ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

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

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

Επιχειρησιακή Έρευνα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΑΛΓΟΡΙΘΜΟΙ Ενότητα 10

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Επιχειρησιακή Έρευνα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Διαχείριση ενεργειακών πόρων & συστημάτων Πρακτικά συνεδρίου(isbn: )

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

Επιχειρησιακή Έρευνα I

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

Τμήμα Εφαρμοσμένης Πληροφορικής

Μέθοδοι Βελτιστοποίησης

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Επιχειρησιακή Έρευνα

ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ

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

ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ

Γραμμικός Προγραμματισμός

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ. Πιθανότητες. Συναρτήσεις πολλών μεταβλητών Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

Τμήμα Εφαρμοσμένης Πληροφορικής

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Υπολογιστικά & Διακριτά Μαθηματικά

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Υπολογιστικά & Διακριτά Μαθηματικά

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

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

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

Στατιστική Επιχειρήσεων Ι

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Υπολογιστικά & Διακριτά Μαθηματικά

3.7 Παραδείγματα Μεθόδου Simplex

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Cretive Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπ

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

ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

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

ΟΠΤΙΚΟΠΟΙΗΣΗ ΑΛΓΟΡΙΘΜΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Τίτλος Μαθήματος: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ

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

Γραμμικός Προγραμματισμός

Θεωρία Πιθανοτήτων & Στατιστική

Θεωρία Μεθόδου Simplex

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

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

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

Γραμμικός Προγραμματισμός

ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ

Συστήματα Αυτόματου Ελέγχου

ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ

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

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

Θερμοδυναμική - Εργαστήριο

Ασυμπτωτικός Συμβολισμός

ΒΟΗΘΗΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

Υπολογιστικά & Διακριτά Μαθηματικά

Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών

Υδραυλικά & Πνευματικά ΣΑΕ

Κλασική Ηλεκτροδυναμική Ι

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

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

Συστήματα Αυτόματου Ελέγχου

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Επιχειρησιακή Έρευνα I

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ

Συγκριτική Υπολογιστική Μελέτη Αλγορίθµων Εξωτερικών Σηµείων

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Υπολογιστικά & Διακριτά Μαθηματικά

ΘΕΩΡΙΑ ΠΑΙΓΝΙΩΝ. Ενότητα 7: Τέλεια ισορροπία Nash για υποπαίγνια. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής

Επιχειρησιακή Έρευνα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Transcript:

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 13: Μεθοδολογία Αλγορίθμων τύπου Simplex, Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex 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

Συνθήκη Βελτιστότητας Θεώρημα. Έστω (Β, N) μια βασική διαμέριση του προβλήματος min {c T x : Ax = b, x 0} Η αντίστοιχη βασική λύση (x B, x N ) είναι βέλτιστη, αν είναι x B 0 και s N 0. Συνθήκες συμπληρωματικής χαλαρότητας (complementarity slackness conditions). x j s j = 0, (j = 1,2,, n) 4

Υπολογισμός Αντικειμενικής Η αντικειμενική τιμή σαν συνάρτηση των μη βασικών μεταβλητών δίνεται από τη σχέση c T x = (c B ) T x B + (c N ) T x N = = (c B ) T (B -1 b - B -1 N x N ) + (c N ) T x N = = (c B ) T B -1 b + ((c N ) T - (c B ) T B -1 N)x N = = w T b + (s N ) T x N = w T b Συνάρτησης 5

Παράδειγμα Δίνεται το γραμμικό πρόβλημα min 2x 1 + 4x 2 μ.π. 2x 1 + x 2 - x 3 = 6 -x 1 + x 2 + x 4 = 3 x 1 + 4x 2 +x 5 = 4 x 1, x 2, x 3, x 4, x 5 0 Δίνεται επίσης η βάση του Β = [1, 4, 2]. Να υπολογιστεί η αντίστοιχη βασική λύση (x B, x N ) και τα διανύσματα w και s. Είναι η βασική λύση βέλτιστη; 6

Μεθοδολογία αλγορίθμων τύπου simplex (1) Κάθε αλγόριθμος τύπου simplex κατασκευάζει μια πεπερασμένη ακολουθία βασικών λύσεων. Αν η αντίστοιχη βασική λύση (x B, x N ) είναι βέλτιστη, οι υπολογισμοί σταματούν. Διαφορετικά, γίνεται προσπάθεια να βρεθούν δυο δείκτες k B και l N. Αν η προσπάθεια αυτή δεν είναι επιτυχής, οι υπολογισμοί σταματούν. Διαφορετικά, οι δείκτες k και l αλλάζουν σύνολα δεικτών. Ο δείκτης k από βασικός γίνεται μη βασικός και ο δείκτης l από μη βασικός γίνεται βασικός. Κατασκευάζεται έτσι μια νέα βάση και η διαδικασία επαναλαμβάνεται. 7

Μεθοδολογία αλγορίθμων τύπου simplex (2) Η εναλλαγή των δεικτών k και l ονομάζεται περιστροφή (pivoting). Η μεταβλητή x l ονομάζεται εισερχόμενη μεταβλητή ενώ η μεταβλητή x k εξερχόμενη μεταβλητή. Ο δείκτης της εισερχόμενης μεταβλητής βρίσκεται στη θέση t του συνόλου Ν, ενώ ο δείκτης της εξερχόμενης μεταβλητής βρίσκεται στη θέση r του συνόλου Β. Ισχύουν δηλ. οι σχέσεις N(t)=l και B(r)=k Η ανανέωση των συνόλων Β και Ν γίνεται θέτοντας N(t)=k και B(r)=l Δυο βάσεις είναι γειτονικές αν διαφέρουν μόνο ως προς έναν δείκτη. 8

Μεθοδολογία αλγορίθμων τύπου simplex (3) Πόσα είναι τα γειτονικά βασικά σημεία του σημείου Α? Να γραφτούν τα αντίστοιχα σύνολα των μη βασικών δεικτών. 9

Μεθοδολογία αλγορίθμων τύπου Γειτονικά σημεία του σημείου Α simplex (4) Ν [3, 2] [4, 2] [5, 2] [6, 2] [1, 3] [1, 4] [1, 5] [1, 6] Σημείο Β D D I G K J F Στασιμότητα (stalling) Υπολογιστικό Μειονέκτημα Σε κάθε βασική διαμέριση (Β,Ν) αντιστοιχούν n-m βασικές κατευθύνσεις, μια για κάθε δείκτη l N. Οι συνιστώσες μιας βασικής κατεύθυνσης d, ικανοποιούν τις σχέσεις d B =-B -1 Α.l, d l =1 και d j =0 για j N~{l} 10

Παράδειγμα Δίνεται το παρακάτω γραμμικό πρόβλημα στην κανονική μορφή A 1 0 1 1 5, b 0 1 2 3 3 Δίνεται επίσης η βάση Β=[3, 1]. Να υπολογιστούν οι βασικές κατευθύνσεις που ορίζονται από την παραπάνω βάση. 11

Μεθοδολογία αλγορίθμων τύπου simplex (5) Βήμα 0: Αρχικοποίηση (Initialization). Στο βήμα αυτό υπολογίζονται όλες οι μεταβλητές οι οποίες είναι απαραίτητες για να αρχίσει να εκτελείται ο αλγόριθμος. Βήμα 1: Έλεγχος βελτιστότητας (Test of Optimality). Πραγματοποίηση ελέγχου βελτιστότητας για το τρέχον βασικό σημείο. Αν αυτό είναι βέλτιστο, τότε οι υπολογισμοί σταματούν και τερματίζεται οι αλγόριθμος. 12

Μεθοδολογία αλγορίθμων τύπου simplex (6) Βήμα 2: Επιλογή εισερχόμενης και εξερχόμενης μεταβλητής (Choice of Entering and Leaving Variable). Η επιλογή της εισερχόμενης και εξερχόμενης μεταβλητής μπορεί να γίνει εφαρμόζοντας διαφορετικούς κανόνες περιστροφής. Αν δεν μπορεί να επιλεγεί η εξερχόμενη μεταβλητή τότε το Γ.Π. είναι απεριόριστο. Η ανταλλαγή αυτή των μεταβλητών γεωμετρικά σημαίνει μετακίνηση από ένα βασικό σημείο σε ένα άλλο γειτονικό. Βήμα 3: Περιστροφή (Pivoting). Στο βήμα αυτό υπολογίζεται η νέα βάση, οι τιμές των βασικών μεταβλητών καθώς και οι δυϊκές και οι δυϊκές χαλαρές μεταβλητές. 13

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (1) Κλασική Αναθεωρημένη Μνήμη Ο(mn) Ο(m 2 ) Καλύτερη Περίπτωση Ο(mn) Ο(m 2 ) Χειρότερη Περίπτωση Ο(mn) Ο(mn) 14

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (2) Έστω Β μια εφικτή βάση του προβλήματος min{c T x: Ax = b, x 0} όπου c, x n, b m και Α mxn, Β -1 είναι η αντίστροφη βασική μήτρα και x B = B -1 b 0, είναι οι τιμές των βασικών μεταβλητών. 15

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (3) 16

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (4) ΕΠΙΛΟΓΗ ΕΙΣΕΡΧΟΜΕΝΗΣ ΜΕΤΑΒΛΗΤΗΣ Κανόνας του Dantzig ή Κανόνας του ελαχίστου στοιχείου (Least element rule) s l min s j :s j 0 j N ή Οι δείκτες j ονομάζονται επιλέξιμοι (elligible). Η εισερχόμενη μεταβλητή είναι η x l με l=n(t). 17

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (5) ΕΠΙΛΟΓΗ ΕΞΕΡΧΟΜΕΝΗΣ ΜΕΤΑΒΛΗΤΗΣ Έλεγχος ελαχίστου λόγου (minimum ratio test). 1 B b B 1 b r i xk xb[r] min : hil 0 i 1,2,,m hrl hil Η εξερχόμενη μεταβλητή είναι η x k με k=b(r). Σε περίπτωση που δεν υπάρχει h il > 0, ισχύει x k = και το Γ.Π. είναι απεριόριστο. 18

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (6) Ο αριθμός r ονομάζεται δείκτης περιστροφής (pivot index) Το στοιχείο h rl στοιχείο περιστροφής (pivot element) Στην περίπτωση που το τρέχον σημείο είναι εκφυλισμένο ισχύει x k =0 και δεν υπάρχει βελτίωση στην αντικειμενική συνάρτηση σε σχέση με την προηγούμενη επανάληψη. Στην περίπτωση που η επιλογή της εισεχόμενης μεταβλητής ή ο έλεγχος ελαχίστου λόγου προσδιορίζει περισσότερους από έναν επιλέξιμους δείκτες, τότε το φαινόμενο αυτό ονομάζεται δεσμός (tie). 19

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (7) ΑΝΑΝΕΩΣΗ ΣΥΝΟΛΩΝ ΔΕΙΚΤΩΝ B ΚΑΙ N Η ανανέωση πραγματοποιείται χρησιμοποιώντας τις ακόλουθες σχέσεις και Η βασική μεταβλητή x k θα γίνει μη-βασική ενώ η μη-βασική x l θα γίνει βασική. Κατασκευάστηκε η νέα βάση Β. Η διαδικασία εναλλαγής των δεικτών (k, l) ονομάζεται περιστροφή (pivoting). 20

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (8) ΑΝΑΝΕΩΣΗ ΤΗΣ ΒΑΣΗΣ Η ανανέωση της βάσης Β mxm γίνεται με τη σχέση όπου 21

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (9) Χαρακτηριστικό του γραμμικού προγραμματισμού μεγάλης κλίμακας (large-scale linear programming) είναι ότι ο υπολογισμός της αντίστροφης Β -1 εκφράζεται σαν γινόμενο μητρών. Αυτή η αναπαράσταση της Β -1 ονομάζεται μορφή γινομένου της αντίστροφης (product form of the inverse). Υπολογιστικό πλεονέκτημα: απαιτείται η αποθήκευση μόνο των διανυσμάτων εκείνων που σχηματίζουν τις στοιχειώδεις μήτρες και όχι ολόκληρων των μητρών. 22

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (10) Ο αλγόριθμος simplex εφαρμόζεται στο Γ.Π. της μορφής Βήμα 0: (Αρχικοποίηση). Ξεκινά με μια εφικτή βασική διαμέριση (Β, Ν) του γραμμικού προβλήματος. Υπολόγισε τη μήτρα Β -1 και τα διανύσματα x B, s N και w. Βήμα 1: (Έλεγχος βελτιστότητας). Αν s N 0, STOP, το πρόβλημα είναι βέλτιστο. 23

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (11) Βήμα 2: (Επιλογή εισερχόμενης/εξερχόμενης μεταβλητής). α) Επέλεξε την εισερχόμενη μεταβλητή με τον κανόνα του Dantzig. Η μεταβλητή x l είναι εισερχόμενη, όπου l=n(t). β) Υπολόγισε τη στήλη περιστροφής h l. Αν ισχύει h l 0, STOP, το πρόβλημα είναι απεριόριστο. Διαφορετικά, επέλεξε την εξερχόμενη μεταβλητή με τον έλεγχο ελαχίστου λόγου. Η μεταβλητή x k είναι εξερχόμενη όπου x B(r) =x k. Βήμα 3: (Περιστροφή). Ανανέωσε τα σύνολα δεικτών Β και Ν. Θέσε Ν(t)=k και B(r)=l. Υπολόγισε τη νέα αντίστροφη της βάσης, Β -1 και τα διανύσματα x B και s N. Πήγαινε στο Βήμα 1. Επαναλαμβάνονται τα βήματα 1 ως 3. 24

Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex (12) ΠΑΡΑΤΗΡΗΣΕΙΣ Ο αλγόριθμος simplex χρειάζεται μια εφικτή βάση για να ξεκινήσει. Σε μερικά προβλήματα η βασική λύση, στην οποία όλες οι χαλαρές μεταβλητές είναι βασικές και όλες οι μεταβλητές απόφασης μη βασικές, είναι εφικτή. Μια επανάληψη του αλγορίθμου συμπληρώνεται όταν προσδιοριστεί η επόμενη βασική διαμέριση, [B, N]. Σε περίπτωση που το Γ.Π. περιλαμβάνει εξαρχής ισοτικούς περιορισμούς, πρέπει να γίνει έλεγχος αν η επαυξημένη μήτρα [Α b] είναι πλήρους βαθμού. Κάποιες από τις αρχικές μεταβλητές θα επιλεγούν ως βασικές. 25

Περατότητα Αλγορίθμου Simplex Το πλήθος των βασικών λύσεων είναι πεπερασμένο. Μια βάση κατασκευάζεται παίρνοντας m διαφορετικούς δείκτες από το σύνολο των n δεικτών {1, 2,, n}. Το πλήθος αυτών των διαφορετικών συνδυασμών είναι n n! m m!( n m)! το οποίο είναι πεπερασμένο. Αν η αντικειμενική συνάρτηση ελαττώνεται αυστηρά, ((c T x) k+1 <(c T x) k ), καμία από τις βάσεις δεν θα επαναληφθεί. 26

Παράδειγμα (1) Να λυθεί το παρακάτω γραμμικό πρόβλημα 27

Παράδειγμα (2) Μετά την προσθήκη χαλαρών μεταβλητών το γραμμικό πρόβλημα με χρήση μητρών γράφεται c T 1 1 4 0 0 0 1 1 2 1 0 0 9 A 1 1 1 0 1 0, b 2 1 1 1 0 0 1 4 28

Παράδειγμα (3) ΕΠΑΝΑΛΗΨΗ 1. Βήμα 0. Β=[4 5 6] και Ν=[1 2 3] {1η βασική διαμέριση} w T =(c B ) T B -1 =[0 0 0]B -1 =[0 0 0] s N =(c N ) T -(c B ) T B -1 A N =[1 1-4]-[0 0 0]=[1 1-4] 29

Παράδειγμα (4) Βήμα 1. Επειδή s N 0, ο αλγόριθμος δε σταματά Βήμα 2. α) Επιλογή εισερχόμενης s l =min{s j : s j <0 j N}=min{x, x, -4}=-4 t=3 και l=n(t)=n(3)=3, Άρα x l =x 3 εισερχόμενη β) h l =h 3 =B -1 A.3 = x k =x B[r] =min{x B[i] /h i3 : h i3 >0}=min{9/2, x, 4/1}=4 r=3 και k=b(r)=b(3)=6, Άρα x k =x 6 εξερχόμενη 30

Παράδειγμα (5) Βήμα 3. N(t)=k N(3)=6 N=[1 2 6] B(r)=l B(3)=3 B=[4 5 3] 31

Παράδειγμα (6) ΕΠΑΝΑΛΗΨΗ 2. Βήμα 1. Επειδή s N 0, ο αλγόριθμος δε σταματά Βήμα 2. α) Επιλογή εισερχόμενης s l =min{s j : s j <0 j N}=min{-3, x, x}=-3 t=1 και l=n(t)=n(1)=1, Άρα x l =x 1 εισερχόμενη β) h l =h 1 =B -1 A.1 = 3 0 0 1 x k =x B[r] =min{x B[i] /h i3 : h i3 >0}=min{1/3, x, x}=1/3 r=1 και k=b(r)=b(1)=4, Άρα x k =x 4 εξερχόμενη 32

Παράδειγμα (7) Βήμα 3. N(t)=k N(1)=4 N=[4 2 6] B(r)=l B(1)=1 B=[1 5 3] 33

Παράδειγμα (8) ΕΠΑΝΑΛΗΨΗ 3. Βήμα 1. Επειδή s N 0, ο αλγόριθμος σταματά Η βέλτιστη βασική διαμέριση είναι Β=[1 5 3], Ν=[4 2 6] Η βέλτιστη λύση είναι x T =(x 1, x 2, x 3, x 4, x 5, x 6 )=(1/3, 0 13/3, 0, 6, 0) Η βέλτιστη λύση της αντικειμενικής συνάρτησης είναι z=w T b=-17 34

Τέλος Ενότητας