5 Branch-and-Bound Verfahren

Größe: px
Ab Seite anzeigen:

Download "5 Branch-and-Bound Verfahren"

Transkript

1 65 5 Branch-and-Bound Verfahren 5.1 Grundstruktur des Branch-and-Bound Verfahrens Das Branch-and-Bound Verfahren st en exaktes Verfahren für dskrete Optmerungsprobleme. Es wurde n den 60zger Jahren vorgestellt [LaDo60; Dak65]. Durch velfältge Untersuchungen konnte ene stetge Verbesserung erzelt werden. Heute baseren fast alle Optmerungssysteme zur Lösung von gemscht-ganzzahlgen Modellen auf dem Branch-and-Bound bzw. dem m Anschluss vorgestellten Branch-and-Cut Verfahren [Four05]. Im Rahmen des Verfahrens wrd zum Bewes ener optmalen Lösung, deren Exstenz vorausgesetzt, der gesamte Lösungsraum durchsucht. Ausgangspunkt für das Branch-and-Bound Verfahren st de LP-Relaxerung. Der zulässge Berech des Ausgangsproblems wrd n zwe dsunkte Telmengen zerlegt. Damt erfolgt ene Verzwegung des Ausgangsmodells n Telprobleme (branchng). Während des Branch-and-Bound Verfahrens können verscheden Arten von ganzzahlgen Varablen und verschedenen Gruppen von Varablen beachtet werden (vgl. [BeFo78; Be- Fo79; BeTo70; Fre07]). Dazu zählen: Allgemene Integer Varablen. Specal Ordered Sets: Ene Gruppe von Varablen, de alle 0-1 Varablen snd und n der Summe 1 ergeben sollen. Specal Ordered Sets vom Typ 1: Ene Gruppe von Varablen, be denen höchstens ene Varable ncht Null sen darf. Specal Ordered Sets vom Typ 2: Ene Gruppe von Varablen, be denen höchstens zwe, nebenenander legende Varablen ncht Null sen dürfen. Partal Integer Varablen: Varablen, de nur n enem bestmmten Berech ganzzahlg sen müssen. Sem Contnuous Varablen: Varablen, de enen Wert n dem Berech { 0} [ l,u] annehmen müssen. Wobe 0 < l < u und l, u IR.

2 66 Branch-and-Bound Verfahren Sem Integer Varablen: Varablen, de enen Wert n dem Berech { 0} [ l,u] annehmen müssen. Wobe 1 l < u und l, u. Im Weteren soll das Prnzp des Branch-and-Bound Verfahrens an dem enfachen Fall von allgemenen Integer Varablen verdeutlcht werden. Betrachtet wrd folgendes Modell: mn c B x Ax d (P 0 ) x + I Deses Modell wrd relaxert gelöst. Es wrd ene Varable x ausgewählt, für de Ganzzahlgket gefordert st, welche aber be der Lösung der LP-Relaxerung enen fraktonellen Wert x annmmt. Auf der Grundlage des Ausgangsproblems (P 0 ) werden zwe Telprobleme ent- wckelt, ndem enmal de Varable nach unten beschränkt wrd x + 1 Mal nach oben x x Varable x enen Wert zwschen x und das andere. So entstehen de Probleme (P 1 ) und (P 2 ). Der Berech n dem de x und + 1 x annmmt, wrd ausgeschlossen. Alternatv zur Enführung von zusätzlchen Restrktonen, de de Beschränkungen bewrken kann auch de Obergrenze ub bzw. Untergrenze lb der Varablen x angepasst werden. De optmale ganzzahlge Lösung muss sch n enem der beden Telprobleme befnden. De Telprobleme werden relaxert gelöst. Jedes der beden Telprobleme wrd anhand ener neu gewählten Varablen, der Branchng-Varablen, ggf. weder n zwe Telprobleme zerlegt. Deser Prozess kann durch enen Baum (s. Abbldung 5.1) vsualsert werden. P 0 P 1 P 2 P 3 P 4 P 5 P 6 Abbldung 5.1: En Enumeratonsbaum

3 Grundstruktur des Branch-and-Bound Verfahrens 67 Während das Ausgangsproblem durch den Wurzelknoten des Baums repräsentert wrd, stellt eder wetere Knoten en erzeugtes Telproblem dar. De Kanten zwschen den Knoten symbolseren de Beschränkungen der Branchng-Varablen, durch de der zulässge Berech enes eden relaxerten Telproblems verklenert wrd. Somt stellt eder Knoten entlang enes Pfades en Telproblem dar, das durch de Menge der Restrktonen entlang des Pfades bs zum Wurzelknoten beschränkt wrd. Je tefer sch en Knoten m Enumeratonsbaum befndet, desto klener st der zulässge Berech und damt de Menge möglcher Lösungen des korresponderenden relaxerten Telproblems [GaNe72]. En durch enen Knoten repräsentertes Telproblem, lasst sch allgemen folgendermaßen darstellen: mn I c Ax x d x + I wobe Ax d, de Orgnalrestrktonen Ax d erwetert um de Beschränkungen x x Fu und x x + 1, Fl, Varablen, de nach oben bzw. nach unten beschränkt wurden dar. st. F u und F l stellen de Mengen der Branchng- Wenn also F = und F = entsprcht das obge Modell dem Orgnalmodell. u l An edem Knoten wrd en Telproblem relaxert gelöst. Deses Telproblem stellt das um de Beschränkungen erweterte Orgnalproblem dar. Aufgrund der mt der Tefe des Baumes stegenden Komplextät der Telprobleme st en möglchst klener Baum wünschenswert. Während der Abarbetung der Telprobleme ergeben sch für den Berech, n dem de optmale ganzzahlge Lösung legen kann, neue Ober- und Untergrenzen. Da der Zelfunktonswert der LP-Relaxerung am ersten Knoten mndestens so gut we der der IP-Lösung st, stellt er vorerst ene globale Untergrenze für den Zelfunktonswert des IP-Problems dar. In Kaptel 4 wurde dargestellt, we während des Supernode processngs dese Untergrenze als Ausgangsposton für das Branch-and-Bound Verfahren so wet we möglch heraufgesetzt wrd. Innerhalb des Baumes wrd de globale Untergrenze mmer auf den Wert gesetzt, der mnmal unter den Zelfunktonswerten der LP-Relaxerungen der noch ncht abgearbeteten Knoten st.

4 68 Branch-and-Bound Verfahren Ene globale Obergrenze st nur dann gegeben, wenn ene gültge IP-Lösung bekannt st. Am Ausgangsknoten könnte dese durch Heurstken gefunden worden sen. Alternatv kann durch den Anwender ene auf Erfahrungen baserende IP-Lösung angegeben werden. Steht zu Begnn des Branch-and-Bound Verfahrens kene gültge IP-Lösung zur Verfügung, wrd de globale Obergrenze auf + gesetzt. Sobald ene gültge ganzzahlge Lösung gefunden wrd, wrd de globale Obergrenze durch dese ersetzt. Damt stellt de globale Obergrenze mmer glechzetg de aktuell beste bekannte IP-Lösung dar. Zel st es, de globale Untergrenze und de globale Obergrenze so schnell we möglch gegenenander konvergeren zu lassen. Sehe auch Abbldung 4.4. Inwefern de globale Obergrenze de Größe des Baumes beenflusst, wrd be Betrachtung der verschedenen Gründe, wegen derer en Knoten als untersucht glt, erschtlch. Trtt ener der folgenden dre Fälle en, glt en Telproblem als vollständg untersucht und muss ncht weter verzwegt werden: Unzulässgket: Durch das Hnzufügen der letzten Verzwegungsrestrkton st das Telproblem unzulässg geworden. Wenn es kene zulässge relaxerte Lösung für das Telproblem gbt, gbt es auch kene zulässge ganzzahlge Lösung für das Telproblem. En berets als unzulässg erkanntes Telproblem kann nachträglch ncht zulässg werden, da durch das Branchen auf Varablen der möglche Lösungsraum zusätzlch verklenert wrd. Ganzzahlge Lösung: Wrd nnerhalb des Baumes ene ganzzahlge Lösung gefunden, glt das Telproblem als untersucht. Das heßt allerdngs noch ncht, dass de ganzzahlge Lösung glechzetg de optmale Lösung darstellt. De neu gefundene ganzzahlge Lösung wrd ledglch mt der bsher besten z Best verglchen und ggf. ausgetauscht. Überschretung der Obergrenze: Ist das Ergebns des relaxert gelösten Telproblems schlechter als de bsher beste IP-Lösung z Best, müssen alle folgenden Telprobleme ncht mehr betrachtet werden, da sch durch de zusätzlchen Enschränkungen der Zelfunktonswert nur noch verschlechtern kann. De optmale ganzzahlge Lösung st erst dann gefunden, wenn wrklch alle Knoten abgearbetet wurden.

5 Grundstruktur des Branch-and-Bound Verfahrens 69 START Löse z = mn { cx : x P} mt P = { Ax d} EXIT Ja De Kanddatenlste st leer K = Nen KANDIDATENLISTE: Wähle Knoten aus Kanddatenlste K und entferne gewählten Knoten LP-RELAXIERUNG Löse das Telproblem relaxert Das Telproblem st lösbar & z < z best Ja De Lösung st nteger Ja Nen Aktualsere z best = z Nen VERZWEIGEN: Wähle Branchng-Varable. De beden neuen Telprobleme kommen n de Kanddatenlste K Abbldung 5.2: Das Branch-and-Bound Verfahren Während der Bearbetung der enzelnen Knoten, werden de noch ncht bearbeteten Knoten n ener Kanddatenlste verwaltet. Nach bestmmten Auswahlregeln werden de n der Kanddatenlste hnterlegten Telprobleme nachenander bearbetet. Für eden Knoten wrd ene Branchng-Varable ausgewählt. Dadurch entstehen zwe neue Telprobleme, de relaxert gelöst werden. Wenn dann ener der dre oben beschrebenen Fälle erfüllt st, glt das entsprechende Telproblem als vollständg untersucht und es wrd ncht weter verzwegt. Anderenfalls wrd das Telproblem der Kanddatenlste hnzugefügt. Erst wenn sch ken Telproblem mehr n der Kanddatenlste befndet, st de Optmaltät ener ganzzahlgen Lösung bewesen.

6 70 Branch-and-Bound Verfahren Wurde bs zu desem Zetpunkt kene ganzzahlge Lösung gefunden, st bewesen, dass kene exstert. Abbldung 5.2 stellt ene Zusammenfassung des Verfahrens dar. Be der vorangegangenen Beschrebung des Branch-and-Bound Verfahrens bleben zwe entschedende Fragen offen: Nach welchen Regeln wrd de Branchng-Entschedung getroffen? Nach welchen Regeln wrd en Knoten aus der Kanddatenlste ausgewählt? Dese beden Entschedungen beenflussen maßgeblch das Lösungsverhalten des Branch-and- Bound Prozesses und sollen aus desem Grund n den folgenden Abschntten besprochen werden. 5.2 Auswahlregeln für ene Branchng-Varable Aufgabe von Auswahlregeln st de Ermttlung ener Branchng-Varablen, über de en Telproblem verzwegt wrd. Im Idealfall geht aus der Lösung der entsprechenden Telprobleme ene neu globale Ober- oder Untergrenze hervor. We berets beschreben, verrngert sch durch de gegensetge Annäherung der Ober- und Untergrenze der Raum, n dem de optmale IP-Lösung legen kann. Im Folgenden soll en kurzer Überblck über enge Auswahlregeln gegeben werden Verzwegen auf de fraktonellste Varable Ene Varable, de n der relaxerten Lösung den fraktonellsten Wert annmmt, wrd ausgewählt. Wenn x 4 5 der Wert st, den de Varable an dem Knoten hat, und x = x + f, wobe f >0, dann wrd ene Varable ausgewählt, de den größten Wert für MF hat, mt MF T = mn f U. Der Vortel deser Regel st hre Enfachhet. Leder gehen daraus kene guten Resultate hervor. In [AcKM04] werden sogar Ergebnsse präsentert, de zegen, dass ene zufällge Wahl der Branchng-Varable verglechbare Resultate erzelen kann.

7 Auswahlregeln für ene Branchng-Varable Strong Branchng Hntergrund des von [ABCC95] vorgestellten strong branchngs st, dass de nteger Varablen mt enem fraktonellen Wert an enem Knoten daraufhn getestet werden, welche von hnen de größte Veränderung des Zelfunktonswertes hervorruft. Dazu wrd auf de Varablen versuchswese gebrancht, bevor ene Varable tatsächlch als Verzwegungs-Varable ausgewählt wrd. Deses Verfahren reduzert vor allem de Anzahl der Knoten. Leder kann edoch de Zet, de an enem Knoten verbraucht wrd, aufgrund der velen zu lösenden LP-Relaxerungen sehr lang sen. Um etwas Zet zu sparen, kann de Menge der Varablen, auf de versuchswese gebrancht wrd, engeschränkt werden oder es wrd ncht de gesamte LP-Relaxerung durchgeführt. Nur ene bestmmte Anzahl an dualen Smplex Iteratonen wrd durchgeführt. De Veränderung des Zelfunktonswertes lässt sch n der Regel schon nach wengen Iteratonen enschätzen Pseudocost Branchng De Veränderung des Zelfunktonswertes, de mt dem Verzwegen ener bestmmten Varablen enhergeht, kann zumndest versuchswese mttels der sogenannten Pseudocosts [BGGH71] prognostzert werden. Unter Pseudocosts wrd de Veränderung des Zelfunktonswertes m Verhältns zur der Veränderung des Wertes ener nteger Varablen bezechnet. So können de Kosten prognostzert werden, de entstehen, wenn ene Varable auf- oder abgerundet wrd. Wenn x 4 5 der Wert st, den de Varable an dem Knoten hat und x = x + f, mt f >0, dann ergeben sch de Pseudocosts für dese Varable aus z f und PC + = z z f f Dabe steht z - für den Zelfunktonswert des Nachfolgerknotens von, wenn der Werteberech der Varable nach oben beschränkt wrd und z + dementsprechend, wenn der Werteberech der Varablen nach unten beschränkt wrd. f

8 72 Branch-and-Bound Verfahren So ergbt sch als Veränderung (wenn auf de Varable gebrancht wrd): D = PC f und U = PC + ( 1 f ) We dese Pseudocosts ntalsert werden und ob se mmer weder neu von Knoten zu Knoten berechnet werden müssen, wrd n [LSa99] detallert dargestellt. Für de her vorgestellten Vorgehenswesen zur Auswahl ener Branchng-Varable exsteren sowohl verschedene Abwandlungen als auch ene Rehe alternatver Vorgehenswesen. So wrd zum Bespel n enem von [PaCh03] präsenterten Verfahren versucht, ncht de Auswrkung des Verzwegens ener Varablen auf den Zelfunktonswert zu schätzen sondern de Auswrkung auf de aktven Nebenbedngungen. Wetere Verfahren werden n [HoV95] beschreben. 5.3 Regeln zur Knotenauswahl In der Kanddatenlste werden alle bsher noch ncht bearbeteten Knoten gespechert. De Rehenfolge, n der de Knoten abgearbetet werden, hat großen Enfluss auf de Laufzet und auch auf den benötgten Specherplatz. Be der Auswahl enes Knotens snd zwe verschedene Zele abzuwägen. Zum enen st es vortelhaft, so schnell we möglch ene gültge nteger Lösung zu fnden, was dazu führt, dass de globale Obergrenze herunter gesetzt werden kann. Zum andern soll auch de globale Untergrenze heraufgesetzt werden, damt de Optmaltät ener gefundenen Lösung bewesen werden kann. Es gbt verschedene Knotenauswahlregeln, de ene Rehenfolge festlegen. Se lassen sch untertelen n: statsche Regeln auf Schätzungen baserende Regeln zwe-phasen Regeln backtrackng Regeln

9 Regeln zur Knotenauswahl Statsche Regeln De Depth-Frst- Regel und de Best-Frst-Regel snd statsche Knotenauswahlregeln. Be der Depth-Frst-Regel, entwckelt sch der Enumeratonsbaum n der Regel n de Tefe. Dazu wrd mmer der Knoten ausgewählt, der gerade als letzter n de Kanddatenlste aufgenommen wurde (FIFO). En wesentlcher Vortel deser Knotenauswahlregel besteht darn, dass nur relatv wenge Knoten n der Kanddatenlste gespechert werden müssen. Darüber hnaus kann das Telproblem an enem Knoten sehr schnell berechnet werden, da es oft das gleche Problem, we das Vorgängerproblem, ledglch erwetert um ene Verzwegung, darstellt. Der entschedende Nachtel deser Knotenauswahlstratege st, dass ggf. Äste des Enumeratonsbaumes, welche ncht de optmale Lösung enthalten, bs n de Tefe abgearbetet werden. Wäre ene bessere globale Obergrenze bekannt, hätten dese Äste ggf. vorzetg gelöscht werden können. Offenschtlch kann es so dazu kommen, dass sehr vele Telprobleme gelöst werden müssen, was wederum n langen Laufzeten resulteren kann. Be der Best-Frst-Regel wrd das Zel verfolgt, de globale Untergrenze zu erhöhen. En Knoten mt der klensten unteren Grenze, d.h. en Knoten, dessen LP- Relaxerung den klensten Zelfunktonswert hat, wrd als Erster aus der Kanddatenlste ausgewählt. Be Anwendung deser Regel entwckelt sch der Baum eher n de Brete. Das hat wederum zur Folge, dass de Probleme, de nachenander gelöst werden, weng Ähnlchket hnschtlch der Verzwegungen mtenander haben. Dafür wrd de Gefahr reduzert, dass lange n enem Telbaum, welcher ncht de optmale Lösung enthält, gesucht wrd Auf Schätzungen baserende Regeln Weder be der Best-frst-Regel noch be Deep-frst-Regel werden de Knoten danach ausgewählt, ob se möglcherwese zu ener gültgen ganzzahlgen Lösung führen. De d e Best-Proecton-Regel [FoHT74] hat genau das zum Zel. Mt s =X mn f wrd de Summe der Unzulässgketen am Knoten dargestellt. Das st de Summe, de benötgt werden würde, wenn ede fraktonelle Integer Varable auf den nächsten ganzzahlgen Wert auf- oder abgerundet werden sollte. Das Bewertungskrterum für de Best-Proecton-Regel ergbt sch aus: 2I

10 74 Branch-and-Bound Verfahren BP z BEST = z LP + 0 s z 0 LP s Wobe z LP de relaxerte Lösung für das Telproblem des Knotens st. En Knoten, mt dem besten (klensten) BP wrd ausgewählt. Dabe st zu beachten, dass en Wert für de globale Obergrenze z Best bekannt sen muss. Be der Best-Proecton-Regel wrd allerdngs ncht beachtet, we der Enfluss der enzelnen Varablen auf s st und we hoch de entsprechenden Kosten für das Auf- oder Abrunden der Varablen snd. Mt Hlfe der Pseudokosten (s. Kaptel 5.2.3) kann desem Aspekt Beachtung geschenkt werden. Durch de Enführung von Pseudokosten wrd aus der Best-Proecton-Regel de Best-Estmaton-Regel. I + ( PC f, PC ( f ) BE = z + mn 1 LB Vortel deser Regel st, dass ken Wert für de globale Obergrenze z Best bekannt sen muss. Für dese Regel wrd allerdngs angenommen, dass sch ene gültge Integerlösung ergbt, wenn ene fraktonelle Integervarable auf den nächsten ganzzahlgen Wert auf- oder abgerundet wrd. Dese Annahme st scherlch ncht sehr realstsch. Ene realstschere Anpassung der Regel mttels Wahrschenlchketen wrd n [LSa99] beschreben Zwe-Phasen-Regeln We berets enletend erwähnt, trtt be der Auswahl enes Knotens en Zelkonflkt auf. Er besteht darn, dass zum enen ene gute ganzzahlge Lösung gefunden werden soll und zum anderen bewesen werden soll, dass kene bessere Lösung gefunden werden kann. Ene Kombnaton der berets vorgestellten Regeln st somt nahelegend. So kann de Depth-Frst-Regel angewandt werden, bs ene optmale Lösung gefunden st. Danach kann zu der Best-Frst-Regel gewechselt werden, mttels der bewesen werden soll, dass dese gefundene Lösung auch wrklch de beste st. En weterer von [FoHT74] entwckelter Zwe-Phasen-Ansatz nutzt für de erste Phase de Best-Estmaton-Regeln, bs ene gültge ganzzahlge Lösung gefunden wrd. In der zweten Phase soll en Knoten gewählt werden, der den klensten percentage error:

11 Regeln zur Knotenauswahl 75 PE z BE = 100. z z Best LP Best aufwest. Deser soll de Fehlerhaftgket ener Schätzung ausdrücken Backtrackng Methoden Es wrd en E 0 festgelegt, welches enen Schätzwert für den optmalen Zelfunktonswert z IP darstellt. Deser Wert glt als Entschedungskrterum. Ist z < E0, soll de Depth-Frst-Regel zur Anwendung kommen. Sobald z E0, wrd ene andere Regel benutzt. Damt soll das Abarbeten von überflüssgen Knoten vermeden werden. Mt überflüssgen Knoten snd alle Knoten gement, de z > z IP. Hauptkrtkpunkt an der Depth-Frst-Regel war, dass ggf. sehr vele überflüssge Knoten abgearbetet werden. Des kann durch ene Backtrackng Methode vermeden bzw. verrngert werden. Es sollen somt nur de Vortele der Depth-Frst-Regel bezüglch des Specherplatzes und der schnellen Lösung der enzelnen Telprobleme zum Tragen kommen. De Backtrackng Methoden unterscheden sch sowohl hnschtlch der Festlegung von E 0,wofür ene der auf Schätzungen baserenden Methoden herangezogen werden kann, als auch hnschtlch der zweten Regel, de zur Anwendung kommen soll. Vergleche der enzelnen Knotenauswahlregeln snd n [LSa99] zu fnden. Leder kann kene Knotenauswahlregel allgemengültg als de beste dentfzert werden. Ene Knotenauswahlregel, de für en Problem besonders vortelhaft st, kann für en anderes besonders unvortelhaft sen. Daher sollte en Optmerer mmer de Möglchket gewähren, zwschen verschedenen Knotenauswahlregeln zu wählen. Insgesamt schenen allerdngs de Regeln, de mt Pseudocosts arbeten, oft ene gute Wahl zu sen.

12 76 Branch-and-Bound Verfahren

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

2. Spiele in Normalform (strategischer Form)

2. Spiele in Normalform (strategischer Form) 2. Spele n Normalform (strategscher Form) 2.1 Domnante Strategen 2.2 Domnerte Strategen 2.3 Sukzessve Elmnerung domnerter Strategen 2.4 Nash-Glechgewcht 2.5 Gemschte Strategen und Nash-Glechgewcht 2.6

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Was haben Schüler und Großbanken gemein?

Was haben Schüler und Großbanken gemein? Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

Innovative Handelssysteme für Finanzmärkte und das Computational Grid

Innovative Handelssysteme für Finanzmärkte und das Computational Grid Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik und hre Datenstrukturen 9-9....2 9. Zetplanung...2 9.. CPM... 3 9..2 PERT... 9..3 MPM... 5 9..4 Verglech zwschen CPM und MPM... 22 9.2 Ausblck: Kosten- und Kapaztätsplanung...23 9.3 Entschedungsnetzpläne...24

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein? FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

Mehr

1 - Prüfungsvorbereitungsseminar

1 - Prüfungsvorbereitungsseminar 1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten

Mehr

Diplomprüfung für Kaufleute 2001/I

Diplomprüfung für Kaufleute 2001/I Dplomprüfung für Kaufleute 00/I Prüfungsfach: Unternehmensfnanzerung und Betrebswrtschaftslehre der Banken Thema : a) Warum st es trotz Rskoaverson der Markttelnehmer möglch, be der Bewertung von Optonen

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung Moble cherhet durch effzente ublc-key-verschlüsselung Hagen loog Drk Tmmermann Unverstät Rostock, Insttut für Angewandte Mkroelektronk und Datenverarbetung Rchard-Wagner-tr., 9 Rostock Hagen.loog@un-rostock.de

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik

F A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements Unser Auftrag st de aktve Umsetzung der frohen Botschaft Jesu m Denst am Menschen. Ene Herausforderung, der wr täglch neu begegnen. Mt modernster Technk und Kompetenz. Und vor allem mt Menschlchket. Letlnengerechte

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Einführung in Origin 8 Pro

Einführung in Origin 8 Pro Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten

Mehr

Datenbankgestützte mehrstufige kapazitätsorientierte Losgrößenplanung Christian Ortmann und Ingo Siebeking

Datenbankgestützte mehrstufige kapazitätsorientierte Losgrößenplanung Christian Ortmann und Ingo Siebeking Dskussonsbetrag Nr. 2011 BWL/Produkton Prämerte Dplomarbeten Datenbankgestützte mehrstufge kapaztätsorenterte Losgrößenplanung Chrstan Ortmann und Ingo Sebekng Fachberech Wrtschaftswssenschaften Unverstät

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Entwurf und Implementierung eines Programmsystems zur Analyse und Prognose der Ergebnisse von Mannschaftsspielen am Beispiel der Fußballbundesliga

Entwurf und Implementierung eines Programmsystems zur Analyse und Prognose der Ergebnisse von Mannschaftsspielen am Beispiel der Fußballbundesliga Entwurf und Implementerung enes Programmsystems zur Analyse und Prognose der Ergebnsse von Mannschaftsspelen am Bespel der Fußballbundeslga Studenarbet m Studengang Informatk vorgelegt von Carsten Bansemr

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

4 Digitale Filter und Bildoperationen

4 Digitale Filter und Bildoperationen Dgtale Flter und Bldoperatonen 51 4 Dgtale Flter und Bldoperatonen Blder welche durch ene Kamera augenommen wurden snd otmals ncht drekt ür ene nacholgende Bldanalyse geegnet. Gründe daür snd bespelswese

Mehr

Hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?

Hat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes? Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung

Mehr

ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK

ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK Arbetsgruppe Autonome Intellgente Systeme Prof. Dr. Wolfram Burgard Lernen von Lnenmodellen aus Laserscannerdaten für moble Roboter Dplomarbet

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

Eva Hoppe Stand: 2000

Eva Hoppe Stand: 2000 CHECKLISTE ARBEITSSCHUTZ A. Rechtsgrundlagen der Arbetgeberpflchten Ist der Arbetgeber/de Behördenletung mt der Rechtssystematk und dem modernen Verständns des Arbetsschutzes vertraut? Duale Rechtssystematk

Mehr

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006 Semna übe Algothmen Load Balancng Slawa Belousow Fee Unvestät Beln, Insttut fü Infomatk SS 2006 1. Load Balancng was st das? Mt Load Balancng ode Lastvetelung weden Vefahen bescheben, um be de Specheung,

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

Mathematik der Lebensversicherung ( Spezialwissen ) Klausur vom 24.10.2009

Mathematik der Lebensversicherung ( Spezialwissen ) Klausur vom 24.10.2009 DEUTSCHE AKTUARVEREINIGUNG e.v. Mathematk der Lebensverscherung ( Spezalwssen ) Klausur vom 4.0.009 De Klausur besteht aus 3 Aufgaben, de mt nsgesamt 80 Punkten bewertet werden. Um dese maxmale Punktzahl

Mehr

1.1. Problemstellung und Zielsetzung

1.1. Problemstellung und Zielsetzung 1 1. Enführung Auf de Frage nach dem geegneten Zetpunkt für de Enführung ener radkal neuen Technologe oder von nnovatven Produkten mt deser Technologe, schent de Antwort offenschtlch: so schnell we möglch.

Mehr

Vertrieb / CRM. Erfolgreiches Kundenmanagement mit staffitpro WEB

Vertrieb / CRM. Erfolgreiches Kundenmanagement mit staffitpro WEB Vertreb / CRM Erfolgreches Kundenmanagement mt staffitpro WEB Vertreb /CRM Aufgabe des Leadsmoduls Kontaktanbahnung: Enen neuen Lead erfassen Mt dem Leadsmodul halten Se de Kundendaten m Geschäftskontaktemodul

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Ein stochastisches Modell zur Ertragsoptimierung bei Versicherungen

Ein stochastisches Modell zur Ertragsoptimierung bei Versicherungen En stochastsches Modell zur Ertragsoptmerung be Verscherungen Clauda Garschhammer und Rud Zagst Clauda Garschhammer Bahnhofstr. 34, 8340 aufen Tel: 0868 / 548, c.garschhammer@web.de Prof. Dr. Rud Zagst,

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

Basel III Kontrahentenrisiken

Basel III Kontrahentenrisiken Basel III Kontrahentenrsken Chrstoph Hofmann De Fnanzkrse hat gezegt, dass das aus ncht börsengehandelten (OTC) Dervaten hervorgehende Kontrahentenrsko von entschedender Bedeutung für de Stabltät des Bankensystems

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr