SlideShare une entreprise Scribd logo
1  sur  40
1
2
3
(   /   )
            (   /   )




                        4
min.    f (x)
    s. t.   x∈S
f                   X
S                   X

x∈S                           f
x


                        S=∅
              S=∅




                                  5
inf{f (x)|x ∈ S}




                   6
•
•
    •
    •
    •
•
    •
    •
•
•
•

        7
8
X      n                         Rn                    f           S



            aij , bi , cj (i = 1, · · · , m; j = 1, · · · , n)
            xj (j = 1, · · · , n)
    min.     c 1 x1 + · · · + c n xn
    s. t.    ai1 x1 + · · · + ain xn ≤ bi (i = 1, · · · , l)
             ai1 x1 + · · · + ain xn = bi (i = l + 1, · · · , m)




                                                                       9
aij , bi , cj (i = 1, · · · , m; j = 1, · · · , n)


min.     c 1 x1 + · · · + c n xn
s. t.    ai1 x1 + · · · + ain xn ≥ bi (i = 1, · · · , m)
         xj ≥ 0(j = 1, · · · , n)


min.     cT x
s. t.    Ax ≥ b
         x≥0




                                                             10
n                  n                    n
      aj xj = b →         aj xj ≤ b,           aj xj ≥ b
j=1                 j=1                j=1




        n                        n
max.         cj xj → min. −           c j xj
       j=1                      j=1
 n                        n
      a j xj ≤ b → −          aj xj ≥ −b
j=1                     j=1




x → x = x1 − x2 , x1 ≥ 0, x2 ≥ 0

                                                           11
min.    c 1 x1 + · · · + c n xn
s. t.   ai1 x1 + · · · + ain xn = bi (i = 1, · · · , m)
        xj ≥ 0(j = 1, · · · , n)


min.    cT x
s. t.   Ax = b
        x≥0




                                                          12
min.    c 1 x1 + · · · + c n xn
s. t.   ai1 x1 + · · · + ain xn ≥ bi (i = 1, · · · , m)
        xj ≥ 0(j = 1, · · · , n)

i                                    xn+i
ai1 x1 + · · · + ain xn ≥ bi → ai1 x1 + · · · + ain xn − xn+i = bi , xn+i ≥ 0




                                                                                13
14
15
min.    cT x
s. t.   Ax ≥ b
        x≥0
         z = cT x            x = (xx+1 , · · · , xn+m )
min.    z
s. t.   z = 0 + cT x
        x = −b + Ax
        x, x ≥ 0
                     z   z




                                                          16
min.    cT x
s. t.   Ax ≥ b
        x≥0
         z = cT x             x = (xx+1 , · · · , xn+m )
min.    z
s. t.   z = 0 + cT x     {n + 1, · · · , n + m}
        x = −b + Ax
        x, x ≥ 0
                     z   z




                                                           16
z = 0 + cT x
x = −b + Ax




               17
D           B



  z                              xs



                                      xs

Dr0 /|Drs | = min{Di0 /|Dis ||Dis < 0, i ∈ B  {z}}, Drs < 0
                xr
       r
            (r, s)


                                                               18
D                 r                 s             Drs = 0
D                         B                 N
    D         i   Di (i = r)        r       Dr   Dis /Drs
        xs              xr
Di
r Dr         −1/Drs            xs                xr
                              Ds
B ← B  {r} ∪ {s} N ← N  {r} ∪ {s}




                                                                19
z = 0 − 2x1 − x2 − x3
x4 = 4 − 2x1 − 2x2 + x3
x5 = 4 − 2x1 − 4x3
x6 = 1 + 4x1 − 3x2 + x3
        (4, 1)
 z = −4 + x4 + x2 − 2x3
x1 = 2 − 1/2x4 − x2 + 1/2x3
x5 = 0 + x4 + 2x2 − 5x3
x6 = 0 − 2x4 − 7x2 + 3x3




                              20
min.  −2x1 − x2 − x3
s. t. −2x1 − 2x2 + x3 ≥ −4
      −2x1 − 4x3 ≥ −4
      4x1 − 3x2 + x3 ≥ −1
      x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
                       x4 , x5 , x6
 z = 0 − 2x1 − x2 − x3
x4 = 4 − 2x1 − 2x2 + x3
x5 = 4 − 2x1 − 4x3
x6 = 1 + 4x1 − 3x2 + x3

(x1 , x2 , x3 , x4 , x5 , x6 , z) = (0, 0, 0, 4, 4, 1, 0)



                                                            21
x1 = 1                x4 = 2, x5 = 2, x6 = 5, z = −2
x1 = 2                x4 = 0, x5 = 0, x6 = 9, z = −4
x1 = 3                x4 = −2, x5 = −2, x6 = 13, z = −6
                                         x1 2

(x1 , x2 , x3 , x4 , x5 , x6 , z) = (2, 0, 0, 0, 0, 9, −4)
 x1
                                         x1     x4
   (4, 1)
 z = −4 + x4 + x2 − 2x3
x1 = 2 − 1/2x4 − x2 + 1/2x3
x5 = 0 + x4 + 2x2 − 5x3
x6 = 0 − 2x4 − 7x2 + 3x3
                                                             22
x1 = 1                x4 = 2, x5 = 2, x6 = 5, z = −2
x1 = 2                x4 = 0, x5 = 0, x6 = 9, z = −4
x1 = 3                x4 = −2, x5 = −2, x6 = 13, z = −6
                                         x1 2

(x1 , x2 , x3 , x4 , x5 , x6 , z) = (2, 0, 0, 0, 0, 9, −4)
 x1
                                         x1     x4
   (4, 1)
 z = −4 + x4 + x2 − 2x3
x1 = 2 − 1/2x4 − x2 + 1/2x3
x5 = 0 + x4 + 2x2 − 5x3
x6 = 0 − 2x4 − 7x2 + 3x3
                                                             23
x3                     x5
 z = −4 + 3/5x4 + 1/52 + 2/5x5
x1 = 2 − 2/5x4 − 4/5x2 − 1/10x5
x3 = 0 + 1/5x4 + 2/5x2 − 1/5x5
x6 = 9 − 7/5x4 − 29/5x2 − 3/5x5


           (x1 , x2 , x3 , x4 , x5 , x6 , z) = (2, 0, 0, 0, 0, 9, −4)




                                                                        24
D           B



  z                              xs



                                      xs

Dr0 /|Drs | = min{Di0 /|Dis ||Dis < 0, i ∈ B  {z}}, Drs < 0
                xr
       r
            (r, s)


                                                               25
b≤0




      26
min.     cT x
 s. t.    Ax ≥ b
          x≥0
     xa              e = (1, · · · , 1) ∈ Rm
 min.     xa
 s. t.    Ax + exa ≥ b
          x ≥ 0, xa ≥ 0
xa


xa



                                               27
za = x a
  za = 0 + 0T x + x a
  x = −b + Ax + exa
b≤0

                                   xr
(r, a)




                                        28
min.    −x1 − 2x2
 s. t.   −x1 − x2 ≥ −1
         x1 + x2 ≥ 1
         x1 ≥ 0, x2 ≥ 0

 za = xa
  z = −x1 − 2x2
 x3 = 1 − x1 − x2 + xa
 x4 = −1 + x1 + x2 + xa
(4, a)
  za = 1 − x1 − x2 + x4
   z = −x1 − 2x2
 x3 = 2 − 2x1 − 2x2 + x4
 xa = 1 − x1 − x2 + x4
                           29
(a, 1)
za = x a
 z = −1 + xa − x2 − x4
x3 = 2xa − x4
x1 = 1 − xa − x2 + x4




                         30
xa

              xr
(r, a)




                   31
32
33
solveLP(cvec, bvec, Amat, maximum = FALSE,
        const.dir = rep( "<=", length( bvec ) ))



cvec               b
bvec               c               min.    cT x
Amat           A                   s. t.   Ax ≥ b
maximum                                    x≥0
const.dir




                                                    34
min.    −2x1 − x2 − x3
s. t.   −2x1 − 2x2 + x3 ≥ −4
        −2x1 − 4x3 ≥ −4
        4x1 − 3x2 + x3 ≥ −1
        x1 ≥ 0, x2 ≥ 0, x3 ≥ 0



> cvec <- c(-2, -1, -1)
> bvec <- c(-4, -4, -1)
> Amat <- rbind(c(-2, -1, -1), c(-2, 0, -4),
               c(4, -3, 1))
> result <-solveLP(cvec, bvec, Amat,
                   const.dir=rep(">=",length(bvec)))

                                                       35
> result$opt        #
[1] -4
> result$solution   #
1 2 3
2 0 0
> result$iter1      #   1
[1] 0
> result$iter2      #   1
[1] 1



                            36
37
•
•
    •
    •
•
•




        38
39

Contenu connexe

Tendances

[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks
[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks
[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial NetworksDeep Learning JP
 
Jonathan Ronen - Variational Autoencoders tutorial
Jonathan Ronen - Variational Autoencoders tutorialJonathan Ronen - Variational Autoencoders tutorial
Jonathan Ronen - Variational Autoencoders tutorialJonathan Ronen
 
BERTに関して
BERTに関してBERTに関して
BERTに関してSaitama Uni
 
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説弘毅 露崎
 
データ解析13 線形判別分析
データ解析13 線形判別分析データ解析13 線形判別分析
データ解析13 線形判別分析Hirotaka Hachiya
 
[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo
[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo
[論文紹介] DPSNet: End-to-end Deep Plane Sweep StereoSeiya Ito
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成Prunus 1350
 
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)yukihiro domae
 
DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214Kosuke Nakago
 
SVMについて
SVMについてSVMについて
SVMについてmknh1122
 
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れR-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れKazuki Motohashi
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化Yusuke Uchida
 
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話Classi.corp
 
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat ModelsDeep Learning JP
 
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎Preferred Networks
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知Yuto Mori
 
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズムTakuya Akiba
 

Tendances (20)

[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks
[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks
[DL輪読会]A Style-Based Generator Architecture for Generative Adversarial Networks
 
Jonathan Ronen - Variational Autoencoders tutorial
Jonathan Ronen - Variational Autoencoders tutorialJonathan Ronen - Variational Autoencoders tutorial
Jonathan Ronen - Variational Autoencoders tutorial
 
BERTに関して
BERTに関してBERTに関して
BERTに関して
 
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
 
深層学習 第6章
深層学習 第6章深層学習 第6章
深層学習 第6章
 
データ解析13 線形判別分析
データ解析13 線形判別分析データ解析13 線形判別分析
データ解析13 線形判別分析
 
[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo
[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo
[論文紹介] DPSNet: End-to-end Deep Plane Sweep Stereo
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
Prml6
Prml6Prml6
Prml6
 
Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)Graph convolution (スペクトルアプローチ)
Graph convolution (スペクトルアプローチ)
 
強化学習5章
強化学習5章強化学習5章
強化学習5章
 
DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214
 
SVMについて
SVMについてSVMについて
SVMについて
 
R-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れR-CNNの原理とここ数年の流れ
R-CNNの原理とここ数年の流れ
 
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
 
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
 
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
 
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」  佐野正太郎
明治大学講演資料「機械学習と自動ハイパーパラメタ最適化」 佐野正太郎
 
One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知One Class SVMを用いた異常値検知
One Class SVMを用いた異常値検知
 
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
 

Plus de Hidekazu Tanaka

ggplot2 に入門してみた
ggplot2 に入門してみたggplot2 に入門してみた
ggplot2 に入門してみたHidekazu Tanaka
 
データベースのお話
データベースのお話データベースのお話
データベースのお話Hidekazu Tanaka
 
バギングで構築された各決定木
バギングで構築された各決定木バギングで構築された各決定木
バギングで構築された各決定木Hidekazu Tanaka
 
アンサンブル学習
アンサンブル学習アンサンブル学習
アンサンブル学習Hidekazu Tanaka
 
Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析Hidekazu Tanaka
 

Plus de Hidekazu Tanaka (11)

ggplot2 に入門してみた
ggplot2 に入門してみたggplot2 に入門してみた
ggplot2 に入門してみた
 
データベースのお話
データベースのお話データベースのお話
データベースのお話
 
フォントのお話
フォントのお話フォントのお話
フォントのお話
 
フォントのお話
フォントのお話フォントのお話
フォントのお話
 
バギングで構築された各決定木
バギングで構築された各決定木バギングで構築された各決定木
バギングで構築された各決定木
 
アンサンブル学習
アンサンブル学習アンサンブル学習
アンサンブル学習
 
RHadoop の紹介
RHadoop の紹介RHadoop の紹介
RHadoop の紹介
 
Rの紹介
Rの紹介Rの紹介
Rの紹介
 
R meets Hadoop
R meets HadoopR meets Hadoop
R meets Hadoop
 
RでMapreduce
RでMapreduceRでMapreduce
RでMapreduce
 
Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析
 

Rで解く最適化問題 線型計画問題編

  • 1. 1
  • 2. 2
  • 3. 3
  • 4. ( / ) ( / ) 4
  • 5. min. f (x) s. t. x∈S f X S X x∈S f x S=∅ S=∅ 5
  • 7. • • • • • • • • • • • 7
  • 8. 8
  • 9. X n Rn f S aij , bi , cj (i = 1, · · · , m; j = 1, · · · , n) xj (j = 1, · · · , n) min. c 1 x1 + · · · + c n xn s. t. ai1 x1 + · · · + ain xn ≤ bi (i = 1, · · · , l) ai1 x1 + · · · + ain xn = bi (i = l + 1, · · · , m) 9
  • 10. aij , bi , cj (i = 1, · · · , m; j = 1, · · · , n) min. c 1 x1 + · · · + c n xn s. t. ai1 x1 + · · · + ain xn ≥ bi (i = 1, · · · , m) xj ≥ 0(j = 1, · · · , n) min. cT x s. t. Ax ≥ b x≥0 10
  • 11. n n n aj xj = b → aj xj ≤ b, aj xj ≥ b j=1 j=1 j=1 n n max. cj xj → min. − c j xj j=1 j=1 n n a j xj ≤ b → − aj xj ≥ −b j=1 j=1 x → x = x1 − x2 , x1 ≥ 0, x2 ≥ 0 11
  • 12. min. c 1 x1 + · · · + c n xn s. t. ai1 x1 + · · · + ain xn = bi (i = 1, · · · , m) xj ≥ 0(j = 1, · · · , n) min. cT x s. t. Ax = b x≥0 12
  • 13. min. c 1 x1 + · · · + c n xn s. t. ai1 x1 + · · · + ain xn ≥ bi (i = 1, · · · , m) xj ≥ 0(j = 1, · · · , n) i xn+i ai1 x1 + · · · + ain xn ≥ bi → ai1 x1 + · · · + ain xn − xn+i = bi , xn+i ≥ 0 13
  • 14. 14
  • 15. 15
  • 16. min. cT x s. t. Ax ≥ b x≥0 z = cT x x = (xx+1 , · · · , xn+m ) min. z s. t. z = 0 + cT x x = −b + Ax x, x ≥ 0 z z 16
  • 17. min. cT x s. t. Ax ≥ b x≥0 z = cT x x = (xx+1 , · · · , xn+m ) min. z s. t. z = 0 + cT x {n + 1, · · · , n + m} x = −b + Ax x, x ≥ 0 z z 16
  • 18. z = 0 + cT x x = −b + Ax 17
  • 19. D B z xs xs Dr0 /|Drs | = min{Di0 /|Dis ||Dis < 0, i ∈ B {z}}, Drs < 0 xr r (r, s) 18
  • 20. D r s Drs = 0 D B N D i Di (i = r) r Dr Dis /Drs xs xr Di r Dr −1/Drs xs xr Ds B ← B {r} ∪ {s} N ← N {r} ∪ {s} 19
  • 21. z = 0 − 2x1 − x2 − x3 x4 = 4 − 2x1 − 2x2 + x3 x5 = 4 − 2x1 − 4x3 x6 = 1 + 4x1 − 3x2 + x3 (4, 1) z = −4 + x4 + x2 − 2x3 x1 = 2 − 1/2x4 − x2 + 1/2x3 x5 = 0 + x4 + 2x2 − 5x3 x6 = 0 − 2x4 − 7x2 + 3x3 20
  • 22. min. −2x1 − x2 − x3 s. t. −2x1 − 2x2 + x3 ≥ −4 −2x1 − 4x3 ≥ −4 4x1 − 3x2 + x3 ≥ −1 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0 x4 , x5 , x6 z = 0 − 2x1 − x2 − x3 x4 = 4 − 2x1 − 2x2 + x3 x5 = 4 − 2x1 − 4x3 x6 = 1 + 4x1 − 3x2 + x3 (x1 , x2 , x3 , x4 , x5 , x6 , z) = (0, 0, 0, 4, 4, 1, 0) 21
  • 23. x1 = 1 x4 = 2, x5 = 2, x6 = 5, z = −2 x1 = 2 x4 = 0, x5 = 0, x6 = 9, z = −4 x1 = 3 x4 = −2, x5 = −2, x6 = 13, z = −6 x1 2 (x1 , x2 , x3 , x4 , x5 , x6 , z) = (2, 0, 0, 0, 0, 9, −4) x1 x1 x4 (4, 1) z = −4 + x4 + x2 − 2x3 x1 = 2 − 1/2x4 − x2 + 1/2x3 x5 = 0 + x4 + 2x2 − 5x3 x6 = 0 − 2x4 − 7x2 + 3x3 22
  • 24. x1 = 1 x4 = 2, x5 = 2, x6 = 5, z = −2 x1 = 2 x4 = 0, x5 = 0, x6 = 9, z = −4 x1 = 3 x4 = −2, x5 = −2, x6 = 13, z = −6 x1 2 (x1 , x2 , x3 , x4 , x5 , x6 , z) = (2, 0, 0, 0, 0, 9, −4) x1 x1 x4 (4, 1) z = −4 + x4 + x2 − 2x3 x1 = 2 − 1/2x4 − x2 + 1/2x3 x5 = 0 + x4 + 2x2 − 5x3 x6 = 0 − 2x4 − 7x2 + 3x3 23
  • 25. x3 x5 z = −4 + 3/5x4 + 1/52 + 2/5x5 x1 = 2 − 2/5x4 − 4/5x2 − 1/10x5 x3 = 0 + 1/5x4 + 2/5x2 − 1/5x5 x6 = 9 − 7/5x4 − 29/5x2 − 3/5x5 (x1 , x2 , x3 , x4 , x5 , x6 , z) = (2, 0, 0, 0, 0, 9, −4) 24
  • 26. D B z xs xs Dr0 /|Drs | = min{Di0 /|Dis ||Dis < 0, i ∈ B {z}}, Drs < 0 xr r (r, s) 25
  • 27. b≤0 26
  • 28. min. cT x s. t. Ax ≥ b x≥0 xa e = (1, · · · , 1) ∈ Rm min. xa s. t. Ax + exa ≥ b x ≥ 0, xa ≥ 0 xa xa 27
  • 29. za = x a za = 0 + 0T x + x a x = −b + Ax + exa b≤0 xr (r, a) 28
  • 30. min. −x1 − 2x2 s. t. −x1 − x2 ≥ −1 x1 + x2 ≥ 1 x1 ≥ 0, x2 ≥ 0 za = xa z = −x1 − 2x2 x3 = 1 − x1 − x2 + xa x4 = −1 + x1 + x2 + xa (4, a) za = 1 − x1 − x2 + x4 z = −x1 − 2x2 x3 = 2 − 2x1 − 2x2 + x4 xa = 1 − x1 − x2 + x4 29
  • 31. (a, 1) za = x a z = −1 + xa − x2 − x4 x3 = 2xa − x4 x1 = 1 − xa − x2 + x4 30
  • 32. xa xr (r, a) 31
  • 33. 32
  • 34. 33
  • 35. solveLP(cvec, bvec, Amat, maximum = FALSE, const.dir = rep( "<=", length( bvec ) )) cvec b bvec c min. cT x Amat A s. t. Ax ≥ b maximum x≥0 const.dir 34
  • 36. min. −2x1 − x2 − x3 s. t. −2x1 − 2x2 + x3 ≥ −4 −2x1 − 4x3 ≥ −4 4x1 − 3x2 + x3 ≥ −1 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0 > cvec <- c(-2, -1, -1) > bvec <- c(-4, -4, -1) > Amat <- rbind(c(-2, -1, -1), c(-2, 0, -4), c(4, -3, 1)) > result <-solveLP(cvec, bvec, Amat, const.dir=rep(">=",length(bvec))) 35
  • 37. > result$opt # [1] -4 > result$solution # 1 2 3 2 0 0 > result$iter1 # 1 [1] 0 > result$iter2 # 1 [1] 1 36
  • 38. 37
  • 39. • • • • • • 38
  • 40. 39

Notes de l'éditeur

  1. \n
  2. \n
  3. \n
  4. \n
  5. \n
  6. \n
  7. \n
  8. \n
  9. \n
  10. \n
  11. \n
  12. \n
  13. \n
  14. \n
  15. \n
  16. \n
  17. \n
  18. \n
  19. \n
  20. \n
  21. \n
  22. \n
  23. \n
  24. \n
  25. \n
  26. \n
  27. \n
  28. \n
  29. \n
  30. \n
  31. \n
  32. \n
  33. \n
  34. \n
  35. \n
  36. \n
  37. \n
  38. \n
  39. \n