Prüfungsklausur Operations Research,

Größe: px
Ab Seite anzeigen:

Download "Prüfungsklausur Operations Research,"

Transkript

1 HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, A Name, Vorname Matr. Nr. Aufgabe 1 : In drei Porzellanwerken W 1, W 2 und W 3 werden Speiseservice hergestellt, die an zwei Großhändler G 1 und G 2 geliefert und dort gelagert werden. Von den Großhändlern werden die Service dann an drei Läden ausgeliefert. Eine direkte Lieferung von den Porzellanwerken zu den Läden ist nicht möglich. Im Werk W 1 werden 15 Service produziert, im Werk W 2 30 Service und im Werk W 3 20 Service. Laden L 1 bestellt 20 Service, L 2 bestellt 25 und L 3 möchte 20 Service haben. Die Kosten für den Transport von den Porzellanwerken zu den Großhändlern, sowie von den Großhändlern zu den Läden (in Euro/Service) sind auf dem Arbeitsblatt im ersten Tableau angegeben. Beim Großhändler G 1 fallen Lagerkosten von 3 Euro pro Service an, während bei G 2 nur 2 Euro pro Service berechnet werden. Die Kapazitäten der Großhändler sind ausreichend, um jeweils die gesamte Menge der Service lagern zu können. Minimieren Sie die Gesamtkosten (Transport- + Lagerkosten). Ergänzen bzw. korrigieren Sie zunächst das Tableau auf dem Arbeitsblatt. Geben Sie die minimalen Transport, Lager- und Gesamtkosten Ihrer Lösung in (Euro) an. Wieviel Service werden bei G 1 gelagert? Aufgabe 2 (ohne Arbeitsblatt) : Ein Vertreter, der in der Stadt S 1 lebt soll die Städte S 2, S 3, S 4, S 5 und S 6 besuchen und in die Stadt S 1 zurückkehren. In der nebenstehenden Tabelle sind die Entfernungen zwischen je zwei dieser Städte gegeben, wobei eine Einheit jeweils 10 km entspricht. Gesucht ist eine Rundtour des Vertreters durch diese sechs Städte, die möglichst kurz ist. Ermitteln Sie eine Rundtour mittels der Christofides Heuristik. Gehen Sie dazu folgendermaßen vor: S 1 S 2 S 3 S 4 S 5 S 6 S S S S S S Sei G = (V, E) der vollständige Graph, dessen Knoten den Städten S 1,..., S 6 entsprechen. Weiterhin definieren wir eine Gewichtsfunktion f : E R, wobei f(s i S j ) der Entfernung zwischen den Städten S i und S j entspricht. (a) Bestimmen Sie ein Minimalgerüst T von (G, f). Skizzieren Sie dieses Gerüst. (b) Konstruieren Sie aus T einen Eulerschen Graphen T durch Hinzufügen geeigneter Kanten (Tipp: minimales perfektes Matching). (c) Geben Sie einen Eulerkreis von T an. (d) Ermitteln Sie mit Hilfe des Eulerkreises in (c) einen Hamiltonkreis. Wie viele Kilometer muss der Vertreter auf dieser so ermittelten Tour zurücklegen (Antwortsatz)? Bemerkung: Bei (a) und (b) muß der Algorithmus beziehungsweise die Vorgehensweise erkennbar sein.

2 Aufgabe 3 : (a) Eine bestimmte Sorte T-Shirts wird in zwei Betrieben produziert. Betrieb stellt im Monat 250 T-Shirts her, Betrieb dagegen 200 T-Shirts. Drei Großhändler bestellen (pro Monat) diese T-Shirts: B 1 bestellt 150 T- Shirts, B 2 bestellt 80 T-Shirts und B 3 bestellt 90 T-Shirts. Die Kosten (in Cent) für den Transport eines T-Shirts von A i nach B j sind in der nebenstehenden Tabelle angegeben Folgende Lieferbedingungen müssen im aktuellen Monat bei der Auslieferung (gleichzeitig) beachtet werden. (a1) liefert an B 2 genau 60 T-Shirts. (a2) B 1 erhält von mindestens 100 T-Shirts. (a3) Lagerkosten in betragen 12 Cent pro T-Shirt, Lagerkosten in dagegen 18 Cent pro T-Shirt. (a4) Die Großhändler B 2 und B 3 würden auch mehr T-Shirts abnehmen, dürfen also überbeliefert werden. B 1 hat keine freie Lagerkapazität, darf also nicht überbeliefert werden. Ermitteln Sie die minimalen Transportkosten, Lagerkosten und Gesamtkosten in Euro und stellen Sie Ihre Lösung graphisch dar. Geben Sie auch Lagermengen und zuviel gelieferte Mengen an. Benutzen Sie für die Ermittlung der Lösung das Arbeitsblatt. (b) Statt der unter (a) gegebenen Lieferbedingungen soll gelten: Ein weiterer Großhändler B 4 bestellt 130 T-Shirts im Monat. Der Transport von nach B 4 kostet 11 Cent pro T-Shirt, der Transport von nach B 4 dagegen 15 Cent pro T-Shirt (s. auch nebenstehende Tabelle). Auf sämtlichen Wegen von und nach B 1, B 2, B 3 und B 4 können jeweils nur 90 T-Shirts transportiert werden. a i b j Bestimmen Sie die minimalen Transportkosten (in Euro) unter Einhaltung der Kapazitätsbeschränkungen. Verwenden Sie das Arbeitsblatt. Alle Besonderheiten des Algorithmus müssen erkennbar sein. (c) Im nächsten Monat sind weder die unter (a) gegebenen Bedingungen noch die Kapazitätsbeschränkungen unter (b) relevant. Allerdings hat Betrieb krankheitsbedingte Ausfälle, so daß statt der 250 T-Shirts nur 150 T-Shirts hergestellt werden. Alle anderen Angaben (Produktionsmenge bei, Bestellmengen von B 1,..., B 4, sowie die Transportkosten von A i nach B j ) sind der Tabelle in Aufgabe 2(b) zu entnehmen. Da B 2 keine Reserven mehr hat, muß dieser Großhändler unbedingt voll beliefert werden. Bei B 1 fallen Strafkosten von 12 Cent, bei B 3 Strafkosten von 20 Cent und bei B 4 Strafkosten von 13 Cent pro nicht geliefertes T-Shirt an. Minimieren Sie die Summe der Transport- und Strafkosten unter diesen Bedingungen (verwenden Sie das Arbeitsblatt). Geben Sie für die Optimallösung die Fehlmengen bei den einzelnen Großhändlern an. Gibt es eine zweite Lösung mit minimalen Kosten (Transport- + Strafkosten)? Begründen Sie Ihre Antwort.

3 Aufgabe 4 : Auf dem Arbeitsblatt ist ein Graph mit einer Kantenbewertung gegeben. Dieser Graph ist das Modell eines Straßennetzes wobei die Kantenbewertung die Länge der entsprechenden Straßen in Längeneinheiten (1 Längeneinheit = 10 m) angibt. (a) Ermitteln Sie die kürzesten Wege vom Postamt P zu allen anderen Kreuzungen (Knoten des Graphen). Verdeutlichen Sie den Ablauf des Algorithmus (möglichst anhand von Tabellen). Markieren Sie die entsprechenden Kanten im Graphen. Welchen Weg sollte man vom Postamt P zur Kreuzung 6 wählen? (b) Ein Postbote soll am Postamt P starten, jede Straße mindestens einmal durchlaufen und zum Postamt zurückkehren. Welche Straßen muß der Postbote doppelt laufen, damit seine Gesamtlaufstrecke minimal wird? Begründen Sie Ihre Antwort. Tipp: Gehen Sie davon aus, daß die kürzesten Wege zwischen 7 und 8, 7 und 9 sowie 8 und 9 jeweils die direkten Verbindungen sind. Aufgabe 5 : Für das gegebene Netzwerk (s. Arbeitsblatt) N = (G, c, s, t) bestimme man mit Hilfe des Algorithmus von Ford und Fulkerson einen maximalen (s, t)-fluß, sowie einen minimalen (s, t)-schnitt F = I + (A). Es ist bereits ein Fluß f vorgegeben. Die Werte an den Kanten bedeuten f(e)/c(e), wobei c(e) die maximale Kapazität der jeweiligen Kante angibt. Verdeutlichen Sie den Verlauf des Algorithmus, insbesondere die Markierungen mit Tabellen oder/und direkt in der Figur. Geben Sie den Wert des maximalen Flusses und die Kantenmenge des minimalen Schnittes an. Endergebnisse (keine vollständigen Lösungen) 1. Transportkosten: 170 Euro, Lagerkosten; 170,- Euro, Gesamtkosten: 340,- Euro, Anzahl der bei G 1 gelagerten Service: Lösung nicht eindeutig: Gewicht des Minimalgerüstes: 44 3(a) Transportkosten: 52 Euro, Lagerkosten: 9,60 Euro, Gesamt: 61,60 Euro, Lagermengen: 80 bei, zuviel geliefert: 50 bei B 3 3(b) Transportkosten: 58,40 Euro 3(c) Gesamtkosten: 60,40 Euro, es gibt mehrere Lösungen, z.b. Fehlmenge 80 bei B 1, Fehlmenge 20 bei B 4, c 14 = c 21 = 0 4(a) B = {P 1, 12, 15, 14, 23, 57, 49, 36, 78}, von P nach 6: P (b) doppelt zu laufen: P1,14,49,78 5. Wert(f)=37, I + (A) = {34, 54, 14, 58} Aufgabe 1 2 3a 3b 3c 4 5 gesamt erreichbare P erreichte P.

4 A: Arbeitsblatt Aufgabe 1: G 1 G 2 L 1 L 2 L 3 a i u i W W W G G b j v j W 1 W 2 W 3 G 1 G 2 b j v j G 1 G 2 L 1 L 2 L 3 a i u i W 1 W 2 W 3 G 1 G 2 b j v j G 1 G 2 L 1 L 2 L 3 a i u i Transportkosten: Lagerkosten: Gesamtkosten: Anzahl der bei G 1 gelagerten Service:

5 A: Arbeitsblatt Aufgabe 3(a): Graphische Lösung Transportkosten: Lagerkosten: Gesamtkosten: Lagermengen: zuviel geliefert:

6 A: Arbeitsblatt Aufgabe 3(b): Transportkosten:

7 A: Arbeitsblatt Aufgabe 3(c): Fehlmengen:

8 A: Arbeitsblatt Aufgabe 4: P

9 A: Arbeitsblatt Aufgabe 5: s 12/12 15/15 8/13 1 0/9 2 0/8 3 8/15 5/7 8/8 12/ / /11 12/ /18 0/ / /20 20/35 15/23 t A = { B = { x y V or(y) d(y) s /15 /12 /13 1 /9 2 /8 3 /8 /15 /7 4 /12 5 /13 /18 6 /11 7 /9 3 8 /15 / /20 /35 /23 t A = { B = { x y V or(y) d(y) Wert(f )= Kantenmenge des minimalen Schnittes: I + (A) =

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 A Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 B Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte

Mehr

OR für Wirtschaftsingenieure. Übungsserie 5: Das Traveling Salesman Problem

OR für Wirtschaftsingenieure. Übungsserie 5: Das Traveling Salesman Problem HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research Algorithmen auf Graphen OR für Wirtschaftsingenieure Übungsserie 5: Das Traveling Salesman Problem Aufgabe 1 : S 2, S 3, S 4,

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research,.0.0 B Name, Vorname Matr. Nr. Aufgabe gesamt erreichbare P. () 0+ erreichte P. Bemerkungen: Die angewendeten

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 12.0.201 A Name, Vorname Matr. Nr. Aufgabe 1 2 6 gesamt erreichbare P. 1 () 1 1 0+ erreichte P. Bemerkungen:

Mehr

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Aufgabe 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

Mehr

Prüfungsklausur Mathematik II für Wirtschaftsingenieure,

Prüfungsklausur Mathematik II für Wirtschaftsingenieure, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Wirtschaftsingenieure, 15.7.2014 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 5 6 gesamt erreichbare P. 10

Mehr

Prüfungsklausur Mathematik II für Wirtschaftsingenieure am

Prüfungsklausur Mathematik II für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Wirtschaftsingenieure am 17.07.2017 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 5 6 7 8 gesamt erreichbare

Mehr

Prüfungsklausur Mathematik II für Wirtschaftsingenieure am

Prüfungsklausur Mathematik II für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Wirtschaftsingenieure am 17.07.2017 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 5 6 7 8 gesamt erreichbare

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 9.2.28 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 3 4 5 7 gesamt erreichbare P. 5 3 3+5

Mehr

6. Übung zur Linearen Optimierung SS08

6. Übung zur Linearen Optimierung SS08 6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl

Mehr

Prüfungsklausur Mathematik II für Wirtschaftsingenieure,

Prüfungsklausur Mathematik II für Wirtschaftsingenieure, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Wirtschaftsingenieure, 06.07.2015 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 5 6 7 8 gesamt erreichbare

Mehr

Bipartite Graphen. Beispiele

Bipartite Graphen. Beispiele Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten

Mehr

1.Aufgabe: Minimal aufspannender Baum

1.Aufgabe: Minimal aufspannender Baum 1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus

Mehr

Effiziente Algorithmen I

Effiziente Algorithmen I 9. Präsenzaufgabenblatt, WiSe 2013/14 Übungstunden am 13.01. & 15.01.2014 Aufgabe Q Gegeben sei ein Fluss-Netzwerk mit Digraph D = (V, A), Knotenkapazitäten c(u, v) 0, Quelle s und Senke t. Kann sich der

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am 0.0.07 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 4 5 6 gesamt erreichbare P. 5

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure und BWL am 10.0.017 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 4 5 6 gesamt erreichbare

Mehr

OR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen

OR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research allgemeine Optimierungsmethoden OR für Wirtschaftsingenieure Übungsserie : Färbungen von Graphen Aufgabe 1 : Wieviele Farben

Mehr

Name:... Vorname:... Matr.-Nr.:... Studiengang:...

Name:... Vorname:... Matr.-Nr.:... Studiengang:... Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Netzwerkalgorithmen 16.07.2013 Name:.....................................

Mehr

3 Klassifikation wichtiger Optimierungsprobleme

3 Klassifikation wichtiger Optimierungsprobleme 3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie 1 Algorithmische Graphentheorie Sommersemester 2014 5. Vorlesung Matchings / Paarungen II Kombinatorischer Algorithmus, Anwendung für Handlungsreisende, LP-Runden Dr. Joachim Spoerhase Prof. Dr. Alexander

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2014 24. März 2015 Teil Graphentheorie Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk: (a) Berechnen

Mehr

Betriebswirtschaftliche Optimierung

Betriebswirtschaftliche Optimierung Institut für Statistik und OR Uni Graz 1 Approximationsalgorithmen auf metrischen Instanzen Minimum Spanning Tree Definition (Spannbaum) Ein Spannbaum in einem Graphen G = (V,E) ist ein kreisfreier Teilgraph

Mehr

Betriebliche Optimierung

Betriebliche Optimierung Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 21 1 Approximationsalgorithmen auf

Mehr

maximaler Fluss & minimaler Schnitt

maximaler Fluss & minimaler Schnitt maximaler Fluss & minimaler Schnitt Referat in angewandte Logistik Marcus Pottendorfer HTBLuVA Sankt Pölten Inhalt Maximaler Fluss minimaler Schnitt... 2 Grundbegriffe... 2 Erklärung... 2 Minimaler Schnitt...

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Richtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar.

Richtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar. Gegeben sei ein Netzwerk N = (V, A, c, s, t) wie in der Vorlesung. Ein maximaler s-t-fluss kann immer mit Hilfe einer Folge von höchstens A Augmentationsschritten gefunden werden. Wendet man den Dijkstra-Algorithmus

Mehr

Theoretische Informatik 1

Theoretische 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

Mehr

6. Flüsse und Zuordnungen

6. Flüsse und Zuordnungen 6. Flüsse und Zuordnungen Flußnetzwerke 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert

Mehr

9: Gewichtete Graphen

9: 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

Mehr

Operations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung.

Operations 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

Mehr

Wir gewichten die Kanten von G wie folgt: Kante e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 d(e i )

Wir gewichten die Kanten von G wie folgt: Kante e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 d(e i ) Prof. Dr. U. Faigle J. Voss SS 2011 12. Übung zur Einführung in die Mathematik des Operations Research Dieses Übungsblatt wird nicht mehr gewertet. Aufgabe 1: Sei G = (V, E) ein gerichteter Graph und x

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 4.2.24 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 3 4 5 6 7 8 9 gesamt erreichbare P.

Mehr

Theoretische Informatik 1

Theoretische 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

Mehr

Prüfungsklausur Mathematik II für Bauingenieure am

Prüfungsklausur Mathematik II für Bauingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Bauingenieure am 20.07.2017 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 5 6 7 8 9 gesamt erreichbare P.

Mehr

6 Flüsse und Matchings

6 Flüsse und Matchings 6. Flüsse in Netzwerken Flußnetzwerke 6 Flüsse und Matchings In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert werden

Mehr

Übung 2 Algorithmen II

Übung 2 Algorithmen II Yaroslav Akhremtsev, Demian Hespe yaroslav.akhremtsev@kit.edu, hespe@kit.edu Mit Folien von Michael Axtmann (teilweise) http://algo2.iti.kit.edu/algorithmenii_ws17.php - 0 Akhremtsev, Hespe: KIT Universität

Mehr

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem Dipl-Math. Wolfgang Kinzner 4.4.2012 Kapitel 6: Matchings und TSP-Problem Matching und Matchingproblem Flussalgorithmus

Mehr

1.6 lineare Optimierung

1.6 lineare Optimierung 1.6 lineare Optimierung Inhaltsverzeichnis 1 Lineare Gleichung mit 2 Unbekannten 2 1.1 Was ist eine lineare Gleichung mit 2 Unbekannten?..................... 2 1.2 Was ist eine Lösung einer linearen Gleichung

Mehr

Graphen: Rundwege, Kodierung von Bäumen

Graphen: Rundwege, Kodierung von Bäumen TH Mittelhessen, Wintersemester 2013/2014 Lösungen zu Übungsblatt 11 Fachbereich MNI, Diskrete Mathematik 4./5./6. Februar 2014 Prof. Dr. Hans-Rudolf Metz Graphen: Rundwege, Kodierung von Bäumen Aufgabe

Mehr

Kürzeste Wege in einem gewichteten Graphen. Anwendungen

Kürzeste Wege in einem gewichteten Graphen. Anwendungen Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe

Mehr

Graphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007

Graphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 0.02.206 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P. 5

Mehr

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2016

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2016 Technische Universität Wien Institut für Computergraphik und Algorithmen Algorithms and Complexity Group 186.815 Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS 2016 5. Oktober 2016 Machen Sie

Mehr

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck. 10 Matching-Probleme

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck. 10 Matching-Probleme 10 Matching-Probleme 10.1 Definition von Matching-Probleme Definition 21 [2-dimensionales Matching] Sei G = (V, E) ein ungerichteter Graph und E E. E ist ein Matching, wenn für alle Kantenpaare e 1, e

Mehr

Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,...

Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,... Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,..., k, so dass gilt M = k c i P i i=1 k c i = r. i=1 Diskrete Strukturen 7.1 Matchings

Mehr

Der Solver. Gerald Kurz

Der Solver. Gerald Kurz Der Solver Gerald Kurz Was ist der Solver Der Solver ist ein Calc-Zusatzprogramm zur Lösung von Optimierungsaufgaben. Im Gegensatz zur Zielwertsuche können hier Aufgaben auch mit mehreren Variablen und

Mehr

Klausurvorbereitung. 1 Zentrale Begriffe. 2 Bipartite Graphen. 2.1 Begriffe. Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S.

Klausurvorbereitung. 1 Zentrale Begriffe. 2 Bipartite Graphen. 2.1 Begriffe. Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S. Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S. Lange Klausurvorbereitung Hier finden Sie alle Begriffe, Zusammenhänge und Algorithmen, die mit Blick auf die Klausur relevant sind. Um es

Mehr

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 4: Flüsse

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 4: Flüsse Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 4: Flüsse Dipl-Math. Wolfgang Kinzner 3.4.2012 Kapitel 4: Flüsse Flüsse Netzwerk, Fluss, s,t-schnitt, Kapazität MaxFlow-MinCut-Theorem Restnetzwerk

Mehr

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2) Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).

Mehr

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Universität Siegen Lehrstuhl Theoretische Informatik Carl Philipp Reh Daniel König Diskrete Mathematik für Informatiker WS 016/017 Übung 7 1. Gegeben sei folgender Graph und das Matching M = {{h, f}, {c,

Mehr

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31801 Problemlösen in graphischen Strukturen Termin:

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/2010

2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/2010 2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/2010 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber mit

Mehr

RUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen

RUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen RUHR - UNIVERSITÄT BOCHUM Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen L i n e a r e A l g e b r a 5.2.998 (WS 998) Name Vorname Teilnehmer-Nr. Zur Beachtung Die Klausur umfaßt

Mehr

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe

Abbildung 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

Mehr

a) Folgender Graph ist durch seine Inzidenzmatrix gegeben! Zeichnen Sie ihn!

a) Folgender Graph ist durch seine Inzidenzmatrix gegeben! Zeichnen Sie ihn! Bereiten Sie die Aufgaben für die letzte Vorlesungswoche (Montag und Mittwoch) vor! Aufgabe 1 a) Folgender Graph ist durch seine Inzidenzmatrix gegeben! Zeichnen Sie ihn! k 1 k 2 k 3 k 4 k 5 x 1 1-1 1

Mehr

Wiederholung zu Flüssen

Wiederholung zu Flüssen Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:

Mehr

ij. , d (k 1) + d (k 1)

ij. , d (k 1) + d (k 1) Dabei war ja die Idee, dass wir unser k Schritt für Schritt erhöhen bis wir bei n angekommen sind, denn dann haben wir das Problem gelöst. Dies ist im Grunde unser Algorithmus. Wir müssen diesen nur noch

Mehr

Datenstrukturen & Algorithmen Lösungen zu Blatt 11 FS 14

Datenstrukturen & Algorithmen Lösungen zu Blatt 11 FS 14 Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 14. Mai

Mehr

Probeklausur Optimierung

Probeklausur 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)

Mehr

Klausur zur Vorlesung Operations Research im Sommersemester 2009

Klausur 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:

Mehr

RUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen

RUHR - UNIVERSITÄT BOCHUM KLAUSUR. Name. Vorname. Teilnehmer-Nr. Zur Beachtung. Bitte nicht ausfüllen RUHR - UNIVERSITÄT BOCHUM Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen L i n e a r e A l g e b r a 15.5.1998 (SS 1998) Name Vorname Teilnehmer-Nr. Zur Beachtung Die Klausur umfaßt

Mehr

Aufgaben zur Klausurvorbereitung

Aufgaben 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

Mehr

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2014

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2014 Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.81 Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS 2014 22. Oktober

Mehr

Erzielte Bonuspunkte aus der Vorklausur:

Erzielte Bonuspunkte aus der Vorklausur: Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen Sommersemester 2012 31.7.2012 Name Vorname Matrikelnummer Teilnehmer-Nr. Unterschrift Erzielte Bonuspunkte aus der Vorklausur: Punkte

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 13: Flüsse und Zuordnungen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 9. Juni 2017 DURCHSATZ D(e) ist die maximale Flussmenge,

Mehr

ÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 20. Juli 2016 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Stephan Schulz

ÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 20. Juli 2016 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Stephan Schulz Matrikelnummer: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 01 B/C/K ÜBUNGSKLAUSUR Studienhalbjahr:. Semester Datum: 0. Juli 01 Bearbeitungszeit: 90 Minuten Modul: TINF100.1 Dozent:

Mehr

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31801 Problemlösen in graphischen Strukturen Termin:

Mehr

Minimal spannender Baum

Minimal spannender Baum Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen

Mehr

Datenstrukturen und Algorithmen (SS 2013)

Datenstrukturen und Algorithmen (SS 2013) Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 7 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 2. Mai 2018 [Letzte Aktualisierung: 2/05/2018,

Mehr

Effiziente Algorithmen I

Effiziente Algorithmen I H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug

Mehr

Prüfungsklausur Mathematik II für Wirtschaftsingenieure,

Prüfungsklausur Mathematik II für Wirtschaftsingenieure, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik II für Wirtschaftsingenieure, 2.7.2013 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 5 6 gesamt erreichbare P. 17 7

Mehr

5. Bäume und Minimalgerüste

5. Bäume und Minimalgerüste 5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein

Mehr

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015

Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015 HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.205 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P.

Mehr

Approximationsalgorithmen für NP-harte Optimierungsprobleme

Approximationsalgorithmen für NP-harte Optimierungsprobleme Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 18 Was tun mit NP-harten Problemen? Viele praxisrelevante

Mehr

2. Klausur Datenstrukturen und Algorithmen SS 2014

2. Klausur Datenstrukturen und Algorithmen SS 2014 Prof. aa Dr. E. Ábrahám F. Corzilius, S. Schupp, T. Ströder 2. Klausur Datenstrukturen und Algorithmen SS 2014 Vorname: Nachname: Studiengang (bitte genau einen markieren): Informatik Bachelor Informatik

Mehr

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren A2.1 Lineare Optimierung mit dem Simplexverfahren Wenn ein Unternehmen ermitteln möchte, wie viele Mengeneinheiten von verschiedenen Produkten zu produzieren sind, damit bei gegebenen Verkaufspreisen der

Mehr

Flüsse, Schnitte, bipartite Graphen

Flüsse, Schnitte, bipartite Graphen Flüsse, chnitte, bipartite Graphen Matthias Hoffmann 5.5.009 Matthias Hoffmann Flüsse, chnitte, bipartite Graphen 5.5.009 / 48 Übersicht Einführung Beispiel Definitionen Ford-Fulkerson-Methode Beispiel

Mehr

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31801 Problemlösen in graphischen Strukturen Termin:

Mehr

Approximationsalgorithmen für NP-harte Optimierungsprobleme

Approximationsalgorithmen für NP-harte Optimierungsprobleme Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 4. Januar 2011 Berthold Vöcking, Informatik 1 () Vorlesung

Mehr

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 12

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 12 Operations Research und Wirtschaftsinformatik Prof. Dr. P. Recht // Dr. Eva-Maria Sprengel Ganzzahlige OR-Methoden: Operations Research II a Übungsblatt 12 Aufgabe 37 Auf einem Güterumschlagplatz werden

Mehr

Vorbereitungsaufgaben SA1: Symmetrie und Winkelbetrachtungen

Vorbereitungsaufgaben SA1: Symmetrie und Winkelbetrachtungen Aufgabe 1 a) Welche Eigenschaft besitzen alle Punkte auf der Mittelsenkrechten zu zwei gegebenen Punkten A und B? b) In einem Dreieck sind zwei Winkel gleich groß und der dritte Winkel doppelt so groß.

Mehr

Algorithmen & Komplexität

Algorithmen & Komplexität Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg

Mehr

Erzielte Bonuspunkte aus der Vorklausur:

Erzielte Bonuspunkte aus der Vorklausur: Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen Sommersemester 2013 5.8.2013 Name Vorname Matrikelnummer Teilnehmer-Nr. Unterschrift Erzielte Bonuspunkte aus der Vorklausur: Punkte

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche

Mehr

Algorithmische Methoden für schwere Optimierungsprobleme

Algorithmische Methoden für schwere Optimierungsprobleme Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund

Mehr

Erzielte Bonuspunkte aus der Vorklausur:

Erzielte Bonuspunkte aus der Vorklausur: Fakultät für Wirtschaftswissenschaft KLAUSUR Mathematik für Ökonomen Wintersemester 2013/2014 24.2.2014 Name Vorname Matrikelnummer Teilnehmer-Nr. Unterschrift Erzielte Bonuspunkte aus der Vorklausur:

Mehr

Rückblick: divide and conquer

Rückblick: divide and conquer Rückblick: divide and conquer pi = (xi,yi) } p å } ' }d(p,p) p ''=min(, ') F 0/0 p./95 weitere Algorithmentechniken Greedy-Algorithmen dynamische Programmierung Backtracking branch and bound Heuristiken

Mehr

Abgabe: (vor der Vorlesung)

Abgabe: (vor der Vorlesung) TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 0 Prof. Dr. Helmut Seidl, S. Pott,

Mehr

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

Überblick. 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

Mehr

Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien

Kap. 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

Mehr

So planen Sie eine Route

So 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

Mehr