Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

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

Βασικές έννοιες και ορισµοί. Ευθεία

Βασικές έννοιες και ορισµοί. Ευθεία

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

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I

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

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

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Simplex µε πίνακες Simplex µε πίνακες

ιατύπωση τυπικής µορφής προβληµάτων Γραµµικού

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Γενικευµένη Simplex Γενικευµένη Simplex

Προβλήµατα Μεταφορών (Transportation)

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

ιοίκηση Παραγωγής και Υπηρεσιών

Ακέραιος Γραµµικός Προγραµµατισµός

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

Ακέραιος Γραµµικός Προγραµµατισµός

Γραμμικός Προγραμματισμός

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Επιχειρησιακή Έρευνα

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

Πανεπιστήμιο Αιγαίου. Γραμμικός Προγραμματισμός

Μοντελοποίηση προβληµάτων

Τμήμα Διοίκησης Επιχειρήσεων

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός

3.7 Παραδείγματα Μεθόδου Simplex

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

Προβλήματα Μεταφορών (Transportation)

Branch and Bound. Branch and Bound

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

Ο Αλγόριθµος της Simplex

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

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) +

Γραμμικός Προγραμματισμός

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

Γραµµικός Προγραµµατισµός (ΓΠ)

Επίλυση Γραµµικών Συστηµάτων

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Ασκησεις - Φυλλαδιο 4. ιδασκων: Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος :

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex

Εισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)

Λύσεις θεμάτων Επιχειρησιακής Έρευνας (17/09/2014)

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Πρόβληµα Μεταφοράς ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Επιχειρησιακή Έρευνα

Δυϊκότητα. Δημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο

Συστήματα Παραγωγής ΠΑΡΑΔΕΙΓΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Εισαγωγή και ανάλυση ευαισθησίας προβληµάτων Γραµµικού Προγραµµατισµού. υϊκότητα. Παραδείγµατα.

Γραμμικός Προγραμματισμός

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

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

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Γραμμικός Προγραμματισμός και θεωρία Παιγνίων

Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI)

ΚΕΦΑΛΑΙΟ 4. Ακέραια Πολύεδρα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

2. ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

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

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

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

Το Πρόβλημα Μεταφοράς

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

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Λυσεις Ασκησεων - Φυλλαδιο 4

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων.

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Άσκηση 21. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4

Θεωρία Αποφάσεων και Βελτιστοποίηση

Μια οµάδα m σηµείων προσφοράς. Μια οµάδα n σηµείων ζήτησης. Οτιδήποτε µετακινείται απο σηµείο προσφοράς σε σηµείο ζήτησης είναι συνάρτηση κόστους.

Επιχειρησιακή Έρευνα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Το µαθηµατικό µοντέλο του Υδρονοµέα

Αξιολόγηση Ευριστικών Αλγορίθµων

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές

ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

ΑΛΓΟΡΙΘΜΟΙ Ενότητα 10

Μάθημα Επιλογής 8 ου εξαμήνου

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήµη τωναποφάσεων, ιοικητική Επιστήµη

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

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

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

Κεφάλαιο 4ο: Δικτυωτή Ανάλυση

Transcript:

Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n

Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n m περιορισµοί του προβλήµατος και n περιορισµοί µη αρνητικότητας a 11 x 1 + + a 1n x n b 1. a m1 x 1 + + a mn x n b m x i 0, i = 1,..., n ή a 11 x 1 + + a 1n x n = b 1. a m1 x 1 + + a mn x n = b m x i 0, i = 1,..., n

Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n m περιορισµοί του προβλήµατος και n περιορισµοί µη αρνητικότητας a 11 x 1 + + a 1n x n b 1. a m1 x 1 + + a mn x n b m x i 0, i = 1,..., n ή a 11 x 1 + + a 1n x n = b 1. a m1 x 1 + + a mn x n = b m x i 0, i = 1,..., n Μεγιστοποίηση της συνάρτησης : n z = max x i c i i=1

Μετατροπές Εάν οι περιορισµός της µορφής µπορεί να µετατραπέι στην γενική µορφή αντιστρέφοντας τους συντελεστές π.χ. 2x 1 + 3x 2 10 2x 1 3x 2 10

Μετατροπές Εάν οι περιορισµός της µορφής µπορεί να µετατραπέι στην γενική µορφή αντιστρέφοντας τους συντελεστές π.χ. 2x 1 + 3x 2 10 2x 1 3x 2 10 Εάν η αντικειµενική συνάρτηση είναι ελαχιστοποίησης αντιστρέφουµε πάλι τους συντελεστές π.χ min(x 1 + 2x 2 ) max( x 1 2x 2 ) (Προσοχή πρέπει µετά να αντιστρέψουµε την τιµή της αντικειµενικής συνάρτησης!)

