51383

Решение задач линейного программирования при помощи Excel

Лабораторная работа

Информатика, кибернетика и программирование

Потребности заказчиков количество единиц груза на каждой станции и тарифы приведены в таблице. Пункты отправления Пункты назначения Запасы На три станции 1 2 3 прибыл некоторый однородный груз который необходимо перевести трем заказчикам B1 B2 B3. Потребности заказчиков количество единиц груза на каждой станции и...

Русский

2014-02-10

119.25 KB

3 чел.

Практическая работа 2

Решение задач линейного программирования при помощи Excel

  1.  Найти минимум целевой функции z=(x,y)=3x+y при ограничениях

  1.  Найти минимум и максимум целевой функции z=f(x,y)= x+2y

а) Максимальное значение.

б) Минимальное значение.

  1.  На три станции А1, А2,  А3 прибыл некоторый однородный груз, который необходимо перевести четырем заказчикам В1, В2, В3, В4. Потребности заказчиков, количество единиц груза на каждой станции и тарифы приведены в таблице.

Пункты отправления

Пункты назначения

Запасы

В1

В2

В3

В4

А1

10

4

5

6

300

А2

1

8

11

3

320

А3

8

15

7

9

380

Потребности

250

200

290

260

10

4

5

6

1

8

11

3

8

15

7

9

0

200

0

100

0

300

300

250

0

0

70

0

320

320

0

0

290

90

0

380

380

0

0

0

0

0

250

200

290

260

4700

250

200

290

260

  1.  На три станции A1, A2, A3 прибыл некоторый однородный груз, который необходимо перевести трем заказчикам B1, B2, B3. Потребности заказчиков, количество единиц груза на каждой станции и тарифы приведены в таблице.

Пункты отправления

Пункты назначения

Запасы

В1

В2

В3

А1

3

1

3

25

А2

2

5

7

25

А3

4

6

2

15

Потребности

10

21

34

3

1

3

2

5

7

4

6

2

0

21

4

25

25

10

0

15

25

25

0

0

15

15

15

0

0

0

10

21

34

188

10

21

34


 

А также другие работы, которые могут Вас заинтересовать

36211. Классы численных методов построения множеств неулучшаемых решений. Основные теоремы для поточечных методов и алгоритма последовательного выбора 31.5 KB
  Процедуры первой группы осуществляют поочередный поиск отдельных неулучшаемых точек как решений вспомогательных скалярных задач. В них на каждой итерации получается целое множество “неплохих†точек которое на последующих шагах постепенно улучшается. Генератор на каждой итерации порождает набор точек zk а ФВ осуществляет отбор в некотором смысле лучших из них: Генератор множеств точек zk Функция выбора С Для организации выбора необходимо произвести парные сравнения исходных вариантов и отбросить те из...
36212. Эффективные и слабо-эффективные решения. Поточечные методы поиска слабо-эффективных решений и оценок. Линейная свёртка, теорема Карлина. Логическая свёртка, теорема Гермейера. Геометрический смысл теорем Карлина и Гермейера 79.5 KB
  Поточечные методы поиска слабоэффективных решений и оценок. Решения или оценки называются эффективными слабоэффективными если они неулучшаемы по отношению Парето Слейтера. Поиск слабоэффективных решений или оценок поточечными методами базируется на основной теореме 2.
36213. Метод наименьших квадратов (МНК). Теорема Гаусса-Маркова. Анализ уравнения регрессии посредством коэффициента детерминации и остаточной дисперсии. МНК-прогноз 112.5 KB
  МНКпрогноз. Согласно методу наименьших квадратов МНК эти оценки находят из условия минимума функции Qb = где уi – наблюдаемое значение выходного параметра в iм эксперименте.1 МНКоценок и представляет прежде всего теоретический интерес.
36214. Понятие плана эксперимента. Оптимизационные свойства планов экспериментов. Полный факторный план и его свойства 46 KB
  Оптимизационные свойства планов экспериментов. Полный факторный план и его свойства. Одной из главных задач планирования экспериментов является выбор множества экспериментальных точек в некотором смысле оптимальных.
36215. Классификация математических моделей. Критерии качества моделей. Примеры моделей 66.5 KB
  Примеры моделей Суть моделирования состоит в замене исходного объекта упрощенной копией – математической моделью ММ и дальнейшем изучении модели с помощью вычислительнологических алгоритмов реализуемых на компьютерах. При исследовании любой системы методами математического моделирования возможно наличие нескольких альтернативных вариантов модели. Поэтому процесс построения наилучшего как правило компромиссного варианта модели достаточно сложен. Системный подход предполагает наличие следующих этапов создания модели.
36216. Простейший поток и его свойства. Модель простейшего потока 61 KB
  Модель простейшего потока. Свойства ординарного потока. Тогда для любого случайного потока имеем равенство как сумма вероятностей полной группы событий. Для ординарного же потока имеем.
36217. Уравнения Колмогорова. Моделирование многоканальной СМО с ограничением на длину очереди 75.5 KB
  Моделирование многоканальной СМО с ограничением на длину очереди Марковские процессы уравнения Колмогорова Случайный процесс t называется Марковским если его будущее не зависит от прошлого а определяется настоящим т. Примерами Марковских процессов являются при определенных предположениях процессы функционирования СМО.1 СМО может иметь установившийся стационарный режим. Для построения модели стационарного режима СМО положим все производные в системе 11 равными нулю.
36218. Имитация Марковских процессов с непрерывным временем и дискретными состояниями. Планирование машинных экспериментов при имитационном моделировании 91.5 KB
  Например пусть 1 – время через которое должен произойти переход в состояние Sj1 а 2 – время через которое должен произойти переход в состояние Sj2. Обозначим Т – время в течении которого будем наблюдать имитируемый процесс время прогона. Для тех дуг что i = k0 сформировать с помощью датчика случайных чисел k0 j – время ожидания перехода Sk0 Sj. Определить – время пребывания в состоянии Sk0 через какое время будет реальный переход в новое состояние.
36219. Классификация моделей оптимального синтеза. Методы релаксации в непрерывной оптимизации, условия сходимости. Алгоритмы градиентного метода и методов сопряжённых градиентов 119 KB
  Задача линейного программирования ЛП – функции критериев qkx и ограничений fix линейны; если хотя бы одна из этих функций нелинейна то имеем задачу нелинейного программирования НЛП. Задача выпуклого программирования – функции критериев qkx и ограничений fix выпуклые. Задача линейного целочисленного программирования – функции критериев qkx и ограничений fix линейны контролируемые входные переменные хj – целые числа. Оценка приращения функции Лемма 6.