Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber
|
|
- Heiko Heintze
- vor 7 Jahren
- Abrufe
Transkript
1 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Wiederholungsklausur zur Vorlesung Operations Research im Wintersemester 2014/2015 Hinweise: Die Klausur besteht aus 9 Seiten (inkl. Deckblatt). Bitte überprüfen Sie, ob Ihr Exemplar vollständig ist und lassen Sie sich ggf. ein anderes geben. Die Klausur besteht aus drei Aufgaben, die alle zu bearbeiten sind. Die Klausurdauer beträgt 60 Minuten und es sind maximal insgesamt 60 Punkte zu erreichen. Als Hilfsmittel ist ein nicht alpha-numerisch programmierbarer Taschenrechner zulässig sowie ein beidseitig handbeschriebenes Hilfsblatt im Format DIN A4 mit Formeln etc. nach Ihrer Wahl. Zur Beantwortung der Fragen nden Sie genügend Platz in der Klausur. Bitte reiÿen Sie die Klausur nicht auseinander und verwenden Sie kein eigenes Papier. Tragen Sie bitte zuerst Ihre persönlichen Daten sowie rechts oben Ihre Sitzplatznummer ein. Persönliche Daten: Nachname Vorname Matrikelnr. Studienfach Semester Bewertung: Aufg Summe Punkte 1
2 1. Lineare Optimierung und Simplexalgorithmus (36 P.) (a) Gegeben sei das folgende lineare Maximierungsproblem: u.b.d.r. Maximiere x 1 2x 2 + 2x 3 x 1 + x 2 + 4x x 1 + 4x x 1, x 2, x 3 0 i. Tragen Sie das Problem unter Verwendung geeigneter Schlupfvariablen in das folgende Starttableau ein! (2 P.) BV x 1 x 2 x 3 x 4 x 5 b i F-Zeile ii. Führen Sie nun in den folgenden Tableaus zwei Iterationen der jeweils erforderlichen Variante des Simplexalgorithmus aus und kennzeichnen Sie das jeweilige Pivotelement! (7 P.) BV x 1 x 2 x 3 x 4 x 5 b i F-Zeile BV x 1 x 2 x 3 x 4 x 5 b i F-Zeile iii. Geben Sie die Werte der Entscheidungsvariablen nach der zweiten Iteration an und begründen Sie, ob diese Lösung optimal ist. (2 P.) 2
3 (b) Erläutern Sie stichwortartig, ob hier ein Sonderfall der linearen Programmierung vorliegt, woran dieser erkannt werden kann und wie er sich auswirkt. (3 P.) (c) Geben Sie die Schattenpreise zu den beiden Restriktionen aus dem Tableau nach der zweiten Iteration an und erläutern Sie stichwortartig deren Aussage! (3 P.) 3
4 (d) Geben Sie zu dem oben genannten linearen Optimierungsproblem das korrespondierende duale Problem sowie ferner dessen Zielfunktionswert in der optimalen Lösung an! (4 P.) (e) Erläutern Sie, was der Satz vom komplementären Schlupf aussagt! (5 P.) 4
5 (f) Erläutern Sie knapp die folgenden Begrie: (7 P.) i. Normalform eines linearen Programms (2 P.) ii. Schlupfvariable (1 P.) iii. Lösung eines linearen Programms (1 P.) iv. Zulässige Lösung eines linearen Programms (1 P.) v. Basisvariable (1 P.) 5
6 vi. Nichtbasisvariable (1 P.) (g) Erläutern Sie, welcher Zusammenhang zwischen dem Begri eines Polyeders und der Grundidee des Simplex-Algorithmus besteht! (3 P.) 6
7 2. Branch & Bound-Verfahren (18 P.) Ermitteln Sie für das gegebene Knapsack-Problem die optimale Lösung durch ein Branch&Bound-Verfahren. u.b.d.r. Maximiere 10x 1 + 9x 2 + 9x x 4 + 5x 5 5x x 2 + 6x x x 5 25 x 1, x 2,..., x 5 {0, 1} Zeichnen Sie dazu einen Entscheidungsbaum auf. (Verwenden Sie dazu keinen Bleistift!) Geben Sie für jedes Teilproblem i die berechnete obere Schranke F i und die aktuelle globale untere Schranke F sowie die Ausprägungen der Entscheidungsvariablen x (P i ) für die relaxierten Probleme an. Verwenden Sie im Branch & Bound-Verfahren unbedingt(!) folgende Vorgehensweise: Ermitteln Sie obere Schranken F i mittels LP-Relaxation. Setzen Sie zu Beginn F = 0. Nehmen Sie die Teilproblemauswahl nach der Lifo-Regel vor. Verzweigen Sie Teilprobleme nach jener Entscheidungsvariablen, die in der LP- Relaxation des Knotens nicht ganzzahlig ist. Erzeugen Sie dabei neue Teilprobleme, indem Sie zunächst die -Bedingung hinzufügen (also jenen Gegenstand, nach dem verzweigt wird, nicht in die Lösung aufnehmen) und danach die - Bedingung hinzufügen (und somit jenen Gegenstand, nach dem verzweigt wird, nun in die Lösung aufnehmen). Nummerieren Sie die Teilprobleme in der Reihenfolge ihrer Entstehung. Sollte ein Teilproblem ausgelotet werden können, so begründen Sie dies kurz! Geben Sie die optimale Lösung und deren Zielfunktionswert an! 7
8 8
9 3. Dynamische Optimierung (6 P.) Erläutern Sie für den Fall einer unendlichen Zahl von Entscheidungsstufen die Bellman'sche Funktionalgleichung der Stochastischen Dynamischen Optimierung. Denieren Sie dabei die verwendete Notation. Erläutern Sie stichwortartig, welche Art von Problemen auf diese Weise gelöst werden kann, wie die Lösungsmethode arbeitet und welche Schwierigkeit dem Einsatz der Dynamischen Optimierung in der Praxis häug Grenzen setzt. 9
Klausur 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:
MehrKlausur zur Veranstaltung Industrielle Produktionsprozesse im WS 2009/10
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Veranstaltung Industrielle Produktionsprozesse im
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester Alle Aufgaben in der Klausur sind zu bearbeiten.
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2007
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Raik Stolletz Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
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 Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2009/2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2011
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im SS 04
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04 Hinweise: Die Klausur
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2008/2009
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Raik Stolletz Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung
MehrAufgabe Summe
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten- und Leistungsrechnung im Sommersemester 2017
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten-
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrMinimumproblem. Definition 4.7. Ein LP der Form. unter den Nebenbedingungen. d ij x j b i (i =1,...,m)
Minimumproblem Definition 4.7 Ein LP der Form nx Minimiere Z = c j x j j=1 unter den Nebenbedingungen nx d ij x j b i (i =1,...,m) j=1 und den Vorzeichenbedingungen x j 0(j =1,...,n) heißt Minimumproblem.
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2013/14
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und
MehrKlausur Management Science. Donnerstag, 19. Februar 2015
run Lehrstuhl fiir Operations Management Prof. Dr. Rainer Kolisch ArcisstraBe 21, 80333 Miinchen Klausur Management Science Donnerstag, 19. Februar 2015 Name: Vorname: Matrikelnummer: Studiengang: Fachsemester:
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Svenja Lagershausen Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2013
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrLösung allgemeiner linearer Programme
Lösung allgemeiner linearer Programme Bisher: Für Anwendung des Simplexalgorithmus muss eine primal oder eine dual zulässige Basislösung vorliegen. Für allgemeine lineare Programme können wir dies direkt
MehrSimplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
Kapitel 4 Simplex-Verfahren Peter Becker (H-BRS) Operations Research I Sommersemester 24 86 / 298 Inhalt Inhalt 4 Simplex-Verfahren Dualer Simplexalgorithmus Vermeidung von Zyklen Peter Becker (H-BRS)
MehrBranch-and-Bound und Varianten. Kapitel 3. Branch-and-Bound und Varianten. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 98 / 159
Kapitel 3 und Varianten Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 98 / 159 Inhalt Inhalt 3 und Varianten Anwendungsbeispiele Branch-and-Cut Peter Becker (H-BRS) Operations Research
MehrEigenschaften von LPs
2 Lineare Programmierung Eigenschaften von LPs Eigenschaften von LPs Definition 24 Eine Menge K IR n heißt konvex gdw für je zwei Punkte Punkte x (1) K und x (2) K auch jeder Punkt mit 0 λ 1 zu K gehört
MehrÜbung 3, Simplex-Algorithmus
Übung 3, 21.6.2011 Simplex-Algorithmus Aufgabe 3.1 Lösen Sie das folgende Optimierungsproblem (von Aufgabe 2.3) graphisch. Substituieren Sie dazu z = 5 y um ein 2-dimensionales Problem zu erhalten. Rechnung
MehrKlausur Algorithmen und Datenstrukturen II 10. August 2015
Technische Universität Braunschweig Sommersemester 2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen und Datenstrukturen
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrÜbung QM 1 EINFÜHRUNG 1. 1 Einführung. ohne Übungsaufgaben
Übung QM 1 EINFÜHRUNG 1 1 Einführung ohne Übungsaufgaben Übung QM 2 LINEARE OPTIMIERUNG 2 2 Lineare Optimierung Aufgabe 2.1 LP-Modellierung und Begriffe Wild West GmbH produziert Cowboyhüte. Momentan werden
Mehr8 9 9 7 5 8 8 6 60 Erreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
Mehr4.3.3 Simplexiteration
7. Januar 2013 53 4.3.3 Simplexiteration Eine Simplexiteration entspricht dem Übergang von einer Ecke des zulässigen Bereiches in eine benachbarte Ecke Dabei wird genau eine Nichtbasisvariable (die zugehörige
MehrVORLESUNG 14 Lineare Optimierung, Dualität (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG 14 Lineare Optimierung, Dualität (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 96 H. Meyerhenke: Kombinatorische Optimierung Dualität bei linearen Programmen Def.: Es sei (L): c T x max
MehrKlausur Algorithmen und Datenstrukturen II 29. Juli 2013
Technische Universität Braunschweig Sommersemester 2013 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Stephan Friedrichs Klausur Algorithmen und Datenstrukturen
MehrVorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen. Kapitel IV: Grundlagen der Linearen Optimierung
Vorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen Kapitel IV: Grundlagen der Linearen Optimierung Inhaltsverzeichnis Abschnitt 3-5 3 Der Simplexalgorithmus 58 3.1 Grundlagen..............................
MehrKlausur zur Veranstaltung Airline- und Airportmanagement im WS 2011/2012
Klausur zur Veranstaltung im WS 2011/2012 Hinweise: Die Klausur besteht aus 13 Seiten (inkl. Deckblatt). Bitte überprüfen Sie, ob Ihr Exemplar komplett ist und lassen Sie sich ansonsten ein neues geben.
Mehr3. Schnittebenenverfahren
3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas
MehrLineare Optimierung Teil 2
Lineare Optimierung Teil 2 Primale Degeneration Duale Degeneration = Mehrdeutigkeit Normalform kanonische Form Duale Simplexmethode HTW-Berlin FB3 Prof. Dr.F. Hartl 1 Primale Degeneration/1 Besitzt eine
MehrKlausurkolloquium. Musterlösung Produktionscontrolling: Lineare Programmierung
Klausurkolloquium Musterlösung Produktionscontrolling: Lineare Programmierung Fallstudie Die GOGO GmbH ist ein mittelständisches gewinnorientiertes Unternehmen. Das taktische Produktionsprogramm einer
MehrEinführung in Operations Research
Wolfgang Domschke Andreas Drexl Einführung in Operations Research Achte Auflage fyj Springer Inhaltsverzeichnis Vorwort Symbolverzeichnis V XIII Kapitel 1: Einführung 1 1.1 Begriff des Operations Research
Mehr6 Korrektheit des Simplexalgorithmus
6 Korrektheit des Simplexalgorithmus Folgerung: Es sei L: Ax = b, c T x max LP und A B nicht-degenerierte PZB von L und es gebe c r := c r c B A B A r > 0 a) Falls a r := A B a r 0, dann L unbeschränkt
MehrAufgabe 5.3 Duale Simplexverfahren
Aufgabe 5.3 Knut Krause Thomas Siwczyk Stefan Tittel Technische Universität Dortmund Fakultät für Informatik Algorithmen und Datenstrukturen 15. Januar 2009 Gliederung 1 Aufgabenstellung und Motivation
MehrSandro Pirkwieser, (Bin Hu, Jakob Puchinger) SS 2010
Lösungsverfahren für Ganzzahlige Optimierung Sandro Pirkwieser, (Bin Hu, Jakob Puchinger) Fortgeschrittene Algorithmen und Datenstrukturen Arbeitsbereich für Algorithmen und Datenstrukturen Institut für
Mehr6. Softwarewerkzeuge für die Lineare Programmierung
6. Softwarewerkzeuge für die Lineare Programmierung Inhalt 6. Softwarewerkzeuge für die Lineare Programmierung GNU Linear Programming Kit Operations Research I Hochschule Bonn-Rhein-Sieg, SS 2013 314 GNU
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 14.09.2015 Prüfer: Prof. Dr. Andreas
MehrDer Simplex-Algorithmus
5 Lineare Programmierung Simplex-Algorithmus Der Simplex-Algorithmus Standardverfahren zur Lösung von LPs, von G B Dantzig entwickelt Grundidee: Versuche ausgehend von einer Startecke mit einer Ausgangsbasis
MehrPrüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)
HTW Dresden 9. Februar 2012 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-
MehrBerufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2008 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg
Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 8 Teil, Lineare Optimierung, Aufgabe Baden-Württemberg.. Ein Fertigungsbetrieb für Frottierartikel stellt unter anderem Handtücher und Badetücher her.
MehrKlausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler
Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:
MehrZugeordneter bipartiter Graph
Zugeordneter bipartiter Graph Für ein Transportproblem sei A = {A 1,...,A m } die Menge der Fabriken und B = {B 1,...,B n } sei die Menge der Warenhäuser. Wir ordnen nun einem Transportproblem einen bipartiten
MehrPerlen der Informatik I Wintersemester 2012 Aufgabenblatt 7
Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt
MehrNAME, VORNAME: Studiennummer: Matrikel:
TU Ilmenau, Fakultat IA Institut für Theoretische Informatik FG Komplexitätstheorie und Effiziente Algorithmen Prof. Dr. (USA) M. Dietzfelbinger Klausur Algorithmen und Datenstrukturen SS08, Ing.-Inf.
MehrAlgorithmen und Datenstrukturen 1 VL Übungstest WS Januar 2011
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 2. Übungstest WS 2010 14. Januar
MehrKlausur zur Veranstaltung. Airline- und Airportmanagement. im WS 2008-2009
, Klausur zur Veranstaltung im WS 2008-2009 Hinweise: Die Klausur besteht aus 13 Seiten (inkl. Deckblatt). Bitte überprüfen Sie, ob Ihr Exemplar komplett ist und lassen Sie sich ansonsten ein neues geben.
MehrOptimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn
Optimierung Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung 1 Assignment Problem (Zuordnungsproblem) Gewichtetes Perfektes Bipartites Matching agents Costs tasks Weise jedem Agenten genau
MehrKap. 4.3: Das Dualitätstheorem der linearen Optimierung
Kap. 4.3: Das Dualitätstheorem der linearen Optimierung Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 18. VO A&D WS 08/09 18.12.2008 1 Literatur
MehrOptimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung
Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung Dr. Nico Düvelmeyer Freitag, 24. Juni 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Dualität Motivation Duales LP Dualitätssätze
MehrKLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)
Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
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
MehrVORLESUNG 11 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 3 Wiederholung! Lineare Programme häufig geeignete Modellierung von Optimierungsproblemen! Verschiedene Darstellungen sind
Mehr3.2.5 Dualität der linearen Optimierung I
3..5 Dualität der linearen Optimierung I Jedem linearen Programm in Standardform kann ein sogenanntes duales Programm zugeordnet werden. Es entsteht dadurch, daß man von einem Minimierungsproblem zu einem
MehrKlausur zur Vorlesung Ausgewählte Kapitel der Ingenieurmathematik
Name: der Ingenieurmathematik Master-Studiengang Maschinenbau und Mechatronik 1. Februar 2008, 8.30-10.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Computer,
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2010/11 1 / 1 Teil IV Konvexe und ganzzahlige Optimierung Vorlesung 11 IV Konvexe und ganzzahlige Optimierung 2 / 34 Inhaltsübersicht 29Lineare Optimierung
MehrPrüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)
HTW Dresden 11. Februar 2014 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-
MehrAllgemeines zur Vorlesung
Operations Research Peter Becker Fachbereich Informatik FH Bonn-Rhein-Sieg peter.becker@fh-bonn-rhein-sieg.de Vorlesung Master Computer Science Spezialisierung Wirtschaftsinformatik Wintersemester 2007/08
MehrAufgabenblatt 6 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015
Universität Bern Bern, den. März Professur für Quantitative Methoden der BWL Schützenmattstr., Bern Prof. Dr. Norbert Trautmann, Oliver Strub E-Mail: oliver.strub@pqm.unibe.ch Aufgabenblatt 6 zur Lehrveranstaltung
MehrKap. 4: Lineare Programmierung
Kap. 4: Lineare Programmierung Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 13./14. VO A&D WS 08/09 27.11./2.12.2008 Petra Mutzel Alg. & Dat.
MehrGrundlagen der Optimierung. Übung 6
Technische Universität Chemnitz Chemnitz, 2. November 24 Prof. Dr. R. Herzog, J. Blechschmidt, A. Schäfer Abgabe am 28. November 24 Grundlagen der Optimierung Übung 6 Aufgabe 2: Verschiedene Verfahren
MehrKombinatorische Optimierung
Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales
MehrDie Verbindung von Linearer Programmierung und Graphentheorie
Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der
MehrOptimale Steuerung 1 Prozessoptimierung 1
Optimale Steuerung 1 Prozessoptimierung 1 Kapitel 2: Lineare Optimierung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Lineare Algebra (Mathematische Grundlagen) 2 Beispiel: Produktionsplanung
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:
MehrComputer Science Department - High Performance and Web Computing Group. Optimierungsprobleme
Optimierungsprobleme Häufig in Alltagssituationen anzutreffen (z.b. Kauf eines Gerätes) Optimierungsprobleme (OPs) sind Probleme, die i.a. viele zulässige Lösungen besitzen Jeder Lösung ist ein bestimmter
Mehr8. Lineare Optimierung
8. Lineare Optimierung 1 Einführung (1) Praktische Probleme sind oft Probleme mit Nebenbedingungen, z.b.: Ein Produktionsprozess hängt von Lieferterminen ab Die Menge der verstaubaren Güter ist durch die
MehrOptimierung. Optimierung. Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus Fabian Kuhn
Optimierung Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus 1 Resource Allocation Beispiel aus Vorlesung 6 Primales LP: Duales LP: max 3 4 2 2 4 2 8 3 6 0, 0, 0 min 4 8 6 2 3 3 4 2 2 0, 0,
MehrAUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin: Univ.-Prof. Dr. Andreas Kleine. Modul vom
Modul 31811 vom 19.09.2016 1 Aufgabenteil AUFGABEN Klausur: Modul 31811 Termin: 19.09.2016 Prüfer: Univ.-Prof. Dr. Andreas Kleine Modul 31811 vom 19.09.2016 2 Aufgabenteil Aufgabe 1 20 Punkte Der Elektronikkonzern
Mehr4 Lineare Optimierung
4 Lineare Optimierung In diesem Kapitel werden wir uns mit effizienten Verfahren im Bereich der linearen Optimierung beschäftigen. 4.1 Einführung Als Einführung betrachten wir das Beispiel einer Erdölraffinerie.
MehrAufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen
Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen 1. Bestimmen Sie für die folgenden Funktionen zunächst die kritischen Stellen und entscheiden
MehrKap. 4.2: Simplex- Algorithmus
Kap. 4.: Simplex- Algorithmus Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Literatur für diese VO V. Chvatal: Linear Programming D. ertsimas:
MehrLineare Optimierungsmodelle
Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung
Mehr1. Klausur zur Vorlesung Informatik III Wintersemester 2004/2005
Universität Karlsruhe Theoretische Informatik Fakultät für Informatik WS 2004/05 ILKD Prof. Dr. D. Wagner 24. Februar 2005 1. Klausur zur Vorlesung Informatik III Wintersemester 2004/2005 Aufkleber Beachten
MehrName:... Vorname:... Matrikel-Nr.:... Studienfach:...
Stefan Lucks Medien Bauhaus-Univ. Weimar Probeklausur Name:.............................. Vorname:........................... Matrikel-Nr.:....................... Studienfach:........................ Wichtige
MehrMethoden der linearen Optimierung
Methoden der linearen Optimierung Mike Hüftle 31. Juli 2006 Inhaltsverzeichnis 1 Einleitung 2 1.1.................................... 2 2 Lineare Optimierung 3 2.1 Lineares Modell............................
MehrHinweise vor 11:50 Uhr
Hinweise Liste alle zur Klausur Zugelassenen ab Di., 31.1.2012 unter www.mathematik.uni-wuerzburg.de/ schleissinger/lina2011/ Letzte Vorlesung Fr., 3.2.2012 Übungen Mo./Di., 6. & 7.2.2012: Fragestunde
MehrSeminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1)
Seminar Ausgewählte Kapitel des Operations Research Die Allgegenwärtigkeit von Lagrange (Teil 1) Anna Raaz 21.12.2007 Einführung Die Relaxierung von Lagrange wird in der stochastischen Optimierung meistens
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
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
Mehr3.6 Branch-and-Bound-Verfahren
36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von
MehrNumerische Methoden 4. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 0 Institut für Analysis Prof. Dr. Michael Plum Dipl.-Math.techn. Rainer Mandel Numerische Methoden 4. Übungsblatt Aufgabe 9: QR-Verfahren (Bearbeitung bis Do,.05.)
MehrKlausur AVWL 1. Klausurtermin: Ich studiere nach: Bachelor-Prüfungsordnung Diplom-Prüfungsordnung. Bitte beachten Sie:
Klausur AVWL 1 Klausurtermin: 25.07.2014 Dieses Deckblatt bitte vollständig und deutlich lesbar ausfüllen! Vom Prüfer Vom Prüfer Name: auszufüllen: auszufüllen: Aufg.1: / 25 Vorname: Punkte: Aufg.2: /
MehrAUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 32621 Optimierungsmethoden des Operations Research Termin:
MehrPrüfung: Produktion, Logistik und Operations Research SS 2009. Prüfungsbogen. Vom Klausurteilnehmer auszufüllen!
Klausur: 1122 1 von 12 Prüfung: Produktion, Logistik und Operations Research SS 29 Prüfer: Prof. Dr. Karl Inderfurth Prüfungsbogen Vom Klausurteilnehmer auszufüllen! Name, Vorname : Fakultät : Matrikelnummer
Mehr1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006
1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber mit
MehrAlgorithmen und Datenstrukturen VO 3.0 Vorlesungsprüfung 19. Oktober 2007
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen 1 186.089 VO 3.0 Vorlesungsprüfung 19. Oktober
MehrProduktionsplanung und Lineare Optimierung im Rahmen des Projekts Mathematik und Ökonomie 12./13. November 2003 in Düsseldorf.
Übungsaufgaben Aufgabe 1a Medikamentenmischung Ein Pharmaziehersteller möchte ein neues Medikament auf den Markt bringen. Das Medikament kann aus vier verschiedenen Komponenten (K1 K4) zusammengestellt
MehrLineare Programmierung (2)
Inhalt Rückblick Motivation - linearen Programmierung Flussprobleme Multiple Warenflüsse Fortsetzung Simplex Algorithmus Initialisierung Fundamentalsatz der linearen Programmierung schwache Dualität Dualität
MehrLösungen zu Aufgabenblatt 6
Fachbereich Informatik Prof. Dr. Peter Becker Vorlesung Graphentheorie Operations Research Wintersemester 2004/05 3. Januar 2005 Lösungen zu Aufgabenblatt 6 Aufgabe 1 (Modellierung von LPs) Formulieren
MehrAlgorithmen und Datenstrukturen VO UE 2.0 Nebentermin Vorlesungsprüfung / 4. Übungstest SS
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen 8.089 VO.0 + 8. UE.0 Nebentermin Vorlesungsprüfung
Mehr