Μετατροπές Εάν οι περιορισµός της µορφής µπορεί να µετατραπέι στην γενική µορφή αντιστρέφοντας τους συντελεστές π.χ. 2x 1 + 3x 2 10 2x 1 3x 2 10 Εάν η αντικειµενική συνάρτηση είναι ελαχιστοποίησης αντιστρέφουµε πάλι τους συντελεστές π.χ min(x 1 + 2x 2 ) max( x 1 2x 2 ) (Προσοχή πρέπει µετά να αντιστρέψουµε την τιµή της αντικειµενικής συνάρτησης!) Εάν έχουµε αντί για περιορισµούς µη αρνητικότητας έχουµε x i a (x i a) αντικαθιστούµε την µεταβλητή µε την x i = x i a (x i = a x i ) ώστε να τηρείται η µη αρνητικότητα για τη µεταβλητή x i

Μορφή Πινάκων Θέτουµε x = A i = a 1i. a mi x 1.. x n, c = c 1.. c n, 1 i n και b = b 1.. b m.

Μορφή Πινάκων Αντιστοιχία µε πίνακες : Αναλυτική Μορφή n Αντικειµενική max z = c i x i i=1 Μορφή Πινάκων max z = c t x Συνάρτηση Περιορισµοί a j1 + + a jn = b j A 1 x t +... A n x t = b 1 j m Μη αρνητικότητα x i 0 x 0 1 i n

Μεταβλητές Απόκλισης Μπορούµε να µετατρέψουµε τους περιορισµούς της µορφής = σε και αντίστροφα!

Μεταβλητές Απόκλισης Μπορούµε να µετατρέψουµε τους περιορισµούς της µορφής = σε και αντίστροφα! Αντικαθιστούµε την ισότητα µε δύο ανισότητες π.χ 2x 1 + x 2 = 3 2x 1 + x 2 3 και 2x 1 + x 2 3

Μεταβλητές Απόκλισης Μπορούµε να µετατρέψουµε τους περιορισµούς της µορφής = σε και αντίστροφα! Αντικαθιστούµε την ισότητα µε δύο ανισότητες π.χ 2x 1 + x 2 = 3 2x 1 + x 2 3 και 2x 1 + x 2 3 (Αντίστροφα) Εισάγουµε επιπλέον µεταβλητές απόκλισης π.χ. 4x 1 + 3x 2 + x 3 15 4x 1 + 3x 2 + x 3 x 4 = 15

Μεταβλητές Απόκλισης Για κάθε περιορισµό µε ανισότητα ϑα εισάγουµε µια µεταβλητή απόφασης

Μεταβλητές Απόκλισης Για κάθε περιορισµό µε ανισότητα ϑα εισάγουµε µια µεταβλητή απόφασης Ο συνολικός αριθµός µεταβλητών γίνεται τώρα p όπου n p m + n όπου n µεταβλητές απόφαση και p n µεταβλητές απόκλισης

Μεταβλητές Απόκλισης Για κάθε περιορισµό µε ανισότητα ϑα εισάγουµε µια µεταβλητή απόφασης Ο συνολικός αριθµός µεταβλητών γίνεται τώρα p όπου n p m + n όπου n µεταβλητές απόφαση και p n µεταβλητές απόκλισης Στην περίπτωση της Μορφής Πινάκων αλλάζουµε τα διανύσµατα :

Μεταβλητές Απόκλισης Για κάθε περιορισµό µε ανισότητα ϑα εισάγουµε µια µεταβλητή απόφασης Ο συνολικός αριθµός µεταβλητών γίνεται τώρα p όπου n p m + n όπου n µεταβλητές απόφαση και p n µεταβλητές απόκλισης Στην περίπτωση της Μορφής Πινάκων αλλάζουµε τα διανύσµατα : x = [ x 1... x n x n+1... x p c = [ c 1... c n 0... 0 ] t A = [ ] A 1... A n A n+1... A p ] t

Τάξη Πίνακα Τάξη Πίνακα Η τάξη(rank ) του πίνακα συντελεστών A ισούται µε τον αριθµό των ανεξάρτητων εξισώσεων που τον παράγουν

