ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Αλγόριθμοι σχεδίασης βασικών 2D σχημάτων (ευθεία)
Advertisements

Πληροφορικη Γ’ Γυμνασιου
ΚΑΘΟΡΙΣΜΟΣ ΚΑΙ ΚΑΤΑΝΟΗΣΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ
ΥΠΟΔΕΙΓΜΑΤΑ Ένα υπόδειγμα ή μοντέλο είναι μια κάποιας μορφής αναπαράσταση πραγματικών αντικειμένων, καταστάσεων ή διαδικασιών. Γενικότερα είναι μια απλοποίηση.
ΑΞΙΟΛΟΓΗΣΗ ΕΠΕΝΔΥΣΕΩΝ (2ηδιάλεξη)
Επιμέλεια: Τίκβα Χριστίνα
Πιθανοκρατικοί Αλγόριθμοι
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Τα στοιχειώδη περί γεωδαιτικών υπολογισμών
Γεωργαλλίδης Δημήτρης Καθηγητής Πληροφορικής
Ημερομηνία: 13/12/2006 Τμήμα: Πληροφορικής του Ιονίου Πανεπιστημίου
Προγραμματισμός Ι Πίνακες •Ο πίνακας είναι μία συλλογή μεταβλητών ίδιου τύπου, οι οποίες είναι αποθηκευμένες σε διαδοχικές θέσεις μνήμης. Χρησιμοποιείται.
Θεωρία Γράφων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές
Μαθηματικοί Υπολογισμοί Χειμερινό Εξάμηνο η Διάλεξη Επίλυση Εξισώσεων Νοέμβρη 2002.
Καλή και δημιουργική χρονιά.
Page  1 Ο.Παλιάτσου Γαλλική Επανάσταση 1 ο Γυμνάσιο Φιλιππιάδας.
Εβδομάδα 3 Παρουσίαση Δεδομένων
Ενότητα Η Δομή Επανάληψης
Γραφήματα & Επίπεδα Γραφήματα
A΄ ΤΑΞΗ ΑΝΑΛΥΤΙΚΗ ΠΑΡΟΥΣΙΑΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΑΝΑ ΕΝΟΤΗΤΑ.
Σχέση Απόδοσης- Κινδύνου στα Πλαίσια της Θεωρίας Χαρτοφυλακίου
Προσεγγιστικοί Αλγόριθμοι
Εργαστήριο Δασικής Διαχειριστικής & Τηλεπισκόπησης Ασκήσεις Δασικής Διαχειριστικής Ι Διδάσκων Δημήτριος Καραμανώλης, Επίκουρος Καθηγητής Άσκηση 3.
Ασκηση 4η Θεωρούμε ομήλικο δάσος ελάτης έκτασης 500 Ηα με δύο κλάσεις ηλικίας η μια με δένδρα ετών που καλύπτουν έκταση 200 Ηα και η άλλη με δένδρα.
Αριθμητικές Μέθοδοι Βελτιστοποίησης Θεωρία & Λογισμικό Τμήμα Πληροφορικής - Πανεπιστήμιο Ιωαννίνων Ι. Η. Λαγαρής.
ΕΙΣΑΓΩΓΗ: ΒΑΣΙΚΕΣ ΜΑΘΗΜΑΤΙΚΕΣ ΓΝΩΣΕΙΣ
Γραφικές παραστάσεις. t(min)h(cm) 05,2 17,1 28,7 310,6 413,0 514,7 Κατ’ αρχάς γράφουμε τα πειραματικά δεδομένα σε πίνακα. Η πρώτη γραμμή περιέχει τα μεγέθη.
Διαδικασία τοποθέτησης υποστιβάδων κατά σειρά αυξανόμενης ενέργειας
Αριθμητική Ανάλυση Μεταπτυχιακού 6η Ε Β Δ Ο Μ Α Δ Α Ακαδημαϊκό Έτος Τετάρτη 26, Νοεμβρίου 2008 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΤΟΜΕΑΣ ΥΠΟΛΟΓΙΣΤΙΚΩΝ.
Ηλεκτρονική Ενότητα 5: DC λειτουργία – Πόλωση του διπολικού τρανζίστορ
ΑΝΑΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΚΕΦΑΛΑΙΟ 1ο ΚΕΦ. 1-ΑΝΑΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΑΕΠΠ.
Ε λληνικό Ι νστιτούτο Μ ετρολογίας Σύγκριση μεταξύ αναλυτικών και αριθμητικών μεθόδων υπολογισμού της αβεβαιότητας μέτρησης Χρήστος Μπαντής, Ph. D. Νοέμβριος,
ΑΕΠΠ 1ο Κεφάλαιο Γεωργαλλίδης Δημήτρης Καθηγητής Πληροφορικής 1 Ο Λύκειο Ρόδου.
Σχεδιαση Αλγοριθμων - Τμημα Πληροφορικης ΑΠΘ - Κεφαλαιο 9ο1 Άπληστοι αλγόριθμοι βελτιστοποίησης Προβλήματα βελτιστοποίησης λύνονται με μια σειρά επιλογών.
Dr. Holbert Νικ. Α. Τσολίγκας Χρήστος Μανασής
ΓΕΝΙΚΕΣ ΟΔΗΓΙΕΣ ΔΙΔΑΣΚΑΛΙΑΣ & ΕΝΔΕΙΚΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΛΗΣ
ANAKOINWSH H 2η Ενδιάμεση Εξέταση μεταφέρεται στις αντί για , την 24 Νοεμβρίου στις αίθουσες ΧΩΔ και 110 λόγω μη-διαθεσιμότητας.
Ενεργή επιλογή αλγορίθμου, Active Algorithm Selection, Feilong Chen and Rong Jin Εύα Σιταρίδη.
Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης
Διάλεξη 9η: Εφαρμογή της μεθόδου Simplex στο γραμμικό προγραμματισμό κατά τη μεγιστοποίηση Μέθοδος Simplex 1.Όταν υπάρχουν μέχρι πέντε κλάδοι παραγωγής.
ΜΑΘΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗ ΜΕΤΑΓΓΙΣΗ ΑΙΜΑΤΟΣ - ΑΙΜΟΔΟΣΙΑ
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών – Τμήμα Πληροφορικής και Τηλεπικοινωνιών 1 Κεφάλαιο 3 Η Σημασιολογία των Γλωσσών Προγραμματισμού Προπτυχιακό.
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Τμ.
Δομές Δεδομένων - Ισοζυγισμένα Δυαδικά Δένδρα (balanced binary trees)
Θεωρία Γράφων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές Κεφάλαιο 2: Μονοπάτια και Κύκλοι (Hamilton) Data Engineering Lab.
ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ 2: ΘΕΜΑΤΑ ΘΕΩΡΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Η/Υ
Φυσική Στοιχειωδών Σωματιδίων ΙΙ (8ου εξαμήνου) Μάθημα 4: Οπτικό θεώρημα και συντονισμοί Λέκτορας Κώστας Κορδάς Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης.
Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Μετατροπή Σχήματος Ο/Σ σε Σχεσιακό.
Αναζήτηση Κατά Βάθος Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Τι είναι η Επιχειρησιακή Έρευνα
Αλγόριθμοι - Τμήμα Πληροφορικής ΑΠΘ - 4ο εξάμηνο1 Ανάλυση Αλγορίθμων b Θέματα: Ορθότητα Χρονική αποδοτικότητα Χωρική αποδοτικότητα Βελτιστότητα b Προσεγγίσεις:
Εργαστήριο Δασικής Διαχειριστικής & Τηλεπισκόπησης Δασική Διαχειριστική Ι Διδάσκων Δημήτριος Καραμανώλης, Επίκουρος Καθηγητής Μάθημα 3 ο.
Διάλεξη 8η: Διαγραμματική επίλυση προβλημάτων ελαχίστου κατά την εφαρμογή του γραμμικού προγραμματισμού στη γεωργική παραγωγή 1.Στην περίπτωση των κλάδων.
Δομή στρώματος με κεκλιμένη την κάτω επιφάνεια Δ Α D θ α β d A’ Δ’ z Εξίσωση καμπύλης χρόνων διαδρομής 1 Κλίση Α D.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 7 η Διάλεξη Η ΜΕΘΟΔΟΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΡΙΖΩΝ  Ορισμός του γεωμετρικού τόπου ριζών Αποτελεί μια συγκεκριμένη καμπύλη,
Διαχείριση Έργων Πληροφορικής Χρονοπρογραμματισμός δραστηριοτήτων σε τοξωτά δίκτυα, κρίσιμη διαδρομή και χρήση περιθωρίων.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 8 η Διάλεξη ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι ΠΑΡΑΔΕΙΓΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΧΡΗΣΗΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΤΩΝ ΡΙΖΩΝ Το σύστημα ελέγχου.
Κεφάλαιο 8 Μέθοδοι ανάλυσης κυκλωμάτων
Εισαγωγή στο Γραμμικό Προγραμματισμό
Μέθοδος ελαχίστων τετραγώνων – Μεθοδολογία παλινδρόμησης
Εισαγωγή στο Γραμμικό Προγραμματισμό
Το Πρόβλημα Μεταφοράς της εταιρείας «Τσιμέντα ΑΕ» 1/2
Ασκήσεις: Οικονομικά των φυσικών Πόρων και του Περιβάλλοντος
Εισαγωγή στο Γραμμικό Προγραμματισμό
ΤΟ ΠΡΟΤΥΠΟ ΤΟΥ ΚΑΝΟΝΙΚΟΥ ΟΜΗΛΙΚΟΥ ΔΑΣΟΥΣ
Φοιτητής: Γκούλης Ευάγγελος ΑΕΜ: 3342
Προβλήματα Μεταφορών (Transportation)
ΔΙΟΙΚΗΣΗ & ΔΙΑΧΕΙΡΙΣΗ ΕΡΓΩΝ
Προβλήματα Εκχώρησης (Assignment Problems)
Μεταγράφημα παρουσίασης:

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ Βασίλης Κώστογλου- Τμήμα Πληροφορικής ΑΤΕΙ Θεσσαλονίκης

Βασικά μεγέθη προβλημάτων μεταφοράς Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Μαθηματικό μοντέλο προβλήματος μεταφοράς min C = c11x11 + c12x12 + ... + c1nx1n + c21x22 + c22x22 + ... + c2nx2n + ................................................ cm1xm1 + cm2xm2+ ... +cmnxmn με τους περιορισμούς δυναμικότητας: x11 + x12 + ... + x1n = a1 x21 + x22 + ... + x1n = a2 ........................................... xm1 + xm2 + ... +xmn = am τους περιορισμούς αναγκών: x11 + x12 + ... + x1n = b1 x21 + x22 + ... + x1n = b2 …...................................... xm1 + xm2 + ... +xmn = bm και τους περιορισμούς μη αρνητικότητας xij  0, i,j

Το πρότυπο μοντέλο του προβλήματος μεταφοράς min C = με τους περιορισμούς = bj και xij  0, όπου i = 1, 2, ..., m και j = 1, 2, ..., n = ai Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Το παραπάνω πρόβλημα έχει δυνατές λύσεις μόνον εάν το σύνολο των δυναμικοτήτων των πηγών είναι ίσο προς το σύνολο των αναγκών των προορισμών, όταν δηλαδή: = = xij Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Τυποποιημένη μορφή πίνακα μεταφοράς Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Πίνακας κόστους μεταφοράς χαλικιού Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

(μέθοδος της βορειοδυτικής γωνίας) Αρχική βασική δυνατή λύση (μέθοδος της βορειοδυτικής γωνίας) Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Αρχική βασική δυνατή λύση (μέθοδος του ελάχιστου κόστους) Αρχική βασική δυνατή λύση (μέθοδος του ελάχιστου κόστους) Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Επαναληπτικά βήματα μεθόδου Vogel

Αρχική βασική δυνατή λύση (μέθοδος Vogel) Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Εκφυλισμένη αρχική λύση Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Αρχική βασική δυνατή λύση που δεν είναι πλέον εκφυλισμένη Αρχική βασική δυνατή λύση που δεν είναι πλέον εκφυλισμένη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Μεθοδολογία επίλυσης προβλημάτων μεταφοράς Αρχικό βήμα Δημιουργία μίας αρχικής βασικής δυνατής λύσης: Χρήση μίας από τις μεθόδους προσδιορισμού αρχικής λύσης. Μεταφορά στον κανόνα τερματισμού Επαναληπτικό βήμα 1. Καθορισμός της μεταβλητής που θα εισέλθει στη βάση: Επιλογή της μη βασικής μεταβλητής xij με τη μεγαλύτερη αρνητική διαφορά cij - ui - vj 2. Καθορισμός της μεταβλητής που θα εξέλθει από τη βάση: Αναγνώριση του βρόχου που έχει ως κορυφές βασικές μόνο μεταβλητές. Κατανομή στην εισερχόμενη μεταβλητή της μεγαλύτερης δυνατής ποσότητας. Για τον προσδιορισμό της επιλέγεται μεταξύ των δρομολογίων-δοτών εκείνο που έχει τη μικρότερη τιμή. Η αντίστοιχη μεταβλητή εξέρχεται από τη βάση. 3. Προσδιορισμός της νέας βασικής δυνατής λύσης: Πρόσθεση της ποσότητας θ σε κάθε δρομολόγιο-λήπτη και αφαίρεσή της από κάθε δρομολόγιο-δότη, έτσι ώστε να μη παραβιάζονται οι περιορισμοί πηγών και προορισμών. Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Υπολογισμός των στοιχείων ui και vj. Κανόνας τερματισμού Υπολογισμός των στοιχείων ui και vj. [επιλέγεται η ευθεία με το μεγαλύτερο πλήθος κατανομών, δίνοντας στο αντίστοιχο ui (vj) την τιμή μηδέν και λύνοντας το σύστημα των εξισώσεων cij = uι + vj για κάθε βασικό δρομολόγιο (i,j)] Έλεγχος αριστότητας της λύσης: Αν για κάθε μη βασικό δρομολόγιο (i,j), ισχύει η σχέση ui + vj <= cij τότε η λύση είναι άριστη  Τέλος. Σε αντίθετη περίπτωση, μεταφορά στο επαναληπτικό βήμα. Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Επαναληπτικά βήματα εύρεσης της άριστης λύσης 1η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

2η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

3η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

4η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Εκφυλισμένη λύση Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

1η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

2η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

3η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

4η επανάληψη Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ

Άριστη λύση προβλήματος μεταφοράς Β. Κώστογλου – Τμήμα Πληροφορικής ΑΤΕΙ-Θ