n u Στο σειριακό πρόβληµα το διάνυσµα των µεταβλητών κατάστασης του συστήµατος εξελίσσεται στον χρόνο ή στον χώρο σύµφωνα µε ένα σύστηµα εξισώσεων στις οποίες εµπλέκονται και οι µεταβλητές απόφασης. Η συνάρτηση κόστους είναι το άθροισµα του κόστους µετάβασης σε κάθε σταδίου και τελικά εξαρτάται από τη (γνωστή) αρχική κατάσταση και τις τιµές των µεταβλητών απόφασης σε κάθε στάδιο. Για το µη γραµµικό σύστηµα x + 1 = f (x, u ) µε συνάρτηση κόστους µετάβασης g = g (x, u ) το συνολικό κόστος είναι N-1 J( u) = G N (x ) + g (x,u ) = G Φ (x,u) + J(x,u) 4 3 Κόστος N N ( N 0 ) κόστος τελική ς κατάστασης = 0 κόστοςενδιάµεσης κατάστασης συνάρτηση µόνο των αποφάσεων u Ζητείται να βρεθεί η σειρά αποφάσεων (πολιτική) u που ελαχιστοποιεί το κόστος: min J(u) u Η λύση του παραπάνω προβλήµατος αναπτύχθηκε ήδη στο Κεφάλαιο 3 σαν εφαρµογή για εξάσκηση 3.4 για τον βέλτιστο έλεγχο, χρησιµοποιώντας κλασσικές µεθόδους βελτιστοποίησης. Η προσέγγιση αυτή απαιτεί οι συναρτήσεις να είναι συνεχείς και παραγωγίσιµες και να µην υπάρχουν περιορισµοί. Ο δυναµικός προγραµµατισµός (.Π.) είναι µια µέθοδος που διαχωρίζει το πρόβληµα πολυσταδιακής βελτιστοποίησης σε µια σειρά προβληµάτων µονοσταδιακής βελτιστοποίησης που µπορεί να επιλυθούν µε µια από τις ήδη
2 γνωστές µεθόδους. Ο διαχωρισµός γίνεται µε τέτοιο τρόπο ώστε η βέλτιστη λύση του αρχικού προβλήµατος να µπορεί να προκύψει από τις βέλτιστες λύσεις των επί µέρους προβληµάτων, η µέθοδος επίλυσης των οποίων δεν επηρεάζει το αποτέλεσµα. Παράδειγµα 7.1 Έστω ένας ταµιευτήρας και x = στάθµη του νερού στον ταµιευτήρα τη χρονική στιγµή (µεταβλητή κατάστασης), η στάθµη x 0 τη χρονική στιγµή 0 είναι γνωστή r = εισροή νερού στον ταµιευτήρα τη χρονική στιγµή, (µεταβλητή εισόδου), γνωστή για = 0, Ν u = εκροή από τον ταµιευτήρα τη χρονική στιγµή (µεταβλητή απόφασης), ζητούµενο για = 0, Ν Εξίσωση κατάστασης (ισοζύγιο µάζας ταµιευτήρα): x +1 = x - u + r = 0, Ν-1 και x 0 γνωστό g (x, u ) = κόστος απόφασης για εκροή u τη στιγµή Συνολικό Κόστος = J(u) = g (x ) N N 123 κόστος τελική ς κατάστασης + N-1 Την χρονική στιγµή : είναι γνωστή η κατάσταση x λαµβάνεται η απόφαση u υπολογίζεται το κόστος g (x, u ) δηµιουργείται η νέα κατάσταση x +1 g (x,u ) = 0 κόστος ενδιάµεσης µετάβασης 7.2 ΑΛΓΟΡΙΘΜΟΣ ΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Ορισµός: Πολιτική π = {µ 0,, µ Ν-1 } είναι ένα σύνολο συναρτήσεων που προσδιορίζει τις τιµές των µεταβλητών απόφασης u από τις τιµές των µεταβλητών κατάστασης x, δηλαδή u = µ (x ) Το πρόβληµα είναι να ελαχιστοποιηθεί το κόστος για όλες τις δυνατές πολιτικές π min J (x0) = J (x0) π π Έστω S = το σύνολο όλων των δυνατών καταστάσεων τη χρονική στιγµή (S R n ) C = το σύνολο όλων των δυνατών αποφάσεων τη χρονική στιγµή (C R m )
3 Για κάθε x S u = µ (x ) C U (x ) = το σύνολο όλων των εφικτών αποφάσεων τη χρονική στιγµή, αν η κατάσταση είναι x (δηλαδή λαµβάνει υπόψη τους περιορισµούς του προβλήµατος, U (x ) C ). Ορισµός: Αποδεκτή Πολιτική π = {µ 0,, µ Ν-1 } είναι ένα σύνολο συναρτήσεων που έχουν πεδίο τιµών το σύνολο U (x ) ή µ : S C και µ (x ) U (x ) x S Αναδροµική µορφή του Κόστους Μετάβασης Θεώρηµα: Το κόστος ενδιάµεσης µετάβασης εξαρτάται µόνο από την τρέχουσα κατάσταση τη χρονική στιγµή και παίρνει τη µορφή (η υπογράµµιση των διανυσµάτων παραλείπεται στο εξής) J (x ) = g (x, u ) + J +1 (f (x, u )) Απόδειξη J Ν = g Ν (x Ν ) = J Ν (x Ν ) J Ν-1 = g Ν (x Ν ) + g Ν-1 (x Ν-1, u Ν-1 ) = g Ν-1 (x Ν-1, u Ν-1 ) + J Ν (x Ν ) = g Ν-1 (x Ν-1, µ Ν-1 (x Ν-1 )) + J Ν (f Ν(x Ν-1, µ Ν-1 (x Ν-1 ))) = J Ν-1(x Ν-1 ) J Ν-2 = g Ν (x Ν ) + g Ν-1 (x Ν-1, u Ν-1 ) + g Ν-2 (x Ν-2, u Ν-2 ) = g Ν-2 (x Ν-2, u Ν-2 ) + J Ν-1(x Ν-1 ) = g Ν-2 (x Ν-2, µ Ν-2 (x Ν-2 )) + J Ν-1 (f Ν-1(x Ν-2, µ Ν-2 (x Ν-2 ))) = J Ν-2(x Ν-2 ) κ.λπ. Σύµφωνα µε το προηγούµενο θεώρηµα το πρόβληµα ελαχιστοποίησης σε κάθε στάδιο γράφεται J Ν (x Ν ) = g Ν (x Ν ) J (x ) = min [g (x, u ) + J +1 (f (x, u ))] = N-1, N-2,...,0 u U (x ) όπου J (x ) = J (x ) = βέλτιστο κόστος για το πρόβληµα αρχίζοντας από την κατάσταση x τη χρονική στιγµή και έτσι J 0 (x 0 ) = J (x 0 ) = ελάχιστο κόστος µετάβασης από x 0 σε x Ν Θεώρηµα (Βασικό του.π.) Εάν π = { µ 0,..., µ Ν-1 } έτσι ώστε µ (x ) επιτυγχάνει το ελάχιστο για κάθε x τότε η π είναι η βέλτιστη πολιτική 3
