- A-l - Beschreibung des MPS-Formats Bei der nachfolgenden Beschreibung werden nicht benutzbare Spalten schraffiert gekennzeichnet.
|
|
- Simon Mann
- vor 5 Jahren
- Abrufe
Transkript
1 - A-l - Anhang A Beschreibung des MPS-Formats Bei der nachfolgenden Beschreibung werden nicht benutzbare Spalten schraffiert gekennzeichnet. NAflE-Abschni tt Die NA~E-Karte ist die erste Abschnittskarte des MPS-Datendecks und dient zu dessen Identifikation. Abb. A-1: NAME-Karte Sp. 1-4: NAME 15-24: Problembezeichnung Zusätzliche Datenkarten enthält dieser erste Abschnitt nicht. ROWS-Abschnitt Die ROWS-Karte ist die zweite Abschnittskarte des MPS-Datendecks. I:::~ Abb. A-2: ROWS-Karte Sp. 1-4: ROWS Die nachfolgenden Datenkarten enthalten Angaben über Namen und Typ der Restriktionszeilen. Abb. A-3: Datenkarte des ROWS-Abschnitts Sp. 2-3: N Zielfunktion E "="-Restriktion G "~"-Restriktion L "~"-Restriktion 5-14: Zeilenname, d.h. Zielfunktionsbzw. Restriktionsbezeichnung
2 - A-2 - COLUMNS-Abschnitt Die COLU'1NS-Karte ist die dritte Abschnittskarte des :~PS-Datendecks. Abb. A-4: COLUMNS-Karte Sp. 1-7: COLUMNS Die zugehörigen Datenkarten enthalten spaltenweise - unter Verwendung der in Kapitel erläuterten Matrixnotation - die Elemente ungleich Null der Zielfunktion und der Restriktionen. Abb. A-5: Datenkarte des COLUMNS-Abschnitts Sp. 5-14: Variablenbezeichnung 15-24: Zeilenbezeichnung 25-36: zugehöriger Wert 40-49: Zeilenbezeichnung 50-61, zugehöriger Wert Eine solche Datenkarte des COLUMNS-Abschnitts kann also maximal zwei Koeffizienten zu ein und derselben Variablen aufnehmen. RHS-Abschnitt Die RHS-Karte ist die vierte Abschnittskarte des ~ 1PS-Datendecks. Abb. A-6: RHS-Karte Sp. 1-3, RHS Die zugehörigen Datenkarten enthalten - analog den Datenkarten des COLUMNS Abschnitts - Anqaben über die rechten Seiten der Restriktionen. ~:::::::::I:::::::::!:::::::::::~:::::::::!:::::::::::~~4 Abb. A-7: Datenkarte des RHS-Abschnitts
3 - A-3 - Sp. 5-14: 15-24: 25-36: 40-49: 50-61: Bezeichnung der rechten Seite Zeilenbezeichnung zugehöriger Wert Zeilenbezeichnung zugehöriger Wert BOUNDS-Abschnitt Die BOUNDS-Karte ist - falls Bounds auftreten - die fünfte Abschnittskarte. andernfalls tritt dieser Abschnitt nicht auf. Abb. A-8: BOUNDS-Karte Sp. 1-6: BOUNDS Die entsprechenden Datenkarten enthalten Angaben über die Variablen und die Grenzen. ~:~:::::::::!:::::::::!:::::::::::~~ Abb. A-9, Datenkarte des BOUNDS-Abschnitts Sp. 2-3, PL Xj~O {standard} 5-14, 15-24: 25-36, MI x ~O j LO l/x j UP ~XlUj FR - co(x.< +co J FX x.=c (Konstante) J BV X.=O oder 1 J LI 1.~x. und x. ganzzahlig J J J UI o'x.~u. und x j ganzzahlig J J Boundsbezeichnung Variablenbezeichnung zugehöriger Wert Treten bzgl. einer Variablen untere und obere Grenzen auf. so werden für diese Variable zwei Datenkarten benötigt. und zwar eine für die untere und eine für die obere Grenze. Beide Karten müssen unmittelbar aufeinanderfolgen. wobei die Karte für die untere Grenze der Karte für die obere Grenze vorausgeht. Bzgl. ganzzahliger Variablen ist zu beachten. daß die Grenzen
4 - A-4 - lj und uj ganzzahlig sein müssen, und daß für jede ganzzahlige Variable mindestens eine Datenkarte benötigt wird, wobei - falls keine Bounds vorhanden sind - diese künstlich erzeugt werden müssen, etwa dadurch, daß man bei UI einen sehr großen ganzzahligen ~Jert vorgibt. Darüberhinaus beinhaltet der BOUNDS-Abschnitt Angaben über Special Ordered Sets (SOS). Variablen, die zu einem SOS gehören, müssen im COLUMNS-Abschnitt unmittelbar aufeinanderfolgen. Für jedes SOS ist im BOUNDS-Abschnitt eine Karte erforderlich. r~:::::::::i:::::::::~:::::::::~~ Abb. A-I0: SOS-Datenkarte Sp. 2-3: 51 für SOSI S2 für SOS2 5-14: Boundsbezeichnung 15-24: Bezeichnung der ersten Variablen des SOS 40-49: Bezeichnung der letzten Variablen des SOS RANGES-Abschnitt Die RANGES-Karte ist - falls RANGES auftreten - in A.bhängigkeit vom BOUNDS Abschnitt die fünfte oder sechste Abschnittskarte; sind keine RANGES vorhanden, so tritt dieser Abschnitt nicht auf. Abb. A-ll: RANGES-Karte Aus Sp. 1-6: RANGES ~ u i entnimmt man r i = Ui - 1 i als den Range der Restriktion. Der i1ert ui bzw. li ist im RHS-Abschnitt aufgeführt, der Rangewert r i wird im RANGES-Abschnitt spezifiziert. Bezeichnet bi den im RHS-Abschnitt angegebenen Wert, dann ist der Range in Abhängigkeit
5 - A-5 - von r i und vom Restriktionstyp wie folgt definiert: Restrik- Vorzeichen untere tionstyp von r i rechte Seite G ~ + bzw. - bi L ~ + bzw. - bi - Ir;! E + bi E bi - Iril obere rechte Seite bi + Ir;! b i bi + Iril b i Die entsprechenden Datenkarten haben folgendes Format: F:::::::::!:::::::::!:::::::::::~:::::::::!:::::::::::~ Abb. A-12: Datenkarte des RANGES-Abschnitts Sp. 5-14: Rangesbezeichnung 15-24: Zeilenbezeichnung 25-36: zugehöriger Rangewert 40-49: Zeilenbezeichnung 50-61: zugehöriger Rangewert ENDATA-Abschnitt Die ENDATA-Karte ist die letzte Abschnittskarte des Datendecks; ihr folgen keine weiteren Datenkarten. Abb. A-13: ENDATA-Karte Sp. 1-6: ENDATA
6 - B-1 - Anhang B Verzeichnis der Beispiele. Definitionen und Sätze Beispiele: Seite Seite Beispiel 1 6 Beispiel Beispiel 2 70 Beispiel Beispiel 3 86 Beispiel Beispiel Beispiel Beispiel Bei spiel Beispiel Beispiel Beispiel Beispiel Beispiel Definitionen: Definition Definition Definition Definition Definition Definition Definition Definition Definition Definition Definition Definition Sätze: Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz Satz
7 Seite Seite Satz 6-13 Satz 6-14 Satz Satz 6-16 Satz 7-1 Satz
8 - C-1 - Anhang C Stichwortverzeichnis Allgemeines Optimierungsmodell, 2 ARNOFF, 247 Ausloten, 100 BALINSKI, 196, 203 Basis, 25 Basisaustausch, 29 Basislösung, 25 Basisvariable, 25 Basiswechsel, 29, 160 BEALE, 111, 300, 312 BELLMANN, 277 beschränkter Bereich, 23 binäre Variable, 90 Bound, 55 Branch und Bound Methode, 96 Columns, 67, 115 Constraints, 63, 115 Cutting Plane Methode, 93 DANTZIG, 29, 146, 202 deterministisches Modell, DIJKSTRA, 277 diskrete Variable, 86 DOIG, 96 Dreiecksbasis, 151 Dreieckssystem, 151 DRIEBEEK, 111 duales Problem, 47 Dualität, 47 dynamisches Modell, 3 Ecke, 25 EGERVARY, 221, 227 Engpaß-Zuordnungsproblem, 227 Entscheidungsbaum, 109, Fixed-Charge-Transportproblem, 190 Fluß, 289 Flußwert, 289 FORD, 277, 288 FULKERSON, 288 Ganzzahligkeitsbedingung, 86 GmlORY, 93 GROSS, 239 HERRr1ANN, 242 HIRSCH, 202 HITCHCOCK, 136 HU, 277 KAREL, 255 klassisches Transportproblem, 136 KöNIG, 221, 227 kontinuierliche Variable, 14 konvexe Hülle, 93 Konvexitätsrestriktion der separablen Optimierung, 319, 320 KOOPMANS, 136 künstliche Variable, 57 KUHN, 218 Kurzzykl us, 261 LAND, 96 lineares Modell, 2 LITTLE, 255 Mehrphasenmethode, 39 Mixint Node Log, 115 M-r1ethode, 39 MOORE, 277 MPS-Format, Anhang A MPS-Tableau, 56 ~lultiple-choice-probleme, 300 Multiple-Choice-Restriktion, 300, 301
9 MURTY, 255 Netzwerkprobleme, 268 Nichtbasisvariable, 25 nichtlineares Modell, 2 Nordwesteckenregel, 154 ORDEN, 164, 175 PAGE, 242 Penalty-Funktion, 111 Pfad, 291 primales Problem, 47 Problem des - Handlungsreisenden, kürzesten Weges, maximalen Flusses, 279 Problemvariable, 17 Range, 55 Reduktion, 222 Reduktionssumme, 222 Regel der geringsten Kosten, 154 Relaxation, 97 Restruktion, 2 Schattenpreis, 53 Schlupfvariable, 17 Schnitt, 289 Schnittrestriktion, 94 Schnittwert, 290 SENGUPTA, C diskreten Variablen,,89 Standardmodell für ein Standardprogrammpaket, 55, 113 Standardmodell zum - Engpaß-Zuordnungsproblem, 230, Fixed-Charge-Transportproblem, 193, klassisches Transportproblem, Problem des Handlungsreisenden, Problem des kürzesten ~Jeges, Problem des maximalen Flusses, Summen-Zuordnungsproblem, Umladetransportproblem, 168 statisches Modell, 3 stochastisches Modell, 3 Summen-Zuordnungsproblem, 210 TOMLIN, 111, 300, 312 Transportprobleme, 136 Tucker-Diagramm, 49 Umladetransportproblem, 164 unabhängiges System, 19 Ungarische Methode, 218 vollständige Enumeration, 218 vollständige Zeilen- und Spaltenreduktion, 225 vollständig reduzierte Matrix, 225 Zielfunktion, 2 Sensitivitätsanalyse, 39 zulässiger Bereich, 21 separable Optimierungsprobleme, 318 zulässiger Punkt, 21 Separation, 98 Zuordnung, 219 Simplexalgorithmus, 29 SMALL, 111 SOSl, 300 SOS2, 319 Standardmodell der linearen Optimierung mit - kontinuierlichen Variablen, 14 Zuordnungsprobleme, 210 Zuordnungssumme, 220 Zwei phasenmethode, 39
Lineare und linearisierbare Optimierungsmodelle sowie ihre ADV-gestützte Lösung
Paul Schmitz Alfred Schönlein Lineare und linearisierbare Optimierungsmodelle sowie ihre ADV-gestützte Lösung Mit 209 Bildern Vieweg CIP-Kurztitelaufnahme der Deutschen Bibliothek Schmitz, Paul: Lineare
MehrEinführung in Operations Research
Wolfgang Domschke Andreas Drexl Einführung in Operations Research Achte Auflage fyj Springer Inhaltsverzeichnis Vorwort Symbolverzeichnis V XIII Kapitel 1: Einführung 1 1.1 Begriff des Operations Research
MehrEigenschaften von LPs
2 Lineare Programmierung Eigenschaften von LPs Eigenschaften von LPs Definition 24 Eine Menge K IR n heißt konvex gdw für je zwei Punkte Punkte x (1) K und x (2) K auch jeder Punkt mit 0 λ 1 zu K gehört
MehrZuordnungsproblem. Beispiele. Mathematisches Modell. Lösungsmethoden. auch Ernennungs-, Zuweisungs-, Assignmentproblem
Zuordnungsproblem auch Ernennungs-, Zuweisungs-, Assignmentproblem Beispiele Mathematisches Modell Lösungsmethoden HTW-Berlin FB3 Prof. Dr. F. Hartl 1 2 Anwendungen Zuordnung von - 1 ME von A i nach B
Mehr1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme. Duales Problem. a i u i + i=1. j=1
1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme Duales Problem Lemma 1.4. Das zum Transportproblem duale Problem lautet: max unter den Nebenbedingungen m a i u i + i=1
MehrKlausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 005/006
MehrMinimumproblem. Definition 4.7. Ein LP der Form. unter den Nebenbedingungen. d ij x j b i (i =1,...,m)
Minimumproblem Definition 4.7 Ein LP der Form nx Minimiere Z = c j x j j=1 unter den Nebenbedingungen nx d ij x j b i (i =1,...,m) j=1 und den Vorzeichenbedingungen x j 0(j =1,...,n) heißt Minimumproblem.
Mehr1. Transport- und Zuordnungsprobleme
1. Transport- und Zuordnungsprobleme Themen 1. Transport- und Zuordnungsprobleme Themen: Analyse der Problemstruktur Spezielle Varianten des Simplexalgorithmus für Transport- und Zuordnungsprobleme Bezug
MehrEinführung in Operations Research
Wolfgang Domschke Andreas Drexl Einführung in Operations Research Dritte, verbesserte und erweiterte Auflage Mit 79 Abbildungen und 58 Tabellen Springer Votwort Symbolverzeichnis V XIII Kapitel 1: Einführung
MehrKlausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester
MehrUnimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206
Kapitel 1 Unimodularität Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Inhalt 1 Unimodularität Total unimodulare Matrizen Inzidenzmatrix Optimierungsprobleme auf Graphen Peter
Mehr10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen
10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen Bisher haben wir immer vorausgesetzt, dass alle Variablen eines LOP der Bedingung x i 0 liegen. Im Folgenden wollen wir auch sogenannte freie
MehrVORLESUNG 11 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 3 Wiederholung! Lineare Programme häufig geeignete Modellierung von Optimierungsproblemen! Verschiedene Darstellungen sind
MehrSchnittebenenverfahren von Gomory. Stefan Allescher 30. Juni 2005
Schnittebenenverfahren von Gomory Stefan Allescher 30. Juni 2005 Inhaltsverzeichnis 1. Grundprinzip 2. Das Verfahren von Gomory 2.1. Vorgehen 2.2. Beweis der Endlichkeit 2.3. Algorithmische Durchführung
MehrKombinatorische Optimierung
Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales
MehrLeibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Wiederholungsklausur zur Vorlesung Operations Research im Wintersemester
MehrInhalt. 2 Transportoptimierung Das klassische Transportproblern Modell 73
Inhalt 1 Lineare Optimierung 13 1.1 Das Modell der linearen Optimierung 13 1.2 Graphische Lösung 20 1.3 Der primale Simplexalgorithmus 23 1.3.1 Grundlagen 24 1.3.2 Der Optimalitätstest 27 1.3.3 Verbesserungsschritt
Mehr6. Softwarewerkzeuge für die Lineare Programmierung
6. Softwarewerkzeuge für die Lineare Programmierung Inhalt 6. Softwarewerkzeuge für die Lineare Programmierung GNU Linear Programming Kit Operations Research I Hochschule Bonn-Rhein-Sieg, SS 2013 314 GNU
MehrSimplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
Kapitel 4 Simplex-Verfahren Peter Becker (H-BRS) Operations Research I Sommersemester 24 86 / 298 Inhalt Inhalt 4 Simplex-Verfahren Dualer Simplexalgorithmus Vermeidung von Zyklen Peter Becker (H-BRS)
Mehr4.3.3 Simplexiteration
7. Januar 2013 53 4.3.3 Simplexiteration Eine Simplexiteration entspricht dem Übergang von einer Ecke des zulässigen Bereiches in eine benachbarte Ecke Dabei wird genau eine Nichtbasisvariable (die zugehörige
MehrKlausurrepetitorium ABWL
Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 9. August 5 Dr. Friedhelm Kulmann, Sandra Rudolph 9.8.5 Gliederung. Nichtlineare Optimierungsprobleme.. Quadratisches
MehrInhaltsverzeichnis Grundlagen der Linearen Optimierung
Inhaltsverzeichnis 4 Grundlagen der Linearen Optimierung 1 4.1 Grundbegriffe............................. 1 4.1.1 Lineare Optimierung..................... 1 4.1.2 Das Grundmodell eines linearen Optimierungsproblems
MehrIII. Transportaufgaben 1. Problemstellung 2. Analyse 3. Bestimmung der Startecke 4. Eckenaustausch 5. Umladeprobleme 6. Zuordnungsprobleme
III. Transportaufgaben 1. Problemstellung 2. Analyse 3. Bestimmung der Startecke 4. Eckenaustausch 5. Umladeprobleme 6. Zuordnungsprobleme H. Weber, FHW, OR SS07, Teil 6, Seite 1 1. Problemstellung Wir
MehrOptimierung. Vorlesung 08
Optimierung Vorlesung 08 Heute Dualität Ganzzahligkeit Optimierung der Vorlesung durch Evaluierung 2 Das duale LP Das primale LP Maximiere c T x unter Ax b, x R d 0. wird zu dem dualen LP Minimiere b T
MehrChinese Postman Problem Hamiltonsche Graphen und das Traveling Salesman Problem Max-Flow-Min-Cut...151
Inhaltsverzeichnis 1 Kernkonzepte der linearen Optimierung... 1 1.1 Einführung... 1 1.2 Grundlegende Definitionen... 8 1.3 Grafische Lösung... 10 1.4 Standardform und grundlegende analytische Konzepte...
MehrLineare Optimierung Teil 2
Lineare Optimierung Teil 2 Primale Degeneration Duale Degeneration = Mehrdeutigkeit Normalform kanonische Form Duale Simplexmethode HTW-Berlin FB3 Prof. Dr.F. Hartl 1 Primale Degeneration/1 Besitzt eine
MehrZugeordneter bipartiter Graph
Zugeordneter bipartiter Graph Für ein Transportproblem sei A = {A 1,...,A m } die Menge der Fabriken und B = {B 1,...,B n } sei die Menge der Warenhäuser. Wir ordnen nun einem Transportproblem einen bipartiten
MehrVorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen. Kapitel IV: Grundlagen der Linearen Optimierung
Vorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen Kapitel IV: Grundlagen der Linearen Optimierung Inhaltsverzeichnis Abschnitt 3-5 3 Der Simplexalgorithmus 58 3.1 Grundlagen..............................
MehrOperations Research. Klaus Neumann Martin Morlock HANSER. 2. Auflage. Mit 288 Abbildungen und 111 Tafeln
Klaus Neumann Martin Morlock Operations Research 2. Auflage Mit 288 Abbildungen und 111 Tafeln Technische Universität Darmstadt Fach bar«! ah 1 e Bibliothek Abttall-Nr. HANSER HIIIIIIIIIIIHH Inhaltsverzeichnis
MehrLogistik: Transport. Grundlagen, lineare Transport- und Umladeprobleme. von Prof. Dr. Wolfgang Domschke. TU Darmstadt. 5.,.überarbeitete Auflage
Logistik: Transport Grundlagen, lineare Transport- und Umladeprobleme von Prof. Dr. Wolfgang Domschke TU Darmstadt 5.,.überarbeitete Auflage R. Oldenböurg Verlag München Wien Inhaltsverzeichnis Vorwort
MehrTeil I. Lineare Optimierung
Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,
MehrNetzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex
Netzwerk-Simplex MinCostFlow als Lineares Programm of 2 Netzwerksimplex MinCostFlow geg: gerichteter Graph G, Kapazitäten u R R 0 { }, Bedarfe b V R, Pfeilkosten c R R ges: zulässiger b-fluss f mit minimalen
Mehr1. Lineare Optimierungsaufgaben (LOA) als Teilklasse konvexer Optimierungsprobleme. f(x) min, x G (1.1) (Legende)
. Lineare Optimierungsaufgaben (LOA) als Teilklasse konvexer Optimierungsprobleme X Banachraum, wobei X = R n G zulässige Menge des Optimierungsproblems f: G R Zielfunktion f(x) min, x G (.) (Legende)
MehrComputer Science Department - High Performance and Web Computing Group. Optimierungsprobleme
Optimierungsprobleme Häufig in Alltagssituationen anzutreffen (z.b. Kauf eines Gerätes) Optimierungsprobleme (OPs) sind Probleme, die i.a. viele zulässige Lösungen besitzen Jeder Lösung ist ein bestimmter
MehrVIII Inhaltsverzeichnis 4 Innere - Punkte - Methoden für Lineare Programme Exkurs: Newton -Verfahren,Konvergenzraten Anwendung:
Inhaltsverzeichnis 1 Einleitung... 1 1.1 Modellbildung,mathematische Formulierung............... 1 1.2 Nichtlineare Programme................................. 2 1.3 Einteilung von nichtlinearen Programmen...
MehrKuhn-Tucker Bedingung
Kapitel 13 Kuhn-Tucker Bedingung Josef Leydold Mathematik für VW WS 017/18 13 Kuhn-Tucker Bedingung 1 / Optimierung unter Nebenbedingungen Aufgabe: Berechne das Maximum der Funktion f (x, y) g(x, y) c,
MehrLineare Optimierungsmodelle
Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Lineare Optimierung Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Outline Lineares Programm (LP) in Standardform
MehrLineare Optimierung: Simplexverfahren Phase Ⅰ
Lineare Optimierung: Simplexverfahren Phase Ⅰ Zur Erinnerung: Die Lineare Optimierungsaufgabe in Standardform lautet z = c T x + c 0 min (.) bei Ax = b, x 0. Revidiertes Simplexverfahren Mit dem Simplexverfahren
Mehr3.2.5 Dualität der linearen Optimierung I
3..5 Dualität der linearen Optimierung I Jedem linearen Programm in Standardform kann ein sogenanntes duales Programm zugeordnet werden. Es entsteht dadurch, daß man von einem Minimierungsproblem zu einem
Mehr5. Das klassische Transportproblem
5 Das klassische Transportproblem Ein homogenes Gut soll von verschiedenen Lagerplätzen abtransportiert und so auf die Zielorte verteilt werden, dass dort der Bedarf der Kunden gedeckt wird Die Vorrats-
MehrKapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel:
Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Eine Firma produziert die Produkte P 1, P 2,..., P q aus den Rohstoffen R 1, R 2,..., R m. Dabei stehen b j Einheiten
MehrLogistik: Transport. Grundlagen, lineare Transportund Umladeprobleme. Von Dr. Wolfgang Domschke. o. Professor für Betriebswirtschaftslehre
Logistik: Transport Grundlagen, lineare Transportund Umladeprobleme Von Dr. Wolfgang Domschke o. Professor für Betriebswirtschaftslehre Zweite, ergänzte Auflage TECHNISCH!: MOC cchule DARiviSTAOT j P e
MehrProbeklausur Optimierung
Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Dr. Nico Düvelmeyer Hamburg, 4. Juli 2011 Probeklausur Optimierung Bitte selber ausfüllen: Name: (darf anonymisiert werden)
MehrInhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII
Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................
MehrDualitätssätze der linearen Optimierung
Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =
Mehr1. Über stückweise lineare Zielfunktionen bei der Transportmethode
- 2-1. Über stückweise lineare Zielfunktionen bei der Transportmethode Die Transportkosten entlang eines Transportweges sind stückweise linear, konkret, sie setzen sich aus drei linearen Teilstücken zusammen:
MehrInhaltsverzeichnis. Teil I Lineare Programmierung
Inhaltsverzeichnis 1 Einleitung................................................ 1 1.1 Modellbildung, mathematische Formulierung............... 1 1.2 Nichtlineare Programme.................................
Mehr1. Hausaufgabenblatt (16.04./ )
Lehrstuhl Ingenieurmathematik Modul: (Wirtschaftsingenieurwesen/Betriebswirtschaftslehre/Informatik) Sommersemester 2014 1. Hausaufgabenblatt (16.04./23.04.2015) Aufgabe H 1.1 Lösen Sie die linearen Gleichungssysteme
MehrOptimierung. Optimierung. Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus Fabian Kuhn
Optimierung Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus 1 Resource Allocation Beispiel aus Vorlesung 6 Primales LP: Duales LP: max 3 4 2 2 4 2 8 3 6 0, 0, 0 min 4 8 6 2 3 3 4 2 2 0, 0,
MehrOperations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung.
Operations Research Rainer Schrader Flüsse in Netzwerken Zentrum für Angewandte Informatik Köln 2. Juli 2007 1 / 53 2 / 53 Flüsse in Netzwerken Unimodularität Gliederung Netzwerke und Flüsse bipartite
Mehr3. Schnittebenenverfahren
3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research
MehrSimplex-Verfahren. Kapitel 3. Simplex-Verfahren. Peter Becker (H-BRS) Lineare und kombinatorische Optimierung Wintersemester 2017/ / 372
Kapitel 3 Simplex-Verfahren Peter Becker (H-BRS) Lineare und kombinatorische Optimierung Wintersemester 2017/18 104 / 372 Inhalt Inhalt 3 Simplex-Verfahren Primaler Simplexalgorithmus Unbeschränktheit
Mehr6 Korrektheit des Simplexalgorithmus
6 Korrektheit des Simplexalgorithmus Folgerung: Es sei L: Ax = b, c T x max LP und A B nicht-degenerierte PZB von L und es gebe c r := c r c B A B A r > 0 a) Falls a r := A B a r 0, dann L unbeschränkt
Mehr3.6 Branch-and-Bound-Verfahren
36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von
MehrOPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK
BODO RUNZHEIMER OPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK SIMPLEX-METHODE -TRANSPORT-METHODE STRUKTURANALYSE ZEITPLANUNG ZEIT-KOSTEN PLANUNG- ANWENDUNGSMÖGLICHKEITEN 5., VERBESSERTE
MehrKap. 4: Lineare Programmierung
Kap. 4: Lineare Programmierung Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 13./14. VO A&D WS 08/09 27.11./2.12.2008 Petra Mutzel Alg. & Dat.
MehrKurseinheit 2»Dualität und weiterführende Methoden«
Inhaltsübersicht 1 Gliederung Kurseinheit 1»Simpleverfahren«1. Einleitung 1.1. Einordnung und Übersicht des Stoffes 1.2. Einführendes Beispiel und Grundlagen 2. Lineare Gleichungssysteme 2.1. Die allgemeine
MehrVORLESUNG 12 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG 12 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 53 Wiederholung! Basis-Startlösung berechnet! Künstliche Variablen! Erkennung von unlösbaren Problemen! Eliminierung
MehrDr. Anita Kripfganz SS 2014
Dr. Anita Kripfganz SS 2014 4. Lösungsverfahren 4.1. Schnittebenenmethode Im Jahre 1958 hat R. Gomory ein allgemeines Schnittebenenverfahren zur Lösung ganzzahliger linearer Optimierungsprobleme vorgeschlagen.
MehrHauptsatz und Optimalitätskriterium der Simplexmethode
Kapitel 4 Hauptsatz und Optimalitätskriterium der Simplexmethode In diesem Abschnitt wird das wichtigste Verfahren zur Lösung linearer Optimierungsprobleme eingeführt die Simplexmethode Es existiere für
MehrInhaltsverzeichnis. Innere-Punkte-Verfahren 3. Inhaltsverzeichnis 1
Inhaltsverzeichnis 1 Inhaltsverzeichnis Innere-Punkte-Verfahren 3 1 Theoretische Grundlagen 3 1.1 Die KKT-Bedingungen........................... 3 1.2 Der zentrale Pfad.............................. 4
MehrOperations Research. Die Simplexmethode. LP-Dualität. Die Simplexmethode. Rainer Schrader. 18. Juni Zur Erinnerung: Gliederung
Operations Research Rainer Schrader Die Simplexmethode Zentrum für Angewandte Informatik Köln 18 Juni 00 1 / 1 / 1 Gliederung LP-Dualität ein lineares Produktionsmodell der Simplexalgorithmus Phase I Endlichkeit
MehrKlausur zur Vorlesung Operations Research im Sommersemester 2009
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Operations Research im Sommersemester 2009 Hinweise:
MehrOperations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25.
Operations Research Rainer Schrader Ganzzahlige lineare Programme Zentrum für Angewandte Informatik Köln 25. Juni 2007 1 / 49 2 / 49 Ganzzahlige lineare Programme Gliederung ganzzahlige lineare Programme
MehrWie man die Matrix der Zeit versteht (Matrix)
Lineare und Nichtlineare Optimierung 1Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Johann Wiesenbauer FH Campus Wien 2014 1 Lineare Optimierung 11 Grundbegrie
MehrOptimale Steuerung 1 Prozessoptimierung 1
Optimale Steuerung 1 Prozessoptimierung 1 Kapitel 2: Lineare Optimierung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Lineare Algebra (Mathematische Grundlagen) 2 Beispiel: Produktionsplanung
MehrOptimierung. Vorlesung 04
Optimierung Vorlesung 04 Übungsbetrieb Mangels Teilnehmer keine Dienstagsübung mehr. Prüfung laut Paul: Di, 10. Feb. 2015 00:01-23:59 2 Was bisher geschah LP: Maximiere c T x unter Ax = b, x 0. Basis:
MehrDie duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme
Kapitel 11 Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Wir betrachten folgendes Optimierungsproblem z = c T x min! Ax = b (11.1) (11.2) x j ganz für j = 1,..., n 1 n, (11.3)
MehrOptimierung. Vorlesung 02
Optimierung Vorlesung 02 LPs in kanonischer Form Für i = 1,, m und j = 1,, d seien c j, b i und a ij reele Zahlen. Gesucht wird eine Belegung der Variablen x 1,, x d, so das die Zielfunktion d c j x j
MehrDie duale Simplexmethode
Kapitel 0 Die duale Simplexmethode Bei der dualen Simplexmethode ist eine Startlösung oftmals leichter angebbar als bei der Simplexmethode für das ursprüngliche lineare Programm, da man keine Nichtnegativitätsanforderungen
MehrMathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel 3 - Lineare Optimierung
Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel - Lineare Optimierung Sascha Kurz Jörg Rambau 8. August Lösung Aufgabe.. Da es sich um ein homogenes
MehrInhaltsübersicht für heute:
Inhaltsübersicht für heute: Branch-and-Bound Konvexe Mengen, konvexe Hülle, konvexe Funktionen Relaxation Inhaltsübersicht für heute: Branch-and-Bound Konvexe Mengen, konvexe Hülle, konvexe Funktionen
Mehr4. Dualität Dualität 4.1 Dualität von LPs und der Dualitätssatz. Die duale Form eines LP in allgemeiner Form. Herleitung der dualen Form
2... 22 4.2 Die Bedingungen vom komplementären Schlupf... 23 4.3 Das Kürzeste-Wege-Problem und zugehörige duale Problem... 24 4.4 Das Farkas Lemma... 25 4.5 Duale Information im Tableau... 26 4.6 Der duale
MehrOptimierung. Florian Jarre Josef Stoer. Springer
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Florian Jarre Josef Stoer Optimierung Springer Inhaltsverzeichnis
MehrOptimierung 1 Zwischenklausur
Optimierung Zwischenlausur Tobias Breiten und Laurent Pfeiffer, Universität Graz 8. Mai 8 Lösung der Aufgabe. Wir führen Schlupfvariablen ein (positiv und negativ), um das Problem auf Standardform zu bringen
MehrKapitel 2: Lineare Optimierung
Kapitel 2: Lineare Optimierung Wir beginnen mit Definitionen und beschäftigen uns anschließend mit der graphischen Lösung von linearen Optimierungsproblemen mit zwei Variablen. Neben verschiedenen Schreibweisen
MehrAbbildung 1: Graphische Lösung der ersten Übungsaufgabe
Lösungen zu den Übungsaufgaben im Kapitel 1 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier 1. Lösen Sie die folgende lineare Optimierungsaufgabe
MehrKap. 4.2: Simplex- Algorithmus
Kap. 4.2: Simplex- Algorithmus Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 14.-17. VO A&D WS 08/09 2.12.-16.12.2008 Petra Mutzel Alg. & Dat.
MehrProf. Dr. Roland Griesse. Höhere Mathematik für Bachelorstudiengänge I.2
Höhere Mathematik für Bachelorstudiengänge I.2 Wir nehmen an, dass die LOA bereits in Normalform vorliegt: Maximiere c x, wobei A x = b sowie x 0 mit A R m n, b R m und c R n. Neben b 0 nehmen wir noch
MehrAngewandte Mathematik für die Informatik
Angewandte Mathematik für die Informatik PD Dr. Louchka Popova-Zeugmann PD Dr. Wolfgang Kössler 17. Mai 2017 1 Lineare Optimierung Allgemeine LOA Ganzzahlige Optimierung Differentialgleichungen Differentialgleichungen
MehrInhaltsverzeichnis. Wolfgang Eichholz, Eberhard Vilkner. Taschenbuch der Wirtschaftsmathematik ISBN:
Inhaltsverzeichnis Wolfgang Eichholz, Eberhard Vilkner Taschenbuch der Wirtschaftsmathematik ISBN: 978-3-446-41775-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41775-5
Mehr8. Lineare Optimierung
8. Lineare Optimierung 1 Einführung (1) Praktische Probleme sind oft Probleme mit Nebenbedingungen, z.b.: Ein Produktionsprozess hängt von Lieferterminen ab Die Menge der verstaubaren Güter ist durch die
MehrMitschrift der Vorlesung: Kombinatorische Optimierung
Mitschrift der Vorlesung: Kombinatorische Optimierung bei Prof. Socher-Ambrosius Niels-Peter de Witt 26. April 2002 Inhaltsverzeichnis 1 Einführung 2 1.1 Beispiel: Profil zersägen.......................
MehrLösung allgemeiner linearer Programme
Lösung allgemeiner linearer Programme Bisher: Für Anwendung des Simplexalgorithmus muss eine primal oder eine dual zulässige Basislösung vorliegen. Für allgemeine lineare Programme können wir dies direkt
MehrDer Simplex-Algorithmus
5 Lineare Programmierung Simplex-Algorithmus Der Simplex-Algorithmus Standardverfahren zur Lösung von LPs, von G B Dantzig entwickelt Grundidee: Versuche ausgehend von einer Startecke mit einer Ausgangsbasis
MehrTransportoptimierung
Transportoptimierung Mathematisches Modell Konstruktionsverfahren für einen zulässigen Transportplan Duale Aufgabe des TOP Verbesserungsverfahren: MODI-Verfahren 1 Transport ein zentrales Element jedes
MehrModelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1)
(Die Thesen zur Vorlesung 1) das Thema der Vorlesung Grundlagen der Methode der linearen Optimierung (Grundlegende Annahmen der linearen Programmierung) Prof. Dr. Michal Fendek Institut für Operations
MehrOptimierung für Wirtschaftsinformatiker: Lineare Programme
Optimierung für Wirtschaftsinformatiker: Lineare Programme Dr. Nico Düvelmeyer Dienstag, 31. Mai 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Lineare Programme Allgemeine Form 2 Spezielle Darstellungen
MehrOptimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn
Optimierung Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung 1 Assignment Problem (Zuordnungsproblem) Gewichtetes Perfektes Bipartites Matching agents Costs tasks Weise jedem Agenten genau
MehrProf. Dr. Hans G. Bartels Frankfurt, SS 2002
Prof. Dr. Hans G. Bartels Frankfurt, SS 00 Klausur zur Veranstaltung Ganzzahlige und Kombinatorische Optimierung Bearbeiter Maximale Punktzahl: Matr.-Nr. :... Studienfach :... Semesterzahl :... Tragen
MehrEcken des Zuordnungsproblems
Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.
MehrRundreisen und Touren
Logistik: Rundreisen und Touren von Prof. Dr. Dr. b.c. Wolfgang Domschke TU Darm Stadt und Prof. Dr. Armin Scholl Universität Jena 5., überarbeitete und aktualisierte Auflage Oldenbourg Verlag München
MehrLineare Optimierung Dantzig 1947
Lineare Optimierung Dantzig 947 Lineare Optimierungs-Aufgaben lassen sich mit Maple direkt lösen: with(simplex): g:= 4*x + x2
MehrFK WMS: Wirtschaftsmathematik 2, Einheit 7/8
FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 Markus Sinnl 1 markus.sinnl@univie.ac.at http://homepage.univie.ac.at/markus.sinnl basierend auf Folien von Dr. Ivana Ljubic, Mag. Christian Spreitzer und Mag.
MehrSeminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1)
Seminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1) Anna Raaz 21.12.2007 Einführung Die Relaxierung von Lagrange wird in der stochastischen Optimierung meistens
Mehr(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung)
Lineare Optimierung Unterbestimmte LGS und Optimierung Bei lösbaren unterbestimmten linearen Gleichungssystemen haben wir die Qual der Wahl in Abhängigkeit von den freien Parametern (Anzahl = Anzahl Unbekannte
MehrLineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2
Lineares Optimieren W. Kippels 1. April 015 Inhaltsverzeichnis 1 Einleitung Die Beispielaufgabe Einführung von Schlupfvariablen 4 Die Simplex-Methode 5 Das Basis-Austauschverfahren 4 6 Fortsetzung der
Mehr