uΜ ετάβαση από τον ΓΠ στη Θεωρία Δικτύων Το...
TRANSCRIPT
http://users.uom.gr/~acg 1
UΜΜεεττάάββαασσηη ααππόό ττοονν ΓΓΠΠ σσττηη ΘΘεεωωρρίίαα ΔΔιικκττύύωωνν UΤΤοο ππρρόόββλληημμαα ΜΜεεττααφφοορράάςς ((TTrraannssppoorrttaattiioonn pprroobblleemm))
UΗΗ ««ΜΜαακκεεδδοοννιικκήή ΕΕττααιιρρεείίαα ΑΑννααψψυυκκττιικκώώνν ΑΑ..ΕΕ..»»
Παράγει ένα αναψυκτικό ευρείας κατανάλωσης
Το προϊόν παράγεται σε τρεις παραγωγικές μονάδες
Μεγάλες ποσότητες (κιβώτια) αποστέλλονται μία φορά την εβδομάδα
σε τέσσερις πόλεις - κέντρα διανομής στην υπόλοιπη χώρα
Το σχετικό κόστος μεταφοράς ανά κιβώτιο εξαρτάται από την
απόσταση, το χρόνο, τα καύσιμα και τη συντήρηση των οχημάτων, τα διόδια, το κόστος ασφάλισης, τις αμοιβές του προσωπικού κλπ
http://users.uom.gr/~acg 2
Tα δεδομένα του προβλήματος
Προέλευση Προορισμός
Προσφορά Πόλη 1 Πόλη 2 Πόλη 3 Πόλη 4 Εργοστάσιο 1 10 5 5 6 350 Εργοστάσιο 2 9 7 6 7 450 Εργοστάσιο 3 5 9 6 5 400
Ζήτηση 450 200 350 200 1.200
Εργοστάσια: πηγές, προελεύσεις (προσφορά) Πόλεις: προορισμοί (ζήτηση) Ισορροπημένο και μη ισορροπημένο πρόβλημα
http://users.uom.gr/~acg 3
UΣτόχοςU: να εντοπιστεί το άριστο σχέδιο μεταφοράς δηλαδή εκείνο ελαχίστου συνολικού κόστους, ώστε να
ικανοποιείται η ζήτηση κάθε πόλης
Με βάση τα παραπάνω δεδομένα:
ΤΤιι κκααθθοορρίίζζεειι ττεελλιικκάά ττοο σσυυννοολλιικκόό κκόόσσττοοςς μμεεττααφφοορράάςς ????
http://users.uom.gr/~acg 4
Το γραμμικό μοντέλο του προβλήματος μεταφοράς UΜεταβλητές απόφασης:
Xij = τα κιβώτια που αποστέλλονται από το εργοστάσιο i στην πόλη j.
http://users.uom.gr/~acg 5
Αντικειμενική συνάρτηση
Minimize z=
14131211 65510 xxxx +
24232221 7679 xxxx +
34333231 5695 xxxx
http://users.uom.gr/~acg 6
Περιορισμοί:
Uτης Προσφοράς:
1) 35014131211 xxxx
2) 45024232221 xxxx
3) 40034333231 xxxx
= αν είναι ισορροπημένο
http://users.uom.gr/~acg 7
Uτης Ζήτησης:
1) 450312111 xxx
2) 200322212 xxx
3) 350332313 xxx
4) 200342414 xxx
για 3,2,1i και 4,3,2,1j και 0ijx
http://users.uom.gr/~acg 8
UΓΓεεννιικκήή μμοορρφφήή ππρροοββλλήήμμααττοοςς μμεεττααφφοορράάςς
http://users.uom.gr/~acg 9
ΙΙσσοορρρροοππηημμέέννοο ΠΠρρόόββλληημμαα
1 1
m n
i ji j
s d
συνολική προφορά = συνολική ζήτηση
Δηλαδή, όταν η συνολική προσφορά είναι ίση με τη συνολική ζήτηση, οι περιορισμοί της προσφοράς παίρνουν (ούτως ή
άλλως) τη μορφή ισότητας.
http://users.uom.gr/~acg 10
UΤο πρόβλημα μεταφοράς είναι πρόβλημα δικτυωτής ανάλυσης
http://users.uom.gr/~acg 11
Επίλυση με τη μέθοδο simplex
http://users.uom.gr/~acg 12
ΗΗ άάρριισσττηη λλύύσσηη μμεε ττηη μμέέθθοοδδοο ssiimmpplleexx::
http://users.uom.gr/~acg 13
Τα βασικά βήματα της μεθόδου μεταφοράς Βήμα 1ο. Διαμόρφωση μίας αρχικής βασικής εφικτής λύσης
(αρχικό βασικό εφικτό σχέδιο μεταφοράς) Βήμα 2ο. Έλεγχος κριτηρίου τερματισμού (αριστότητας). Αν είναι
αληθές, τότε βρέθηκε η βέλτιστη λύση (δηλαδή, το άριστο σχέδιο μεταφοράς), διαφορετικά: συνέχισε στο Βήμα 3.
Βήμα 3ο. Βρες ένα καλύτερο σχέδιο μεταφοράς (κάνε ανακατανομή των εκχωρήσεων). Επιστροφή στο Βήμα 2
Σημαντική σημείωση: Πρώτα πρέπει να ισορροπείται !
http://users.uom.gr/~acg 14
Ο Πίνακας Μεταφοράς
http://users.uom.gr/~acg 15
Βήμα 1ο – Διαμόρφωση μίας αρχικής βασικής εφικτής λύσης α’ τρόπος) η μέθοδος της βορειοδυτικής γωνίας (ισορροπημένο)
Βήμα 1. Εκχωρούμε στο βορειοδυτικό κελί τη μέγιστη δυνατή ποσότητα ανάλογα με την προσφορά και τη ζήτηση της αντίστοιχης σειράς ή στήλης. Προσαρμόζουμε κατάλληλα την προσφορά της σειράς και τη ζήτηση της στήλης.
Βήμα 2. Διαγράφουμε, είτε τη σειρά της οποίας η προσφορά έχει εξαντληθεί, είτε τη στήλη της οποίας η ζήτηση έχει ικανοποιηθεί.
Βήμα 3. Έχουν εξαντληθεί όλες προσφορές και ικανοποιηθεί όλες οι ζητήσεις; Αν Ναι, τότε βρέθηκε αρχική βασική εφικτή λύση (ΤΕΛΟΣ), διαφορετικά: Επανέλαβε από το Βήμα 1.
http://users.uom.gr/~acg 16
Εφαρμογή της μεθόδου της ΒΔ στο παράδειγμα
Δηλαδή X11 = 350
Ο Πίνακας Μεταφοράς μετά την πρώτη εκχώρηση (ΒΔΓ)
http://users.uom.gr/~acg 17
Δηλαδή X21 = 100
Ο Πίνακας Μεταφοράς μετά τη δεύτερη εκχώρηση (ΒΔΓ)
http://users.uom.gr/~acg 18
Δηλαδή X22 = 200
Ο Πίνακας Μεταφοράς μετά την τρίτη εκχώρηση (ΒΔΓ)
http://users.uom.gr/~acg 19
Δηλαδή X23 = 150
Ο Πίνακας Μεταφοράς μετά την τέταρτη εκχώρηση (ΒΔΓ)
http://users.uom.gr/~acg 20
Δηλαδή X33 = 200
Ο Πίνακας Μεταφοράς μετά την πέμπτη εκχώρηση (ΒΔΓ)
http://users.uom.gr/~acg 21
Δηλαδή X34 = 200
Ο Πίνακας Μεταφοράς μετά την έκτη και τελευταία εκχώρηση (ΒΔΓ)
http://users.uom.gr/~acg 22
Αρχικό συνολικό κόστος μεταφοράς = 8900 (βέλτιστο?)
Ο Πίνακας Μεταφοράς με την αρχική βασική εφικτή λύση (ΒΔΓ)
http://users.uom.gr/~acg 23
Βήμα 1ο (ξανά) Διαμόρφωση μίας αρχικής βασικής εφικτής λύσης (β’ τρόπος) η μέθοδος Vogel (ισορροπημένο)
Βήμα 1. Υπολογίζουμε τις λεγόμενες «διαφορές» σε κάθε σειρά και στήλη, αφαιρώντας το μικρότερο κόστος από το αμέσως μεγαλύτερό ή ίσο του .
Βήμα 2. Επιλέγουμε τη σειρά ή τη στήλη με τη μεγαλύτερη διαφορά. Βήμα 3. Στη συγκεκριμένη σειρά ή στήλη εκχωρούμε το μεγαλύτερο δυνατό φορτίο
στο κελί με το μικρότερο μοναδιαίο κόστος μεταφοράς ανά μονάδα προϊόντος. Ακολούθως, αναπροσαρμόζουμε τη ζήτηση του προορισμού, την προσφορά της πηγής και διαγράφουμε αναλόγως τη σειρά ή τη στήλη.
Βήμα 4. Έχουν εξαντληθεί όλες προσφορές και ικανοποιηθεί όλες οι ζητήσεις; Αν Ναι, τότε βρέθηκε αρχική βασική εφικτή λύση (ΤΕΛΟΣ), διαφορετικά: Επανέλαβε από το Βήμα 1.
http://users.uom.gr/~acg 24
Εφαρμογή της μεθόδου Vogel Δηλαδή Χ31 = 400
Ο Πίνακας Μεταφοράς μετά την πρώτη εκχώρηση (Vogel)
http://users.uom.gr/~acg 25
Δηλαδή Χ12 = 200
Ο Πίνακας Μεταφοράς μετά τη δεύτερη εκχώρηση (Vogel)
http://users.uom.gr/~acg 26
Δηλαδή Χ13 = 150
150
Ο Πίνακας Μεταφοράς μετά την τρίτη εκχώρηση (Vogel)
http://users.uom.gr/~acg 27
Συνολικό κόστος μεταφοράς = 6800 (βέλτιστο??)
Ο Πίνακας Μεταφοράς μετά τις τελευταίες εκχωρήσεις
http://users.uom.gr/~acg 28
Τα βασικά βήματα της μεθόδου μεταφοράς Βήμα 1ο. Διαμόρφωση μίας αρχικής βασικής εφικτής λύσης
(αρχικό βασικό εφικτό σχέδιο μεταφοράς) Βήμα 2ο. Έλεγχος κριτηρίου τερματισμού (αριστότητας). Αν είναι
αληθές, τότε βρέθηκε η βέλτιστη λύση (δηλαδή, το άριστο σχέδιο μεταφοράς), διαφορετικά: συνέχισε στο Βήμα 3.
Βήμα 3ο. Βρες ένα καλύτερο σχέδιο μεταφοράς (κάνε ανακατανομή των εκχωρήσεων). Επιστροφή στο Βήμα 2
Σημαντική σημείωση: Πρώτα πρέπει να ισορροπείται !
http://users.uom.gr/~acg 29
ΤΤοο κκύύρριιοο ττμμήήμμαα ττηηςς μμεεθθόόδδοουυ μμεεττααφφοορράάςς ΒΒήήμμαα 22οο κκααιι ΒΒήήμμαα 33οο Έλεγχος αριστότητας και διαδικασία ανακατανομής των εκχωρήσεων (Βήμα 2ο και Βήμα 3ο) (Modified Distribution method – MODΙ)
1. Πώς επιλέγεται το εισερχόμενο κελί;
2. Πώς επιλέγεται το εξερχόμενο κελί;
3. Πώς γίνεται η ανακατανομή των εκχωρήσεων;
http://users.uom.gr/~acg 30
Έλεγχος τερματισμού και επιλογή εισερχόμενου κελιού 1. Υπολογίζουμε για κάθε σειρά τις βοηθητικές τιμές ui, και για κάθε στήλη
τις τιμές vj ΠΩΣ ?? 2. Επιλύοντας ένα σύστημα εξισώσεων: ui + vj = cij για όλα τα
κατειλημμένα κελιά (και θέτοντας u1 = 0) 2. Υπολογίζουμε τα κόστη ευκαιρίας eij = cij - ui - vj για όλα τα κενά κελιά
(δηλαδή για όλες τις μη βασικές μεταβλητές) 3. Ελέγχουμε πρώτα το κριτήριο τερματισμούΔηλαδή: Αν όλα τα eij είναι μη αρνητικά, τότε εντοπίστηκε το άριστο σχέδιο
(ΤΕΛΟΣ), αλλιώς συνεχίζουμε στο επόμενο βήμα: 4. Επιλέγουμε το μικρότερο (αρνητικό) eij το οποίο καθορίζει την
εισερχόμενη μεταβλητή (δηλαδή το εισερχόμενο κελί-φορτίο). Αν υπάρχουν ισοβαθμίσεις, επιλέγουμε αυθαίρετα.
http://users.uom.gr/~acg 31
Αρχικό συνολικό κόστος μεταφοράς = 8900
UΕφαρμογή στο παράδειγμα (αρχική λύση με ΒΔΓ) Ο Πίνακας Μεταφοράς με την αρχική βασική εφικτή λύση
http://users.uom.gr/~acg 32
Το γραμμικό σύστημα του παραδείγματος
1. u1 + v1 = 10 2. u2 + v1 = 9 3. u2 + v2 = 7 4. u2 + v3 = 6 5. u3 + v3 = 6 6. u3 + v4 = 5
To σύστημα αποτελείται από 7 αγνώστους και 6 εξισώσεις
http://users.uom.gr/~acg 33
Επίλυση του συστήματος Θέτοντας u1 = 0 έχουμε διαδοχικά ότι:
v1 = 10, u2 = -1, v2 = 8, v3 = 7, u3 = -1, v4 =6 Οπότε: τα κόστη ευκαιρίας είναι:
211212 vuce = 5 – 0 – 8 = -3
311313 vuce = 5 – 0 – 7 = -2
411414 vuce = 6 – 0 – 6 = 0
422424 vuce = 7 – (-1) – 6 = 2
133131 vuce = 5 – (-1) - 10 = -4
http://users.uom.gr/~acg 34
233232 vuce = 9 – (-1) - 8 = 2
UΟ Πίνακας Μεταφοράς με τα κόστη ευκαιρίας
http://users.uom.gr/~acg 35
Το μονοπάτι ανακατανομής των εκχωρήσεων 1. Ξεκινάμε από το εισερχόμενο κελί που έχει ήδη επιλεγεί.
Κατασκευάζουμε ένα κλειστό μονοπάτι που ξεκινά από το
εισερχόμενο κελί και καταλήγει πίσω σε αυτό, εκτελώντας
άλματα: μόνο σε κατειλημμένα κελιά, μία μόνο φορά σε κάποια σειρά ή στήλη και όχι διαγώνια.
2. Το εισερχόμενο κελί σημαίνεται ως «+». Τοποθετούμε
διαδοχικά «-» και «+» στα υπόλοιπα κελιά που απαρτίζουν το μονοπάτι (τα κελιά «+» παίρνουν φορτίο τα κελιά «-» χάνουν
φορτίο). http://users.uom.gr/~acg 36
Εισερχόμενο κελί Εξερχόμενο κελί
Ο Πίνακας Μεταφοράς με το μονοπάτι ανακατανομής
http://users.uom.gr/~acg 37
Συνέχεια της διαδικασίας 3. Επιλέγουμε το κελί με τη μικρότερη τρέχουσα εκχώρηση μεταξύ
αυτών που έχουν σημανθεί με «-». Αυτό το κελί είναι το εξερχόμενο και δίνει όλη την ποσότητά του στο εισερχόμενο κελί. Σε περίπτωση ισοβάθμισης επιλέγουμε αυθαίρετα (οδηγεί σε εκφυλισμένη λύση, δηλαδή λύση με κάποια βασική μεταβλητή ίση με μηδέν).
4. Στα κελιά του μονοπατιού με σήμανση «+» προσθέτουμε την ποσότητα του εξερχόμενου κελιού και από τα κελιά με σήμανση «-» αφαιρούμε την ποσότητα αυτή. Η λύση που προκύπτει είναι ένα νέο, καλύτερο σχέδιο μεταφοράς (δηλαδή με μικρότερο συνολικό κόστος).
http://users.uom.gr/~acg 38
U Η νέα βασική εφικτή λύση (τέλος πρώτης επανάληψης)
http://users.uom.gr/~acg 39
Συνολικό κόστος τρέχουσας λύσης (μετά την πρώτη επανάληψη)
= Ζ= 35010 + 2007 + 2506 + 1005 + 1006 + 2005 = 8500
Δηλαδή, έχουμε βελτίωση 400 μονάδων (πως ?) Με βάση το αποτέλεσμα της simplex (σελ.11)
(Που υποτίθεται ότι δεν γνωρίζουμε)
είναι η άριστη τιμή του κόστους??
http://users.uom.gr/~acg 40
Είναι η βέλτιστη λύση ?
UΔεύτερη επανάληψη, υπολογισμός για τα κόστη ευκαιρίας
http://users.uom.gr/~acg 41
UΔεύτερη επανάληψη, το μονοπάτι ανακατανομής
http://users.uom.gr/~acg 42
Συνολικό Κόστος = 7800 χμ, μείωση 700 χμ
UΟλοκλήρωση δεύτερης επανάληψης
http://users.uom.gr/~acg 43
Συνολικό κόστος = 6800 μονάδες (είναι η άριστη ?)
UΜετά από πέντε επαναλήψεις ()
http://users.uom.gr/~acg 44
Εντοπισμός Εναλλακτικής άριστης Λύσης UΑνακατανομή των εκχωρήσεων στο κελί Ε1-Π4
http://users.uom.gr/~acg 45
UΗ Εναλλακτική άριστη λύση (Συνολικό κόστος = 6800)
Κόστος ευκαιρίας στο κελί Ε1-Π3 ? http://users.uom.gr/~acg 46
Μη ισορροπημένα προβλήματα
α) Η συνολική ζήτηση ξεπερνά τη συνολική προσφορά
προσθήκη εικονικής προέλευσης
(δηλαδή προσφοράς σειράς) β) Η συνολική προσφορά ξεπερνά τη συνολική ζήτηση προσθήκη εικονικού προορισμού (δηλαδή ζήτησης στήλης)
http://users.uom.gr/~acg 47
Παράδειγμα: Αύξηση της προσφοράς του Ε1 στα 400 κιβώτια (+50)
Ο Πίνακας Μεταφοράς
http://users.uom.gr/~acg 48
UΗ αρχική λύση (βρέθηκε με τη μέθοδο Vogel)
http://users.uom.gr/~acg 49
http://users.uom.gr/~acg 50
Εκφυλισμένες λύσεις
Κάποια βασική μεταβλητή έχει μηδενική τιμή.
Δηλαδή, οι μη μηδενικές μεταβλητές είναι λιγότερες από n+m-1
Προκαλείται πρόβλημα στη διαδικασία ανακατανομής των εκχωρήσεων κατά τη φάση της επίλυσης
Θεραπεία: Τοποθετούμε μία μηδενική εκχώρηση στην κατάλληλη θέση για να χρησιμοποιηθεί στη συνέχεια ως βασική μεταβλητή, όπως οι υπόλοιπες βασικές.
http://users.uom.gr/~acg 51
Δύο περιπτώσεις εμφάνισης εκφυλισμένης λύσης 1. Κατά την κατάρτιση του αρχικού πίνακα
μεταφοράς (π.χ. με τη μέθοδο ΒΔΓ), όταν η προσφορά
και η ζήτηση σε κάποιο στάδιο εκχώρησης είναι ίσες. 2. Στη διαδικασία ανακατανομής των εκχωρήσεων του
κύριου τμήματος της μεθόδου μεταφοράς όταν προκύπτει ισοβάθμιση στην επιλογή του εξερχόμενου κελιού.
http://users.uom.gr/~acg 52
Παράδειγμα - Περίπτωση 1: Θέτουμε τη ζήτηση της πόλης Π2=350 και της Π3= 200
Ο Πίνακας Μεταφοράς
http://users.uom.gr/~acg 53
Ο Πίνακας Μεταφοράς μετά τη δεύτερη εκχώρηση
http://users.uom.gr/~acg 54
Ο Πίνακας Μεταφοράς με την μηδενική βασική μεταβλητή
http://users.uom.gr/~acg 55
Παράδειγμα - Περίπτωση 2: Μείωση της προσφοράς του Ε3 κατά 100 (Ε3= 300)
Ο Πίνακας Μεταφοράς
http://users.uom.gr/~acg 56
Ο Πίνακας Μεταφοράς με την αρχική βασική εφικτή λύση
http://users.uom.gr/~acg 57
Τρίτη επανάληψη της μεθόδου μεταφοράς
http://users.uom.gr/~acg 58
Ο Πίνακας Μεταφοράς μετά την τρίτη επανάληψη της μεθόδου
http://users.uom.gr/~acg 59
Η βέλτιστη λύση του προβλήματος με την εκφυλισμένη ενδιάμεση λύση
http://users.uom.gr/~acg 60
Άλλες Ειδικές Καταστάσεις (1) 1. Μεγιστοποίηση Μετατροπή της διαδικασίας εύρεσης αρχικής βασικής εφικτής
λύσης (αν χρειάζεται)
Μετατροπή του κριτηρίου επιλογής εισερχόμενου κελιού (επιλέγεται εκείνο με το μεγαλύτερο θετικό κόστος ευκαιρίας)
Μετατροπή του κριτηρίου αριστότητας (η διαδικασία
ολοκληρώνεται όταν δεν υπάρχουν θετικά κόστη ευκαιρίας)
http://users.uom.gr/~acg 61
Εύρεση της αρχικής εφικτής λύσης στη μεγιστοποίηση
Με τη μέθοδο της Βορειοδυτικής γωνίας δεν υπάρχει διαφορά στη διαδικασία
Με τη μέθοδο Vogel όμως ? Ακολουθεί το παράδειγμα της «Μακεδονικής», ως πρόβλημα μεγιστοποίησης, με το πρώτο βήμα (εύρεση αρχικής λύσης) με τη μέθοδο Vogel
http://users.uom.gr/~acg 62
Η μέθοδος Vogel στη μεγιστοποίηση
Βήμα 1. Υπολογίζουμε τις «διαφορές» σε κάθε σειρά και στήλη, αφαιρώντας από το μεγαλύτερο κέρδος το αμέσως μικρότερο ή ίσο του.
Βήμα 2. Επιλέγουμε τη σειρά ή τη στήλη με τη μεγαλύτερη διαφορά. Βήμα 3. Στη συγκεκριμένη σειρά ή στήλη εκχωρούμε το μεγαλύτερο δυνατό φορτίο
στο κελί με το μεγαλύτερο μοναδιαίο κέρδος μεταφοράς ανά μονάδα προϊόντος. Ακολούθως, αναπροσαρμόζουμε τη ζήτηση του προορισμού, την προσφορά της πηγής και διαγράφουμε αναλόγως τη σειρά ή τη στήλη.
Βήμα 4. Έχουν εξαντληθεί όλες προσφορές και ικανοποιηθεί όλες οι ζητήσεις; Αν Ναι, τότε βρέθηκε αρχική βασική εφικτή λύση (ΤΕΛΟΣ), διαφορετικά: Επανέλαβε από το Βήμα 1.
http://users.uom.gr/~acg 63
Εφαρμογή της μεθόδου Vogel στη μεγιστοποίηση (1)
Προορισμός Προέλευση Π1 Π2 Π3 Π4 Supply Διαφορές
Ε1 350 350 0
4
Ε2 450 2
Ε3 400 3
Demand 450 100
200 350 200 1200
Διαφορές 1 2 0 1
10 5 5
9 7 7
5 9 5
6
6
6
http://users.uom.gr/~acg 64
Εφαρμογή της μεθόδου Vogel στη μεγιστοποίηση (2)
Προορισμός Προέλευση Π1 Π2 Π3 Π4 Supply Διαφορές
Ε1 350 350 0
4
Ε2 100 450 350
2, 2
Ε3 400 3, 3
Demand 450 100 0
200 350 200 1200
Διαφορές 1, 4 2, 2 0, 0 1, 2
10 5 5
9 7 7
5 9 5
6
6
6
http://users.uom.gr/~acg 65
Εφαρμογή της μεθόδου Vogel στη μεγιστοποίηση (3) Προορισμός
Προέλευση Π1 Π2 Π3 Π4 Supply Διαφορές Ε1 350 350
0 4
Ε2 100 450 350
2, 2, 0
Ε3 200 400 200
3, 3, 3
Demand 450 100 0
200 0
350 200 1200
Διαφορές 1, 4 2, 2, 2 0, 0, 0 1, 2, 2
10 5 5
9 7 7
5 9 5
6
6
6
http://users.uom.gr/~acg 66
Εφαρμογή της μεθόδου Vogel στη μεγιστοποίηση (4) Προορισμός
Προέλευση Π1 Π2 Π3 Π4 Supply Διαφορές Ε1 350 350
0 4
Ε2 100 200 450 350 150
2, 2, 0, 1
Ε3 200 400 200
3, 3, 3, 1
Demand 450 100 0
200 0
350 200 0
1200
Διαφορές 1, 4 2, 2, 2 0, 0, 0, 0 1, 2, 2, 2
10 5 5
9 7 7
5 9
5
6
6
6
http://users.uom.gr/~acg 67
Εφαρμογή της μεθόδου Vogel στη μεγιστοποίηση (5) Προορισμός
Προέλευση Π1 Π2 Π3 Π4 Supply Διαφορές Ε1 350 350
0 4
Ε2 100 150 200 450 350
150, 0
2, 2, 0, 1
Ε3 200 200 400 200, 0
3, 3, 3, 1
Demand 450 100 0
200 0
350 0
200 0
1200
Διαφορές 1, 4 2, 2, 2 0, 0, 0, 0 1, 2, 2, 2
10 5 5
9 7 7
5 9
5
6
6
6
http://users.uom.gr/~acg 68
Συνολικό κέρδος = 350*10+100*9+150*6+200*7+200*9+200*6 = 9700 Είναι Βέλτιστη ;
200 350
Αρχική λύση με Vogel (πρόβλημα μεγιστοποίησης)
-5 -2 -2
-2
-2 -4
http://users.uom.gr/~acg 69
Ξανά το παράδειγμα μεγιστοποίησης, ξεκινώντας με ΒΔΓ Προορισμός Προέλευση Π1 Π2 Π3 Π4 Supply
Ε1 350 350
Ε2 100 200 150 450
Ε3 200 200 400
Demand 450 200 350 200 1200
Συνολικό Κέρδος = 8900
10 5 5
9 7 7
5 9 5
6
6
6 2
-3 0
-4 2
-
+
+
-
-2
http://users.uom.gr/~acg 70
Το παράδειγμα μεγιστοποίησης, ξεκινώντας με ΒΔΓ (2) Προορισμός Προέλευση Π1 Π2 Π3 Π4 Supply
Ε1 350 350
Ε2 100 200 150 450
Ε3 350 50 400
Demand 450 200 350 200 1200
Συνολικό Κέρδος = 9200
10 5 5
9 7 7
5 9 5
6
6
6
4 -2
-2
-3 -2 -2
+
+
-
-
http://users.uom.gr/~acg 71
Το παράδειγμα μεγιστοποίησης, ξεκινώντας με ΒΔΓ (3)
Προορισμός Προέλευση Π1 Π2 Π3 Π4 Supply
Ε1 350 350
Ε2 100 150 200 450
Ε3 50 350 400
Demand 450 200 350 200 1200
Συνολικό Κέρδος = 9400
10 5 5
9 7 7
5 9 5
6
6
6
-6
2
-3 0 -2
+
+ -
- -4
http://users.uom.gr/~acg 72
Το παράδειγμα μεγιστοποίησης, ξεκινώντας με ΒΔΓ (4)
Προορισμός Προέλευση Π1 Π2 Π3 Π4 Supply
Ε1 350 350
Ε2 100 150 200 450
Ε3 200 200 400
Demand 450 200 350 200 1200
Συνολικό Κέρδος = 9700 Είναι βέλτιστη;
10 5 5
9 7 7
5 9 5
6
6
6
-4
-5 -2 -2
-2
-2
http://users.uom.gr/~acg 73
Άλλες Ειδικές Καταστάσεις (2) 2. Αποκλεισμός διαδρομών
Σε πρόβλημα ελαχιστοποίησης θέτουμε το μοναδιαίο κόστος μεταφοράς του αντίστοιχου κελιού ίσο με άπειρο, δηλαδή ίσο με Μ.
Σε πρόβλημα μεγιστοποίησης, θέτουμε ως μοναδιαίο κέρδος μεταφοράς το –Μ.
http://users.uom.gr/~acg 74
UΥπενθύμιση, η άριστη λύση (κόστος 6800)
http://users.uom.gr/~acg 75
Παράδειγμα: η άριστη λύση με αποκλεισμό του Ε3-Π1
Νέο Κόστος: 010+2005+1505+4509+2006+2005 = 8000 (> 6800) ?
200 350
Ο Πίνακας Μεταφοράς της βέλτιστης με αποκλεισμό κελιού
http://users.uom.gr/~acg 76
Γενικό Παράδειγμα 1: από τη Διοίκηση Παραγωγής Μία αλυσίδα αρτοποιείων τροφοδοτεί χώρους μαζικής εστίασης. Η
παραγωγή λαμβάνει χώρα σε τρεις εγκαταστάσεις Φ1, Φ2 και Φ3, με ημερήσια δυναμικότητα 5000, 5000, και 10000 κιλά αντιστοίχως και απορροφάται από τέσσερις πελάτες Π1, Π2, Π3 και Π4. Το κόστος πρώτων υλών, εργασίας κλπ για ένα κιλό ψωμί είναι
160χμ. Άλλα κόστη (π.χ. πάγια έξοδα) επιβαρύνουν κάθε κιλό προϊόντος προς 10, 15 και 20 χμ αντιστοίχως για Φ1, Φ2, Φ3. Το προϊόν μεταφέρεται στους πελάτες με ιδιόκτητα οχήματα της
επιχείρησης. Όλες οι απαιτούμενες μεταφορές επιβαρύνουν το κόστος κάθε τεμαχίου άρτου με τις τιμές του ακόλουθου πίνακα ανάλογα με τον πελάτη στον οποίο καταλήγει.
http://users.uom.gr/~acg 77
Δεδομένα του γενικού παραδείγματος 1
Κόστη σχετικά με τη διανομή προϊόντων (χρηματικές μονάδες ανά τεμάχιο προϊόντος που διανέμεται)
Π1 Π2 Π3 Π4 Φ1 10 10 15 10 Φ2 15 10 10 15 Φ3 5 5 5 10
http://users.uom.gr/~acg 78
Άλλα στοιχεία του προβλήματος Η (χονδρική) τιμή πώλησης του προϊόντος είναι διαφορετική για
κάθε πελάτη, ανάλογα με τη σύμβαση και ανέρχεται στις 240χμ για τον Π1, 260χμ για το Π2, 250χμ για τον Π3 και 250χμ για τον Π4 (τιμές ανά τεμάχιο).
Οι καθημερινές απαιτήσεις των πελατών είναι κατά μέσο όρο οι εξής: Π1:5000, Π2:4000, Π3:7000 και Π4:5000 (κιλά άρτου).
Η εγκατάσταση Φ2 δεν αποστέλλει στον πελάτη Π3 λόγω διαφωνίας που προέκυψε μεταξύ των διοικήσεων των δύο εταιρειών.
Αφού εντοπίσετε το πρόβλημα που καλείται να λύσει η επιχείρηση να εφαρμόσετε τη μέθοδο μεταφοράς για να βρείτε την άριστη λύση.
http://users.uom.gr/~acg 79
Υπολογισμός περιθωρίου κέρδους για κάθε περίπτωση παραγωγής και ικανοποίησης της ζήτησης
Π1 Π2 Π3 Π4
Φ1 240-160-10-10=60 260-160-10-10=80 250-160-10-15=65 250-160-10-10=70
Φ2 240-160-15-15=50 260-160-15-10=75 250-160-15-10=65 250-160-15-15=60
Φ3 240-160-20-5=55 260-160-20-5=75 250-160-20-5=65 250-160-20-10=60
UΥπολογισμοί περιθωρίου κέρδους
http://users.uom.gr/~acg 80
UΑρχικός πίνακας μεταφοράς (ΒΔΓ)
http://users.uom.gr/~acg 81
Σύστημα u1=0 u1 + v1 = 60 u1 + v2 =80 u2 + v2 = 75 u2 + v3 = -M u3 + v3 = 65 u3 + v4 = 60 u4 + v4 = 0
Δηλαδή:
u1=0 v1 = 60 v2 =80 u2 = -5 v3 = -M+5 u3 = M+60 v4 = -M u4 = Μ
http://users.uom.gr/~acg 82
Υπολογισμός κόστους ευκαιρίας
311313 vuce = 65 – 0 – (-M+5) := M
411414 vuce = 70 – 0 – (-M) := M
122121 vuce = 50 – (-5) – 60 = -5
422424 vuce = 60 – (-5) – (-M) := M
133131 vuce = 55 – M – 60 := -M
233232 vuce = 75 – M – 80 := -M
144141 vuce = 0 – M – 60 := -M
244242 vuce = 0 – M –80 := -M
344343 vuce = 0 – M – (-M+5) = -5
http://users.uom.gr/~acg 83
UΑρχικός πίνακας μεταφοράς με το μονοπάτι ανακατανομής
http://users.uom.gr/~acg 84
Συνολικό κέρδος = 1.320.000
UΜετά από έξι επαναλήψεις (βέλτιστη λύση)
http://users.uom.gr/~acg 85
Γενικό Παράδειγμα 2
Η «Snowmobil Ltd» επιθυμεί να στείλει παλέτες με πέδιλα του σκι από τα δύο εργοστάσιά της (Ε1 και Ε2) σε τρεις αποθήκες – κέντρα διανομής (Α1, Α2 και Α3). Η προσφορά των εργοστασίων Ε1 και Ε2 είναι 20 και 15 παλέτες αντίστοιχα, ενώ, η ζήτηση στις τρεις αποθήκες ανέρχεται σε 10, 25 και 15 παλέτες, αντίστοιχα. Στον ακόλουθο πίνακα βλέπετε το μοναδιαίο κόστος μεταφοράς (χρ. μονάδες) μίας παλέτας, από κάθε εργοστάσιο προς κάθε κέντρο διανομής.
Α1 Α2 Α3 Ε1 8 7 6 Ε2 5 9 4
Ποιο πρόβλημα αντιμετωπίζει η επιχείρηση; Ξεκινήστε με τη μέθοδο Vogel για να το επιλύσετε. Αν υπάρχει εναλλακτική λύση να την εντοπίσετε.
http://users.uom.gr/~acg 86
Γενικό Παράδειγμα 2 (επίλυση -1) Εφαρμογή της μεθόδου Vogel, πρώτα εξισορροπείται
Προορισμός Προέλευση Α1 Α2 Α3 Supply Διαφορές
Ε1 20 1
Ε2 15 1
Dummy 15 15 0
0
Demand 10 25 10
15 50
Διαφορές 5 7 4
8 7 6
5 9 4
0 0 0
http://users.uom.gr/~acg 87
Γενικό Παράδειγμα 2 (επίλυση -2) Εφαρμογή της μεθόδου Vogel Α1 Α2 Α3 Supply Διαφορές
Ε1 20 1, 1
Ε2 10 15 5
1, 1
Dummy 15 15 0
0
Demand 10 0
25 10
15 50
Διαφορές 5 3
7 2
4 2
8 7 6
5 9 4
0 0 0
http://users.uom.gr/~acg 88
Γενικό Παράδειγμα 2 (επίλυση -3) Εφαρμογή της μεθόδου Vogel
Α1 Α2 Α3 Supply Διαφορές Ε1 20 1, 1, 1
Ε2 10 5 15 5 0
1, 1, 5
Dummy 15 15 0
0
Demand 10 0
25 10
15 10
50
Διαφορές 5 3
7 2 2
4 2 2
8 7 6
5 9 4
0 0 0
http://users.uom.gr/~acg 89
Γενικό Παράδειγμα 2 (επίλυση -4) Ολοκλήρωση της μεθόδου Vogel (τετριμμένο τελικό στάδιο)
Α1 Α2 Α3 Supply Διαφορές Ε1 10 10 20
0 1, 1, 1
Ε2 10 5 15 5 0
1, 1, 5
Dummy 15 15 0
0
Demand 10 0
25 10 0
15 10 0
50
Διαφορές 5 3
7 2 2
4 2 2
8 7 6
5 9 4
0 0 0
http://users.uom.gr/~acg 90
Γενικό Παράδειγμα 2 (επίλυση -5) Αρχική βασική εφικτή λύση (βρέθηκε με τη μέθοδο Vogel)
Α1 Α2 Α3 Supply ui Ε1 10 10 20 0
Ε2 10 5 15 -2
Dummy 15 15 -7
Demand 10 25 15 50
vj 7 7 6
Κόστος της αρχικής λύσης = 10*7 + 10*6 + 10*5 + 5*4 + 15*0 = 200 χ.μ. Ακολουθεί ο έλεγχος αριστότητας
8 7 6
5 9 4
0 0 0
1
4
0 1
http://users.uom.gr/~acg 91
Γενικό Παράδειγμα 2 (επίλυση -6)
Υπολογισμός των ui και vj (έχουν ήδη τοποθετηθεί στον προηγούμενο πίνακα)
u1=0 u1 + v2 = 7 v2 = 7 u1 + v3 = 6 v3 = 6 u2 + v1 = 5 v1 = 7 u2 + v3 = 4 u2 = -2 u3 + v2 = 0 u3 = -7
Υπολογισμός των eij (έχουν ήδη τοποθετηθεί στον προηγούμενο πίνακα)
e11 = 8 – u1 – v1 = 8 – 0 – 7 = 1 e22 = 9 – u2 – v2 = 9 – (-2) – 7 = 4 e31 = 0 – u3 – v1 = 0 – (-7) – 7 = 0 e33 = 0 – u3 – v3 = 0 – (-7) – 6 = 1
ΔΔεενν υυππάάρρχχοουυνν ααρρννηηττιικκάά κκόόσσττηη εευυκκααιιρρίίααςς ((οοππόόττεε ;;;;))
??
http://users.uom.gr/~acg 92
Γενικό Παράδειγμα 2 (επίλυση –ανακεφαλαίωση) ΔΔεενν υυππάάρρχχοουυνν ααρρννηηττιικκάά κκόόσσττηη εευυκκααιιρρίίααςς ββρρέέθθηηκκεε ηη άάρριισσττηη λλύύσσηη
ΔΔεενν χχρρεειιάάσσττηηκκεε νναα ππρροοχχωωρρήήσσοουυμμεε σσττηη δδιιααδδιικκαασσίίαα MMOODDII ααφφοούύ ηη ααρρχχιικκήή λλύύσσηη πποουυ ββρρέέθθηηκκεε μμεε ττηη μμέέθθοοδδοο VVooggeell ήήτταανν άάρριισσττηη
ΤΤοο κκόόσσττοοςς ττηηςς άάρριισσττηηςς λλύύσσηηςς ααννέέρρχχεεττααιι σσεε 220000 χχ..μμ..
ΥΥππάάρρχχεειι έένναα μμηηδδεεννιικκόό κκόόσσττοοςς εευυκκααιιρρίίααςς εεννααλλλλαακκττιικκήή άάρριισσττηη λλύύσσηη
ΓΓιιαα νναα ββρρεεθθεείί ηη εεννααλλλλαακκττιικκήή άάρριισσττηη λλύύσσηη,, εεκκττεελλοούύμμεε αανναακκααττααννοομμήή ττωωνν εεκκχχωωρρήήσσεεωωνν ββρρίίσσκκοοννττααςς ττοο κκααττάάλλλληηλλοο μμοοννοοππάάττιι αανναακκααττααννοομμήήςς γγιιαα ττοο κκεελλίί DDuummmmyy –– AA11 ((ee3311 == 00))
http://users.uom.gr/~acg 93
Γενικό Παράδειγμα 2 (εύρεση εναλλακτικής λύσης)
Α1 Α2 Α3 Supply Ε1 10 10 20
Ε2 10 5 15
Dummy 15 15
Demand 10 25 15 50
Ανακατανέμονται 10 παλέτες (το μικρότερο φορτίο με σήμανση «–»)
8 7 6
5 9 4
0 0 0 + -
+ -
+ -
http://users.uom.gr/~acg 94
Γενικό Παράδειγμα 2 (η εναλλακτική άριστη λύση)
Α1 Α2 Α3 Supply Ε1 20 0 20
Ε2 15 15
Dummy 10 5 15
Demand 10 25 15 50
ΣΣυυννοολλιικκόό κκόόσσττοοςς == 2200**77 ++ 00**66 ++ 1155**44 ++ 1100**00 ++ 55**00 == 220000 ΗΗ εεννααλλλλαακκττιικκήή εείίννααιι εεκκφφυυλλιισσμμέέννηη ΗΗ μμηηδδεεννιικκήή ββαασσιικκήή μμεεττααββλληηττήή μμπποορρεείί νναα ββρρίίσσκκεεττααιι εείίττεε σσττοο κκεελλίί ΕΕ11--ΑΑ33 εείίττεε σσττοο κκεελλίί ΕΕ22--ΑΑ11
8 7 6
5 9 4
0 0 0
http://users.uom.gr/~acg 95
ΤΤοο ππρρόόββλληημμαα ττηηςς εεκκχχώώρρηησσηηςς ((aassssiiggnnmmeenntt pprroobblleemm,, ααννττιισσττοοίίχχηησσηη,, ααννάάθθεεσσηη))
Είναι ειδική περίπτωση του προβλήματος μεταφοράς όπου η προσφορά και η ζήτηση είναι μονάδες
Κατανομή των πόρων με αντιστοιχία ένα προς ένα Ανάθεση εκτέλεσης εργασιών σε άτομα Εντοπισμός της ιδανικής αντιστοίχισης Απαρίθμηση; Σύνηθες Κριτήριο ελαχιστοποίηση κόστους (χρόνου)
ή μεγιστοποίηση κέρδους (ικανοποίησης, χρησιμότητας κ.λπ) Ισορροπημένα ή μη ισορροπημένα
http://users.uom.gr/~acg 96
Παράδειγμα 1 (εκχώρηση ελεγκτών της «Λογιστική Ε.Π.Ε.»)
Χρόνος διεκπεραίωσης εργασίας Εργασία
Συνεργάτης 1η 2η 3η 4η 5η 6η 7η 1. Αλέκος 140 120 200 90 100 195 50 2. Στέφανος 150 120 200 80 90 175 60 3. Ιωάννα 160 110 220 80 85 180 65 4. Αργύρης 130 100 210 70 85 195 65 5. Έλσα 170 125 210 85 100 190 70 6. Σταμάτης 140 130 230 90 95 170 60 7. Κώστας 135 120 240 100 80 160 55 8. Πηνελόπη 165 115 200 95 105 200 75
ΕΕίίννααιι ιισσοορρρροοππηημμέέννοο ((??))
http://users.uom.gr/~acg 97
UΤο γραμμικό μοντέλο του παραδείγματος 1 U
Μεταβλητές απόφασης: Xij = 0 ή 1 δυαδική μεταβλητή (binary) που υποδηλώνει αν ο i συνεργάτης αναλαμβάνει (1) ή δεν αναλαμβάνει (0) την j εργασία.
Αντικειμενική συνάρτηση:
Minimize z= 140Χ11 + 120Χ12 + … + 50Χ17 +
150Χ21 + 120Χ22 + … + 60Χ27 +
………………………………………. + 165Χ81 + 115Χ82 + … + 75Χ87 +
http://users.uom.gr/~acg 98
Uμε περιορισμούς
Uτης «Προσφοράς»: 1) Χ11 + Χ12 + Χ13 + Χ14 + Χ15 + Χ16 + Χ17 ≤ 1
2) Χ21 + Χ22 + Χ23 + Χ24 + Χ25 + Χ26 + Χ27 ≤ 1 …………………………………………………………………………
7) Χ71 + Χ72 + Χ73 + Χ74 + Χ75 + Χ76 + Χ77 ≤ 1
8) Χ81 + Χ82 + Χ83 + Χ84 + Χ85 + Χ86 + Χ87 ≤ 1
= αν ήταν ισορροπημένο
http://users.uom.gr/~acg 99
Uτης «Ζήτησης»: 1) Χ11 + Χ21 + Χ31 + Χ41 + Χ51 + Χ61 + Χ71 + Χ81 = 1 2) Χ12 + Χ22 + Χ32 + Χ42 + Χ52 + Χ62 + Χ72 + Χ82 = 1
…………………………………………………………………………
6) Χ16 + Χ26 + Χ36 + Χ46 + Χ56 + Χ66 + Χ76 + Χ86 = 1 7) Χ17 + Χ27 + Χ37 + Χ47 + Χ57 + Χ67 + Χ77 + Χ87 = 1
και Χij = 0 ή 1 για i=1,2,…,8 και j=1,2,…7
http://users.uom.gr/~acg 100
Το γενικό γραμμικό μοντέλο του προβλήματος εκχώρησης (ισορροπημένο)
m
i
m
jijij xcMinimize
1 1
με περιορισμούς
mix
m
jij ,...,2,1= 1
1
m,...,2,1= 1
1
jxm
iij
0,1, =1,2,..., και =1,2,....,ijx i m j m
μοναδιαίο κόστος εκχώρησης
μία ακριβώς ανάθεση για τον καθένα
κάθε εργασία ανατίθεται σε ακριβώς έναν
πλήθος εργασιών και ατόμων = m
http://users.uom.gr/~acg 101
Το γραμμικό μοντέλο του παραδείγματος 1 στο WinQSB
http://users.uom.gr/~acg 102
Η άριστη λύση με τη μέθοδο simplex
http://users.uom.gr/~acg 103
Η άριστη λύση με τoν Ουγγρικό (?) Αλγόριθμο
http://users.uom.gr/~acg 104
Παράδειγμα 2 (συγκρότηση ομάδας σκυταλοδρομίας κολύμβησης)
O προπονητής μίας ομάδας κολύμβησης θέλει να συγκροτήσει την ομάδα που θα λάβει μέρος στο αγώνισμα 4x50 μικτή ομαδική ανδρών (σκυταλοδρομία). Έχει στη διάθεσή του 5 αθλητές οι οποίοι είναι γενικά καλοί σε περισσότερα από ένα στυλ κολύμβησης (αν κάθε αθλητής ήταν καλύτερος από κάθε άλλον σε ένα μόνο στυλ τότε δεν θα είχαμε πρόβλημα για να λύσουμε). Στον ακόλουθο πίνακα βλέπετε τους χρόνους των πέντε κολυμβητών (δευτερόλεπτα) για τα 50 μέτρα σε κάθε στυλ κολύμβησης. Ποιοι θα μπουν στην ομάδα σκυταλοδρομίας; Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Παναγιώτης 27,2 32,1 30,4 28,2 Γιώργος 24,4 27,2 25,6 25,1 Νίκος 27,6 31,5 29,5 29,1 Γιάννης 26,1 28,3 30 27,8 Μανώλης 27 30,3 32,3 29,3
http://users.uom.gr/~acg 105
H Ουγγρική Μέθοδος (1)
Ο πίνακας κόστους μετατρέπεται σε πίνακα κόστους ευκαιρίας Δεν προσθέτουμε προσφορά ή ζήτηση Υπάρχει ομοιότητα με τη μέθοδο Vogel Στόχος: να βρεθεί πίνακας με ένα (τουλάχιστον) μηδενικό κόστος
ευκαιρίας σε κάθε γραμμή και στήλη (τα οποία μηδενικά να καλύπτονται με γραμμές κάλυψης πλήθους όση και η διάσταση του προβλήματος)
Εφαρμόζεται σε ισορροπημένο πρόβλημα ελαχιστοποίησης
http://users.uom.gr/~acg 106
H Ουγγρική Μέθοδος (2)
Βήμα 1ο : Κατασκευή του πίνακα κόστους ευκαιρίας Βήμα 2ο: Είναι η τρέχουσα βέλτιστη; Αν όχι συνέχισε, διαφορετικά
πήγαινε στο Βήμα 4. Βήμα 3ο : Βελτίωση του πίνακα κόστους ευκαιρίας. Πήγαινε στο Βήμα 2.
Βήμα 4ο : Εντόπισε τη βέλτιστη λύση
http://users.uom.gr/~acg 107
H Ουγγρική Μέθοδος (αναλυτικά)
Βήμα 1ο: Κατασκευή του πίνακα κόστους ευκαιρίας: Αφαίρεσε το μικρότερο κόστος κάθε σειράς από κάθε σειρά. Μετά, κάνε το ίδιο και με κάθε στήλη.
Βήμα 2ο: Έλεγχος αριστότητας: Χάραξε (ελάχιστου πλήθους) γραμμές κάλυψης των μηδενικών. Αν το πλήθος των γραμμών είναι ίσο με τη διάσταση του πίνακα τότε πήγαινε στο Βήμα 4, διαφορετικά συνέχισε.
Βήμα 3ο: Βελτίωση του πίνακα κόστους ευκαιρίας: Αφαιρούμε το μικρότερο μη καλυμμένο στοιχείο από όλα τα μη καλυμμένα στοιχεία του πίνακα και το προσθέτουμε σε όλα τα στοιχεία όπου τέμνονται γραμμές κάλυψης. Πήγαινε στο Βήμα 2.
Βήμα 4ο: Εντοπισμός βέλτιστης λύσης: Στη σειρά ή στήλη που έχει ακριβώς ένα μηδενικό στοιχείο κάνουμε εκχώρηση. Αν δεν υπάρχει σειρά ή στήλη με ένα μηδενικό στοιχείο επιλέγουμε αυτήν με τα λιγότερα μηδενικά. «Διαγράφουμε» τη σειρά και στήλη της εκχώρησης και επαναλαμβάνουμε το Βήμα 4 μέχρι να εξαντληθούν οι εκχωρήσεις.
http://users.uom.gr/~acg 108
Παράδειγμα 3 (1)
Τρία συνεργεία αναλαμβάνουν τρεις εργασίες. «Κόστος» οι ημέρες. Πίνακας κόστους των πιθανών εκχωρήσεων
Ε1 Ε2 Ε3 Σ1 7 7 4 Σ2 6 5 5 Σ3 5 8 3
http://users.uom.gr/~acg 109
Παράδειγμα 3 (2) Βήμα 1:
Πίνακας μειωμένος ως προς τις σειρές: Ε1 Ε2 Ε3
Σ1 3 3 0 Σ2 1 0 0 Σ3 2 5 0
Πίνακας μειωμένος και ως προς τις στήλες (πίνακας κόστους ευκαιρίας) Ε1 Ε2 Ε3
Σ1 2 3 0 Σ2 0 0 0 Σ3 1 5 0
http://users.uom.gr/~acg 110
Παράδειγμα 3 (3) Βήμα 2:
Γραμμές κάλυψης Ε1 Ε2 Ε3
Σ1 2 3 0 Σ2 0 0 0 Σ3 1 5 0
2 γραμμές κάλυψης < διάσταση (=3) Συνεχίζουμε στο Βήμα 3, αφαιρώντας και προσθέτοντας κατάλληλα
το μικρότερο ακάλυπτο στοιχείο (=1)
http://users.uom.gr/~acg 111
Παράδειγμα 3 (4) Βήμα 3:
Προσθαφαίρεση του μικρότερου ακάλυπτου στοιχείου (=1) Ε1 Ε2 Ε3
Σ1 2 3 0 Σ2 0 0 0 Σ3 1 5 0
Ε1 Ε2 Ε3 Σ1 1 2 0 Σ2 0 0 1 Σ3 0 4 0
Επιστρέφουμε στο Βήμα 2 (γραμμές κάλυψης)
-1 -1 +1 -1 -1
http://users.uom.gr/~acg 112
Παράδειγμα 3 (5) Βήμα 2:
Γραμμές κάλυψης Ε1 Ε2 Ε3
Σ1 1 2 0 Σ2 0 0 1 Σ3 0 4 0
3 γραμμές κάλυψης = διάσταση (=3) Συνεχίζουμε στο Βήμα 4 (εντοπισμός άριστης λύσης)
http://users.uom.gr/~acg 113
Παράδειγμα 3 (6) Βήμα 4:
Μοναδικό μηδενικό στοιχείο: Σ1-Ε3 εκχώρηση και διαγραφή Σ1-Ε3 Ε1 Ε2 Ε3
Σ1 1 2 0 Σ2 0 0 1 Σ3 0 4 0
Ε1 Ε2 Ε3
Σ1 1 2 0 Σ2 0 0 1 Σ3 0 4 0
http://users.uom.gr/~acg 114
Παράδειγμα 3 (7) Βήμα 4 (συνέχεια):
Μοναδικό Μηδενικό στοιχείο: Σ2-Ε2 εκχώρηση και διαγραφή Σ2-Ε2 Εναλλακτικά, μηδενικό στοιχείο Σ3-Ε1 και διαγραφή Σ3-Ε1
Ε1 Ε2 Ε3 Σ1 1 2 0 Σ2 0 0 1 Σ3 0 4 0
Και τελικά απομένει το Σ3-Ε1 στο οποίο γίνεται η τελευταία εκχώρηση.
http://users.uom.gr/~acg 115
Παράδειγμα 3 (8) Βήμα 4 (ολοκλήρωση): Μεταφορά των αποτελεσμάτων της διαδικασίας στον Πίνακα κόστους
Ε1 Ε2 Ε3 Σ1 7 7 4 Σ2 6 5 5 Σ3 5 8 3
Οπότε οι αναθέσεις είναι Σ1Ε3, Σ2Ε2 και Σ3Ε1 με συνολικό ελάχιστο «κόστος» 5+5+4 = 14 εργάσιμες ημέρες.
http://users.uom.gr/~acg 116
Επιστροφή στο Παράδειγμα 2 (1)
Πίνακας χρόνων κολύμβησης: Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Παναγιώτης 27,2 32,1 30,4 28,2 Γιώργος 24,4 27,2 25,6 25,1 Νίκος 27,6 31,5 29,5 29,1 Γιάννης 26,1 28,3 30 27,8 Μανώλης 27 30,3 32,3 29,3 Το πρόβλημα δεν είναι ισορροπημένο (Υπερβάλλουσα προσφορά) Προσθέτουμε Εικονική στήλη με μηδενικά κόστη
http://users.uom.gr/~acg 117
Παράδειγμα 2 (2)
Ισορροπημένο πρόβλημα: Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 27,2 32,1 30,4 28,2 0 Γιώργος 24,4 27,2 25,6 25,1 0 Νίκος 27,6 31,5 29,5 29,1 0 Γιάννης 26,1 28,3 30 27,8 0 Μανώλης 27 30,3 32,3 29,3 0
http://users.uom.gr/~acg 118
Παράδειγμα 2 (3) Βήμα 1: Πίνακας μειωμένος ως προς τις σειρές (ίδιος γιατί απλά αφαιρείται η εικονική): Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 27,2 32,1 30,4 28,2 0 Γιώργος 24,4 27,2 25,6 25,1 0 Νίκος 27,6 31,5 29,5 29,1 0 Γιάννης 26,1 28,3 30 27,8 0 Μανώλης 27 30,3 32,3 29,3 0
Πίνακας μειωμένος και ως προς τις στήλες (πίνακας κόστους ευκαιρίας) Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 2,8 4,9 4,8 3,1 0 Γιώργος 0 0 0 0 0 Νίκος 3,2 4,3 3,9 4 0 Γιάννης 1,7 1,1 4,4 2,7 0 Μανώλης 2,6 3,1 6,7 4,2 0
http://users.uom.gr/~acg 119
Παράδειγμα 2 (4) Βήμα 2:
Γραμμές κάλυψης Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 2,8 4,9 4,8 3,1 0 Γιώργος 0 0 0 0 0 Νίκος 3,2 4,3 3,9 4 0 Γιάννης 1,7 1,1 4,4 2,7 0 Μανώλης 2,6 3,1 6,7 4,2 0
2 γραμμές κάλυψης < διάσταση (=5) Συνεχίζουμε στο Βήμα 3, αφαιρώντας και προσθέτοντας κατάλληλα
το μικρότερο ακάλυπτο στοιχείο (=1,1)
http://users.uom.gr/~acg 120
Παράδειγμα 2 (5) Βήμα 3:
Προσθαφαίρεση του μικρότερου ακάλυπτου στοιχείου (=1,1) Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 2,8 4,9 4,8 3,1 0 Γιώργος 0 0 0 0 0 Νίκος 3,2 4,3 3,9 4 0 Γιάννης 1,7 1,1 4,4 2,7 0 Μανώλης 2,6 3,1 6,7 4,2 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 1,7 3,8 3,7 2 0 Γιώργος 0 0 0 0 1,1 Νίκος 2,1 3,2 2,8 2,9 0 Γιάννης 0,6 0 3,3 1,6 0 Μανώλης 1,5 2 5,6 3,1 0
Επιστρέφουμε στο Βήμα 2 (γραμμές κάλυψης)
http://users.uom.gr/~acg 121
Παράδειγμα 2 (6) Βήμα 2:
Γραμμές κάλυψης Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 1,7 3,8 3,7 2 0 Γιώργος 0 0 0 0 1,1 Νίκος 2,1 3,2 2,8 2,9 0 Γιάννης 0,6 0 3,3 1,6 0 Μανώλης 1,5 2 5,6 3,1 0
3 γραμμές κάλυψης < διάσταση (=5) Συνεχίζουμε στο Βήμα 3, αφαιρώντας και προσθέτοντας κατάλληλα
το μικρότερο ακάλυπτο στοιχείο (=0,6)
http://users.uom.gr/~acg 122
Παράδειγμα 2 (7) Βήμα 3:
Προσθαφαίρεση του μικρότερου ακάλυπτου στοιχείου (=0,6) Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 1,7 3,8 3,7 2 0 Γιώργος 0 0 0 0 1,1 Νίκος 2,1 3,2 2,8 2,9 0 Γιάννης 0,6 0 3,3 1,6 0 Μανώλης 1,5 2 5,6 3,1 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 1,1 3,8 3,1 1,4 0 Γιώργος 0 0,6 0 0 1,7 Νίκος 1,5 3,2 2,2 2,3 0 Γιάννης 0 0 2,7 1 0 Μανώλης 0,9 2 5 2,5 0
Επιστρέφουμε στο Βήμα 2 (γραμμές κάλυψης)
http://users.uom.gr/~acg 123
Παράδειγμα 2 (8) Βήμα 2:
Γραμμές κάλυψης Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 1,1 3,8 3,1 1,4 0 Γιώργος 0 0,6 0 0 1,7 Νίκος 1,5 3,2 2,2 2,3 0 Γιάννης 0 0 2,7 1 0 Μανώλης 0,9 2 5 2,5 0
3 γραμμές κάλυψης < διάσταση (=5) Συνεχίζουμε στο Βήμα 3, αφαιρώντας και προσθέτοντας κατάλληλα
το μικρότερο ακάλυπτο στοιχείο (=0,9)
http://users.uom.gr/~acg 124
Παράδειγμα 2 (9) Βήμα 3:
Προσθαφαίρεση του μικρότερου ακάλυπτου στοιχείου (=0,9) Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 1,1 3,8 3,1 1,4 0 Γιώργος 0 0,6 0 0 1,7 Νίκος 1,5 3,2 2,2 2,3 0 Γιάννης 0 0 2,7 1 0 Μανώλης 0,9 2 5 2,5 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 2,2 0,5 0 Γιώργος 0 0,6 0 0 2,6 Νίκος 0,6 2,3 1,3 1,4 0 Γιάννης 0 0 2,7 1 0,9 Μανώλης 0 1,1 4,1 1,6 0
Επιστρέφουμε στο Βήμα 2 (γραμμές κάλυψης)
http://users.uom.gr/~acg 125
Παράδειγμα 2 (10) Βήμα 2:
Γραμμές κάλυψης Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 2,2 0,5 0 Γιώργος 0 0,6 0 0 2,6 Νίκος 0,6 2,3 1,3 1,4 0 Γιάννης 0 0 2,7 1 0,9 Μανώλης 0 1,1 4,1 1,6 0
4 γραμμές κάλυψης < διάσταση (=5) Συνεχίζουμε στο Βήμα 3, αφαιρώντας και προσθέτοντας κατάλληλα
το μικρότερο ακάλυπτο στοιχείο (=0,5)
http://users.uom.gr/~acg 126
Παράδειγμα 2 (11) Βήμα 3:
Προσθαφαίρεση του μικρότερου ακάλυπτου στοιχείου (=0,5) Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 2,2 0,5 0 Γιώργος 0 0,6 0 0 2,6 Νίκος 0,6 2,3 1,3 1,4 0 Γιάννης 0 0 2,7 1 0,9 Μανώλης 0 1,1 4,1 1,6 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
Επιστρέφουμε στο Βήμα 2 (γραμμές κάλυψης)
http://users.uom.gr/~acg 127
Παράδειγμα 2 (12) Βήμα 2:
Γραμμές κάλυψης Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
5 γραμμές κάλυψης = διάσταση (=5) Συνεχίζουμε στο Βήμα 4 (εντοπισμός άριστης λύσης)
http://users.uom.gr/~acg 128
Παράδειγμα 2 (13) Βήμα 4: Μοναδικό μηδενικό στοιχείο: Πρόσθιο – Γιάννης εκχώρηση και διαγραφή: Πρόσθιο – Γιάννης (εναλλακτικά, Νίκος – Εικονική, Ύπτιο - Γιώργος) Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
http://users.uom.gr/~acg 129
Παράδειγμα 2 (14) Βήμα 4: Μοναδικό μηδενικό στοιχείο: Ελεύθερο – Μανώλης εκχώρηση και διαγραφή:Ελεύθερο–Μανώλης (εναλλακτικά, Νίκος–Εικονική και Ύπτιο-Γιώργος)
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
http://users.uom.gr/~acg 130
Παράδειγμα 2 (15) Βήμα 4: Μοναδικό μηδενικό στοιχείο: Ύπτιο – Γιώργος εκχώρηση και διαγραφή: Ύπτιο – Γιώργος (εναλλακτικά, Νίκος – Εικονική)
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
http://users.uom.gr/~acg 131
Παράδειγμα 2 (16) Βήμα 4: Μοναδικό μηδενικό στοιχείο: Πεταλούδα – Παναγιώτης εκχώρηση και διαγραφή: Πεταλούδα – Παναγιώτης (εναλλακτικά, Νίκος – Εικονική)
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 0,2 2,9 1,7 0 0 Γιώργος 0,5 1,1 0 0 3,1 Νίκος 0,6 2,3 0,8 0,9 0 Γιάννης 0 0 2,2 0,5 0,9 Μανώλης 0 1,1 3,6 1,1 0
Και φυσικά, απομένει η εκχώρηση Νίκος - Εικονική
http://users.uom.gr/~acg 132
Παράδειγμα 2 (17) Βήμα 4 (ολοκλήρωση): Μεταφορά των αποτελεσμάτων της διαδικασίας στον Πίνακα κόστους (χρόνου): Ελεύθερο Πρόσθιο Ύπτιο Πεταλούδα Εικονική Παναγιώτης 27,2 32,1 30,4 28,2 0 Γιώργος 24,4 27,2 25,6 25,1 0 Νίκος 27,6 31,5 29,5 29,1 0 Γιάννης 26,1 28,3 30 27,8 0 Μανώλης 27 30,3 32,3 29,3 0 Οπότε, οι αναθέσεις είναι Παναγιώτης Πεταλούδα, Γιώργος Ύπτιο, Νίκος Εικονική, Γιάννης Πρόσθιο και Μανώλης Ελεύθερο με συνολικό ελάχιστο χρόνο 28,2 + 25,6 + 0 + 28,3 + 27 = 109,1 δευτερόλεπτα.
http://users.uom.gr/~acg 133
Επίλυση με τη μέθοδο simplex
http://users.uom.gr/~acg 134
Άλλες ειδικές περιπτώσεις
Αποκλεισμός ανάθεσης: Θέτουμε κόστος = Μ (ή κέρδος = -Μ) Πολλαπλές άριστες λύσεις: Ένδειξη: δεν μπορεί να βρεθεί σειρά
ή στήλη με μοναδικό μηδενικό κατά το Βήμα 2. Επιλέγουμε αυθαίρετα μεταξύ των πολλαπλών μηδενικών.
Μεγιστοποίηση: Μετατρέπουμε πρώτα τον πίνακα εισοδημάτων (ή κέρδους) σε πίνακα κόστους ευκαιρίας μεγιστοποίησης, αφαιρώντας κάθε στοιχείο του πίνακα από το μεγαλύτερό του στοιχείο (εξαιρούνται οι εικονικές σειρές ή στήλες.) Κατόπιν, προχωράμε με τον πίνακα που προέκυψε σαν να ήταν
πίνακας κόστους.
http://users.uom.gr/~acg 135
Παράδειγμα 4 – Μεγιστοποίηση
Ας λύσουμε το Παράδειγμα 3 ως πρόβλημα μεγιστοποίησης. Δηλαδή, οι αριθμοί παριστάνουν εισόδημα (χρηματικές μονάδες)
Πίνακας εσόδων των εκχωρήσεων Ε1 Ε2 Ε3
Σ1 7 7 4 Σ2 6 5 5 Σ3 5 8 3
http://users.uom.gr/~acg 136
Παράδειγμα 4 (1)
Μετατρέπουμε τον πίνακα σε πίνακα κόστους ευκαιρίας μεγιστοποίησης. Για τον σκοπό αυτό, αφαιρούμε κάθε στοιχείο του πίνακα από το μεγαλύτερό του στοιχείο, που είναι το 8 (Σ3-Ε2).
Πίνακας κόστους ευκαιρίας για το πρόβλημα μεγιστοποίησης Ε1 Ε2 Ε3
Σ1 1 1 4 Σ2 2 3 3 Σ3 3 0 5
Συνεχίζουμε με τον παραπάνω πίνακα σαν να ήταν ο αρχικός πίνακας προβλήματος ελαχιστοποίησης.
http://users.uom.gr/~acg 137
Παράδειγμα 4 (2) Βήμα 1:
Πίνακας μειωμένος ως προς τις σειρές: Ε1 Ε2 Ε3
Σ1 0 0 3 Σ2 0 1 1 Σ3 3 0 5
Πίνακας μειωμένος και ως προς τις στήλες (πίνακας κόστους ευκαιρίας) Ε1 Ε2 Ε3
Σ1 0 0 2 Σ2 0 1 0 Σ3 3 0 4
http://users.uom.gr/~acg 138
Παράδειγμα 4 (3) Βήμα 2:
Γραμμές κάλυψης Ε1 Ε2 Ε3
Σ1 0 0 2 Σ2 0 1 0
Σ3 3 0 4
3 γραμμές κάλυψης = διάσταση (=3)
Συνεχίζουμε στο Βήμα 4 (εντοπισμός άριστης λύσης)
http://users.uom.gr/~acg 139
Παράδειγμα 4 (4) Βήμα 4:
Μοναδικό μηδενικό στοιχείο: Σ3-Ε2 εκχώρηση και διαγραφή Σ3-Ε2 (επίσης, Ε3-Σ2)
Ε1 Ε2 Ε3 Σ1 0 0 2 Σ2 0 1 0 Σ3 3 0 4
Ε1 Ε2 Ε3 Σ1 0 0 2
Σ2 0 1 0
Σ3 3 0 4
http://users.uom.gr/~acg 140
Παράδειγμα 4 (5) Βήμα 4:
Μοναδικό μηδενικό στοιχείο: Σ1-Ε1 εκχώρηση και διαγραφή Σ1-Ε1 (επίσης, Ε3-Σ2)
Ε1 Ε2 Ε3 Σ1 0 0 2
Σ2 0 1 0
Σ3 3 0 4
Ε1 Ε2 Ε3 Σ1 0 0 2
Σ2 0 1 0
Σ3 3 0 4
Και φυσικά, η τελευταία εκχώρηση είναι στο Ε3-Σ2.
http://users.uom.gr/~acg 141
Παράδειγμα 4 (6) Βήμα 4 (ολοκλήρωση): Μεταφορά των αποτελεσμάτων της διαδικασίας στον αρχικό πίνακα εσόδων:
Ε1 Ε2 Ε3 Σ1 7 7 4 Σ2 6 5 5 Σ3 5 8 3
Οπότε, οι αναθέσεις είναι Σ1 Ε1, Σ2 Ε3 και Σ3 Ε2 με συνολικό εισόδημα 7 + 5 + 8 = 20 χρηματικές μονάδες.