Ακέραιος Γραµµικός Προγραµµατισµός
|
|
- Ανδώνης Ζαχαρίου
- 8 χρόνια πριν
- Προβολές:
Transcript
1
2 Μέγιστο Ανεξάρτητο Σύνολο
3 Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες
4 Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Επίλυση : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού
5 Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Επίλυση : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού Γενίκευση κόστους ανάλογα µε την εφαρµογή
6 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε u, v V : [u, v] / E.
7 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε u, v V : [u, v] / E. Βέλτιστη Λύση Μια ϐέλτιστη λύση V είναι µέγιστη ως προς το πληθάριθµο : V = arg max V 2 V V
8 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού:
9 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά
10 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί : x i + x j 1 για κάθε [v i, v j ] E
11 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί : x i + x j 1 για κάθε [v i, v j ] E Αντικειµενική Συνάρτηση : Μεγιστοποίησε τη ποσότητα n i=1 x i
12 Μέγιστο Ανεξάρτητο Σύνολο (Παραδείγµατα) Γράφος G(V, E), V = {V 1, V 2, V 3, V 4, V 5, V 6 } V 2 V 6 V 1 V 3 V 5 V 4
13 Μέγιστο Ανεξάρτητο Σύνολο (Παραδείγµατα) max z = x 1 +x 2 +x 3 +x 4 +x 5 +x 6 s.t. x 1 +x 2 1 x 1 +x 3 1 x 1 +x 4 1 x 1 +x 5 1 x 1 +x 6 1 x i {0, 1}
14 Μέγιστο Ανεξάρτητο Σύνολο (Παραδείγµατα) Γράφος G(V, E), V = {V 1, V 2, V 3 } V 1 V 2 V 3
15 Μέγιστο Ανεξάρτητο Σύνολο (Παραδείγµατα) max z = x 1 +x 2 +x 3 s.t. x 1 +x 2 1 x 1 +x 3 1 x 2 +x 3 1 x i {0, 1}
16 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση µε Πίνακες) Πίνακας πρόσπτωσης Εστω γράφος G(V, E) µε V = n και E = m Ορίζουµε { τον m n πίνακα πρόσπτωσης A ως εξής : 1 αν j ei a ij = 0 διαφορετικά
17 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση µε Πίνακες) Πίνακας πρόσπτωσης Εστω γράφος G(V, E) µε V = n και E = m Ορίζουµε { τον m n πίνακα πρόσπτωσης A ως εξής : 1 αν j ei a ij = 0 διαφορετικά Για το παράδειγµα 2 : v 1 v 2 v 3 e Α= e e
18 Μέγιστο Ανεξάρτητο Σύνολο (Μοντελοποίηση µε Πίνακες) Θέτουµε x = x 1.. x n max z =1 t x s.t. A x 1 x i {0, 1}, 1 = 1. 1 Το γραµµικό πρόβληµα γίνεται :
19 Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i.
20 Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i. n Η αντικειµενική συνάρτηση αλλάζει σε max z = c i x i i=1
21 Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i. n Η αντικειµενική συνάρτηση αλλάζει σε max z = c i x i (Το πρόβληµα Μεγίστου Ανεξάρτητου Συνόλου είναι µια ειδική περίπτωση όπου i : c i = 1) i=1
22 Βεβαρηµένο Μέγιστο Ανεξάρτητο Σύνολο Στο πρόβληµα του Βεβαρηµένου Μεγίστου Ανεξάρτητου Συνόλου (Weighted Maximum Independent Set) έχουµε ένα ϐάρος c i για κάθε κόµβο v i. n Η αντικειµενική συνάρτηση αλλάζει σε max z = c i x i (Το πρόβληµα Μεγίστου Ανεξάρτητου Συνόλου είναι µια ειδική περίπτωση όπου i : c i = 1) Η µοντελοποίηση µε πίνακες : max z =c t x s.t. Ax 1 x i {0, 1} όπου c t = [ c 1... c n ] i=1
23 Ελάχιστη Κοµβική Επικάλυψη Εφαρµογές : Επίβλεψη χώρων Εγκατάσταση εξυπηρετητών Λήψη ϕωτογραφιών από δορυφόρους
24 Ελάχιστη Κοµβική Επικάλυψη Εφαρµογές : Επίλυση : Επίβλεψη χώρων Εγκατάσταση εξυπηρετητών Λήψη ϕωτογραφιών από δορυφόρους Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού
25 Ελάχιστη Κοµβική Επικάλυψη Εφαρµογές : Επίλυση : Επίβλεψη χώρων Εγκατάσταση εξυπηρετητών Λήψη ϕωτογραφιών από δορυφόρους Θεωρία Γράφων Γραµµικό Ακέραιο Πρόγραµµα Χαλάρωση (προσεγγιστική λύση) Μέθοδοι ακέραιου γραµµικού προγραµµατισµού Γενίκευση κόστους ανάλογα µε την εφαρµογή
26 Ελάχιστη Κοµβική επικάλυψη (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε [u, v] E : u V v V.
27 Ελάχιστη Κοµβική επικάλυψη (Μοντελοποίηση) Πρόβληµα ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των κόµβων V V ώστε [u, v] E : u V v V. Βέλτιστη Λύση Μια ϐέλτιστη λύση V είναι ελάχιστη ως προς το πληθάριθµο : V = arg min V 2 V V.
28 Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού:
29 Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά
30 Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί: x i + x j 1 για κάθε [v i, v j ] E
31 Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση) Μοντελοποίηση µέσω Ακέραιου Γραµµικού Προγραµµατισµού: Μεταβλητές { : 1 αν vi V x i = 0 διαφορετικά Περιορισµοί: x i + x j 1 για κάθε [v i, v j ] E Αντικειµενική Συνάρτηση : Ελαχιστοποίησε τη ποσότητα n i=1 x i
32 Ελάχιστη Κοµβική Επικάλυψη (Παραδείγµατα) Γράφος G(V, E), V = {V 1, V 2, V 3, V 4 } V 3 V 1 V 4 V 2
33 Ελάχιστη Κοµβική Επικάλυψη (Παραδείγµατα) min w = x 1 +x 2 +x 3 +x 4 s.t. x 1 +x 3 1 x 1 +x 2 1 x 2 +x 3 1 x i {0, 1} x 3 +x 4 1
34 Ελάχιστη Κοµβική Επικάλυψη (Μοντελοποίηση µε Πίνακες) Το γραµµικό πρόβληµα µε χρήση πινάκων γίνεται : min w =1 t x s.t. Ax 1 x i {0, 1}
35 Βεβαρηµένη Ελάχιστη Κοµβική Επικάλυψη Στο πρόβληµα της Βεβαρηµένης Ελάχιστης Κοµβικής Επικάλυψης (Weighted Vertex Cover) έχουµε πάλι ϐάρη στους κόµβους και στοχεύουµε στην ελαχιστοποίηση της ποσότητας n min w = c i x i i=1
36 Βεβαρηµένη Ελάχιστη Κοµβική Επικάλυψη Στο πρόβληµα της Βεβαρηµένης Ελάχιστης Κοµβικής Επικάλυψης (Weighted Vertex Cover) έχουµε πάλι ϐάρη στους κόµβους και στοχεύουµε στην ελαχιστοποίηση της ποσότητας n min w = c i x i i=1 Η µοντελοποίηση µε πίνακες : min w =c t x s.t. Ax 1 x i {0, 1} όπου c t = [ c 1... c n ]
37 Σχέση Ελάχιστης Κοµβικής Επικάλυψης -Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 1 Εστω µια εφικτή λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου : Η λύση 1 x είναι µια εφικτή λύση της Ελάχιστης Κοµβικής Επικάλυψης.
38 Σχέση Ελάχιστης Κοµβικής Επικάλυψης -Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 1 Εστω µια εφικτή λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου : Η λύση 1 x είναι µια εφικτή λύση της Ελάχιστης Κοµβικής Επικάλυψης. Απόδειξη Ax 1 Ax A1 1 A1 A(x 1) 1 A(1 x ) 1 (A1 = 2)
39 Σχέση Ελάχιστης Κοµβικής Επικάλυψησ-Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 2 Εστω µια ϐέλτιστη λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου: Η λύση 1 x είναι µια ϐέλτιστη λύση της Ελάχιστης Κοµβικής Επικάλυψης.
40 Σχέση Ελάχιστης Κοµβικής Επικάλυψησ-Μέγιστου Ανεξαρτήτου Υποσυνόλου Πρόταση 2 Εστω µια ϐέλτιστη λύση x του Μέγιστου Ανεξάρτητου Υποσυνόλου: Η λύση 1 x είναι µια ϐέλτιστη λύση της Ελάχιστης Κοµβικής Επικάλυψης. Απόδειξη n i=1 n i=1 n i=1 x i (1 x i ) x i n i=1 n i=1 x i x i n (1 x i ) i=1
41 Αλλα Προβλήµατα Ελάχιστη Επικάλυψη ακµών ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των ακµών E E ώστε v V : e E : v e. Η Αντικειµενική Συνάρτηση σκοπεύει στην ελαχιστοποίηση του πληθάριθµο αριθµού E.
42 Αλλα Προβλήµατα Ελάχιστη Επικάλυψη ακµών ίνεται γράφος G(V, E) Μία εφικτή λύση είναι ένα υποσύνολο των ακµών E E ώστε v V : e E : v e. Η Αντικειµενική Συνάρτηση σκοπεύει στην ελαχιστοποίηση του πληθάριθµο αριθµού E.
43 Αλλα Προβλήµατα Ελάχιστος Χρωµατισµός Γράφων ίνεται γράφος G(V, E) Μία εφικτή λύση είναι µια ανάθεση χρωµάτων Color : V C έτσι ώστε [u, v] E :Color(v) Color(u). Η Αντικειµενική Συνάρτηση σκοπεύει στην ελαχιστοποίηση του αριθµού των διαφορετικών χρωµάτων που ανατίθενται στους κόµβους.
44 Ασκήσεις 1 Να µοντελοποιηθεί το πρόβληµα της Ελάχιστης Επικάλυψης Ακµών ως πρόβληµα Ακέραιου Γραµµικού Προγραµµατισµού.
45 Ασκήσεις 1 Να µοντελοποιηθεί το πρόβληµα της Ελάχιστης Επικάλυψης Ακµών ως πρόβληµα Ακέραιου Γραµµικού Προγραµµατισµού. 2 Να µοντελοποιηθεί το πρόβληµα του Ελάχιστου Χρωµατισµού Γράφων ως πρόβληµα Ακέραιου Γραµµικού Προγραµµατισµού.
Ακέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Βασικές έννοιες και ορισµοί. Ευθεία
Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Βασικές έννοιες και ορισµοί Ευθεία
Βασικές έννοιες και ορισµοί. Ευθεία
Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Βασικές έννοιες και ορισµοί Ευθεία
Μοντελοποίηση προβληµάτων
Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων
Θεωρία Αποφάσεων και Βελτιστοποίηση
Θεωρία Αποφάσεων και Βελτιστοποίηση http://www.di.uoa.gr/ telelis/opt.html Ορέστης Τελέλης telelis@di.uoa.gr Τµήµα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήµιο Αθηνών Θεωρία Αποφάσεων και Βελτιστοποίηση
Αξιολόγηση Ευριστικών Αλγορίθµων
Προσεγγιστικοί Αλγόριθµοι Πολλές ϕορές η εύρεση της ϐέλτιστων λύσεων προβληµάτων ακέραιου γραµµικού προγραµµατισµού είναι µια χρονοβόρα διαδικασία (εκθετική πολυπλοκότητα) Προσεγγιστικοί Αλγόριθµοι Πολλές
Θεωρία Αποφάσεων και Βελτιστοποίηση
Θεωρία Αποφάσεων και Βελτιστοποίηση http://www.di.uoa.gr/ telelis/opt.html Ορέστης Τελέλης telelis@di.uoa.gr Τµήµα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήµιο Αθηνών Θεωρία Αποφάσεων και Βελτιστοποίηση
Βασική Εφικτή Λύση. Βασική Εφικτή Λύση
Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n
Simplex µε πίνακες Simplex µε πίνακες
Μορφή Πινάκων max z =cx s.t. Ax = b x 0 Μορφή Πινάκων max z =cx s.t. Ax = b x 0 [ A c x = b ] Μορφή Πινάκων max z =cx s.t. Ax = b x 0 A x = b [ ] c Επιλογή αντιστρέψιµου υποπίνακα m m (Βάση) Συµβολισµοί
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
Λυμένες ασκήσεις στα πλαίσια του μαθήματος «Διοίκηση Εφοδιαστικής Αλυσίδας»
Λυμένες ασκήσεις στα πλαίσια του μαθήματος «Διοίκηση Εφοδιαστικής Αλυσίδας» Άσκηση 1. Έστω ότι μια επιχείρηση αντιμετωπίζει ετήσια ζήτηση = 00 μονάδων για ένα συγκεκριμένο προϊόν, σταθερό κόστος παραγγελίας
Γραμμικός Προγραμματισμός
Μια εταιρεία παράγει κέικ δύο κατηγοριών, απλά και πολυτελείας: Ένα απλό κέικ αποδίδει κέρδος 1 ευρώ. Ένα κέικ πολυτελείας αποδίδει κέρδος 6 ευρώ. Η καθημερινή ζήτηση του απλού κέικ είναι 200. Η καθημερινή
Γενικευµένη Simplex Γενικευµένη Simplex
Πρόβληµα cutting stock Λογικά µεγέθη (20 περιορισµοί, 24000 µεταβλητές) Πρόβληµα cutting stock Λογικά µεγέθη (20 περιορισµοί, 24000 µεταβλητές) Μεγάλα µεγέθη (30 περιορισµοί, 190000 µεταβλητές) Πρόβληµα
Εισαγωγή. Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση. υϊσµός
Εισαγωγή Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση Εισαγωγή Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση Σε περιπτώσεις
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
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Προσεγγιστικοί Αλγόριθμοι Απόδοση χειρότερης
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γενική Προσέγγιση ιατυπώνουμε το πρόβλημα
Branch and Bound. Branch and Bound
Μέθοδος επίλυσης προβληµάτων ακέραιου γραµµικού προγραµµατισµού Μέθοδος επίλυσης προβληµάτων ακέραιου γραµµικού προγραµµατισµού Προσπαθούµε να αποφύγουµε την εξαντλητική αναζήτηση Μέθοδος επίλυσης προβληµάτων
Αλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα
Αλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα Διδάσκοντες: E. Ζάχος, Α. Παγουρτζής Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο
Προσεγγιστικοί Αλγόριθμοι
Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. http://xkcd.com/287/ Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. Πως μπορούμε να αντιμετωπίσουμε το γεγονός ότι είναι απίθανη(;)
για NP-Δύσκολα Προβλήματα
Προσεγγιστικοί Αλγόριθμοι για NP-Δύσκολα Προβλήματα Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο
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
Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα
Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Αντιμετώπιση NP- υσκολίας Αν P NP, όχι αλγόριθμος
Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα
Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια
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/
ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα
ΚΕΦΑΛΑΙΟ 4 Ακέραια Πολύεδρα 1 Ορισμός 4.1 (Convex Hull) Έστω ένα σύνολο S C R n. Ένα σημείο x του R n είναι κυρτός συνδυασμός (convex combination) σημείων του S, αν υπάρχει ένα πεπερασμένο σύνολο σημείων
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γενική Προσέγγιση ιατυπώνουμε το πρόβλημα
Ο Αλγόριθµος της Simplex
Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Αρχικοποίηση : Επέλεξε έναν αντιστρέψιµο πίνακα B (m m) έτσι ώστε x
Μη Ντετερμινισμός και NP-Πληρότητα
Μη Ντετερμινισμός και NP-Πληρότητα Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Μη Ντετερμινιστικές Μηχανές Turing Μη ντετερμινιστική
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 2: Γραφική επίλυση προβληµάτων γραµµικού προγραµµατισµού(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com
ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX
ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ 2013-2014 ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX ΔΥΙΚΟΤΗΤΑ Κάθε πρόβλημα γραμμικού προγραμματισμού συνδέεται με εάν άλλο πρόβλημα γραμμικού προγραμματισμού
NP-πληρότητα. Λεωνίδας Παληός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων
NP-πληρότητα Λεωνίδας Παληός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων Πολυωνυμικός μετασχηματισμός Ένας πολυωνυμικός μετασχηματισμός από την L 1 Σ 1 * στην L 2 Σ 2 * είναι μια συνάρτηση
Εξαντλητική Απαρίθµηση
Υπενθύµιση Χαράκτηρίζουµε τους αλγόριθµους ως προς το χρόνο εκτέλεσης συναρτήσει της εισόδου Υπενθύµιση Χαράκτηρίζουµε τους αλγόριθµους ως προς το χρόνο εκτέλεσης συναρτήσει της εισόδου Ως µέτρο ϑεωρούµε
Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)
Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο Ορισμοί Παραδείγματα Δικτυακή Simplex (προβλήματα με και χωρίς φραγμούς). Δίκτυα Ροής Ελάχιστου Κόστους (Minimum ost Flow Networks) Ένα δίκτυο μεταφόρτωσης αποτελείται
Υπολογιστική Πολυπλοκότητα
Υπολογιστική Πολυπλοκότητα ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Υπολογιστική Πολυπλοκότητα Γιατί κάποια (επιλύσιμα) προβλήματα είναι δύσκολο
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
Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής
Θεωρία Παιγνίων και Αποφάσεων Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Παίγνια μηδενικού αθροίσματος PessimisIc play Αμιγείς max-min και
Προσεγγιστικοί Αλγόριθμοι
Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. http://xkcd.com/287/ Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. Πως μπορούμε να αντιμετωπίσουμε το γεγονός ότι είναι απίθανη(;)
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,
Αλγόριθμοι και Πολυπλοκότητα
Αλγόριθμοι και Πολυπλοκότητα Εισαγωγή Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Βιβλιογραφία Jon Kleinberg και Éva Tardos, Σχεδιασμός αλγορίθμων, Εκδόσεις Κλειδάριθμος,
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
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
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
Μέθοδοι Βελτιστοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Μέθοδοι Βελτιστοποίησης Ενότητα # 5: Ασκήσεις Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν
Αλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 30 Απριλίου 2015 1 / 48 Εύρεση Ελάχιστου
Κεφάλαιο 1. Πέντε Αντιπροσωπευτικά Προβλήματα. Έκδοση 1.4, 30/10/2014. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 1 Πέντε Αντιπροσωπευτικά Προβλήματα Έκδοση 1.4, 30/10/2014 Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 1.2 Πέντε Αντιπροσωπευτικά Προβλήματα 1. Χρονοπρογραμματισμός Διαστημάτων
2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative
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
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
Προσεγγιστικά Σχήµατα για Προβλήµατα Χρονοδροµολόγησης
Προσεγγιστικά Σχήµατα για Προβλήµατα Χρονοδροµολόγησης Γιώργος Ζώης Οικονοµικό Πανεπιστήµιο Αθηνών Τµήµα Πληροφορικής georzois@aueb.gr Απρίλιος 2010 Σκιαγράφηση Σκιαγράφηση 1 Θεωρία Χρονοδροµόλογησης Προβλήµατα
Συνδυαστική Βελτιστοποίηση Σημειώσεις. Β. Ζησιμόπουλος
Συνδυαστική Βελτιστοποίηση Σημειώσεις Β. Ζησιμόπουλος Ιανουάριος 2007 Περιεχόμενα 1 Εισαγωγή στη Συνδυαστική Βελτιστοποίηση 3 1.1 Προβλήματα Βελτιστοποίησης.................. 5 1.2 Πρόβλημα Πλανόδιου Πωλητή
Κατευθυνόµενα γραφήµατα. Στοιχεία Θεωρίας Γραφηµάτων (1) Πολυγραφήµατα (Multigraphs)
Μη κατευθυνόµενα γραφήµατα Στοιχεία Θεωρίας Γραφηµάτων (1) Απλό µη κατευθυνόµενο γράφηµα G είναι διατεταγµένο Ϲεύγος (V, E) µε σύνολο κορυφών/κόµβων V Ορέστης Τελέλης tllis@unipi.gr Τµήµα Ψηφιακών Συστηµάτων,
Αλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 15 Ιουνίου 2009 1 / 26 Εισαγωγή Η ϑεωρία
Επίλυση Προβληµάτων µε Greedy Αλγόριθµους
Επίλυση Προβληµάτων µε Greedy Αλγόριθµους Περίληψη Επίλυση προβληµάτων χρησιµοποιώντας Greedy Αλγόριθµους Ελάχιστα Δέντρα Επικάλυψης Αλγόριθµος του Prim Αλγόριθµος του Kruskal Πρόβληµα Ελάχιστης Απόστασης
Κουτσιούμπας Αχιλλέας U. Adamy, C. Ambuehl, R. Anand, T. Erlebach
Κουτσιούμπας Αχιλλέας ΕΛΕΓΧΟΣ ΚΛΗΣΕΩΝ ΣΕ ΑΚΤΥΛΙΟ U. Adamy, C. Ambuehl, R. Anand, T. Erlebach ΜΠΛΑ 1 Δομή παρουσίασης Γενικά Ορισμός προβλήματος Σχετιζόμενη δουλειά Εισαγωγικά Αλγόριθμος Παράδειγμα εκτέλεσης
Υπολογιστική Πολυπλοκότητα
Υπολογιστική Πολυπλοκότητα ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό
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
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
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ικανοποίηση Περιορισμών Κατηγορία προβλημάτων στα οποία είναι γνωστές μερικές
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
Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και 31 Μαρτίου Ηµι-Επαναληπτικές Μέθοδο / 17
Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα) Επαναληπτικές µέθοδοι και Ηµι-Επαναληπτικές Μέθοδοι Πανεπιστήµιο Αθηνών 31 Μαρτίου 2017 Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και
Στοιχεία Θεωρίας Γραφηµάτων (1)
Στοιχεία Θεωρίας Γραφηµάτων (1) Ορέστης Τελέλης telelis@unipi.gr Τµήµα Ψηφιακών Συστηµάτων, Πανεπιστήµιο Πειραιώς Ο. Τελέλης Πανεπιστήµιο Πειραιώς Θεωρία Γραφηµάτων (1) 1 / 23 Μη κατευθυνόµενα γραφήµατα
Προσεγγιστικοί Αλγόριθμοι
Κεφάλαιο 12 Προσεγγιστικοί Αλγόριθμοι 12.1 Προβλήματα Βελτιστοποίησης Σε ένα πρόβλημα βελτιστοποίησης σε κάθε στιγμιότυπο του προβλήματος αντιστοιχούν κάποιες εφικτές (feasible) -δηλαδή επιτρεπτές- λύσεις,
ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015
ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015 ΘΕΜΑ 1 ( Μονάδες 2) Μια επιχείρηση κατασκευής tablet έχει εργοστάσια σε τρεις διαφορετικές χώρες Α,Β,Γ που παράγουν αντίστοιχα 200, 260 και
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
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
Κεφάλαιο 6. Μέθοδοι επίλυσης προβλημάτων ακέραιου προγραμματισμού
Κεφάλαιο 6 Μέθοδοι επίλυσης προβλημάτων ακέραιου προγραμματισμού 1 Γραφική επίλυση Η γραφική μέθοδος επίλυσης μπορεί να χρησιμοποιηθεί μόνο για πολύ μικρά προβλήματα με δύο ή το πολύ τρεις μεταβλητές απόφασης.
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού 1 Σχέση γραμμικού και ακέραιου προγραμματισμού Ενα πρόβλημα ακέραιου προγραμματισμού είναι
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
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: ΤΕΧΝΙΚΕΣ ΜΟΝΤΕΛΟΠΟΙΗΣΗΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ. Αντώνης Οικονόµου ηµήτρης Καγιούλης Ιγνάτιος Χάρος ΕΠΙΣΚΟΠΗΣΗ
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ: ΤΕΧΝΙΚΕΣ ΜΟΝΤΕΛΟΠΟΙΗΣΗΣ ΜΕΘΟ ΟΙ ΕΠΙΛΥΣΗΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ Αντώνης Οικονόµου ηµήτρης Καγιούλης Ιγνάτιος Χάρος ΕΠΙΣΚΟΠΗΣΗ. Το πρόβληµα γραµµικού προγραµµατισµού - περίληψη 2. Το πρόβληµα
ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ
ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ Επιμέλεια : Γεωργίου Κωστής Παρουσίαση στα πλαίσια του μαθήματος: Δίκτυα και πολυπλοκότητα Φεβρουάριος 004 μπλ Κίνητρα για τη μελέτη της μη προσεγγισιμότητας Ο πληρέστερος
Scheduling on Unrelated Parallel Machines
Scheduling on Unrelated Parallel Machines Problem Formulation Given a set J of jobs, a set M of machines, and for each j J and i M, pij Z+, is the time taken to process job j on machine i, the problem
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:
Μοντέλα Διανομής και Δικτύων
Μοντέλα Διανομής και Δικτύων 10-03-2017 2 Πρόβλημα μεταφοράς (1) Τα προβλήματα μεταφοράς ανακύπτουν συχνά σε περιπτώσεις σχεδιασμού διανομής αγαθών και υπηρεσιών από τα σημεία προσφοράς προς τα σημεία
Αλγόριθµοι Προσέγγισης για NP- ύσκολα Προβλήµατα
Αλγόριθµοι Προσέγγισης για NP- ύσκολα Προβλήµατα Παύλος Σπυράκης Πανεπιστήµιο Πατρών Τοµέας Θεµελιώσεων και Εφαρµογών της Επιστήµης των Υπολογιστών Ερευνητικό Ακαδηµαϊκό Ινστιτούτο Τεχνολογίας Υπολογιστών
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 1: Δυϊκή Θεωρία, Οικονομική Ερμηνεία Δυϊκού Προβλήματος Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό
Προσεγγιστικοί Αλγόριθμοι βασισμένοι σε Γραμμικό Προγραμματισμό ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Αντιμετώπιση NP- υσκολίας Αν P NP, όχι
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
Θεωρία παραγωγού. Μικροοικονομική Θεωρία Ι / Διάλεξη 11 / Φ. Κουραντή 1
Θεωρία παραγωγού Σκοπός: Μεγιστοποίηση κερδών (υπάρχουν κι άλλοι σκοποί, π.χ. ένας μάνατζερ επιδιώκει την μεγιστοποίηση εσόδων κτλ. Τελικά όμως σκοπεύει στην μεγιστοποίηση των κερδών για να μπορέσει να
Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιµότητα Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβληµα αναζήτησης (search problem) Ένα πρόβληµα αναζήτησης είναι ένα πρόβληµα στο
max 17x x 2 υπό 10x 1 + 7x 2 40 x 1 + x 2 5 x 1, x 2 0.
Υπολογιστικές Μέθοδοι στη Θεωρία Αποφάσεων Ενότητα 11 Επίλυση στον Ακέραιο Προγραμματισμό Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Προπτυχιακό πρόγραμμα σπουδών 6 Μαΐου 2016 Η μέθοδος κλάδος-φράγμα
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26 ΙΟΥΛΙΟΥ 2009 ΕΥΤΕΡΟ ΜΕΡΟΣ :
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ - ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΑΛΓΕΒΡΑ-ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ ΑΝΑΛΥΣΗ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΙΑΦΟΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΠΙΘΑΝΟΤΗΤΕΣ-ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΙΚΕΣ ΜΕΤΑΠΤΥΧΙΑΚΕΣ ΕΞΕΤΑΣΕΙΣ 26
Άσκηση 1 Ένα κεντρικό βιβλιοπωλείο ειδικεύεται στα λογοτεχνικά βιβλία και τα βιβλία τέχνης. Προκειμένου να προωθήσει μια νέα συλλογή λογοτεχνικών βιβλίων και βιβλίων τέχνης, η διεύθυνση του βιβλιοπωλείου
ΠΡΟΒΛΗΜΑΤΑ 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
(S k R n ) (C k R m )
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
Άσκηση 21. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης
Εταιρία παράγει σκυρόδεμα με το οποίο προμηθεύει σε καθημερινή βάση διάφορες οικοδομικές επιχειρήσεις. Το σκυρόδεμα παράγεται σε δύο εργοτάξια της εταιρίας, το Α και το Β. Με τα σημερινά δεδομένα, υπάρχει
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/)
Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/) Κων/νος Ι. Κυριακόπουλος Καθηγητής ΕΜΠ (h9p://users.ntua.gr/kkyria/) Kostas J. Kyriakopoulos - Σ.Α.Ε. ΙΙ 1 Δομή της Ύλης του
Προσδιοριστικές Μέθοδοι Επιχειρησιακής Έρευνας Πολυκριτήριος Γραμμικός Προγραμματισμός (Goal Programming)
Προσδιοριστικές Μέθοδοι Επιχειρησιακής Έρευνας Πολυκριτήριος Γραμμικός Προγραμματισμός (Goal Programming Νίκος Τσάντας ιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά των Υπολογιστών
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.
Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα
Πρόβληµα Μεταφοράς Η παρουσίαση προετοιµάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόµενα Παρουσίασης 1. Μοντέλο Προβλήµατος Μεταφοράς 2. Εύρεση Μιας Αρχικής Βασικής
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
ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ
ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Dr. Christos D. Tarantilis Associate Professor in Operations Research & Management Science http://tarantilis.dmst.aueb.gr/ ΕΦΑΡΜΟΓΕΣ ΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Ι - 1- ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές
Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές Ενότητα 7 ΧΡΩΜΑΤΙΣΜΟΣ Σταύρος Δ. Νικολόπουλος 2017-18 www.cs.uoi.gr/~stavros Εισαγωγή Χρωματισμός κορυφών-ακμών-περιοχών. Χρωματική τάξη (color class):
2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ
2. ΣΥΓΚΕΝΤΡΩΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΠΑΡΑΓΩΓΗΣ Ο Συγκεντρωτικός Προγραμματισμός Παραγωγής (Aggregae Produion Planning) επικεντρώνεται: α) στον προσδιορισμό των ποσοτήτων ανά κατηγορία προϊόντων και ανά χρονική
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
Διδάσκων: 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
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
ΑΚΕΡΑΙΟΣ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΑΚΕΡΑΙΟΣ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ολοκληρωμένη μαθηματική τεχνική βελτιστοποίησης Ευρύτατο φάσμα εφαρμογών Εισαγωγή ακέραιων/λογικών/βοηθητικών μεταβλητών Δυνατότητα γραμμικοποίησης με 0-1 μεταβλητές
Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα To Πρόβλημα Μεταφοράς
Προβλήµατα Μεταφορών (Transportation)
Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment) Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια