Prüfungsklausur Operations Research,
|
|
- Bernhard Ziegler
- vor 7 Jahren
- Abrufe
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,
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
MehrPrüfungsklausur 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
MehrOR 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,
MehrPrüfungsklausur 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
MehrPrüfungsklausur 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:
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
MehrPrüfungsklausur 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
MehrPrüfungsklausur 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
MehrPrüfungsklausur 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
MehrPrüfungsklausur 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
Mehr6. 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
MehrPrüfungsklausur 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
MehrBipartite 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
Mehr1.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
MehrEffiziente 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
MehrPrüfungsklausur 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
MehrPrüfungsklausur 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
MehrOR 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
MehrName:... 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:.....................................
Mehr3 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
MehrAlgorithmische Graphentheorie
1 Algorithmische Graphentheorie Sommersemester 2014 5. Vorlesung Matchings / Paarungen II Kombinatorischer Algorithmus, Anwendung für Handlungsreisende, LP-Runden Dr. Joachim Spoerhase Prof. Dr. Alexander
MehrStatistik 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
MehrBetriebswirtschaftliche 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
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 / 21 1 Approximationsalgorithmen auf
Mehrmaximaler 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...
MehrStatistik 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:
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrRichtig 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
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
Mehr6. 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
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
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
MehrWir 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
MehrPrüfungsklausur 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.
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
MehrPrüfungsklausur 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.
Mehr6 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
MehrÜbung 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
MehrFerienkurs 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
Mehr1.6 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
MehrGraphen: 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
MehrKürzeste 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
MehrGraphentheorie. 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
MehrPrüfungsklausur 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
MehrAlgorithmen 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
MehrAlgorithmik 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
MehrSatz 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
MehrDer 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
MehrKlausurvorbereitung. 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
MehrFerienkurs 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
MehrHelmut 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).
MehrGraphentheorie. 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
MehrDiskrete 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,
MehrAUFGABEN. 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:
MehrKapitel 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
Mehr2. 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
MehrRUHR - 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
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
Mehra) 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
MehrWiederholung 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:
Mehrij. , 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
MehrDatenstrukturen & 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
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)
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:
MehrRUHR - 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
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
MehrAlgorithmen 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
MehrErzielte 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
MehrAlgorithmische 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,
MehrÜBUNGSKLAUSUR 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:
MehrAUFGABEN. 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:
MehrMinimal 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
MehrDatenstrukturen 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
MehrADS: 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,
MehrEffiziente 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
MehrPrüfungsklausur 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
Mehr5. 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
MehrPrüfungsklausur 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.
MehrApproximationsalgorithmen 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
Mehr2. 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
MehrFachakademie 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
MehrFlüsse, 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
MehrAUFGABEN. 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:
MehrApproximationsalgorithmen 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
MehrGanzzahlige 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
MehrVorbereitungsaufgaben 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.
MehrAlgorithmen & 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
MehrErzielte 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
MehrAlgorithmische 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
MehrAlgorithmische 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
MehrErzielte 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:
MehrRückblick: 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
MehrAbgabe: (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,
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
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
Mehr