ΤΜΗΜΑΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΜέθοδοιΜ& ΔύοΦάσεων

Σχετικά έγγραφα
ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Η αγορά μπορεί να απορροφήσει οποιονδήποτε αριθμό σε θρανία και καρέκλες, αλλά το πολύ πέντε τραπέζια. Έχουμε το εξής π.γ.π.

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ IΟΥΝΙΟΥ 2015

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Simplex µε πίνακες Simplex µε πίνακες

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Γραμμικός Προγραμματισμός Μέθοδος Simplex

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

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

Επιχειρησιακή Έρευνα I

Ανάλυση Ευαισθησίας. αναζητάμε τις επιπτώσεις που επιφέρει στη βέλτιστη λύση η

3.7 Παραδείγματα Μεθόδου Simplex

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήµη τωναποφάσεων, ιοικητική Επιστήµη

Επιχειρησιακή έρευνα (ασκήσεις)

ΚΕΦΑΛΑΙΟ ΕΚΤΟ: Ανάλυση ευαισθησίας των παραμέτρων του μαθηματικού υποδείγματος. Εφαρμογές χρησιμοποιώντας το R

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

max 17x x 2 υπό 10x 1 + 7x 2 40 x 1 + x 2 5 x 1, x 2 0.

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

ΤΜΗΜΑΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R

Θεωρία Μεθόδου Simplex

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

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

Επιχειρησιακή Έρευνα

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.

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων.

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

(sensitivity analysis, postoptimality analysis).

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

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΜΑΘΗΜΑ: ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ-ΘΕΜΑΤΑ ΕΞΕΤΑΣΤΙΚΗΣ ΙΟΥΛΙΟΥ 2014

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

Το Πρόβλημα Μεταφοράς

RIGHTHAND SIDE RANGES

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα

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

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ

Ανάλυση ευαισθησίας. Γκόγκος Χρήστος- Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

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

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

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I

ΔΕΟ 13 - Ποσοτικές Μέθοδοι: Επιχειρησιακά Μαθηματικά. Κεφάλαιο 1: Συναρτήσεις μιας μεταβλητής

x 2 = b 1 2x 1 + 4x 2 + x 3 = b 2. x 1 + 2x 2 + x 3 = b 3

Ο ΗΓΙΕΣ ΓΙΑ ΤΟ ΠΡΟΓΡΑΜΜΑ LINDO ΚΑΙ ΤΗΝ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Διάλεξη 11. Μεγιστοποίηση κέρδους. Οικονοµικό κέρδος. Η ανταγωνιστική επιχείρηση

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤHΜΙΟ ΠΑΤΡΩΝ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ

Ενδιαφερόμαστε να μεγιστοποιήσουμε το συνολικό κέρδος της εταιρείας που ανέρχεται σε: z = 3x 1 + 5x 2 (εκατοντάδες χιλιάδες χ.μ.)

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

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΠΕΡΙΤΤΟΙ) Λυσεις Ασκησεων - Φυλλαδιο 3

ΑΠΑΝΤΗΣΕΙΣ ΣΤΑ ΘΕΜΑΤΑ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ 2018

Μάθηµα 1. Κεφάλαιο 1o: Συστήµατα. γ R παριστάνει ευθεία και καλείται γραµµική εξίσωση µε δύο αγνώστους.

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

2. ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2016 Α ΦΑΣΗ. Ηµεροµηνία: Πέµπτη 7 Ιανουαρίου 2016 ιάρκεια Εξέτασης: 2 ώρες ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑ 3 Ο ΠΟΣΟΤΙΚΕΣ ΜΕΘΟ ΟΙ ΣΤΗΝ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (εργαστήριο) ΑΚΑ ΗΜΑΙΚΟ ΕΤΟΣ ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ

ΑΡΙΣΤΕΣ ΤΙΜΕΣ ΚΑΙ ΑΚΡΟΤΑΤΕΣ ΤΙΜΕΣ

ιατύπωση τυπικής µορφής προβληµάτων Γραµµικού

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ι (ΑΡΤΙΟΙ) Λυσεις Ασκησεων - Φυλλαδιο 2

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

d dx ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗΣ

5 Γενική µορφή εξίσωσης ευθείας

Kεφάλαιο 4. Συστήματα διαφορικών εξισώσεων. F : : F = F r, όπου r xy

11. Βαθµίδα, Απόκλιση, Στροβιλισµός

Θεωρία. έχει το γράφηµα του παραπλεύρως σχήµατος.

Δυναμική Μηχανών I. Ιδιοανυσματική Ανάλυση

Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI)

Παραδείγματα (1 ο σετ) Διανυσματικοί Χώροι

{ } ΠΛΗ 12: ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΤΗ ΠΛΗΡΟΦΟΡΙΚΗ Ι 2 η ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ. Απαντήσεις. 1. (15 µονάδες)

Παράγωγοι ανώτερης τάξης

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12)

Μ Α Θ Η Μ Α Τ Ι Κ Ο Σ Π Ρ Ο Γ Ρ Α Μ Μ Α Τ Ι Σ Μ Ο Σ

Επιχειρησιακή Έρευνα

Σφαίρα σε ράγες: Η συνάρτηση Lagrange. Ν. Παναγιωτίδης

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

ιάνυσµα ονοµάζεται το µαθηµατικό µέγεθος που περιγράφεται από µιατριάδαστοιχείων: το

ΤΕΙ υτικής Μακεδονίας -Τµήµα ιοίκησης επιχειρήσεων- Μάθηµα: Ποσοτικές µέθοδοι στη διοίκηση επιχειρήσεων- ΣΤ Εξάµηνο

Κανονική μορφή μοντέλου μεγιστοποίησης

Προβλήµατα Μεταφορών (Transportation)

Μεγιστοποίηση της Χρησιμότητας

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

Πανεπιστήμιο Αιγαίου. Γραμμικός Προγραμματισμός

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:

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) +

[A I 3 ] [I 3 A 1 ].

Ασκήσεις. Κεφάλαιο 6. a = a 0 + x 1 b 1 + x 2 b 2 + x 3 b 3, όπου b i = a i a 0, i = 1, 2, 3, P 2 = {(x, y, z) R 3 : x 2y + 3z = 2}.

ΜΑΘΗΜΑ 5 Ο ΠΟΣΟΤΙΚΕΣ ΜΕΘΟ ΟΙ ΣΤΗΝ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (εργαστήριο) ΑΚΑ ΗΜΑΙΚΟ ΕΤΟΣ ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ

Transcript:

ΤΜΗΜΑΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ2014-2015 ΜέθοδοιΜ& ΔύοΦάσεων

ΟΙΚΟΝΟΜΙΚΗ ΣΗΜΑΣΙΑ (1) Όπως είδαµε και στα προηγούµενα µαθήµατα η ποσότητα z = cj z j j εκφράζει τον ρυθµό µεταβολή της Α.Σ όταν µεταβληθεί η τιµή µιας µη βασικής µεταβλητής. Άρα µπορούµε να προσδιορίσουµε την αξία του κάθε µη βασικού διανύσµατος και να επιλέξουµε εκείνο που θα εισέλθει στην βάση βελτιώνοντας την Α.Σ

ΟΙΚΟΝΟΜΙΚΗ ΣΗΜΑΣΙΑ (2) Η σκιώδης τιµή του i-πόρου ορίζεται ως η οριακή αξία του πόρου το ποσό βελτίωσης της Α.Σ κατά την µεταβολή µιας µονάδας του πόρου. w z c, i i i i Το ευκαιριακό κόστος της j µη βασικής µεταβλητής είναι το ποσό ελάττωσης της Α.Σ εάν η ποσότητα αυξηθεί κατά µία µονάδα.

ΜΕΘΟΔΟΣΜ Η υλοποίηση και εφαρμογή της μεθόδου Simple, σε π.γ.π απαιτείτοναείναιστηντυπικήμορφήαλλάκαιτην ύπαρξητου μοναδιαίου πίνακα. Στην περίπτωση που δεν περιέχεται ο μοναδιαίος πίνακας μέσα στον πίνακα Α χρησιμοποιούμε τεχνητές μεταβλητές έτσι ώστε να δημιουργηθεί ο μοναδιαίος πίνακας ( κυρίως με τους περιορισμούς " " και "=" ). Η εισαγωγή τεχνητών μεταβλητών διευρύνει την εφικτή περιοχή του προβλήματος. Συνεπώς μια εφικτή λύση στο αναθεωρημένο πρόβλημα είναι εφικτή λύση και για το αρχικόπρόβλημαανκαιμόνονανοιτιμέςόλωντων τεχνητώνμεταβλητώνείναιμηδέν.

ΜΕΘΟΔΟΣΜ Η Μ-μέθοδος εισάγει τις τεχνητές μεταβλητές στην αντικειμενική συνάρτηση με συντελεστή για κάθε µεταβλητή το M, όπουm αυθαίρεταπολύμεγάλος θετικός αριθμός. Η λύση του αναθεωρημένου προβλήματος πρέπειναείναιτης μορφής, όπου οιλύσειςτων 0 μεταβλητών του αρχικού προβλήματος και όπου 0 οι λύσεις των τεχνητών μεταβλητών οι οποίες πρέπει να είναι 0. Δεν υπάρχει κάποια φυσική ερμηνεία για τις μεταβλητές αυτές και συνεπώς μέσω της Simple θα πάρει την μηδενική τιμή.

ΠΑΡΑΔΕΙΓΜΑ1 (1) Να λυθεί το παρακάτω π.γ.π minz = 2 3 4 Μια πρώτη απόπειρα παραγωγής το σε τυπική μορφή: 1 2 3 st. + + 30 1 2 3 2 + + 3 60 1 2 3 + + 2 = 20 1 2 3,, 0 1 2 3 maz = 2 + 3 + 4 + 0 + 0 1 2 3 4 5 st. + + + = 30 1 2 3 4 2 + + 3 = 60 1 2 3 5 + 2 = 20 1 2 3,,,, 0 1 2 3 4 5

ΠΑΡΑΔΕΙΓΜΑ1 (2) Ποιος είναι ο πίνακας Α; Τι παρατηρείται; Προφανώς ο πίνακας b δεν μπορεί να αποτελέσει την αρχική βασική λύση. Αρα.. maz = 2 + 3 + 4 + 0 + 0 M M 1 2 3 4 5 6 7 st. + + + = 30 1 2 3 4 2 + + 3 + = 60 1 2 3 5 6 + 2 + + = 20 1 2 3 7,,,,,, 0 1 2 3 4 5 6 7

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1-2 3 4 0 0 -M -M Βάση 1 2 3 4 5 6 7 θ 4 6 7 0 30 1 1 1 1 0 0 0 30 -M 60 2 1 3 0-1 1 0 20 -M 20 1-1 2 0 0 0 1 10 Z -80M -2+3M 3 4 +5M 0 -M 0 0

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 4-2 3 4 0 0 -M -M Βάση 1 2 3 4 5 6 7 θ 5 0 10/3 1/3 0 0 5/3 1 2 3 40/3 1/3 1 0 2/3 0 3 4 50/3 2/3 0 1 1/3 0 Z 320/3

ΠΑΡΑΔΕΙΓΜΑ2(1) Ναλυθείτοπαρακάτωπ.γ.π minz = 2 3 + + 2 1 2 3 4 st. + 2 + + 2 = 30 1 2 3 4 + + = 6 2 3 4 2 3 = 3 3 4,,, 0 1 2 3 4 Είναι σε πρότυπη µορφή;

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 2-3 1 2 -M -M Βάση 1 2 3 4 5 6 θ 1 5 6 2 8 1 2 1 2 0 0 8 -M 6 0 1 1 1 1 0 6 -M 3 0 0 2-3 0 1 3/2 3/2 Z 16-9M 0-7+Μ -1+3Μ -2+2Μ 0 0

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 2-3 1 2 -M -M Βάση 1 2 3 4 5 6 θ 1 2 13/2 1 2 0 7/2 0 0 13/7 5 -M 9/2 0 1 0 5/2 1 0 9/5 3 1 3/2 0 0 1-3/2 0 1 - Z 29/2-9Μ/2 0-7+Μ 0-7/2+5Μ/2 0 0

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 2-3 1 2 -M -M Βάση 1 2 3 4 5 6 θ 1 4 3 2 1/5 1 3/5 0 0 2 9/5 0 2/5 0 1 1 21/5 0 3/5 1 0 Z 41/5 0-28/5 0

ΜΕΘΟΔΟΣΜ-ΘΕΩΡΗΤΙΚΗ ΠΡΟΣΕΓΓΙΣΗ Όπως είδαμε η μέθοδος Μ επιτρέπει την εμφάνιση στην Α.Σ ενός π.γ.π ενός Μ αυθαίρετα πολύ μεγάλου αριθμού. Εάν τώρα θεωρήσουμε το διάνυσμα των ( ) τεχνητών μεταβλητών ως a=,..., n + 1 n + k και Α* τον επαυξημένο πίνακα που θα προκύψει το π.γ.π μπορεί, ' να παρουσιαστεί ως: maz = c Ma * A = b a a, 0

ΜΕΘΟΔΟΣΜ-ΘΕΩΡΗΤΙΚΗ ΠΡΟΣΕΓΓΙΣΗ Εάν % μια εφικτή λύση του αρχικού π.γ.π τότε η % 0 θαείναι εφικτήλύσητουνέουπ.γ.πκαικαλύτερηαπό κάθεάλληεφικτήλύσηπουέχειμιατεχνητή μεταβλητήμεθετικήτιμή. Άραηεφικτήλύσητουπ.γ.π θαέχειόλεςτιςτεχνητέςμεταβλητέςίσεςμετομηδέν με την μορφή: $% 0

ΠΑΡΑΔΕΙΓΜΑ2 Να λυθεί το παρακάτω π.γ.π maz = + 3 1 2 st. + 2 4 1 2 2 2 2 1 2 3, 0 1 2

ΜΕΘΟΔΟΣΤΩΝΔΥΟΦΑΣΕΩΝ Μεγάλο μειονέκτημα της Μ-μεθόδου ο μη καθορισμόςτουπόσομεγάλοπρέπειναείναιτο Μ, όταν χρησιμοποιούμε ηλεκτρονικό υπολογιστή. Επιλεγούμε το Μ αυθαίρετα μεγάλο το οποίο όμως μπορεί να προκαλέσει προβλήματα ακρίβειας στην υπολογιστική μηχανή(σφάλματα στρογγυλοποίησης). Τα προβλήματα αυτά μπορούμε να τα αποφύγουμε με τηνμέθοδοτων2 φάσεων.

ΜΕΘΟΔΟΣΤΩΝΔΥΟΦΑΣΕΩΝ Στην πρώτη φάση εισάγουμε τις τεχνητές μεταβλητές που χρειάζονται για να δημιουργηθεί ο μοναδιαίος πίνακας. Λύνουμε το βοηθητικό πρόβλημα min(τεχνητές μεταβλητές) το οποίο θέλουμε να έχει άριστη λύση μηδέν, δηλαδή, όλες οι τεχνητές να είναι μηδέν. Το σύνολο των άλλων μεταβλητών σε αυτή την περίπτωση αποτελούν βασική εφικτή λύση για το αρχικό πρόβλημα. Αν το βοηθητικό πρόβλημα έχει άριστη λύση θετική, τότετο αρχικόπρόβλημαδενέχειεφικτήλύση. Στην δεύτερη φάση λύνουμε το αρχικό πρόβλημα χρησιμοποιώντας σαν αρχική βασική εφικτή λύση του προβλήματος την άριστη λύση της 1ης φάσης.

ΜΕΘΟΔΟΣΤΩΝΔΥΟΦΑΣΕΩΝ - ΘΕΩΡΗΤΙΚΗΠΡΟΣΕΓΓΙΣΗ Εάν τώρα θεωρήσουμε το διάνυσμα των τεχνητών μεταβλητών ως a= (,..., ) n + 1 n + k και Α* τον επαυξημένο πίνακα που θα προκύψει το π.γ.π ξεκινάμε λύνοντας το Στην δεύτερη φάση λύνουμε το αρχικό π.γ.π z 1 = χρησιμοποιώντας σαν αρχική λύση την άριστη λύση της προηγούμενης φάσης. 1 * A = a, a 0 ' a b

ΜΕΘΟ ΟΣ ΤΩΝ ΥΟ ΦΑΣΕΩΝ Να λυθεί το παράδειγµα 2 µε βάση την µέθοδο των δύο φάσεων. Λύνουµε λοιπόν το π.γπ z = min( + ) = ma( ) 1 5 6 5 6 κάτω από τις νέες συνθήκες και στην δεύτερη φάση το αρχικό µας πρόβληµα.

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 0 0 0 0-1 -1 Βάση 1 2 3 4 5 θ 1 5 6 0 8 1 2 1 2 0 0 8-1 6 0 1 1 1 1 0 6-1 3 0 0 2-3 0 1 3/2 Z 9 0 1 3-2 0 0

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 0 0 0 0-1 -1 Βάση 1 2 3 4 5 6 θ 1 5 3 0 13/2 1 2 0 7/2 0 13/7-1 9/2 0 1 0 5/2 1 9/5 0 3/2 0 0 1-3/2 0 - Z 9/2 0 1 0 5/2 0

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 1 / 5 0 = 2 1 / 5 9 / 5 0 0 0 0-1 -1 Βάση 1 2 3 4 5 6 θ 1 4 3 0 1/5 1 3/5 0 0 0 13/7 0 9/5 0 2/5 0 1 1 9/5 0 21/5 0 3/5 1 0 0 - Z 0 0 0 0 0 0

ΛΥΣΗΠΡΟΒΛΗΜΑΤΟΣ Tableau 1 2-3 1 2 -Μ -Μ Βάση 1 2 3 4 5 6 θ 1 4 3 2 1/5 1 3/5 0 0 0 2 9/5 0 2/5 0 1 1 1 21/5 0 3/5 1 0 0 - Z 41/5 0-28/5 0 0 0

ΠΑΡΑΔΕΙΓΜΑ3 Να λυθεί το παρακάτω π.γ.π maz = 2 3 4 1 2 3 st. + + 304 1 2 3 2 + + 3 60 1 2 3 - + 2 = 20 1 2 3,, 0 1 2 3