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

Ο Αλγόριθµος της Simplex

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

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

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

Γενικευµένη Simplex Γενικευµένη Simplex

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

ΑΠΑΝΤΗΣΕΙΣ. ΘΕΜΑ 1o. ΘΕΜΑ 2o

ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2003

Ερωτήσεις πολλαπλής επιλογής

Τμήμα Διοίκησης Επιχειρήσεων

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

ΜΑΘΗΜΑΤΙΚΑ Γ ΤΑΞΗΣ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2003

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

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

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

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

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

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

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

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

1 Το ϑεώρηµα του Rademacher

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

Εκπαιδευτικός Οµιλος ΒΙΤΑΛΗ

Κεφάλαιο 3ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

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

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

Ορια Συναρτησεων - Ορισµοι

Επιχειρησιακή Έρευνα I

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

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

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

Επίλυση Γραµµικών Συστηµάτων

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

Το δυϊκό πρόβλημα,οι πολλαπλασιαστές Lagrange και ερμηνείες τους

ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΝΑΡΤΗΣΕΩΝ ΑΚΡΟΤΑΤΑ ΣΥΝΑΡΤΗΣΕΩΝ. Αριθμητικές μέθοδοι ελαχιστοποίησης ΕΛΑΧΙΣΤΟΠΟΙΗΣΗ ΧΩΡΙΣ ΠΕΡΙΟΡΙΣΜΟΥΣ

Τμήμα Διοίκησης Επιχειρήσεων

Σηµειώσεις. Eφαρµοσµένα Μαθηµατικά Ι. Nικόλαος Aτρέας

ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα

Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού

ΦΡΟΝΤΙΣΤΗΡΙΟ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΗΡΑΚΛΕΙΤΟΣ ΚΩΛΕΤΤΗ

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

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών

Εκπαιδευτικός Οµιλος ΒΙΤΑΛΗ

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

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:

την αρχή των αξόνων και ύστερα να υπολογίσετε το εμβαδόν του

ΠΕΡΙΕΧΟΜΕΝΑ KΕΦΑΛΑΙΟ 1 ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 1

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.

Π Κ Τ Μ Ε Μ Λύσεις των ασκήσεων

Γραμμικός Προγραμματισμός

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Κοιλότητα. Διαφορικός Λογισμός μιας μεταβλητής Ι

Ανταγωνιστικές Οικονοµίες Ανταλλαγής

Λύσεις του διαγωνίσματος στις παραγώγους

Κυρτή Ανάλυση. Ενότητα: Συνδυαστικά ϑεωρήµατα για κυρτά σύνολα στον Ευκλείδειο χώρο - Ασκήσεις. Απόστολος Γιαννόπουλος.

ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΣΤΟΙΧΕΙΑ ΔΙΑΦΟΡΙΚΟΥ ΛΟΓΙΣΜΟΥ ΣΥΝΑΡΤΗΣΕΩΝ ΠΟΛΛΩΝ ΜΕΤΑΒΛΗΤΩΝ 15

Ανοικτά και κλειστά σύνολα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Κεφάλαιο 2ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 2ο ΜΕΡΟΣ

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

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

[ ] [ ] ΘΕΜΑ 1o A. Για x x 0 έχουµε: παραγωγίσιµη στο χ 0 ) άρα η f είναι συνεχής στο χ 0.

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

Γραµµικός Προγραµµατισµός (ΓΠ)

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

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2017 Β ΦΑΣΗ Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΣ: ΘΕΤΙΚΩΝ ΣΠΟΥ ΩΝ / ΣΠΟΥ ΩΝ ΟΙΚΟΝΟΜΙΑΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ

Περίληψη μαθημάτων Ι. ΣΥΝΑΡΤΗΣΕΙΣ. Με N θα συμβολίζουμε το σύνολο των φυσικών αριθμών, δηλ. N = {1, 2, 3, 4, }.

Κεφάλαιο 1. Θεωρία Ζήτησης

ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ

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

Υπολογιστική Γεωμετρία

Ατοµική Θεωρία Ζήτησης

L 2 -σύγκλιση σειρών Fourier

Τι είναι Γραμμική Άλγεβρα;

(iii) Να βρεθεί το δεσμευμένο στάσιμο της συνάρτησης f(x, y) = x + y με τον περιορισμό:

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

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

Κεφάλαιο 2 Κίνηση σε µία διάσταση. Copyright 2009 Pearson Education, Inc.

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

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

Αρµονική Ανάλυση. Ενότητα: Χώροι L p - Ασκήσεις. Απόστολος Γιαννόπουλος. Τµήµα Μαθηµατικών

Παράρτηµα Α. Στοιχεία θεωρίας µέτρου και ολοκλήρωσης.

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

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 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 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 ) = max i f(y i )) = max f(y i ) i f(y i ) = f(y 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 ) = max i f(y i )) = max f(y i ) i f(y i ) = f(y 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

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 = 2x 1 +3x 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 x 2 25 5 x 1 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 = )