🗊Презентация Modely lineárního programování. Simplexový algoritmus

Категория: Устройства и комплектующие
Нажмите для полного просмотра!
Modely lineárního programování. Simplexový algoritmus, слайд №1Modely lineárního programování. Simplexový algoritmus, слайд №2Modely lineárního programování. Simplexový algoritmus, слайд №3Modely lineárního programování. Simplexový algoritmus, слайд №4Modely lineárního programování. Simplexový algoritmus, слайд №5Modely lineárního programování. Simplexový algoritmus, слайд №6Modely lineárního programování. Simplexový algoritmus, слайд №7Modely lineárního programování. Simplexový algoritmus, слайд №8Modely lineárního programování. Simplexový algoritmus, слайд №9Modely lineárního programování. Simplexový algoritmus, слайд №10Modely lineárního programování. Simplexový algoritmus, слайд №11Modely lineárního programování. Simplexový algoritmus, слайд №12Modely lineárního programování. Simplexový algoritmus, слайд №13Modely lineárního programování. Simplexový algoritmus, слайд №14Modely lineárního programování. Simplexový algoritmus, слайд №15Modely lineárního programování. Simplexový algoritmus, слайд №16Modely lineárního programování. Simplexový algoritmus, слайд №17
Скачать
Вы можете ознакомиться и скачать презентацию на тему Modely lineárního programování. Simplexový algoritmus. Доклад-сообщение содержит 17 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Ekonomicko-matematické metody I 3/12 Modely lineárního programování. Simplexový algoritmus.
Описание слайда:
Ekonomicko-matematické metody I 3/12 Modely lineárního programování. Simplexový algoritmus.

Слайд 2


Vzdělávací cíle Připravit model LP pro výpočet simplexovým algoritmem Sestavit výchozí simplexovou tabulku Nalézt optimální řešení pomocí simplexové metody
Описание слайда:
Vzdělávací cíle Připravit model LP pro výpočet simplexovým algoritmem Sestavit výchozí simplexovou tabulku Nalézt optimální řešení pomocí simplexové metody

Слайд 3


Model lineárního programování Cíl: nalézt vázaný extrém lineární funkce více proměnných, který vyhovuje daným lineárním omezujícím podmínkám Komponenty modelu proměnné; omezující podmínky; účelová (kriteriální) funkce; podmínky nezápornosti.
Описание слайда:
Model lineárního programování Cíl: nalézt vázaný extrém lineární funkce více proměnných, který vyhovuje daným lineárním omezujícím podmínkám Komponenty modelu proměnné; omezující podmínky; účelová (kriteriální) funkce; podmínky nezápornosti.

Слайд 4


Použité symboly a značení Proměnné x … strukturní proměnné; d … doplňkové proměnné; p … pomocné proměnné. Omezující podmínky … Ax ≤ b A = (aij) … matice soustavy; b … vektor pravých stran. Účelová funkce … z = c.x c … cenové koeficienty proměnných (jednotkové ceny)
Описание слайда:
Použité symboly a značení Proměnné x … strukturní proměnné; d … doplňkové proměnné; p … pomocné proměnné. Omezující podmínky … Ax ≤ b A = (aij) … matice soustavy; b … vektor pravých stran. Účelová funkce … z = c.x c … cenové koeficienty proměnných (jednotkové ceny)

Слайд 5


Příklad Farma se rozhoduje o vyhrazení části své půdy pro pěstování pšenice, ječmene a žita. tyto plodiny mají obsadit celkem právě 140 hektarů; potřeba chlévského hnoje je 40; 15 a 20 t/ha, k dispozici je maximálně 3000 t hnoje; odhadované zisky v tis. Kč/ha jsou pro jednotlivé plodiny 1; 1 a 2 (bráno po řadě), je požadováno dosáhnout alespoň 200 tis. Kč zisku. Farma chce minimalizovat dopady na životní prostředí, které vyjadřuje v „jednotkách zátěže“ (JZ/ha) a které jsou pro jednotlivé plodiny 7; 2 a 4. Na jaké ploše by měly být vysety jednotlivé plodiny?
Описание слайда:
Příklad Farma se rozhoduje o vyhrazení části své půdy pro pěstování pšenice, ječmene a žita. tyto plodiny mají obsadit celkem právě 140 hektarů; potřeba chlévského hnoje je 40; 15 a 20 t/ha, k dispozici je maximálně 3000 t hnoje; odhadované zisky v tis. Kč/ha jsou pro jednotlivé plodiny 1; 1 a 2 (bráno po řadě), je požadováno dosáhnout alespoň 200 tis. Kč zisku. Farma chce minimalizovat dopady na životní prostředí, které vyjadřuje v „jednotkách zátěže“ (JZ/ha) a které jsou pro jednotlivé plodiny 7; 2 a 4. Na jaké ploše by měly být vysety jednotlivé plodiny?

Слайд 6


Simplexový algoritmus Splnění podmínek simplexového algoritmu Výchozí bázické řešení Test optima (vstupu) Test přípustnosti báze (výstupu) Přechod na nové řešení Jordanovou eliminační metodou
Описание слайда:
Simplexový algoritmus Splnění podmínek simplexového algoritmu Výchozí bázické řešení Test optima (vstupu) Test přípustnosti báze (výstupu) Přechod na nové řešení Jordanovou eliminační metodou

Слайд 7


Podmínky simplexového algoritmu Nezápornost složek vektoru pravých stran stačí zkontrolovat; pokud není splněna, lze příslušné omezující podmínky vynásobit hodnotou (-1). Matice soustavy v kanonickém tvaru krok 1: rovnicový tvar modelu; krok 2: kanonický tvar modelu.
Описание слайда:
Podmínky simplexového algoritmu Nezápornost složek vektoru pravých stran stačí zkontrolovat; pokud není splněna, lze příslušné omezující podmínky vynásobit hodnotou (-1). Matice soustavy v kanonickém tvaru krok 1: rovnicový tvar modelu; krok 2: kanonický tvar modelu.

Слайд 8


Rovnicový tvar Nerovnice vyrovnáme na rovnice Doplňkové proměnné značíme d, indexujeme číslem omezující podmínky; přebírají jednotky omezující podmínky; v účelové funkci ohodnocujeme nulovou sazbou; požadujeme jejich nezápornost. Přidáváme do omezujících podmínek kapacitních s kladným znaménkem (rezerva); požadavkových se záporným znaménkem (překročení požadavku).
Описание слайда:
Rovnicový tvar Nerovnice vyrovnáme na rovnice Doplňkové proměnné značíme d, indexujeme číslem omezující podmínky; přebírají jednotky omezující podmínky; v účelové funkci ohodnocujeme nulovou sazbou; požadujeme jejich nezápornost. Přidáváme do omezujících podmínek kapacitních s kladným znaménkem (rezerva); požadavkových se záporným znaménkem (překročení požadavku).

Слайд 9


Kanonický tvar Nerovnice vyrovnáme na rovnice (doplňkové proměnné) Zajistíme úplnou jednotkovou submatici Pomocné proměnné značíme p, indexujeme číslem omezující podmínky; přebírají jednotky omezující podmínky; v účelové funkci ohodnocujeme nevýhodnou (prohibitivní) sazbou; požadujeme jejich nezápornost.
Описание слайда:
Kanonický tvar Nerovnice vyrovnáme na rovnice (doplňkové proměnné) Zajistíme úplnou jednotkovou submatici Pomocné proměnné značíme p, indexujeme číslem omezující podmínky; přebírají jednotky omezující podmínky; v účelové funkci ohodnocujeme nevýhodnou (prohibitivní) sazbou; požadujeme jejich nezápornost.

Слайд 10


Pomocné proměnné Přidáváme do omezujících podmínek požadavkových; typu určení; vždy s kladným znaménkem. Interpretace kolik jednotek zbývá do splnění omezení; řešení s kladnou hodnotou pomocné proměnné je proto automaticky nepřípustné.
Описание слайда:
Pomocné proměnné Přidáváme do omezujících podmínek požadavkových; typu určení; vždy s kladným znaménkem. Interpretace kolik jednotek zbývá do splnění omezení; řešení s kladnou hodnotou pomocné proměnné je proto automaticky nepřípustné.

Слайд 11


Výchozí bázické řešení Sestavení výchozí simplexové tabulky Identifikace bázických a nebázických proměnných Určení hodnot proměnných ve výchozím bázickém řešení Určení hodnoty účelové funkce
Описание слайда:
Výchozí bázické řešení Sestavení výchozí simplexové tabulky Identifikace bázických a nebázických proměnných Určení hodnot proměnných ve výchozím bázickém řešení Určení hodnoty účelové funkce

Слайд 12


Test optimality Existuje bázické řešení s lepší hodnotou ÚF? Záměna proměnných v bázi Koeficient zj – cj záporný: hodnota ÚF se zvyšuje; kladný: hodnota ÚF se snižuje; nulový: proměnná nemá vliv na hodnotu ÚF. Řešení je optimální minimalizace: zj – cj ≤ 0 pro všechna j; maximalizace: zj – cj ≥ 0 pro všechna j. Klíčový sloupec: maximální hodnota |zj – cj| z těch, které porušují podmínku optimality
Описание слайда:
Test optimality Existuje bázické řešení s lepší hodnotou ÚF? Záměna proměnných v bázi Koeficient zj – cj záporný: hodnota ÚF se zvyšuje; kladný: hodnota ÚF se snižuje; nulový: proměnná nemá vliv na hodnotu ÚF. Řešení je optimální minimalizace: zj – cj ≤ 0 pro všechna j; maximalizace: zj – cj ≥ 0 pro všechna j. Klíčový sloupec: maximální hodnota |zj – cj| z těch, které porušují podmínku optimality

Слайд 13


Test přípustnosti I nové řešení musí splňovat podmínky SA Nezáporné složky vektoru b Známe klíčový sloupec (z testu optima) Určíme klíčový řádek podle podílů Pouze pro aij > 0 Minimum z těchto podílů určuje klíčový řádek
Описание слайда:
Test přípustnosti I nové řešení musí splňovat podmínky SA Nezáporné složky vektoru b Známe klíčový sloupec (z testu optima) Určíme klíčový řádek podle podílů Pouze pro aij > 0 Minimum z těchto podílů určuje klíčový řádek

Слайд 14


Nové řešení Jeden krok Jordanovy eliminační metody Přesun jednotkového vektoru pod proměnnou, která vstupuje do báze Průsečík klíčového řádku a klíčového sloupce = klíčový prvek Klíčový řádek vydělíme klíčovým prvkem Od ostatních řádků odečteme vhodný násobek NOVÉHO klíčového řádku
Описание слайда:
Nové řešení Jeden krok Jordanovy eliminační metody Přesun jednotkového vektoru pod proměnnou, která vstupuje do báze Průsečík klíčového řádku a klíčového sloupce = klíčový prvek Klíčový řádek vydělíme klíčovým prvkem Od ostatních řádků odečteme vhodný násobek NOVÉHO klíčového řádku

Слайд 15


Interpretace výsledku Rozdělení proměnných na bázické a nebázické Hodnoty všech proměnných Hodnota účelové funkce Relativní nevýhodnost nebázických proměnných – duální (stínové) ceny
Описание слайда:
Interpretace výsledku Rozdělení proměnných na bázické a nebázické Hodnoty všech proměnných Hodnota účelové funkce Relativní nevýhodnost nebázických proměnných – duální (stínové) ceny

Слайд 16


Shrnutí Pojem lineární optimalizační model Konstrukce simplexové tabulky Čtení v simplexové tabulce Optimalizace v simplexové tabulce Základní interpretace výsledků
Описание слайда:
Shrnutí Pojem lineární optimalizační model Konstrukce simplexové tabulky Čtení v simplexové tabulce Optimalizace v simplexové tabulce Základní interpretace výsledků

Слайд 17


Literatura Šubrt a kol.: Ekonomicko-matematické metody, vydavatel Aleš Čeněk, Plzeň, 2011 Houška, M., Beránková, M.: Lineární programování - cvičebnice, ČZU Praha, 2008 Získal, J., Beránková, M., Houška, M.: Lineární programování I., ČZU Praha, 2005
Описание слайда:
Literatura Šubrt a kol.: Ekonomicko-matematické metody, vydavatel Aleš Čeněk, Plzeň, 2011 Houška, M., Beránková, M.: Lineární programování - cvičebnice, ČZU Praha, 2008 Získal, J., Beránková, M., Houška, M.: Lineární programování I., ČZU Praha, 2005

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию