YÖNEYLEM ARAŞTIRMASI - III

Benzer belgeler
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III

HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III

İleri Diferansiyel Denklemler

ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

Yrd. Doç. Dr. A. Burak İNNER

Zeki Optimizasyon Teknikleri

İleri Diferansiyel Denklemler

Altın Oran Arama Metodu(Golden Search)

Kübik Spline lar/cubic Splines

BÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES)

KUADRATİK FORM. Tanım: Kuadratik Form. Bir q(x 1,x 2,,x n ) fonksiyonu

Bir özvektörün sıfırdan farklı herhangi bri sabitle çarpımı yine bir özvektördür.

0.1 Zarf Teoremi (Envelope Teorem)

1. GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G (e ye birim eleman denir) vardır.

HOMOGEN OLMAYAN DENKLEMLER

YÖNEYLEM ARAŞTIRMASI - I

Matris Cebiriyle Çoklu Regresyon Modeli

İleri Diferansiyel Denklemler

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak

KISITLI OPTİMİZASYON

Math 322 Diferensiyel Denklemler Ders Notları 2012

TÜREV VE UYGULAMALARI

OPTİMİZASYON TEKNİKLERİ-2. Hafta

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem

Özdeğer ve Özvektörler

İleri Diferansiyel Denklemler

Ders 9: Bézout teoremi

METASEZGİSEL YÖNTEMLER


DOĞRUSAL OLMAYAN PROGRAMLAMA -II- Tek değişkenli doğrusal olmayan karar modelinin çözümü

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ İktisat Hakkında İktisatta Grafik ve Matematik Kullanımı 13

MAK 210 SAYISAL ANALİZ

İleri Diferansiyel Denklemler

Temel Kavramlar. (r) Sıfırdan farklı kompleks sayılar kümesi: C. (i) Rasyonel sayılar kümesi: Q = { a b

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)

Yrd. Doç. Dr. A. Burak İNNER

İÇİNDEKİLER. Bölüm 2 CEBİR 43

m=n şeklindeki matrislere kare matris adı verilir. şeklindeki matrislere ise sütun matrisi denir. şeklindeki A matrisi bir kare matristir.

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak

İleri Diferansiyel Denklemler

İkinci Mertebeden Lineer Diferansiyel Denklemler

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması

İÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR

İleri Diferansiyel Denklemler

LYS MATEMATİK DENEME - 1

28 C j -Z j /2 0

(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM

Lineer Bağımlılık ve Lineer Bağımsızlık

İleri Diferansiyel Denklemler

8.Konu Vektör uzayları, Alt Uzaylar

Lineer Denklem Sistemleri

OPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2

Lineer Dönüşümler ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv.Dr. Nevin ORHUN

Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar

ii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.

Ayrık Fourier Dönüşümü

Minör nedir? Genel olarak, n. mertebeden bir kare matris olan A matrisinin, a ij öğesinin minörünü şöyle gösterebiliriz:

SİMPLEKS ALGORİTMASI Yapay değişken kullanımı

OPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon

8. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.

Cahit Arf Liseler Arası Matematik Yarışması 2008

T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI

Genel Graf Üzerinde Mutlak 1-merkez

2012 LYS MATEMATİK SORU VE ÇÖZÜMLERİ Niyazi Kurtoğlu

1 Lineer Diferansiyel Denklem Sistemleri

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI

VEKTÖR UZAYLARI 1.GİRİŞ

NEWTON RAPHSON YÖNTEMİ

ÖZDEĞERLER- ÖZVEKTÖRLER

ELE401/ /17 GÜZ ÖDEV 2 - ÇÖZÜMLER

3. BÖLÜM MATRİSLER 1

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

Yrd. Doç. Dr. A. Burak İNNER

Bu kısımda işlem adı verilen özel bir fonksiyon çeşidini ve işlemlerin önemli özelliklerini inceleyeceğiz.

Cebir Notları. Birinci Derecen Denklemler TEST I. Gökhan DEMĐR, x

TÜREV VE UYGULAMALARI

Modelleme bir sanattan çok bir Bilim olarak tanımlanabilir. Bir model kurucu için en önemli karar model seçiminde ilişkileri belirlemektir.

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Lineer. Cebir. Ünite

İleri Diferansiyel Denklemler

MATRİSLER. Şekil 1 =A6:B7+D6:E7

Başlangıç Temel Programının Bilinmemesi Durumu

Cebirsel Fonksiyonlar

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

x 0 = A(t)x + B(t) (2.1.2)

Ders Çözümler: 9.2 Alıştırmalar Prof.Dr.Haydar Eş. 2. Prof.Dr.Timur Karaçay /1a: Kritik noktalar:

ÖABT Lineer Cebir KONU TESTİ Matris Cebiri

Türk-Alman Üniversitesi İktisadi ve İdari Bilimler Fakültesi İşletme Bölümü Ders Bilgi Formu

İleri Diferansiyel Denklemler

2(1+ 5 ) b = LYS MATEMATİK DENEMESİ. işleminin sonucu kaçtır? A)2 5 B)3 5 C)2+ 5 D)3+ 5 E) işleminin sonucu kaçtır?

Sayılar Kuramına Giriş Özet

Transkript:

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 değişkenler ve kısıtlar genel olarak x = x 1, x 2,, x n g = (g 1, g 2,, g m ) T şeklinde gösterilir. f x ve g i x, i = 1,2, m fonksiyonlarının 2. mertebeden türevlenebilir ve sürekli oldukları kabul edilmiştir.

L x, λ = f x λg(x) olsun. Burada L Lagrange fonksiyonu, λ parametreleri ise Lagrange çarpanları olarak adlandırılır.

Tanım olarak gerek şartlardan; L x = 0 ve L λ = 0 eşitlikleri Lagrange fonksiyonunun gerek şartlarını oluşturur. Verilen g(x)=0 kısıtına göre f(x) in optimizasyonu; L (x, λ) Lagrange fonksiyonunun optimizasyonuna denktir.

Lagrange metodu için Yeter Şartlar ise şöyle yazılabilir: H B 0 P = P T Q m+n x (m+n) Burada; P= g kısıtlarının 1.mert.türevlerinin matrisi Q= L (Lagr.fonk.nun) 2.mert.türevlerinin matrisidir. P = g 1 (xi)... g m (xi) mxn ve Q = 2 L(x, λ) x i x j nxn

(X 0, λ 0 ) değerleri belirlendiğinde, o zaman yeter şartlar; 1. X 0 maksimum noktadır, eğer (2m+1) mertebeli asal majör = en büyük determinant ile başlayan ve H B nin sonraki toplam (n - m) adet asal minör = daha küçük determinantları ( 1) m+1 işaretinden başlayarak alterne işarete (+,-,+,-) sahip ise (negatif definit özelliği) 2. X 0 minimum noktadır, eğer asal minör determinantı ile başlayan ve H B nin sonraki (daha büyük mertebeli) (n - m) asal minör determinantları ( 1) m işaretine sahip ise.

Bu şartlar ekstremum noktaların belirlenmesinde yeter şartları oluştururken gerekliliği sağlamazlar. Bunu gidermek için gerek ve yeter şartları yerine getiren başka şartlar vardır. Fakat bu şatların belirlenmesinde kullanılan hesaplarda olursuz durumlar da söz konusu olabilmektedir.

P ve Q matrislerinin (X 0, λ 0 ) stasyoner noktasındaki değerlerinden oluşan = P T 0 P Q μi (Q μi H B de Q den μ nün çıkarılması ile elde edilir. ) Matrisini tanımlayalım. Burada P ve Q yukarda tanımlanmıştır. μ ise bilinmeyen yeni bir parametredir.

Δ determinantını ele alalım; Δ = 0 polinomu her bir u i (n-m) gerçel kökü olan (μ ler) için; 1. Eğer X 0 maksimum nokta ise μ ler negatif 2. Eğer X 0 minimum nokta ise μ ler pozitif olmalıdır. Bu şartlar yeter şartları oluşturur.

Örnek 1: Aşağıdaki problemi Lagrange metodu ile çözelim. Amaç fonksiyonu: min f x = x 2 1 + x 2 2 2 + x 3 Kısıtlar: g 1 x = x 1 + x 2 + 3x 3 2 = 0 g 2 x = 5x 1 + 2x 2 + x 3 5 = 0

Örnek 1: L x, λ = f x λ 1 g 1 x λ 2 g 2 x genel ifadesine göre: L x, λ = x 1 2 + x 2 2 + x 3 2 λ 1 x 1 +x 2 +3x 3 2 λ 2 5x 1 + 2x 2 + x 3 5

Örnek 1: Gerek Şartlar; L x 1 = 2x 1 λ 1 5λ 2 = 0 L x 2 = 2x 2 λ 1 2λ 2 = 0 L x 3 = 2x 3 3λ 1 λ 2 = 0 L λ 1 = (x 1 +x 2 + 3x 3 2) = 0 L λ 2 = (5x 1 +2x 2 + x 3 5) = 0

Örnek 1: Bu denklem sisteminin çözümünden; X 0 = x 1, x 2, x 3 = (0. 81, 0. 35, 0. 28) λ 0 = λ 1, λ 2 = (0. 0867, 0. 3067) değerleri elde edilir. Şimdi yukardaki elde edilen X 0 stasyoner noktasının ekstremum nokta olup olmadığını göstermek için;

Örnek 1: Yeter Şart için; 0 0 1 1 3 0 0 5 2 1 H B = 1 5 2 0 0 1 2 0 2 0 3 1 0 0 2 P T Q Sınırlı Hessien Matrisini inceleyelim; m=2 ve n=3 n-m=3-2 = 1 adet asal minör determinantı inceleyelim.

Örnek 1: Yeter Şart için; H B = 0 0 1 0 0 5 1 5 2 1 2 0 3 1 0 P T 1 3 2 1 0 0 2 0 0 2 Q Minimum durumda (m = 2) den ( 1) 2 = 1 in işareti +. H B nin determinantını incelediğimizde: H B = 460 > 0 olduğundan X 0 minimum noktadır.

Örnek 2: Amaç fonksiyonu min. z = x 2 1 + x 2 2 2 + x 3 Kısıt: g 1 x = 4x 1 + x 2 2 + 2x 3 14 = 0 olan problemi ele alalım.

Örnek 2: L x, λ = x 1 2 + x 2 2 + x 3 2 λ(4x 1 + x 2 2 + 2x 3 14) Burada aşağıdaki gerek şartlar ortaya çıkar. L x 1 = 2x 1 4λ = 0 L x 2 = 2x 2 2λ x 2 = 0 L x 3 = 2x 3 2λ = 0 L λ = 4x 1 + x 2 2 + 2x 3 14 = 0

Örnek 2: Bu eşitliklerin ortak çözümünden; x 0, λ 0 1 = 2, 2, 1, 1 x 0, λ 0 2 = (2, 2, 1, 1) x 0, λ 0 3 = (2.8, 0, 1.4, 1.4) değerleri elde edilir.

Örnek 2: Yeter şartlar sağlandığında ise; O P 0 4 2x 2 2 H B 4 2 0 0 = 2x 2 0 2 2λ 0 2 0 0 2 P T Q Hessien matrisi elde edilir. m=1, n=3 olduğundan minimum olan bir stasyoner nokta için (n-m)= (3-1) = 2 adet Asal minör determinantının işareti ( 1) m = ( 1) 1 = 1 olmalıdır.

Örnek 2: x 0, λ 0 1 = (2, 2, 1, 1) için n-m=3-1=2 Asal Minöre bakılırsa; 0 4 4 2 4 0 2 0 4 2 0 0 0 0 0 2 = 64 < 0 ve 0 4 4 4 2 0 4 0 0 = 32 < 0 ( 1) m = ( 1) 1 = 1 sağlanıyor

Örnek 2: x 0, λ 0 2 = (2, 2, 1, 1) için; 0 4 4 2 4 0 2 0 4 2 0 0 0 0 0 2 = 64 < 0 ve 0 4 4 4 2 0 4 0 0 = 32 < 0 ( 1) m = ( 1) 1 = 1 sağlanıyor

Örnek 2: x 0, λ 0 3 = (2.8, 0, 1.4, 1.4) için ; 0 4 4 2 0 0 2 0 0 2 0 0 0.8 0 0 2 = 32 > 0 ve 0 4 0 4 2 0 0 0 0.8 = 12.8 > 0 ( 1) m = ( 1) 1 = 1 sağlanmıyor

Örnek 2: Böylece (X 0 ) 1 ve (X 0 ) 2 noktalarının minimum nokta olduğu görülür. (x 0 ) 3 noktasının ise yeter şartları sağlamadığı, bu nedenle de ekstremum nokta olmayacağı görülmektedir. Böyle durumlarda verilen şartlar yardımıyla bu şartlar yeterli olabilse her ekstremum nokta için sağlamayabilirler. Bu durumda diğer yeter şartın kullanılması gerekir.

Örnek 2: Bunu göstermek için polinomun kökleri yardımıyla diğer yeter şartı kullanmalıyız. Buna göre; = 0 4 2x 2 2 4 2 μ 0 0 2x 2 0 2 2λ μ 0 2 0 0 2 μ matrisini ele alalım. x 0, λ 0 1 = (2,2,1,1) için Δ = 9μ 2 26μ + 16 = 0 Bu denklemden μ = 2 ve 8/9 elde edilir. Her iki μ > 0 olduğundan (x 0 ) 1 minimum noktadır.

Örnek 2: Bunu göstermek için polinomun kökleri yardımıyla diğer yeter şartı kullanmalıyız. Buna göre; = 0 4 2x 2 2 4 2 μ 0 0 2x 2 0 2 2λ μ 0 2 0 0 2 μ matrisini ele alalım. x 0, λ 0 2 = 2, 2, 1, 1 için Δ = 9μ 2 26μ + 16 = 0 Bu denklemden yine μ = 2 ve 8/9 elde edilir. Her iki μ > 0 olduğundan (x 0 ) 1 minimum noktadır.

Örnek 2: Bunu göstermek için polinomun kökleri yardımıyla diğer yeter şartı kullanmalıyız. Buna göre; = 0 4 2x 2 2 4 2 μ 0 0 2x 2 0 2 2λ μ 0 2 0 0 2 μ matrisini ele alalım. x 0, λ 0 3 = (2.8, 0, 1. 4, 1.4) için Δ = 5μ 2 6μ + 8 = 0 μ = 2 > 0 ve - 0.8 < 0 elde edilir. Buna göre (x 0 ) 3 bir ekstremum nokta değildir.

Yöneylem Araştırması - II Kaynaklar 1. Wayne Winston, Operations Research Applications and Algorithms 4th. Edition, 2003. 2. M. Turhan Çoban, Optimizasyon Ders Notları. 3. MATLAB: Yapay Zeka ve Mühendislik Uygulamaları, Prof. Dr. C.Kubat, Beşiz Yayınları-1.Basım, Aralık 2012.