Προβλήµατα Μεταφορών (Transportation)



Σχετικά έγγραφα
Προβλήματα Μεταφορών (Transportation)

Προβλήματα Εκχώρησης (Assignment Problems)

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

Τμήμα Μηχανικών Πληροφορικής ΤΕ Πρόβλημα Μεταφοράς. Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα I

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1, Δ3 1, ,200

Το Πρόβλημα Μεταφοράς

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

Γραµµικός Προγραµµατισµός (ΓΠ)

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1

Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα

Πρόβλημα Μεταφοράς. Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης

ιοίκηση Παραγωγής και Υπηρεσιών

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα I

Μοντέλα Διανομής και Δικτύων

ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

Το µαθηµατικό µοντέλο του Υδρονοµέα

Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI)

Γραμμικός Προγραμματισμός

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

Επιχειρησιακή Έρευνα

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

3.7 Παραδείγματα Μεθόδου Simplex

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Επιχειρησιακή Έρευνα I

Προσφορά Τροποποιηµένος πίνακας, όπου προσφορά ίση µε τη ζήτηση µε την προσθήκη εικονικού προορισµού *

2 η ΕΝΟΤΗΤΑ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)

ΠΡΟΒΛΗΜΑ ΑΝΑΘΕΣΗΣ Ή ΑΝΤΙΣΤΟΙΧΗΣΗΣ Ή ΕΚΧΩΡΗΣΗΣ Ή ΚΑΤΑΝΟΜΗΣ (ASSIGNMENT PROBLEM)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

ιατύπωση τυπικής µορφής προβληµάτων Γραµµικού

ΤΟ ΠΡΟΒΛΗΜΑ ΜΕΤΑΦΟΡΑΣ

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Γραμμικός Προγραμματισμός

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα

Εισαγωγή. Οπως είδαµε για την εκκίνηση της Simplex χρειαζόµαστε µια Αρχική Βασική Εφικτή Λύση. υϊσµός

Επιχειρησιακή Έρευνα

Μοντελοποίηση προβληµάτων

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

Ακέραιος Γραμμικός Προγραμματισμός

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

Case 06: Το πρόβληµα τωνlorie και Savage Εισαγωγή (1)

3.12 Το Πρόβλημα της Μεταφοράς

Επιχειρησιακή Έρευνα I

ΚΕΦΑΛΑΙΟ ΕΒΔΟΜΟ: Το Πρόβλημα της μεταφοράς και οι μέθοδοι επίλυσης του. Εφαρμογές χρησιμοποιώντας το R

Επιχειρησιακή Έρευνα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Ποσοτικές Μέθοδοι στη Διοίκηση Έργων (Y100) Διάλεξη #2 Παραδείγματα Μοντελοποίησης Γραμμικού Προγραμματισμού

ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ & ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΞΕΤΑΣΗ ΣΤΗΝ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ Έβδομο Εξάμηνο

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Ακέραιος Γραμμικός Προγραμματισμός

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

Επιχειρησιακή Έρευνα I

Κεφάλαια Εντολές επανάληψης. Τρεις εντολές επανάληψης. Επιλογή εντολής επανάληψης ΟΣΟ...ΕΠΑΝΑΛΑΒΕ. Σύνταξη στη ΓΛΩΣΣΑ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήµη τωναποφάσεων, ιοικητική Επιστήµη

Θεωρία Αποφάσεων και Βελτιστοποίηση

ΕΠΛ 232 Φροντιστήριο 2

Αλγεβρική Μέθοδος Επίλυσης Γραμμικών Μοντέλων Η μέθοδος SIMPLEX (Both Simple and Complex ) 1

ιαχείριση Εφοδιαστικής Αλυσίδας

Επιχειρησιακή Έρευνα

Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z

Επιχειρησιακή Έρευνα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΈΡΕΥΝΑ ΣΤΑ ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ ΚΑΙ ΚΑΤΑΜΕΡΙΣΜΟΥ

Κεφάλαιο 5ο: Εντολές Επανάληψης

3. Η παρακάτω συνάρτηση παραγωγής παρουσιάζει φθίνουσες, σταθερές, ή αύξουσες οικονοµίες κλίµακας; παραγωγής παρουσιάζει σταθερές αποδόσεις κλίµακας.

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ & ΥΠΟΛΟΓΙΣΤΙΚΗ ΦΥΣΙΚΗ

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός

Θεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 3/4/2012. Lecture08 1

Γραμμικός Προγραμματισμός

Προγραμματισμός & Έλεγχος Παραγωγής. Κεφ. 6 Συγκεντρωτικός Προγραμματισμός Συμπληρωματικές Σημειώσεις

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Κεφάλαιο 5: Στρατηγική χωροταξικής διάταξης

4.4 Το πρόβλημα του ελάχιστου ζευγνύοντος δένδρου

z = c 1 x 1 + c 2 x c n x n

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Transcript:

Προβλήµατα Μεταφορών (Transportation) Προβλήµατα Μεταφορών (Transportation) Μέθοδος Simplex για Προβλήµατα Μεταφοράς Προβλήµατα Εκχώρησης (assignment)

Παράδειγµα: Κατανοµή Νερού Η υδατοπροµήθεια µιας περιφέρεια παίρνει νερό από 3 ποταµούς και το διοχετεύει σε 4 πόλεις. Η µέγιστη παροχή από τον κάθε ποταµό, οι ανάγκες κάθε πόλης καθώς και το κόστος µεταφοράς του νερού από τον κάθε ποταµό στη κάθε πόλη φαίνονται στον πιο κάτω πίνακα. Ζητείτε: Πρόγραµµα παροχής νερού έτσι ώστε να ελαχιστοποιηθεί το ολικό κόστος µεταφοράς. Ποταµός Κόστος Μεταφοράς ($) Πόλη 1 2 3 4 Μέγιστη Παροχή 1 16 13 22 17 5 2 14 13 19 15 6 3 19 2 23-5 Ελάχιστη Παροχή 3 7 1 Ζήτηση 5 7 3

Διατύπωση ΓΠ x ij : ποσότητα νερού που διοχετεύεται από τον ποταµό i στην πόλη j, i=1,2,3, j=1,2,3,4. Μέγιστη παροχή του ποταµού i. Ένας περιορισµός για κάθε ποταµό Μέγιστη ζήτηση της πόλης j. Ένας περιορισµός για κάθε πόλη Μη αρνητικοί περιορισµοί

Διατύπωση ΓΠ Το πρόβληµα αυτό θα µπορούσε να λυθεί χρησιµοποιώντας τη µέθοδο simplex. Για προβλήµατα ροής σε δίκτυα υπάρχει «αναθεωρηµένη» µορφή της simplex η οποία είναι πολύ πιο αποδοτική.

Γενική Διατύπωση Προβλήµατος Μεταφοράς Διατύπωση Δικτύου m Πηγές (Sources) S 1 D 1 n Προορισµοί (Destinations) [s i ] c ij x ij D j [-d j ] S i S m D n

Διατύπωση µε Πίνακα Παραµέτρων (Parameter Table) Πηγή (Source) 1 2 m Demand Ζήτηση Μεταφορικό Κόστος Προορισµός (Destination) 1 2 n c 11 c 21 c m1 c 12 c 22 c m2 c 1n c 2n c mn d 1 d 2 d n Παραγωγή (Supply) s 1 s 2 s m

Προβλήµατα Μεταφοράς: Υποθέσεις (assumptions) & Ιδιότητες Υπόθεση Απαιτήσεων (Requirements Assumption) Κάθε πηγή (source) µπορεί να παράξει ένα προκαθορισµένο αριθµό προϊόντων s i, i=1,,m. Ολόκληρη η παραγωγή πρέπει να διατεθεί στα κέντρα κατανάλωσης (προορισµούς). Κάθε προορισµός (destination) έχει µια προκαθορισµένη ζήτηση για d j, j=1,,n µονάδες. Ολόκληρη η ζήτηση πρέπει να ικανοποιηθεί από τις πηγές.

Προβλήµατα Μεταφοράς: Υποθέσεις (assumptions) & Ιδιότητες Ιδιότητα Εφικτής Λύσης (Feasible Solution Property) Ένα πρόβληµα µεταφοράς έχει εφικτή λύση εάν και µόνο αν ισχύει: Υπόθεση Αναλογικού Κόστους (Cost assumption): Το κόστος µεταφοράς προϊόντων από οποιαδήποτε πηγή σε οποιοδήποτε προορισµό είναι ανάλογο προς τον αριθµό των διανυµένων µονάδων. Το συνολικό κόστος µεταφοράς x µονάδων από την πηγή i στον προορισµό j είναι ίσο µε c ij x όπου c ij είναι το κόστος µεταφοράς µίας µονάδας από την πηγή i στον προορισµό j.

Προβλήµατα Μεταφοράς: Υποθέσεις (assumptions) & Ιδιότητες Μοντέλο Μεταφορών: Κάθε πρόβληµα (µεταφοράς ή µη) εµπίπτει στο πρότυπο προβληµάτων µεταφοράς εάν µπορεί να περιγραφεί πλήρως είτε µε τον πίνακα παραµέτρων ή µε διατύπωση δικτύου και ικανοποιεί τις υποθέσεις απαιτήσεων και αναλογικού κόστους. Ο στόχος είναι η ελαχιστοποίηση του συνολικού κόστους µεταφοράς. Ιδιότητα Ακέραιας Λύσης: Για προβλήµατα µεταφοράς όπου κάθε s i και d j έχουν ακέραια τιµή, όλες οι βασικές µεταβλητές σε κάθε βασική εφικτή λύση παίρνουν ακέραιες τιµές. Μέθοδος Simplex για προβλήµατα µεταφοράς. Υπολογιστικά αποδοτικός αλγόριθµος για τη λύση προβληµάτων µεταφοράς.

Πρόβληµα Κατανοµής Νερού Ποταµός Κόστος Μεταφοράς ($) Πόλη 1 2 3 4 Μέγιστη Παροχή 1 16 13 22 17 5 2 14 13 19 15 6 3 19 2 23-5 Ελάχιστη Παροχή 3 7 1 Ζήτηση 5 7 3

Κατανοµή Νερού Μοντέλο Δικτύου Πηγή (Ποταµός) 1 Προορισµός (Πόλη) 1 2 2 3 3 Συνολική Παροχή= 4

Κατανοµή Νερού Ποταµός Ελάχιστη Παροχή Ζήτηση Μέγιστη Ζήτηση Πόλης 4= Μέγιστη Συνολική Ζήτηση= Εικονική Πηγή: Ελάχιστη παροχή Πόλης 4= Κόστος Μεταφοράς ($) Πόλη 1 2 3 4 3 5 7 7 3 1 Συνολική Παροχή 16 Αντιπροσωπεύει ανικανοποίητη ζήτηση! Κάτω από οποιαδήποτε κατανοµή, η Πόλη 4 θα πάρει την ελάχιστη ζητούµενη παροχή! Η Πόλη 3 δεν έχει ελάχιστη ζήτηση, έτσι η ζήτηση της µπορεί να ικανοποιηθεί από οποιαδήποτε πηγή (εικονική ή µη).

Κατανοµή Νερού Ποταµός Ελάχιστη Παροχή Ζήτηση Κόστος Μεταφοράς ($) Πόλη 1 2 3 4 3 7 1 5 7 3 Συνολική Παροχή 16 Για την Πόλη 2 η ελάχιστη ζήτηση ισούται µε την µέγιστη, άρα η ζήτηση αυτής της πόλης δεν µπορεί να ικανοποιηθεί από την εικονική πηγή. Για την Πόλη 1 η ελάχιστη ζήτηση ισούται µε 3, οπόταν µη εικονικές πηγές πρέπει να παράσχουν τουλάχιστον 3 µονάδες.

Κατανοµή Νερού Μοντέλο Δικτύου [5] 1 17 14 16 13 13 M 1a 1 1b 2 [-3] [-2] [-7] [6] 2 15 19 22 3 [-3] [5] 3 19 2 23 4 [-6]

Κατανοµή Νερού Πίνακας Παραµέτρων Κόστος ανά µονάδα νερού Ποταµός Προορισµός (Πόλη) 1a 1b 2 3 4 Μέγιστη Παροχή 1 2 3 4(Ε) 16 14 19 Μ 16 14 19 13 13 2 Μ 22 19 23 17 15 Μ Ζήτηση 3 2 7 3 6 5 6 5 5

Ο Αλγόριθµος της µεθόδου Simplex Ναι Τέλος Αρχική Μορφή Βέλτιστη Λύση? Όχι Βρείτε εισερχόµενη µη-βασική µετ. Βρείτε εξερχόµενη βασική µεταβ. Βρείτε νέα λύση [,...,] Υπάρχουν αρνητικοί συντελεστές στην αντικειµενική? Μη βασική µεταβλητή µε τον πιο αρνητικό συντελεστή Βασική µεταβλητή µε τη µικρότερη αναλογία Μέθοδος Gauss elimination Η «εξειδικευµένη» simplex (για προβλήµατα µεταφοράς) έχει ακριβώς τα ίδια βήµατα, όµως το κάθε βήµα υπολογίζεται κάπως διαφορετικά.

Πίνακας Simplex για Προβλήµατα Μεταφοράς-Γενική Μορφή Προορισµός Πηγή 1 2... n Παραγ u i 1 c 11 c 12 c 1n s 1 2 c 21 c 22 c 2n s 2 m c m1 c m2 c mn s m Ζήτηση d 1 d 2 d n v j Εάν x ij είναι βασική: αναγράφεται η τιµή της σε κύκλο. Εάν x ij είναι µη βασική: αναγράφεται η τιµή c ij -u i -v j

Πίνακας Simplex για το Πρόβληµα της Κατανοµής Νερού Πηγή 1a 1b Προορισµός 2 3 4 Παρ. 1 16 16 13 22 17 5 u i 2 14 14 13 19 15 6 3 19 19 2 23 M 5 4(Ε) M M 5 Ζήτ. 3 2 7 3 6 Ζ=2,47 v j + 1Μ Βήµα 1: Βρείτε µία εφικτή λύση

Βήµα 1 Τρόποι ανεύρεσης αρχικής εφικτής λύσης: Northwest corner rule Απλή αλλά δεν βρίσκει καλή αρχική λύση, µε αποτέλεσµα να χρειάζονται περισσότερες επαναλήψεις Vogel s approximation method Russell s approximation method Οι µέθοδοι Vogel s και Russell s approximation χρησιµοποιούν τους συντελεστές κόστους µε αποτέλεσµα να βρίσκουν αρχικές λύσεις σηµαντικά πιο κοντά στη βέλτιστη λύση απ ότι η µέθοδος Northwest corner Η µέθοδος Russell s approximation συχνά βρίσκει τις καλύτερες λύσεις. Αριθµός Βασικών Μεταβλητών m+n-1! (γιατί;) Για όλες τις βασικές µεταβλητές ισχύει: c ij u i v j =

Πίνακας Simplex για το Πρόβληµα της Κατανοµής Νερού Πηγή 1a 1b Προορισµός 2 3 4 Παρ. 1 16 3 16 2 13 22 17 5 2 14 14 13 6 19 15 6 3 19 19 2 1 23 3 M 1 5 4(Ε) M M 5 5 u i Ζήτ. 3 2 7 3 6 Ζ=2,47 v j + 1Μ Για όλες τις βασικές µεταβλητές ισχύει: c ij u i v j =

Κριτήριο για Εύρεση Βέλτιστης Λύσης Μία βασική εφικτή λύση είναι βέλτιστη εάν και µόνο αν c ij u i v j για όλες τις µεταβλητές x ij οι οποίες είναι µη βασικές

Πίνακας Simplex για το Πρόβληµα της Κατανοµής Νερού Πηγή 1a 1b Προορισµός 2 3 4 Παρ. 1 16 3 16 2 13 22 17 5 2 14 14 13 6 19 15 6 3 19 19 2 1 23 3 M 1 5 4(Ε) M M 5 5 -M Ζήτ. 3 2 7 3 6 Ζ=2,47 21 21 2 23 M + 1Μ v j u i -5-7 Για όλες τις µη-βασικές µεταβλητές υπολογίζουµε: c ij u i v j

Εισερχόµενη Βασική Μεταβλητή Η ποσότητα c ij u i v j υποδεικνύει το ρυθµό αύξησης της αντικειµενικής συνάρτησης όταν αυξάνεται η σχετική µη βασική µεταβλητή Εποµένως, εφόσον θέλουµε να ελαχιστοποιήσουµε την αντικειµενική συνάρτηση, εισερχόµενη είναι αυτή της οποίας c ij u i v j έχει την πιο αρνητική τιµή

Εξερχόµενη Βασική Μεταβλητή Προορισµός Πηγή 1a 1b 2 3 4 Παρ. 1 16 16 13 22 17 3 2-2 4 -+22 5 2 14 14 13 19 15 6 3 -+22 6 3 19-2 19-2 2 1 23 3 M 1 5 4(Ε) M M 5 5 2-21 -21 2-2 -23 Ζήτ. 3 2 7 3 6 Ζ=2,47 v j 21 21 2 23 M + 1Μ Εξερχόµενη µεταβλητή είναι αυτή που θα µειωθεί πρώτη στο µηδέν εξαιτίας της αύξησης εισερχόµενης µη βασικής µεταβλητής u i -5-7 -M

Εξερχόµενη Βασική Μεταβλητή Προορισµός Πηγή 1a 1b 2 3 4 Παρ. 1 16 16 13 22 17 3 2-2 4 5 -+22 2 14 14 13 19 15 6 3 6 -+22 3 19-2 19-2 2 1 23 3 M 1 5 4(Ε) M 2-21 -21 M 2-2 -23 5 5 -M Ζήτ. 3 21 2 21 7 2 3 23 6 M Ζ=2,47 + 1Μ v j Εξερχόµενη µεταβλητή είναι αυτή που θα µειωθεί πρώτη στο µηδέν εξαιτίας της αύξησης εισερχόµενης µη βασικής µεταβλητής u i -5-7

Νέα Βασική Λύση Πηγή 1a 1b Προορισµός 2 3 4 Παρ. 1 16 3 16 2 13 22 17 5 2 14 14 13 19 15 6 3 19 19 2 23 3 M 5 4(Ε) M M 5 5 -M Ζήτ. 3 2 7 3 6 Ζ=2,47 =2,69 21 21 2 23 M + 1Μ v j u i -5-7

Βέλτιστη Βασική Λύση; Πηγή 1a 1b Προορισµός 2 3 4 Παρ. 1 16 3 16 2 13 22 17 5 2 14 14 13 5 19 15 1 6 3 19 19 2 2 23 3 M 5 4(Ε) M M 5 5 Ζήτ. 3 2 7 3 6 Ζ=2,69 v j 21 21 2 23 Για όλες τις βασικές µεταβλητές: c ij u i v j = u i -5

Βέλτιστη Βασική Λύση; Πηγή 1a 1b Προορισµός 2 3 4 Παρ. 1 16 3 16 2 13-2 22 4 17 5 2 14 14 13 19 15 5 3 1 6-7 3 19-2 19-2 2 2 23 3 M -22 5 4(Ε) M M 5 5-22 +1 1 +2-1 Ζήτ. 3 2 7 3 6 Ζ=2,69 v j 21 21 2 23 22 Ο αλγόριθµος επαναλαµβάνεται ξανά! u i -5

Προβλήµατα Κατανοµής (Assignment Problems) Παραδείγµατα Κατανοµή ατόµων στην εκτέλεση µίας δραστηριότητας Κατανοµή εργατών σε µηχανές Κατανοµή µηχανών σε προϊόντα Κατανοµή πληρωµάτων σε δροµολόγια Κλπ, κλπ, κλπ... Σηµαντικό χαρακτηριστικό Ακεραιότητα (δεν µπορούµε να κατανέµουµε ½ άτοµο!)

Προϋποθέσεις Προβληµάτων Κατανοµής Ο αριθµός των ατόµων (assignees) και ο αριθµός των δραστηριοτήτων (assignments or tasks) είναι ίσοι µε n Κάθε άτοµο κατανέµεται στην εκτέλεση µίας µόνο δραστηριότητας Κάθε δραστηριότητα εκτελείται από ένα µόνο άτοµο Υπάρχει κόστος c ij εάν το άτοµο i, (i=1,,n) εκτελέσει τη δραστηριότητα j (j=1,,n) Ο στόχος είναι να βρεθεί η άριστη κατανοµή που να ελαχιστοποιεί το συνολικό κόστος.

Job Shop Company Η εταιρεία αγόρασε 3 νέες µηχανές Οι µηχανές µπορούν να εγκατασταθούν σε 4 διαφορετικές τοποθεσίες (L1, L2, L3 L4) Ο πιο κάτω πίνακας δείχνει το κόστος εγκατάστασης της µηχανής i στην τοποθεσία j. Βρείτε την τοποθεσία που πρέπει να εγκατασταθεί η κάθε µηχανή έτσι που να ελαχιστοποιηθεί το συνολικό κόστος Τοποθεσία Μηχανή L1 L2 L3 L4 M1 M2 M3 13 15 5 16-7 12 13 1 11 2 6

Διατύπωση του προβλήµατος σαν Πρόβληµα Μεταφοράς M1 16 11 12 13 L1 M2 15 2 13 L2 M3 6 5 7 1 L3 L4

A i Προβλήµατα Κατανοµής n Άτοµα (Assignees) A 1 T 1 n Διαδικασίες (Tasks) c ij x ij T j A n T n

Προβλήµατα Κατανοµής: Διατύπωση Γραµµικού Προγραµµατισµού Subject to:

Προβλήµατα Κατανοµής: Ιδιότητα Ακέραιας Λύσης Παραβιάζει µία από τις προϋποθέσεις του ΓΠ Ιδιότητα: Για προβλήµατα µεταφοράς, και κατά συνέπεια προβλήµατα εκχώρησης, όπου κάθε s i και d j έχουν ακέραιες τιµές, όλες οι βασικές µεταβλητές σε κάθε βασική εφικτή λύση παίρνουν ακέραιες τιµές.

Γενική Μορφή Προβληµάτων Μεταφοράς [15] F1 Ροή στο F1-W1 X F1-W1 [] W1 X W1-D1 D1 [-1] c F1-W2 Κόστος στο F1-W2 [] D2 [-1] [15] F2 (u F2-W2 ) W2 Δυνατότητα στο F2-W2 D3 [-1] Παροχή Μεταφόρτωση Ζήτηση

Πρόβληµα Παραγωγής Η εταιρεία µπορεί να παράγει µέχρι 1 κοµµάτια κάθε περίοδο. Το κόστος παραγωγής κάθε περιόδου είναι p i (i είναι η περίοδος). Η ζήτηση κάθε περιόδου είναι d i. Το αποθηκευτικό κόστος κάθε περιόδου είναι s. Υπολογίστε το πρόγραµµα της εταιρείας έτσι ώστε να ελαχιστοποιηθεί το κόστος παραγωγής για τις επόµενες 3 περιόδους. Υποθέστε πως αρχικά δεν υπάρχει απόθεµα.