ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
|
|
- Ισίδωρος Κολιάτσος
- 5 χρόνια πριν
- Προβολές:
Transcript
1 EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Εργαστηριακές Ασκήσεις Διδάσκων: Α. Νικολακόπουλος
2 ΠΕΡΙΒΑΛΛΟΝ ΑΛΓΕΒΡΙΚΗΣ ΜΑΘΗΜΑΤΙΚΗΣ ΠΡΟΤΥΠΟΠΟΙΗΣΗΣ GAMS 2
3 Σκοπός Εξοικείωση με το περιβάλλον Μαθηματικής προτυποποίησης προβλημάτων βελτιστοποίησης GAMS Επίλυση απλών προβλημάτων Δομή άσκησης Διατύπωση προβλημάτων βελτιστοποίησης στο GAMS Επίλυση Ερμηνεία αποτελεσμάτων 3
4 Κίνητρο Οι διαδικασίες επίλυσης εδραιώθηκαν την δεκαετία του 50 Αλγόριθμοι και κώδικες Η/Υ Μεγάλα μαθηματικά μοντέλα Ωστόσο, η διαδικασία επίλυσης είναι μόνο ένα (μικρό) μέρος του προβλήματος. Σε πρακτικά προβλήματα οι προκλήσεις περιλαμβάνουν: Ευκολία στην διατύπωση του μοντέλου Συντήρηση και αυτοματισμός Αλληλεπίδραση με μη ειδικούς Ολοκλήρωση με συστήματα διαχείρισης πληροφορίας και άλλες πλατφόρμες 4
5 Περιβάλλον βελτιστοποίησης: περιγραφή Αποσφαλμάτωση (Debugging) Σφάλματα μεταγλώττισης (compilation) Εκτέλεσης (execution) επίλυσης (solve) errors Χρόνου μεταγλώττισης (compilation time) Χρήστης Διεπιφάνεια εργ. Πρόγραμμα διόρθωσης κειμένου (editor) min κόστος Υπό περιορισμούς... Αναφορά (Reporting) σύνοψη επίλυσης (solution summary) Ανάλυση αποτελεσμάτων (analysis of results) solver report Βιβλιοθήκη προτύπων (Model library) προγραμματισμός διϋλιστηρίου προγραμματισμός PVC Προγραμματισμός εμπορικών δραστηριοτήτων LP επιλύτης (IBM) LP επιλύτης ( ) MILP (CONOPT) MINLP (DICOPT++) επιλύτες 5
6 Τύποι Μοντέλων LP NLP DNLP MIP RMIP MINLP RMINLP MCP Γραμμικός Προγραμματισμός (Linear programming) Μη Γραμμικός Προγραμματισμός (Nonlinear programming) NLP με ασυνεχείς παραγώγους (discontinuous derivatives) Μικτός Ακέραιος προγραμματισμός (Mixed integer programming) Χαλαρωμένος MIP (Relaxed) Μικτός Ακέραιος Μη Γραμμικός προγραμματισμός (Mixed integer nonlinear programming) Χαλαρωμένος MINLP Μικτού Συμπληρωματικού προβλήματος (Mixed complementary problem) 6
7 Διαδικασία Επίλυσης Κώδικας του χρήστη sets Parameters Solve Αρχεία εισόδου ξεχωριστών επιλυτών Επιλύτης - 1 Επιλύτης - 3 Επιλύτης - 2 : Αριθμητικά δεδομένα (Numerical data) (παράγωγοι, αραιότητα πινάκων) και ρύθμιση 7
8 Περιβάλλον μοντελοποίησης και επίλυσης General Algebraic Modelling System (GAMS) 8
9 Βασική λίστα επιλυτών BDMLP: Ελεύθερος LP και MIP επιλύτης για μικρά και μεσαίου μεγέθους μοντέλα προβλημάτων (World Bank, T. Brooke, A. Drud and A. Meerhaus) CONOPT: LP και NLP επιλύτης. Στάδια προ-επεξεργασίας με πολλές επιλογές και ρυθμίσεις (Abadie and Carpentieers 1969; Drud: 1985 and 1992) CPLEX: Ένας από τους πιο σταθερούς LP και MILP επιλύτες μέρος της συλλογής του ILOG που χρησιμοποιείται σε μεγάλων προβλημάτων logistics επίλυση OSL: Υπορουτίνα της βιβλιοθήκης της IBM. Επιλύτες υψηλής απόδοσης για LP, MIP και QP (τετραγωνικός προγραμματισμός - quadratic programming) 9
10 Βασική λίστα επιλυτών (2) MINOS: DICOPT: BARON: Επιλογή επιλύτη: Επιλύτης NLP γενικής χρήσης. Καλός για λείες συναρτήσεις. Χρησιμοποιεί μια Langrange μέθοδο προβολής (Murtagh and Saunders 1982) Ο πρώτος εμπορικός επιλύτης MINLP που χρησιμοποιεί την μέθοδο εξωτερικής προσέγγισης των J Viswamathan and I Grossman (1990) and Kaas and Grossman (1987) Ο πιο πρόσφατος επιλύτης MINLP option lp = bdmlp; option milp = conopt; 10
11 Βιβλιοθήκες μοντέλων Γεωργικής Οικονομίας Εφαρμοσμένα Γενικά Ισοζύγια Μηχανική Οικονομική Ανάπτυξη Χαρακτηριστικά της γλώσσας του GAMS Οικονομικά Ενέργειας Οικονομικά Δασονομία Διεθνές Εμπόριο Διοικητική Επιστήμη και Επιχειρησιακή Έρευνα Μικρο-Οικονομικά Στατιστική 11
12 Μοντέλα στα Οικονομικά p 174, GAMS: A User s Guide 12
13 Οικονομία Ενέργειας p 173, GAMS: A User s Guide 13
14 Διοικητική Επιστήμη p 175, GAMS: A User s Guide 14
15 Μηχανική p 174, GAMS: A User s Guide p 173, GAMS: A User s Guide 15
16 Δομή ενός κειμένου του GAMS Sets (Σύνολα) Declaration (Δήλωση) Assignment (Ανάθεση) Data (parameters, tables, scalars) Δεδομένα (παράμετροι, πίνακες, αριθμοί) Declaration (Δήλωση) Assignment of values (Ανάθεση τιμών) Variables (Μεταβλητές) Declaration (Δήλωση) Assignment of type (Ανάθεση είδους) Equations (Εξισώσεις) Declaration (Δήλωση) Definition (Καθορισμός) Model and solve statement (Δήλωση προτύπου και επίλυσης) Display (Προβολή αποτελεσμάτων) 16
17 ΠΑΡΑΔΕΙΓΜΑ 17
18 Μη γραμμικό μοντέλο Subject to min 4x x 2 2 h( x 1, x 2 x ) 1 = 2x 1 1/ x + 2 3x 2 6 = 0
19 Επίλυση με Αναδιαμόρφωση περιορισμών Διαφορετική αρχικοποίηση Διαφορετικούς επιλύτες GAMS file: NonLinearExample.gms
20 Κωδικοποίηση στο GAMS min 4x + h( x 1, x 2 x x ) = 2x 1 1/ x x = 0 Δεν επιλύεται 20
21 Αναδιαμόρφωση Ισοδύναμη διαμόρφωση Subject to min 4x x 2 2 h( x 1, x x 1 2 x ) 2 = 1 2x 1 + 3x 2 6 = 0 Παρατηρήστε και ερμηνεύστε τα αποτελέσματα
22 Αρχικές συνθήκες Δοκιμή διαφορετικών αρχικών τιμών για το x Ποια είναι τα αποτελέσματα σε κάθε περίπτωση
23 Διαφορετικοί επιλύτες Minos Pathnlp Baron Συγκρίνετε τα αποτελέσματα
24 ΠΑΡΑΔΕΙΓΜΑ 24
25 Πρόβλημα ανάμιξης σε διϋλιστήριο Crude oil #1 ($24/bbl) Crude oil #2 ($15/bbl) διϋλιστήριο Gasoline ($36/bbl) Kerosene ($24/bbl) Fuel oil ($31/bbl) Residual ($40/bbl) 25
26 Κατανομή προϊόντων #1 #2 Max demand (bbl/day) Gasoline ,000 Kerosene ,000 Fuel oil ,000 Residual Cost ($/bbl) Objective: maximise annual profits 26
27 Μεταβλητές X 3 Gasoline ($36/bbl) X 1 Crude oil #1 ($24/bbl) διϋλιστήριο Kerosene ($24/bbl) X 4 X 2 Crude oil #2 ($15/bbl) Fuel oil ($21/bbl) X 5 Residual ($10/bbl) X 6 27
28 Διαμόρφωση αντικειμενικής συνάρτησης Profit = Income Raw material Operating cost 36x x x x 6 24x x 2 0.5x 1 + x 2 28
29 Περιορισμοί Ισοζύγια Gasoline: 0.80x x 2 = x 3 Kerosene: 0.05x x 2 = x 4 Fuel oil: 0.10x x 2 = x 5 Residual: 0.05x x 2 = x 6 Περιορισμοί αγοράς Gasoline x 3 24,000 Kerosene x 4 2,000 Fuel x 5 6,000 Θετικές μεταβλητές x 1, x 2, x 3, x 4, x 5, x 6 0 DOF = NV - NE =2 29
30 Απλοποιημένη διατύπωση max 10.8 x x 2 Subject to g 1 : 0.80x x 2 24,000 g 2 : 0.05x x 2 2,000 g 3 : 0.10x x 2 6,000 x 1, x
31 Κωδικοποίηση σε GAMS x 1, x 2 0 max 10.8 x x 2 g 1 : 0.80x x 2 24,000 g 2 : 0.05x x 2 2,000 g 3 : 0.10x x 2 6,000 31
32 Άμεση και δυναμική ανάθεση Parameter c(i, j) transport cost in thousands of dollars per case; } δήλωση c(i, j) = f*d (i, j) / 1000; } ανάθεση τιμών Present (j) = future (j+1) * exp (- investment * time(j)); Parameter salaries (employee, manager, department) /anderson. murphy. toy = 6000 handry. smith. toy = 9000 hoffman. morgan. Cosmetics = 8000/; 32
33 Παράδειγμα: Το πρόβλημα του Dantzig trnsport.gms tutorial 33
34 Γενική διαμόρφωση: Πρόβλημα μεταφοράς a 1 1 x ij 1 b 1 a b 2 a i i j b j Προμηθευτές Καταναλωτές a i : Διαθέσιμα προμηθευτή i b j : Ζήτηση καταναλωτή j c ij : Κόστος ανά μεταφερόμενη μονάδα μεταξύ πομηθευτή i και καταναλωτή j x ij : Μεταφερόμενη ποσότητα από τον προμηθευτή i στον καταναλωτή j 34
35 Μαθηματική διατύπωση Min c ij i Subject to x ij a i j for all i x ij b j for all j i j x ij Συμπυκνωμένη και γενική διατύπωση Πρόβλημα γραμμικού προγραμματισμού Γραμμική αντικειμενική συνάρτηση και περιορισμοί Το βέλτιστο βρίσκεται σε ακραίο σημείο της εφικτής περιοχής 35
36 Ειδική περίπτωση: το πρόβλημα του Danzig a 1 = 350 a 2 = 600 Seattle San Diego New York Chicago Topeka b 1 = 325 b 2 = 300 b 3 = 275 Canning plants Markets Plants Shipping distances (1000 miles) New York Chicago Topeka Seattle San Diego Shipping cost c ij = $ 90/1000 miles 36
37 Ορισμός των συνόλων (sets) Sets i canning plants /seattle, san-diego/ j markets /new-york, chicago, topeka/; όνομα περιγραφή ανάθεση μελών Set t time periods /1991 * 2002/; Set m machines /mach1 * mach1000/; 37
38 Ορισμός παραμέτρων Περιγραφή Parameters a (i) capacity of plant i in cases /seattle 350 san-diego 600/; όνομα και ανάθεση τιμής Parameters b(j) demand at market j in cases /new-york 325 chicago 300 topeka 275/; Scalar f freight in dollars per case per thousand miles /90/; όνομα Περιγραφή ανάθεση τιμής 38
39 Ορισμός μεταβλητών Variable types (είδη μεταβλητών) Free Positive Negative Binary Integer Dantzig problem Variables x(i, j) z όνομα shipment quantities in cases total transportation cost in dollars; περιγραφή 39
40 Εξισώσεις: δήλωση και ορισμός Equations cost define objective function supply (i) observe supply limit at plant I demand (j) satisfy demand at market j; Cost.. Supply (i).. Demand (j).. z = e = sum ((i, j), c(i, j) * x(i, j)); sum (j, x(i, j)) = l = a(i); sum (i, x(i, j)) = g = b(j); Operators (τελεστές): = e =, = l =, = g = Explicit equations (εξειδικευμένες εξισώσεις) Constraint_on_topeka(i).. x(i, topeka ) = g = 10; 40
41 Δηλώσεις MODEL και SOLVE MODEL syntax MODEL Dantzig my first example /all/; όνομα περιγραφή περιεχόμενο εξισώσεις MODEL Lame_Dantzig my second example /cost, supply/; SOLVE syntax SOLVE Dantzig using LP minimizing z; όνομα μοντέλου είδος κατεύθυνση αντικειμενική συνάρτηση 41
42 Κώδικας GAMS για το πρόβλημα του Dantzig (1) 42
43 Κώδικας GAMS για το πρόβλημα του Dantzig (2) 43
44 Αναφορά και αποτελέσματα Εκτύπωσης εισόδου (Echo prints) Μηνύματα σφαλμάτων (Error messages) Χάρτες αναφοράς (Reference maps) Έλεγχος εξισώσεων (Equation testings) Στατιστικά μοντέλου (Model statistics) Αναφορά κατάστασης (Status report) Αναφοράς λύσης (Solution reports) 44
45 Αναφορά κατάστασης (Status report) Σύντομη περίληψη επίλυσης με μηνύματα SOLVER STATUS και MODEL STATUS που υποδεικνύουν την ποιότητα των αποτελεσμάτων p 25, GAMS: A User s Guide 45
46 Μηνύματα σφαλμάτων Παράδειγμα1: Σελ. 21, GAMS: A User s Guide Παράδειγμα 2: Σελ. 22, GAMS: A User s Guide 46
47 Αναφορά λύσης: εξισώσεις Οι γραμμές και οι στήλες ομαδοποιούνται και ονομάζονται ανάλογα με τα ονάματα που έχουν δοθεί στο μοντέλο p 26, GAMS: A User s Guide 47
48 Αναφορά μεταβλητών και σύνοψη Σελ. 26, GAMS: A User s Guide 48
49 Και κάποιες προχωρημένες επιλογές 49
50 Δηλώσεις υπό συνθήκη (Conditional statements) Εκφρασμένες με σύμβολα Αν (x > 1.5) τότε y = 2 Αν το k ανήκει στα σύνολα S και T τότε u(k) = a(k) Εκφρασμένες σε γλώσσα προτυποποίησης y$ (x > 1.5) = 2 ; u(k) $ (S(k) AND T(k)) = a(k) Εφαρμογές Προτυποποίηση εξισώσεων ορισμένες για υποσύνολα (δηλαδή για απασχολούμενους κάτω από συγκεκριμένο διευθυντή, για εργοστάσια σε συγκεκριμένες χώρες, κλπ.) Ανάπτυξη υπο-προβλημάτων μέσα από μεγαλύτερες διατυπώσεις (δυναμικά σύνολα) 50
51 Χαρακτηριστικά ελέγχου ροής Δήλωση Loop Χρήση: Σύνταξη Παράδειγμα Ανάπτυξη επαναλαμβανόμενων (ένθετων) λύσεων ενός μοντέλου. Σύνθετη διαμόρφωση loop (χώρος ελέγχου $(συνθήκη), δηλώση{ ; δηλώσεις} ) ; loop (k$ (z.l > target_for_z), solve dantzig using lp minimizing z; a(j) = scenario (k, j) ) ; Ομοίως: While, If-else if-else, For 51
52 ΠΑΡΑΔΕΙΓΜΑ 1 ΒΕΛΤΙΣΤΟΣ ΣΧΕΔΙΑΣΜΟΣ ΕΝΑΛΛΑΚΤΗ 52
53 Περιγραφή του προβλήματος W 80 o F C p_c = 1 m = 100,000 lb/hr C p_h = o F A Q 180 o F Α: επιφάνεια εναλλάκτη Q: μεταφερόμενη θερμότητα μεταξύ των δυο ρευμάτων Δεδομένα: t w (α) U := συνολικός συντελεστής μεταφοράς θερμότητας (β) C W := 10, μοναδιαία κόστη βοηθητικής παροχής C A := 20 μοναδιαίo κόστος επιφάνειας εναλλαγής (γ) t w 180 o F : προδιαγραφή (δ) ΔΤ min = 10 o F (ε) b = 1.3 εκθετικός όρος στο κόστος Στόχος: Ποιο είναι το ελάχιστο συνολικό κόστος για τον εναλλάκτη; C A A b + C W w 53
54 Να διατυπωθεί το μοντέλο μαθηματικού προγραμματισμού του προβλήματος Να υπολογιστούν οι βαθμοί ελευθερίας του μοντέλου Να μεταφραστεί το μοντέλο στην γλώσσα μοντελοποίησης του GAMS Να επιλεχθούν διαφορετικοί αλγόριθμοι επίλυσης και να ερμηνευθούν τυχόν διαφορές στα αποτελέσματά τους 54
55 Μαθηματικό μοντέλο Μεταβλητές: Περιορισμοί: Εξισώσεις: Ανισώσεις: h = m = dim? Περιορισμοί ΔΤ min : n m =? βαθμός ελευθερίας Αντικειμενική συνάρτηση: Ελαχιστοποίηση του: C A A b + C W w 55
56 Παράμετροι και μεταβλητές 56
57 Εξισώσεις και επίλυση 57
58 Αποτελέσματα και σχολιασμός File Options Solvers CONOPT Κακή επιλογή αρχικής λύσης και αδυναμία σύγκλισης BARON COUENNE Μη κυρτό πρόβλημα 58
59 ΠΑΡΑΔΕΙΓΜΑ 2 ΕΠΙΛΟΓΗ ΑΝΤΙΔΡΑΣΤΗΡΩΝ 59
60 Περιγραφή του προβλήματος 60
61 Να σχεδιαστεί η υπερδομή του προβλήματος Να διατυπωθεί το μοντέλο μαθηματικού προγραμματισμού Να υπολογιστούν οι βαθμοί ελευθερίας του μοντέλου Να μεταφραστεί το μοντέλο στην γλώσσα μοντελοποίησης του GAMS Να επιλεχθούν διαφορετικοί αρχικές λύσεις και αλγόριθμοι επίλυσης και να ερμηνευθούν τυχόν διαφορές στα αποτελέσματά τους 61
62 Παράδειγμα Επιλογή Αντιδραστήρων - Συνεχής προσέγγιση 62
63 Μαθηματικό μοντέλο 63
64 Αποτελέσματα και σχολιασμός SOLVER CONOPT + x2.l = 14.8 ή x2.l = 2; **** SOLVER STATUS 1 Normal Completion **** MODEL STATUS 2 Locally Optimal **** OBJECTIVE VALUE SOLVER COUENNE + x2.l = 14.8 ή x2.l = 2; **** SOLVER STATUS 1 Normal Completion **** MODEL STATUS 2 Locally Optimal **** OBJECTIVE VALUE SOLVER BARON + x2.l = 14.8 ή x2.l = 2; **** SOLVER STATUS 1 Normal Completion **** MODEL STATUS 2 Locally Optimal **** OBJECTIVE VALUE SOLVER KNITRO **** SOLVER STATUS 4 Terminated By Solver **** MODEL STATUS 14 No Solution Returned **** OBJECTIVE VALUE
65 Επίλυση του NLP 875,3 65
66 ΠΑΡΑΔΕΙΓΜΑ 3 ΕΠΙΛΟΓΗ ΑΝΤΙΔΡΑΣΤΗΡΩΝ Με προσέγγιση μικτού ακέραιου προγραμματισμού 66
67 Περιγραφή του προβλήματος 67
68 Να διατυπωθεί το μοντέλο μαθηματικού προγραμματισμού Να μεταφραστεί το μοντέλο στην γλώσσα μοντελοποίησης του GAMS Να επιλεχθούν διαφορετικοί αρχικές λύσεις και αλγόριθμοι επίλυσης και να ερμηνευθούν τυχόν διαφορές στα αποτελέσματά τους 68
69 Μοντέλο και αποτελέσματα 69
70 ΠΑΡΑΔΕΙΓΜΑ 4 ΔΟΜΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΡΟΟΔΙΑΓΡΑΜΜΑΤΟΣ 70
71 Περιγραφή συστήματος Ο στόχος είναι η κερδοφόρα παραγωγή του χημικού C που μπορεί να παραχθεί από χημικό Β που μπορεί να αγοραστεί από το εξωτερική αγορά ή να είναι ένα ενδιάμεσο που παράγεται από την πρώτη ύλη A. Υπάρχουν δύο εναλλακτικές διαδρομές της παραγωγής του Β από το Α (P1 και P2). Διαμορφώστε μοντέλο μεικτού ακέραιου μη γραμμικού προγραμματισμού και επιλύστε το πρόβλημα σύνθεσης της διεργασίας και επέκτασης της παραγωγικότητας. Δεδομένα: - Μέγιστη ζήτηση αγοράς σε c: 1 kt/y - Τιμή ανά μονάδα προϊόντος: 11 k /kt - Μετατροπή b σε c στην διεργασία P1: 90% - Σχέση b και a σε διεργασία P2: b = ln(1 + a) - Σχέση b και a σε διεργασία P3: b = 1.2*ln(1 + a) - Πάγιο κόστος διεργασιών P1, P2 και P3: 3.5, 1 και 1.5 αντίστοιχα - Λειτουργικό κόστος διεργασιών P1 και P2: 1 και 1.2 k ανά kt παραγόμενου b το χρόνο αντίστοιχα - Κόστος πρώτων υλών: a: 1.8 k /kt b: 7.0 k /kt 71
72 Περιγραφή συστήματος 72
73 Μοντέλο 73
74 Λύση 74
75 ΠΑΡΑΔΕΙΓΜΑ 5 ΧΗΜΙΚΗ ΙΣΟΡΡΟΠΙΑ 75
76 Περιγραφή του προβλήματος Καθορισμός της χημικής σύστασης σύνθετου μίγματος σε συνθήκες χημικής ισορροπίας Εφαρμογές Ανάλυση απόδοσης καυσίμων και προωθητικών Σύθεση πολύπλοκων οργανικών συστατικών κ.α. Δεύτερος θερμοδυναμικός νόμος Ένα μίγμα χημικών συστατικών που διατηρείται σε σταθερή πίεση και θερμοκρασία καταλήγει σε κατάσταση χημικής ισορροπίας με ταυτόχρονη ελαχιστοποίση της ελεύθερης ενέργειας. Αντικειμενική συνάρτηση: έκφραση της ελεύθερης ενέργειας του μίγματος (μη γραμμική) Περιορισμοί: δυνατές χημικές αντιδράσεις μεταξύ των συστατικών (γραμμικοί) 76
77 Μαθηματικό μοντέλο (1) Σύνολα: Θεωρούμε μίγμα m χημικών στοιχείων που μπορούν να συνδυαστούν μεταξύ τους για να διαμορφώσουν n χημικές ενώσεις (ή συστατικά) Παράμετροι: Πίεση P Τυπική συνάρτηση ελεύθερης ενέργειας (F 0 /RT) j για το συστατικό j (= 1,..., n) a ij αριθμός ατόμων στοιχείου i (= 1,, m) στο συστατικό j (= 1,..., n) b i αριθμός ατομικών βαρών του στοιχείου i στο μίγμα 77
78 Μαθηματικό μοντέλο (2) Μεταβλητές: x j αριθμός moles συστατικού j (= 1,..., n) στο μίγμα ισορροπίας x ο συνoλικός αριθμός moles στο μίγμα ισορροπίας όπου Gf ελεύθερη ενέργεια Gibbs x n = j = 1 x j Περιορισμοί: Iσοζύγια μάζας n j = 1 a x = b, i = 1,..., m (1) ij j i Θετικές μεταβλητές x 0, j = 1,..., n (2) j 78
79 Μαθηματικό μοντέλο (3) Αντικειμενική συνάρτηση n x j Gf = x j c j + ln (3) j = 1 x όπου c j 0 F = + ln P (4) RT j Το πρόβλημα μη γραμμικού προγραμματισμού είναι να επιλεχθούν τα x j (= 1,..., n) έτσι ώστε να ελαχιστοποιηθεί η (3) και να ικανοποιούνται η γραμμικοί περιορισμοί (1). 79
80 Μαθηματικό μοντέλο (4) n x mingf = x j c j + ln j = 1 x s.. t n j = 1 a c x j 0 F = + lnp RT x = n j = 1 s = b, i = 1,..., m ij j i x 0, j = 1,..., n j x j j 80
81 Δεδομένα Αρχικό μίγμα: 1 N H + 1 O 2 2 Θερμοκρασία: 3500 ο Κ Πίεση: 750 psi Τυπική συνάρτηση ελεύθερης ενέργειας συστατικού j (F 0 /RT) j : j Συστατικό (F 0 /RT) j 1 H H H2O N N NH NO O O OH
82 Κώδικας GAMS (1) Σύνολα: Παράμετροι: 82
83 Κώδικας GAMS (2) Μεταβλητές: Ορισμός εξισώσεων Αντι. συνάρτηση: Περιορισμοί: Επίλυση: 83
84 Αποτελέσματα SOLVE SUMMARY Τιμές μεταβλητών 84
ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Εργαστηριακές Ασκήσεις Διδάσκων:
Εργαστηριακές Ασκήσεις
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Εργαστηριακές Ασκήσεις Διδάσκων:
ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων ΣΧΕΔΙΑΣΜΟΣ ΧΗΜΙΚΩΝ ΒΙΟΜΗΧΑΝΙΩΝ ΙΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Εργαστηριακές Ασκήσεις Διδάσκων:
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Εργαστηριακές Ασκήσεις
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Μάθημα Επιλογής 8 ου εξαμήνου
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων:
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Μοντελοποίηση προβληµάτων
Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων
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,
Διάλεξη 1: Βασικές Έννοιες
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Διάλεξη 1: Βασικές Έννοιες Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων: Α. Κοκόσης Συνεργάτες:
Μάθημα Επιλογής 8 ου εξαμήνου
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Δίαλεξη 1: Βασικές Έννοιες Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων: Α. Κοκόσης Συνεργάτες:
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων:
Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 2)
Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 2) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Μάρτιος 2015 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος
ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (3 ο Φυλλάδιο)
ΠΕΡΙΕΧΟΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (3 ο Φυλλάδιο) ΙΩΑΝΝΗΣ ΝΤΖΟΥΦΡΑΣ (C) 2002 ΧΙΟΣ Παράδειγμα 8: Πρόβλημα ελαχίστης Διαδρομής (Shortest path problem)... 4 LINDO: Integer Linear
SÔntomec plhroforðec gia to glpsol (glpk)
SÔntomec plhroforðec gia to glpsol (glpk) gpol@di.uoa.gr Genikˆ gia to GLPK kai to glpsol Το GLPK (GNU Linear Programming Kit) είναι μια βιβλιοθήκη συναρτήσεων για τη γλώσσα C/C++ η οποία χρησιμοποιείται
Μοντελοποίηση Προσομοίωση
Μοντελοποίηση Προσομοίωση Σχεδιασμός είναι η διαδικασία μετατροπής των φυσικών νόμων σε μαθηματικές εξισώσεις είναι το κατάλληλο λογισμικό το οποίο χρησιμοποιώντας το μαθηματικό μοντέλο προβλέπει τη συμπεριφορά
ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ
ΜΕΡΟΣ ΙΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ 36 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ Πολλές από τις αποφάσεις
ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (2 ο Φυλλάδιο)
ΠΕΡΙΕΧΟΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (2 ο Φυλλάδιο) ΙΩΑΝΝΗΣ ΝΤΖΟΥΦΡΑΣ Παραδείγματα 3 5 : Προβλήματα μεταφοράς (transportation problems)... 3 Παράδειγματα 3-5: Linear Programming
Εφαρμογές Επιχειρησιακής Έρευνας. Δρ. Γεώργιος Κ.Δ. Σαχαρίδης
Εφαρμογές Επιχειρησιακής Έρευνας Δρ. Γεώργιος Κ.Δ. Σαχαρίδης 1 Outline Introduction to mathematical programming Introduction to scheduling Flow shop optimization Scheduling of crude oil Decomposition techniques
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Ακέραιος Γραμμικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος Γραμμικός Προγραμματισμός Όταν για
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ
ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ Κεφάλαιο Πρόλογος i Κατάλογος Σχημάτων και Εικόνων v Ενότητα 1: Εισαγωγή 1-1 1.1 Το μαθηματικό πρότυπο: ισοζύγια και άλλες σχέσεις. 1-1 1.2 Αριστοποίηση 1-2 1.3 Αλλαγή κλίμακας (scale
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
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
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
Ακέραιος Γραμμικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος Γραμμικός Προγραμματισμός Όταν για
ΠΩΣ ΝΑ ΟΡΙΣΕΤΕ ΚΑΙ ΝΑ ΕΠΙΛΥΣΕΤΕ ΕΝΑ ΠΡΟΓΡΑΜΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕ ΤΟΝ SOLVER ΤΟΥ EXCEL
ΠΩΣ ΝΑ ΟΡΙΣΕΤΕ ΚΑΙ ΝΑ ΕΠΙΛΥΣΕΤΕ ΕΝΑ ΠΡΟΓΡΑΜΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕ ΤΟΝ SOLVER ΤΟΥ EXCEL 1. Στο Tools menu, click Solver. 2. Εάν η επιλογή Solver δεν είναι διαθέσιµη στο Tools menu, πρέπει να το
Μάθημα Επιλογής 8 ου εξαμήνου
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Διάλεξη 5: Μέθοδοι αποικοδόμησης Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων: Α. Κοκόσης
Πληροφοριακά Συστήματα Διοίκησης. Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού
Πληροφοριακά Συστήματα Διοίκησης Επισκόπηση μοντέλων λήψης αποφάσεων Τεχνικές Μαθηματικού Προγραμματισμού Σημασία μοντέλου Το μοντέλο δημιουργεί μια λογική δομή μέσω της οποίας αποκτούμε μια χρήσιμη άποψη
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΙΟΙΚΗΣΗ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ιδάσκων:
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 10: Το πρόβλημα μεταφοράς: μαθηματικό μοντέλο και μεθοδολογία επίλυσης Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
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
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
ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH
ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Διοίκηση Παραγωγής & Συστημάτων Υπηρεσιών ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Περιεχόμενα
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
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017 Αντικειμενικοί στόχοι Η μελέτη των βασικών στοιχείων που συνθέτουν ένα πρόβλημα βελτιστοποίησης
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 2 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Κεφάλαιο 2 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού 1 Μεταξύ δύο περιορισμών, ο ένας πρέπει να ισχύει Έστω ότι για την κατασκευή ενός προϊόντος
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Εργαστηριακές Ασκήσεις Διδάσκων: Α.
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης Δ.Π.Θ. Χρηματοδότηση Το παρόν εκπαιδευτικό
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.
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.
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
Computing. Νοέμβριος Έκδοση 1.0
Computing Νοέμβριος 2017 Έκδοση 1.0 Ενότητα Computing Αυτή η ενότητα παραθέτει τις βασικές έννοιες και δεξιότητες που σχετίζονται με την ικανότητα χρήσης υπολογιστικής σκέψης (computational thinking) και
ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH
ΣΥΣΤHΜΑΤΑ ΑΠΟΦAΣΕΩΝ ΣΤΗΝ ΠΑΡΑΓΩΓH Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Η/Υ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Διοίκηση Παραγωγής & Συστημάτων Υπηρεσιών ΕΡΓΑΣΤΗΡΙΟ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Περιεχόμενα
Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων:
Σχεδιασμός επέκτασης του συστήματος ηλεκτροπαραγωγής με τη χρήση Πολυκριτηριακού Γραμμικού Προγραμματισμού
3ο Πανελλήνιο Επιστημονικό Συνέδριο Χημικής Μηχανικής Αθήνα,, IούνιοςI 200 Σχεδιασμός επέκτασης του συστήματος ηλεκτροπαραγωγής με τη χρήση Πολυκριτηριακού Γραμμικού Προγραμματισμού Γιώργος Μαυρωτάς Δανάη
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
Διαχείριση Εφοδιαστικής Αλυσίδας
Διαχείριση Εφοδιαστικής Αλυσίδας 4 η Διάλεξη: Βελτιστοποίηση πολλαπλών στόχων (Μulti-objective optimization) 2019 Εργαστήριο Συστημάτων Σχεδιασμού, Παραγωγής και Λειτουργιών Ατζέντα Εισαγωγή στην βελτιστοποίηση
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
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
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
Περιεχόμενα Πρόλογος 5ης αναθεωρημένης έκδοσης ΚΕΦΆΛΆΙΟ 1 Ο ρόλος της επιχειρησιακής έρευνας στη λήψη αποφάσεων ΚΕΦΆΛΆΙΟ 2.
Περιεχόμενα Πρόλογος 5ης αναθεωρημένης έκδοσης... 11 Λίγα λόγια για βιβλίο... 11 Σε ποιους απευθύνεται... 12 Τι αλλάζει στην 5η αναθεωρημένη έκδοση... 12 Το βιβλίο ως διδακτικό εγχειρίδιο... 14 Ευχαριστίες...
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ. 1 η ΕΝΟΤΗΤΑ ΕΙΣΑΓΩΓΗ. Μ. Καρλαύτης Ν. Λαγαρός
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 1 η ΕΝΟΤΗΤΑ ΕΙΣΑΓΩΓΗ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative Commons.
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
Fermat, 1638, Newton Euler, Lagrange, 1807
Εισαγωγή Μαθ Προγρ Κλασικά Προβλ Επεκτάσεις Υπολογιστικές Μέθοδοι στη Θεωρία Αποφάσεων Ενότητα 1 Εισαγωγή Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Προπτυχιακό πρόγραμμα σπουδών 3 Μαρτίου
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/
Συστήματα Ανάκτησης Θερμότητας
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ Εργαστήριο Θερμοδυναμικής & Φαινομένων Μεταφοράς Συστήματα Ανάκτησης Θερμότητας Εισαγωγή Σκοπός των συστημάτων ανάκτησης θερμότητας είναι η αξιοποίηση
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
Δομημένος Προγραμματισμός (ΤΛ1006)
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Κρήτης Σχολή Εφαρμοσμένων Επιστημών Τμήμα Ηλεκτρονικών Μηχανικών Τομέας Αυτοματισμού και Πληροφορικής Δομημένος Προγραμματισμός (ΤΛ1006) Δρ. Μηχ. Νικόλαος Πετράκης, Καθηγητής
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 9: Δυϊκή Θεωρία Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
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
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
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #3: Ακέραιος Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
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
Μάθημα Επιλογής 8 ου εξαμήνου
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων:
Προβλήµατα Μεταφορών (Transportation)
Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment) Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια
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
Ενότητα Ι. Βασικά Στοιχεία Σχεδιασμού
Ενότητα Ι Βασικά Στοιχεία Σχεδιασμού Διάλεξη 1 Εισαγωγικά Τροφοδοσία Σύνθεση Διεργασιών? Διεργασία Προϊόντα Αλλαγές φάσης Διαχωρισμοί Αντίδραση Ανάμιξη Ψύξη Θέρμανση Σύνθεση Επιλογή χημικών αντιδράσεων,
Βελτιστοποίηση κατανομής πόρων συντήρησης οδοστρωμάτων Πανεπιστήμιο Πατρών - Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών
Βελτιστοποίηση κατανομής πόρων συντήρησης οδοστρωμάτων Πανεπιστήμιο Πατρών - Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών Πάτρα 17 - Μαΐου - 2017 Παναγιώτης Τσίκας Σκοπός του προβλήματος Σκοπός του προβλήματος,
ΑΝΑΠΤΥΞΗ ΠΡΟΗΓΜΕΝΩΝ ΛΟΓΙΣΜΙΚΩΝ ΕΡΓΑΛΕΙΩΝ ΓΙΑ ΤΟ ΣΧΕ ΙΑΣΜΟ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΑΙ ΡΥΘΜΙΣΗ ΙΕΡΓΑΣΙΩΝ ΠΟΛΥΜΕΡΙΣΜΟΥ
ΑΝΑΠΤΥΞΗ ΠΡΟΗΓΜΕΝΩΝ ΛΟΓΙΣΜΙΚΩΝ ΕΡΓΑΛΕΙΩΝ ΓΙΑ ΤΟ ΣΧΕ ΙΑΣΜΟ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΑΙ ΡΥΘΜΙΣΗ ΙΕΡΓΑΣΙΩΝ ΠΟΛΥΜΕΡΙΣΜΟΥ Μ. Βασιλειάδου, Α. Κράλλης, Κ. Κωτούλας, Α. Μπάλτσας, Ε. Παπαδόπουλος, Π. Πλαδής, Χ. Χατζηδούκας
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
Οδηγίες χρήσης Aspen Plus 7.1
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ Εργαστήριο Θερμοδυναμικής & Φαινομένων Μεταφοράς Οδηγίες χρήσης Aspen Plus 7.1 Έναρξη προσομοίωσης (1/2) Έναρξη προσομοίωσης (2/2) Εμφανίζεται το ακόλουθο
Κεφάλαιο 5ο: Ακέραιος προγραμματισμός
Κεφάλαιο 5ο: Ακέραιος προγραμματισμός 5.1 Εισαγωγή Ο ακέραιος προγραμματισμός ασχολείται με προβλήματα γραμμικού προγραμματισμού στα οποία μερικές ή όλες οι μεταβλητές είναι ακέραιες. Ένα γενικό πρόβλημα
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
ΜΕΙΚΤΟΣ ΑΚΕΡΑΙΟΣ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΜΕΡΟΣ III ΜΕΙΚΤΟΣ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ 45 ΜΕΙΚΤΟΣ ΑΚΕΡΑΙΟΣ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η γενική μορφή των προβλημάτων μικτού ακέραιου προγραμματισμού είναι: mn, (, ) h g (, ) (, ) R n = {,} q Το διάνυσμα
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
Γιάννης Σαμωνάκης. 1 ο ΣΧΟΛΕΙΟ ΚΩΔΙΚΑ «Βασικά Θέματα Προγραμματισμού στην Ανάπτυξη Δυναμικών Διαδικτυακών Εφαρμογών» (Part 4 - PHP)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ 1 ο ΣΧΟΛΕΙΟ ΚΩΔΙΚΑ «Βασικά Θέματα Προγραμματισμού στην Ανάπτυξη Δυναμικών Διαδικτυακών Εφαρμογών» (Part 4 - PHP) Γιάννης Σαμωνάκης 1 Περιεχόμενα Τι είναι η PHP Που μπορεί να χρησιμοποιηθεί
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
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1)
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) 1 Προέλευση και ιστορία της Επιχειρησιακής Έρευνας Αλλαγές στις επιχειρήσεις Τέλος του 19ου αιώνα: βιομηχανική
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.
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
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
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
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.
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
Επαναχρησιμοποίηση νερού Γραφήματα οριακής εξοικονόμησης και σχεδιασμός δικτύων
Επαναχρησιμοποίηση νερού Γραφήματα οριακής εξοικονόμησης και σχεδιασμός δικτύων Κοκόσης Αντώνης Καθηγητής ΕΜΠ Σχολή Χημικών Μηχανικών, ΕΜΠ akokossis@chemeng.ntua.gr Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
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
Π Ρ Ο Γ Ρ Α Μ Μ Α Ε Ξ Ε Τ Α Σ Ε Ω Ν. ΤΕΧΝΙΚΗ ΚΑΥΣΗΣ & ΑΕΡΙΟΠΟΙΗΣΗΣ Κτ. Χ-Μ Αμφ. 1. ΔΙΑΧΕΙΡΙΣΗ & ΕΛΕΓΧΟΣ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Κτ. Χ-Μ ΑΙΘ.
ΗΜΕΡΟΜΗΝΙΕΣ 1 ο & 2 Ο ΕΞΑΜΗΝΟ 3 ο & 4 Ο ΕΞΑΜΗΝΟ 5 ο & 6 Ο ΕΞΑΜΗΝΟ 7 ο & 8 Ο ΕΞΑΜΗΝΟ 9 ο ΕΞΑΜΗΝΟ ΜΑΚΡΟΟΙΚΟΝΟΜΙΑ ΤΕΧΝΙΚΗ ΚΑΥΣΗΣ & ΑΕΡΙΟΠΟΙΗΣΗΣ Κτ. Χ-Μ Αμφ. 1 ΕΙΔΙΚΑ ΚΕΦΑΛΑΙΑ ΑΝΟΡΓΑΝΗΣ ΧΗΜΕΙΑΣ Κτ. Χ.-Μ. Αιθ.
Α Ν Α Κ Ο Ι Ν Ω Σ Η. Ανακοινώνεται ότι κατόπιν. διόρθωσης τυπογραφικού λάθους. το Πρόγραμμα των Επαναληπτικών Εξετάσεων
Ε.Μ.ΠΟΛΥΤΕΧΝΕΙΟ Αθήνα, 29/08/2012 Α Ν Α Κ Ο Ι Ν Ω Σ Η Ανακοινώνεται ότι κατόπιν διόρθωσης τυπογραφικού λάθους το Πρόγραμμα των Επαναληπτικών Εξετάσεων Περιόδου Σεπτεμβρίου 2011-2012 διαμορφώνεται ως εξής:
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
Σχεδιασμός Χημικών Διεργασιών και Βιομηχανιών Διάλεξη 6
Σχεδιασμός Χημικών Διεργασιών και Βιομηχανιών Διάλεξη 6 Δευτέρα, 14 Απριλίου 008 Οικονομική Ανάλυση Βιομηχανιών και Διεργασιών 1 Εισαγωγή Αριστοποίηση: ενός κριτηρίου (αντικειμενικής συνάρτησης) πολυκριτηριακή
max c 1 x 1 + c 2 x c n x n υπό a 11 x 1 + a 12 x a 1n x n b 1 a 21 x 1 + a 22 x a 2n x n b 2 a m1 x 1 + a m2 x a mn x n b m
Υπολογιστικές Μέθοδοι στη Θεωρία Αποφάσεων Ενότητα 10 Εισαγωγή στον Ακέραιο Προγραμματισμό Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Προπτυχιακό πρόγραμμα σπουδών 29 Φεβρουαρίου 2016 Προβλήματα
Συστήματα Επιχειρηματικής Ευφυίας. CPLEX και OPL: ένα λογισμικό επίλυσης προβλημάτων Γραμμικού Προγραμματισμού
Συστήματα Επιχειρηματικής Ευφυίας CPLEX και OPL: ένα λογισμικό επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Προβλήματα Γραμμικού Προγραμματισμού Πρόβλημα Γραμμικού Προγραμματισμού - ΓΠ (Linear Programming
alpha Language age (3/5) alpha Language Φροντιστήριο Syntax Directed Translation and
alpha Language (1/5) ΗΥ-340 Γλώσσες και Μεταφραστές Φροντιστήριο Syntax Directed Translation and alpha Language Στην alpha δεν υπάρχει main() συνάρτηση, ο κώδικας ξεκινάει την εκτέλεση από την αρχή του
ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΔΙΕΡΓΑΣΙΩΝ ΔΙΑΧΩΡΙΣΜΟΥ ΜΑΔ, 2013
ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΔΙΕΡΓΑΣΙΩΝ ΔΙΑΧΩΡΙΣΜΟΥ ΜΑΔ, 2013 1 Ισορροπία Φάσεων Ανάλογα με τη φύση των συστατικών του μίγματος (ή της ολικής πίεσης του συστήματος) οι τάσεις διαφυγής υπολογίζονται - ανάλογα
ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΙΔΑΝΙΚΩΝ ΑΝΤΙΔΡΑΣΤΗΡΩΝ ΑΝΑΛΥΣΗ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΙΔΑΝΙΚΩΝ ΑΝΤΙΔΡΑΣΤΗΡΩΝ
Εισαγωγή Διαδικασία σχεδιασμού αντιδραστήρα: Καθορισμός του τύπου του αντιδραστήρα και των συνθηκών λειτουργίας. Εκτίμηση των χαρακτηριστικών για την ομαλή λειτουργία του αντιδραστήρα. μέγεθος σύσταση
Θερμοδυναμική - Εργαστήριο
Θερμοδυναμική - Εργαστήριο Ενότητα 2: Εισαγωγή σε έννοιες προγραμματισμού με υπολογιστή Κυρατζής Νικόλαος Τμήμα Μηχανικών Περιβάλλοντος και Μηχανικών Αντιρρύπανσης ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό