Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 2)

Σχετικά έγγραφα
Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3)

Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 3)

Πόρος Προϊόν 1 Προϊόν 2 Διαθέσιμη ποσότητα πόρου Απαιτούμενη ποσότητα πόρου ανά μονάδα προϊόντος. Γάλα (λίτρα)

Επαναληπτικές Ασκήσεις. Επιχειρησιακή Έρευνα

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

Πόρος Προϊόν 1 Προϊόν 2 Διαθέσιμη ποσότητα πόρου Απαιτούμενη ποσότητα πόρου ανά μονάδα προϊόντος. Γάλα (λίτρα)

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

maximize z = 50x x 2 κάτω από τους περιορισμούς (εβδομαδιαίο κέρδος, χρηματικές μονάδες)

ΤΜΗΜΑΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΡΟΒΛΗΜΑΤΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕΣΩ LINDO

Αλγεβρική Μέθοδος Επίλυσης Γραμμικών Μοντέλων Η μέθοδος SIMPLEX (Both Simple and Complex ) 1

ΑΠΑΙΤΟΥΜΕΝΟΣ ΧΡΟΝΟΣ (hr) στο. Στάδιο Α Στάδιο Β (ανά) τρακτέρ (ανά) γερανό 15 10

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

Κανονική μορφή μοντέλου μεγιστοποίησης

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

ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (3 ο Φυλλάδιο)

Κανονική μορφή μοντέλου μεγιστοποίησης

ΠΑΡΑΔΕΙΓΜΑΤΑ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΜΕ ΤΗ ΧΡΗΣΗ Η/Υ (2 ο Φυλλάδιο)

ΕΠΙΛΥΣΗ ΓΠ ΜΕ ΧΡΗΣΗ ΥΠΟΛΟΓΙΣΤΗ Το πρόγραμμα LINDO O Solver (Επίλυση) του Excel ΕΦΑΡΜΟΓΕΣ ΓΠ ΣΕ ΕΠΙΧΕΙΡΗΣΙΑΚΑ ΠΡΟΒΛΗΜΑΤΑ Το Πρόβλημα Μίξης Παραγωγής

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

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 2 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

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

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

Data Envelopment Analysis

RIGHTHAND SIDE RANGES

ΘΕΜΑ: «Η ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΜΕ ΤΗ ΒΟΗΘΕΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΟΝ ΠΟΛΕΟΔΟΜΙΚΟ ΣΧΕΔΙΑΣΜΟ»

ΠΡΟΒΛΗΜΑΤΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Γραµµικός Προγραµµατισµός (ΓΠ)

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΝΘΡΩΠΙΝΩΝ. (Human Resources Scheduling Human Resources Programming)

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 2)

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Επιχειρησιακή έρευνα (ασκήσεις)

Προγραμματισμός ΙI (Θ)

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

Σκοπός κεφαλαίου. Παρουσίαση της µεθόδου SOLVER και αναλυτική περιγραφή της µεθοδολογίας.

Εισαγωγή στην Αριθμητική Ανάλυση

Προγραμματισμός I (Θ)

SÔntomec plhroforðec gia to glpsol (glpk)

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ. 1 η ΕΝΟΤΗΤΑ ΕΙΣΑΓΩΓΗ. Μ. Καρλαύτης Ν. Λαγαρός

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

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

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

Επιχειρησιακή Έρευνα I

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

ΚΕΦΑΛΑΙΟ 4 ΤΟ ΕΡΓΑΛΕΙΟ SOLVER

Προγραμματισμός ΙI (Θ)

Μοντελοποίηση προβληµάτων

Γραμμικός Προγραμματισμός

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

Τμήμα Εφαρμοσμένης Πληροφορικής

Επιχειρησιακή Έρευνα I

Προγραμματισμός ΙI (Θ)

ΠΩΣ ΝΑ ΟΡΙΣΕΤΕ ΚΑΙ ΝΑ ΕΠΙΛΥΣΕΤΕ ΕΝΑ ΠΡΟΓΡΑΜΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΜΕ ΤΟΝ SOLVER ΤΟΥ EXCEL

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

2.1. ΑΠΛΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΠΡΟΒΛΗΜΑΤΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Ένα πρόβλημα δικτυωτής ανάλυσης αναπαρίσταται από... 10

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

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

3.7 Παραδείγματα Μεθόδου Simplex

Επιχειρησιακή Έρευνα I

ΠΑΠΑΤΖΙΚΟΣ ΝΙΚΟΛΑΟΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ: ΑΝΑΠΤΥΞΗ ΠΑΡΑΘΥΡΙΚΗΣ ΕΦΑΡΜΟΓΗΣ ΓΙΑ ΣΥΣΤΗΜΑΤΑ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΟΥ MATLAB 6

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 4)

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

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

Προγραμματισμός I (Θ)

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)

1 η Εργαστηριακή Άσκηση MATLAB Εισαγωγή

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 2)

Βελτιστοποίηση κατανομής πόρων συντήρησης οδοστρωμάτων Πανεπιστήμιο Πατρών - Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών

Περιεχόμενα Πρόλογος 5ης αναθεωρημένης έκδοσης ΚΕΦΆΛΆΙΟ 1 Ο ρόλος της επιχειρησιακής έρευνας στη λήψη αποφάσεων ΚΕΦΆΛΆΙΟ 2.

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Ακρότατα πίνακα, χωρίς min, max, μόνο με pos

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Γραμμικός Προγραμματισμός

Ένα πρόβλημα κατάρτισης προγράμματος εργασίας.

Περιεχόμενα. 1. Ανάλυση ευαισθησίας. (1) Ανάλυση ευαισθησίας (2) Δυϊκό πρόβλημα (κανονική μορφή) (3) Δυαδικός προγραμματισμός (4) Ανάλυση αποφάσεων

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 6)

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ. Κεφάλαιο 3 Μορφοποίηση Προβλημάτων Ακέραιου Προγραμματισμού

Case 07: Στρατηγική Χρηματοοικονομικής Δομής ΣΕΝΑΡΙΟ (1)

Κεφάλαιο 5ο: Ακέραιος προγραμματισμός

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Επιχειρησιακή έρευνα (άσκηση για το εργαστήριο)

Εισαγωγή στον Προγραμματισμό

Προβλήματα Μεταφορών (Transportation)

(sensitivity analysis, postoptimality analysis).

ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι

Ακέραιος Γραμμικός Προγραμματισμός

Ανάπτυξη και Σχεδίαση Λογισμικού

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 8)

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 5)

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

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

Υπολογιστικά Συστήματα

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Γραμμικός Προγραμματισμός

Τμήμα Εφαρμοσμένης Πληροφορικής

Παρουσίαση: Γραμμικός Προγραμματισμός (Αλγόριθμος Simplex). Λύση δυο προβλημάτων με χρήση της μεθόδου simplex και το excel.

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.

Transcript:

Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός και Βελτιστοποίηση (Εργαστήριο 2) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Μάρτιος 2015 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 1 / 18

Σκοπός Εργαστηρίου Επίλυση Προβλημάτων Γραμμικού Προγραμματισμού (ΠΓΠ) με το Lindo Σκοπός του εργαστηρίου είναι: η παρουσίαση του ειδικού λογισμικού Lindo Η εισαγωγή ενός ΠΓΠ στον Editor του Lindo η ανάγνωση των αποτελεσμάτων (αναφορών) του Lindo Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 2 / 18

Εισαγωγή στο Lindo Στον editor του Lindo γράφουμε το ΠΓΠ ως εξής: Στην πρώτη γραμμή γράφουμε την αντικειμενική συνάρτηση Ακολουθεί το τμήμα των περιορισμών το οποίο περικλείεται από την δήλωση st ή subject to και την δήλωση end Στο τέλος δηλώνουμε τον τύπο των μεταβλητών. Ο προκαθορισμένος τύπος μεταβλητών είναι πραγματικές μη αρνητικές (x i 0) και το τμήμα αυτό είναι προαιρετικό. Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 3 / 18

Εισαγωγή στο Lindo Δίνεται το παρακάτω ΠΓΠ με αντικειμενική συνάρτηση κάτω από τους περιορισμούς max z = 5x 1 + 3x 2 3x 1 + 5x 2 15 5x 1 + 2x 2 10 x 1, x 2 0 Το παραπάνω ΠΓΠ γράφεται στον Editor του Lindo : max 5x1+3x2 st 3x1+5x2<15 5x1+2x2<10 end Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 4 / 18

Εισαγωγή στο Lindo Η δήλωση της αντικειμενικής συνάρτησης ξεκινά με τη δήλωση max ή τη δήλωση min. Για την πράξη του πολλαπλασιασμού δεν απαιτείται κάποιος τελεστής. Η πράξη της διαίρεσης δεν ορίζεται. Οι τελεστές > και < έχουν την έννοια και αντίστοιχα. Στην δήλωση του τύπου των μεταβλητών έχουμε τις παρακάτω επιλογές free, μεταβλητή ελεύθερη προσήμου int, δυαδική μεταβλητή (x i {0, 1}) gin, ακέραια μη αρνητική μεταβλητή Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 5 / 18

Εισαγωγή στο Lindo Για παράδειγμα το παρακάτω ΠΓΠ max 5x1+3x2 st 3x1+5x2<15 5x1+2x2<10 end int x1 gin x2 Το Lindo θα το λύσει ως πρόβλημα μεικτού Γραμμικού Προγραμματισμού (συνδυασμός ακέραιου με δυαδικού προγραμματισμού) Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 6 / 18

Αρχικά, γράφουμε στον Editor το ΠΓΠ. Έπειτα, επιλέγουμε από το Menu Solve την επιλογή Solve (Ctrl+S) Εμφανίζεται ένα παράθυρο διαλόγου για το αν θέλουμε να γίνει ανάλυση ευαισθησίας ή όχι Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 7 / 18

Είτε επιλέξουμε ναι είτε όχι εμφανίζεται και το παράθυρο LINDO Solver Status το οποίο μας δίνει για την λύση του ΠΓΠ Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 8 / 18

Στην περίπτωση που επιλέξουμε όχι στο παράθυρο διαλόγου εμφανίζεται στο Reports Window η λύση του ΠΓΠ LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 12.36842 VARIABLE VALUE REDUCED COST X1 1.052632 0.000000 X2 2.368421 0.000000 ROW SLACK OR SURPLUS DUAL PRICES 2) 0.000000 0.263158 3) 0.000000 0.842105 NO. ITERATIONS= 2 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 9 / 18

Στη γραμμή 1) έχουμε την τιμή της αντικειμενικής συνάρτησης (OBJECTIVE FUNCTION VALUE). Στις στήλες VARIABLE και VALUE έχουμε τις μεταβλητές και τις αντίστοιχες τιμές τους. Στις γραμμές 2) και 3) και στη στήλη DUAL PRICES έχουμε τις δυϊκές τιμές των περιορισμών. Η γραμμή 2) αντιστοιχεί στον πρώτο περιορισμό και η γραμμή 3) αντιστοιχεί στο δεύτερο περιορισμό Στο τέλος έχουμε τον αριθμό των επαναλήψεων. Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 10 / 18

Έχουμε την δυνατότητα να ονομάσουμε την κάθε γραμμή και αντί του αύξοντα αριθμού στο Reports Window να εμφανίζεται το όνομα των περιορισμών αντίστοιχα. Στον Editor γράφουμε max 5x1+3x2 st a) 3x1+5x2<15 b) 5x1+2x2<10 end Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 11 / 18

θα εμφανιστεί LP OPTIMUM FOUND AT STEP 2 OBJECTIVE FUNCTION VALUE 1) 12.36842 VARIABLE VALUE REDUCED COST X1 1.052632 0.000000 X2 2.368421 0.000000 ROW SLACK OR SURPLUS DUAL PRICES A) 0.000000 0.263158 B) 0.000000 0.842105 NO. ITERATIONS= 2 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 12 / 18

Ενώ, στην περίπτωση που επιλέξουμε ναι στο παράθυρο διαλόγου εμφανίζεται στο Reports Window η λύση του ΠΓΠ και η ανάλυση ευαισθησίας RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 5.000000 2.500000 3.200000 X2 3.000000 5.333333 1.000000 RIGHTHAND SIDE RANGES ROW CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 2 15.000000 10.000000 9.000000 3 10.000000 15.000001 4.000000 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 13 / 18

Στο πρώτο μέρος έχουμε το εύρος αριστότητας OBJ COEFFICIENT RANGES. Για κάθε μεταβλητή VARIABLE έχουμε την τρέχουσα τιμή του αντικειμενικού συντελεστή CURRENT COEF την επιτρεπόμενη αύξηση ALLOWABLE INCREASE την επιτρεπόμενη μείωση ALLOWABLE DECREASE Στο δεύτερο μέρος έχουμε το εύρος εφικτότητας RIGHTHAND SIDE RANGES. Για κάθε περιορισμό (γραμμή) ROW έχουμε την τρέχουσα τιμή του δεξιού μέλους του περιορισμού CURRENT RHS την επιτρεπόμενη αύξηση ALLOWABLE INCREASE την επιτρεπόμενη μείωση ALLOWABLE DECREASE Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 14 / 18

Επομένως το ΠΓΠ με αντικειμενική συνάρτηση κάτω από τους περιορισμούς έχει λύση x 1 = 1.052632 και z = 12.36842 x 2 = 2.368421 max z = 5x 1 + 3x 2 3x 1 + 5x 2 15 5x 1 + 2x 2 10 x 1, x 2 0 Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 15 / 18

Ο πρώτος περιορισμός έχει δυϊκή τιμή z b 1 = 0.263158 Ο δεύτερος περιορισμός έχει δυϊκή τιμή z b 2 = 0.842105 Το εύρος αριστότητας του πρώτου αντικειμενικού συντελεστή είναι c 1 [5 3.2, 5 + 2.5] = [1.8, 7.5] Το εύρος αριστότητας του δεύτερου αντικειμενικού συντελεστή είναι c 2 [3 1, 3 + 5.33333] = [2, 8.33333] Το εύρος εφικτότητας του δεξιού μέλους του πρώτου περιορισμού είναι b 1 [15 9, 15 + 10] = [6, 25] Το εύρος εφικτότητας του δεξιού μέλους του δεύτερου περιορισμού είναι b 2 [10 4, 10 + 15] = [6, 25] Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 16 / 18

Ειδικές Περιπτώσεις - Lindo Δίνεται το ΠΓΠ με αντικειμενική συνάρτηση και περιορισμούς max z = 2x 1 + 3x 2 2x 1 + x 2 10 x 1 + x 2 4 3x 1 + 2x 2 6 x 1, x 2 0 Το παράθυρο διαλόγου μας ενημερώνει ότι το ΠΓΠ δεν έχει εφικτή περιοχή Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 17 / 18

Ειδικές Περιπτώσεις - Lindo Δίνεται το ΠΓΠ με αντικειμενική συνάρτηση και περιορισμούς max z = 2x 1 + 2x 2 x 1 x 2 1 1 2 x 1 + x 2 2 x 1, x 2 0 Το παράθυρο διαλόγου μας ενημερώνει ότι το ΠΓΠ έχει μη φραγμένη εφικτή περιοχή Δρ. Δημήτρης Βαρσάμης Γραμμικός Προγραμματισμός (E 1) Μάρτιος 2015 18 / 18