Undergraduate Elective 1017

• Ελληνικά
• English

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE631K
Εξάμηνο	6
Τίτλος Μαθήματος	Γραμμικός Προγραμματισμός
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος	Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα

Στόχοι του μαθήματος είναι: η εισαγωγή των φοιτητών στη μοντελοποίηση προβλημάτων γραμμικού προγραμματισμού, η κατανόηση της θεωρίας στην οποία στηρίζεται ο αλγόριθμος simplex, η κατανόηση της δυικής θεωρίας και η ερμηνεία της, η εξοικείωση με λογισμικά επίλυσης προβλημάτων γραμμικού προγραμματισμού. Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής /τρια θα είναι σε θέση να: αναγνωρίζει και μοντελοποιεί πραγματικά προβλήματα ως προβλήματα γραμμικού προγραμματισμού. λύνει προβλήματα γραμμικού προγραμματισμού με τη μέθοδο Simplex. εφαρμόζει τις κατάλληλες τροποποιήσεις της μεθόδου Simplex όποτε αυτό απαιτείται. κατασκευάζει και ερμηνεύει το δυικό πρόβλημα. ερμηνεύει τα αποτελέσματα που προκύπτουν από τη λύση των προβλημάτων γραμμικού προγραμματισμού μέσω λογισμικών επίλυσης (Lindo). μοντελοποιεί και λύνει ειδικές περιπτώσεις προβλημάτων γραμμικού προγραμματισμού.

Γενικές Ικανότητες

Αυτόνομη εργασία Λήψη αποφάσεων Προσαρμογή σε νέες καταστάσεις Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης Σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

Περιεχόμενο Μαθήματος

Μοντελοποίηση προβλημάτων γραμμικού προγραμματισμού. Γραφική επίλυση προβλημάτων γραμμικού προγραμματισμού στο χώρο των δύο διαστάσεων. Ο αλγόριθμος Simplex. Μέθοδος του μεγάλου Μ. Μέθοδος δύο φάσεων. Δυική θεωρία. Ανάλυση ευαισθησίας. Ειδικά προβλήματα γραμμικού προγραμματισμού, όπως πρόβλημα μεταφοράς, πρόβλημα εκχώρησης, μεταφόρτωσης και δικτύων γενικότερα.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης	Πρόσωπο με πρόσωπο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών	Χρήση λογισμικού Lindo. Χρήση της ηλεκτρονικής πλατφόρμας ecourse Χρήση ηλεκτρονικού ταχυδρομείου και MSTeams
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις (13Χ3) 39 Αυτοτελής Μελέτη 78 Ασκήσεις Πεδίου (δίνονται 3-4 σύνολα ασκήσεων) 33 Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών	Γραπτή τελική εξέταση (100%)

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Undergraduate
Course Code	ΜΑΕ631K
Semester	6
Course Title	Linear Programming
Independent Teaching Activities	Lectures (Weekly Teaching Hours: 3, Credits: 6)
Course Type	Special Background
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Is the Course Offered to Erasmus Students	Yes
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

The course learning outcomes are: the introduction of the students to linear programming formulation, the comprehension of the mathematical properties of linear programming problems, the understanding of the theory underlying the simplex algorithm, the understanding of the dual theory and its interpretation, the use of LINDO software package to solve linear programming problems. Upon successful completion of the course the student will be able to: to model linear programming problems. to solve linear programming problems with the Simplex method. to apply the appropriate modifications of Simplex method when it is necessary. to validate and interpret the results obtained when linear programming problems are solved using LINDO software

General Competences

Working independently Decision-making Adapting to new situations Production of free, creative and inductive thinking Synthesis of data and information, with the use of the necessary technology.

Syllabus

[Image of linear programming graph]

• Formulating linear programming problems
• Graphical solution
• The Simplex Method
• The big M method
• The Two-Phase Simplex Method
• Dual theory
• Sensitivity analysis
• Transportation problem
• Assignment problem
• Transshipment problem
• Other network problems

Teaching and Learning Methods - Evaluation

Delivery	Face-to-face
Use of Information and Communications Technology	Lindo Software, Email, class web, MSTeams
Teaching Methods	Activity Semester Workload Lectures 39 Independent study 78 Fieldwork (3-4 sets of homework) 33 Course total 150
Student Performance Evaluation	LANGUAGE OF EVALUATION: Greek METHODS OF EVALUATION: Final exam (100%)

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus: