ΕΝΑΣ ΝΕΟΣ ΤΡΟΠΟΣ ΔΗΜΙΟΥΡΓΙΑΣ ΤΥΧΑΙΩΝ ΒΕΛΤΙΣΤΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ ΚΑΙ ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ
|
|
- Χλωρίς Βυζάντιος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ΕΝΑΣ ΝΕΟΣ ΤΡΟΠΟΣ ΔΗΜΙΟΥΡΓΙΑΣ ΤΥΧΑΙΩΝ ΒΕΛΤΙΣΤΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ ΚΑΙ ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ Παπαρρίζος Κωνσταντίνος, Σαμαράς Νικόλαος, Στεφανίδης Γεώργιος Τμ. Εφαρμοσμένης Πληροφορικής Πανεπιστήμιο Μακεδονίας Εγνατία 156, 546 Θεσσαλονίκη ΠΕΡΙΛΗΨΗ: Παρουσιάζεται ένας τρόπος δημιουργίας βέλτιστων τυχαίων γραμμικών προβλημάτων. Χρησιμοποιώντας αυτού του είδους τα προβλήματα πραγματοποιήσαμε μια υπολογιστική μελέτη συγκρίνοντας τον κλασσικό αλγόριθμο Simple, με τον κανόνα περιστροφής του Dantzig, με έναν νέο αλγόριθμο εξωτερικών σημείων. Ο αλγόριθμος εξωτερικών σημείων βρέθηκε εντυπωσιακά αποτελεσματικότερος έναντι του κλασσικού αλγορίθμου Simple. Λέξεις Κλειδιά: Αλγόριθμοι Γραμμικού Προγραμματισμού, Τυχαία Προβλήματα, Υπολογιστικές Μελέτες. 1. ΕΙΣΑΓΩΓΗ Πρόσφατα, ο Paparrizos [3] επεκτείνοντας προηγούμενα αποτελέσματά του, ανέπτυξε ένα γενικό αλγόριθμο εξωτερικών σημείων (EPSA) για προβλήματα γραμμικού προγραμματισμού. Ένα κοινό χαρακτηριστικό όλων σχεδόν των τύπου simple αλγόριθμων είναι ότι μπορούν να ερμηνευτούν ως μια διαδικασία που ακολουθεί τύπου simple διαδρομές οι οποίες καταλήγουν στη βέλτιστη λύση. Ο αλγόριθμος αυτός διαφέρει ριζικά από τον Πρωτεύοντα Αλγόριθμο Simple (PSA) επειδή οι βασικές λύσεις του δεν είναι εφικτές. Οι Paparrizos et. al. [5] έδειξαν ότι η γεωμετρία του EPSA καθιστά φανερό ότι αυτός ο αλγόριθμος είναι ταχύτερος από τη γνωστή μέθοδο simple, γεγονός το οποίο επαληθεύτηκε σε πρωταρχικά υπολογιστικά αποτελέσματα σύγκρισης πρώιμων δυϊκών εκδόσεων του EPSA σε ειδικά δομημένα γραμμικά προβλήματα, βλ. [1], [2]. Στην εργασία μας αυτή παρουσιάζουμε έναν τρόπο δημιουργίας βέλτιστων τυχαίων γραμμικών προβλημάτων και μια νέα μέθοδο μεγάλου - Μ για τη λύση γενικών γραμμικών προβλημάτων. Ο νέος αλγόριθμος μπορεί να θεωρηθεί ως μια προσπάθεια τελειοποίησης του αλγόριθμου του Paparrizos [3]. Χρησιμοποιώντας αυτού του είδους τα προβλήματα, πραγματοποιούμε μια εκτεταμένη υπολογιστική μελέτη για να επαληθεύσουμε την ανωτερότητα του νέου αλγόριθμου επί του κλασσικού αλγόριθμου simple. Τα υπολογιστικά μας αποτελέσματα καθιστούν φανερό ότι ο EPSA είναι σημαντικά ταχύτερος από τον PSA σε τυχαία δημιουργημένα πυκνά γραμμικά προβλήματα και ότι η ανωτερότητα αυξάνει ανάλογα με τη διάσταση του προβλήματος. Ειδικότερα, σε βέλτιστα προβλήματα, ο EPSA είναι μέχρι και 1 φορές ταχύτερος από τον PSA, γεγονός ενθαρρυντικό και ελπιδοφόρο για τον αλγόριθμο αυτό. Η διάρθρωση του άρθρου μας είναι η ακόλουθη: Στην ενότητα 2 ανακεφαλαιώνουμε ορισμένα γνωστά αποτελέσματα σε αναθεωρημένη μορφή και παρουσιάζουμε τον αλγόριθμο EPSA. Στην ενότητα 3 δίνουμε τα βασικά σημεία μιας μεθόδου μεγάλου - Μ για τον αλγόριθμό μας. Στην ενότητα 4 παρουσιάζουμε έναν τρόπο δημιουργίας βέλτιστων τυχαίων γραμμικών
2 προβλημάτων και στην ενότητα 5 δίνουμε τα υπολογιστικά αποτελέσματα. Τέλος στην ενότητα 6 αναφέρουμε τα συμπεράσματά μας και πιθανές επεκτάσεις του αλγόριθμου. 2. ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ Θεωρούμε το ακόλουθο πρόγραμμα γραμμικού προγραμματισμού min c µ. π. A = b (P.1) όπου A R m n, c, R n, b R m και σημαίνει αναστροφή. Ας υποθέσουμε αρχικά ότι rank(a) = m, 1 m < n. Διαμερίζοντας τον πίνακα Α ως 1 και τα διανύσματα και c αντίστοιχα ως A = ( ) =, c c = c το (P.1) γράφεται min µ. π. c + c +, = b Ο πίνακας είναι ένας mn αντιστρέψιμος υποπίνακας του A, γνωστός ως βασικός πίνακας. Οι στήλες του A οι οποίες ανήκουν στον λέγονται βασικές και όσες εναπομένουν λέγονται μη βασικές. Δοθείσης μιας βάσης, η αντίστοιχη λύση = -1 b, = λέγεται ότι είναι μια βασική λύση. Μια λύση = (, ) είναι εφικτή αν. Διαφορετικά λέγεται μη εφικτή. Είναι γνωστό ότι η λύση του δυϊκού προβλήματος που αντιστοιχεί στη βάση, δίνεται από την s = c A w όπου w = (c ) -1 είναι οι πολλαπλασιαστές simple και s είναι οι δυϊκές χαλαρές μεταβλητές. Η αντίστοιχη βάση λέγεται δυϊκή εφικτή αν s. Είναι γνωστό επίσης ότι s =. Σε κάθε επανάληψη ο PSA εναλλάσσει μια στήλη του με μια στήλη του, κατασκευάζοντας έτσι μια νέα βάση. Γεωμετρικά αυτό σημαίνει ότι ο PSA κινείται κατά μήκος των ακμών του πολύεδρου P = { A b, }. Ένας τέτοιος δρόμος είναι γνωστός 1 Χρησιμοποιούμε μια φορά το γράμμα Β για να συμβολίσουμε ένα σύνολο δεικτών και μια φορά για να συμβολίσουμε έναν πίνακα. Το ίδιο κάνουμε και για το Ν. Θεωρούμε ότι από τα συμφραζόμενα θα φαίνεται αν τα γράμματα αυτά συμβολίζουν σύνολα δεικτών ή πίνακες.
3 ως ένας δρόμος simple. Από την άλλη μεριά, ο EPSA δημιουργεί δύο δρόμους προς την βέλτιστη λύση. Ο ένας δρόμος είναι μη εφικτός και ο άλλος είναι εφικτός. Έτσι ο EPSA δεν χρειάζεται να προχωράει εξετάζοντας μια τέτοια ακμή μετά την άλλη κατά μήκος του πολύεδρου. Επομένως, μπορούμε να ακολουθήσουμε συντομότερους δρόμους παρακάμπτοντας την εφικτή περιοχή. Πριν να προχωρήσουμε στην περιγραφή του EPSA, κρίνουμε σκόπιμο να εξηγήσουμε κάποιους συμβολισμούς. Η i-γραμμή του A συμβολίζεται με A i. και η -στήλη με A.. Σημειωτέον ότι το συνολικό έργο μιας επανάληψης σε αλγόριθμους τύπου simple καθορίζεται από τον προσδιορισμό του αντίστροφου πίνακα -1 και σε κάθε επανάληψη ο τρέχων αντίστροφος -1 μπορεί να υπολογιστεί από τον προηγούμενο αντίστροφο -1 με μια απλή πράξη περιστροφής. Δηλαδή έχουμε όπου Ε -1 είναι ο πίνακας E = I 1 a pq (a e )e q q -1 = Ε -1 Β -1 q 1 =! a a 1q " 1/a " mq /a pq /a pq pq! 1 Στην παραπάνω σχέση a pq είναι το στοιχείο περιστροφής, η στήλη q λέγεται στήλη περιστροφής και η γραμμή p λέγεται γραμμή περιστροφής. Ο αλγόριθμος EPSA. Βήμα. (Ξεκίνημα). Άρχισε με μια εφικτή βασική διαμέριση (, ). Υπολόγισε τον πίνακα και τα διανύσματα -1,, w, s, αντίστοιχα. Βρες τα σύνολα P = { : s < } και Q = { : s }. Επέλεξε αυθαίρετα ένα διάνυσμα λ = (λ 1, λ 2,, λ P ) > και υπολόγισε το s χρησιμοποιώντας τη σχέση και το διάνυσμα με Βήμα 1. (Έλεγχος τερματισμού). s = λ s P d = λ h h P = A. i. (Έλεγχος βελτιστότητας). If P =, SOP. Το πρόβλημα (P.1) είναι βέλτιστο. ii. (Επιλογή εξερχόμενης μεταβλητής). Αν d, SOP. Αν s =, το πρόβλημα (P.1) είναι βέλτιστο. Αν s < το πρόβλημα (P.1) είναι απεριόριστο. Διαφορετικά, επέλεξε την εξερχόμενη μεταβλητή [r] = k χρησιμοποιώντας τη σχέση [] r [] i α = = min : d [] i < d [] r d [] i
4 Βήμα 2. (Επιλογή εισερχόμενης μεταβλητής). Υπολόγισε τα διανύσματα H rp = ( -1 ) r. A P και H rq = ( -1 ) r. A Q. Βρες επίσης τους λόγους θ 1 και θ 2 χρησιμοποιώντας τις σχέσεις sp s θ1 = = min : h r > και P (1) h rp h r sq s θ2 = = min : h r < και Q (2) h rq h r και προσδιόρισε δείκτες t 1 και t 2 τέτοιους ώστε P(t 1 ) = p και Q(t 2 ) = q. Αν θ 1 θ 2, θέσε l = p. Διαφορετικά, θέσε l = q. Η μη βασική μεταβλητή l εισέρχεται στη βάση. Βήμα 3. (Περιστροφή). Θέσε [r] = l. Αν θ 1 θ 2 θέσε P = P\{l} και Q = Q {k}. Διαφορετικά, θέσε Q[t 2 ] = k. Χρησιμοποιώντας τη νέα διαμέριση (, ), όπου = (P, Q), υπολόγισε τον πίνακα και τα διανύσματα -1,, w, s, αντίστοιχα. Επίσης, ανανέωσε το διάνυσμα d χρησιμοποιώντας τη σχέση και πήγαινε στο Βήμα 1. d Η απόδειξη της ορθότητας του παραπάνω αλγόριθμου μπορεί να βρεθεί στις αναφορές [4] και [5]. = E 3. ΕΠΙΛΥΣΗ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ Έστω το πρόβλημα γραμμικού προγραμματισμού (P.1). Είναι γνωστό ότι οι αλγόριθμοι τύπου simple ξεκινούν με μια βασική εφικτή λύση και στη συνέχεια κινούνται προς μια βελτιωμένη γειτονική βασική εφικτή λύση μέχρις ότου είτε να καταλήξουν στο βέλτιστο σημείο είτε να παρατηρηθεί το απεριόριστο της αντικειμενικής συνάρτησης. Παρόμοια, για το ξεκίνημα του EPSA πρέπει να είναι διαθέσιμη μια βάση με = -1 b. Αρχικά ελέγχουμε αν και αν αυτή η σχέση ισχύει μπορούμε να εφαρμόσουμε τον EPSA. Διαφορετικά πρέπει να κατασκευάσουμε εφικτή βασική λύση. Για να βρούμε μια αρχική εφικτή λύση χρησιμοποιούμε μια τροποποιημένη μέθοδο μεγάλου-μ με μία τεχνητή μεταβλητή. Η τεχνική της μίας τεχνητή μεταβλητής μπορεί να ειδωθεί ως η δυϊκή μιας παρόμοιας τεχνικής η οποία προσθέτει μια νέα γραμμή προκειμένου να επιτευχθεί μια βασική δυϊκή εφικτή λύση για ξεκίνημα. Υπενθυμίζουμε ότι μια δυϊκή βασική λύση λέγεται εφικτή αν s. Υπολογιστικά αποτελέσματα αυτής της τεχνικής μπορούν να βρεθούν στην [7]. Εξηγούμε τώρα το λόγο που μας οδήγησε να τροποποιήσουμε τη μέθοδο του μεγάλου-μ. Το κύριο μειονέκτημα στην υλοποίηση της μεθόδου του μεγάλου-μ έχει να κάνει με την εξής ερώτηση: Πόσο μεγάλο θα πρέπει να είναι το Μ; Είναι φανερό ότι το Μ θα πρέπει να είναι αρκετά μεγάλο ώστε κάποια βασική εφικτή λύση με τεχνητή μεταβλητή ίση με μηδέν να έχει αντικειμενική τιμή αυστηρά καλύτερη απ' ότι έχει η καλύτερη βασική εφικτή λύση της οποίας η τεχνητή μεταβλητή είναι αυστηρά θετική. Πρέπει να είμαστε ιδιαίτερα προσεκτικοί στην d
5 επιλογή μιας τιμής για το Μ. Ακατάλληλη επιλογή της τιμής μπορεί να οδηγήσει σε υπολογιστικά προβλήματα σφάλματος στρογγυλοποίησης. Για να αποφύγουμε αυτό το υπολογιστικό μειονέκτημα θεωρούμε ότι είναι σκόπιμο να διαχωρίσουμε τους συντελεστές του Μ στο διάνυσμα κόστους αφού προσθέσουμε μια τεχνητή μεταβλητή n+1, από τους συντελεστές του αρχικού διανύσματος κόστους. Διευκρινίζουμε περαιτέρω την τροποποιημένη μέθοδο του μεγάλου-μ στο γραμμικό πρόβλημα min µ. π. (c + Mc)y (A,f )y y = b (P.2) όπου M είναι ένας πολύ μεγάλος θετικός αριθμός, y = (, n+1 ) είναι οι δομικές (structural) μεταβλητές, c = (c, ) και c = [ 1] R n+1 είναι οι συντελεστές του M στην αντικειμενική συνάρτηση. Το διάνυσμα f δίνεται από τη σχέση f = -e (3) όπου e είναι διάνυσμα με όλες τις συνιστώσες του ίσες με 1. Μπορούμε τώρα να επιλέξουμε την τεχνητή μεταβλητή ως την εισερχόμενη μεταβλητή και στη συνέχεια επιλέγουμε την εξερχόμενη μεταβλητή [r] = k με τη σχέση { } β = [r] = min [] i :1 i m (4) Είναι προφανές ότι το αντίστοιχο βασικό σημείο είναι μη εφικτό επειδή [r] = -b r > [i] = b i - b r, i r =, Μια περιστροφή μας μετακινεί σ' αυτήν τη βάση από τη βάση που αποτελείται από το σύνολο των χαλαρών μεταβλητών, η οποία δεν είναι εφικτή. Θέτουμε [r] = n + 1 και [n - m + 1] = k και υπολογίζουμε τον πίνακα και τα διανύσματα -1,, w, s. Επειδή υπάρχει ένας πολύ μεγάλος θετικός αριθμός M, στο διάνυσμα κόστους, ξαναγράφουμε τα διανύσματα w και s συναρτήσει των συντελεστών του M και των συντελεστών του αρχικού διανύσματος κόστους. Θέτοντας και s w = c = c w και και w = c s = c w μπορούμε να δούμε εύκολα ότι w = w + wm οπότε s = s + sm (5) Στο σημείο αυτό έχουμε κατασκευάσει μια βασική εφικτή λύση για το πρόβλημα (P.2) του μεγάλου-μ, οπότε μπορεί να εφαρμοστεί ο αλγόριθμος της ενότητας 2. Μια τυπική περιγραφή της παραπάνω μεθόδου δίνεται στην [6].
6 4. ΔΗΜΙΟΥΡΓΙΑ ΤΥΧΑΙΩΝ ΒΕΛΤΙΣΤΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ Στην ενότητα αυτή παρουσιάζουμε έναν τρόπο δημιουργίας τυχαίων βέλτιστων γραμμικών προβλημάτων. Τα τυχαία βέλτιστα προβλήματα που δημιουργούνται είναι της μορφής min µ. π. c A b όπου A R m n, c, R n, b R m και σημαίνει αναστροφή. Επειδή κάθε περιορισμός Α i. = b i, i = 1,, m, αντιστοιχεί σε ένα υπερεπίπεδο, η δημιουργία ενός τυχαίου προβλήματος συνίσταται στην τυχαία δημιουργία ενός υπερεπιπέδου. Αυτά τα υπερεπίπεδα δημιουργούνται έτσι ώστε να εφάπτονται σε μια σφαίρα, Β(, R), με κέντρο και ακτίνα R. Προς το σκοπό αυτό κατασκευάζουμε τυχαίο διάνυσμα d μοναδιαίου μέτρου και στη συνέχεια βρίσκουμε την τομή της ακτίνας { + td: t } με τη σφαίρα. Αν 1 είναι το σημείο αυτό, θα έχουμε (βλ. Σχήμα 1) E R d 1 Σχήμα 4.1 Υπερεπίπεδο εφαπτόμενο στη σφαίρα 1 = + td, d = 1 1 = R, R > 1 = td 1 2 ( ) = R 2 1 = td 2 2 (td) = R t 2 1 = R 2 = td 1 = td t = R R Εποµ ένως 1 = + Rd, d = 1 Φέρνουμε μετά υπερεπίπεδο που να διέρχεται από το 1 και να εφάπτεται της σφαίρας (κάθετο στο διάνυσμα d). Προσδιορίζουμε στη συνέχεια μια ανισότητα έτσι ώστε το κέντρο της σφαίρας να την ικανοποιεί και συμβολίζουμε την ανισότητα αυτή a b. Για την εξίσωση του υπερεπιπέδου που διέρχεται από το σημείο 1 και είναι κάθετο στο διάνυσμα d έχουμε: Αν είναι ένα σημείο του υπερεπιπέδου, το διάνυσμα v από το σημείο 1 στο είναι v = - 1 και επειδή το v είναι κάθετο στο d προκύπτει d Τ v = d Τ ( - - Rd) = d Τ = d + Rd d d Τ = d + R Επομένως η εξίσωση του υπερεπιπέδου που εφάπτεται σε τυχαίο σημείο της σφαίρας Β(, R) είναι d = R + d
7 οπότε η αντίστοιχη ανισότητα είναι d R + d, δηλαδή είναι a = d και b = R + d. 5. ΥΠΟΛΟΓΙΣΤΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ Οι αλγόριθμοι που περιγράφτηκαν στις ενότητες 2 και 3 έχουν υλοποιηθεί πειραματικά. Στην ενότητα αυτή περιγράφουμε τα αριθμητικά πειράματα και παρουσιάζουμε τα υπολογιστικά αποτελέσματα τα οποία δείχνουν την ανωτερότητα του EPSA για τυχαία γραμμικά προγράμματα. Τα αριθμητικά μας πειράματα έγιναν σε PC με 233MHz Pentium II επεξεργαστή, RAM 64Mb και με λειτουργικό σύστημα Windows 98. Η υλοποίηση έγινε στο υπολογιστικό περιβάλλον του MALA. Το MALA διαθέτει το κατάλληλο περιβάλλον για τον προγραμματισμό αυτού του είδους των αλγόριθμων. Τα βέλτιστα πυκνά γραμμικά προβλήματα που επιλύθηκαν είναι της γενικής μορφής min c μ.π. A b όπου, A R m n, c, R n και b R m. Τα επίπεδα των περιορισμών είναι εφαπτόμενα σφαίρας έτσι ώστε το κέντρο της να είναι εφικτό. Επίσης, αυτά τα προβλήματα έχουν μια εφικτή περιοχή η οποία είναι ένα κλειστό πολύεδρο. Για κάθε μέγεθος του προβλήματος παρουσιάζουμε από κοινού κάποια στατιστικά στοιχεία που χρησιμοποιήθηκαν στην υπολογιστική μας μελέτη και πληροφορίες για την επίδοση των δύο αλγόριθμων, PSA και EPSA. Οι στήλες των πινάκων 1 έως 3 περιλαμβάνουν το μέγεθος του προβλήματος, τον μέσο αριθμό επαναλήψεων, niter, τον μέσο CPU χρόνο, CPU και τον μέσο CPU χρόνο ανά επανάληψη, CPU/niter, σε δευτερόλεπτα, για κάθε πυκνότητα και διάσταση. Πίνακας 5.1 Υπολογιστικά αποτελέσματα για βέλτιστα πυκνά προβλήματα nn PSA EPSA nn niter CPU CPU/niter niter CPU CPU/niter Πίνακας 5.2 Υπολογιστικά αποτελέσματα για βέλτιστα πυκνά προβλήματα n2n PSA EPSA nn niter CPU CPU/niter niter CPU CPU/niter
8 Πίνακας 5.3 Υπολογιστικά αποτελέσματα για βέλτιστα πυκνά προβλήματα 2nn PSA EPSA nn niter CPU CPU/niter niter CPU CPU/niter Για να φανεί πιο καθαρά η ανωτερότητα του EPSA επί του PSA παρέχουμε τώρα μερικούς πίνακες που δείχνουν για κάθε διάσταση τους λόγους τους σχετικούς με τους παραπάνω πίνακες. Στους πίνακες 4 έως 6 παρουσιάζουμε τους λόγους (επαναλήψεις του EPSA)/( επαναλήψεις του Simple) και (CPU χρόνος του EPSA)/(CPU χρόνος του Simple) για τις αντίστοιχες διαστάσεις. Πίνακας 5.4 Λόγοι για βέλτιστα πυκνά προβλήματα nn nn niter EPSA/Simple CPU EPSA/Simple Πίνακας 5.5 Λόγοι για βέλτιστα πυκνά προβλήματα n2n nn niter EPSA/Simple CPU EPSA/Simple Πίνακας 5.6 Λόγοι για βέλτιστα πυκνά προβλήματα 2nn nn niter EPSA/Simple CPU EPSA/Simple ΣΥΜΠΕΡΑΣΜΑΤΑ Στην εργασία αυτή παρουσιάσαμε έναν νέο τρόπο δημιουργίας βέλτιστων τυχαίων γραμμικών προβλημάτων μεγάλης-κλίμακας και μια υπολογιστική προσέγγιση για την επίλυση αυτών των προβλημάτων. Στις προηγούμενες ενότητες παρουσιάσαμε τα κύρια σημεία για μια αποτελεσματική υλοποίηση του αλγόριθμου εξωτερικών σημείων (EPSA). Η υπολογιστική μελέτη της ενότητας 5 φανερώνει ότι όσο η διάσταση του γραμμικού προβλήματος αυξάνει τόσο ο EPSA γίνεται ταχύτερος του PSA. Αν και ο EPSA είναι πολύ ταχύς υπάρχει ακόμα χώρος για περαιτέρω βελτίωση του. Συγκεκριμένα, οι περισσότερες από τις τεχνικές που
9 εφαρμόζονται στις βελτιωμένες υλοποιήσεις του PSA πιστεύουμε ότι μπορούν με μικρές αλλαγές να εφαρμοστούν και στον EPSA. ΒΙΒΛΙΟΓΡΑΦΙΑ [1]. Aleouda, G., Paparrizos, K. (1997). "A comparative computational study with an eterior point simple algorithm", Proceedings of 4 th alkan Conference on Operational Research, Vol. 1, pp [2]. Dosios, K., Paparrizos K, (1997). "Resolution of the problem of degeneracy in a primal and dual simple algorithm", Operation Research Letters 2 pp [3]. Paparrizos, K. (199). "A generalization of an eterior point simple algorithm for linear programming problems", echnical Paper, University of Macedonia. [4]. Paparrizos, K. (1996). "Eterior point simple algorithm: Simple and short proof of correctness", Proceedings of SYMOPIS 96, pp [5]. Paparrizos, K., Samaras,., siplidis, K. "Pivoting algorithms for (LP) generating two paths", to appear in Encyclopedia of Optimization, Kluwer Academic Publishers. [6]. Paparrizos, K., Samaras,., Stephanides, G., Zissopoulos, D. "An efficient simple type algorithm for sparse and dense linear programs", Submitted for publication in European Journal of Operations Research. [7]. Wolfe, P., Culter, L. (1963). "Eperiments in linear programming", in: R.L. Graves, Wolfe P. (Eds), Recent Advances in Mathematical Programming, McGraw-Hill, ew York, pp
Υπολογιστική πολυπλοκότητα του πρωτεύοντος αλγόριθμου εξωτερικών σημείων
Υπολογιστική πολυπλοκότητα του πρωτεύοντος αλγόριθμου εξωτερικών σημείων Γεώργιος Παπανίκος Τμ. Εφ. Πληροφορικής, Πανεπιστήμιο Μακεδονίας Εγνατία 156, 54006 Θεσσαλονίκη it0837@uom.gr Νικόλαος Σαμαράς Τμ.
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 19: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 18: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί
ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX 2.1 Βασικές έννοιες - Ορισμοί Ο αλγόριθμος Simplex για τα προβλήματα γραμμικού προγραμματισμού, βλέπε Dntzig (1963), αποδίδει αρκετά καλά στην πράξη, ιδιαίτερα σε προβλήματα
Διαβάστε περισσότεραΘεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 28/3/2012. Lecture07 1
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Χαρακτηριστικά αλγορίθμων τύπου simplex (5) Αν το βασικό σημείο ικανοποιεί ακριβώς n-m ανισότητες
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 περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 21: Δυϊκή Θεωρία, Θεώρημα Συμπληρωματικής Χαλαρότητας και τρόποι χρήσης του Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΠαράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ
Παράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Διπλωματική Εργασία Μεταπτυχιακού Προγράμματος στην Εφαρμοσμένη Πληροφορική Κατεύθυνση: Συστήματα Υπολογιστών
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 22: Ανάπτυξη Κώδικα σε Matlab για την επίλυση Γραμμικών Προβλημάτων με τον Αναθεωρημένο Αλγόριθμο Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 13: Μεθοδολογία Αλγορίθμων τύπου Simplex, Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε
Διαβάστε περισσότεραΘεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 3/4/2012. Lecture08 1
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Μεθοδολογία αλγορίθμων τύπου simplex (5) Βήμα 0: Αρχικοποίηση (Initialization). Στο βήμα
Διαβάστε περισσότεραΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX
ΚΕΦΑΛΑΙΟ 3 ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX 3.1 Εισαγωγή Ο αλγόριθμος Simplex θεωρείται πλέον ως ένας κλασικός αλγόριθμος για την επίλυση γραμμικών προβλημάτων. Η πρακτική αποτελεσματικότητά του έχει
Διαβάστε περισσότεραΤμήμα Εφαρμοσμένης Πληροφορικής
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Στόχοι Εργαστηρίου ημιουργία Τυχαίων Βέλτιστων Γ.Π. Περιγραφή μεθόδου για δημιουργία βέλτιστων
Διαβάστε περισσότεραΟΠΤΙΚΟΠΟΙΗΣΗ ΑΛΓΟΡΙΘΜΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
ΟΠΤΙΚΟΠΟΙΗΣΗ ΑΛΓΟΡΙΘΜΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Λαζαρίδης Βασίλειος Παπαρρίζος Κωνσταντίνος Σαμαράς Νικόλαος Τμ. Εφαρμοσμένης Πληροφορικής Πανεπιστήμιο Μακεδονίας Εγνατία 56 54006 Θεσσαλονίκη e-mail:
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 20: Ανάπτυξη Κώδικα σε Matlab για τη δημιουργία τυχαίων βέλτιστων Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΔιαχείριση ενεργειακών πόρων & συστημάτων Πρακτικά συνεδρίου(isbn: )
ISN: 978-960-87277-8-6 23 ο Εθνικό Συνέδριο Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών Διαχείριση ενεργειακών πόρων & συστημάτων Πρακτικά συνεδρίου(isn: 978-960-87277-8-6) Αθήνα, 2-4 Σεπτεμβρίου 202 Αίθουσα
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 περισσότεραΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ
ΚΕΦΑΛΑΙΟ 5 ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ 5.1 Εισαγωγή Μια υπολογιστική μελέτη (computational study) αποτελεί ένα μέσο σύγκρισης δυο ή περισσότερων αλγορίθμων ώστε να εξαχθούν ασφαλή συμπεράσματα για
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 περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Δημήτρης Φωτάκης Προσθήκες (λίγες): Άρης Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 15: Κύκλωση Δεσμοί, Κανόνες Περιστροφής Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
Ενότητα Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας
Διαβάστε περισσότερα3.7 Παραδείγματα Μεθόδου Simplex
3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 11: Σχέσεις Πρωτεύοντος και Δυϊκού Προβλήματος, Χαρακτηριστικά Αλγορίθμων τύπου Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΕπιχειρησιακή 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,
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 περισσότεραΕπιχειρησιακή 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
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 5: Τεχνικές Κλιμάκωσης, Γεωμετρία Γραμμικού Προβλήματος Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
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 περισσότεραΠαράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ
Παράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Διπλωματική Εργασία Μεταπτυχιακού Προγράμματος στην Εφαρμοσμένη Πληροφορική Κατεύθυνση: Συστήματα Υπολογιστών
Διαβάστε περισσότεραΣυνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Εικονικές Παράμετροι Μέχρι στιγμής είδαμε την εφαρμογή της μεθόδου Simplex σε προβλήματα όπου το δεξιό μέλος ήταν θετικό. Δηλαδή όλοι οι περιορισμοί ήταν της μορφής: όπου Η παραδοχή ότι b 0 μας δίδει τη
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός και θεωρία Παιγνίων
Σε αυτό το κεφάλαιο θα χρησιμοποιήσουμε πίνακες οι οποίοι δεν θα είναι γραμμικές εξισώσεις. Θα πρέπει λοιπόν να δούμε την γεωμετρική ερμηνεία των ανισώσεων. Μια ανίσωση διαιρεί τον n-διάστατο χώρο σε δύο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΛΕΤΗ ΤΗΣ ΥΠΟΛΟΓΙΣΤΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΕΞΩΤΕΡΙΚΩΝ ΣΗΜΕΙΩΝ Διπλωματική Εργασία του Πόνου Παύλου Θεσσαλονίκη,
Διαβάστε περισσότεραΤμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Η μέθοδος Simplex Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος Simplex είναι μια
Διαβάστε περισσότεραΤμήμα Εφαρμοσμένης Πληροφορικής
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Δυϊκή Θεωρία (1) Θεώρημα : Το δυϊκό πρόβλημα του γραμμικού προβλήματος 0 0 1 1 2 2 0 0 T
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 περισσότεραΠαναγιώτης Ψαρράκος Αν. Καθηγητής
Ανάλυση Πινάκων Κεφάλαιο 3: Παραγοντοποίηση QR Παναγιώτης Ψαρράκος Αν Καθηγητής ΔΠΜΣ Εφαρμοσμένες Μαθηματικές Επιστήμες Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Τομέας Μαθηματικών Εθνικό Μετσόβιο
Διαβάστε περισσότεραz = c 1 x 1 + c 2 x c n x n
Τεχνολογικό Εκπαιδευτικό Ιδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός & Βελτιστοποίηση Δρ. Δημήτρης Βαρσάμης Καθηγητής Εφαρμογών Δρ. Δημήτρης Βαρσάμης Μάρτιος
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση γραμμικής αντικειμενικής συνάρτησης
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 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 (C) Copyright Α.
Διαβάστε περισσότεραΣυνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Σχέσεις μεταξύ του πρωτεύοντος και του δυϊκού του. Για να χρησιμοποιήσουμε τη θεωρία δυϊκότητας αλλάζουμε την μορφή του πίνακα της μεθόδου simplex, προσθέτοντας μια σειρά και μια στήλη. Η σειρά προστίθεται
Διαβάστε περισσότεραΕισαγωγικές έννοιες. Κατηγορίες προβλημάτων (σε μια διάσταση) Προβλήματα εύρεσης μεγίστου. Συμβολισμοί
Κατηγορίες προβλημάτων (σε μια διάσταση) Εισαγωγικές έννοιες Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc164.materials.uoi.gr/dpapageo Το πρόβλημα
Διαβάστε περισσότεραΗ μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Η μέθοδος Simplex Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος
Διαβάστε 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 περισσότεραΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΙΚΑ ΣΤΟΙΧΕΙΑ. 1.1 Εισαγωγή
ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΙΚΑ ΣΤΟΙΧΕΙΑ. Εισαγωγή Ο Γραμμικός Προγραμματισμός είναι ο πιο εφαρμοσμένος κλάδος της επιστήμης των Μαθηματικών με πληθώρα εφαρμογών στην επιστήμη των ηλεκτρονικών υπολογιστών. Ασχολείται
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Παραγώγιση Εισαγωγή Ορισμός 7. Αν y f x είναι μια συνάρτηση ορισμένη σε ένα διάστημα
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Πεπερασμένες και Διαιρεμένες Διαφορές Εισαγωγή Θα εισάγουμε την έννοια των διαφορών με ένα
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Ενότητα 10
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΛΓΟΡΙΘΜΟΙ Ενότητα 10: Επαναληπτική Βελτίωση Ιωάννης Μανωλόπουλος, Καθηγητής Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης Το
Διαβάστε περισσότεραΘεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Τεχνικές Κλιμάκωσης (1) Αδυναμία επίλυσης Γ.Π. μεγάλης κλίμακας Ύπαρξη στοιχείων περιστροφής
Διαβάστε περισσότερα2. dim(p ) = n rank(a = )
Θεωρία Γραμμικού Προγραμματισμού Διάλεξη 12: 19.11.2014 Διδάσκων: Σταύρος Κολλιόπουλος Γραφέας: Μανιάτης Σπυρίδων & Μυρισιώτης Δημήτριος 12.1 Παραδείγματα πολυτόπων Υπενθυμίζουμε το θεώρημα που αποδείχθηκε
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση γραμμικής αντικειμενικής συνάρτησης
Διαβάστε περισσότεραΚεφάλαιο 3: Εισαγωγή στους αλγορίθμους - διαγράμματα ροής
Κεφάλαιο 3: Εισαγωγή στους αλγορίθμους - διαγράμματα ροής Αλγόριθμος (algorithm) λέγεται μία πεπερασμένη διαδικασία καλά ορισμένων βημάτων που ακολουθείται για τη λύση ενός προβλήματος. Το διάγραμμα ροής
Διαβάστε περισσότεραΠεπερασμένες Διαφορές.
Κεφάλαιο 1 Πεπερασμένες Διαφορές. 1.1 Προσέγγιση παραγώγων. 1.1.1 Πρώτη παράγωγος. Από τον ορισμό της παραγώγου για συναρτήσεις μιας μεταβλητής γνωρίζουμε ότι η παράγωγος μιας συνάρτησης f στο σημείο x
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 περισσότεραΓΡΑΜΜΙΚΟΣ & 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.
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Κλασικές Τεχνικές Βελτιστοποίησης Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 2 η /2017 Μαθηματική Βελτιστοποίηση Η «Μαθηματική
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 7: Γεωμετρία Γραμμικού Προβλήματος Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΕΥΧΑΡΙΣΤΙΕΣ. Θεσσαλονίκη, Δεκέμβριος 2005. Κώστας Δόσιος
ΕΥΧΑΡΙΣΤΙΕΣ Μου δίνεται η ευκαιρία με την περάτωση της παρούσης διδακτορικής διατριβής να σημειώσω ότι, είναι ιδιαίτερα δύσκολο και κοπιαστικό να ολοκληρώσεις το έργο που ξεκινάς κάποια στιγμή έχοντας
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 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
Διαβάστε περισσότεραΠροβλήματα Μεταφορών (Transportation)
Προβλήματα Μεταφορών (Transportation) Παραδείγματα Διατύπωση Γραμμικού Προγραμματισμού Δικτυακή Διατύπωση Λύση Γενική Μέθοδος Simplex Μέθοδος Simplex για Προβλήματα Μεταφοράς Παράδειγμα: P&T Co ΗεταιρείαP&T
Διαβάστε περισσότεραΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ
ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΝΥΣΜΑΤΑ 1 ΜΑΘΗΜΑ 1 ο +2 ο ΕΝΝΟΙΑ ΔΙΑΝΥΣΜΑΤΟΣ Διάνυσμα ορίζεται ένα προσανατολισμένο ευθύγραμμο τμήμα, δηλαδή ένα ευθύγραμμο τμήμα
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 περισσότεραΟ 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
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 7: Επίλυση με τη μέθοδο Simplex (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.)
Διαβάστε περισσότεραΠΡΟΛΟΓΟΣ. Θεσσαλονίκη, Μάρτιος 2009. Οι συγγραφείς. Κ. Παπαρρίζος, Ν. Σαμαράς, Α. Σιφαλέρας.
ΠΡΟΛΟΓΟΣ Το βιβλίο «Δικτυακή Βελτιστοποίηση» γράφτηκε με κύριο στόχο να καλύψει τις ανάγκες της διδασκαλίας του μαθήματος «Δικτυακός Προγραμματισμός», που διδάσκεται στο Τμήμα Εφαρμοσμένης Πληροφορικής,
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 περισσότεραΚΥΚΛΟΣ. Μ(x,y) Ο C ΘΕΩΡΙΑ ΕΠΙΜΕΛΕΙΑ: ΣΩΣΤΟ-ΛΑΘΟΣ ΠΟΛΛΑΠΛΗΣ ΕΠΙΛΟΓΗΣ ΧΡΑΣ ΓΙΑΝΝΗΣ ΑΣΚΗΣΕΙΣ. 3ο ΓΕΝΙΚΟ ΛΥΚΕΙΟ ΚΕΝΤΡΙΚΟ Ν. ΣΜΥΡΝΗΣ
Φ3 ΚΥΚΛΟΣ y Μ(x,y) A(x,y) ε Ο C x ΕΠΙΜΕΛΕΙΑ: ΧΡΑΣ ΓΙΑΝΝΗΣ ΘΕΩΡΙΑ ΣΩΣΤΟ-ΛΑΘΟΣ ΠΟΛΛΑΠΛΗΣ ΕΠΙΛΟΓΗΣ ΑΣΚΗΣΕΙΣ ΚΕΝΤΡΙΚΟ 3ο ΓΕΝΙΚΟ ΛΥΚΕΙΟ Ν. ΣΜΥΡΝΗΣ 0-0 ΘΕΩΡΙΑ. Τι ονομάζεται κύκλος με κέντρο το σημείο K( x0,
Διαβάστε περισσότεραΣφαίρα σε ράγες: Η συνάρτηση Lagrange. Ν. Παναγιωτίδης
Η Εξίσωση Euler-Lagrange Σφαίρα σε ράγες: Η συνάρτηση Lagrange Ν. Παναγιωτίδης Έστω σύστημα δυο συγκλινόντων ραγών σε σχήμα Χ που πάνω τους κυλίεται σφαίρα ακτίνας. Θεωρούμε σύστημα συντεταγμένων με οριζόντιους
Διαβάστε περισσότεραΕΠΑΝΑΛΗΨΗ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ ( α μέρος )
ΕΠΑΝΑΛΗΨΗ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ ( α μέρος ) Ερωτήσεις Θεωρίας Να βρείτε στην αντίστοιχη σελίδα του σχολικού σας βιβλίου το ζητούμενο της κάθε ερώτησης που δίνεται παρακάτω και να το γράψετε
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 περισσότεραΣυγκριτική Υπολογιστική Μελέτη Αλγορίθµων Εξωτερικών Σηµείων
Συγκριτική Υπολογιστική Μελέτη Αλγορίθµων Εξωτερικών Σηµείων Χαράλαµπος Τριανταφυλλίδης ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Επιβλέπων Καθηγητής: Νικόλαος Σαµαράς, Λέκτορας Εξεταστές: ηµήτριος Βαρσακέλης, Λέκτορας Κων/νος
Διαβάστε περισσότεραΔιερεύνηση και Αξιολόγηση Διαφορετικών Κανόνων Περιστροφής για τον Αναθεωρημένο Αλγόριθμο Simplex
Μεταπτυχιακή Εργασία Διερεύνηση και Αξιολόγηση Διαφορετικών Κανόνων Περιστροφής για τον Αναθεωρημένο Αλγόριθμο Simplex Παναγιώτης Βουτσκίδης Επιβλέπων Καθηγητής: Νικόλαος Σαμαράς Εξεταστές: Νικόλαος Σαμαράς
Διαβάστε περισσότεραΟπτικοποίηση: ένας αποτελεσματικός τρόπος για την βελτίωση της κατανόησης του αλγορίθμου simplex
17 ο Συνέδριο της Ε.Ε.Ε.Ε. «Διαχείριση Κινδύνων» 1 Οπτικοποίηση: ένας αποτελεσματικός τρόπος για την βελτίωση της κατανόησης του αλγορίθμου simplex Visualization: an effective way for understanding the
Διαβάστε περισσότερα3. Γραμμικά Συστήματα
3. Γραμμικά Συστήματα Ασκήσεις 3. Αποδείξτε ότι το γινόμενο δύο άνω τριγωνικών πινάκων είναι άνω τριγωνικός πίνακας. Επίσης, στην περίπτωση που ένας άνω τριγωνικός πίνακας U 2 R n;n είναι αντιστρέψιμος,
Διαβάστε περισσότεραΥλοποίηση Αναθεωρημένου Αλγορίθμου Simplex
Υλοποίηση Αναθεωρημένου Αλγορίθμου Simple Για το γενικό γραμμικό πρόβλημα Αμπατζόγλου Απόστολος Πανεπιστήμιο Μακεδονίας Ιούνιος 2005 Γενικό γραμμικό πρόβλημα Προβλήματα μεγιστοποίησης ή ελαχιστοποίησης
Διαβάστε περισσότεραΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ
(Transportation Problems) Βασίλης Κώστογλου E-mail: vkostogl@it.teithe.gr URL: www.it.teithe.gr/~vkostogl Περιγραφή Ένα πρόβλημα μεταφοράς ασχολείται με το πρόβλημα του προσδιορισμού του καλύτερου δυνατού
Διαβάστε περισσότεραΑνάπτυξη λογισμικού για τη διενέργεια υπολογιστικών μελετών
Ανάπτυξη λογισμικού για τη διενέργεια υπολογιστικών μελετών Πλόσκας Νικόλαος, Σαμαράς Νικόλαος Πανεπιστήμιο Μακεδονίας, Τμήμα Εφαρμοσμένης Πληροφορικής, Εγνατία 156 54006 Θεσσαλονίκη, E-mail: it04123@uom.gr,
Διαβάστε περισσότεραΣφαίρα σε ράγες: Η συνάρτηση Lagrange. Ν. Παναγιωτίδης
Σφαίρα σε ράγες: Η συνάρτηση Lagrange Ν. Παναγιωτίδης Έστω σύστημα δυο συγκλινόντων ραγών σε σχήμα Χ που πάνω τους κυλίεται σφαίρα ακτίνας. Θεωρούμε σύστημα συντεταγμένων με οριζόντιους τους άξονες και.
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 14: Τεχνικές Βελτίωσης Απόδοσης Κώδικα σε Matlab, Ανάπτυξη Κώδικα σε Matlab για την Τεχνική Κλιμάκωσης της Ισορρόπησης Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν
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 περισσότεραAX=B (S) A A X=A B I X=A B X=A B I X=A B X=A B X=A B X X
. Επίλυση γραμμικού συστήματος με χρήση αντιστρόφου Πρόταση Θεωρούμε ένα τετραγωνικό γραμμικό σύστημα (δηλαδή ο αριθμός των εξισώσεων είναι ίσος με τον αριθμό των αγνώστων) AX=B (S). Αν ο πίνακας Α είναι
Διαβάστε περισσότεραΤι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση)
TETY Εφαρμοσμένα Μαθηματικά Ενότητα ΙΙ: Γραμμική Άλγεβρα Ύλη: Διανυσματικοί χώροι και διανύσματα, μετασχηματισμοί διανυσμάτων, τελεστές και πίνακες, ιδιοδιανύσματα και ιδιοτιμές πινάκων, επίλυση γραμμικών
Διαβάστε περισσότεραΜέθοδοι μονοδιάστατης ελαχιστοποίησης
Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν
Διαβάστε περισσότεραΠαραδείγματα Ιδιοτιμές Ιδιοδιανύσματα
Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα Παράδειγμα Να βρείτε τις ιδιοτιμές και τα αντίστοιχα ιδιοδιανύσματα του πίνακα A 4. Επίσης να προσδιοριστούν οι ιδιοχώροι και οι γεωμετρικές πολλαπλότητες των ιδιοτιμών.
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 περισσότεραΓραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Προϋποθέσεις Εφαρμογής
Διαβάστε περισσότερα(sensitivity analysis, postoptimality analysis).
Υπολογιστικές Μέθοδοι στη Θεωρία Αποφάσεων Ενότητα 7 Ανάλυση ευαισθησίας Παραμετρική ανάλυση Αντώνης Οικονόμου Τμήμα Μαθηματικών Πανεπιστήμιο Αθηνών Προπτυχιακό πρόγραμμα σπουδών 11 Φεβρουαρίου 2016 Α.
Διαβάστε περισσότεραApproximation Algorithms for the k-median problem
Approximation Algorithms for the k-median problem Ζακυνθινού Λυδία Παυλάκος Γεώργιος Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Θεωρία Υπολογισμού 2011-2012 Το πρόβλημα
Διαβάστε περισσότεραFast Fourier Transform
Fast Fourier Transform Παναγιώτης Πατσιλινάκος ΕΜΕ 19 Οκτωβρίου 2017 Παναγιώτης Πατσιλινάκος (ΕΜΕ) Fast Fourier Transform 19 Οκτωβρίου 2017 1 / 20 1 Εισαγωγή Στόχος Προαπαιτούμενα 2 Η ιδέα Αντιστροφή -
Διαβάστε περισσότεραΠροβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)
Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο Ορισμοί Παραδείγματα Δικτυακή Simplex (προβλήματα με και χωρίς φραγμούς). Δίκτυα Ροής Ελάχιστου Κόστους (Minimum ost Flow Networks) Ένα δίκτυο μεταφόρτωσης αποτελείται
Διαβάστε περισσότεραΠιο συγκεκριμένα, η χρήση του MATLAB προσφέρει τα ακόλουθα πλεονεκτήματα.
i Π Ρ Ο Λ Ο Γ Ο Σ Το βιβλίο αυτό αποτελεί μια εισαγωγή στα βασικά προβλήματα των αριθμητικών μεθόδων της υπολογιστικής γραμμικής άλγεβρας (computational linear algebra) και της αριθμητικής ανάλυσης (numerical
Διαβάστε περισσότεραΜέθοδοι μονοδιάστατης ελαχιστοποίησης
Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν
Διαβάστε περισσότερα117 ΑΣΚΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ Μανώλη Ψαρρά. Μαθηματικού
117 ΑΣΚΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ Μανώλη Ψαρρά Μαθηματικού Περιεχόμενα 1. Διανύσματα (47) ελ. - 9. Ευθεία (18) ελ. 10-1 3. Κύκλος (13).ελ. 13-15 4. Παραβολή (14) ελ. 16-18 5. Έλλειψη (18)..
Διαβάστε περισσότεραΦίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο
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 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 περισσότεραΚΑΤΑΣΤΡΩΣΗ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ ΠΟΛΥΒΑΘΜΙΩΝ ΣΥΣΤΗΜΑΤΩΝ 55
ΚΑΤΑΣΤΡΩΣΗ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ ΠΟΛΥΒΑΘΜΙΩΝ ΣΥΣΤΗΜΑΤΩΝ 55 ΚΕΦΑΛΑΙΟ 3 ΚΑΤΑΣΤΡΩΣΗ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ ΠΟΛΥΒΑΘΜΙΩΝ ΣΥΣΤΗΜΑΤΩΝ 3.. Εισαγωγή Αναφέρθηκε ήδη στο ο κεφάλαιο ότι η αναπαράσταση της ταλαντωτικής
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ
ΑΛΓΟΡΙΘΜΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΚΟΥΛΙΝΑΣ ΓΕΩΡΓΙΟΣ Δρ. Μηχανικός Παραγωγής & Διοίκησης ΔΠΘ The Tabu Search Algorithm Glover, F. (1986). Future paths for integer programming and links to artificial
Διαβάστε περισσότεραΠεπερασμένες διαφορές
Κεφάλαιο 2 Πεπερασμένες διαφορές Αυτό το κεφάλαιο αποτελεί μια εισαγωγή στο αντικείμενο των πεπερασμένων διαφορών για την επίλυση διαφορικών εξισώσεων. Θα εισαγάγουμε ποσότητες που προκύπτουν από διαφορές
Διαβάστε περισσότεραMatrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι. Αλγόριθμοι» Γ. Καούρη Β. Μήτσου
Matrix Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Περιεχόμενα παρουσίασης Πολλαπλασιασμός πίνακα με διάνυσμα Πολλαπλασιασμός πινάκων Επίλυση τριγωνικού
Διαβάστε περισσότερα