4 Αλγόριθµος (προς τα πίσω) J Ν (x Ν ) = g Ν (x Ν ) Για = N-1, N-2,...,0 Για κάθε x S Για κάθε u U (x ) υπολόγισε το J (x ) = g (x, u ) + J +1 (x +1 ) και ελαχιστοποίησε το ως προς u J (x ) Αρχή Βελτιστότητας Εάν η { µ 0,..., µ Ν-1 } είναι βέλτιστη για το αρχικό πρόβληµα, τότε η {µ,..., µ Ν-1 } είναι βέλτιστη για το πρόβληµα που αρχίζει τη στιγµή Η αρχή αυτή προτάθηκε από τον R. Bellman, ο οποίος από τις αρχές της δεκαετίας του 1950 ανέπτυξε τη θεωρία του.π. σε 60 βιβλία και 600 άρθρα περιοδικών. Είναι χαρακτηριστικό της ιδιοµορφίας της εργασίας του ότι η πρώτη δηµοσίευση του για το.π. απορρίφθηκε σαν απλοϊκή. Το Θεώρηµα και η Αρχή Βελτιστότητας σηµαίνουν ότι η βέλτιστη πολιτική θα αποφέρει ελάχιστο κόστος µετάβασης στην τελική κατάσταση από οποιοδήποτε ενδιάµεσο στάδιο. Η απόδειξη της Αρχής της Βελτιστότητας χρησιµοποιεί τις εξής δύο προτάσεις: 1) min [h 1 (x) + h 2 (x, y)] = min [h 1 (x) + min h 2 (x, y)] x y 2) x, y min [h(x, µ(x)] = µ min [h(x,u)] u Απόδειξη µε µαθηµατική επαγωγή προς τα πίσω Για i = N J Ν (x Ν ) = g Ν (x Ν ) = J (x Ν ) Έστω ισχύει για i+1 Για i έχουµε J i+1 (x i+1 ) = J (x i+1 ) = J (x i ) = {µ i,..., µ -Ν -1} min {µ i+ 1,..., µ -Ν -1} N-1 min [g N (x N ) + = i N-1 [g N (x N ) + = i+ 1 g (x, µ (x ))] g (x, µ (x ))]
5 5 = min [g i (x i, µ i (x i )) + g N (x N ) + {µ i,..., µ -Ν -1} N-1 = i+ 1 g (x, µ (x ))] συνάρτηση του µ i συνάρτηση του µ i+1,..,µ Ν-1 χρησιµοποιώντας την (1) = min g i (x i, µ i (x i )) + µ i min {µ i+ 1,..., µ -Ν -1} N-1 [g N (x N ) + = i+ 1 = min g i (x i, µ i (x i )) + J (x i+1 ) µ i = min g i (x i, µ i (x i )) + J i+1 (x i+1 ) µ i χρησιµοποιώντας την (2) = min g i (x i, u i ) + J i+1 ( f i(x i, u i )) = J i (x i) u i Ui (x i ) g (x, µ (x ))] Πολυπλοκότητα Αλγόριθµος.Π. C x S x N Εξαντλητικός υπολογισµός για κάθε S C C S Για Ν στάδια π = { µ 0,..., µ Ν-1 } { C S } Ν = C S Ν Εποµένως ο αλγόριθµος.π. είναι πολύ ταχύτερος, όµως για µεγάλο αριθµό µεταβλητών απόφασης και πολλά στάδια ο υπολογιστικός φόρτος µπορεί να είναι τεράστιος ( curse of dimensionality ). Παράδειγµα Συντοµότερη διαδροµή σε δίκτυο Ζητείται ο αγωγός µε το ελάχιστο κόστος ανάµεσα στα Α-Ζ όπου τα κόστη µετάβασης είναι όπως αναγράφονται στην εικόνα: A C 1 D 1 B B 2 11 C B 3 14 C 3 14 κανένας βρόγχος δεν έχει αρνητικό κόστος (αλλοιώς το κόστος ελαχιστοποιείται επαναλαµβάνοντας τον βρόγχο αυτόν πολλές φορές πριν την άφιξη) αν η σύνδεση ij δεν υπάρχει θέτουµε c ij = άπειρο λαµβάνεται c ii = 0 D 2 D Z
6 κατάσταση x = κόµβος στο στάδιο στάδιο µετάβαση µεταξύ κόµβων έλεγχος απόφαση ποιά είναι η επόµενη κατάσταση δυναµική εξίσωση x +1 = u κόστος g (x, u ) = c x u = cij αν x N = A 0 αν x N = Z J (x ) = min [ c + J +1 (u )] ή J (i) = αλγόριθµος.π. J Ν (x Ν ) = g Ν (x Ν ) = u x u κόστος να φτάσουµε στον κόµβο j ξεκινώντας από τον i στάδιο κατάσταση απόφαση νέα κατάσταση κόστος min [c ij + J +1 (j)] = βέλτιστο j κόστος µέχρι τώρα ολικό κόστος i j j c ij J j 4 D 1 Z Z D 2 Z Z D 3 Z Z C 1 D 1 D D 2 D D 3 D C 2 D 1 D D 2 D D 3 D C 3 D 1 D D 2 D D 3 D B 1 C 1 C C 2 C C 3 C B 2 C 1 C C 2 C C 3 C B 3 C 1 C C 2 C C 3 C A B 1 B B 2 B B 3 B Βέλτιστη πολιτική: Α [10] Β 1 [8] C 1 [8] D 1 [9] Z f =35 ή Α [10] Β 1 [9] C 3 [7] D 1 [9] Z f =35 Εξαντλητικός υπολογισµός: 3 3 = n N-1 N 3 υναµικός Προγραµµατισµός: 3x3x2 + 3x2 = (N-2) n 2 + 2n (N ο αριθµός των σταδίων, n ο αριθµός των κόµβων σε κάθε ενδιάµεσο στάδιο)
7 7 Παράδειγµα Σύστηµα Ύδρευσης Συνολική διαθέσιµη ποσότητα νερού Q = 5. Ζητείται να γίνει βέλτιστη διάθεση σε τρεις καταναλωτές j = 1, 2, 3 όταν είναι γνωστό ότι b j x j Οφέλη B = a (1 e ) Κόστη d C = c j j x j j j a j b j c j d j Η λύση θα προκύψει σε 3 στάδια, όπου σε κάθε στάδιο θα ληφθεί απόφαση για έναν καταναλωτή. Μεταβλητή κατάστασης S j = διαθέσιµο νερό στο στάδιο j Μεταβλητή απόφασης x j = νερό που διατέθηκε στον j καταναλωτή (στάδιο) Εξίσωση κατάστασης S j+1 = S j - x j Αντικειµενική συνάρτηση g (x ) = a (1 e j j j b jx j ) c j x d j j Αλγόριθµος υναµικού Προγραµµατισµού J Ν (S Ν ) = g Ν (S Ν ) = 0 J j (x j ) = max [g j (x j ) + J j+1 ( S j - x j )] j = N-1, N-2,...,0 x j S 1 = 5 S 2 = S 1 - x 1 S 3 = S 2 - x 2 S 4 = S 3 x 3 Στάδιο 1 x 1 g 1 (x 1 ) Στάδιο 2 x 2 g 2 (x 2 ) Στάδιο 3 x 3 g 3 (x 3 ) x 1 = 0 x 2 = 1 x 3 = 4 f = 18
8 S 3 x 3 S 4 g 3 (x 3,S 3 ) J 4 (S 4 ) J 3 (S 3 ) J 3 (S 3 ) x S 2 x 2 S 3 g 2 (x 2, S 2 ) J 3 (S 3 ) J 2 (S 2 ) J 2 (S 2 ) x S 1 x 1 S 2 g 1 (x 1, S 1 ) J 2 (S 2 ) J 1 (S 1 ) J 1 (S 1 ) x
9 9 Αλγόριθµος προς τα µπρος J +1 (s +1 ) = max [g (x, s ) + J (s )] x S 1 x 1 S 2 g 1 (x 1, S 1 ) J 1 (S 1 ) J 2 (S 2 ) J 2 (S 2 ) S S 2 x 2 S 3 g 2 (x 2, S 2 ) J 2 (S 2 ) J 3 (S 3 ) J 3 (S 3 ) S S 3 x 3 S 4 g 3 (x 3, S 3 ) J 3 (S 3 ) J 4 (S 4 ) J 4 (S 4 ) S
10 Παράδειγµα 7.4 υναµικός Προγραµµατισµός µε πολλές µεταβλητές κατάστασης Ένας εργολάβος χρησιµοποιεί ζεύγη προωθητή-εκσκαφέα για να διεκπεραιώνει εκσκαφές. Καθώς ο προωθητής ή ο εκσκαφέας παλιώνει, το ετήσιο κέρδος από το ζεύγος µειώνεται, εξαιτίας του αυξηµένου κόστους συντήρησης. Απλοποιώντας το πρόβληµα, ας υποθέσουµε ότι ο εργολάβος δε χρησιµοποιεί τον προωθητή πάνω από 4 έτη και τον εκσκαφέα πάνω από 2 έτη και ότι το εκτιµώµενο καθαρό κέρδος από το ζεύγος, ανάλογα µε την ηλικία των µηχανηµάτων, είναι όπως στον πίνακα: Ηλικία προωθητή Ηλικία εκσκαφέα Καθαρό κέρδος (χιλιάδες $) Το κόστος ενός νέου προωθητή ή εκσκαφέα είναι $9,000 και $3,000 αντίστοιχα. Αντικαταστάσεις στο τέλος του έτους i χρεώνονται στο ίδιο έτος. Στο τέλος κάθε έτους ο εργολάβος επιλέγει µια από τις εξής τέσσερις πολιτικές: Κόστος (χιλιάδες $) Κ Καµµία αντικατάσταση 0 Π Αντικατάσταση µόνο του προωθητή 9 Ε Αντικατάσταση µόνο του εκσκαφέα 3 Αντικατάσταση και των δύο 12 Να προσδιοριστεί η πολιτική αντικατάστασης που µεγιστοποιεί το κέρδος για µια δεδοµένη χρονική περίοδο (ορίζοντας σχεδιασµού Ν). Να επιλυθεί το πρόβληµα για Ν = 4. Η λύση θα προκύψει σε 4 στάδια, όπου σε κάθε στάδιο θα ληφθεί η απόφαση αντικατάστασης. Μεταβλητή κατάστασης: S i = [s 1i s 2i ] T = ηλικία προωθητή 1 ή εκσκαφέα 2 στην αρχή του έτους i υνατές αποφάσεις: U i = {Κ, Π, Ε, } = σύνολο αποφάσεων στο τέλος του έτους i Μεταβλητές απόφασης: u i = [u 1i u 2i ] T = µεταβολή στην ηλικία προωθητή 1 ή εκσκαφέα 2 λόγω της απόφασης αντικατάστασης στο τέλος του έτους i, εποµένως U i = {Κ, Π, Ε, } = {[0,0] Τ, [-(s 1i + 1), 0] Τ, [0, -(1 + s 2i )] Τ, [-(s 1i + 1), -(1 + s 2i )] Τ } Εξίσωση κατάστασης S i+1 = S i u i
11 Αντικειµενική συνάρτηση g i (S i, x i ) = Κέρδος από την κατάσταση S i - Κόστος απόφασης x i 11 Αλγόριθµος υναµικού Προγραµµατισµού J Ν (S Ν ) = g Ν (S Ν ) = 0 J i (x i ) = max [g i (S i, x j ) + J j+1 (S i+1 )] j = N-1, N-2,...,0 1 x i S 3 x 3 S 4 g 3 (x 3, S 3 ) J 4 (S 4 ) J 3 (S 3 ) J 3 (S 3 ) x 3 [0,0] Κ [1,1] Κ [1,0] Κ [2,1] Κ [2,0] Κ [3,1] Κ [3,0] Κ [4,1] Κ [0,1] Κ [1,2] Κ [1,1] Κ [2,2] Κ [2,1] Κ [3,2] Κ [3,1] Κ [4,2] Κ Είναι προφανές ότι οι καταστάσεις αυτές δεν είναι δυνατές µε βάση τους κανόνες αντικατάστασης των µηχανηµάτων. Όµως επειδή η τελική κατάσταση δεν ενδιαφέρει, η βέλτιστη πολιτική για το τελευταίο έτος είναι να µη γίνει καµιά αντικατάσταση πράγµα που έχει µηδενικό κόστος. S 2 x 2 S 3 g 2 (x 2, S 2 ) J 3 (S 3 ) J 2 (S 2 ) J 2 (S 2 ) x 2 [0,0] Κ [1,1] Κ Π [0,1] Ε [1,0] [0,0] [1,0] Κ [2,1] Κ Π [0,1] Ε [2,0] [0,0] [2,0] Κ [3,1] Κ Π [0,1] Ε [3,0] [0,0] [3,0] Κ --- Π [0,1] Π Ε ---- [0,0] [0,1] Κ ---- Ε [1,0] Ε [0,0] [1,1] Κ ---- Ε [2,0] Ε [0,0]
12 [2,1] Κ ---- Ε [3,0] Ε [0,0] [3,1] Κ ---- Ε ---- [0,0] S 1 x 1 S 2 g 1 (x 1, S 1 ) J 2 (S 2 ) J 1 (S 1 ) J 1 (S 1 ) x 1 [0,0] Κ [1,1] Κ Π [0,1] Ε [1,0] Ε [0,0] [1,0] Κ [2,1] Π [0,1] Π Ε [2,0] [0,0] [2,0] Κ [3,1] Π [0,1] Π Ε [3,0] [0,0] [3,0] Κ --- Π [0,1] Π Ε ---- [0,0] [0,1] Κ ---- Ε [1,0] Ε [0,0] [1,1] Κ ---- Ε [2,0] [0,0] [2,1] Κ ---- Ε [3,0] [0,0] [3,1] Κ ---- Ε ---- [0,0] S 0 x 0 S 1 g 0 (x 0, S 0 ) J 1 (S 1 ) J 0 (S 0 ) J 0 (S 0 ) x 0 [0,0] Κ [1,1] Κ Π [0,1] Ε [1,0]
13 [0,0] [1,0] Κ [2,1] Κ Π [0,1] Π Ε [2,0] [0,0] [2,0] Κ [3,1] Π [0,1] Π Ε [3,0] [0,0] [3,0] Κ --- Π [0,1] Π Ε ---- [0,0] [0,1] Κ ---- Ε [1,0] Ε [0,0] Κ ---- [1,1] Ε [2,0] Ε [0,0] [2,1] Κ ---- Ε [3,0] [0,0] [3,1] Κ ---- Ε ---- [0,0] Εποµένως η πολιτική αντικατάστασης που µεγιστοποιεί το κέρδος για ορίζοντα σχεδιασµού Ν = 4 είναι: [0,0] Κ [1,1] [0,0] Κ [1,1] = $24 χιλιάδες Παρατηρήσεις (1) Ο αλγόριθµος προς τα πίσω είναι σαφές ότι µπορεί να επεκταθεί για οποιοδήποτε ορίζοντα σχεδιασµού. (2) Μια πιο λεπτοµερής ανάλυση µπορεί να χρησιµοποιήσει αποπληθωρισµό των καθαρών εσόδων. (3) Σε µια γενικότερη ανάλυση τα κόστη αντικατάστασης και οι δυνατότητες παραγωγής µπορεί να µεταβάλλονται για κάθε έτος (Bellman R., and S.E. Dreyfus, Applied Dynamic Programming, Princeton University Press, Princeton, New Jersey, 1962, σ. 118).
14 Παράδειγµα 7.5 Αντικειµενική συνάρτηση µε µορφή γινοµένου Η επαναληπτική σχέση του αλγόριθµου του δυναµικού προγραµµατισµού µπορεί να προκύπτει σαν γινόµενο του κόστους µετάβασης για κάθε στάδιο. Για παράδειγµα, σε συστήµατα που αποτελούνται από πολλές συνιστώσες σε σειρά (κινητήρας-αντλία-στρόβιλος) η συνολική απόδοση είναι το γινόµενο των αποδόσεων των επί µέρους στοιχείων, οι οποίες είναι αυξανόµενες συναρτήσεις του κόστους. Ας υποθέσουµε ότι υπάρχουν διαθέσιµες C χρηµατικές µονάδες για τη λειτουργία ενός συστήµατος µε n συνιστώσες. Η απόδοση της i συνιστώσας είναι E i = E i (C i ). Ζητείται να προσδιοριστούν τα κόστη C i ώστε η απόδοση του συστήµατος H C) = E ( C ) να είναι µέγιστη, όπου C = n C i i= 1 n ( i i i= 1 Για ένα σύστηµα µε δύο συνιστώσες Η 2 (C) = E 2 (C 2 ) H 1 (C - C 2 ) ενώ γενικά ισχύει Η n (C) = E n (C n ) H n-1 (C C n ) Σε µια απλή περίπτωση εάν ισχύει E i (C i ) = a C i + b ή (µε a =1, b = 0) E i (C i ) = C i έχουµε: n = 1 n = 2 max Η 1 (C) = E 1 (C 1 ) = C 1 Η 1 (C) = C c 1 maxη 2 (C) = E 2 (C 2 ) H 1 (C - C 2 ) = C 2 (C - C 2 ) C 2 = C/2, c 2 Η 2 (C) = (C/2) 2 Έστω ότι για n = -1 ισχύει Η -1 (C) = C -1 1 n = maxη (C) = E (C ) H C C -1 (C C ) = C c -1, Η (C) = (C/) Απόδειξη: d Η (C ) = dc 2 C C -1 1 C C C C C -1-1 Η µέγιστη απόδοση είναι C C + C -1 2 (-1) n 1 = -1 1 = 0 C C C + C = 0 C = C/ C = C/
15 15 H C ( C) = C C -1 1 C = ( -1) C -1 H C ( C) = Εποµένως µε µαθηµατική επαγωγή, ισχύει C n = C/n, Η C n (C) = n, n = 1, 2, 3. n 1 C = C 7.3 ΓΡΑΜΜΙΚΟΣ-ΤΕΤΡΑΓΩΝΙΚΟΣ ΕΛΕΓΧΟΣ Ας υποθέσουµε γραµµική δυναµική εξίσωση συστήµατος και τετραγωνικό κριτήριο κόστους x +1 = A x + B u x 0 γνωστό, x R n u R m N-1 J = ½ x N T Q N x N + = 0 {½ x T Q x + ½ u T R u } ποινή κατάστασης ποινή απόφασης Q 0, R > 0 π J π 0 (για ελαχιστοποίηση οι µεταβλητές κατάστασης και απόφασης πρέπει να είναι κοντά στο µηδέν) Αλγόριθµος.Π. J N (x N ) = ½ x T N Q N x N J (x ) = min {½ x T Q x + ½ u T R u + J +1 (A x + B u ) } u για = N-1 J N-1 (x N-1 ) = = min {½ x N-1 T Q N-1 x N-1 + ½ u N-1 T R N-1 u N-1 + u N-1 ½ (A N-1 x N-1 + B N-1 u N-1 ) T Q N (A N-1 x N-1 + B N-1 u N-1 ) } min {½ x T N-1 Q N-1 x N-1 + ½ u T N-1 R N-1 u N-1 + u N-1 ½ (x T N-1 A T N-1 Q N A N-1 x N-1 )+ ½ (x T N-1 A T N-1 Q N B N-1 u N-1 )+ ½ (u T N-1 B T N-1 Q N A N-1 x N-1 )+ ½ (u T N-1 B T N-1 Q N B N-1 u N-1 )} (οι διαγώνιοι όροι είναι ίσοι ως ανάστροφοι και βαθµωτοί διαστάσεων (1,1)) = min {½ x T N-1 (Q N-1 + A T N-1 Q N A N-1 )x N-1 + u N-1 1
16 ½ u N-1 T (R N-1 + B N-1 T Q N B N-1 )u N-1 +(x N-1 T A N-1 T Q N B N-1 u N-1 )} dj N-1 /du N-1 = 0 = (R N-1 + B N-1 T Q N B N-1 )u N-1 + B N-1 T Q N A N-1 x N-1 u N-1 = - (R N-1 + B N-1 T Q N B N-1 ) -1 B N-1 T Q N A N-1 x N-1 = L N-1 x N-1 χρησιµοποιώντας αυτή την εξίσωση στη συνάρτηση J N-1 προκύπτει J N-1 (x N-1 ) = ½ x N-1 T K N-1 x N-1 όπου K N-1 = A N-1 T [Q N - Q N B N-1 (R N-1 + B N-1 T Q N B N-1 ) -1 B N-1 T Q N ] A N-1 + Q N-1 συµµετρικός πίνακας και K N-1 0, καθόσον J N-1 0 για = N-2 J N-2(x N-2 ) = min {½ x N-2T Q N-2 x N-2+ ½ u N-2T R N-2 u N-2 + u N-2 ½ (A N-2 x N-2 + B N-2 u N-2 ) T K N-1 (A N-2 x N-2 + B N-2 u N-2 ) } αλλαγές Ν-1 Ν-2, Q N Κ N-1 οπότε γενικά u = - (R + B T K +1 B ) -1 B T K +1 A x = L x J (x ) = ½ x T K x όπου K N = Q N K = A T [K +1 - K +1 B (R + B T K +1 B ) -1 B T K +1 ] A + Q (1) δοµή του προβλήµατος: γραµµικοί περιορισµοί και τετραγωνική συνάρτηση κόστους (2) η βέλτιστη µεταβλητή ελέγχου είναι γραµµική συνάρτηση της µεταβλητής κατάστασης σε κάθε χρονική στιγµή (L ) το βέλτιστο κόστος είναι τετραγωνική συνάρτηση της µεταβλητής κατάστασης σε κάθε χρονική στιγµή (Κ ) οι πίνακες L και Κ είναι συναρτήσεις των A, B, Q, R οπότε µπορεί να υπολογιστούν και αποθηκευτούν (ανεξάρτητοι από τη δυναµική σε πραγµατικό χρόνο) (3) οµή του ελέγχου
17 17 x u x +1 = A x + B u L το κόστος για εκκίνηση από το x τη στιγµή είναι J = ½ x T K x Είναι εµφανώς ένα απλό και εύχρηστο σύστηµα ελέγχου, αλλά είναι επιθυµητό το L να είναι ένας πίνακας χρονικά αµετάβλητος (σταθερό κέρδος): u = L x (4) Για γραµµικά χρονικά αµετάβλητα συστήµατα οι πίνακες A, B, Q, και R είναι χρονικά αµετάβλητοι, όµως οι L και Κ µεταβάλλονται χρονικά K = A T [K +1 - K +1 B(R+ B T K +1 B) -1 B T K +1 ] A+ Q L = - (R + B T K +1 B ) -1 B T K +1 A κάτω από ορισµένες συνθήκες καθώς άπειρο, L L και Κ Κ τότε χρειάζεται να επιλυθεί η αλγεβρική εξίσωση Ricatti (εξίσωση Πινάκων) K = A T [K - K B(R+ B T K B) -1 B T K ] A+ Q η οποία έχει περισσότερες από µία λύσεις, όµως µόνο µία είναι θετικά ηµιορισµένη ( 0). Παράδειγµα 7.6 Γραµµικός-τετραγωνικός έλεγχος H οικολογική ισορροπία µιας λίµνης απαιτεί η συγκέντρωση c µιας χηµικής ουσίας να µην αποµακρύνεται σηµαντικά από την τιµή c στη διάρκεια του καλοκαιριού. Αν δε ληφθούν µέτρα, η συγκέντρωση µειώνεται µε ρυθµό a ανάλογο της απόκλισης από την επιθυµητή τιµή c. Είναι δυνατόν να υπάρξει παρέµβαση, όπου για κάθε µονάδα της µεταβλητής ελέγχου u, η απόκλιση της συγκέντρωσης c αυξάνεται κατά β µονάδες. Η ποινή αποµάκρυνσης από την τιµή c και το κόστος ανά µονάδα της µεταβλητής u είναι q και r αντίστοιχα και αυξάνονται τετραγωνικά (q 0, r 0). Ζητείται η πολιτική (σειρά των τιµών της u) που πρέπει να εφαρµοστεί ώστε να επιτευχθεί το ελάχιστο κόστος. Κατάστρωση Λύσης Ορίζουµε x = c c την απόκλιση της συγκέντρωσης από την επιθυµητή τιµή κατά τη χρονική στιγµή.
18 Η δυναµική εξίσωση του συστήµατος είναι c +1 - c = c - c a (c - c) + β u x +1 = α x + β u x 0 = δ γνωστό όπου α = 1 a Το κόστος J δίδεται από την εξίσωση J N N = ½ q x N + {½ q x + ½ r u } = 0 Η λύση του προβλήµατος δίδεται από u = - (r+b 2 K +1 ) -1 ab K +1 x και το ελάχιστο κόστος αρχίζοντας από τη χρονική στιγµή της βέλτιστης λύσης είναι J = ½ K x 2 όπου η τιµή της Κ υπολογίζεται από την αναδροµική σχέση (εξίσωση Ricatti) K Ν = q K = α 2 [K +1 - β 2 K +1 2 (r+b 2 K +1 ) -1 ] + q = 0, 1, N-1 Ειδικές περιπτώσεις Χαµηλό κόστος µεταβλητής ελέγχου (q >> r) 2 u 0 = - b/a x 0 u = 0 = 1, 2, N-1 J 0 = ½ q x 0 K Ν = K = q Χαµηλή ποινή απόκλισης (q << r) K Ν = K = 0 u = 0 = 0, 1, N-1 J 0 = 0 ΠΡΟΒΛΗΜΑΤΑ ΓΙΑ ΕΞΑΣΚΗΣΗ 7.1 (Star Nichols) Μια εταιρεία παραγωγής αδρανών διαθέτει τέσσερα όµοια µηχανήµατα θραύσης-διαλογής και τέσσερις τοποθεσίες πρώτης ύλης που µπορεί να χρησιµοποιήσει σε ένα έργο. Το κέρδος εξαρτάται από τον συνδυασµό µηχανήµατος τοποθεσίας σύµφωνα µε τον παρακάτω πίνακα. Ζητείται να προσδιοριστεί ο αριθµός των µηχανηµάτων που πρέπει να χρησιµοποιηθούν σε κάθε τοποθεσία, ώστε να µεγιστοποιηθεί το έργο.
19 Το πρόβληµα είναι παρόµοιο µε το Παράδειγµα Σύστηµα Ύδρευσης. Εδώ ο συνολικά διαθέσιµος αριθµός µηχανηµάτων Ν = 4. Η λύση θα προκύψει σε 4 στάδια, όπου σε κάθε στάδιο θα ληφθεί απόφαση για µια τοποθεσία. Μεταβλητή κατάστασης S j = διαθέσιµος αριθµός µηχανηµάτων στη j τοποθεσία (στάδιο) Μεταβλητή απόφασης x j = αριθµός µηχανηµάτων που διατέθηκε στη j τοποθεσία Εξίσωση κατάστασης S j+1 = S j - x j Αλγόριθµος υναµικού Προγραµµατισµού Η βέλτιστη λύση είναι: Τοποθεσία Αριθµός µηχανηµάτων J Ν (S Ν ) = g Ν (S Ν ) = 0 J j (x j ) = max [g j (x j ) + J j+1 ( S j - x j )] j = N-1, N-2,...,0 x j Σύνολο Τοποθεσία Μηχανήµατα Κέρδος Στο παράδειγµα 7.4 θεωρείστε δεδοµένο ότι ο εργολάβος αρχίζει µε νέα µηχανήµατα S 1 = [0,0] Τ και επιλύστε το πρόβληµα χρησιµοποιώντας τον αλγόριθµο προς τα µπρος του δυναµικού προγραµµατισµού. 7.3 Θεωρείστε την ακόλουθη παραλλαγή του Παραδείγµατος 7.3 που αφορά ένα σύστηµα άρδευσης (Πηγή: Hall, W.A., and J. Dracup, Water Resources Engineering, McGraw-Hill, New Yor, 1970). Μια διώρυγα άρδευσης πρόκειται να κατασκευαστεί για να εξυπηρετεί τρεις περιοχές σε απόσταση 30, 50 και 75 m κατάντη του σηµείου εκτροπής. Η συνολική διαθέσιµη ποσότητα νερού ετησίως είναι Q = 800 µονάδες. Ζητείται να γίνει βέλτιστη διάθεση του νερού στις τρεις περιοχές j = 1, 2, 3 όταν είναι γνωστό ότι τα οφέλη και κόστη είναι όπως στον πίνακα 19
20 Ποσότητα νερού Β 1 Β 2 Β 3 c όπου Β j ετήσιο όφελος από την άρδευση στην περιοχή j (χιλιάδες $) c αποπληθωρισµένο κόστος του αγωγού µεταφοράς (χιλιάδες $/m) Η λύση θα προκύψει σε 3 στάδια, όπου σε κάθε στάδιο θα ληφθεί απόφαση για µια περιοχή. Μεταβλητή κατάστασης S j = διαθέσιµο νερό στο στάδιο j Μεταβλητή απόφασης x j = νερό που διατέθηκε στη j περιοχή (στάδιο) Εξίσωση κατάστασης S j+1 = S j - x j Αντικειµενική συνάρτηση: Το καθαρό όφελος g j (x j ) για διάθεση ποσότητας x j είναι ίσο µε το όφελος B j µείον το κόστος του αγωγού (= c x (µήκος αγωγού από την προηγούµενη υδροληψία) Αλγόριθµος υναµικού Προγραµµατισµού J Ν (S Ν ) = g Ν (S Ν ) = 0 J j (x j ) = max [g j (x j ) + J j+1 ( S j - x j )] j = N-1, N-2,...,0 x j S 3 x 3 S 4 B 3 (x 3 ) c 3 (x 3 ) J 4 (S 4 ) J 3 (S 3 ) J 3 (S 3 ) x Παρατηρούµε ότι το κόστος του αγωγού από τη 2 στην 3 εξαρτάται από την απόφαση πόση ποσότητα νερού θα διατεθεί στην 3, και όχι από το πόση ποσότητα είναι διαθέσιµη.
21 S 2 x 2 S 3 B 2 (x 2 ) c 2 (S 2 ) J 3 (S 3 ) J 2 (S 2 ) J 2 (S 2 ) x Παρατηρούµε ότι το κόστος του αγωγού από την 1 στη 2 εξαρτάται από την απόφαση πόση ποσότητα νερού είναι διαθέσιµη και όχι από το πόση ποσότητα θα διατεθεί στην 2, διότι όλη η ποσότητα πρέπει να παροχετευθεί για να είναι διαθέσιµη κατάντη. S 1 x 1 S 2 Β 1 (x 1 ) c 1 (S 1 ) J 2 (S 2 ) J 1 (S 1 ) J 1 (S 1 ) x
min f(x) x R n (1) x g (2)
KΕΦΑΛΑΙΟ Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ισότητες. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση κάτω από
Διαβάστε περισσότεραή 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
Διαβάστε περισσότεραx 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
Διαβάστε περισσότεραm 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 περισσότεραΧρήστος 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 περισσότεραΕθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος. Διαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Διαχείριση Υδατικών Πόρων Βελτιστοποίηση Μέρος b: Συμβατικές Μέθοδοι συνέχεια Σύνοψη προηγούμενου μαθήματος Στόχος βελτιστοποίησης: Εύρεση
Διαβάστε περισσότεραΕθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος. Τεχνολογία Συστημάτων Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Τεχνολογία Συστημάτων Υδατικών Πόρων Βελτιστοποίηση Μέρος b: Συμβατικές Μέθοδοι συνέχεια Σύνοψη προηγούμενου μαθήματος Στόχος βελτιστοποίησης:
Διαβάστε περισσότεραΤο 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 περισσότεραΠοσοτικές 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 περισσότεραΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ
ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ Ελαχιστοποίηση κόστους διατροφής Ηεπιχείρηση ζωοτροφών ΒΙΟΤΡΟΦΕΣ εξασφάλισε µια ειδική παραγγελίααπό έναν πελάτη της για την παρασκευή 1.000 κιλών ζωοτροφής, η οποία θα πρέπει
Διαβάστε περισσότεραmin 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
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ IΙ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ IΙ Ακαδ. Έτος 2018-2019 Διδάσκων: Β. ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegean.gr Τηλ: 2271035468
Διαβάστε περισσότεραΜοντελοποίηση προβληµάτων
Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων
Διαβάστε περισσότεραΕπιχειρησιακή 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 περισσότεραΓΡΑΜΜΙΚΟΣ 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
Διαβάστε περισσότεραΜοντέλα 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 περισσότερακαθ. Βασίλης Μάγκλαρης
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ενισχυτική Μάθηση - Δυναμικός Προγραμματισμός: 1. Markov Decision Processes 2. Bellman s Optimality Criterion 3. Αλγόριθμος
Διαβάστε περισσότεραΠροβλήµατα Μεταφορών (Transportation)
Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment) Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια
Διαβάστε περισσότεραΑΚΕΡΑΙΟΣ 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 περισσότεραΕπιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #: Δυναμικός Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Διαβάστε περισσότεραΚαταθλιπτικοί αγωγοί και αντλιοστάσια
Υδραυλική & Υδραυλικά Έργα 5 ο εξάμηνο Σχολής Πολιτικών Μηχανικών Καταθλιπτικοί αγωγοί και αντλιοστάσια Δημήτρης Κουτσογιάννης & Ανδρέας Ευστρατιάδης Τομέας Υδατικών Πόρων & Περιβάλλοντος, Εθνικό Μετσόβιο
Διαβάστε περισσότεραΓραµµικός 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 περισσότεραΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μαθηματική τεχνική για αντιμετώπιση προβλημάτων λήψης πολυσταδιακών αποφάσεων Συστηματική διαδικασία εύρεσης εκείνου του συνδυασμού αποφάσεων που βελτιστοποιεί τη συνολική απόδοση
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ 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 περισσότεραΓραμμικός 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 περισσότερα3.6 Μεικτά ορισμένα προβλήματα. 2. Γράφοµε τις ανωτέρω σχέσεις για q= 1,... Mσε διανυσµατική µορφή : G λ (3.30)
. Γράφοµε τις ανωτέρω σχέσεις για q=,... Mσε διανυσµατική µορφή : = G λ (3.30) 3. Επειδή ισχύει παράλληλα και d = G, αντικαθιστώντας το από την 3.30 στην αρχική εξίσωση παίρνοµε : d= G G λ / (3.3) 4. Εάν
Διαβάστε περισσότεραΚεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής
Κεφάλαιο 12: Υδραυλική ανάλυση δικτύων διανομής Εννοιολογική αναπαράσταση δίκτυων διανομής Σχηματοποίηση: δικτυακή απεικόνιση των συνιστωσών του φυσικού συστήματος ως συνιστώσες ενός εννοιολογικού μοντέλου
Διαβάστε περισσότεραΑκέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Διαβάστε περισσότεραΜέθοδοι Βελτιστοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Μέθοδοι Βελτιστοποίησης Ενότητα # : Επιχειρησιακή έρευνα Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Διαβάστε περισσότεραΑριθµητική Ανάλυση 1 εκεµβρίου / 43
Αριθµητική Ανάλυση 1 εκεµβρίου 2014 Αριθµητική Ανάλυση 1 εκεµβρίου 2014 1 / 43 Κεφ.5. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ίνεται ένας πίνακας A C n n και Ϲητούνται να προσδιορισθούν οι
Διαβάστε περισσότεραΒασική 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 περισσότεραΕισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Εισαγωγή στον Προγραµµατισµό Αριθµητική Ανάλυση (ή Επιστηµονικοί Υπολογισµοί) ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 8 εκεµβρίου 04 Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί) εκεµβρίου
Διαβάστε περισσότεραΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ
ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ Βασικός τελικός στόχος κάθε επιστηµονικής τεχνολογικής εφαρµογής είναι: H γενική βελτίωση της ποιότητας του περιβάλλοντος Η βελτίωση της ποιότητας ζωής Τα µέσα µε τα
Διαβάστε περισσότεραΒΑΣΙΚΑ 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 περισσότερα2. 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 περισσότεραΠΕΡΙΕΧΟΜΕΝΑ 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
Διαβάστε περισσότεραΣυστήματα 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
Διαβάστε περισσότεραΕισαγωγή. 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
Διαβάστε περισσότεραΗ Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI)
Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI) Ηµέθοδος MODIεπιτρέπει τον υπολογισµό των οριακών µεταβολών στο συνολικό κόστος µεταφοράς για κάθε µη επιλεγείσα διαδροµή µε αλγεβρικό τρόπο, χωρίς τη διαδικασία
Διαβάστε περισσότεραΕπίλυση 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
Διαβάστε περισσότεραΑστικά υδραυλικά έργα
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Αστικά υδραυλικά έργα Υδραυλική ανάλυση δικτύων διανομής Δημήτρης Κουτσογιάννης, Καθηγητής ΕΜΠ Σχολή Πολιτικών Μηχανικών Άδεια Χρήσης
Διαβάστε περισσότερα(CLR, κεφάλαιο 32) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Παραστάσεις πολυωνύµων Πολυωνυµική Παρεµβολή ιακριτός Μετασχηµατισµός Fourier
Ταχύς Μετασχηµατισµός Fourier CLR, κεφάλαιο 3 Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Παραστάσεις πολυωνύµων Πολυωνυµική Παρεµβολή ιακριτός Μετασχηµατισµός Fourier Ταχύς Μετασχηµατισµός Fourier
Διαβάστε περισσότεραΑκέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΟΜαθηµατικός Προγραµµατισµός είναι κλάδος των εφαρµοσµένων µαθηµατικών που ασχολείται µε την εύρεση άριστης λύσης. ιαφέρει από την κλασική αριστοποίηση στο ότι προσπαθεί να
Διαβάστε περισσότεραΤΕΙ 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 περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Ολοκλήρωση Εισαγωγή Έστω ότι η f είναι μία φραγμένη συνάρτηση στο πεπερασμένο
Διαβάστε περισσότερα6 η ΕΝΟΤΗΤΑ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 6 η ΕΝΟΤΗΤΑ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative
Διαβάστε περισσότεραΔιαχείριση 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 περισσότεραΤο Πρόβλημα Μεταφοράς
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
Διαβάστε περισσότεραΚεφάλαιο 9: Καταθλιπτικοί αγωγοί και αντλιοστάσια
Κεφάλαιο 9: Καταθλιπτικοί αγωγοί και αντλιοστάσια Τυπικές φυγοκεντρικές αντλίες Εξαγωγή Άξονας κινητήρα Σπειροειδές κέλυφος Εισαγωγή Κατακόρυφου άξονα Πτερωτή Εξαγωγή Εισαγωγή Άξονας κινητήρα Πτερωτή Οριζόντιου
Διαβάστε περισσότεραQ 12. c 3 Q 23. h 12 + h 23 + h 31 = 0 (6)
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Τοµέας Υδατικών Πόρων Μάθηµα: Τυπικά Υδραυλικά Έργα Μέρος 2: ίκτυα διανοµής Άσκηση E0: Μαθηµατική διατύπωση µοντέλου επίλυσης απλού δικτύου διανοµής
Διαβάστε περισσότεραΣτην ενότητα αυτή θα µελετηθούν τα εξής θέµατα:
υναµικός Προγραµµατισµός Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Σχεδιασµός αλγορίθµων µε υναµικό Προγραµµατισµό Το πρόβληµα του πολλαπλασιασµού πινάκων ΕΠΛ 3 Αλγόριθµοι και Πολυπλοκότητα 3- υναµικός
Διαβάστε περισσότερα1. 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 περισσότεραΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις
ΔΕΟ - Επαναληπτικές Εξετάσεις Λύσεις ΘΕΜΑ () Το Διάγραμμα Διασποράς εμφανίζεται στο επόμενο σχήμα. Από αυτό προκύπτει καταρχήν μία θετική σχέση μεταξύ των δύο μεταβλητών. Επίσης, από το διάγραμμα φαίνεται
Διαβάστε περισσότεραΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Εισαγωγή Ο Δυναμικός Προγραμματισμός (ΔΠ) είναι μία υπολογιστική μέθοδος η οποία εφαρμόζεται όταν πρόκειται να ληφθεί μία σύνθετη απόφαση η οποία προκύπτει από τη σύνθεση επιμέρους
Διαβάστε περισσότεραΠαραλλαγές 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 περισσότεραΒασικές 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
Διαβάστε περισσότεραΜέθοδοι πολυδιάστατης ελαχιστοποίησης
Μέθοδοι πολυδιάστατης ελαχιστοποίησης με παραγώγους Μέθοδοι πολυδιάστατης ελαχιστοποίησης Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo
Διαβάστε περισσότεραΓραμμικός 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 περισσότεραΣημειώσεις διαλέξεων: Βελτιστοποίηση πολυδιάστατων συνεχών συναρτήσεων 1 / 20
Σημειώσεις διαλέξεων: Βελτιστοποίηση πολυδιάστατων συνεχών συναρτήσεων Ισαάκ Η Λαγαρής 1 Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιον Ιωαννίνων 1 Με υλικό από το υπό προετοιμασία βιβλίο των: Βόγκλη,
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: μέθοδοι μονοδιάστατης ελαχιστοποίησης Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 6 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραΚεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines
Κεφ. 3: Παρεμβολή 3. Εισαγωγή 3. Πολυωνυμική παρεμβολή 3.. Παρεμβολή Lagrage 3.. Παρεμβολή Newto 3.3 Παρεμβολή με κυβικές splies 3.4 Μέθοδος ελαχίστων τετραγώνων 3.5 Παρεμβολή με ορθογώνια πολυώνυμα 3.
Διαβάστε περισσότεραΒασικές 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
Διαβάστε περισσότεραΣΥΝΘΕΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ
ΣΥΝΘΕΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Α. Με ολοκληρωμένη λύση ΘΕΜΑ 1 ο Επιχείρηση χρησιμοποιεί την εργασία ως μοναδικό μεταβλητό παραγωγικό συντελεστή. Τα στοιχεία κόστους της επιχείρησης δίνονται στον επόμενο πίνακα:
Διαβάστε περισσότεραΑριθµητική Ανάλυση. 27 Οκτωβρίου Αριθµητική Ανάλυση 27 Οκτωβρίου / 72
Αριθµητική Ανάλυση 7 Οκτωβρίου 06 Αριθµητική Ανάλυση 7 Οκτωβρίου 06 / 7 Επαναληπτικές Μέθοδοι για την επίλυση Γραµµικών Συστηµάτων ίνεται το γραµµικό σύστηµα Ax = b όπου A R n n είναι µη ιδιάζων πίνακας
Διαβάστε περισσότεραΕφαρμοσμένη Βελτιστοποίηση
Εφαρμοσμένη Βελτιστοποίηση Ενότητα 1: Το πρόβλημα της βελτιστοποίησης Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το
Διαβάστε περισσότεραΑστικά υδραυλικά έργα
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Αστικά υδραυλικά έργα Καταθλιπτικοί αγωγοί και αντλιοστάσια Δημήτρης Κουτσογιάννης, Καθηγητής ΕΜΠ Σχολή Πολιτικών Μηχανικών Άδεια Χρήσης
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΑΠΑΝΤΗΣΕΙΣ Α ΕΡΓΑΣΙΑΣ. ( 8 µον.) Η άσκηση αυτή αναφέρεται σε διαιρετότητα και ρίζες πολυωνύµων. a. Να λυθεί η εξίσωση
Διαβάστε περισσότεραΤμήμα 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 περισσότεραΣτην ενότητα αυτή θα µελετηθούν τα εξής θέµατα:
υναµικός Προγραµµατισµός Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Σχεδιασµός αλγορίθµων µε υναµικό Προγραµµατισµό Το πρόβληµα του πολλαπλασιασµού πινάκων ΕΠΛ 3 Αλγόριθµοι και Πολυπλοκότητα 3- υναµικός
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές
Στοχαστικές Στρατηγικές 1 η ενότητα: Εισαγωγή στον Δυναμικό Προγραμματισμό Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο
Διαβάστε περισσότερα3 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
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ ΠΡΩΤΟ - Διατύπωση προβλημάτων - Κατηγορίες εφαρμογών - Πράξεις με πίνακες ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ (in short) Που
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n
ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 3 Ο αλγόριθµος Gauss Eστω =,3,, µε τον όρο γραµµικά συστήµατα, εννοούµε συστήµατα εξισώσεων µε αγνώστους της µορφής: a x + + a x = b a x + + a x = b a
Διαβάστε περισσότεραΕιδικά θέµατα δικτύων διανοµής
Ειδικά θέµατα δικτύων διανοµής Σηµειώσεις στα πλαίσια του µαθήµατος: Τυπικά υδραυλικά έργα Ακαδηµαϊκό έτος 2005-06 Ανδρέας Ευστρατιάδης & ηµήτρης Κουτσογιάννης Εθνικό Μετσόβιο Πολυτεχνείο Τοµέας Υδατικών
Διαβάστε περισσότεραΤμήμα 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 περισσότερα1.1.1 Εσωτερικό και Εξωτερικό Γινόμενο Διανυσμάτων
3 1.1 Διανύσματα 1.1.1 Εσωτερικό και Εξωτερικό Γινόμενο Διανυσμάτων ΑΣΚΗΣΗ 1.1 Να βρεθεί η γωνία που σχηματίζουν τα διανύσματα î + ĵ + ˆk και î + ĵ ˆk. z k i j y x Τα δύο διανύσματα που προκύπτουν από
Διαβάστε περισσότεραΜηχανική ΙI Ροή στο χώρο των φάσεων, θεώρηµα Liouville
Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 16/5/2000 Μηχανική ΙI Ροή στο χώρο των φάσεων, θεώρηµα Liouville Στη Χαµιλτονιανή θεώρηση η κατάσταση του συστήµατος προσδιορίζεται κάθε στιγµή από ένα και µόνο σηµείο
Διαβάστε περισσότεραΘεωρία 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 περισσότεραπροβλήµατος Το φίλτρο Kalman διαφέρει από τα συνηθισµένα προβλήµατα ΜΕΤ σε δύο χαρακτηριστικά: παραµέτρων αγνώστων
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους µε βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραµµα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότερα3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ
3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. Διαφορά μετρήσεων από εκτιμήσεις μετρήσεων. Όταν επιλύοµε ένα αντίστροφο πρόβληµα υπολογίζοµε ένα διάνυσµα παραµέτρων est m το οποίο αντιπροσωπεύει
Διαβάστε περισσότεραΠαράρτηµα 3 Μέθοδοι Διαχρονικής Βελτιστοποίησης
Γιώργος Αλογοσκούφης, Δυναµική Μακροοικονοµική, Αθήνα 2015 Παράρτηµα 3 Μέθοδοι Διαχρονικής Βελτιστοποίησης Η βελτιστοποίηση (optimization) σε δυναµικά οικονοµικά προβλήµατα, δηλαδή σε προβλήµατα στα οποία
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑΤΙΚΑ Ι 11 ΟΚΤΩΒΡΙΟΥ 2016 ΜΗ ΓΡΑΜΜΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΕΙΣΑΓΩΓΗ Οικονομικές Συναρτήσεις με μεταβλητούς ρυθμούς
Διαβάστε περισσότεραΔιδάσκων: Νίκος Λαγαρός
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ 5 η Σειρά Ασκήσεων του Μαθήματος «ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ» Διδάσκων: Νίκος Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative
Διαβάστε περισσότεραΣΗΜΕΙΩΣΕΙΣ ΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Επιµέλεια Σηµειώσεων : Βασιλειάδης Γεώργιος Θεσσαλονίκη 2012 2 Περιεχόµενα 1 υναµικός
Διαβάστε περισσότεραΑλγόριθµοι. Παράδειγµα. ιαίρει και Βασίλευε. Παράδειγµα MergeSort. Τεχνικές Σχεδιασµού Αλγορίθµων
Τεχνικές Σχεδιασµού Αλγορίθµων Αλγόριθµοι Παύλος Εφραιµίδης pefraimi@ee.duth.gr Ορισµένες γενικές αρχές για τον σχεδιασµό αλγορίθµων είναι: ιαίρει και Βασίλευε (Divide and Conquer) υναµικός Προγραµµατισµός
Διαβάστε περισσότεραΕΡΓΑΣΙΕΣ 5 ου ΚΕΦΑΛΑΙΟΥ 1 η Ομάδα: Ερωτήσεις πολλαπλής επιλογής
ΕΡΓΑΣΙΕΣ 5 ου ΚΕΦΑΛΑΙΟΥ 1 η Ομάδα: Ερωτήσεις πολλαπλής επιλογής 1. Η επιβολή στην αγορά ενός αγαθού μιας τιμής που είναι μικρότερη της τιμής ισορροπίας θα προκαλέσει: α) Πλεόνασμα β) Έλλειμμα γ) Νέα ισορροπία
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & 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
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ 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
Διαβάστε περισσότεραΕΠΙΛΥΣΗ 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 περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 2: Δομικά Συστήματα Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραυναµική Μηχανών Ι Ακαδηµαϊκό έτος : Ε. Μ. Π. Σχολή Μηχανολόγων Μηχανικών - Εργαστήριο υναµικής και Κατασκευών ΥΝΑΜΙΚΗ ΜΗΧΑΝΩΝ Ι - 22.
υναµική Μηχανών Ι Ακαδηµαϊκό έτος: 0-0 ΥΝΑΜΙΚΗ ΜΗΧΑΝΩΝ Ι -. - υναµική Μηχανών Ι Ακαδηµαϊκό έτος: 0-0 Cprigh ΕΜΠ - Σχολή Μηχανολόγων Μηχανικών - Εργαστήριο υναµικής και Κατασκευών - 0. Με επιφύλαξη παντός
Διαβάστε περισσότεραΓραμμικός 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 περισσότεραΑνάλυση Ηλεκτρικών Κυκλωμάτων
Ανάλυση Ηλεκτρικών Κυκλωμάτων Κεφάλαιο 4: Συστηματικές μέθοδοι επίλυσης κυκλωμάτων Οι διαφάνειες ακολουθούν το βιβλίο του Κων/νου Παπαδόπουλου «Ανάλυση Ηλεκτρικών Κυκλωμάτων» ISBN: 978-960-93-7110-0 κωδ.
Διαβάστε περισσότεραΒέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow
Διαβάστε περισσότεραΚεφάλαιο 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 περισσότεραΘΕΑΝΩ 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 περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 28 Μαΐου 2015 1 / 45 Εισαγωγή Ο δυναµικός
Διαβάστε περισσότεραΤΜΗΜΑ 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 περισσότεραΖητούνται 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
Διαβάστε περισσότερα