第 5 章 線性規劃的假設分析 學習目標 5.2 繼續偉伯公司的個案研究(5.2節) 5.3

Slides:



Advertisements
Similar presentations
布林代數的應用--- 全及項(最小項)和全或項(最大項)展開式
Advertisements

: A-Sequence 星級 : ★★☆☆☆ 題組: Online-judge.uva.es PROBLEM SET Volume CIX 題號: Problem D : A-Sequence 解題者:薛祖淵 解題日期: 2006 年 2 月 21 日 題意:一開始先輸入一個.
:Word Morphing ★★☆☆☆ 題組: Problem Set Archive with Online Judge 題號: 10508:word morphing 解題者:楊家豪 解題日期: 2006 年 5 月 21 日 題意: 第一行給你兩個正整數, 第一個代表下面會出現幾個字串,
3Com Switch 4500 切VLAN教學.
指導教授:陳淑媛 學生:李宗叡 李卿輔.  利用下列三種方法 (Edge Detection 、 Local Binary Pattern 、 Structured Local Edge Pattern) 來判斷是否為場景變換,以方便使用者來 找出所要的片段。
自由進入及離開. 定義  長期 ─ 是指生產者能夠改變所有生產因素的情況。  自由進入及離開 ─ 是指公司能夠自由進入及離開市場而不受限 制。
線性規劃與整數規劃模式 Linear and Integer Programming Models
McGraw-Hill/Irwin © 2003 The McGraw-Hill Companies, Inc.,All Rights Reserved. 參 實驗法.
亂數產生器安全性評估 之統計測試 SEC HW7 姓名:翁玉芬 學號:
Review of Chapter 3 - 已學過的 rules( 回顧 )- 朝陽科技大學 資訊管理系 李麗華 教授.
: OPENING DOORS ? 題組: Problem Set Archive with Online Judge 題號: 10606: OPENING DOORS 解題者:侯沛彣 解題日期: 2006 年 6 月 11 日 題意: - 某間學校有 N 個學生,每個學生都有自己的衣物櫃.
貨幣創造與控制 CHAPTER 27 學習本章後,您將能: C H A P T E R C H E C K L I S T 解釋銀行如何藉由放款而創造貨幣 1 解釋中央銀行如何影響貨幣數量 2.
消費者物價指數反映生活成本。當消費者物價指數上升時,一般家庭需要花費更多的金錢才能維持相同的生活水準。經濟學家用物價膨脹(inflation)來描述一般物價持續上升的現象,而物價膨脹率(inflation rate)為物價水準的變動百分比。
STAT0_sampling Random Sampling  母體: Finite population & Infinity population  由一大小為 N 的有限母體中抽出一樣本數為 n 的樣 本,若每一樣本被抽出的機率是一樣的,這樣本稱 為隨機樣本 (random sample)
第 4 章 迴歸的同步推論與其他主題.
1. 假設以下的敘述為一未提供 “ 捷徑計算 ” 能力的程式段,試用程 式設計的技巧,使此敘述經此改 寫的動作後,具有與 “ 捷徑計算 ” 之 處理方法相同之處理模式。 if and then E1 else E2 endif.
Structural Equation Modeling Chapter 7 觀察變數路徑分析=路徑分析 觀察變數路徑分析.
STAT0_corr1 二變數的相關性  變數之間的關係是統計研究上的一大目標  討論二分類變數的相關性,以列聯表來表示  討論二連續隨機變數時,可以作 x-y 散佈圖觀察它 們的關係強度  以相關係數來代表二者關係的強度.
平均值檢定 假設 檢定 One Sample 平均值 是否為 u. One Sample—1 工廠甲過去向 A 公司購買原料, 平均交貨日約為 4.94 日, 標準差 現在 A 公司改組, 甲工廠繼續向 A 公司 購買, 隨機抽取 8 次採購, 平均日數為 4.29 日, 請問 A 公.
Section 2.2 Correlation 相關係數. 散佈圖 1 散佈圖 2 散佈圖的盲點 兩座標軸的刻度不同,散佈圖的外觀呈 現的相聯性強度,會有不同的感受。 散佈圖 2 相聯性看起來比散佈圖 1 來得強。 以統計數字相關係數做為客觀標準。
McGraw-Hill/Irwin © 2003 The McGraw-Hill Companies, Inc.,All Rights Reserved. 肆 資料分析與表達.
CH22 可靠性加速測試方法 目的 基本假設 加速試驗模式 Inverse Power Model
Monte Carlo Simulation Part.2 Metropolis Algorithm Dept. Phys. Tunghai Univ. Numerical Methods C. T. Shih.
© The McGraw-Hill Companies, Inc., 2008 第 6 章 製造流程的選擇與設計.
4 CHAPTER 需求與供給. 4 CHAPTER 需求與供給 C H A P T E R C H E C K L I S T 學習本章後,您將能: 區別需求量與需求的差異,瞭解需求的決定因素 1 區別供給量與供給的差異,瞭解供給的決定因素 2 解釋需求與供給如何決定市場價格與數量,以及需求與供.
Chapter 13 塑模靜態觀點:物件圖 Static View : Object Diagram.
Introduction to Java Programming Lecture 17 Abstract Classes & Interfaces.
:Problem D: Bit-wise Sequence ★★★☆☆ 題組: Problem Set Archive with Online Judge 題號: 10232: Problem D: Bit-wise Sequence 解題者:李濟宇 解題日期: 2006 年 4 月 16.
: The largest Clique ★★★★☆ 題組: Contest Archive with Online Judge 題號: 11324: The largest Clique 解題者:李重儀 解題日期: 2008 年 11 月 24 日 題意: 簡單來說,給你一個 directed.
3-3 使用幾何繪圖工具 Flash 的幾何繪圖工具包括線段工具 (Line Tool) 、橢圓形工具 (Oval Tool) 、多邊星形 工具 (Rectangle Tool) 3 種。這些工具畫出 來的幾何圖形包括了筆畫線條和填色區域, 將它們適當地組合加上有技巧地變形與配 色, 不但比鉛筆工具簡單,
: Happy Number ★ ? 題組: Problem Set Archive with Online Judge 題號: 10591: Happy Number 解題者:陳瀅文 解題日期: 2006 年 6 月 6 日 題意:判斷一個正整數 N 是否為 Happy Number.
: Fast and Easy Data Compressor ★★☆☆☆ 題組: Problem Set Archive with Online Judge 題號: 10043: Fast and Easy Data Compressor 解題者:葉貫中 解題日期: 2007 年 3.
短缺,盈餘與均衡. 遊戲規則  老師想出售一些學生喜歡的小食。  老師首先講出價錢,有興趣買的請舉手。
: Multisets and Sequences ★★★★☆ 題組: Problem Set Archive with Online Judge 題號: 11023: Multisets and Sequences 解題者:葉貫中 解題日期: 2007 年 4 月 24 日 題意:在這個題目中,我們要定義.
公司加入市場的決定. 定義  平均成本 = 總成本 ÷ 生產數量 = 每一單位產量所耗的成本  平均固定成本 = 總固定成本 ÷ 生產數量  平均變動成本 = 總變動成本 ÷ 生產數量.
Part 4 廠商與市場 完全競爭市場 完全競爭市場 Chapter 11 Economics, 6th, Parkin, 2004, Chapter 11: 完全競爭市場 [ 第 1 頁 ]
:Nuts for nuts..Nuts for nuts.. ★★★★☆ 題組: Problem Set Archive with Online Judge 題號: 10944:Nuts for nuts.. 解題者:楊家豪 解題日期: 2006 年 2 月 題意: 給定兩個正整數 x,y.
資料結構實習-一 參數傳遞.
1 第 4 章 複 因 子 的 應 用複 因 子 的 應 用. 2 移動等額系列 並非 所謂移動系列,是指現值所在的時 間點並非 t = 0. 向 “0” 的左方移動或向 t = “0” 的右 方移動.
公用品.  該物品的數量不會因一人的消費而受到 影響,它可以同時地被多人享用。 角色分配  兩位同學當我的助手,負責:  其餘各人是投資者,每人擁有 $100 , 可以投資在兩種資產上。  記錄  計算  協助同學討論.
線性規劃模式 Linear Programming Models
Section 4.2 Probability Models 機率模式. 由實驗看機率 實驗前先列出所有可能的實驗結果。 – 擲銅板:正面或反面。 – 擲骰子: 1~6 點。 – 擲骰子兩顆: (1,1),(1,2),(1,3),… 等 36 種。 決定每一個可能的實驗結果發生機率。 – 實驗後所有的實驗結果整理得到。
函式 Function Part.2 東海大學物理系‧資訊教育 施奇廷. 遞迴( Recursion ) 函式可以「呼叫自己」,這種動作稱為 「遞迴」 此程式的執行結果相當於陷入無窮迴圈, 無法停止(只能按 Ctrl-C ) 這給我們一個暗示:函式的遞迴呼叫可以 達到部分迴圈的效果.
演算法 8-1 最大數及最小數找法 8-2 排序 8-3 二元搜尋法.
Chapter 6 線性規劃 緒言 如何在有限的經濟資源下進行最有效的調配與 選用,以求發揮資源的最高效能。此問題愈來 愈受到重視,也就是以最低的代價,獲取最大 的效益。 茲列舉如下: – 決定緊急設備與人員的地點,使反應時間最短化。 – 決定飛機、飛行員、地勤人員的飛航最佳日程安排。
: Expect the Expected ★★★★☆ 題組: Contest Archive with Online Judge 題號: 11427: Expect the Expected 解題者:李重儀 解題日期: 2008 年 9 月 21 日 題意:玩一種遊戲 (a game.
逆向選擇和市場失調. 定義  資料不對稱 在交易其中,其中一方較對方有多些資料。  逆向選擇 出現在這個情況下,就是當買賣雙方隨意在 市場上交易,與比較主動交易者作交易為佳 。
845: Gas Station Numbers ★★★ 題組: Problem Set Archive with Online Judge 題號: 845: Gas Station Numbers. 解題者:張維珊 解題日期: 2006 年 2 月 題意: 將輸入的數字,經過重新排列組合或旋轉數字,得到比原先的數字大,
Structural Equation Modeling Chapter 6 CFA 根據每個因素有多重指標,以減少 測量誤差並可建立問卷的構念效度 驗證性因素分析.
© The McGraw-Hill Companies, Inc., 2009 第 2 章 線性規劃:基本概念  學習目標 2.2  偉伯玻璃公司產品組合問題 ( 2.1 節) 2.3  在試算表上架構偉伯問題模式 ( 2.2 節) 2.4–2.8  偉伯問題之代數模式 ( 2.3 節) 2.9.
Chapter 10 m-way 搜尋樹與B-Tree
演算法課程 (Algorithms) 國立聯合大學 資訊管理學系 陳士杰老師 Course 7 貪婪法則 Greedy Approach.
彈 性 彈 性 Part 2 Chapter 4 市場如何運作 Economics, 6th, Parkin, 2004, Chapter 4: 彈 性 [ 第 1 頁 ]
Probability Distribution 機率分配 汪群超 12/12. 目的:產生具均等分配的數值 (Data) ,並以 『直方圖』的功能計算出數值在不同範圍內出現 的頻率,及繪製數值的分配圖,以反應出該 機率分配的特性。
1 © 2011 台灣培生教育出版 (Pearson Education Taiwan). 2 學習目標 1. 當面對可預測的變異性時,同步管理並改善供應鏈 中的供給。 2. 當面對可預測的變異性時,同步管理並改善供應鏈 中的需求。 3. 當面對可預測的變異性時,使用總體規劃將利潤最 大化。
: Help My Brother ★★★☆☆ 題組: Problem Set Archive with Online Judge 題號: 11033: Help My Brother 解題者: 呂明璁 解題日期: 2007 年 5 月 14 日.
連續隨機變數 連續變數:時間、分數、重量、……
Teacher : Ing-Jer Huang TA : Chien-Hung Chen 2015/6/30 Course Embedded Systems : Principles and Implementations Weekly Preview Question CH7.1~CH /12/26.
: Wine trading in Gergovia ★★☆☆☆ 題組: Contest Volumes with Online Judge 題號: 11054: Wine trading in Gergovia 解題者:劉洙愷 解題日期: 2008 年 2 月 29 日 題意:在 Gergovia.
:Commandos ★★★☆☆ 題組: Contest Archive with Online Judge 題號: 11463: Commandos 解題者:李重儀 解題日期: 2008 年 8 月 11 日 題意: 題目會給你一個敵營區內總共的建築物數,以及建築物 之間可以互通的路有哪些,並給你起點的建築物和終點.
: Finding Paths in Grid ★★★★☆ 題組: Contest Archive with Online Judge 題號: 11486: Finding Paths in Grid 解題者:李重儀 解題日期: 2008 年 10 月 14 日 題意:給一個 7 個 column.
:Problem E.Stone Game ★★★☆☆ 題組: Problem Set Archive with Online Judge 題號: 10165: Problem E.Stone Game 解題者:李濟宇 解題日期: 2006 年 3 月 26 日 題意: Jack 與 Jim.
PART 2 近觀市場 5 需求與供給彈性 CHAPTER. PART 2 近觀市場 5 需求與供給彈性 CHAPTER.
幼兒行為觀察與記錄 第八章 事件取樣法.
CH 14-可靠度工程之數學基礎 探討重點 失效時間之機率分配 指數模式之可靠度工程.
: How many 0's? ★★★☆☆ 題組: Problem Set Archive with Online Judge 題號: 11038: How many 0’s? 解題者:楊鵬宇 解題日期: 2007 年 5 月 15 日 題意:寫下題目給的 m 與 n(m
McGraw-Hill/Irwin © 2003 The McGraw-Hill Companies, Inc.,All Rights Reserved. 肆 資料分析與表達.
啤酒遊戲- 供應鍊模擬 Dr. CK Farn 2006 Spring. 中央大學。范錚強 2 模擬設定 過度簡化的供應鍊 銷售桶裝啤酒 角色 工廠(倉庫) 配銷商 大盤商 零售商.
1 Chap. 7 Response of First-Order RL and RC Circuits Contents 7.1 The Natural Response of an RL Circuit 7.2 The Natural Response of an RC Circuit 7.3 The.
Presentation transcript:

第 5 章 線性規劃的假設分析 學習目標 5.2 繼續偉伯公司的個案研究(5.2節) 5.3 目標函數改變單一係數的影響(5.3節) 5.4–5.10 目標函數改變多個係數的影響(5.4節) 5.11–5.18 改變單一限制式的影響(5.5節) 5.19–5.24 改變多個限制式的影響(5.6節) 5.25–5.27 補充教材 敏感度分析(華盛頓大學上課教材) 5.28–5.44

學習目標 在讀完本章後,你應該能夠: 1. 解釋何謂假設(what-if)分析。 2. 摘要假設分析的優點。 2. 摘要假設分析的優點。 3. 列舉進行假設分析時,模式可以考慮哪些變化。 4. 說明如何利用試算表做任何一種的假設分析。 5. 有系統地利用規劃求解表(Solver Table)研究,當一個或多個資料儲存格變動時,對其他試驗值的影響。 6. 找出單一目標函數係數最多能變動多少,而使最佳解仍維持不變。 7. 測定目標函數係數同時改變後,此改變是否輕微,而使得原最佳解仍為最佳解。 8. 預測一個或多個函數限制式其右側值微動後,其目標儲存格的值將會如何變化。 9. 找出在上述預測仍為有效前,單一函數限制式右側值最多能變動多少。 10. 測定右側值改變多少後,其改變是否夠輕微而使得原預測仍然正確。

偉伯公司問題(假設分析之前) Figure 5.1 The spreadsheet model and its optimal solution for the original Wyndor problem before beginning what-if analysis.

利用試算表進行敏感度分析 每扇門的利潤從 $300 調整為 $200。 最佳解並沒有改變。 Figure 5.2 The revised Wyndor problem where the estimate of the unit profit for doors has been decreased from PD = $300 to PD = $200, but no change occurs in the optimal solution. 每扇門的利潤從 $300 調整為 $200。 最佳解並沒有改變。

利用試算表進行敏感度分析(續) 每扇門的利潤從 $300 調整為 $500。 最佳解並沒有改變。 Figure 5.3 The revised Wyndor problem where the estimate of the unit profit for doors has been increased from PD = $300 to PD = $500, but no change occurs in the optimal solution. 每扇門的利潤從 $300 調整為 $500。 最佳解並沒有改變。

利用試算表進行敏感度分析(續) 每扇門的利潤從 $300 調整為 $1,000。 最佳解已經改變。 Figure 5.4 The revised Wyndor problem where the estimate of the unit profit for doors has been increased from PD = $300 to PD = $1,000, which results in a change in the optimal solution. 每扇門的利潤從 $300 調整為 $1,000。 最佳解已經改變。

利用規劃求解表進行敏感度分析 Figure 5.5 Expansion of the spreadsheet to prepare for using the Solver Table to show the effect of systematically varying the estimate of the unit profit for doors in the Wyndor problem.

利用規劃求解表進行敏感度分析(續) Figure 5.6 An application of the Solver Table that shows the effect of systematically varying the estimate of the unit profit for doors in the Wyndor problem.

利用敏感度報表找出可行解區域 Figure 5.7 Part of the sensitivity report generated by the Excel Solver for the original Wyndor problem, where the last three columns enable identifying the allowable ranges for the unit profits for doors and windows.

以圖形說明可行解區域 Figure 5.8 The two dashed lines that pass through the solid constraint boundary lines are the objective function lines when PD (the unit profit for doors) is at an endpoint of its allowable range, 0 ≤ PD ≤ 750, since either line or any objective function line in between still yields (D, W) = (2, 6) as an optimal solution for the Wyndor problem. 二條通過可行解區域的虛線分為當 PD (門的單位利潤)在其可行區域(0 ≤ PD ≤ 750)二個端點值時之目標函數線。

利用試算表進行敏感度分析 每扇門的利潤從 $300 調整為 $450。 每扇窗的利潤從 $500 調整為 $400。 最佳解並沒有改變。 Figure 5.9 The revised Wyndor problem where the estimates of the unit profit for doors and windows have been changed to PD = $450 and PW = $400, respectively, but no change occurs in the optimal solution. 每扇門的利潤從 $300 調整為 $450。 每扇窗的利潤從 $500 調整為 $400。 最佳解並沒有改變。

利用試算表進行敏感度分析(續) 每扇門的利潤從 $300 調整為 $600。 每扇窗的利潤從 $500 調整為 $300。 最佳解已經改變。 Figure 5.10 The revised Wyndor problem where the estimates of the unit profit for doors and windows have been changed to PD = $600 and PW = $300, respectively, which results in a change in the optimal solution. 每扇門的利潤從 $300 調整為 $600。 每扇窗的利潤從 $500 調整為 $300。 最佳解已經改變。

利用規劃求解表進行敏感度分析 Figure 5.11 Expansion of the spreadsheet to prepare for using a two-dimensional Solver Table to show the effect on total profit of systematically varying the estimates of the unit profits for doors and windows for the Wyndor problem.

利用規劃求解表進行敏感度分析(續) Figure 5.12 A two-dimensional application of the Solver Table that shows the effect on total profit of systematically varying the estimates of the unit profits of doors and windows for the Wyndor problem.

利用規劃求解表進行敏感度分析(續) Figure 5.13 A two-dimensional application of the Solver Table that shows the effect on the optimal solution of systematically varying the estimates of the unit profits of doors and windows for the Wyndor problem.

100% 法則 目標函數係數同時變動的 100% 法則:若目標 函數係數同時變動,但仍落在可允許範圍內,可 先計算每一係數可允許變動值(增量或減量)的 百分比。如果變動百分比的加總沒有超過 100%, 則原有的最佳解仍然是最佳的(然而,變動百分 比的加總超過 100% 就不確定了)。

以圖形說明 100% 法則 門和窗的單位利潤估計值分別變為 PD = $525 和 PW = $350,此二值正好落在100% 法則所允許的範圍邊界。 Figure 5.14 When the estimates of the unit profits for doors and windows change to PD = $525 and PW = $350, which lies at the edge of what is allowed by the 100 percent rule, the graphical method shows that (D, W) = (2, 6) still is an optimal solution, but now every other point on the line segment between this solution and (4, 3) also is optimal.

以圖形說明 100% 法則(續) 門和窗的單位利潤估計值分別變為 PD = $150 和 PW = $250(原來的一半),圖解法顯示最佳解仍為 (D, W) = (2, 6),即使100% 法則顯示出最佳解可能改變。 Figure 5.15 When the estimates of the unit profits for doors and windows change to PD = $150 and PW = $250 (half their original values), the graphical method shows that the optimal solution still is (D, W) = (2, 6) even though the 100 percent rule says that the optimal solution might change.

利用試算表進行敏感度分析 工廠 2 可利用產能時數從 12 增加為 13 小時,每週總利潤增加 $150。 Figure 5.16 The revised Wyndor problem where the hours available in plant 2 per week have been increased from 12 to 13, which results in an increase of $150 in the total profit per week. 工廠 2 可利用產能時數從 12 增加為 13 小時,每週總利潤增加 $150。

利用試算表進行敏感度分析(續) Figure 5.17 A further revision of the Wyndor problem to further increase the hours available in plant 2 from 13 to 18, which results in a further increase in total profit of $750 (amounting to $150 per hour added in plant 2). 工廠 2 可利用產能時數進一步從 13 增加為 18 小時,每週總利潤增加 $750。(工廠 2 每增加 1 小時產能可增加 $150)

利用試算表進行敏感度分析(續) 工廠 2 可利用產能時數進一步從 18 增加為 20 小時, 總利潤不再增加。 Figure 5.18 A further revision of the Wyndor problem to further increase the hours available in plant 2 from 18 to 20, which results in no change in total profit because the optimal solution cannot make use of these additional hours. 工廠 2 可利用產能時數進一步從 18 增加為 20 小時, 總利潤不再增加。

利用規劃求解表進行敏感度分析 Figure 5.19 An application of the Solver Table that shows the effect of varying the number of hours of production time being made available per week in plant 2 for Wyndor’s new products.

利用敏感度報表 Figure 5.20 The complete sensitivity report generated by the Excel Solver for the original Wyndor problem.

可行解區域的圖形解說 Figure 5.21 A graphical interpretation of the allowable range 6 ≤ RHS2 ≤ 18, for the right-hand side of Wyndor’s plant 2 constraint.

利用試算表進行敏感度分析 工廠 3 有 1 小時的可利用產能被移轉到工廠 2, 則每週總利潤可增加 $50 。 Figure 5.22 The revised Wyndor problem where column G has been changed by shifting one of the hours available in plant 3 to plant 2 and then re-solving. 工廠 3 有 1 小時的可利用產能被移轉到工廠 2, 則每週總利潤可增加 $50 。

利用規劃求解表進行敏感度分析 Figure 5.23 By inserting a formula into cell G8 that keeps the total number of hours available in plant 2 and 3 equal to 30, this one-dimensional application of Solver Table shows the effect of shifting more and more of the hours available from plant 3 to plant 2.

100% 法則 同時變動右側值的 100% 法則:用以預測一些函數限制 式右側值同時變動的陰影價格,只要變動不大,陰影價格 仍是有效的。必須知道這個變動是大是小,則要計算可允 許範圍下每個右側值可允許變動(增加或減少)的百分比。 如果這些變動百分比的加總沒有超過 100%,陰影價格仍然 有效。(若加總超過 100%,那就無法確定了。)

一個生產問題 原物料每週供給量: 產品: 每週原物料的供給量 產品: 6 大木塊 8 小木塊 桌子 利潤 = $20 /桌子 椅子 Slides 5.27–5.43 are based upon a lecture introducing sensitivity analysis for linear programming models to first-year MBA students at the University of Washington (as taught by one of the authors). The lecture is largely based upon a production problem using lego building blocks. This example is based upon an example introduced in an OR/MS Today article. To start the example, students are given a set of legos (8 small bricks and 9 large bricks)—one set per two students works pretty well. Tell them to set aside 3 of the large bricks to begin with (so they have a total of 6 to work with). These are their “raw materials”. They are then to produce tables and chairs out of these legos (see the diagram on the slide). These are their “products”. Each table generates $20 profit and each chair generates $15 profit. Their goal is to use their limited resources (the bricks) to make products (tables and chairs) so as to make as much profit as possible. The next slide contains some questions to be answered, one-by-one. The lego building blocks can be used to help answer the questions. 桌子 利潤 = $20 /桌子 椅子 利潤 = $15 /椅子

敏感度分析問題 給定每週原物料的供給量以及利潤資料下,分別應該 生產多少數量的桌子和椅子?每週的利潤為何? 若有額外一大木塊可以取得的話,最多你願意付多少 價錢來購買? 若再有二大木塊可以取得的話(亦即總數為 9 塊), 最多你願意付多少價錢來購買此二大木塊? 若桌子的利潤現在變為 $25(假設現在只有 6 大木塊可 以運用),分別應該生產多少數量的桌子和椅子? 若桌子的利潤現在變為 $35 ,分別應該生產多少數量 的桌子和椅子? With 6 large bricks and 8 small bricks, with $20 profit per table and $15 profit per chair, the optimal solution is to build 2 tables and 2 chairs. Suppose they purchase the large bricks from an outside supplier, and this supplier is offering one more large brick. How much are you willing to pay for it? Initial inspection leads some to believe they are worthless. All the bricks are being used up to make the 2 tables and 2 chairs. Eventually, someone stumbles upon the fact that with one more large brick, you can turn a chair into a table. The extra profit from this is $5, so you should be willing to pay up to $5 for it. Without realizing it (at this point), they have found the shadow price for large bricks ($5). Now suppose that the vendor offers yet two more large bricks at the bargain price of $6 for both of them (well less than $5 each). However, if two additional large bricks are made available (for a total of 9), they are no longer worth $5 each. The ninth brick is worthless, since only one more chair can be made into a table. Thus, at this point they have discovered the allowable range (without realizing it at this point). The $5 shadow price (value of the large bricks) is only valid for two extra large bricks. Now put the 3 extra large bricks away (go back to 6 total). If the profit per table is now $25, what’s the best production plan? Many think (at first) it should be 3 tables and no chairs since this gives $75 profit (an increase of $5). However, keeping 2 tables and 2 chairs generates a profit of $80 (an increase of $10). They have now seen that for small changes in an objective coefficient, the solution does not change. If the profit per table is now $35, what’s the best production plan? Now it is 3 tables and 0 chairs, with a weekly profit of $105. They have now seen the allowable range in action. For small changes in an objective coefficient, the solution does not change. However, if the coefficient changes enough, the solution does change.

圖形解(原始問題) 最大化 利潤 = ($20)T + ($15)C 受限於 2T + C ≤ 6 大木塊 2T + 2C ≤ 8 小木塊 和 T ≥ 0, C ≥ 0

7 大木塊 最大化 利潤 = ($20)T + ($15)C 受限於 2T + C ≤ 7 大木塊 2T + 2C ≤ 8 小木塊 和 T ≥ 0, C ≥ 0 If one more large brick is available, this moves the large- brick constraint-boundary line out. This, in turn, increases the size of the feasible region. The optimal solution is still at the same corner (at the corner of the small brick and large brick constraint boundary lines), but this corner has moved from (2,2) to (3,1). The profit increases by $5. At this point, you may want to introduce the idea of the “shadow price”.

9 大木塊 最大化 利潤 = ($20)T + ($15)C 受限於 2T + C ≤ 9 大木塊 2T + 2C ≤ 8 小木塊 和 T ≥ 0, C ≥ 0 If two additional large bricks are available, this moves the large- brick constraint-boundary line further out, so it is now beyond the small-brick constraint (intersecting the T-axis at 4.5). This, in turn, increases the size of the feasible region. The optimal solution moves out with the large brick constraint until the large brick constraint moves past the small-brick constraint. At this point, the optimal solution is “stuck” at (4,0). The main point here is that the objective function increases by $5 for each increase in the right-hand-side of the large-brick constraint, but only up to a point (an increase of 2). Beyond that, the shadow price changes from $5 to $0. At this point, you may want to introduce the idea of the “allowable range”.

每張桌子利潤為 $25 最大化 利潤 = ($25)T + ($15)C 受限於 2T + C ≤ 6 大木塊 2T + 2C ≤ 8 小木塊 和 T ≥ 0, C ≥ 0 If the profit per table changes to $25, this changes the slope of the objective function line (it is now flatter). However, the same corner point is still optimal, so the solution does not change. The main point here is that for small changes in the objective function coefficients, the optimal solution remains the same. The solution will only change once the slope changes enough so that a new corner point is optimal. (See next slide.)

每張桌子利潤為 $35 最大化 利潤 = ($35)T + ($15)C 受限於 2T + C ≤ 6 大木塊 2T + 2C ≤ 8 小木塊 和 T ≥ 0, C ≥ 0 If the profit per table changes to $35, this changes the slope of the objective function line (it is now significantly flatter). Now a new corner point (3 tables and 0 chairs) is optimal. The main point here is that for small changes in an objective function coefficient, the optimal solution remains the same. However, once the objective function coefficient changes enough, a new corner point will be optimal. At this point, you may want to introduce the idea of the “allowable range”.

產生敏感度報告 在以 Solver 求解後,在“Reports”方塊中選擇 “Sensitivity”:

敏感度報告

當右側值(RHS)增加 1單位時,目標函數值的增量 ∆Z = (影子價格)(∆RHS) 敏感度報告(續) 可允許範圍 (最佳解仍然相同) 最佳解 資源使用量 (限制式的左側值) 可允許範圍 (影子價格仍然適用) 當右側值(RHS)增加 1單位時,目標函數值的增量 ∆Z = (影子價格)(∆RHS)

每張桌子利潤為 $35 Some interesting things to point out on this sensitivity report: There’s slack in the small bricks constraint (6 used, 8 available), and the shadow price = 0. Point out that slack > 0 always implies shadow price = 0. (If you’ve got extra anyway, more will be of no value.) The shadow price is 17.5 for the large brick constraint. At this solution, there are 3 tables, 0 chairs, and 2 leftover small bricks. You might think that with one more large brick, you would combine it with the 2 leftover small bricks and make a chair (profit = $15). But why is the shadow price $17.50? It turns out to be better to take one small brick and one large brick and make half a table (profit = half of $35 = $17.50). The 1E+30 value appears in three locations. This is Excel’s representation for ∞. Explain the intuition of why each of these values is ∞.

7 大木塊

9 大木塊

目標函數係數同時變動的 100% 法則 若目標函數係數同時變動,但仍落在可允許範圍內,可先計算每一 係數可允許變動值(增量或減量)的百分比。如果變動百分比的加 總沒有超過 100%,則原有的最佳解仍然是最佳的(然而,變動百分 比的加總超過 100% 就不確定了)。 Profit/Table = $24 (increase of 4), Profit/Chair = 13 (decrease of 2) (40% of allowable increase) + (40% of allowable decrease)= 80% ≤ 100% Solution stays the same. Profit/Table = $25 (increase of 5), Profit/Chair = $12 (decrease of 3) (50% of allowable increase) + (60% of allowable decrease) = 110% > 100% Solution may or may not change. It turns out it does in this case (to 3 tables and 0 chairs, profit = $75) Profit/Table = $28 (increase of 8), Profit/Chair = $18 (increase of 3) (80% of allowable increase) + (60% of allowable increase) = 140% > 100% Solution may or may not change. It turns out in this case it does not (2 tables, 2 chairs, profit = $92) 範例:(最佳解是否仍然相同?) 每張桌子利潤 = $24 & 每張椅子利潤 = $13 每張桌子利潤 = $25 & 每張椅子利潤 = $12 每張桌子利潤 = $28 & 每張椅子利潤 = $18

同時變動右側值的 100% 法則 用以預測一些函數限制式右側值同時變動的影子價格,只要變動不 大,影子價格仍是有效的。必須知道這個變動是大是小,則要計算 可允許範圍下每個右側值可允許變動(增加或減少)的百分比。如 果這些變動百分比的加總沒有超過 100%,影子價格仍然有效。(若 加總超過 100%,那就無法確定了。) (+1 large brick) & (+2 small bricks) (50% of allowable increase) + (50% of allowable increase) = 100% ≤ 100% shadow prices valid ∆Z = (5)(+1) + (5)(+2) = +$15 (one more chair) (+1 large brick) & (–1 small brick) (50% of allowable increase) + (50% of allowable decrease) = 100% ≤ 100% ∆Z = (5)(+1) + (5)(–1) = $0 New solution = 3.5 tables, 0 chairs, profit = $70 範例:(影子價格是否有效?若是的話,新的總利潤為何?) (+1 大木塊) & (+2 小木塊) (+1 大木塊) & (–1小木塊)

目標函數係數同時改變的敏感度報告摘要 終值(Final Value) 遞減成本(Reduced Cost) 最佳解中決策變數(變動儲存格)的數值。 遞減成本(Reduced Cost) 最佳解中數值為 0 的變數每增加 1 單位(小幅的增量),目標函數值的增加量—可以解釋為非負限制式的陰影價格。 目標式係數(Objective Coefficient) 目前目標函數的係數值。 允許的增量╱減量(Allowable Increase/Decrease) 定義目標函數係數可以變動的範圍,而可以使得目前的解(最佳解中決策變數或變動儲存格的數值)不會改變。

限制式右側值同時改變的敏感度報告摘要 終值(Final Value) 陰子價格(Shadow Price) 最佳解時資源的使用量(或效益達成量)—限制式的左側值 陰子價格(Shadow Price) 當限制式右側值(RHS)每增加 1 單位,目標函數值的改變量: ∆Z = (影子價格)(∆RHS) (注意:只有在可允許範圍內變動方為有效) 限制式R.H. Side(Constraint R.H. Side) 目前限制式的右側值 允許的增量╱減量(Allowable Increase/Decrease) 定義影子價格仍然有效的右側值範圍(並非是使得目前最佳解不變的範圍),因此新的目標函數值可以計算出。