Γραμμικός Προγραμματισμός
|
|
- Ησιοδ Φίλανδρος Αβραμίδης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Γραμμικός Προγραμματισμός Εφαρμογή σε Άλλα Προβλήματα Διαχείρισης Έργων Π. Γ. Υψηλάντης
2 ΓΠ στη Διοίκηση Έργων Προβλήματα μεταφοράς και δρομολόγησης Αναθέσεις προσωπικού Επιλογή προμηθευτών Καθορισμός τοποθεσίας εργοταξίων, γραφείων αποθηκών
3 Προβλήματα Μεταφοράς & Δρομολόγησης Ένας εργολάβος οργανώνει την προμήθεια ready-mix μπετόν σε τέσσερεις τοποθεσίες. Εκτιμά ότι η συνολική ημερήσια ζήτηση στα τέσσερα εργοτάξια ανέρχεται σε 24 φορτία και έχει προσδιορίσει τρεις προμηθευτές που μπορούν να χρησιμοποιηθούν. Στόχος του είναι να ελαχιστοποιήσει το κόστος προμήθειας και μεταφοράς του ready-mix μπετόν στα τέσσερα εργοτάξια.
4 Προβλήματα Μεταφοράς & Δρομολόγησης Ένας εργολάβος οργανώνει την προμήθεια ready-mix μπετόν σε τέσσερεις τοποθεσίες. Εκτιμά ότι η συνολική ημερήσια ζήτηση στα τέσσερα εργοτάξια ανέρχεται σε 24 φορτία και έχει προσδιορίσει τρεις προμηθευτές που μπορούν να χρησιμοποιηθούν. Στόχος του είναι να ελαχιστοποιήσει το κόστος προμήθειας και μεταφοράς του ready-mix μπετόν στα τέσσερα εργοτάξια. Βήμα 1 Βασικά στοιχεία που πρέπει να ληφθούν υπ όψη στη μοντελοποίηση αυτού του προβλήματος? Τι είδους δεδομένα είναι απαραίτητα? Βήμα 2 Παραδοχές Βήμα 3 Αρχικό μοντέλο: Μεταβλητές / Αντικειμενική Συνάρτηση / Περιορισμοί
5 Το Πρόβλημα Μεταφοράς Μεταβλητές 2 δείκτες: i = 1,2,3 συμβολίζει τον προμηθευτή j = 1,2,3,4 συμβολίζει το εργοτάξιο Χ ij = Ποσότητα ready-mix που μεταφέρεται από προμηθευτή i στο εργοτάξιο j Αντικειμενική Συνάρτηση: Ελαχιστοποίηση κόστους μεταφοράς C ij = Κόστος μεταφορά ανά μεταφερόμενη μονάδα ready-mix από προμηθευτή i στο εργοτάξιο j Συνολικό Κόστος = i j C ij X ij
6 Το Πρόβλημα Μεταφοράς Περιορισμοί Ικανοποίηση της ζήτησης: Το σύνολο της ποσότητας που μεταφέρεται στο εργοτάξιο j ικανοποιεί τη ζήτηση D j η συνολικά ζητούμενη ποσότητα ready-mix στο εργοτάξιο j, τότε i X ij D j Ικανοποίηση του δυναμικού παραγωγής: Το σύνολο της ποσότητας που μεταφέρεται από τον προμηθευτή i δεν μπορεί να ξεπερνά τη διαθέσιμη ποσότητα του συγκεκριμένου προμηθευτή S i η διαθέσιμη ποσότητα ready-mix στον προμηθευτή i, τότε j X ij S i
7 ΓΠ σε Προβλήματα Μεταφοράς & Δρομολόγησης Ένας εργολάβος οργανώνει την προμήθεια ready-mix μπετόν σε τέσσερεις τοποθεσίες. Εκτιμά ότι η συνολική ημερήσια ζήτηση στα τέσσερα εργοτάξια ανέρχεται σε 24 φορτία και έχει προσδιορίσει τρεις προμηθευτές που μπορούν συνολικά να καλύψουν τη ζήτηση. Οι διαθέσιμες ποσότητες από κάθε προμηθευτή είναι: S1: 4; S2: 8; S3:12, ενώ οι απαιτούμενες ποσότητες στα τέσσερα εργοτάξια είναι: A: 5, B: 2, C:10, D:7 Συμφωνήθηκε ότι το κόστος μεταφοράς θα είναι ανάλογο της απόστασης από κάθε εργοτάξιο όπως στον πίνακα που ακολουθεί: A B C D S S S Με ποιο τρόπο θα ελαχιστοποιηθεί το κόστος προμήθειας του ready-mix μπετόν στα τέσσερα εργοτάξια;
8 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές I. Μέθοδος ΒΔ Γωνίας Ξεκινούμε από πάνω αριστερά και εκχωρούμε μέγιστη δυνατή ποσότητα σε κάθε διαδρομή. Όταν εξαντληθεί η διαθεσιμότητα ή ικανοποιηθεί η ζήτηση αλλάζουμε γραμμή ή στήλη αντίστοιχα Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσιμότητα Πάτρα Βόλος Θεσ/νίκη Ζήτηση
9 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές I. Μέθοδος ΒΔ Γωνίας Ξεκινούμε από πάνω αριστερά και εκχωρούμε μέγιστη δυνατή ποσότητα σε κάθε διαδρομή. Όταν εξαντληθεί η διαθεσιμότητα ή ικανοποιηθεί η ζήτηση αλλάζουμε γραμμή ή στήλη αντίστοιχα Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσιμότητα Πάτρα Βόλος Θεσ/νίκη Ζήτηση Κόστος: 216
10 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές II. Μέθοδος Ελάχιστου κόστους Ξεκινούμε από τη διαδρομή με το χαμηλότερο μοναδιαίο κόστος και συνεχίζουμε με αύξουσα σειρά κόστους. Κάθε φορά εκχωρούμε τη μέγιστη δυνατή ποσότητα στη διαδρομή. Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσιμότητα Πάτρα Βόλος Θεσ/νίκη Ζήτηση Κόστος: 218
11 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές I. Μέθοδος Vogel. Υπολογίζουμε ποινές (Διαφορά μικρότερου από το αμέσως επόμενο μικρότερο κόστος για κάθε πηγή και προορισμό). Ξεκινούμε από την πηγή ή προορισμό με τη μεγαλύτερη ποινή. Εκχωρούμε μέγιστη δυνατή ποσότητα στη διαδρομή με το μικρότερο κόστος. Επαναλαμβάνουμε. Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσι μότητα Ποινές Πάτρα =1 Βόλος Θεσ/νίκη Ζήτηση =1 6-5=1 Ποινές 11-6= =4 5-2=3 6-5=1
12 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές I. Μέθοδος Vogel. Υπολογίζουμε ποινές (Διαφορά μικρότερου από το αμέσως επόμενο μικρότερο κόστος για κάθε πηγή και προορισμό). Ξεκινούμε από την πηγή ή προορισμό με τη μεγαλύτερη ποινή. Εκχωρούμε μέγιστη δυνατή ποσότητα στη διαδρομή με το μικρότερο κόστος. Επαναλαμβάνουμε. Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσι μότητα Ποινές Πάτρα =1 Βόλος =1 Θεσ/νίκη =1 Ζήτηση Ποινές 11-6= = = =5 5-2=3 13-5=8 6-5=1 12-6=6
13 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές I. Μέθοδος Vogel. Υπολογίζουμε ποινές (Διαφορά μικρότερου από το αμέσως επόμενο μικρότερο κόστος για κάθε πηγή και προορισμό). Ξεκινούμε από την πηγή ή προορισμό με τη μεγαλύτερη ποινή. Εκχωρούμε μέγιστη δυνατή ποσότητα στη διαδρομή με το μικρότερο κόστος. Επαναλαμβάνουμε. Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσι μότητα Ποινές Πάτρα =1 Βόλος = =6 Θεσ/νίκη =1 11-6=5 Ζήτηση Ποινές 11-6= = = =5 5-2=3 13-5=8 6-5=1 12-6=6
14 Πρόβλημα Μεταφοράς: Αρχικές λύσεις Υποθέτουμε ότι Σύνολο διαθέσιμης ποσότητας = Σύνολο ζητούμενης Κατανομή στις διαδρομές ώστε να αθροίζουν οι στήλες και οι γραμμές I. Μέθοδος Vogel. Υπολογίζουμε ποινές (Διαφορά μικρότερου από το αμέσως επόμενο μικρότερο κόστος για κάθε πηγή και προορισμό). Ξεκινούμε από την πηγή ή προορισμό με τη μεγαλύτερη ποινή. Εκχωρούμε μέγιστη δυνατή ποσότητα στη διαδρομή με το μικρότερο κόστος. Επαναλαμβάνουμε. Ιωάννινα Λάρισα Αθήνα Ηράκλειο Διαθεσι μότητα Ποινές Πάτρα =1 Βόλος = =6 Θεσ/νίκη =1 11-6=5 Ζήτηση Κόστος: 205 Ποινές 11-6= = = =5 5-2=3 13-5=8 6-5=1 12-6=6
15 Επίλυση του Προβλήματος Μεταφοράς με Solver ΠΙΝΑΚΑΣ ΚΟΣΤΟΥΣ ΜΕΤΑΦΟΡΑΣ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΖΗΤΗΣΗΣ & ΠΡΟΣΦΟΡΑΣ Ιωάννινα Λάρισα Αθήνα Ηράκλειο Πάτρα Βόλος Θεσσαλονίκη Ζήτηση ΔΕΔΟΜΕΝΑ Κόστος Μεταφοράς ανά μονάδα Ζήτηση Διαθεσιμότητα ΜΕΤΑΒΛΗΤΕΣ ΛΥΣΗ - ΜΕΤΑΦΕΡΟΜΕΝΕΣ ΠΟΣΟΤΗΤΕΣ ΠΕΡΙΟΡΙΣΜΟΙ ΣΥΝΟΛΙΚΗ ΠΟΣΟΤΗΤΑ ΣΕ ΠΡΟΟΡΙΣΜΟ >= Ζήτησης Διαθεσιμότητα ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΜΕΤΑΦΕΡΟΜΕΝΩΝ ΦΟΡΤΙΩΝ Διαθεσιμότητα Ιωάννινα Λάρισα Αθήνα Ηράκλειο Πάτρα Βόλος Θεσσαλονίκη Ζήτηση ΣΥΝΟΛΙΚΗ ΠΟΣΟΤΗΤΑ ΑΠΟ ΠΗΓΗ <= Διαθεσιμότητας Κοστος Ελαχιστοποίηση Συνολικό Κόστος Μεταφοράς 205
16 Ανάλυση του Προβλήματος Μεταφοράς με Solver 1/2 Microsoft Excel 15.0 Αναφορά ευαισθησίας Φ ύλλο εργασίας: [TRANSPORTATION.xls]TRANSPORTATION MODEL Ημερομηνία δημιουργίας αναφοράς: 17/1/ :19:18 πμ Ρυθμιζόμενα κελιά Τελική Μειωμένο Αντικειμενικός ΕπιτρεπόμενηΕπιτρεπόμενη Κελί Όνομα τιμή κόστος συντελεστής αύξηση μείωση $B$11 Πάτρα Ιωάννινα E+30 $C$11 Πάτρα Λάρισα E+30 2 $D$11 Πάτρα Αθήνα E+30 2 $E$11 Πάτρα Ηράκλειο E+30 4 $B$12 Βόλος Ιωάννινα E+30 1 $C$12 Βόλος Λάρισα $D$12 Βόλος Αθήνα E+30 2 $E$12 Βόλος Ηράκλειο $B$13 Θεσσαλονίκη Ιωάννινα $C$13 Θεσσαλονίκη Λάρισα E+30 1 $D$13 Θεσσαλονίκη Αθήνα $E$13 Θεσσαλονίκη Ηράκλειο Μειωμένο Κόστος: Μεταβολή στο βέλτιστο κόστος, στην περίπτωση που η τιμή της μεταβλητής αυξηθεί κατά 1 μονάδα. Δηλαδή αν εκχωρηθεί μία μονάδα προϊόντος για μεταφορά στην αντίστοιχη διαδρομή η οποία δεν έχει επιλεγεί στη βέλτιστη λύση. Προφανώς με προσαρμογές εκχωρήσεων στις άλλες διαδρομές
17 Ανάλυση του Προβλήματος Μεταφοράς με Solver 2/2 Microsoft Excel 15.0 Αναφορά ευαισθησίας Φύλλο εργασίας: [TRANSPORTATION.xls]TRANSPORTATION MODEL Ημερομηνία δημιουργίας αναφοράς: 17/1/ :19:18 πμ Περιορισμοί Τελική Σκιώδης Περιορισμός ΕπιτρεπόμενηΕπιτρεπόμενη Κελί Όνομα τιμή τιμή R.H. Side αύξηση μείωση $B$14 Ζήτηση Ιωάννινα $C$14 Ζήτηση Λάρισα $D$14 Ζήτηση Αθήνα $E$14 Ζήτηση Ηράκλειο $F$11 Πάτρα Διαθεσιμότητα $F$12 Βόλος Διαθεσιμότητα E+30 0 $F$13 Θεσσαλονίκη Διαθεσιμότητα Σκιώδης τιμή: Μεταβολή στο βέλτιστο κόστος αν ο περιορισμός (ζήτηση ή διαθεσιμότητα) αυξηθεί κατά 1 μονάδα. - Γιατί η διαφορά μεταξύ θετικών και αρνητικών τιμών; - Γιατί η μεταβολή στη διαθέσιμη ποσότητα στο Βόλο δεν επηρεάζει το συνολικό κόστος;
18 Το Πρόβλημα Μεταφοράς Άλλα Ζητήματα Κόστος παραγωγής είναι διαφορετικό ανά προμηθευτή Η συνολική προσφορά ξεπερνά τη ζήτηση Κάποιες διαδρομές δεν επιθυμούμε να χρησιμοποιηθούν ή αντίθετα επιθυμούμε να χρησιμοποιηθούν Χρησιμοποιούνται διαφορετικά μέσα μεταφοράς: Χωρητικότητα / Κόστος / Ταχύτητα /
19 Προβλήματα Μεταφοράς & Δρομολόγησης Στο προηγούμενο πρόβλημα ας υποθέσουμε ότι η μεταφορά γίνεται με διαφορετικά μεταφορικά μέσα το οποία μπορούν να χρησιμοποιηθούν σε όλες τις διαδρομές, αλλά έχουν διαφορετική χωρητικότητα και διαφορετικό κόστος? Πως θα άλλαζε το μοντέλο του προβλήματος
20 Homework Στο πρόβλημα μεταφοράς υποθέστε ότι οι διαθέσιμες ποσότητες από κάθε προμηθευτή είναι: S1: 4; S2: 8; S3:12, ενώ οι απαιτούμενες ποσότητες στα τέσσερα εργοτάξια είναι: A: 5, B: 2, C:10, D:7 Επίσης Συμφωνήθηκε ότι το κόστος μεταφοράς θα είναι ανάλογο της απόστασης από κάθε εργοτάξιο όπως στον πίνακα που ακολουθεί: A B C D S S S Με ποιο τρόπο θα ελαχιστοποιηθεί το κόστος προμήθειας του ready-mix μπετόν στα τέσσερα εργοτάξια. Επιλύστε το πρόβλημα λαμβάνοντας υπ όψη ότι το κόστος παραγωγής ανά μεταφερόμενο τόνο είναι διαφορετικό για κάθε προμηθευτή, δηλαδή S1: 110; S2: 100; S3:105,
21 Ένα άλλο παράδειγμα Μια επιχείρηση πρόκειται να επενδύσει σε διάφορα έργα επέκτασης των δραστηριοτήτων της. Τα αναγκαία κεφάλαια θα τα να δανεισθεί από διάφορες τράπεζες με τις οποίες συνεργάζεται και οι οποίες θεωρούν την επιχείρηση αξιόπιστη. Κάθε τράπεζα θέτει ένα μέγιστο όριο δανεισμού. Επίσης κάθε τράπεζα δίνει διαφορετικά επιτόκια για κάθε έργο ανάλογα με τον εκτιμώμενο κίνδυνο. Ο παρακάτω πίνακας δίνει συγκεντρωτικά τα χορηγούμενα επιτόκια στην επιχείρηση από κάθε τράπεζα, τις ανάγκες δανειοδότησης, καθώς και το ανώτατο όριο δανεισμού από κάθε τράπεζα. Τράπεζα Κίνησης Εξοπλισμού Επιτόκια ανά Τύπο Επένδυσης Κτιριακά Αγορές Εξωτερικού Μέγιστο όριο δανεισμού ΑΛΦΑ ΠΙΣΤΙΣ ΘΕΣΣΑΛΙΑ Απαιτούμενα Κεφάλαια Τουλάχιστον 70 και έως 100