Τάξη Πίνακα Τάξη Πίνακα Η τάξη(rank ) του πίνακα συντελεστών A ισούται µε τον αριθµό των ανεξάρτητων εξισώσεων που τον παράγουν Εφικτή λύση Το σύστηµα Ax = b έχει εφικτή λύση αν η τάξη του A είναι µικρότερη από τον αριθµό των µεταβλητών

Τάξη Πίνακα Τάξη Πίνακα Η τάξη(rank ) του πίνακα συντελεστών A ισούται µε τον αριθµό των ανεξάρτητων εξισώσεων που τον παράγουν Εφικτή λύση Το σύστηµα Ax = b έχει εφικτή λύση αν η τάξη του A είναι µικρότερη από τον αριθµό των µεταβλητών Υποθέτοντας πώς η τάξη του A ισούται µε m ισχύει πώς p m

Βασικές Μεταβλητές Βάση Βάση ενός προβλήµατος Γραµµικού προγραµµατισµού ϑα ϑεωρούµε ένα σύνολο m µεταβλητών όπου m ο αριθµός των περιορισµών. Τις υπόλοιπες µεταβλητές ϑα ονοµάζονται εκτός ϐάσης B = {x i1,..., x im } EB = {x im+1,..., x ip }

Βασικές Μεταβλητές Βάση Βάση ενός προβλήµατος Γραµµικού προγραµµατισµού ϑα ϑεωρούµε ένα σύνολο m µεταβλητών όπου m ο αριθµός των περιορισµών. Τις υπόλοιπες µεταβλητές ϑα ονοµάζονται εκτός ϐάσης B = {x i1,..., x im } EB = {x im+1,..., x ip } Ενα σύστηµα µπορεί να γραφτεί υπό την µορφή x i1 = b 1 + a 11 x i m+1 + + a 1p m x i p. x im = b m + a m1 x i m+1 + + a mp m x i p

Βασική Λύση Βασική Λύση Μια ϐασική λύση ενός προβλήµατος είναι λύση του συστήµατος Ax = b πού όλες οι µεταβλητές Εκτός Βάσης είναι µηδενικές (σύµφωνα µε την εκάστοτε ϐάση)

Βασική Λύση Βασική Λύση Μια ϐασική λύση ενός προβλήµατος είναι λύση του συστήµατος Ax = b πού όλες οι µεταβλητές Εκτός Βάσης είναι µηδενικές (σύµφωνα µε την εκάστοτε ϐάση) x i k x i k = b k για 1 k m = 0 για m + 1 k p

Βασική Λύση Βασική Λύση Μια ϐασική λύση ενός προβλήµατος είναι λύση του συστήµατος Ax = b πού όλες οι µεταβλητές Εκτός Βάσης είναι µηδενικές (σύµφωνα µε την εκάστοτε ϐάση) x i k x i k = b k για 1 k m = 0 για m + 1 k p Μια ϐασική εφικτή λύση είναι µια ϐασική λύση όπου όλες οι µεταβλητές εντός ϐάσης είναι µη αρνητικές

Simplex Ο αλγόριθµος Simplex ξεκινά από µια αρχική Βασική Εφικτή λύση

Simplex Ο αλγόριθµος Simplex ξεκινά από µια αρχική Βασική Εφικτή λύση Σε κάθε ϐήµα του µεταβαίνει από µια σε µια άλλη

Simplex Ο αλγόριθµος Simplex ξεκινά από µια αρχική Βασική Εφικτή λύση Σε κάθε ϐήµα του µεταβαίνει από µια σε µια άλλη Αν ο Χώρος των Εφικτών λύσεων είναι ϕραγµένος (στη κατεύθυνση της αντικειµενικής συνάρτησης) ϑα καταλήξει σε ϐέλτιστη

Simplex Ο αλγόριθµος Simplex ξεκινά από µια αρχική Βασική Εφικτή λύση Σε κάθε ϐήµα του µεταβαίνει από µια σε µια άλλη Αν ο Χώρος των Εφικτών λύσεων είναι ϕραγµένος (στη κατεύθυνση της αντικειµενικής συνάρτησης) ϑα καταλήξει σε ϐέλτιστη Ακόµη και αν ο Χώρος των Εφικτών Λύσεων είναι ϕραγµένος υπάρχει πάλι ο κίνδυνος απείρων επαναλήψεων (κυκλισµός)

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) max z = 8x 1 +6x 2 s.t. 5x 1 +3x 2 30 2x 1 +3x 2 24 x 1 +3x 2 18 x i 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) max z = 8x 1 +6x 2 s.t. 5x 1 +3x 2 30 2x 1 +3x 2 24 x 1 +3x 2 18 x i 0 Προσθήκη µεταβλητών απόκλισης (x 3, x 4, x 5 ) για κάθε ανισότητα

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) max z = 8x 1 +6x 2 s.t. 5x 1 +3x 2 +x 3 = 30 2x 1 +3x 2 +x 4 = 24 x 1 +3x 2 +x 5 = 18 x i 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Πρώτη Πρώτο λεξικό : Λ 1

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Πρώτη Πρώτο λεξικό : Λ 1 Βάση : Β 1 = {3, 4, 5}

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Πρώτη Πρώτο λεξικό : Λ 1 Βάση : Β 1 = {3, 4, 5} Εκτός Βάσης : ΕΒ 1 = {1, 2}

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Πρώτη Πρώτο λεξικό : Λ 1 Βάση : Β 1 = {3, 4, 5} Εκτός Βάσης : ΕΒ 1 = {1, 2} : ΒΕΛ 1 = {0, 0, 30, 24, 18} x 3 = 5x 1 3x 2 +30 x 4 = 2x 1 3x 2 +24 x 5 = x 1 3x 2 +18 z = 4x 1 +3x 2 +0 = 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Και οι δύο µεταβλητές έχουν ϑετική συνεισφορά στην αντικειµενική συνάρτηση. Επιλέγουµε τυχαία ποια ϑα εισάγουµε στη ϐάση

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Και οι δύο µεταβλητές έχουν ϑετική συνεισφορά στην αντικειµενική συνάρτηση. Επιλέγουµε τυχαία ποια ϑα εισάγουµε στη ϐάση x 2 0 +, x 1 = 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Και οι δύο µεταβλητές έχουν ϑετική συνεισφορά στην αντικειµενική συνάρτηση. Επιλέγουµε τυχαία ποια ϑα εισάγουµε στη ϐάση x 2 0 +, x 1 = 0 x 3 0 30 5x 1 3x 2 0 x 2 10 x 4 0 24 2x 1 3x 2 0 x 2 8 x 5 0 18 x 1 3x 2 0 x 2 6

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Και οι δύο µεταβλητές έχουν ϑετική συνεισφορά στην αντικειµενική συνάρτηση. Επιλέγουµε τυχαία ποια ϑα εισάγουµε στη ϐάση x 2 0 +, x 1 = 0 x 3 0 30 5x 1 3x 2 0 x 2 10 x 4 0 24 2x 1 3x 2 0 x 2 8 x 5 0 18 x 1 3x 2 0 x 2 6 Τον πιο αυστηρό περιορισµό επιβάλλει η µεταβλητή x 5 : x 2 = 6, x 5 = 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Και οι δύο µεταβλητές έχουν ϑετική συνεισφορά στην αντικειµενική συνάρτηση. Επιλέγουµε τυχαία ποια ϑα εισάγουµε στη ϐάση x 2 0 +, x 1 = 0 x 3 0 30 5x 1 3x 2 0 x 2 10 x 4 0 24 2x 1 3x 2 0 x 2 8 x 5 0 18 x 1 3x 2 0 x 2 6 Τον πιο αυστηρό περιορισµό επιβάλλει η µεταβλητή x 5 : x 2 = 6, x 5 = 0 ηµιουργία νέου λεξικού

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) εύτερο λεξικό : Λ 2

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) εύτερο λεξικό : Λ 2 Βάση : Β 2 = {2, 3, 4}

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) εύτερο λεξικό : Λ 2 Βάση : Β 2 = {2, 3, 4} Εκτός Βάσης : ΕΒ 2 = {1, 5}

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) εύτερο λεξικό : Λ 2 Βάση : Β 2 = {2, 3, 4} Εκτός Βάσης : ΕΒ 2 = {1, 5} : ΒΕΛ 2 = {0, 6, 12, 6, 0} x 2 = 1 3 x 1 1 3 x 5 +6 x 3 = 4x 1 +x 5 +12 x 4 = x 1 +x 5 +6 z = 3x 1 x 5 +18 = 18

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Μόνο η µεταβλητή x 1 έχει ϑετική συνεισφορά

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Μόνο η µεταβλητή x 1 έχει ϑετική συνεισφορά x 1 0 +, x 5 = 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Μόνο η µεταβλητή x 1 έχει ϑετική συνεισφορά x 1 0 +, x 5 = 0 x 2 0 6 1 3 x 1 1 3 x 5 0 x 1 18 x 3 0 12 4x 1 + x 5 0 x 1 3 x 4 0 6 x 1 + x 5 0 x 1 6

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Μόνο η µεταβλητή x 1 έχει ϑετική συνεισφορά x 1 0 +, x 5 = 0 x 2 0 6 1 3 x 1 1 3 x 5 0 x 1 18 x 3 0 12 4x 1 + x 5 0 x 1 3 x 4 0 6 x 1 + x 5 0 x 1 6 Τον πιο αυστηρό περιορισµό επιβάλλει η µεταβλητή x 3 : x 1 = 3, x 3 = 0

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Μόνο η µεταβλητή x 1 έχει ϑετική συνεισφορά x 1 0 +, x 5 = 0 x 2 0 6 1 3 x 1 1 3 x 5 0 x 1 18 x 3 0 12 4x 1 + x 5 0 x 1 3 x 4 0 6 x 1 + x 5 0 x 1 6 Τον πιο αυστηρό περιορισµό επιβάλλει η µεταβλητή x 3 : x 1 = 3, x 3 = 0 ηµιουργία νέου λεξικού

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Τρίτο λεξικό : Λ 3

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Τρίτο λεξικό : Λ 3 Βάση : Β 3 = {1, 2, 4}

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Τρίτο λεξικό : Λ 3 Βάση : Β 3 = {1, 2, 4} Εκτός Βάσης : ΕΒ 3 = {3, 5}

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Τρίτο λεξικό : Λ 3 Βάση : Β 3 = {1, 2, 4} Εκτός Βάσης : ΕΒ 3 = {3, 5} : ΒΕΛ 3 = {3, 5, 0, 3, 0} x 1 = 1 4 x 3 1 4 x 5 +3 x 2 = 1 12 x 3 5 12 x 5 +5 x 4 = 1 4 x 3 + 3 4 x 5 +3 z = 3 4 x 3 1 4 x 5 +27 = 27

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Ολες οι µεταβλητές έχουν αρνητική συνεισφορά Βέλτιστη Λύση!!!

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Ολες οι µεταβλητές έχουν αρνητική συνεισφορά Βέλτιστη Λύση!!! Τελική Λύση : X = (x 1, x 2 ) = (3, 5) 3 Συµβόλαια Τύπου 1 5 Συµβόλαια Τύπου 2 Συνολικό κέρδος 54000 Ευρώ 30 µηχανικοί 18 ώρες λειτουργίας 21 τεχνικοί

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Ολες οι µεταβλητές έχουν αρνητική συνεισφορά Βέλτιστη Λύση!!! Τελική Λύση : X = (x 1, x 2 ) = (3, 5) 3 Συµβόλαια Τύπου 1 5 Συµβόλαια Τύπου 2 Συνολικό κέρδος 54000 Ευρώ 30 µηχανικοί 18 ώρες λειτουργίας 21 τεχνικοί x 1, x 2 ακέραιες τιµές

Επιλογή Συµβολαίων (Αλγεβρική Επίλυση) Ολες οι µεταβλητές έχουν αρνητική συνεισφορά Βέλτιστη Λύση!!! Τελική Λύση : X = (x 1, x 2 ) = (3, 5) 3 Συµβόλαια Τύπου 1 5 Συµβόλαια Τύπου 2 Συνολικό κέρδος 54000 Ευρώ 30 µηχανικοί 18 ώρες λειτουργίας 21 τεχνικοί x 1, x 2 ακέραιες τιµές ΕΥΤΥΧΗΣ ΣΥΜΠΤΩΣΗ!

Simplex : Ενας περίπατος στις ακµές του πολυτόπου! Λεξικό Λ 1 : B = {3, 4, 5}, EB = {1, 2} x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1

Simplex : Ενας περίπατος στις ακµές του πολυτόπου! Εύρεση κατεύθυνσης για ϐελτίωση της αντικειµενική συνάρτησης x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1

Simplex : Ενας περίπατος στις ακµές του πολυτόπου! Λεξικό Λ 2 : B = {2, 3, 4}, EB = {1, 5} x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1

Simplex : Ενας περίπατος στις ακµές του πολυτόπου! Εύρεση κατεύθυνσης για ϐελτίωση της αντικειµενική συνάρτησης x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1

Simplex : Ενας περίπατος στις ακµές του πολυτόπου! Λεξικό Λ 2 : B = {1, 2, 4}, EB = {3, 5} x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1

Simplex : Ενας περίπατος στις ακµές του πολυτόπου! Καµία κατεύθυνση δεν ϐελτιστοποιεί την αντικειµενική συνάρτηση! x 2 10 8 6 A B OABC : Εφικτή Περιοχή O C 6 12 18 x 1