42021 Planungsansätze des SCM - KE 3: Transport und Distribution
|
|
- Artur Eberhardt
- vor 7 Jahren
- Abrufe
Transkript
1 1. Bedeutung der Transport- und Distributionsplanung im SCM Aufgabenspektrum der Transport- und Distributionsplanung: Umfasst physischen Transport der Produkte und Materialien zwischen SC-Stufen Transportprozesse wichtig -> Versorgung der Kunden bzw. nächsten Stufe mit Gütern Einsparungen durch geschickte Planung der Transportrouten und Ausnutzung von Ladekapazitäten Z.B. durch APS-Modul: bietet Verfeinerung des Master Planning, Festlegung Transportmengen und -methoden Mittelfristige Distributionsplanung: Planung bzw. Optimierung der Verteilung der Produkte und Lagerbestände zum Kunden Berechnung Min-/Max- sowie Sicherheitsbeständer für produzierte Güter unter Berücksichtigung von Distributionsrestriktionen und kapazitäten Analyse und Vergleich verschiedener Distributionsszenarien mit Simulationskomponente Planungshorizont: Tage bis Monate Kurzfristig ausgerichtete Transportplanung: Optimierte Planung der Transporte bzw. der Touren, Festlegung der Transportmittel, Routenplanung und optimierung, Beladungen zur termingerechten Lieferung der produzierten Güter Transportplanung auf Basis der Distributionspläne für feinere Zeiteinheiten Planungshorizont: Stunden bis Tage Probleme der Tourenplanung: Transportplanung soll möglichst kostengünstig sein Gute Zuordnung von Lieferaufträgen zu Fahrzeugen Optimale Reihenfolge der Lieferorte Tourenplanung wird häufig manuell vorgenommen Dadurch Transportkosten abh. Von Disponentenerfahrung Mit Komplexität wird manuelle Planung unübersichtlicher Vielzahl rechnergestützter Tourenplanungsprogramme (Traveling Salesman/Vehicle Routing Problem) Kerstin Gesing / Kristina Tappe SS 2011 Seite 1
2 2. Travelling Salesman Problem Tourenplanung mit einem Fahrzeug Handlungsreisendenproblem 2.1. Grundlegende Definitionen und Erläuterungen TSP-Problem in der Praxis: Welchen Weg (geringste Entfernung, minimale Fahrtkosten) soll Handlungsreisender zurücklegen, wenn jeder Kunde ein Mal besucht werden soll, und er zum Ausgangspunkt zurückkehren will? Produzent möchte aus Depot in Köln 4 Kaufhäuser beliefern (n=4 Kunden, i 1-4 = Dortmund,Düsseldorf, Essen und Frankfurt) 2.2. Mathematische Modellierung TSP als ganzzahliges lineares Programm mit Minimierung der Zielfunktion unter folgenden Nebenbedingungen Zielfunktion minimiert Transportkosten c ij = Länge der Strecke /Transportkosten von Kunde i zu Kunde j Belieferungsreihenfolge durch x ij (1 bedeutet direkte Fahrt zum Kunden, 0 nicht direkt) Kerstin Gesing / Kristina Tappe SS 2011 Seite 2
3 Unzulässig, da 2 Rundtouren notwendig Variable y gibt Position von Kunde i auf Rundreise an (y 1 =2 bedeutet, dass Kunde 1 als zweites beliefert wird) Y0=0 bewirkt, dass Köln Ausgangspunkt der Reise ist Wenn x ij =1, dann y j y 1 +1 Berechnung der optimalen Lösung mit Branch-and-Bound- oder verwandten Verfahren Lösung mit Standard-Branch-and-Bound-Verfahren Einsatz von Heuristiken, da Verfahren sehr zeitintensiv und komplex sind Kerstin Gesing / Kristina Tappe SS 2011 Seite 3
4 3. Vehicle Routing Problem Planungsansätze des SCM - KE 3: Transport und Distribution Tourenplanung unter Einsatz mehrerer Fahrzeuge 3.1. Varianten des Vehicle Routing Problems VRP: Belieferung der Kunden unter verschiedenen Zielfunktionen und Nebenbedingungen Capacitated Vehicle Routing Problem (CVRP) Standardmodell der Tourenplanung Kunden sollen von einem Depot mit beliebig vielen Fahrzeugen identischer sowie begrenzter Kapazität beliefert werden, Entfernungen sind bekannt Nachfragemenge bekannt. Nur eine Lieferung je Kunde Gesucht: Touren der Fahrzeuge bei Minimierung der Fahrtstrecke Je Tour beginnt und endet im Depot Nur bestimmte Anzahl an Fahrzeugen Erweiterung o Vehicle Routing Problem with Time Window (VRPTW) Belieferung in bestimmtem Zeitfenster Ggf. Durch Öffnungs- und Leerungszeiten (Briefkästen) o Vehicle Routing Problem with Backhauls (VRPB) Auch Rücknahme von Güten (z.b. Mehrwegverpackungen) o Vehicle Routing Problem with pickup and Delivery (VRPPD) Eingesammelte Güter warden auf gleicher Tour wieder ausgeliefert 3.2. Standardmodell des Vehicle Routing Problems Ähnlich Traveling Salesman Problem, aber nicht nur Betrachtung des Spezialfalls mit einem Fahrzeug Grundlegende Definitionen und Erläuterungen M Fahrzeuge Kunde i hat Bedarf b 0 Identische Fahrzeuge Maximale Transportkapazität von cap Maxb Es kann nur bestimmte Anzahl von Kunden in verschiedenen Orten beliefert werden Ziel: Bestimmung der Reihenfolge bei Minimierung der zurückgelegten Entfernung Ermittlung der Mindestanzahl an Fahrzeugen r(q) M min =r(v-{0}) Kerstin Gesing / Kristina Tappe SS 2011 Seite 4
5 Mathematische Modellierung Zielfunktion analog zum TSP Nebenbedingungen Nebenbedingungen in Literatur = capacity-cut constraints Branch-and-Cut Verfahren n² binäre Variablen, Lösungsaufwand steigt ggf. exponentiell mit Kundenanzahl exakte Lösung möglich Heuristische Lösungsverfahren 2 Teilprobleme a) Zuordnungsproblem: Clustering-Problem,, Kunden werden bestimmter Tour zugeordnet b) Reihenfolgeproblem: Bestimmung des kürzesten Wegs für jede Tour Es gibt Verfahren, die beide Probleme sukzessiv lösen, und welche, die beide Teilprobleme simultan lösen Sukzessivverfahren Auch: Route-First Cluster-Second oder Cluster First route-second, je nachdem ob Zuordnungs- oder Rangfolgenproblem zuerst gelöst wird Route-First Cluster-Second: o Zunächst Festlegung der Reihenfolge der kunden, Zerlegung dieser gemäß Kapazitäts-/Zielrestriktionen in kleineren Routen Cluster First Route-Second o Zunächst werden gemäß Ziel- und Kapazitätsrestriktionen Kunden in disjunkte Teilmengen (Touren) zerlegt, die von einem Fahrzeug erledigt werden kann, 2. Schritt: Bestimmung der kürzesten Route mit TSP-Verfahren Kerstin Gesing / Kristina Tappe SS 2011 Seite 5
6 Nächster-Nachbar-Verfahren Geht auf TYAGI zurück Gehört zum Cluster First Route-Second Verfahren Beliebiger Kundenort i wird als Startpunkt der Tour genommen Im nächsten Schritt wird der nächstgelegene Kunden i+1 der Tour zugeordnet Geht solange so weiter, bis Transportkapazität erreicht ist Aufteilung auf weitere Touren erfolgt analog Wenn alle Kunden einer Tour zugeordnet sind, kann für jede Tour Reihenfolge der Belieferung mittels Verbesserungsverfahren für das Traveling-Salesmann-Problem (TSP) ermittelt werden. Sweep Verfahren Nach Gillet/Miller Orientiert sich an geografische, Anordnung der Kunden zueinander Gehört zum Cluster First Route-Second Verfahren Algorithmus legt annahme zu Grunde, dass Standorte des Depots und der Kunden durch koordinaten (x,y) gegeben sind, wobei das Depot im Ursprung liegt Entfernungen zwischen Standorten soll euklidisch ermittelt werden, Kunden werden (an positiven x-achse beginnend), nach aufsteigenden Polarwinkeln δ (d.h. gg Uhrzeigersinn) sortiert, Kunden werden von 1 bis n nummeriert Euklidische Ermittlung Aufbau der ersten Tour: Kunden werden in aufsteigender Reihenfolge ihres polarwinkels in tour aufgenommen bis cap erreicht ist Fortsetzung bis alle Kunden einer tour zugeordnet sind Bestimmung der Reihenfolge mittels Verbesserungsverfahren für TSP-Problem Nächster Schritt: Bildung von Tourenplänen, indem Aufteilung nicht mit Kunden 1, sondern mit Kunden 2,3,..n erfolgt Man erhält n Tourenpläne, der mit der kürzesten Gesamtstrecke wird ausgewählt Tourenpläne meistens in Blütenblattstruktur: ergibt sich aufgrund Clusterbildung von Kunden zu Touren mittels Polarwinkel Kerstin Gesing / Kristina Tappe SS 2011 Seite 6
7 Simultan-Verfahren Legen gleichzeitig Touren und Reihenfolge der Kundenbesuche fest Touren werden anschließend mittels Verbesserungsverfahren verbessert Savings-Verfahren Clarke und Wright Setzt symmetrische Distanzmatrix C voraus, beginnt mit Anfangslösung, welche jedem Kunde eine Pendelroute zuordnet, d.h. für jeden Kunden geht eine tour vom Depot zum Kunden und wieder zurück zum Depot --> bei n Kunden ergeben sich n Touren bei einer Gesamtwegstrecke von 0j Aggregation der Touren auf Basis von Ersparniswerten Anfangslösung soll immer durch Verknüpfen von je zwei Touren verbessert werden, nicht mehr benötigte Verbindungen zum Depot können eliminiert werden Ersparnis: Ersparniswert umso größer, je näher i und j zusammen liegen und je weiter sie vom Depot entfernt sind Ersparnis wird für alle Kundenpaare ermittelt und in fallender Reihenfolge gespeichert, Liste wird iterativ bearbeitet beginnend mit größtem Ersparniswert Danach ergibt sich suboptimaler Tourenplan Tourenpläne weisen periphere Bogenstruktur auf: weil zu Beginn Kunden bevorzugt verbunden werden, die nahe zusammenliegen, aber weit vom Depot entfernt liegen Vebesserungsverfahren Ergebnisse der Verfahren sind noch nicht optimal Schrittweise Verbesserung durch Verbesserungsverfahren, z.b. durch Austausch von Kanten Verfahren unterscheiden sich hinsichtlich maximaler Anzahl an Kanten, die ausgetauscht werden können Intra-Tour-Verfahren o Verbesserung der Reihenfolge der Kunden in Tour Inter-Tour-Verfahren o Sowohl Reihenfolge der Kunden in Tour als auch Austausch Kunden zwischen den Touren Kerstin Gesing / Kristina Tappe SS 2011 Seite 7
8 2-opt.Verfahren gehört zu den Intra-Tour-Verfahren o Systematischer Tausch zweier Kanten o Iterativ werden zwei Kanten aus gegebener Tour entfernt, daraus ergeben sich zwei Teiltouren, die mit zwei neuen Kanten zu einer Tour verbunden werden o Neue Tour als Ausgangslösung, Verfahren beginnt von vorne o Ergebnis: 2-optimale Tour Verallgemeinerung des 2-opt. Verfahren ist das r-opt-verfahren o Austausch von r Kanten o Praxis: max, 2-3 Kanten, sonst zu hoher Rechenaufwand Metaheuristische Lösungsverfahren Bedienen sich bestimmter Prinzipien aus Natur Finden einer besseren Lösung, aber In Kaufnahme vorübergehender Lösungsverschlechterungen o Simulated-Annealing: Abkühlungsvorgang von Metallen o Tabu-Search: verwendet bei Lösungsverbesserung Infos aus vorherigen suchschritten o Genetische Algorithmen/neuronale Netze Kriterien zur Verfahrensauswahl Güte der Lösung abhängig von Datenstruktur, Zielen und Nebenbedingungen Sweep-Verfahren: o Führt zu guten Ergebnissen, wenn depot zentral zu Kunden liegt und mit wenig touren viele Kunden beliefert werden können o Nachteil: nutzt Luftliniennetz und nicht Straßennetz Savings-Verfahren: o Gute Ergebnisse bei hoher Tourenanzahl mit wenig Kunden o Nachteil: schlechte Fahrzeugauslastung, wenn Kunden mit hoher Nachfrage in Depotnähe sind Heuristische Lösungen weichen zwischen 2% und 10% von optimaler Lösung ab! Kerstin Gesing / Kristina Tappe SS 2011 Seite 8
Supply Chain Management
Supply Chain Management Präsenzveranstaltung am 27.02.2015 1 von Prof. Dr. Dr. h. c. Günter Fandel und Übersicht der Präsenzveranstaltung Grundlagen 1) Definition und Abgrenzung 2) Instrumente des SCC
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
MehrDirk Mattfeld Richard Vahrenkamp. Logistiknetzwerke. Modelle für Standortwahl. und Tourenplanung. 2., aktualisierte und überarbeitete Auflage
Dirk Mattfeld Richard Vahrenkamp Logistiknetzwerke Modelle für Standortwahl und Tourenplanung 2., aktualisierte und überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort zur 2. Auflage Vorwort
MehrHybrid Optimization Methods for Warehouse Logistics and the Reconstruction of Destroyed Paper Documents
Hybrid Optimization Methods for Warehouse Logistics and the Reconstruction of Destroyed Paper Documents Betreut von: ao.univ.-prof. Dr. Günther R. Raidl ao.univ.-prof. Dr. Ulrich Pferschy 25. Jänner 2010
MehrFakultät für Informatik. Professur Theoretische Informatik und Informationssicherheit. Thema: Vehicle Routing. Leitung: Prof. Dr.
Technische Universität Chemnitz Fakultät für Informatik Professur Theoretische Informatik und Informationssicherheit Proseminar Effiziente Algorithmen Thema: Vehicle Routing Leitung: Prof. Dr. Lefmann
MehrÜbungsklausur. B-Modul Instrumente des Controlling. Aufgabe 1: Logistikcontrolling Savings-Verfahren
Übungsklausur B-Modul 360 Instrumente des Controlling Aufgabe : Logistikcontrolling Savings-Verfahren Aufgabe a) Was ist der Planungsgegenstand der Tourenplanung? Worin besteht der Unterschied zwischen
MehrKombinatorische Optimierung
Kombinatorische Optimierung Zuweisungsprobleme 2 1 3 5 4 Kombinatorische Optimierung Rucksackpackproblem 1 10 2 4 6 3 5 8 6 Aufspannende Bäume Travelling Salesman VLSI Design C. Kanzow, M. Gerdts Kombinatorische
MehrOptimierung. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Vorgehen: Dynamische Programmierung
Optimierung Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Optimierung I Dynamisches Programmieren Günther Greiner Lehrstuhl für Graphische Datenverarbeitung Sommersemester
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 02.07.2015 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrLogistische Tourenplanung auf der Basis hierarchischer Kunden-Clusterungen
Logistische Tourenplanung auf der Basis hierarchischer Kunden-Clusterungen Dissertation zur Erlangung des Grades eines Doktors der Wirtschaftswissenschaften Eingereicht an der Wirtschaftswissenschaftlichen
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrSo planen Sie eine Route
Prof. Dr. Hans G. Bartels Frankfurt, SS 00 Klausur zum speziellen Seminar Ausgewählte OR-Probleme Bearbeiter Maximale Punktzahl: Nachname :... Musterlösung ohne Gewähr 90 Vorname :... Matr.-Nr. :... Studienfach
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 22 1 Das Travelling Salesperson Problem
MehrIWW-Studienprogramm. Aufbaustudium. Modul XX: Informationsbasiertes Supply Chain Management
IWW-Studienprogramm Aufbaustudium Modul XX: Informationsbasiertes Supply Chain Management von Univ.-Prof. Dr. Dr. h. c. Günter Fandel Professor an der FernUniversität in Hagen 1 I. Gliederung 1 Advanced
MehrTraveling Salesman Problem (TSP) Präsentation von Burku, Kienzerle, Stollnberger
Traveling Salesman Problem (TSP) Präsentation von Burku, Kienzerle, Stollnberger Inhalt Allgemeine Problembeschreibung Historie Mathematische Beschreibung Algorithmische Komplexität Beispiel Symmetrisches
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Das Travelling Salesperson Problem 2 Das Travelling Salesperson Problem Zentrales Problem der Routenplanung Unzählige wissenschaftliche Artikel theoretischer sowie
Mehr1. Einführung 2. Lagerhaltungsmodelle bei schwankendem Absatz 3. Heuristische Verfahen 4. Wagner-Whitin-Verfahren
Entscheidungsprozesse i.d. Lagerhaltung 1. Einführung 2. Lagerhaltungsmodelle bei schwankendem Absatz 3. Heuristische Verfahen 4. Wagner-Whitin-Verfahren 1 Klassisches Lagerhaltungsproblem 700 Lagerhaltungskosten
MehrHeuristische und exakte Lösungsansätze für das Handelsreisendenproblem. Dr. Gerold Jäger
Heuristische und exakte Lösungsansätze für das Handelsreisendenproblem Dr. Gerold Jäger Arbeitsgruppe Prof. Dr. Paul Molitor Institut für Informatik Martin-Luther-Universität Halle-Wittenberg 30. September
MehrVerbesserungsheuristiken
Verbesserungsheuristiken Bestandteile der Lokalen Suche Für schwierige Optimierungsaufgaben haben Verbesserungsheuristiken eine große praktische Bedeutung. Sie starten mit Ausgangslösungen, die von z.b.
Mehr2. Optimierungsprobleme 6
6 2. Beispiele... 7... 8 2.3 Konvexe Mengen und Funktionen... 9 2.4 Konvexe Optimierungsprobleme... 0 2. Beispiele 7- Ein (NP-)Optimierungsproblem P 0 ist wie folgt definiert Jede Instanz I P 0 hat einen
MehrDas Multi Traveling Salesman Problem
Das Multi Traveling Salesman Problem Harald Voit Seminar Ganzzahlige Optimierung 19. bis 21. Januar 2007 Wallenfels Das Multi Traveling Salesman Problem p.1/26 Übersicht Vom TSP zum ATSP Das Multi Traveling
MehrTourenplanung mit Leerbehälterausgleich im kombinierten Ladungsverkehr, Modelle und Methoden für die Praxis
Tourenplanung mit Leerbehälterausgleich im kombinierten Ladungsverkehr, Modelle und Methoden für die Praxis Dr. Tore Grünert E-mail:tore@or.rwth-aachen.de Lehr- und Forschungsgebiet Operations Research
MehrÜberblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP
Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick
MehrKap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien
Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 23. VO DAP2 SS 2008 14. Juli 2009
MehrLenk- und Ruhezeiten in der Tourenplanung
Lenk- und Ruhezeiten in der Tourenplanung Asvin Goel und Volker Gruhn Lehrstuhl für Angewandte Telematik/e-Business, Universität Leipzig, Klostergasse 3, 04109 Leipzig {goel,gruhn}@ebus.informatik.uni-leipzig.de
MehrWarenlager und Lagerhaltungsmanagement Kapitel 4 Lagerbestandsmanagement
Warenlager und Lagerhaltungsmanagement Kapitel 4 Lagerbestandsmanagement Inhalt Einleitung Deterministische Modelle Stochastische Modelle Bestandsmanagement im Supply Chain Kontext Seite 4 Lagerbestandsmanagement
MehrAussage: richtig falsch
Aufgabe 1: Multiple Choice (10 unkte) Folgende Aussagen sind entweder richtig oder falsch! Kreuzen Sie jeweils direkt hinter der Aussage eines der Kästchen an! Stimmt Ihre Bewertung einer Aussage so gibt
Mehr»La filosofia è scritta in questo grandissimo libro che continuamente ci sta aperto innanzi a
MOTTO GALILEO GALILEI: DIE GOLDWAAGE (IL SAGGIATORE) VON 623»La filosofia è scritta in questo grandissimo libro che continuamente ci sta aperto innanzi a gli occhi (io dico l universo), ma non si può intendere
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
MehrRouting A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrDas Problem des Handlungsreisenden
Seite 1 Das Problem des Handlungsreisenden Abbildung 1: Alle möglichen Rundreisen für 4 Städte Das TSP-Problem tritt in der Praxis in vielen Anwendungen als Teilproblem auf. Hierzu gehören z.b. Optimierungsprobleme
MehrDer Branching-Operator B
Branching 1 / 17 Der Branching-Operator B Unser Ziel: Löse das allgemeine Minimierungsproblem minimiere f (x), so dass Lösung(x). B zerlegt eine Menge von Lösungen in disjunkte Teilmengen. Die wiederholte
MehrAufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1
Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung
MehrModellbasiertes Logistikmanagement mit Excel
A 3^6 093 Heinz-Michael Winkels Modellbasiertes Logistikmanagement mit Excel Lösungen von Problemen in der Logistik unter Verwendung der Tabellenkalkulation @ Mit direkt anwendbaren Online-Arbeitshilfen:
MehrTourenplanung bei ambulanten Pflegediensten
Das Vehicle Routing Problem am Beispiel der Spitex Basel Bachelor Thesis zur Erlangung des akademischen Grades: Bachelor of Science in Business Administration FH mit der Vertiefung Unternehmensführung
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Joachim Schauer Betriebliche Optimierung 1 / 31 1 Metaheuristische Verfahren 2 Joachim Schauer Betriebliche Optimierung 2 / 31 Einleitendes Metaheuristische Verfahren
MehrFlüsse in Netzwerken. Seminar über Algorithmen SoSe 2005. Mike Rohland & Julia Schenk
Flüsse in Netzwerken Seminar über Algorithmen SoSe 2005 Mike Rohland & Julia Schenk Inhalt Einführung Definition Maximale Flüsse Schnitte Restgraphen Zunehmende Wege Max-Fluss Min-Schnitt Theorem Ford-Fulkerson
Mehrlineare Programmierung
lineare Programmierung Viele Probleme sind durch lineare Gleichungssysteme charakterisiert lineare Programmiermethoden Der Lösungsraum ist häufig auf ganze Zahlen oder gar natürliche Zahlen eingeschränkt!
MehrKap. 7 Optimierung. Überblick. Optimierung: Einführung. Motivation. Beispiele für Optimierungsprobleme. Rundreiseprobleme (TSP)
Kap. 7 Optimierung Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 22. VO 2. TEIL DAP2 SS 2009 9. Juli 2009 Überblick Einführung Einige klassische Optimierungsprobleme,
MehrBERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Master of Science
Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Master of Science Wintersemester 2014/2015 Prüfungsgebiet: MWiWi 4.1 Advanced OR methods in
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrDynamisches Routing in der Logistik
Informatik, Angewandte Informatik, Technische Informationssysteme Dynamisches Routing in der Logistik Tobias Dimmel Dresden, 24.05.2012 Agenda 1. Begriffe 2. Traveling Salesman Problem 3. Ameisenalgorithmus
MehrFormale Grundlagen der Informatik F3: Berechenbarkeit un
Formale Grundlagen der Informatik F3: Berechenbarkeit und Komplexität Fachbereich Informatik AB Theoretische Grundlagen der Informatik (TGI) Universität Hamburg farwer@informatik.uni-hamburg.de 14. Dezember
MehrSchnittebenenverfahren für das symmetrische
Schnittebenenverfahren für das symmetrische TSP Sebastian Peetz Mathematisches Institut Universität Bayreuth 19. Januar 2007 / Blockseminar Ganzzahlige Optimierung, Bayreuth Gliederung 1 Das symmetrische
MehrDas Traveling Salesman Problem und das Assignment Problem zweiter Ordnung. Gerold Jäger
Das Traveling Salesman Problem und das Assignment Problem zweiter Ordnung Gerold Jäger Martin-Luther-Universität Halle-Wittenberg Zusammenarbeit mit Frank Fischer, Anja Lau, Paul Molitor DFG-Projekt: Toleranzbasierte
Mehr1 Heuristiken für das Traveling Salesman Problem
Praktikum Diskrete Optimierung (Teil 5) 15.06.2011 1 1 Heuristiken für das Traveling Salesman Problem Wir betrachten das folgende Problem. Wir wollen einen gegebenen Graphen möglichst schnell so durchlaufen,
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
MehrTourenplanung in einer Distributionskooperation komplementärer Lieferanten
Tourenplanung in einer Distributionskooperation komplementärer Lieferanten Andrea Nagel, Giselher Pankratz, Hermann Gehring 2. April 2009 11. Paderborner Frühjahrstagung Agenda 1. Vorstellung der Kooperation
Mehr5 Kontinuierliches Wachstum
5 Kontinuierliches Wachstum Kontinuierlich meßbare Größe Wir betrachten nun eine Größe a, die man kontinuierlich messen kann. Den Wert von a zum Zeitpunkt t schreiben wir nun als a(t). Wir können jedem
MehrInhalt. Vorwort zur 2. Auflage V. Vorwort zur 1. Auflage VII. Hinweise zur verwendeten Software IX. Abbildungsverzeichnis XVII
Inhalt Vorwort zur 2. Auflage V Vorwort zur 1. Auflage VII Hinweise zur verwendeten Software IX Abbildungsverzeichnis XVII Tabellenverzeichnis XXVII Beispielverzeichnis XXXI Grundlagen logistischer Entscheidungen
MehrPackalgorithmen für quaderförmige Objekte. Ilia Belozerov
Packalgorithmen für quaderförmige Objekte Ilia Belozerov 1. Motivation 2. Definitionen und Sätze 3. Exakte Lösungsverfahren 4. Heuristische Methoden 5. Vergleich der Heuristiken Übersicht Bedeutung von
MehrVarianten des Travelling Salesman Problem (TSP)
Varianten des Travelling Salesman Problem (TSP) Lars Schmidt und Dominik Wol 11.01.2010 Travelling Salesman Problem (TSP) TSP als ILP Asymmetrische Travelling Salesman Problem (ATSP) ATSP als ILP multiple
MehrOptimale Stationierung von Rettungshubschraubern
Rettungshubschraubern Universität Stuttgart Mathematische Modellierung Priv.-Doz. Dr. Iryna Rybak SS16 08.06.2016- Julia Löffelhardt Gliederung 1. Einführung 2. Modellrahmen 3. 1 Hubschrauber 1. 1 Hubschrauber,
MehrAlgorithmische Geometrie: Delaunay Triangulierung (Teil 2)
Algorithmische Geometrie: Delaunay Triangulierung (Teil 2) Nico Düvelmeyer WS 2009/2010, 2.2.2010 Überblick 1 Delaunay Triangulierungen 2 Berechnung der Delaunay Triangulierung Randomisiert inkrementeller
MehrSupply Chain Management
Supply Chain Management Präsenzveranstaltung am 14.08.2015 1 von Prof. Dr. Dr. h. c. Günter Fandel und Übersicht der Präsenzveranstaltung Grundlagen 1) Definition und Abgrenzung 2) Instrumente des SCC
MehrKlausur zur Vorlesung Logistik im Sommersemester 2015
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Sitzplatznr.: Klausur zur Vorlesung Logistik im Sommersemester 2015 Hinweise:
Mehra) Warum sind Kosten bzw. Tarife für Transportdienstleistungen unterhalb einer Komplettladung in der Praxis üblicherweise mengendegressiv?
Aufgabe 1 (12 Punkte) a) Warum sind Kosten bzw. Tarife für Transportdienstleistungen unterhalb einer Komplettladung in der Praxis üblicherweise mengendegressiv? b) Welchen Nachteil hat die Weitergabe mengendegressiver
MehrLogistik: Rundreisen und Touren
Logistik: Rundreisen und Touren 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Von Universitätsprofessor Dr. Wolfgang
Mehr9: Gewichtete Graphen
Chr.Nelius: Graphentheorie (WS 06/7) 9 9: Gewichtete Graphen Beispiel: Eine Straßenkarte mit Entfernungsangaben zwischen den Orten ist ein Beispiel für einen gewichteten Graphen. (9.) DEF: Ein Graph G
MehrArbeitsblatt 19: Lösen von Gleichungen Sportplatz
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrKapitel 8: Bipartite Graphen Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken
MehrHauptseminar Repräsentationen für Optimierungsalgorithmen
Stefan Bens Hauptseminar Dresden, 03.07.2008 Inhalt 1. Motivation 2. Einleitung 3. Repräsentationsarten und Eigenschaften 4. Beispiel 5. Zusammenfassung Folie 2 Als Repräsentation bezeichnet man die Kodierung
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrOptimierung der Einzelbeförderung für Schulen und soziale Einrichtungen
Stand 7.September 2004 Seite 1 /17 Optimierung der Einzelbeförderung für Schulen und soziale Einrichtungen eine DV-basierte Optimierung der Tourenplanung Zentrum für integrierte Verkehrssysteme an der
MehrAlgorithmen und Datenstrukturen. Große Übung vom Nils Schweer
Algorithmen und Datenstrukturen Große Übung vom 26.10.07 Nils Schweer Diese Folien Braucht man nicht abschreiben Stehen im Netz unter www.ibr.cs.tu-bs.de/courses/ws0708/aud/index.html Kleine Übungen Anmeldung
MehrTraveling Salesman Problem (TSP)
Traveling Salesman Problem (TSP) Das Traveling Salesman Problem (TSP) ist ein bekanntes Optimierungsproblem. Ein Handlungsreisender soll in einer Rundreise (auch Tour genannt) n vorgegebene Städte besuchen.
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts
Algorithmen zur Visualisierung von Graphen Lagenlayouts Marcus Krug Institut für Theoretische Informatik 25.06.2009 1/ 41 E-Mail-Graph der Fakultät für Informatik 2/ 41 E-Mail-Graph der Fakultät für Informatik
MehrApproximationsalgorithmen. 19. Dezember / 28
Approximationsalgorithmen 19. Dezember 2017 1 / 28 Optimierungsprobleme Das Ziel: Bearbeite schwierige Optimierungsprobleme der Form opt y f (x, y) so dass L(x, y). Die Zielfunktion f (x, y) ist zu minimieren
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 8 Gerhard Heyer, Florian Holz unter Verwendung der Materialien der letzten Jahre Abteilung Automatische Sprachverarbeitung Institut für Informatik Universität
MehrXCargo 5.0 - ein Steckbrief
XCargo 5.0 - ein Steckbrief Seite 1 XCargo 5.0 Die Stärken des Logistikplanungstools Wer Excel kennt, kann XCargo sofort einsetzen! Vorteile: Geringer Einarbeitungsaufwand Vorhandene Daten in Excel direkt
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrPolynomial Time Approximation Schemes for Euclidean Traveling Salesman Problems. Benjamin Thome
Polynomial Time Approximation Schemes for Euclidean Traveling Salesman Problems Benjamin Thome Gliederung Einleitung Definitionen ETSP in R 2 Der Algorithmus in R 2 ETSP in R d Idee Algorithmus für f R
MehrProportionale und antiproportionale Zuordnungen
Proportionale und antiproportionale Zuordnungen Proportionale und antiproportionale Zuordnungen findet man in vielen Bereichen des täglichen Lebens. Zum Beispiel beim Tanken oder beim Einkaufen. Bei proportionalen
MehrDiskrete Optimierungsverfahren zur Lösung von Sudokus
Diskrete Optimierungsverfahren zur Lösung von Sudokus Seminarvortrag von Daniel Scholz am 6. Dezember 2006 Am Beispiel der Lösung von Sudokurätseln mit Hilfe der linearen Optimierung werden verschiedenen
MehrEinführung in die Informatik I Kapitel II.1: Suchen
1 Einführung in die Informatik I Kapitel II.1: Suchen Prof. Dr.-Ing. Marcin Grzegorzek Juniorprofessur für Mustererkennung im Institut für Bildinformatik Department Elektrotechnik und Informatik Fakultät
MehrKombinatorische Optimierung Vorlesung für den Bereich Diplom/Master Informatik
Kombinatorische Optimierung Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrLineare Gleichungen Lineare Gleichungssysteme. Lineare Algebra 5. Ein Trainingsheft für Schüler
Lineare Gleichungen Lineare Gleichungssysteme Lineare Algebra Ein Trainingsheft für Schüler Manuelle Lösungen ohne Rechnerhilfen und (hier) ohne Determinanten Datei Nr. 600 Stand 8. September 04 FRIEDRICH
MehrProseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
MehrGemischt-ganzzahlige und Kombinatorische Optimierung
5. Präsenzaufgabenblatt, Sommersemester 2015 Übungstunde am 15.06.2015 Aufgabe J Betrachten Sie die LP-Relaxierung max c T x a T x b 0 x i 1 des 0/1-Knapsack-Problems mit n Gegenständen, c 0 und a > 0.
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrZyklen als Matching-Verfahren in FTL-Netzwerken
Zyklen als Matching-Verfahren in FTL-Netzwerken Bernd Nieberding Elgersburg Workshop 2017 19.-23. Februar 2017 Komplettladungsverkehre Definiton: Nicht-kombinierter, Rampe-zu-Rampe- Transport mit Sattelaufliegern
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrMathematik: Geometrie und Anwendungen in der Wirtschaft
Mathematik: Geometrie und Anwendungen in der Wirtschaft Voronoidiagramme und Kundenzuordnung von Horst W Hamacher IFB, Juni 2003 - Voronoidiagramme und Kundenzuordnung Seite 1 Gliederung Erinnerung SAP
MehrKonzepte der Informatik
Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Konzepte der Informatik Vorkurs Informatik zum WS 213/214 1.9. - 27.9.213 Dr. Werner Struckmann / Hendrik Freytag 1. April 21 Referent
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...
MehrNetzwerk-Design für LKW-Komplettladungsverkehre. ökonomischer und sozialer Aspekte
Netzwerk-Design für LKW-Komplettladungsverkehre unter Berücksichtigung ökonomischer und sozialer Aspekte Sebastian Jäger Netzwerk-Design für LKW- Komplettladungsverkehre unter Berücksichtigung ökonomischer
MehrInhalt. 8.1 Motivation. 8.2 Optimierung ohne Nebenbedingungen. 8.3 Optimierung unter Nebenbedingungen. 8.4 Lineare Programmierung
8. Optimierung Inhalt 8.1 Motivation 8.2 Optimierung ohne Nebenbedingungen 8.3 Optimierung unter Nebenbedingungen 8.4 Lineare Programmierung 8.5 Kombinatorische Optimierung 2 8.1 Motivation Viele Anwendungen
MehrRelationen / Lineare Funktionen
Relationen / Lineare Funktionen Relationen Werden Elemente aus einer Menge X durch eine Zuordnungsvorschrift anderen Elementen aus einer Menge Y zugeordnet, so wird durch diese Zuordnungsvorschrift eine
MehrPlanung und Optimierung von Auslieferungsstandorten in komplexen Distributionsnetzwerken
Planung und Optimierung von Auslieferungsstandorten in komplexen Distributionsnetzwerken Von der Fakultät für Wirtschaftswissenschaften der Rheinisch-Westfälischen Technisdien Hochschule Aadien zur Erlangung
Mehr9. Übungsserie. Sophia Schumann. Matr. XXX
9. Übungsserie Sophia Schumann Montag, 18. Januar 2010 1. Aufgabe A = [9,3,7,5,11] A[1] = 3 < A[0] = 9 tausche die Felder A = [3,9,7,5,11] A[2] = 7 < A[1] = 9 tausche die Felder A = [3,7,9,5,11] A[3] =
MehrAufgaben zur Klausurvorbereitung
Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014
MehrVERWEIS-FUNKTIONEN...
Verweisfunktionen Excel 2010 - Fortgeschritten ZID/Dagmar Serb V.02/Jän. 2016 VERWEIS-FUNKTIONEN... 2 SVERWEIS... 2 Die 4 ARGUMENTE von SVERWEIS... 2 1. SUCHKRITERIUM (Nachschlagewert)...2 2. MATRIX (Nachschlagetabelle)...3
MehrHeuristiken und exakte Algorithmen für das verallgemeinerte Traveling Salesman Problem. Gerold Jäger
Heuristiken und exakte Algorithmen für das verallgemeinerte Traveling Salesman Problem Gerold Jäger Martin-Luther-Universität Halle-Wittenberg (in Zusammenarbeit mit Paul Molitor) DFG-Projekt: Toleranzbasierte
MehrGanzzahlige Optimierung (IP)
Thema Ganzzahlige Optimierung (IP) Systematik * Problematik * Pragmatik IP und Branch and Bound 1 Agenda 1. Relevanz der Ganzzahligkeit? 2. Formulierung ganzzahliger Modelle 3. Zur Lösung ganzzahliger
MehrTheoretische Informatik III (Winter 2018/19) Prof. Dr. Ulrich Hertrampf. Noch einmal TSP
Noch einmal TSP Wir hatten das TSP-Problem (Problem der Handlungsreisenden) schon als Beispiel für die Branch-and-Bound Methode kennengelernt. Nun wollen wir noch einen zweiten Algorithmus angeben, der
MehrPaper Computer Science Experiment. Computation (NP-Vollständigkeit) Traveling Salesman
Paper Computer Science Experiment Great Principles of Computing Computation (NP-Vollständigkeit) Thema Traveling Salesman Unterrichtsform Lernen am Modell Voraussetzung Wahrscheinlich kennen viele Schüler/innen
MehrÜbungsblatt 5. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 20. Dezember 2017 Abgabe 16. Januar 2018, 11:00 Uhr
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen. Hashing 6. Algorithmische Geometrie 4/6, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
Mehr