ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Σχετικά έγγραφα
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

Επιχειρησιακή Έρευνα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Θεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 28/3/2012. Lecture07 1

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

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Επιχειρησιακή Έρευνα

ΑΛΓΟΡΙΘΜΟΙ Ενότητα 10

Λογισμός 3. Ενότητα 19: Θεώρημα Πεπλεγμένων (γενική μορφή) Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών ΑΝΟΙΚΤΑ ΑΚΑ ΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Λογισμός 3. Ενότητα 18: Θεώρημα Πεπλεγμένων (Ειδική περίπτωση) Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών ΑΝΟΙΚΤΑ ΑΚΑ ΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

Μαθηματικά. Ενότητα 3: Εξισώσεις και Ανισώσεις 1 ου βαθμού. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

7 η ΕΝΟΤΗΤΑ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕ ΧΡΗΣΗ MATLAB

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Συστήματα Αυτομάτου Ελέγχου. Ενότητα Α: Γραμμικά Συστήματα

Θεωρία Πιθανοτήτων & Στατιστική

Υπολογιστικά & Διακριτά Μαθηματικά

Τίτλος Μαθήματος: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX

Μέθοδοι Βελτιστοποίησης

Μέθοδοι Βελτιστοποίησης

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

Λογισμός 3. Ενότητα 17: Απόδειξη Θεωρήματος Αντιστροφής. Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών ΑΝΟΙΚΤΑ ΑΚΑ ΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

7 ο ΕΡΓΑΣΤΗΡΙΟ ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ

ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ

Γενικά Μαθηματικά Ι. Ενότητα 1: Συναρτήσεις και Γραφικές Παραστάσεις. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ. Λογισμός 4. Ενότητα 5: Το Θεώρημα του Fubini. Μιχ. Γ. Μαριάς Τμήμα Μαθηματικών

ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. ΕΝΟΤΗΤΑ: Γραμμικές Συναρτήσεις Διάκρισης. ΔΙΔΑΣΚΟΝΤΕΣ: Βλάμος Π. Αυλωνίτης Μ. ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

Θερμοδυναμική - Εργαστήριο

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

Επιχειρησιακή Έρευνα

ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Λογισμός ΙΙ. Χρήστος Θ. Αναστασίου Τμήμα Μηχανικών Πληροφορικής ΤΕ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Γενικά Μαθηματικά Ι. Ενότητα 12: Κριτήρια Σύγκλισης Σειρών. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Επιχειρησιακή Έρευνα I

Γενικά Μαθηματικά Ι. Ενότητα 7: Σειρές Taylor, Maclaurin. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 1

Μαθηματικά. Ενότητα 7: Μη Πεπερασμένα Όρια. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Μαθηματικά. Ενότητα 6: Ασκήσεις Ορίων Συνάρτησης. Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Πρόβλημα συντομότερης διαδρομής - Shortest path problem. Κηρυττόπουλος Κωνσταντίνος Επ. Καθηγητής ΕΜΠ

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Υπολογιστικά & Διακριτά Μαθηματικά

Θεωρία Πιθανοτήτων & Στατιστική

ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ. Γενικά Μαθηματικά Ι. Ενότητα 6: Ακρότατα Συνάρτησης. Λουκάς Βλάχος Τμήμα Φυσικής

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα

Παναγιώτης Ψαρράκος Αν. Καθηγητής

ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ

Μαθηματικά Ενότητα 11: Θεώρημα Μέσης Τιμής Μονοτονία Συνάρτησης

Τμήμα Εφαρμοσμένης Πληροφορικής

Γενικά Μαθηματικά ΙΙ

Γενικά Μαθηματικά Ι. Ενότητα 5: Παράγωγος Πεπλεγμένης Συνάρτησης, Κατασκευή Διαφορικής Εξίσωσης. Λουκάς Βλάχος Τμήμα Φυσικής

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Λογισμός 4 Ενότητα 11

Επιχειρησιακή Έρευνα I

5 η ΕΝΟΤΗΤΑ ΠΟΛΥΚΡΙΤΗΡΙΑΚΟΣ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

11 ο ΕΡΓΑΣΤΗΡΙΟ ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ

ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ

Οικονομικά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά

Γενικά Μαθηματικά Ι. Ενότητα 8: Εφαρμογές Σειρών Taylor. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Βιομηχανικοί Ελεγκτές

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Υπολογιστικά & Διακριτά Μαθηματικά

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Αριθμητική Γραμμική Άλγεβρα (1) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΦΥΣΙΚΟΧΗΜΕΙΑ ΙΙ

3.7 Παραδείγματα Μεθόδου Simplex

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. ΕΝΟΤΗΤΑ: Διανυσματικοί Χώροι (1) ΔΙΔΑΣΚΩΝ: Βλάμος Παναγιώτης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Βέλτιστος Έλεγχος Συστημάτων

Οικονομικά Μαθηματικά

ΜΑΘΗΜΑ: ΗΛΕΚΤΡΟΤΕΧΝΙΑ-ΗΛΕΚΤΡΟΝΙΚΗ ΕΡΓΑΣΤΗΡΙΟ

Μαθηματικά. Ενότητα 13: Κυρτότητα Συνάρτησης Σαριαννίδης Νικόλαος Τμήμα Λογιστικής και Χρηματοοικονομικής

Κλασική Ηλεκτροδυναμική Ι

Λογική Δημήτρης Πλεξουσάκης Φροντιστήριο 6: Προτασιακός Λογισμός: Μέθοδος Επίλυσης Τμήμα Επιστήμης Υπολογιστών

Ηλεκτρονικοί Υπολογιστές I

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 3: Πολλαπλή Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Transcript:

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 19: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς. 2

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Μακεδονίας» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. 3

Μέθοδος Μεγάλου Μ (1) Στη μέθοδο του μεγάλου Μ δεν λύνονται δύο διαφορετικά προβλήματα αλλά ένα τροποποιημένο πρόβλημα, από τη λύση του οποίου εξάγονται συμπεράσματα για τη λύση του αρχικού προβλήματος. Το τροποποιημένο πρόβλημα, που ονομάζεται πρόβλημα του μεγάλου Μ (big M problem), έχει τις ίδιες μεταβλητές και τους ίδιους περιορισμούς με το (Τ.Γ.Π.) της Φάσης Ι. Η μόνη διαφορά βρίσκεται στην αντικειμενική συνάρτηση, η οποία αποτελείται από δυο όρους. Ο ένας όρος είναι η αντικειμενική συνάρτηση του αρχικού προβλήματος. Ο άλλος όρος είναι η αντικειμενική συνάρτηση του προβλήματος της Φάσης Ι πολλαπλασιασμένη με έναν πάρα πολύ μεγάλο αριθμό Μ. 4

Μέθοδος Μεγάλου Μ (2) Το πρόβλημα του μεγάλου Μ, που προκύπτει από το (Α.Γ.Π.) σε μορφή μητρών είναι και min {c T x + Mx n+1 : Ax + dx n+1 = b, x 0, x n+1 0} (Γ.Π.Μ) d = -Be Μια δυσκολία στην υλοποίηση της μεθόδου του μεγάλου Μ πηγάζει από την τάξη μεγέθους του αριθμού Μ. Η τιμή του Μ μπορεί να υπολογιστεί σαν συνάρτηση των δεδομένων του (Α.Γ.Π.). Συνηθισμένες τιμές του Μ στην πράξη είναι Μ = 10 20 ή Μ = 10 30. 5

Μέθοδος Μεγάλου Μ (3) Για να εξαχθούν σωστά συμπεράσματα για τη λύση του (Α.Γ.Π.) πρέπει ο αριθμός Μ να είναι τόσο μεγάλος ώστε να ικανοποιεί την παρακάτω συνθήκη Συνθήκη. Έστω α, β, γ, δ αριθμοί που υπολογίζονται από τον αλγόριθμο simplex. Ο αριθμός Μ είναι τόσο μεγάλος ώστε να ισχύουν οι σχέσεις αμ + β = γμ + δ, αν α = γ και β = δ αμ + β > γμ + δ, αν α > γ ή α = γ και β > δ αμ + β < γμ + δ, αν α < γ ή α = γ και β < δ 6

Μέθοδος Μεγάλου Μ (4) Θεώρημα 1. Έστω Μ ένας πολύ μεγάλος θετικός αριθμός, ο οποίος ικανοποιεί την προηγούμενη συνθήκη. Αν το πρόβλημα (Γ.Π.Μ.) είναι απεριόριστο, τότε το (Α.Γ.Π.) είναι αδύνατο ή απεριόριστο. Αν το πρόβλημα (Γ.Π.Μ.) είναι βέλτιστο, τότε το (Α.Γ.Π.) είναι βέλτιστο ή αδύνατο. Τέλος, το (Α.Γ.Π.) είναι βέλτιστο, αν στη βέλτιστη λύση του προβλήματος (Γ.Π.Μ.) η τεχνητή μεταβλητή x n+1 είναι ίση με μηδέν. 7

Μέθοδος Μεγάλου Μ (5) 8

Μέθοδος Μεγάλου Μ (6) Για αποφυγή του υπολογιστικού μειονεκτήματος της μεθόδου του μεγάλου Μ, είναι προτιμότερο να διασπαστεί η αντικειμενική συνάρτηση σε συντελεστές του Μ και σε σταθερούς όρους, όπως φαίνεται παρακάτω. 9

Μέθοδος Μεγάλου Μ (7) Σύγκριση των αριθμών αμ + β, γm + δ, όπου α, β, γ, δ είναι αριθμοί οι οποίοι υπολογίζονται από τη μέθοδο του μεγάλου Μ. α = γ β = δ αμ + β = γμ + δ α γ (α = γ β δ) αμ + β γμ + δ α γ (α = γ β δ) αμ + β γμ + δ Π.χ. 5Μ-8 = 5Μ-8, 3Μ+15>3Μ-1, 2Μ+100<2.001Μ-100000 10

Μέθοδος Μεγάλου Μ (8) Το πρόβλημα του μεγάλου Μ σύμφωνα με την προηγούμενη ανάλυση γράφεται όπου M είναι ένας πολύ μεγάλος θετικός αριθμός, y T = (x T, x n+1 ) είναι οι μεταβλητές απόφασης και d = -Be 11

Μέθοδος Μεγάλου Μ (9) ΒΗΜΑΤΙΚΗ ΠΕΡΙΓΡΑΦΗ ΜΕΘΟΔΟΥ ΜΕΓΑΛΟΥ Μ Βήμα 0 (Έλεγχος εφικτότητας). Έστω μια αρχική βασική διαμέριση [Β, Ν] του (Α.Γ.Π.). Υπολόγισε τη μήτρα Β -1 και τα διανύσματα x B, s N. Αν ισχύει x B =B -1 b 0 πήγαινε στο Βήμα 3. Διαφορετικά, υπολόγισε τους συντελεστές d της μεταβλητής x n+1 από τη σχέση d=-be και σχημάτισε το (Γ.Π.Μ.1). ΠΑΡΑΤΗΡΗΣΗ. Η αρχική βασική διαμέριση σχηματίζεται μετά την προσθήκη των χαλαρών μεταβλητών. Το σύνολο των χαλαρών μεταβλητών σχηματίζουν την πρώτη βάση (Β). 12

Μέθοδος Μεγάλου Μ (10) Βήμα 1 (Περιστροφή). Επέλεξε ως εισερχόμενη την τεχνητή μεταβλητή x n+1 και ως εξερχόμενη αυτή που προσδιορίζεται από τη σχέση x k = x B[r] = min{x B[i] : i = 1, 2,..., m} Ανανέωσε τα σύνολα δεικτών, Β, Ν σύμφωνα με τις σχέσεις Β Β \ {k} {n+1}, Ν Ν \ {n+1} {k} Υπολόγισε τη στήλη περιστροφής από τη σχέση h n+1 = B -1 A.,n+1 και ανανέωσε τη νέα αντίστροφη της βάσης Β -1 καθώς και τα διανύσματα x B, s Ν. 13

Μέθοδος Μεγάλου Μ (11) Βήμα 2 (Επίλυση Γ.Π.Μ.1.). Χρησιμοποιώντας τη νέα βασική διαμέριση εφάρμοσε τον αναθεωρημένο αλγόριθμο simplex. Βήμα 3 (Επίλυση Α.Γ.Π.). Τα συμπεράσματα για την επίλυση του (Α.Γ.Π.) προκύπτουν σύμφωνα με τα αποτελέσματα του Θεωρήματος 1. ΠΡΟΣΟΧΗ! Πρέπει κατά την επιλογή της εξερχόμενης μεταβλητής στο Βήμα 2, να δοθεί απόλυτη προτεραιότητα στη μεταβλητή x n+1. Αν υπάρχουν δεσμοί στην επιλογή της εξερχόμενης μεταβλητής πρέπει να επιλεγεί ως εξερχόμενη αυτή με το μεγαλύτερο δείκτη. 14

Παράδειγμα (1) Να λυθεί το παρακάτω γραμμικό πρόβλημα με τη μέθοδο του μεγάλου Μ. min x 10x 2 3 s.t. 2x x 4x 4 1 2 3 3x x x 5 1 2 3 x 0, j 1,...,3 j 15

Παράδειγμα (2) Το (Γ.Π.Μ) παίρνει τη μορφή x j 0 (j = 1, 2, 3, 4, 5, 6) Όπου c = [0 1 10 0 0 M] οι συντελεστές κόστους της αντικειμενικής συνάρτησης του (Γ.Π.M) 16

Παράδειγμα (3) Σε μορφή μητρών το πρόβλημα γράφεται 17

Παράδειγμα (4) Η διαμέριση Β=[4 6] και Ν=[1 2 3 5] που προκύπτει μετά την πρώτη ειδική επανάληψη είναι εφικτή. Η διάσπαση της αντικειμενικής συνάρτησης σε συντελεστές του Μ και σε σταθερούς όρους, φαίνεται παρακάτω. c 0 1 10 0 0 0, c 0 0 0 0 0 1 T T 1 w c BB 0 0 T T T w 0 0 0 1 M 1 B w c B 0 1 1 2 w 0, w M 18

Παράδειγμα (5) Αναλυτικά οι συνιστώσες του s N είναι s 1 = 3M s 2 = M + 1 s 3 = M + 10 s 5 = M 19

Παράδειγμα (6) Επιλογή Εισερχόμενης Μεταβλητής. Η επιλογή της εισερχόμενης μεταβλητής γίνεται με τον κανόνα του Dantzig. Αρκεί να ελεγχθεί το για την πιο αρνητική τιμή. Σε ποια περίπτωση χρειάζεται ο έλεγχος για την επιλογή της εισερχόμενης να συμπεριλάβει και το ( s N ) T? Προκύπτει ότι l=n(t)=n(1)=1 και k=b(r)=b(1)=4. Άρα η μεταβλητή x 1 είναι εισερχόμενη και η x 4 εξερχόμενη. Η νέα βασική διαμέριση είναι Β=[1 6] και Ν=[4 2 3 5]. 20

Παράδειγμα (7) 21

Παράδειγμα (8) Προκύπτει ότι l=n(t)=n(4)=5 και k=b(r)=b(2)=6. Άρα η μεταβλητή x 5 είναι εισερχόμενη και η x 6 εξερχόμενη. Η νέα βασική διαμέριση είναι Β=[1 5] και Ν=[4 2 3 6]. T w 0 0 1 1/ 2 0 T B, w 0 0 T 3/ 2 1 w 0 0 T (s N ) 0 1 10 0 s N 0 T N (s ) 0 0 0 1 22

Παράδειγμα (9) Επειδή s N 0, η τρέχουσα εφικτή λύση είναι βέλτιστη για το (Γ.Π.Μ). Επειδή η τεχνητή μεταβλητή x 6 =0, σύμφωνα με το Θεώρημα 1 το (Α.Γ.Π) είναι βέλτιστο. Η βέλτιστη βασική διαμέριση είναι Β=[1 5] και Ν=[4 2 3 6] 23

Ασκήσεις Να λυθούν με τη μέθοδο του μεγάλου Μ τα παρακάτω Γ.Π. 24

Άσκηση Περιγράψτε γιατί η μέθοδος δύο Φάσεων συμπίπτει με τη μέθοδο του μεγάλου Μ, όταν η δεύτερη υλοποιείται χωρίς να δίνεται συγκεκριμένη τιμή στο Μ. 25

Τέλος Ενότητας