Doğrusal olmayan programlama. Suat ATAN
|
|
- Ebru Zaimoğlu
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Doğrusal olmayan programlama Suat ATAN
2 İçindekiler 1 Giriş 2 2 Optimizasyon 2 3 Doğrusal olmayan programlama Tek değişkenli fonksiyonun optimumluk şartları Çok Değişkenli Fonksiyonlarda Gerek ve Yeter Şart Doğrusal olmayan programlama problemlerinin çözümü Tek değişkenli kısıtsız optimizasyon problemlerinde yaklaşık çözüm teknikleri Aralığı ikiye bölme yöntemi Altın oran yöntemi Yarı aralık (bisection) yöntemi Çok değişkenli fonksiyonlarda yaklaşık çözüm teknikleri Gradyant yöntemi Newton yöntemi Kısıtlı optimizasyon Lagrange çarpanları Doğrudan arama yöntemi Yerine koyma metodu Kuhn-Tucker koşulları
3 1 Giriş Lineer programlama bir dizi sınırlamalar dahilinde çıktıların lineer matematiksel yöntemler kullanılarak optimize edilmesi demektir.anonim (2013d) Doğrusal (lineer) programlamadaki doğrusal (lineer) sözcüğü, modeldeki tüm matematiksel fonksiyonların doğrusal (lineer) olması gerektiğini belirtir. Programlama kelimesi ise bilgisayar programlamaya işaret etmez; daha çok planlama ile eş anlamlıdır. Dolayısıyla doğrusal (lineer) programlama, birçok uygun alternatif arasından belirlenmiş bir hedefe uyan optimal çözümü bulacak aktivitelerin planlanmasını ifade eder. (Anonim, 2013c) Matematikte matematiksel programlama ya da optimizasyon terimi; bir gerçel fonksiyonu minimize ya da maksimize etmek amacı ile gerçek ya da tamsayı değerlerini tanımlı bir aralıkta seçip fonksiyona yerleştirerek sistematik olarak bir problemi incelemek ya da çözmek işlemlerini ifade eder.pek çok gerçek ve teorik problemler bu genel çerçevede modellenebilir.bu teknik kullanılarak formüle edilen problemlere fizik bilminin ilgi alanından bir örnek verilecek olursa, bilgisayar monitörlerinin enerji minimizasyonundan söz edilebilir.(anonim, 2013b). Doğrusal programlama ve doğrusal olmayan programlama bu optimizasyonun bir alanıdır. Genel olarak doğrusal olmayan programlama, çözüm fonksiyonunun doğrusal(lineer) olmamasını ifade eder. Elbette gerçek hayatta doğrusal olmayan fonksiyona sahip çözümler de mevcuttur. Doğrusal olmayan programlamada kullanılacak matematiksel yöntem ve süreçler doğrusal programlamaya göre daha karmaşıktır. 2 Optimizasyon Matematik, bilgisayar bilimi, ya da yönetim bilimi, matematiksel optimizasyon (alternatif, optimizasyonu veya matematiksel programlama) mevcut alternatiflerin bazı dizi (bazı kriterler açısından) en iyi elemanın seçimidir. (Dantzig, 1965) Basit durumda, bir optimizasyon problemi sistematik bir izin kümesi içerisinden giriş değerlerini seçme ve fonksiyonunun değerini hesaplayarak gerçek işlevini maksimize veya minimize oluşur. Diğer formülasyonlar için optimizasyon teorisi ve teknikleri genelleme uygulamalı matematik geniş bir alanı kapsar. Daha genel olarak, optimizasyon amaç fonksiyonları ve etki farklı farklı çeşitli dahil olmak üzere tanımlanmış bir etki alanı (veya kısıtlamaları kümesi) verilen bazı objektif fonksiyonu mevcut en iyi değerler bulma içerir. Optimizasyon süreçleri, matematik gerektiren çalışmalardır. Modern optimizasyon yöntemle- 2
4 rinin başlangıcı değişimler hesabına (calculus of variations) kadar dayanır. Değişimler hesabı ile ilgili genel çerçeveyi 18. yüzyılda ortaya koyan Lagrange ın Lagrange çarpanlar yöntemi (Lagrangian multipler rule) olarak bilinen meşhur metodu da günümüzde optimizasyon teorisinin ana konularından birini oluşturmaktadır (Dutta). İlk ve en basit optimizasyon yöntemlerinden olan En Dik İniş, (EDİ) (steepest descent) metoduna ait uygulamanın Cauchy tarafından ilk kez gösterildiği 19.yüzyıl ortalarından yirminci yüzyılın ortalarına kadar bu sahada çok az ilerleme kaydedilmiştir. Bu dönemden itibaren bilgisayar teknolojisindeki gelişmelere paralel olarak çok hızlı işlemcilerin kullanılmaya başlanmasıyla optimizasyon konusundaki çalışmaların ve yeni uygulamaların miktarı da hızla artmıştır (Rao, 2009) Sayısal optimizasyon yöntemlerini üç grupta toplamak mümkündür. Bunlar; belirleyici (deterministic), olasılıksal (stochastic) ve melez (hybrid) metotlardır. Belirleyici metotlar genel olarak Fermat teoreminden hareketle oluşturulan EDİ ve Newton metotları gibi gradyan işlemlerine dayalı yöntemlerdir. Bununla birlikte uygulama yapılacak problemin özelliklerine bağlı olarak kullanılabilecek simpleks metotları, doğrusal programlama gibi değişik yöntemler de geçtiğimiz yüzyıl içerisinde ortaya çıkmıştır. Olasılıksal metotlar ise, Genetik Algoritmalar, Karınca Kolonisi ve Tavlama Benzetimi gibi türev bilgisi gerektirmeyen, genellikle doğadan esinlenen yöntemlerdir. Melez optimizasyon teknikleri ise belirleyici ve olasılıksal yöntemlerin bir arada kullanıldığı metotlardır. Her yöntemin farklı üstünlükleri ve eksiklikleri olabilmekle birlikte, genel olarak belirleyici yöntemler genel optimumu daha hassas bir şekilde bulabildiği, olasılıksal yöntemler ise uygulama kolaylıkları nedeniyle tercih edilirler. Melez yöntemler ise bir araya getirdiği farklı metotların üstünlüklerinden istifade etmeyi amaçlar. Dinamik sistemlerin kararlı denge noktalarının bulunması yaklaşımı ile doğrusal olmayan optimizasyon (doğrusal olmayan programlama) problemlerinin çözümü konusundaki teknikler de belirleyici yöntemlerden sayılmaktadır. Bu alandaki ilk çalışmalardan olan, doğrusal olmayan otonom sistemlerin kritik noktaları ile yerel optimumları ilişkilendiren Yamashita (Yamashita, 1980) dan sonra konu ile ilgili araştırmalar giderek artmış ve son on yılda yoğunlaşarak özellikle gradyan sistem yaklaşımları ile dinamik sistemin takip edeceği yörüngeler yoluyla dinamik sistemin denge noktalarına (yerel optimumlara) ulaşılması üzerinde durulmuştur. Söz konusu çalışmalarda, optimizasyonu yapılacak doğrusal olmayan fonksiyonun gradyanı kullanılarak birinci mertebeden adi diferansiyel denklem yardımıyla bir dinamik sistem tanımlanmakta ve bu dinamik sistemin denge noktaları, doğrusal olmayan fonksiyonun yerel optimumları olarak bulunmaktadır. Diğer taraftan ikinci mertebeden adi diferansiyel denklem üzerine kurulmuş dinamik sistem yaklaşımı üzerine de araştırmalar yapılmıştır. Hacıoğlu (2011) 3
5 3 Doğrusal olmayan programlama Doğrusal olmayan Programlama konusundaki ilk önemli ı95ı yılında Karush-Kuhn ve Tucker tarafından optimal çözüm için gerek ve yeter şartlar teorisi adı altmda sunulmuştur. Genel bir optimizasyon problemi x 1, x 2, x 3,..., x n n adet karar değişkenini amaç fonksiyonunu optimize(minimize veya maksimize) etmek suretiyle uygun alan içerisinden seçmektir. f(x 1, x2,..., x n ) Bu problem Eğer amaç fonksiyonu doğrusal değilse veya çözüm kümesinin yer aldığı uygun alan doğrusal olmayan sınırlarla belirlenmiş ise doğrusal olmayan programlama problemi olarak adlandırılır. Bu durumda doğrusal olmayan programlama problemi şöyle gösterilir: Aşağıdaki sınırlama fonksiyonları koşulu ile g 1 (x 1, x2,..., x n ) b g m (x 1, x2,..., x n ) b m Max.f(x 1, x2,..., x n ) Doğrusal olmayan programlama problemleri mühendislik, matematik, işletme, fiziğe dayalı bilimler ve matematilk ile kararın (geniş anlamda) girdiği tüm alanlarda yaygın bir biçimde kullanılmaktadır. (Avriel, 2012). (Cornuejols and Tutuncu, 2007) Gerek ve Yeter Şart Kavramı: Optimizasyon tekniklerinin uygulamalarında ve aynı zamanda elde edilen sonucun gerçek optimum değer olup olmadığını belirlemede gerek ve yeter şartlar dikkate alındığından bu şartları kavramak önemlidir. Gerek şart: Optimum noktada şartları sağlaması gereken durumlar olarak adlandırılır. Diğer bir tanımla eğer herhangi bir nokta gerek şartları sağlamıyorsa optimum nokta olamaz. Bununla birlikte gerek şartları sağlayan nokta optimum olmayabilir veya tek bir nokta olmayabilir. Gerek şartları sağlayan noktalar aday nokta (candidate points) olarak adlandırılır. Dolayısıyla optimum 4
6 nokta ile optimum olmayan noktaları ayırmak için başka şartlara ihtiyaç duyulur ve bu şartlar yeter şart olarak adlandırılır. Yeter şart: Eğer aday optimum noktalar yeter şartları sağlıyorsa bu nokta optimum noktadır ve daha ileri testler yapmaya gerek yoktur. Ancak bu şartların sağlanamadığı veya kullanılmadığı durumlarda aday noktalarından herhangi birisinin optimum olmadığı söylenemeyebilir. Özetle: (Anonim, 2013a) 1. Optimum noktalar gerek şartları sağlamalıdır. Bu şartları sağlamayan noktalar optimum nokta olamaz. 2. Gerek şartları sağlayan bir noktanın optimum olması gerekmez; yani optimum olmayan noktalarda gerek şartları sağlayabilir. 3. Yeter şartı sağlayan bir aday nokta gerçekten optimumdur. 4. Eğer yeter şartlar kullanılamıyor veya hesaplanamıyorsa aday noktaların optimum olduğuna dair herhangi bir sonuç çıkartamayız. Bütün bu şartlara optimality conditions (optimumluk şartları) denir ve aşağıda belirtilen iki durum için kullanılır: 1. Bir tasarım noktası verildiğinde, optimumluk şartları kullanılarak bu noktanın aday nokta olup olmadığı tespit edilir. 2. Aday noktayı tespit etmek için bu şartlar kullanılır. Tek değişkenli optimizasyon Tek değişkenli fonksiyonlarda dikkat edilecek husus elde edilen minimum değerin lokal minimum mu yoksa global minimum mu olduğunun tespit edilmesidir. Lokal minimum Bir değişkenli bir f(x)fonksiyonun h ın küçük pozitif ve negatif değerinde aşağıdaki ifadeyi veriyorsa bu fonksiyonun x = x da relatif veya lokal minimumdur. f(x ) f(x + h) Benzer olarak x noktasında eğer aşağıdaki ifade sağlanıyorsa bu değerde f(x) fonksiyonu maksimumdur. f(x ) f(x + h) Global minimum veya maksimum değer için optimumluk şartlarının sağlanması gerekmektedir ki bir değişkenli bir fonksiyon için aşağıda verilmiştir. Grafiksel gösterim şekil 1 ile gösterimektedir. 5
7 Şekil 1: Lokal ve global maksimum ve minimum 3.1 Tek değişkenli fonksiyonun optimumluk şartları Optimumluk şartları, bir f(x)nun aday noktalarını belirlemede kullanılır. Optimumluk şartlarını elde etmek için öncelikle aşağıda verilen kabul yapılır: x minimumnoktadır ve bunun civarındaki bir noktada fonksiyonun değeri ve türevidi kkate alınacaktır. noktası fonksiyonun lokal minimum noktası olsun. x ise x noktasına yakın herhangi bir nokta olarak dikkate alalım. Dolayısıyla artım miktarı d aşağıdaki gibi tanımlanır: d = x x ve bu noktalara karşılık f(x) fonksiyonun farkı aşağıdaki gibi verilir: (x) = f(x) f(x ) m noktası f(x) fonksiyonun lokal minimum olduğu nokta olduğundan küçük bir ilerlemede ( x değerine varıldığında) f(x) in değeri değişmez veya mutlaka artar. Dolayısıyla f(x) negatif olmayan bir değer alır. Dolayısıyla, f(x) = f(x) f(x ) 0. olmalıdır. Buradan f(x) fonksiyonu Taylor serisi ile açılıdktan sonra sonuç olarak d nin her değerinde şartı sağlayan değeri: f (x ) = 0 6
8 Şekil 2: Hessian Matrisi olacaktır. (Meyer, 1979) Bu şarta birinci-derece optimumluk şartı (first order optimality condition) veya birinci- derece gerek şart (first-order necessary condition) olarak adlandırılır zira fonksiyonun sadece birinci türevini içerir. Bu şartları sağlayan noktalar lokal minimum veya maksimum veya hiçbir olmayabilir (büküm noktası olabilir). Bu noktalar stationary noktaları olarak adlandırılır.aday noktaları belirledikten sonra bu noktalardan hangisinin fonksiyonu minimum veya maksimum yaptığını belirlemek için yeter şartlar dikkate alınır. Buna göre f (x ) 0 ise yeter şart olarak adlandırılır. 3.2 Çok Değişkenli Fonksiyonlarda Gerek ve Yeter Şart Eğer fonksiyon çok değişkenli ise bu durumda her bir eleman için ayrı ayrı kısmi türev alınan Hessian Matrisi tanımlamak gerekir. Çözüm buna göre yapılır. Şekil 2 ile Hessian matrisi gösterilmektedir. (Bartholomew-Biggs, 2005) Uygulamada Hessian Matrisi ile çözümün hesaplanması zaman alıcı olmaktadır bu bakımdan bilgisayarlı çözüm de yapılabilir. 7
9 4 Doğrusal olmayan programlama problemlerinin çözümü Doğrusal olmayan programlama problemlerinin hepsini çözen genel bir yöntem bulunmamakla birlikte, değişik tipteki doğrusal olmayan programlama problemlerinin çözümü için farklı yöntemler bulunmaktadır. Optimizasyon problemlerinin analitik yöntemlerle çözülemediği durumlarda yaklaşık çözüm tekniklerine başvurulur. Lineer olmayan programlama problemlerinin çözümü için geliştirilen algoritmaların temeli, tek değişkenli fonksiyonların çözümündeki algoritmalara dayanır. Bu nedenle önce tek değişkenli fonksiyonlarda aralığı ikiye bölme, altın-oran ve yarı-aralık algoritmaları, daha sonra da çok değişkenli fonksiyonlar için gradyant algoritmasından söz edilecektir Bir çok lineer olmayan programlama algoritmasının temel prensibi şu şekildedir: uygun bir X k noktası ile başlanır ve uygun bir λ k adım büyüklüğü bulunarak yeni bir X k+1 noktası elde edilir. Bu işleme ardışık olarak devam edilerek optimal çözüme ulaşılmaya çalışılır. 4.1 Tek değişkenli kısıtsız optimizasyon problemlerinde yaklaşık çözüm teknikleri Bir f(x) fonksiyonu [a, b] kapalı aralığında tanımlı ve bu aralıkta f(x) minimum veya maksimum değerini alsın. Verilen aralıkta fonksiyonun yaklaşık çözümünü bulmak için aralığı ikiye bölme, altın oran ile yarı-aralık yöntemleri kullanılabilir. Bunlardan aralığı ikiye bölme ve altın oran türev kullanmayan, yarı-aralık türev kullanan algoritmalardır. Bu yöntemlerle ilgili kısa açıklamalara yer verilmiştir (Erdoğan ve Alptekin, 2006) Aralığı ikiye bölme yöntemi Bir f(x) fonksiyonu [a,b] kapalı aralığında tanımlı ve bu aralıkta f(x) minimum veya maksimum değerini alsın. [a,b] aralığının orta noktasından ɛ > 0 uzaklıkta iki λ = (a + b)/2 ɛ ve µ = (a + b)/2 + ɛ noktaları alınarak bu noktaların fonksiyon altındaki görüntüleri bakılarak yeni bir aralık bulunur. Bu işleme aralık belli bir l > 0sayısından küçük olana kadar devam edilirse aranan çözüme ulaşılır Altın oran yöntemi Bir f(x)fonksiyonu [a, b] kapalı aralığında tanımlı ve bu aralıkta f(x) minimum veya maksimum değerini alsın. r2 + r 1 = 0 denkleminin pozitif kökü olan ve yaklaşık değeri r 0, 618 olan sayıya altın oran denir. Her iterasyonda sabit bir oranla aralığın uzunluğu indirgenerek yeni 8
10 nokta çiftleri bulunur. Bu işleme aralık belli bir l > 0 sayısından küçük olana kadar devam edilirse aranan çözüme ulaşılır Yarı aralık (bisection) yöntemi Bir f(x) fonksiyonu [a,b] kapalı aralığında tanımlı ve bu aralıkta f(x) türevlenebilir bir fonksiyon olmak üzere minimum veya maksimum değerini alsın. Bu durumda aralığın orta noktasındaki türev değerine bakılarak yeni aralık tespit edilir. Bu işleme aralık l > 0 sayısından olana kadar devam edilirse aranan çözüme ulaşılır. 4.2 Çok değişkenli fonksiyonlarda yaklaşık çözüm teknikleri Bu başlık altında gradyant ve Newton yöntemlerine yer verilmiştir. Uygulamada yaklaşık çözüm yöntemleri için bilgisayar programlarından yararlanılmaktadır. Örneğin aralığı ikiye bölme ve altın oran algoritması için C++ ve Newton ile gradyant yöntemleri için de Maple matematiksel programlama dilinde yazılan programlar kullanılabilmektedir Gradyant yöntemi Bu yöntem en hızlı artan veya en hızlı azalan yön olarak isimlendirilir. Öncelikle bir başlangıç noktası alınır, daha sonra amaç fonksiyonunu en hızlı geliştiren yönde hareket edilir. Bu yön amaç fonksiyonunun gradyantı ile (eğer amaç fonksiyonu maksimum ise) aynı yönde veya amaç fonksiyonunun gradyantının (eğer amaç fonksiyonu minimum ise) ters yönde olacaktır. Daha sonra gradyant belli bir katı kadar adım atılarak başlangıç noktasına ilave edilir. Fonksiyonun gradyantının normu ɛ > 0 olana kadar iterasyona devam edilerek çözüm bulunur. Özetle gradyant algoritması; 1. Rastgele bir X 0 noktasıyla başla, 2. X 0 da fonksiyon gradyantını hesapla, 3. Gradyan doğrultusunda bir adım atarak yeni bir X 1 noktasına git, 4. (2) ve (3) adımlarını, fonksiyonun gradyantının sıfır olduğu X noktasına kadar tekrarla, şeklindedir. 9
11 4.2.2 Newton yöntemi Gradyan yönteminde amaç fonksiyonunun en hızlı iyileştiği yön olan gradyant yönünde adım atılarak yeni bir nokta bulunurken, Newton yönteminde ise ikinci mertebe koşulları kullanılması suretiyle Newton adımı atılarak yeni bir nokta bulunur. Newton adımı bir lineer denklem sisteminin çözülmesi ile bulunur. 4.3 Kısıtlı optimizasyon Kısıtlı doğrusal olmayan (nonlinear) optimizasyon problemleri, kısıtları eşitlik veya eşitsizlik şeklinde olan problemlerden oluşur. Yöntemler kısıtlılık ve kısıtsızlık hallerine göre geliştirilmiştir. Kısıtlı olanlar için analitik çözüm; kısıtlar eşitlik şeklinde ise lagrange çarpanları yöntemiyle yapılır. Kısıtlar eşitsizlik şeklinde ise Kuhn-Tucker (K-T) koşullarını sağlayacak şekilde çözümler araştırılır Lagrange çarpanları Z min,max = f(x 1, x 2,..., x n ) (1) g i (x) = b i (2) şeklinde verilen kısıtları eşitlik halinde ve değişkenleri serbest olan modelin çözümünde Langrange çarpanları yöntemi kullanılır. Kaya (2012) Yöntemin iki temel varsayımı vardır.(markland ve Sweigart, 1987, s.719 aktaran Kaya (2012)) Kısıtlayıcı fonksiyon sayısı (m), bilinmeyen değişken sayısı (n) sayısından az olmalıdır. Amaç fonksiyonu ve kısıtlar sürekli ve türevleri alınabilen fonksiyonlar olmalıdır. Modelin amaç fonksiyonu ve kısıtlarından oluşan Langrange fonksiyonu aşağıdaki biçimde gösterilir: L(x, λ) = f(x) + λ i [b i g i (x)] (3) λ i değerlerine Langrange çarpanları adı verilir. Langrange fonksiyonun kullanılmasıyla; m kısıtlı problem, m Langrange çarpanlı kısıtsız bir problem haline gelir. Langrange fonksiyonunun optimumu veren sonuç, kısıtları sağlamak zorunda olduğunda orjinal problemin de optimum çözümü olacaktır. Kaya (2012) 10
12 Örnek: Maksimizasyon problemimiz aşağıdaki gibi olsun. 1 Max : Z = 4x x 2 2 (4) kısıt ise: x 1 + 2x 2 = 40 (5) İlk adımda doğrusal olmayan amaç fonksiyonumuzu Langrange fonksiyonuna çevirelim. Bunun için kısıtlama fonksiyonunu da aşağıdaki gibi sıfıra eşit hale getirmek suretiyle dönüştürelim: x 1 + 2x 2 40 = 0 (6) Sonraki adım; Langrange çarpanı λ ile bir önceki sıfıra eşit eşitliğimizi çarpıp amaç fonksiyonuna etkileyelim (bu durumda amaç fonksiyonu değişmemiş olur). L = 4x 1 0.1x x 2 0.2x 2 2 λ(x 1 + 2x 2 40) (7) Şimdi ise 3 değişkenimiz ile ilgili Langrange fonksiyonunun kısmi türevini alalım: L x 1 = 4 0.2x 1 λ (8) L x 2 = 5 0.4x 2 2λ (9) Bu denklemleri sıfıra eşitleyelim: L λ = x 1 2x (10) 4 0.2x 1 λ = 0 (11) 5 0.4x 2 2λ = 0 (12) Denklemler çözüldüğünde aşağıdaki sonuçlar elde edilir: x 1 2x = 0 (13) x 1 = Örneğin tamamı Nonlinear Programming Solution Techniques adlı kitaptan alınmıştır. Anonim 11
13 Şekil 3: Problemin WolframAlpha ile çözülmüş hali ve 3 boyutlu görünümü. şişe üretmeli, kupa üretmeli x 2 = 10.8 λ = 0.33 olur Bu değerleri Langrange fonksiyonunda ilgili yerlere yazdığımızda L değeri $70.42 olacaktır. Yukarıda elle yapılan çözümün bilgisayarda çözülmüş hali: Yukarıdaki optimizasyon problemini bilgisayar yardımı ile manuel çözüme göre daha hızlı ve hatasız çözebiliriz. Çözümün grafiksel gösterimi Şekil 3 de gösterilmiştir. Örnek : Hickory Şirketi sandalye üretmektedir. Her ay sabit maliyetler 7500 $ ayrıca her bir sandalye başına üretim maliyeti 40 $ olmaktadır. Fiyat ise taleple bağlantılı olup aşağıdaki doğrusal denkleme göre ortaya çıkmaktadır. (v üretilecek adet olmak üzere): Anonim v = p (14) 12
14 Şekil 4: Hickory Şirketi için optimal üretim Buna göre doğrusal olmayan kar fonksiyonunu yazın ve maksimum karı sağlayacak fiyat ve optimum üretim adedini ve buna göre çıkacak maksimum karı da hesaplayın: Çözüm: p fiyat olmak üzere kar fonksiyonu hasılat- toplam maliyet olacaktır. Buna göre öncelikle maliyet fonksiyonumuz: c = v (15) olur, hasılat pv değerinden maliyeti çıkaracak olursak: Max.pv ( v) (16) Şimdi bu propbelmde v değerleri yerine v = p denkleminin sağ taraftaki ifadesini koyarak bilinmeyen adedini bire indirelim: Maksimize400p 1.2p p (17) ayrıca kar sıfır olmayacağından kısıt fonksiyonumuz: p > 0 olacaktır. Bu denklemi bilgisayar yardımı ile çözdüğümüzde: p = 146, 66 optimum üretim adedi v = 224 adet ve maksimum kar 2180 $ olacaktır. Çözümün 3 boyutlu grafiksel gösterimi şekil 4 ile gösterilmiştir. 13
15 Şekil 5: Belirsizlik aralığı Doğrudan arama yöntemi Bu yöntemin düşüncesi tanımlanmış optimumu içerdiği bilinen bir belirsizlik aralığını tanımlamak ve optimum bulununcaya kadar aralığı daraltmaktır. Bu aralık başta istenildiği kadar küçük tutulabilir.bu yöntem şekil 5 ile grafiksel olarak gösterilmiştir. Örnek: Aşağıdaki doğrusal olmayan problemi doğrudan arama yöntemi ile çözelim: Çözüm: x L = 0, x R = 3 olsun: x L x x 2 ve x 1 x x R olmalıdır. 3x 0 x 2 Max.f(x) = x x 3 Burada: x 1 x L = x R x 2 ve = x 2 x 1 dir. Bu da: (18) x 1 = x L + x R x L 2 (19) ve x 2 = x L + x R x L + 2 olduğu anlamına gelir. = 0.01 olarak hesap yapılacak olursa sonuçlar 6 ile gösterilmektedir. (20) 14
16 Şekil 6: Doğrudan arama yöntemi ile çözüm Yerine koyma metodu Doğrusal olmayan programlama çözüm metotları içerisinde en kolay metot yerine koyma metodu 2 olarak bilinen metottur. Bu metot ancak tek kısıtlılık eşiği olan durumlarda kullanılır. Bu metodun mantığı değişlenleri birbiri yerine koymak suretiyle çözmektir. Bu kısıtlı optimizasyon modelinin bir nevi kısıtsız optimizasyon modeline dönüşmesi olarak kabul edilebilir.anonim Örnek: Problem: Anonim maksimizez = vp c f vc v (21) kısıt ise: v = p (22) Sabit değerler c f = 10000$vec v = 8$oslun Dikkat edilecek olursa amaç fonksiyonu doğrusal değildir çünkü v (satış adedi) ve p (fiyat) değişkenlerinin çarpanları vardır bu nedenle denklem doğrusal değildir. Şimdi yukarıdaki ilk fonksiyonda v yerine ikinci fonksiyondaki p değerini yazarsak: 2 İngilizce karşılığı substition method 15
17 Z = 1500p 24.6p 2 c f 1500c v pc v (23) c f ve c v sabit değişkenlerini de yerine koyduğumuzda: Z = 16696p 24.6p (24) Bu problemi Z nin diferansiyelini alıp sıfıra eşitleyerek çözeceğiz: Z p = p (25) 0 = p (26) 49.2p = (27) p = 34.49$ (28) Aynı problemin bilgisayar destekli çözümü şekil 7 ile gösterilmiştir. 4.4 Kuhn-Tucker koşulları Bir doğrusal olmayan programlama probleminde, problemin kısıtları eşitsizlik formunda ise bu türden problemlerin çözümü Kuhn-Tucker koşullarını sağlamalıdır. Kısıtları eşitsizlik formunda olan bir doğrusal olmayan programlama problemi aşağıdaki şekilde verilsin: m kısıt ve n değişkenden oluşan bir problemde; Maksimum veya minimum amaç fonksiyonu: z = f(x1, x2,..., xn) Kısıtlar: g1(x1, x2,..., xn) b1g2(x1, x2,..., xn) b2...gm(x1, x2,..., xn) bm şeklinde verilsin. Problemin Lagrange fonksiyonu yazılır ve buna göre Kuhn-Tucker koşulları incelenir. Lagrange fonksiyonu aşağıdaki gibi yazılır: L(x j, λ i ) = f(x j )λ(x j )(j = 1, 2,.., n)ve(i = 1, 2,..., m) Kuhn-Tucker koşullarının uygulanabilmesi için verilen doğrusal olmayan programlama probleminin kısıtlarının şeklinde olması gerekmektedir Winston, (2004). Kuhn-Tucker gerek şartları iki amaç için kullanılır: verilen bir noktanın muhtemel optimum olup olmadığını kontrol etmede aday minimum noktaların tespitinde kullanılır Kuhn-Tucker 1. derece gerek şartları ile ilgili önemli bazı özellikler aşağıda verilmiştir: 16
18 Şekil 7: Problemin bilgisayar destekli çözümü-optimal değer işaretlenmiştir 17
19 K-T şartları ancak regular (düzenli) noktada uygulanır. K-T şartlarını sağlamayan noktalar, eğer irregular (düzensiz) noktalar değilse lokal minimum olamazlar. K-T şartlarını sağlayan noktalar Kuhn-Tucker noktaları olara adlandırılır. K-T şartlarını sağlayan noktalar kısıtlı veya kısıtsız olabilir. Eğer eşitlik kısıtlayıcı varsa ve eşitliksiz kısıtlayıcıların hiçbiri aktif değilse K-T şartlarını sağlayan bu noktalar stationary noktalardır. Yani bu noktalar minimum maksimum veya dönüm noktaları olabilir. Kaynaklar Anonim. Nonlinear Programming Solution Techniques. Anonim. pages 1 8, 2013a. Anonim. Optimizasyon-vikipedia, b. URL Anonim. Dogrusal programlama-vikipedia, c. URL Anonim. Linear programming-wolfram mathworld, d. URL Mordecai Avriel. Nonlinear programming: analysis and methods. Courier Dover Publications, MC Bartholomew-Biggs. Nonlinear optimization with financial applications, volume Gerard Cornuejols and R Tutuncu. Optimization methods in finance. Number January George Bernard Dantzig. Linear programming and extensions. Princeton university press, J. Dutta. Optimization Theory - A Modern face of Applied Mathematics. Havacılık Mühendisliği Bölümü İstanbul Türkiye Hacıoğlu, Abdurahman; Hava Harp Okulu. Doğrusal olmayan optimizasyon problemleri için taşınır algoritmik fonksiyonlar yöntemi. Havacılık ve Uzay Teknolojileri Dergisi, 5(1):1, ISSN Cansın Kaya. Doğrtusal olmayan programlama ile portföy analizi, Ocak Yuksek Lisans Tezi. 18
20 RM Meyer. Max-Min Problems. Essential Mathematics for Applied Fields, pages 1 8, URL S. S. Rao. Engineering Optimization: Theory and Practice, Fourth Edition. John Wiley and Sons, Inc., H. Yamashita. A Differential Equation Approach to Nonlinear Programming. Mathematical Programming, cilt 18, s,
Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon
OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun
DetaylıEŞİTLİK KISITLI TÜREVLİ YÖNTEMLER
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER LAGRANGE YÖNTEMİ Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde değişkenler ve kısıtlar genel olarak şeklinde gösterilir. fonksiyonlarının
DetaylıMETASEZGİSEL YÖNTEMLER
METASEZGİSEL YÖNTEMLER Ara sınav - 30% Ödev (Haftalık) - 20% Final (Proje Sunumu) - 50% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn: Zaman çizelgeleme, en kısa yol bulunması,
DetaylıOPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon
OPTİMİZASYON TEKNİKLERİ Kısıtsız Optimizasyon Giriş Klasik optimizasyon yöntemleri minimum veya maksimum değerlerini bulmak için türev gerektiren ve gerektirmeyen teknikler olarak bilinirler. Bu yöntemler
DetaylıGenetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde
DetaylıHESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR
HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR Kısıtlı ve kısıtsız fonksiyonlar için maksimum veya minimum (ekstremum) noktalarının belirlenmesinde diferansiyel hesabı kullanarak çeşitli
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıEM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil
DetaylıEM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü Dr. Özgür Kabak Doğrusal olmayan programlama Tek değişkenli DOP ların çözümü Uç noktaların analizi Altın kesit Araması Çok değişkenli DOP ların
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için
DetaylıKONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I
KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu
DetaylıOPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2
OPTIMIZASYON.... Bir Değişkenli Fonksiyonların Maksimizasyonu.... Türev...3.. Bir noktadaki türevin değeri...4.. Maksimum için Birinci Derece Koşulu...4.3. İkinci Derece Koşulu...5.4. Türev Kuralları...5
DetaylıİÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 11 1.1. Sayı Kümeleri 12 1.1.1.Doğal Sayılar Kümesi 12 1.1.2.Tam Sayılar Kümesi 13 1.1.3.Rasyonel Sayılar Kümesi 14 1.1.4. İrrasyonel Sayılar Kümesi 16 1.1.5. Gerçel
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıOPTİMİZASYON TEKNİKLERİ-2. Hafta
GİRİŞ OPTİMİZASYON TEKNİKLERİ-2. Hafta Mühendislik açısından bir işin tasarlanıp, gerçekleştirilmesi yeterli değildir. İşin en iyi çözüm yöntemiyle en verimli bir şekilde yapılması bir anlam ifade eder.
DetaylıLineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.
LİNEER PROGRAMLAMA Giriş Uygulamada karşılaşılan birçok optimizasyon problemi kısıtlar içerir. Yani optimizasyon probleminde amaç fonksiyonuna ilave olarak çözümü kısıtlayıcı ek denklemler mevcuttur. Bu
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -II- Tek değişkenli doğrusal olmayan karar modelinin çözümü
DOĞRUSAL OLMAYAN PROGRAMLAMA -II- Tek değişkenli doğrusal olmayan karar modelinin çözümü Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST8 Yöneylem Araştırması Dersi
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
Detaylı4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
4. HAFTA BLM33 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi BLM33 DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -I-
DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan
DetaylıTİPİK MODELLEME UYGULAMALARI
MODELLEME Matematik modelleme yaklaşımı sistemlerin daha iyi anlaşılması, analiz edilmesi ve tasarımının etkin ve ekonomik bir yoludur. Modelleme karmaşık parametrelerin belirlenmesi için iyi tanımlamalara
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 2- HATA VE HATA KAYNAKLARI Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ Bir denklemin veya problemin çözümünde kullanılan sayısal yöntem belli bir giriş verisini işleme tabi tutarak sayısal
DetaylıBaşlangıç Temel Programının Bilinmemesi Durumu
aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu
DetaylıKISITLI OPTİMİZASYON
KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun
Detaylıdoğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL)
DOĞRUSAL PROGRAMLAMA (GENEL) Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik biçiminde verilmesi durumunda amaca
DetaylıTRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ
TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ Kenan KILIÇASLAN Okul No:1098107203 1. DESTEK VEKTÖR MAKİNELER
DetaylıOkut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f
DetaylıMath 322 Diferensiyel Denklemler Ders Notları 2012
1 Genel Tanımlar Bir veya birden fazla fonksiyonun türevlerini içeren denklemlere diferensiyel denklem denmektedir. Diferensiyel denklemler Adi (Sıradan) diferensiyel denklemler ve Kısmi diferensiyel denklemler
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME 1 SAYISAL ÇÖZÜMLEME 4. Hafta DENKLEM ÇÖZÜMLERİ 2 İÇİNDEKİLER Denklem Çözümleri Doğrusal Olmayan Denklem Çözümleri Grafik Yöntemleri Kapalı Yöntemler İkiye Bölme (Bisection) Yöntemi Adım
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 7- SAYISAL TÜREV Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ İntegral işlemi gibi türev işlemi de mühendislikte çok fazla kullanılan bir işlemdir. Basit olarak bir fonksiyonun bir noktadaki
DetaylıSimpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):
DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir
Detaylı0.1 Zarf Teoremi (Envelope Teorem)
Ankara Üniversitesi, Siyasal Bilgiler Fakültesi Prof. Dr. Hasan Şahin 0.1 Zarf Teoremi (Envelope Teorem) Bu kısımda zarf teoremini ve iktisatta nasıl kullanıldığını ele alacağız. bu bölüm Chiang 13.5 üzerine
DetaylıHATA VE HATA KAYNAKLARI...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1 Giriş... 1 1.2 Sayısal Analizin İlgi Alanı... 2 1.3 Mühendislik Problemlerinin Çözümü ve Sayısal Analiz... 2 1.4 Sayısal Analizde Bilgisayarın Önemi... 7 1.5 Sayısal Çözümün
DetaylıDoğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez
Doğrusal Programlama Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik
DetaylıÜNİTE. MATEMATİK-1 Doç.Dr.Erdal KARADUMAN İÇİNDEKİLER HEDEFLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER
HEDEFLER İÇİNDEKİLER ÖZDEŞLİKLER, DENKLEMLER VE EŞİTSİZLİKLER Özdeşlikler Birinci Dereceden Bir Bilinmeyenli Denklemler İkinci Dereceden Bir Bilinmeyenli Denklemler Yüksek Dereceden Denklemler Eşitsizlikler
DetaylıGenel Graf Üzerinde Mutlak 1-merkez
Genel Graf Üzerinde Mutlak 1-merkez Çözüm yöntemine geçmeden önce bazı tanımlara ihtiyaç vardır. Dikkate alınan G grafındaki düğümleri 1 den n e kadar numaralandırın. Uzunluğu a(i, j)>0 olarak verilen
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıŞimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak
10.Konu İç çarpım uzayları ve özellikleri 10.1. ve üzerinde uzunluk de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor teoreminden dir. 1.Ö.: [ ] ise ( ) ( ) ve ( ) noktaları gözönüne alalım.
DetaylıİÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 Bölüm 2 STATİK DENGE ANALİZİ 19 2.1 İktisatta Denge Kavramı 20 2.1.1.
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıHOMOGEN OLMAYAN DENKLEMLER
n. mertebeden homogen olmayan lineer bir diferansiyel denklemin y (n) + p 1 (x)y (n 1) + + p n 1 (x)y + p n (x)y = f(x) (1) şeklinde olduğunu ve bununla ilgili olan n. mertebeden lineer homogen denlemin
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıT.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI
T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI Genişletilmiş Lagrange Yöntemi Hazırlayan: Nicat GASIM Öğretim Üyesi Prof. Dr. İpek Deveci KARAKOÇ
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
DetaylıDOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)
DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) 1 DOĞRUSAL PROGRAMLAMADA İKİLİK (DUALİTE-DUALITY) Doğrusal programlama modelleri olarak adlandırılır. Aynı modelin değişik bir düzende oluşturulmasıyla Dual (İkilik)
DetaylıKalkülüs II (MATH 152) Ders Detayları
Kalkülüs II (MATH 152) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Kalkülüs II MATH 152 Güz 4 2 0 5 7.5 Ön Koşul Ders(ler)i Math 151 Kalkülüs I Dersin
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıKaynaklar Shepley L. Ross, Differential Equations (3rd Edition), 1984.
Çankırı Karatekin Üniversitesi Matematik Bölümü 2015 Kaynaklar Shepley L. Ross, Differential Equations (3rd Edition), 1984. (Adi ) Bir ya da daha fazla bağımsız değişkenden oluşan bağımlı değişken ve türevlerini
DetaylıKısmi Diferansiyel Denklemler (MATH378) Ders Detayları
Kısmi Diferansiyel Denklemler (MATH378) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Kredi AKTS Saati Kısmi Diferansiyel Denklemler MATH378 Bahar 3 0 0 3 6 Ön Koşul Ders(ler)i
DetaylıTÜREV VE UYGULAMALARI
TÜREV VE UYGULAMALARI A R, a A ve f de A da tanımlı bir fonksiyon olsun. Eğer f(x) f(a) lim x a x a limiti veya x=a+h koymakla elde edilen f(a+h) f(a) lim h 0 h Bu türev f (a), df dx limiti varsa f fonksiyonu
DetaylıDoğrusal Programlamada Grafik Çözüm
Doğrusal Programlamada Grafik Çözüm doğrusal programlama PROBLEMİN ÇÖZÜLMESİ (OPTİMUM ÇÖZÜM) Farklı yöntemlerle çözülebilir Grafik çözüm (değişken sayısı 2 veya 3 olabilir) Simpleks çözüm Bilgisayar yazılımlarıyla
DetaylıYöneylem Araştırması II
Yöneylem Araştırması II Öğr. Gör. Dr. Hakan ÇERÇİOĞLU cercioglu@gazi.edu.tr BÖLÜM I: Doğrusal Programlama Tekrarı Doğrusal Programlama Tanımı Doğrusal Programlama Varsayımları Grafik Çözüm Metodu Simpleks
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıMat Matematik II / Calculus II
Mat - Matematik II / Calculus II Çalışma Soruları Çok Değişkenli Fonksiyonlar: Seviye eğri ve yüzeyler, Limit ve süreklilik wolframalpha.com uygulamasında bir fonksiyonun tanım kümesini bulmak için: x
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylı28 C j -Z j /2 0
3.2.6. Dual Problem ve Ekonomik Yorumu Primal Model Z maks. = 4X 1 + 5X 2 (kar, pb/gün) X 1 + 2X 2 10 6X 1 + 6X 2 36 8X 1 + 4X 2 40 (işgücü, saat/gün) (Hammadde1, kg/gün) (Hammadde2, kg/gün) 4 5 0 0 0
DetaylıÖğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;
Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : ANALİZ I Ders No : 0310250035 : 4 Pratik : 2 Kredi : 5 ECTS : 8 Ders Bilgileri Ders Türü Öğretim Dili Öğretim Tipi Zorunlu
DetaylıLineer Dönüşümler ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv.Dr. Nevin ORHUN
Lineer Dönüşümler Yazar Öğr. Grv.Dr. Nevin ORHUN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; Vektör uzayları arasında tanımlanan belli fonksiyonları tanıyacak, özelliklerini öğrenecek, Bir dönüşümün,
DetaylıSAYISAL ÇÖZÜMLEME. Yrd.Doç.Dr.Esra Tunç Görmüş. 1.Hafta
SAYISAL ÇÖZÜMLEME Yrd.Doç.Dr.Esra Tunç Görmüş 1.Hafta Sayısal çözümleme nümerik analiz nümerik çözümleme, approximate computation mühendislikte sayısal yöntemler Computational mathematics Numerical analysis
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıNedim TUTKUN Düzce Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Düzce-Türkiye
Optimizasyon Teknikleri Nedim TUTKUN nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Düzce-Türkiye Optimizasyon nedir? İşleri daha iyi yapmak Daha fazla kâr elde etmek
DetaylıMATEMATiKSEL iktisat
DİKKAT!... BU ÖZET 8 ÜNİTEDİR BU- RADA İLK ÜNİTE GÖSTERİLMEKTEDİR. MATEMATiKSEL iktisat KISA ÖZET KOLAY AOF Kolayaöf.com 0362 233 8723 Sayfa 2 içindekiler 1.ünite-Türev ve Kuralları..3 2.üniteTek Değişkenli
DetaylıModelleme bir sanattan çok bir Bilim olarak tanımlanabilir. Bir model kurucu için en önemli karar model seçiminde ilişkileri belirlemektir.
MODELLEME MODELLEME Matematik modelleme yaklaşımı sistemlerin daha iyi anlaşılması, analiz edilmesi ve tasarımının etkin ve ekonomik bir yoludur. Modelleme karmaşık parametrelerin belirlenmesi için iyi
DetaylıMühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN
Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ Prof. Dr. İbrahim UZUN Yayın No : 2415 İşletme-Ekonomi Dizisi : 147 5. Baskı Eylül 2012 - İSTANBUL ISBN 978-605 - 377-438 - 9 Copyright Bu kitabın
DetaylıProf.Dr. ÜNAL ERKAN MUMCUOĞLU. merkan@metu.edu.tr
Ders Bilgisi Ders Kodu 9060528 Ders Bölüm 1 Ders Başlığı BİLİŞİM SİSTEMLERİ İÇİN MATEMATİĞİN TEMELLERİ Ders Kredisi 3 ECTS 8.0 Katalog Tanımı Ön koşullar Ders saati Bu dersin amacı altyapısı teknik olmayan
DetaylıÜNİTE. MATEMATİK-1 Doç.Dr.Murat SUBAŞI İÇİNDEKİLER HEDEFLER TÜREV UYGULAMALARI-I
HEDEFLER İÇİNDEKİLER TÜREV UYGULAMALARI-I Artan ve Azalan Fonksiyonlar Fonksiyonların Maksimum ve Minimumu Birinci Türev Testi İkinci Türev Testi Türevin Geometrik Yorumu Türevin Fiziksel Yorumu MATEMATİK-1
DetaylıALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU
ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x)
DetaylıGEOMETRİK PROGRAMLAMADA GEOMETRİK-HARMONİK ORTALAMA EŞİTSİZLİGİNİN ROLÜ VE FONKSİYONEL
M.Ü.İ.İ.B.F. Dergisi Prof.Dr.Kenan ERKURAL'a Armağan Yıl:J998, Cilt: XIV, Say. ı:2, s.53-59. GEOMETRİK PROGRAMLAMADA GEOMETRİK-HARMONİK ORTALAMA EŞİTSİZLİGİNİN ROLÜ VE FONKSİYONEL 1-GİRİŞ DÖNÜŞÜMLER Tuncay
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıFEN FAKÜLTESİ MATEMATİK BÖLÜMÜ YAZ OKULU DERS İÇERİGİ. Bölümü Dersin Kodu ve Adı T P K AKTS
Bir Dönemde Okutulan Ders Saati MAT101 Genel I (Mühendislik Fakültesi Bütün Bölümler, Fen Fakültesi Kimya ve Astronomi Bölümleri) 1 Kümeler, reel sayılar, bir denklem veya eşitsizliğin grafiği 2 Fonksiyonlar,
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ
Giriş ÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ Sayısal Analiz Nedir? Mühendislikte ve bilimde, herhangi bir süreci tanımlayan karmaşık denklemlerin
Detaylı6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN
6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.5. Doğrusal olmayan fonksiyonların eğimi Doğrusal fonksiyonlarda eğim her noktada sabittir
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 4- LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Matematikte veya hidrolik, dinamik, mekanik, elektrik
DetaylıMesleki Terminoloji. Sayısal Analiz DERSİ VEREN: ARŞ. GRV. DR. GÖKSEL BİRİCİK MEHMET EMRE ÖNDER DOĞAÇ CEM İŞOĞLU
Mesleki Terminoloji DERSİ VEREN: ARŞ. GRV. DR. GÖKSEL BİRİCİK Sayısal Analiz MEHMET EMRE ÖNDER - 12011061 DOĞAÇ CEM İŞOĞLU - 11011074 Sayısal Analiz Nedir? Sayısal analiz, yada diğer adıyla numerik analiz,
DetaylıYÖNEYLEM ARAŞTIRMASI - I
YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı
DetaylıKarar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması
İNŞAAT PROJELERİNİN PROGRAMLAMA, TASARIM VE YAPIM SÜRECİNDE OPTİMİZASYON Doğrusal Optimizasyon Optimizasyon Kuramı (Eniyileme Süreci) Doğrusal Olmayan Optimizasyon Optimizasyon en iyi çözümü bulma sürecidir.
DetaylıTemelleri. Doç.Dr.Ali Argun Karacabey
Doğrusal Programlamanın Temelleri Doç.Dr.Ali Argun Karacabey Doğrusal Programlama Nedir? Bir Doğrusal Programlama Modeli doğrusal kısıtlar altında bir doğrusal ğ fonksiyonun değerini ğ maksimize yada minimize
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik İkiye Bölme / Yarılama Yöntemi Genel olarak f x = 0 gerek şartını sağlamak oldukça doğrusal olmayan ve bu sebeple çözümü
DetaylıTAMSAYILI PROGRAMLAMA
TAMSAYILI PROGRAMLAMA Doğrusal programlama problemlerinde sık sık çözümün tamsayı olması gereken durumlar ile karşılaşılır. Örneğin ele alınan problem masa, sandalye, otomobil vb. üretimlerinin optimum
Detaylıİkinci dersin notlarında yer alan Gepetto Marangozhanesi örneğini hatırlayınız.
ISLE 403 YÖNEYLEM ARAŞTIRMASI DERS 3 NOTLAR DP Modellerinin Standart Biçimde Gösterimi: İkinci dersin notlarında yer alan Gepetto Marangozhanesi örneğini hatırlayınız. Gepetto Marangozhanesi için DP modeli
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
DetaylıUygulamalı Matematik (MATH587) Ders Detayları
Uygulamalı Matematik (MATH587) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Kredi AKTS Saati Uygulamalı Matematik MATH587 Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i Math 262 Adi
DetaylıVEKTÖR UZAYLARI 1.GİRİŞ
1.GİRİŞ Bu bölüm lineer cebirin temelindeki cebirsel yapıya, sonlu boyutlu vektör uzayına giriş yapmaktadır. Bir vektör uzayının tanımı, elemanları skalar olarak adlandırılan herhangi bir cisim içerir.
DetaylıÇok değişkenli fonksiyonlar. Maksimum- Minimum
66 Bölüm 6 Ders 06 Çok değişkenli fonksiyonlar. Maksimum- Minimum 6.1 Çözümler:Alıştırmalar 06 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay Ön Bilgi: z = f (x, y) fonksiyonu 3-boyutlu uzayda bir yüzeyin denklemidir.
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıMatematiksel modellerin elemanları
Matematiksel modellerin elemanları Op#mizasyon ve Doğrusal Programlama Maksimizasyon ve Minimizasyon örnekleri, Doğrusal programlama modeli kurma uygulamaları 6. DERS 1. Karar değişkenleri: Bir karar verme
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylı