Βασικές έννοιες και ορισµοί. Ευθεία

Σχετικά έγγραφα
Βασικές έννοιες και ορισµοί. Ευθεία

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

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

Simplex µε πίνακες Simplex µε πίνακες

Ακέραιος Γραµµικός Προγραµµατισµός

Ακέραιος Γραµµικός Προγραµµατισµός

Μοντελοποίηση προβληµάτων

Πανεπιστήμιο Αιγαίου. Γραμμικός Προγραμματισμός

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

Ο Αλγόριθµος της Simplex

Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν τη γραµµική αντικειµενική συνάρτηση. n j = j = 1, 2,, n

Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Τμήμα Διοίκησης Επιχειρήσεων

είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές

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

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

Ερωτήσεις πολλαπλής επιλογής

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Ευκλείδειοι Χώροι. Ορίζουµε ως R n, όπου n N, το σύνολο όλων διατεταµένων n -άδων πραγµατικών αριθµών ( x

ΕΝΝΟΙΕΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ, διαλ. 4. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 6/5/2017

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

Γενικευµένη Simplex Γενικευµένη Simplex

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )

Μικροοικονοµική Θεωρία. Συνάρτηση και καµπύλη κόστους. Notes. Notes. Notes. Notes. Κώστας Ρουµανιάς. 22 Σεπτεµβρίου 2014

ή J (u * ) = 0 (2) J(u) = u 3 στο σηµείο u * = 0 J (1) = 3 u 2 = 0 J (2) = 6 u = 0 J (3) = 6 > 0

Τμήμα Διοίκησης Επιχειρήσεων

Επιχειρησιακή Έρευνα I

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

ΑΠΑΝΤΗΣΕΙΣ. ΘΕΜΑ 1o. ΘΕΜΑ 2o

Γραμμικός Προγραμματισμός

x k+1 = x k + α k (x k ) ώστε f(x k+1 ) < f(x k ),

ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2003

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) +

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

Κεφάλαιο 3ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ

ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΝΑΡΤΗΣΕΩΝ ΑΚΡΟΤΑΤΑ ΣΥΝΑΡΤΗΣΕΩΝ. Αριθμητικές μέθοδοι ελαχιστοποίησης ΕΛΑΧΙΣΤΟΠΟΙΗΣΗ ΧΩΡΙΣ ΠΕΡΙΟΡΙΣΜΟΥΣ

ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2003

Αρµονική Ανάλυση. Ενότητα: Ολοκλήρωµα Lebesgue - Ασκήσεις. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Κυρτή Ανάλυση. Ενότητα: Υπερεπίπεδα στήριξης και διαχωριστικά ϑεωρήµατα. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

Υπόδειξη. (α) Άµεσο αφού κάθε υποσύνολο µηδενικού συνόλου είναι µετρήσιµο.

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15

Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)

Α) δηλώνουν τις ποσότητες που, ανάλογα με το πρόβλημα, θα παραχθούν, επενδυθούν, αγοραστούν, κατασκευαστούν κ.λπ.

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

Σηµειώσεις. Eφαρµοσµένα Μαθηµατικά Ι. Nικόλαος Aτρέας

1 Το ϑεώρηµα του Rademacher

Γραμμικός Προγραμματισμός Μέθοδος Simplex

max f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0

Επίλυση Γραµµικών Συστηµάτων

Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού

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

ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα

Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Εκπαιδευτικός Οµιλος ΒΙΤΑΛΗ

ΠΕΡΙΕΧΟΜΕΝΑ KΕΦΑΛΑΙΟ 1 ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 1

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Κεφάλαιο 2ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ

Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)

Τίτλος Μαθήματος: Απειροστικός Λογισμός ΙΙΙ. Ενότητα: Όρια και συνέχεια συναρτήσεων. Διδάσκων: Ιωάννης Γιαννούλης. Τμήμα: Μαθηματικών

Ορια Συναρτησεων - Ορισµοι

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Τι είναι Γραμμική Άλγεβρα;

Συστήματα Ελέγχου με Μικροϋπολογιστές (h9p://courseware.mech.ntua.gr/ml23259/)

Θεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής

f( ) + f( ) + f( ) + f( ). 4 γ) υπάρχει x 2 (0, 1), ώστε η εφαπτοµένη της γραφικής παράστασης της

ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ I 22 Διάρκεια εξέτασης: 2 ώρες και 15' 1 (4 μονάδες)

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Το δυϊκό πρόβλημα,οι πολλαπλασιαστές Lagrange και ερμηνείες τους

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

Γραµµικός Προγραµµατισµός (ΓΠ)

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η

ΦΡΟΝΤΙΣΤΗΡΙΟ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΗΡΑΚΛΕΙΤΟΣ ΚΩΛΕΤΤΗ

Γραμμικός Προγραμματισμός

Εκπαιδευτικός Οµιλος ΒΙΤΑΛΗ

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών

Η f(x) y είναι συνεχής στο [0, 2α], σαν διαφορά των συνεχών f(x) και y = 8αx 8α 2

Υπολογιστική Γεωμετρία

max f( x,..., x ) st. : g ( x,..., x ) 0 g ( x,..., x ) 0

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:

Αρµονική Ανάλυση. Ενότητα: L 2 -σύγκλιση σειρών Fourier. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

την αρχή των αξόνων και ύστερα να υπολογίσετε το εμβαδόν του

Κεφάλαιο 1. Θεωρία Ζήτησης

Τμήμα Εφαρμοσμένης Πληροφορικής

Ακέραιος Γραμμικός Προγραμματισμός

ΜΙΓΑ ΙΚΟΙ. 3. Για κάθε z 1, z 2 C ισχύει z1 + z2 = z1 + z2. 4. Για κάθε z C ισχύει z z 2 z. 5. Για κάθε µιγαδικό z ισχύει: 6.

ΚΕΦΑΛΑΙΟ 4 ΤΟ ΕΡΓΑΛΕΙΟ SOLVER

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Θεωρία παραγωγού. Μικροοικονομική Θεωρία Ι / Διάλεξη 11 / Φ. Κουραντή 1

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Π Κ Τ Μ Ε Μ Λύσεις των ασκήσεων

Ατοµική Θεωρία Ζήτησης

Transcript:

Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa}

Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α}

Βασικές έννοιες και ορισµοί Ευθεία a R n, a 0 = {x R n x = λa} Υπερεπίπεδο α R, a R n P = {x R n ax = α} Ηµιχώρος α R. a R n E = {x R n ax > α}

Βασικές έννοιες και ορισµοί Κυρτό Σύνολο x 1, x 2 C R n λ R, λ [0, 1] λx 1 + (1 λ)x 2 C

Βασικές έννοιες και ορισµοί Κυρτό Σύνολο x 1, x 2 C R n λ R, λ [0, 1] λx 1 + (1 λ)x 2 C Κυρτό Σύνολο (γενίκευση) p N, i = 1,..., p, x i C p λ i R, λ i = 1 i=1 p λ i x i C i=1

Πολύτοπο (1, 0, 3) (0, 0, 3) (0, 1, 3) (1, 0, 2) (0, 0, 0) (2, 0, 0) (0, 2, 0) (2, 2, 0)

Πολύτοπο Πολύτοπο Ενα σηµείο x ανήκει στο πολύτοπο P εάν : A p x b p όπου A p : m n πίνακας x : n 1 και b p : m 1 διανύσµατα κολόνα

Κυρτό Πολύτοπο Εστω κυρτό πολύτοπο P και σηµεία x 1, x 2 P A p x 1 b p, A p x 2 b p λ R, 0 λ 1

Κυρτό Πολύτοπο Εστω κυρτό πολύτοπο P και σηµεία x 1, x 2 P A p x 1 b p, A p x 2 b p λ R, 0 λ 1 λa p x 1 + (1 λ)a p x 2 λb p + (1 λ)b p A p (λx 1 + (1 λ)x 2 ) b p

Κυρτό Πολύτοπο Εστω κυρτό πολύτοπο P και σηµεία x 1, x 2 P A p x 1 b p, A p x 2 b p λ R, 0 λ 1 λa p x 1 + (1 λ)a p x 2 λb p + (1 λ)b p A p (λx 1 + (1 λ)x 2 ) b p Το σηµείο λx 1 + (1 λ)x 2 ανήκει στο P

Ακρότατα Σηµεία Ακρότατα Σηµεία (Extreme Points) Ενα σηµείο x είναι ακρότατο σηµείο ενός πολύτοπου P εάν x 1, x 2 P λx 1 + (1 λ)x 2 x για κάθε λ (0, 1)

Ακρότατα Σηµεία Ακρότατα Σηµεία (Extreme Points) Ενα σηµείο x είναι ακρότατο σηµείο ενός πολύτοπου P εάν x 1, x 2 P λx 1 + (1 λ)x 2 x για κάθε λ (0, 1) Θεώρηµα Εστω ένα πολύτοπο P µε ακρότατα σηµεία y 1, y 2,..., y n. Κάθε σηµείο x P µπορεί να γραφτεί ως γραµµικός συνδυασµός των ακροτάτων του P n x = λ i y i, λ i [0, 1] i=1

Θεώρηµα Βέλτιστου Θεώρηµα Βέλτιστου Εστω πολύτοπο P και συνάρτηση f : R n R Εστω x = argopt x P f(x) (ϐέλτιστη λύση ορισµένη στο P) : x ακρότατο σηµείο του P όπου opt = max ή min

Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P

Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P Γράφουµε το x σαν γραµµικό συνδυασµό των ακροτάτων k k x = λ i y i, λ i [0, 1], λ i = 1 i=1 i=1

Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P Γράφουµε το x σαν γραµµικό συνδυασµό των ακροτάτων k k x = λ i y i, λ i [0, 1], λ i = 1 i=1 f(x ) = f( i=1 k λ i y i ) = i=1 k i=1 max i λ i (max i k λ i f(y i ) i=1 f(y i ) = f(y i ) f(y i )) = max f(y i ) i k i=1 λ i

Απόδειξη Θεωρήµατος Εστω πολύτοπο P και y 1,..., y k τα ακρότατα σηµεία του Εστω συνάρτηση f ορισµένης στο P (µεγιστοποίηση) και x P το σηµείο που τη µεγιστοποιεί στο P : f(x ) f(x), x P Γράφουµε το x σαν γραµµικό συνδυασµό των ακροτάτων k k x = λ i y i, λ i [0, 1], λ i = 1 i=1 f(x ) = f( i=1 k λ i y i ) = i=1 k i=1 max i λ i (max i k λ i f(y i ) i=1 f(y i ) = f(y i ) f(y i )) = max f(y i ) i Λόγω γραµµικότητας x = y i, i = arg max f(y i ) i k i=1 λ i

Υπογραφή Συµβολαίων Εταιρία Συµβόλαιο 1 Συµβόλαιο 2 Περιορισµοί Μηχανικοί 5 3 30 Τεχνικοί 2 3 24 Ωρες λειτουργίας 1 3 16 Κέρδος 8 6 Στόχος : Μεγιστοποίηση κέρδους κέρδος

Υπογραφή Συµβολαίων Εταιρία Συµβόλαιο 1 Συµβόλαιο 2 Περιορισµοί Μηχανικοί 5 3 30 Τεχνικοί 2 3 24 Ωρες λειτουργίας 1 3 16 Κέρδος 8 6 Στόχος : Μεγιστοποίηση κέρδους κέρδος Βέλτιστος συνδυασµός συµβολαίων 1 και 2

Υπογραφή Συµβολαίων Εταιρία Συµβόλαιο 1 Συµβόλαιο 2 Περιορισµοί Μηχανικοί 5 3 30 Τεχνικοί 2 3 24 Ωρες λειτουργίας 1 3 16 Κέρδος 8 6 Στόχος : Μεγιστοποίηση κέρδους κέρδος Βέλτιστος συνδυασµός συµβολαίων 1 και 2 Μεταβλητές x i : αριθµός συµβολαίων τύπου i = 1, 2

Γραµµικό Σύστηµα µε πίνακες (Εταιρία) εδοµένα A = x = [ x1 5 3 2 3 1 3 x 2 ] b = 30 24 16 c t = [ ] 8 6

Γραµµικό Σύστηµα µε πίνακες (Εταιρία) εδοµένα A = x = [ x1 5 3 2 3 1 3 x 2 Σύστηµα ] max z =c t x s.t. Ax b x 0 b = 30 24 16 c t = [ ] 8 6

Εφικτές Λύσεις (Feasible Solutions) x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1

Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x)

Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας

Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας Θέτοντας x = ( 1 2, 0) έχουµε f(x ) = 2

Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας Θέτοντας x = ( 1, 0) 2 έχουµε f(x ) = 2 Μετακινούµε την ευθεία ϑέτοντας x = (2, 1)

Αντικειµενική Συνάρτηση Μεγιστοποίηση (Ελαχιστοποίηση) f(x) Η f(x) αναπαριστά την κατεύθυνση µιας ευθείας Θέτοντας x = ( 1, 0) 2 έχουµε f(x ) = 2 Μετακινούµε την ευθεία ϑέτοντας x = (2, 1) Ο σταθερός συντελεστής αυξάνεται! f(x ) = 20

Γραµµικό Σύστηµα µε πίνακες (Παραγωγή) εδοµένα A = x = [ x1 1 3 1 1 2 1 x 2 ] b = 18 8 14 c t = [ c 1 c 2 ]

Γραµµικό Σύστηµα µε πίνακες (Παραγωγή) εδοµένα A = x = [ x1 1 3 1 1 2 1 x 2 Σύστηµα ] max z =c t x s.t. Ax b x 0 b = 18 8 14 c t = [ c 1 c 2 ]

Γραφική Επίλυση (Παραγωγή 1) Θέτουµε c 1 = 1 και c 2 = 1. Η αντικειµενική συνάρτηση γίνεται : max z = x 1 + x 2 Για να ϐρούµε την κλίση της (εφαπτοµένη): x 1 + x 2 = a x 2 = a x 1 dx 2 dx 1 = 1 tan(φ f() ) = 1

Γραφική Επίλυση (Παραγωγή 1) x 2 14 8 6 M 1 M 2 M 3 O M 4 7 8 18 x 1

Γραφική Επίλυση (Παραγωγή 1) Χώρος εφικτών λύσεων Θα συµβολίζουµε τον χώρο των εφικτών λύσεων ως D

Γραφική Επίλυση (Παραγωγή 1) Χώρος εφικτών λύσεων Θα συµβολίζουµε τον χώρο των εφικτών λύσεων ως D Γραµµική έκφραση αντικειµενικής συνάρτησης Η ευθεία της αντικειµενικής συνάρτησης a ορίζεται από την εφαπτοµένη και µια τιµή a : x 1 + x 2 = a. Εάν D a τότε z = a

Γραφική Επίλυση (Παραγωγή 1) x t = t(m 2 M 3 ) + M 3 = tm 2 + (1 t)m 3 x 2 M 2 M 3 M 2 x t t(m 2 M 3 ) + M 3 M 3 t(m 2 M 3 ) x 1 M 3

Γραφική Επίλυση (Παραγωγή 1) [ ] [ ] 3 6 Στο παράδειγµα έχουµε M 2 = και M 3 = 5 2 Η τιµή της αντικειµενικής συνάρτησης στο σηµείο x t είναι : f(x t ) = x t 1 + x t 2 = (3t + 6(1 t)) + (5t + 2(1 t) = 3t + 6 6t + 5t + 2 2t = 8

Γραφική Επίλυση (Παραγωγή 1) [ ] [ ] 3 6 Στο παράδειγµα έχουµε M 2 = και M 3 = 5 2 Η τιµή της αντικειµενικής συνάρτησης στο σηµείο x t είναι : f(x t ) = x t 1 + x t 2 = (3t + 6(1 t)) + (5t + 2(1 t) = 3t + 6 6t + 5t + 2 2t = 8 Για a = 8 : a D = [M2, M3] Απειρία ϐέλτιστων λύσεων, κάθε σηµείο της ευθείας (M 2, M 3 )

Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4.

Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4

Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4 Ο χώρος των εφικτών λύσεων µένει ο ίδιος!

Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4 Ο χώρος των εφικτών λύσεων µένει ο ίδιος! Μεγιστοποίηση στη τιµή 24 : 24 D = {M 1 }

Γραφική Επίλυση (Παραγωγή 2) Αλλάζουµε τα δεδοµένα του προβλήµατος σε c 1 = 1, c 2 = 4. Η εφαπτοµένη αλλάζει tan(φ f ()) = 1 4 Ο χώρος των εφικτών λύσεων µένει ο ίδιος! Μεγιστοποίηση στη τιµή 24 : 24 D = {M 1 } Μοναδική ϐέλτιστη λύση!

Παράδειγµα 3 Γραφική λύση του προβλήµατος : max z = 2 x 1 +3 x 2 s.t. x 1 x 2 1 x 1 + 4x 2 2 6x 1 + x 2 2 x 1, x 2 0

Γραφική Επίλυση (Παραγωγή 1) x 2 2 1 1 2 1 3 1 2 x 1

Γραφική Επίλυση (Παραγωγή 1) x 2 2 1 1 2 x 1 x 2 1 1 3 1 2 x 1

Γραφική Επίλυση (Παραγωγή 1) x 2 2 1 1 2 x 1 x 2 1 1 3 1 2 x 1 + 4x 2 2 x 1

Γραφική Επίλυση (Παραγωγή 1) x 2 2 6x 1 + x 2 2 1 1 2 x 1 x 2 1 1 3 1 2 x 1 + 4x 2 2 x 1

Γραφική Επίλυση (Παραγωγή 1) x 2 2 6x 1 + x 2 2 1 1 2 x 1 x 2 1 1 3 1 2 x 1 + 4x 2 2 Κενή Εφικτή Περιοχή! x 1

Παράδειγµα 4 Γραφική λύση του προβλήµατος : max z = x 1 + x 2 s.t. x 1 + 6x 2 100 x 1 + x 2 10 x 2 25 x 2 5 x 1, x 2 0

Παράδειγµα 4 x 2 25 x 2 25 16.66 10 x 1 + x 2 10 x 1 + 6x 2 100 5 x 2 5 x 1

Παράδειγµα 4 x 2 25 x 2 25 16.66 10 x 1 + x 2 10 x 1 + 6x 2 100 Η Εφικτή Περιοχή είναι µη ϕραγµένη! 5 x 2 5 x 1

Παράδειγµα 4 x 2 25 x 2 25 16.66 10 x 1 + x 2 10 x 1 + 6x 2 100 Η Εφικτή Περιοχή είναι µη ϕραγµένη! 5 x 2 5 x 1 Για οποιοδήποτε a 0 a D Η ϐέλτιστη λύση τείνει στο άπειρο!

Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις :

Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο )

Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο ) Απειρες ϐέλτιστες λύσεις ( a D : πλευρά,επιφάνεια ή υπέρ-επιφάνεια )

Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο ) Απειρες ϐέλτιστες λύσεις ( a D : πλευρά,επιφάνεια ή υπέρ-επιφάνεια ) Τιµή Βέλτιστη λύση τείνει στο άπειρο (D : µη ϕραγµένο)

Συµπεράσµατα Σε ένα γραµµικό πρόγραµµα εµφανίζονται οι παρακάτω 4 περιπτώσεις : Μια ϐέλτιστη λύση ( a D : ακρότατο ) Απειρες ϐέλτιστες λύσεις ( a D : πλευρά,επιφάνεια ή υπέρ-επιφάνεια ) Τιµή Βέλτιστη λύση τείνει στο άπειρο (D : µη ϕραγµένο) Καµία λύση (D = )