
- •Co je to modelování? Proveďte klasifikaci modelů podle alespoň jednoho hlediska. Ke každému typu modelů uveďte příklad.
- •Uveďte 4 možné výsledky řešení modelů lineárního programování a znázorněte je graficky V prostoru řešení
- •Optimální řešení neexistuje
- •Optimální řešení existuje
- •Uveďte a stručně komentujte základní vlastnosti modelů lineárního programování
- •Charakterizujte pojmy: „přípustné řešení“, „optimální řešení“, „alternativní řešení“, „suboptimální řešení“ V kontextu modelů lineárního programování.
- •Co je to bázické a nebázické řešení modelu lineárního programování? Jak se bázické řešení reprezentuje graficky?
- •Uveďte dvě základní podmínky pro aplikovatelnost simplexového algoritmu. Jaký je jejich význam, proč je jejich splnění nutné?
- •Popište postup převodu modelu z nerovnicového do rovnicového tvaru. Proč tento krok při řešení modelu lineárního programování provádíme?
- •Popište postup převodu modelu z rovnicového do kanonického tvaru. Proč tento krok při řešení modelu lineárního programování provádíme?
- •Uveďte a stručně popište typy proměnných V modelech lineárního programování. Ke každému typu proměnných uveďte příklad interpretace
- •X … strukturní proměnné
- •Uveďte a stručně popište typy omezujících podmínek V modelech lineárního programování. Ke každému typu uveďte příklad použití
- •Prezentujte obecnou simplexovou tabulku. Jaké informace simplexová tabulka poskytuje?
- •Popište účel, princip a postup provedení testu optimality V simplexové tabulce
- •Popište účel, princip a postup provedení testu přípustnosti V simplexové tabulce
- •Interpretace výsledku, dualita Uveďte způsob, jak V simplexové tabulce identifikujete bazické a nebazické proměnné. Rovněž uveďte, jak určíte hodnoty všech proměnnách V daném bazickém řešení.
- •Co jsou duální ceny proměnných? Jak je určíme a interpretujeme?
- •Co jsou to matice báze a inverzní matice V modelech lineárního programování? Jak tyto matice určíme a jaký je jejich význam?
- •Co je to dualita modelů lineárního programování? Uveďte alespoň jeden příklad, kdy nám teorie duality výrazně zjednoduší řešení úlohy
- •Popište vztahy mezi prvky duálně sdružených úloh
- •Co říká základní věta o dualitě? Její význam?
- •Jednostupňová dopravní úloha Uveďte podstatu a komponenty jednostupňové dopravní úlohy
- •Co je to degenerace V modelu jednostupňové dopravní úlohy? Jak vzniká, jak se určuje a odstraňuje.
- •Uveďte podstatu a komponenty přiřazovací úlohy.
- •C harakterizujte graf typu síť, dokumentujte rovněž graficky.
- •Uveďte podstatu a vlastnosti metody cpm. Jaké informace nám umožňuje zjistit?
- •Popište způsob provedení časové analýzy V metodě cpm.
- •Pořadové číslo
- •Činnost a
- •Nejdříve přípustná doba realizace
- •Volná časová rezerva
- •Zvláštní časová rezerva
- •Nezávislá rezerva
Uveďte dvě základní podmínky pro aplikovatelnost simplexového algoritmu. Jaký je jejich význam, proč je jejich splnění nutné?
Nezápornost složek vektoru pravých stran (b)
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
Popište postup převodu modelu z nerovnicového do rovnicového tvaru. Proč tento krok při řešení modelu lineárního programování provádíme?
Při řešení úlohy LP vždy nejprve získáme výchozí základní přípustné řešení. K tomu je potřeba mít omezující podmínky úlohy ve tvaru soustavy lineárních rovnic v kanonickém tvaru. Jelikož omezující podmínky v úloze LP bývají zpravidla ve tvaru nerovnic, je prvním krokem převod této soustavy lineárních nerovnic (SLN) na soustavu lineárních rovnic (SLR)
Matice soustavy musí obsahovat jednotkovou submatici, kterou tvoří koeficienty základních proměnných (kanonický tvar)
Nerovnice vyrovnáme na rovnice
K tomu potřebujeme: doplňkové proměnné
≥
-d+p
≤
+d
=
p
nahrazují ≥,≤,a =
v účelové funkci ohodnocujeme 0 sazbou
požadujeme jejich nezápornost
Přidáváme do omezujících podmínek
kapacitních s kladným znaménkem (rezerva);
požadavkových se záporným znaménkem (překročení požadavku)
PŘ:
X1+x2+x3≤100
X1≤20
5x1+4x2+x3≤300
Z (max)= 8x1+6x2+x3
Převod:
X1+x2+x3+d1=100
X1+d2=20
5x1+4x2+x3+d3=300
Z(max)= 8x1+6x2+x3+0d1+0d2+0d3
Popište postup převodu modelu z rovnicového do kanonického tvaru. Proč tento krok při řešení modelu lineárního programování provádíme?
Nerovnice vyrovnáme na rovnice (doplňkové proměnné)
Zajistíme úplnou jednotkovou submatici
Pomocí pomocných proměnných
značíme p, indexujeme číslem omezující podmínky
přebírají jednotky omezující podmínky
v účelové funkci ohodnocujeme nevýhodnou (prohibitivní) sazbou
požadujeme jejich nezápornost
Matice soustavy musí obsahovat jednotkovou submatici, kterou tvoří koeficienty základních proměnných (kanonický tvar)
Př: Kanonický tvar (vycházela jsem z předchozího příkladu) => žlutě je zobrazena jednotková matice
(Z předchozího příkladu jsme nepotřebovali doplňovat žádnou doplňkovou proměnnou, protože jsme už jednotkovou matici měli. Kdyby tam bylo –d => museli by jsme doplnit +p aby nám vznikla jednotková matice)
1 |
1 |
1 |
1 |
0 |
0 |
1 |
0 |
0 |
0 |
1 |
0 |
5 |
4 |
1 |
0 |
0 |
1 |
Uveďte a stručně popište typy proměnných V modelech lineárního programování. Ke každému typu proměnných uveďte příklad interpretace