22 Προβλήματα Αναθέσεων Προσωπικού Πέντε project managers με διαφορετικές ικανότητες και εμπειρία πρόκειται να τοποθετηθούν σε πέντε έργα διαφορετικών τύπων και προϋπολογισμού. Η καταλληλότητα κάθε στελέχους για κάθε έργο αξιολογήθηκε από τη διοίκηση του οργανισμού σε 20-βάθμια κλίμακα ως εξής: Με ποιο τρόπο θα πρέπει να γίνει η ανάθεση των 5 έργων στους 5 project managers ώστε να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα A B C D E Αντίστοιχο με πρόβλημα μεταφοράς με οριζόντια και κατακόρυφα αθροίσματα = 1
23 Ακέραιος Προγραμματισμός Όταν οι μεταβλητές λαμβάνουν μόνον ακέραιες τιμές Η επίλυση του προβλήματος είναι δυσκολότερη (ειδικές τεχνικές) Δεν ισχύει η ανάλυση ευαισθησίας του ΓΠ Στον Solver οι μεταβλητές δηλώνονται στους περιορισμούς ως int Ειδική Περίπτωση: Δυαδικές (binary) μεταβλητές Οι δυαδικές μεταβλητές (τιμές 0 ή 1) χρησιμοποιούνται συχνά για να εκφράσουν την ανάληψη ή μη δραστηριοτήτων Y j = 1 όταν αναληφθεί η δραστηριότητα j, και Y j = 0 αν δεν αναληφθεί. Πιθανοί περιορισμοί: Υ 1 + Υ 2 + Υ = 1 για αμοιβαία αποκλειόμενες δραστηριότητες Υ 1 + Υ 2 + Υ (<= ή = ή >=) ν όταν το πολύ ή ακριβώς ή τουλάχιστον ν δραστηριότητες εκτελούνται ή επιλέγονται Υ j Υ i, η δραστηριότητα j μπορεί να εκτελεσθεί μόνον εφόσον εκτελεσθεί η i. Στον Solver οι μεταβλητές δηλώνονται στους περιορισμούς ως bin
24 Δυαδικές (binary) μεταβλητές: Παράδειγμα #1 Η εταιρεία ΧΥΖ εξετάζει τη σύνθεση του χαρτοφυλακίου των έργων της. Επτά υποψήφια έργα διαφέρουν τόσο ως προς την μακροπρόθεσμη απόδοση τους όσο και προς τις απαιτήσεις χρηματοδότησης, όπως φαίνεται στον πίνακα που ακολουθεί: Έργα Απόδοση Χρηματοδότηση M Προσωπικό Εξοπλισμός ΝΑΙ ΝΑΙ ΝΑΙ ΝΑΙ Το συνολικό διαθέσιμο κεφάλαιο είναι 100 εκ. ευρώ. Το διαθέσιμο προσωπικό 16 άτομα, ενώ ο εξοπλισμός επαρκεί για 3 έργα. Τα έργα 1 και 2 είναι αμοιβαίως αποκλειόμενα, όπως και τα έργα 3 και 4. Επί πλέον ούτε το 3 ούτε το 4 μπορούν να αναληφθούν αν δεν αναληφθούν το 1 και το 2 αντίστοιχα. Αντίθετα δεν υπάρχει κανείς περιορισμός για τα έργα 5, 6 και 7. Ποια η διατύπωση του προβλήματος σε μορφή Ακέραιου Προγραμματισμού? (Λύση αναρτημένη στο e-class: Lecture 3 - Επιλογή Προμηθευτών - Λύσεις.doc
25 Παράδειγμα #1 - Λύση Ορίζουμε τις 0/1 μεταβλητές Χ1, Χ2, Χ3, Χ4, Χ5, Χ6 & Χ7 να συμβολίζουν την επιλογή ή όχι κάθε ενός έργου. Δηλαδή αν Χ1=0 το έργο 1 δεν επιλέγεται, αν Χ1=1 επιλέγεται, κ.ο.κ. Η συνολική απόδοση είναι το άθροισμα των αποδόσεων των 7 έργων πολλαπλασιασμένων αντίστοιχα με τις μεταβλητές Χ1, Χ2 κ.λπ. Επομένως Μεγιστοποίηση Απόδοσης 17Χ1 + 10Χ2 + 15Χ3 + 19Χ4 + 7Χ5 + 13Χ6 + 9Χ7 Ομοίως διατυπώνονται και οι περιορισμοί: Χρηματοδότηση: 43Χ1 + 28Χ2 + 34Χ3 + 48Χ4 + 17Χ5 + 32Χ6 + 23Χ7 100 Προσωπικό: 7Χ1 + 5Χ2 + 4Χ3 + 7Χ4 + 4Χ5 + 5Χ6 + 8Χ7 16 Εξοπλισμός (το πολύ 3 έργα) : Χ1 + Χ2 + Χ3 + Χ4 + Χ5 + Χ6 + Χ7 3 Τα 1 & 2 είναι αμοιβαία αποκλειόμενα : Χ1 + Χ2 1 Ομοίως τα 3 & 4: Χ3 + Χ4 1 Το 3 μπορεί να αναληφθεί μόνον στην περίπτωση που αναληφθεί το 1 : Χ3 Χ1 Ομοίως το 4 με το 2 : Χ4 Χ2
26 Παράδειγμα #1 - Λύση Excel
27 Παράδειγμα #1 - Λύση Excel
28 Δυαδικές (binary) μεταβλητές: Παράδειγμα #2 Η ΙΝΤΕRCON σκοπεύει να προμηθευτεί άμεσα 26 έως 32 νέα αυτοκίνητα για τις ανάγκες επίβλεψης ενός μεγάλου οδικού έργου. Η εταιρία επιθυμεί τα 14 να είναι τουλάχιστον κυβισμού 1200cc (τύπος Α), μέχρι 12 να είναι κυβισμού 1600cc (τύπος Β), και τα υπόλοιπα να είναι κυβισμού 2000cc (τύπος Γ). Η εταιρία εξετάζει τις ακόλουθες προσφορές 4 αντιπροσωπειών. 1 η Προσφορά 10 Α και 2 Β και 2 Γ συνολική τιμή η Προσφορά 15 Α η Προσφορά 4 Α και 8 Β και 5 Γ η Προσφορά 2 Α και 5 Β και 4 Γ ή 4 Α και 6 Β και 5 Γ ή Η παρούσα αξία του αναμενόμενου κέρδους για κάθε τύπο αυτοκινήτου χωρίς να υπολογίζεται η αξία αγοράς είναι (τύπος Α), (τύπος Β) και (τύπος Γ). Η ΙΝΤΕRCON επιθυμεί να προμηθευτεί τα αυτοκίνητα που χρειάζεται από μία ή το πολύ 2 αντιπροσωπείες. Ποια η διατύπωση του προβλήματος σε μορφή Ακέραιου Προγραμματισμού?
29 Παράδειγμα - Λύση Ορίζουμε τις 0/1 μεταβλητές Χ1, Χ2, Χ3, Χ4, Χ5 να συμβολίζουν την επιλογή ή όχι κάθε ενός προμηθευτή (οι 2 προσφορές του 4 ου προμηθευτή θεωρούνται διαφορετικές. Με περιορισμό που ακολουθεί δεν θα επιτρέψουμε να επιλεγούν και οι δύο). Υπολογίζουμε το καθαρό αναμενόμενο κέρδος το οποίο θα προκύψει από την επιλογή κάθε προμηθευτή εάν αυτός επιλεγεί: Τύπου Α Τύπου Β Τύπου Γ ΠΑ Αναμενόμενου κέρδους 40Α+47Β+50Γ Κόστος Αγοράς Επομένως το καθαρό αναμενόμενο κέρδος (σε χιλιάδες) που επιθυμούμε να μεγιστοποιηθεί είναι : Μεγιστοποίηση: Ζ = 354Χ Χ Χ Χ Χ5 Καθαρό Αναμενόμενο Κέρδος 1 η η η η - Α η - B
30 Παράδειγμα - Λύση Περιορισμοί: Ομοίως διατυπώνονται και οι περιορισμοί: Επιλογή το πολύ 2 προμηθευτών: Χ1 + Χ2 + Χ3 + Χ4 + Χ5 <=2 Επιλογή το πολύ ενός εκ των 4 & 5 διότι είναι του ίδιου προμηθευτή: Χ4 + Χ5 <=1 Συνολικός αριθμός αυτοκινήτων μεταξύ 26 και 32: 14Χ1 + 15Χ2 + 17Χ3 + 11Χ4 + 15Χ5 >= 26 14Χ1 + 15Χ2 + 17Χ3 + 11Χ4 + 15Χ5 <= 32 Τουλάχιστον 14 τύπου Α: 10Χ1 + 15Χ2 + 4Χ3 + 2Χ4 + 4Χ5 >= 14 Μέχρι 12 τύπου Β: 2Χ1 + 8Χ3 + 5Χ4 + 6Χ5 <= 12
31 Παράδειγμα #1 - Λύση Excel
32 Παράδειγμα #1 - Λύση Excel
33 Παράδειγμα #1 - Βέλτιστη Λύση Excel
34 Διαφοροποίηση του προβλήματος Επιλογής Προμηθευτών Ας θεωρήσουμε μία παραλλαγή του προβλήματος προμήθειας αυτοκινήτων που εξετάσαμε ήδη Η επιλογή για τους 3 τύπους αυτοκινήτων μπορεί να γίνει ανεξάρτητα από διάφορους προμηθευτές i. Αν ο αριθμός των αυτοκινήτων που μπορεί να διαθέσει ένας προμηθευτής για έναν τύπο δεν επαρκεί μπορεί να χρησιμοποιηθούν 2 ή περισσότεροι ii. Για κάθε προμηθευτή που επιλέγεται υπάρχει ένα σταθερό κόστος, ανεξάρτητα από τον αριθμό αυτοκινήτων που αγοράζονται από αυτόν
35 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Δεδομένα ΔΥΝΑΜΙΚΟ ΠΡΟΣΦΟΡΑΣ ΠΡΟΜΗΘΕΥΤΏΝ ΣΕ ΑΥΤΟΚΙΝΗΤΑ ΚΆΘΕ ΤΥΠΟΥ ΤΥΠΟΥ Α ΤΥΠΟΥ Β ΤΥΠΟΥ Γ ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ ΤΙΜΕΣ ΑΝΑ ΠΡΟΜΗΘΕΥΤΗ ΤΥΠΟΥ Α ΤΥΠΟΥ Β ΤΥΠΟΥ Γ ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ
36 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Δεδομένα ΖΗΤΗΣΗ ΣΕ ΑΡΙΘΜΟ ΑΥΤΟΚΙΝΗΤΩΝ ΖΗΤΗΣΗ : ΑΡΙΘΜΟΣ ΑΥΤΟΚΙΝΗΤΩΝ ΚΆΘΕ ΤΥΠΟΥ ΤΥΠΟΥ Α ΤΥΠΟΥ Β ΤΥΠΟΥ Γ ΣΤΑΘΕΡΟ ΚΟΣΤΟΣ ΑΝΑ ΠΡΟΜΗΘΕΥΤΗ ΠΡΟΜΗΘΕΥΤΗΣ 1 5 ΠΡΟΜΗΘΕΥΤΗΣ 2 6 ΠΡΟΜΗΘΕΥΤΗΣ 3 6 ΠΡΟΜΗΘΕΥΤΗΣ 4 7
37 Παράδειγμα Λύσης ΑΓΟΡΑ ΑΠΌ ΚΆΘΕ ΠΡΟΜΗΘΕΥΤΗ ΤΥΠΟΥ Α ΤΥΠΟΥ Β ΤΥΠΟΥ Γ ΠΡΟΜΗΘΕΥΤΗΣ 1 ΠΡΟΜΗΘΕΥΤΗΣ ΠΡΟΜΗΘΕΥΤΗΣ 3 5 ΠΡΟΜΗΘΕΥΤΗΣ 4 5 Ικανοποιούνται οι απαιτήσεις ΤΙΜΕΣ ΑΝΑ ΠΡΟΜΗΘΕΥΤΗ ΤΥΠΟΥ Α ΤΥΠΟΥ Β ΤΥΠΟΥ Γ ΚΟΣΤΟΣ ΠΡΟΜΗΘΕΥΤΗ ΠΡΟΜΗΘΕΥΤΗΣ 1 7 x 20 = ΠΡΟΜΗΘΕΥΤΗΣ 2 8 x 14 = x 35 = ΠΡΟΜΗΘΕΥΤΗΣ 3 5 x 13 = 65 1 x 36 = 36 6 ΠΡΟΜΗΘΕΥΤΗΣ 4 Συνολικό Κόστος =
38 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Μοντελοποίηση Ποιος είναι ο στόχος? Ελαχιστοποίηση Κόστους Πως υπολογίζουμε το κόστος? Κόστος Αυτοκινήτων & Κόστος Προμηθευτών Κόστος Αυτοκινήτων. Κόστος Προμηθευτών.. Ποιες είναι οι μεταβλητές του προβλήματος? Ποια είναι η σχέση μεταξύ τους?
39 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Μεταβλητές 2 δείκτες: i = 1,2,3,4 συμβολίζει τον προμηθευτή j = A,B,Γ συμβολίζει τον τύπο αυτοκινήτου Χ ij = Ποσότητα αυτοκινήτων τύπου j που αγοράζονται από προμηθευτή i Y i = 0-1 ανάλογα με το αν ο προμηθευτής i έχει επιλεγεί Το Y i δεν μπορεί να είναι μηδέν αν κάποιο από τα Χ ij είναι θετικό, ή Τα Χ ij δεν μπορούν να είναι >0 αν το Y i είναι 0.
40 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Αντικειμενική Συνάρτηση Έστω C ij το κόστος του τύπου j αυτοκινήτου από τον προμηθευτή i, και F i το σταθερό κόστος για τον προμηθευτή i Χ ij = η ποσότητα αυτοκινήτων τύπου j που αγοράζονται από προμηθευτή i Y i = 0-1 ανάλογα με το αν ο προμηθευτής i έχει επιλεγεί Συνολικό Κόστος = i j C ij X ij + i F i Y i
41 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Περιορισμοί Έστω S ij η διαθέσιμη ποσότητα τύπου j αυτοκινήτων από τον προμηθευτή i, τότε X ij S ij Y i Αν ο προμηθευτής i, διαθέτει S ij αυτοκίνητα τύπου j τότε η ποσότητα που αγοράσουμε από αυτόν δεν μπορεί να ξεπερνά τα S ij. Αν ο προμηθευτής I δεν επιλεγεί τότε X ij = 0
42 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Άλλοι περιορισμοί Έστω D j η συνολικά ζητούμενη ποσότητα τύπου j αυτοκινήτων, τότε i X ij D j O συνολικός αριθμός αυτοκίνητων τύπου j που θα αγορασθούν από όλους τους προμηθευτές πρέπει να καλύπτει τη ζήτηση
43 Το Πρόβλημα Επιλογής Προμηθευτών - ΙΙ Συνολική Διατύπωση Ελαχιστοποίηση Κόστους i j C ij X ij + i F i Y i Υπό τους περιορισμούς X ij S ij Y i i X ij D j αριθμός περιορισμών i x j αριθμός περιορισμών j Y i μεταβλητές 0, 1
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού Ερμηνεία Λύσεων
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού Ερμηνεία Λύσεων
Τμήμα 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
Μιατρίτη µέθοδος προσδιορισµού αρχικής λύσης σε προβλήµατα µεταφοράς είναι
Η µέθοδος Vogel Μιατρίτη µέθοδος προσδιορισµού αρχικής λύσης σε προβλήµατα µεταφοράς είναι η µέθοδος Vogel Η προσεγγιστική µέθοδος Vogelείναι µια πιο πολύπλοκη µέθοδος σε σχέση µε τις προηγούµενες, αλλά
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100)
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Μέρος ΙΙ Τεχνικές Μαθηματικού Προγραμματισμού Μαθηματικά Μοντέλα Εισαγωγή Μεθοδολογία
Περιεχόμενα. 1. Ανάλυση ευαισθησίας. (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων
Περιεχόμενα (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων 1. Ανάλυση ευαισθησίας Λυμένο παράδειγμα 7 από το βιβλίο, σελ.85, λύση σελ.328
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
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
ΕΝΔΕΙΚΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ
Πρόβλημα 1 ΕΝΔΕΙΚΤΙΚΑ ΠΡΟΒΛΗΜΑΤΑ Η εταιρεία GALAXY INDUSTRIES διαθέτει στην αγορά 2 είδη πλάκες πεζοδρομίου: τη Space Ray και τη Galaxy Ray. Τα 2 είδη κατασκευάζονται σε δωδεκάδες από την ίδια βασική πρώτη
ΠΡΟΒΛΗΜΑΤΑ 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
Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100)
Μεταπτυχιακό Πρόγραμμα Σπουδών Διοίκηση και Διαχείριση Έργων και Προγραμμάτων Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Μέρος ΙΙ Τεχνικές Μαθηματικού Προγραμματισμού Μαθηματικά Μοντέλα Εισαγωγή Μεθοδολογία
Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ
Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Η «OutBoard Motors Co» παράγει τέσσερα διαφορετικά είδη εξωλέμβιων (προϊόντα 1 4) Ο γενικός διευθυντής κ. Σχοινάς, ενδιαφέρεται
Το Πρόβλημα Μεταφοράς
Το Πρόβλημα Μεταφοράς Αφορά τη μεταφορά ενός προϊόντος από διάφορους σταθμούς παραγωγής σε διάφορες θέσεις κατανάλωσης με το ελάχιστο δυνατό κόστος. Πρόκειται για το πιο σπουδαίο πρότυπο προβλήματος γραμμικού
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
ΤΟ ΠΡΟΒΛΗΜΑ ΜΕΤΑΦΟΡΑΣ
ΤΟ ΠΡΟΒΛΗΜΑ ΜΕΤΑΦΟΡΑΣ Η αρχική τους εφαρµογή, όπως δηλώνει και η ονοµασία τους, αφορούσε τον καθορισµό του βέλτιστου τρόπου µεταφοράς αγαθών από διαφορετικά σηµεία παραγωγής ή κεντρικής αποθήκευσης (π.χ.,
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
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΈΡΕΥΝΑ ΣΤΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΚΑΤΑΜΕΡΙΣΜΟΥ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΠΑΝΤΑΙΔΑΚΗΣ ΜΙΧΑΗΛ Α.Μ 8342 ΕΞΑΜΗΝΟ :ΠΤΘ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΈΡΕΥΝΑ ΣΤΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΚΑΤΑΜΕΡΙΣΜΟΥ ΠΤΥΧΙΑΚΗ
Κεφάλαιο 4: Επιλογή σημείου παραγωγής
Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή διαδικασίας παραγωγής αναγνωρίζει
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
ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200
ΑΣΚΗΣΗ Η εταιρεία logistics Orient Express έχει αναλάβει τη διακίνηση των φορητών προσωπικών υπολογιστών γνωστής πολυεθνικής εταιρείας σε πελάτες που βρίσκονται στο Hong Kong, τη Σιγκαπούρη και την Ταϊβάν.
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
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
Κεφάλαιο 4: Επιλογή σημείου παραγωγής
Κεφάλαιο 4: Επιλογή σημείου παραγωγής Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή
Προβλήµατα Μεταφορών (Transportation)
Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment) Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια
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
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Νοέμβριος 006 Αθήνα Κεφάλαιο ο Ακέραιος και μικτός προγραμματισμός. Εισαγωγή Μια από τις
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
Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο
Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Εισαγωγή Ασχολείται με το πρόβλημα της άριστης κατανομής των περιορισμένων πόρων μεταξύ ανταγωνιζόμενων δραστηριοτήτων μιας επιχείρησης
Case 05: Επιλογή Επενδύσεων (πολυσταδιακό πρόβλημα) ΣΕΝΑΡΙΟ
Case 05: Επιλογή Επενδύσεων (πολυσταδιακό πρόβλημα) ΣΕΝΑΡΙΟ Ο χρονικός ορίζοντας απαρτίζεται από διαδοχικές χρονικές περιόδους. Διαμόρφωση ενός χαρτοφυλακίου στο οποίο, καθώς ο χρόνος εξελίσσεται, το διαθέσιμο
Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI)
Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI) Ηµέθοδος MODIεπιτρέπει τον υπολογισµό των οριακών µεταβολών στο συνολικό κόστος µεταφοράς για κάθε µη επιλεγείσα διαδροµή µε αλγεβρικό τρόπο, χωρίς τη διαδικασία
Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Ανάλυση ευαισθησίας Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Παράδειγμα TOYCO Η επιχείρηση TOYCO χρησιμοποιεί
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
ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone
ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone Hµέθοδος Stepping Stoneείναι µία επαναληπτική διαδικασία για τον προσδιορισµό της βέλτιστης λύσης σε ένα πρόβληµα µεταφοράς.
Τμήμα Μηχανικών Πληροφορικής ΤΕ Ανάλυση ευαισθησίας. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Ανάλυση ευαισθησίας Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Παράδειγμα TOYCO Η επιχείρηση TOYCO χρησιμοποιεί τρεις διαδικασίες
3.12 Το Πρόβλημα της Μεταφοράς
312 Το Πρόβλημα της Μεταφοράς Σ αυτή την παράγραφο και στις επόμενες μέχρι το τέλος του κεφαλαίου θα ασχοληθούμε με μερικά σπουδαία είδη προβλημάτων γραμμικού προγραμματισμού Οι ειδικές αυτές περιπτώσεις
Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό
Πληροφοριακά Συστήματα Διοίκησης Εισαγωγή στον Γραμμικό Προγραμματισμό Τι είναι ο Γραμμικός Προγραμματισμός; Είναι το σημαντικότερο μοντέλο στη Λήψη Αποφάσεων Αντικείμενό του η «άριστη» κατανομή περιορισμένων
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...
Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)
Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Ένα πολυσταδιακό πρόβλημα που αφορά στον τριμηνιαίο προγραμματισμό για μία βιομηχανική επιχείρηση παραγωγής ελαστικών (οχημάτων) Γενικός προγραμματισμός
Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1)
Case 09: Επιλογή Διαφημιστικών Μέσων ΙI ΣΕΝΑΡΙΟ (1) Η βιομηχανική επιχείρηση «ΑΤΛΑΣ Α.Ε.» δραστηριοποιείται στο χώρο του φυσικού αερίου και ειδικότερα στις συσκευές οικιακής χρήσης. Πρόκειται να εισάγει
Τ.Ε.Ι. Πειραιά Π.Μ.Σ. ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
Τ.Ε.Ι. Πειραιά Π.Μ.Σ. ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Ακαδημαϊκό Έτος: 2013-2014 (Χειμερινό Εξάμηνο) Μάθημα: Σχεδιασμός Αλγορίθμων και Επιχειρησιακή Έρευνα Καθηγητής: Νίκος Τσότσολας Εργασία
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΣΗΜΕΙΩΣΕΙΣ Δ.Α.Π. Ν.Δ.Φ.Κ. ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΠΕΙΡΑΙΩΣ www.dap-papei.gr ΠΑΡΑΔΕΙΓΜΑ 1 ΑΣΚΗΣΗ 1 Η FASHION Α.Ε είναι μια από
Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Ανάλυση Ευαισθησίας. Έχοντας λύσει ένας πρόβλημα ΓΠ θα πρέπει να αναρωτηθούμε αν η λύση έχει φυσική σημασία. Είναι επίσης πολύ πιθανό να έχουμε χρησιμοποιήσει δεδομένα για τα οποία δεν είμαστε σίγουροι
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #1: Ασκήσεις Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό
Γραμμικός Προγραμματισμός Πρόβλημα Αντιστοιχήσεως
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης Γραμμικός Προγραμματισμός Πρόβλημα Αντιστοιχήσεως
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
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
Προσφορά Τροποποιηµένος πίνακας, όπου προσφορά ίση µε τη ζήτηση µε την προσθήκη εικονικού προορισµού *
ΚΕΦ.8 ΕΙ ΙΚΑ ΠΡΟΒΛΗΜΑΤΑ Ιδιαίτερη κατηγορία των προβληµάτων ΓΠ είναι τα προβλήµατα δικτυακής ροής. Σε αυτά ανήκουν τα προβλήµατα µεταφοράς και εκχώρησης. 8. Πρόβληµα µεταφοράς Σε m πηγές (κέντρα προσφοράς)
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #3: Ακέραιος Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
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
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
Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)
Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Το πρόβλημα της επιλογής των μέσων διαφήμισης (??) το αντιμετωπίζουν τόσο οι επιχειρήσεις όσο και οι διαφημιστικές εταιρείες στην προσπάθειά τους ν' αναπτύξουν
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ με το EXCEL
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ με το EXCEL ΠΡΟΒΛΗΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ( Μαθηματικών Γ Γυμνασίου έκδοση ΙΑ 99 σελ. 236 / Έχει γίνει μετατροπή των δρχ. σε euro.) Ένας κτηνοτρόφος πρόκειται να αγοράσει
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
Μέθοδοι Βελτιστοποίησης
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Μέθοδοι Βελτιστοποίησης Ενότητα # : Επιχειρησιακή έρευνα Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 1: Εισαγωγή στο Γραμμικό Προγραμματισμό (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων
Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα
Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία
Η άριστη λύση με τη μέθοδο simplex:
http://usrs.uo.gr/~acg 1 UΜετάβαση από τον Γραμμικό Προγραμματισμό στη Θεωρία Δικτύων UΤο πρόβλημα Μεταφοράς (Transportation probl) UΗ «Μακεδονική Εταιρεία Αναψυκτικών Α.Ε.» Παράγει ένα αναψυκτικό ευρείας
m 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
ΜΑΘΗΜΑ 3 Ο ΠΟΣΟΤΙΚΕΣ ΜΕΘΟ ΟΙ ΣΤΗΝ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (εργαστήριο) ΑΚΑ ΗΜΑΙΚΟ ΕΤΟΣ 2012-2013-ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ
ΜΑΘΗΜΑ 3 Ο ΠΟΣΟΤΙΚΕΣ ΜΕΘΟ ΟΙ ΣΤΗΝ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (εργαστήριο) ΑΚΑ ΗΜΑΙΚΟ ΕΤΟΣ 2012-2013-ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ Προβλήµατα Ακέραιου Προγραµµατισµού Ι Τα προβλήµατα Ακέραιου Προγραµµατισµού, ανήκουν γενικά σε 3
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
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
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #: Εφαρμογές του Γραμμικού Προγραμματισμού Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων
Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)
Δυϊκότητα Θα δείξουμε πώς μπορούμε να αντιστοιχίσουμε ένα πρόβλημα ελαχιστοποίησης με ένα πρόβλημα ΓΠ στην συνήθη του μορφή. Ένα πρόβλημα στην συνήθη του μορφή μπορεί να είναι ένα κατασκευαστικό πρόβλημα,
Ακέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Τμήμα 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
Επιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 5: Εφαρμογές Γραμμικού Προγραμματισμού (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων
Case 06: Το πρόβληµα τωνlorie και Savage Εισαγωγή (1)
Case 06: Το πρόβληµα τωνlorie και Savage Εισαγωγή (1) Το εσωτερικό ποσοστό απόδοσης (internal rate of return) ως κριτήριο αξιολόγησης επενδύσεων Προβλήµατα προκύπτουν όταν υπάρχουν επενδυτικές ευκαιρίες
Η άριστη λύση με τη μέθοδο simplex:
http://usrs.uo.gr/~acg 1 UΜετάβαση από τον ΓΠ στη Θεωρία ικτύων UΤο πρόβλημα Μεταφοράς (Transportation probl) UΗ «Μακεδονική Εταιρεία Αναψυκτικών Α.Ε.» Παράγει ένα αναψυκτικό ευρείας κατανάλωσης Το προϊόν
Επιχειρησιακή Έρευνα
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Επιχειρησιακή Έρευνα Ενότητα #6: Στοχαστικός Γραμμικός Προγραμματισμός Αθανάσιος Σπυριδάκος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων
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
Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)
Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1) Οι στρατηγικές χρηματοοικονομικής δομής αναφέρονται στην επιλογή των μέσων χρηματοδότησης επενδυτικών προγραμμάτων, λειτουργιών της παραγωγής και
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/
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
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΜΑΘΗΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΜΑΘΗΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης
Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z
Άσκηση Η εταιρία ηλεκτρισμού ELECTRON έχει τρείς μονάδες ηλεκτροπαραγωγής Α, Β, C και θέλει να καλύψει τη ζήτηση σε τέσσερις πόλεις W, Χ, Υ, Ζ. Η μέγιστη παραγωγή, η απαιτούμενη ζήτηση και το κόστος μεταφοράς
Συστήματα Αποφάσεων. Εργαστηριακές Ασκήσεις στον Γραμμικό Προγραμματισμό
Εργαστηριακές Ασκήσεις στον Γραμμικό Προγραμματισμό Άσκηση 1: Ανάθεση αεροπορικών πτήσεων Μικρή ιδιωτική αεροπορική εταιρία διαθέτει αεροσκάφη τριών τύπων: τα Α, Β και Γ, για να εκτελεί ναυλωμένες πτήσεις
Μέθοδος μέγιστης πιθανοφάνειας
Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σκ της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα Χ=(Χ, Χ,, Χ ) από πληθυσμό το
Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)
Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014) Θέμα 1 Μια επιχείρηση χρησιμοποιεί 3 πρώτες ύλες Α, Β, Γ για να παράγει 2 προϊόντα Π1 και Π2. Για την παραγωγή μιας μονάδας προϊόντος Α απαιτούνται 1
Προγραμματισμός & Έλεγχος Παραγωγής. Κεφ. 6 Συγκεντρωτικός Προγραμματισμός Συμπληρωματικές Σημειώσεις
Προγραμματισμός & Έλεγχος Παραγωγής Κεφ. 6 Συγκεντρωτικός Προγραμματισμός Συμπληρωματικές Σημειώσεις Στέλλα Σοφιανοπούλου Καθηγήτρια Πειραιάς 2012 Ενότητα 6.1 2 Τυπικά δεδομένα Ενότητα 6.3 Δοκιμή με σταθερή
Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z
Άσκηση 0 Η εταιρία ηλεκτρισμού ELECTRON έχει τρείς μονάδες ηλεκτροπαραγωγής Α, Β, C και θέλει να καλύψει τη ζήτηση σε τέσσερις πόλεις W, Χ, Υ, Ζ. Η μέγιστη παραγωγή, η απαιτούμενη ζήτηση και το κόστος
Ακέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
σει κανένα modem των 128Κ. Θα κατασκευάσει συνολικά = 320,000 τεμάχια των 64Κ και το κέρδος της θα γίνει το μέγιστο δυνατό, ύψους 6,400,000.
Σ ένα εργοστάσιο ειδών υγιεινής η κατασκευή των πορσελάνινων μπανιέρων έχει διαμορφωθεί σε τρία διαδοχικά στάδια : καλούπωμα, λείανση και βάψιμο. Στον πίνακα που ακολουθεί καταγράφονται τα ωριαία δεδομένα
Κεφ. 9 Ανάλυση αποφάσεων
Κεφ. 9 Ανάλυση αποφάσεων Η θεωρία αποφάσεων έχει ως αντικείμενο την επιλογή της καλύτερης στρατηγικής. Τα αποτελέσματα κάθε στρατηγικής εξαρτώνται από παράγοντες, οι οποίοι μπορεί να είναι καταστάσεις
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
Προβλήματα Εκχώρησης (Assignment Problems)
Προβλήματα Εκχώρησης (Assigmet Problems) Παραδείγματα Δικτυακή Διατύπωση Λύση Hugaria Algorithm Προβλήματα Εκχώρησης (Assigmet Problems) Παραδείγματα Εκχώρηση ατόμων στην εκτέλεση μίας δραστηριότητας Κατανομή
1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Η επιχειρησιακή έρευνα επικεντρώνεται στη λήψη αποφάσεων από επιχειρήσεις οργανισμούς, κράτη κτλ. Στα πλαίσια της επιχειρησιακής έρευνας εξετάζονται οι ακόλουθες περιπτώσεις : Γραμμικός προγραμματισμός
Τμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 3: Ανάλυση ευαισθησίας ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com http://vasilis-ismyrlis.webnode.gr/
ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ: Το Πρόβλημα της μεταφοράς και οι μέθοδοι επίλυσης του. Εφαρμογές χρησιμοποιώντας το R
ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ: Το Πρόβλημα της μεταφοράς και οι μέθοδοι επίλυσης του. Εφαρμογές χρησιμοποιώντας το R Σύνοψη Το πρόβλημα της μεταφοράς αποτελεί μια ειδική κατηγορία προβλημάτων γραμμικού προγραμματισμού,
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- ΣΥΝΔΥΑΣΤΙΚΗΔΟΜΗ:
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
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
2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ( Linear Programming ) Ο Γραμμικός Προγραμματισμός είναι μια τεχνική που επιτρέπει την κατανομή των περιορισμένων πόρων μιας επιχείρησης με τον πιο
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
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
Πρόβλημα Μεταφοράς. Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης Πρόβλημα Μεταφοράς Άδεια Χρήσης Το παρόν
Case 04: Επιλογή Χαρτοφυλακίου IΙ «Null Risk Securities» ΣΕΝΑΡΙΟ
Case 04: Επιλογή Χαρτοφυλακίου IΙ «Null Risk Securities» ΣΕΝΑΡΙΟ εκαετές πρόγραµµα επενδύσεων Οκτώ επενδυτικές ευκαιρίες Έντοκα γραµµάτια δηµοσίου, κοινές µετοχές εταιρειών, οµόλογα οργανισµών κ.ά. H επένδυση
Συνδυαστική 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
Η άριστη ποσότητα παραγγελίας υπολογίζεται άμεσα από τη κλασική σχέση (5.5): = 1000 μονάδες
ΠΡΟΒΛΗΜΑ 1 Η ετήσια ζήτηση ενός σημαντικού εξαρτήματος που χρησιμοποιείται στη μνήμη υπολογιστών desktops εκτιμήθηκε σε 10.000 τεμάχια. Η αξία κάθε μονάδας είναι 8, το κόστος παραγγελίας κάθε παρτίδας
Τεχνικές αριστοποίησης
ΚΕΦΑΛΑΙΟ 9 Τεχνικές αριστοποίησης Εισαγωγή Τα µοντέλα αριστοποίησης, ευρέως γνωστά ως µοντέλα µαθηµατικού προγραµµατισµού, είναι αναµφίβολα η δηµοφιλέστερη τεχνική λήψης αποφάσεων στο χώρο της Επιχειρησιακής
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