Klausurrepetitorium ABWL

Größe: px
Ab Seite anzeigen:

Download "Klausurrepetitorium ABWL"

Transkript

1 Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 2. Februar 25 Dr. Friedhelm Kulmann, Sandra Rudolph 2.2.5

2 Gliederung. Netzplantechnik.. Grundlagen der Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen.3. Zeitanalyse bei Vorgangspfeilnetzen 2. Lösung von linearen Optimierungsproblemen mit Hilfe des Simplex-Algorithmus 2.. Lineare Optimierungsprobleme 2.2. Simplex-Verfahren 2.3. Sonderfälle 3. Planung von Güterströmen als Lineares Optimierungsproblem 2.2.5

3 Gliederung. Netzplantechnik.. Grundlagen der Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen.3. Zeitanalyse bei Vorgangspfeilnetzen 2. Lösung von linearen Optimierungsproblemen mit Hilfe des Simplex-Algorithmus 2.. Lineare Optimierungsprobleme 2.2. Simplex-Verfahren 2.3. Sonderfälle 3. Planung von Güterströmen als Lineares Optimierungsproblem

4 .. Grundlagen der Netzplantechnik Planungs- und.netzplantechnik Strukturelemente eines Projekts Vorgänge: Zeit und Betriebsmittel beanspruchende, nicht mehr weiter zerlegbare Geschehen mit definiertem Anfang und Ende Ereignisse: Wohldefinierte Zustände im Zeitablauf Darstellungsweisen von Netzplänen Vorgangspfeilnetzplan: Pfeile repräsentieren Vorgänge, Knoten kennzeichnen (künstliche) Ereignisse (CPM - Critical Path Methode) Vorgangsknotennetzplan: Knoten repräsentieren Vorgänge, Pfeile kennzeichnen Abhängigkeiten zwischen Vorgängen (MPM - Metra Potential Methode) 3

5 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Definition Netzplanelement Ein Netzplanelement besteht aus einem Vorgang i-j und dessen Anfangs- und Endereignis Ein Vorgang wird eindeutig identifiziert, indem er eine eigene Benennung erhält oder durch Nummern i und j der beiden zugehörigen Ereignisse (Knoten) bezeichnet wird

6 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln () Jeder Vorgang beginnt mit einem Ereignis und endet mit einem nachfolgenden Ereignis. Grundregeln (2) Müssen mehrere Vorgänge beendet sein, bevor ein nachfolgender beginnen kann, so enden diese im Anfangsknoten des nachfolgenden Vorgangs

7 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln (3) Können mehrere Vorgänge beginnen, nachdem ein vorausgegangener beendet ist, so beginnen alle in dem Endknoten dieses gemeinsamen Vorgängers

8 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln (4) 2 Knoten dürfen nur durch einen Pfeil miteinander verbunden werden. Parallel verlaufende Vorgänge müssen daher durch Einführung eines Scheinvorgangs dargestellt werden. Dieser dient nur zur Strukturierung und hat die Dauer Null

9 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln (5) Enden und beginnen in einem Ereignis mehrere Vorgänge, die nicht unabhängig von einander sind, so werden auch hier Scheinvorgänge als Strukturierungshilfe eingesetzt. A,B,C,D gegeben; C kann erst nach Abschluss von A und B beginnen; D nach Abschluss von B

10 .2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln (6) Der Netzplan muss schleifenfrei sein Planungs- und.netzplantechnik

11 .2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln (7) Ein Netzplan besitzt genau eine Quelle und eine Senke Planungs- und.netzplantechnik 2.2.5

12 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Grundregeln (8) Das Scheinvorgänge nur zur Strukturierung dienen, sollen so wenige wie möglich eingesetzt werden, um die Übersichtlichkeit des Netzplans zu erhalten

13 .Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen Topologische Sortierung - Eine topologische Sortierung der Knoten dient der Orientierung - Prinzip: Jeder Knoten, der keinen nicht-numerierten Vorgänger hat, erhält die nächsthöhere Knotennummer

14 .2. Strukturanalyse bei Vorgangspfeilnetzen Beispiel Vorgang A B C D E F G H J.Netzplantechnik Vorgänger - - A,B C B D C,E C,E G,H

15 .3. Zeitanalyse bei Vorgangspfeilnetzen Planungs- und.netzplantechnik Notationen i - j Vorgang zwischen den Ereignissen i und j D i-j Dauer des Vorgangs i - j FZ k Früheste Zeit des Ereignisses k im Projekt SZ k Späteste Zeit des Ereignisses k im Projekt FAZ i-j frühester Anfangszeitpunkt des Vorgangs i - j SAZ i-j spätester Anfangszeitpunkt des Vorgangs i - j FEZ i-j frühester Endzeitpunkt des Vorgangs i - j SEZ i-j spätester Endzeitpunkt des Vorgangs i - j Gleichungen FAZ i-j :=FZ i FEZ i-j :=FAZ i-j + D i-j SEZ i-j :=SZ j SAZ i-j := SEZ i-j -D i-j

16 .3. Zeitanalyse bei Vorgangspfeilnetzen Vorwärtsrechnung Planungs- und.netzplantechnik Hat ein Vorgang mehrere Vorgänger, so kann dieser erst begonnen werden, wenn alle Vorgänger abgeschlossen sind. ( ) FZ : = FAZ : = max FZ + D j j k i i j i V j

17 .3. Zeitanalyse bei Vorgangspfeilnetzen Vorwärtsrechnung - Beispiel Vorgang A B C D E F G H J Dauer [ZE] Netzplantechnik Vorgänger - - A,B C B D C,E C,E G,H

18 .3. Zeitanalyse bei Vorgangspfeilnetzen Rückwärtsrechnung Planungs- und.netzplantechnik Ein Vorgang muss spätestens dann beendet sein, wenn der zeitlich nächste Nachfolger spätestens beginnen muss. ( ) SZ : = SEZ : = min SZ D i h i j i j j N i

19 .3. Zeitanalyse bei Vorgangspfeilnetzen Rückwärtsrechnung - Beispiel Vorgang A B C D E F G H J Dauer [ZE] Netzplantechnik Vorgänger - - A,B C B D C,E C,E G,H

20 .3. Zeitanalyse bei Vorgangspfeilnetzen Puffer Planungs- und.netzplantechnik Gesamtpuffer (GP i-j ) GPi j : = SZ j FZi Di j gibt an, um wie viele ZE der Vorgang i-j maximal verschoben werden darf, ohne die späteste Zeit von j zu gefährden und damit das Projektende hinauszuzögern Freier Vorwärtspuffer (FVP i-j ) FVPi j : = FZ j FZi Di j gibt an, um wie viele ZE der Beginn eines Vorgangs i-j hinausgezögert werden darf, ohne den frühesten Beginn des Nachfolgers zu gefährden Freier Rückwärtspuffer (FRP i-j ) FRPi j : = SZ j SZi D gibt an, um wie viele ZE das Ende eines Vorgangs i-j verschoben werden darf, ohne das späteste Ende des Nachfolgers zu verzögern i j 9

21 .3. Zeitanalyse bei Vorgangspfeilnetzen Gesamtpufferberechnung - Beispiel Vorgang A B C D E F G H J.Netzplantechnik Dauer [ZE] Vorgänger A,B 5 C 7 B 5 D 3 C,E C,E 8 G,H

22 .3. Zeitanalyse bei Vorgangspfeilnetzen Freier Vorwärtspufferberechnung - Beispiel Vorgang A B C D E F G H J.Netzplantechnik Dauer [ZE] Vorgänger A,B 5 C 7 B 5 D 3 C,E C,E 8 G,H

23 .3. Zeitanalyse bei Vorgangspfeilnetzen Puffer Planungs- und.netzplantechnik Gesamtpuffer (GP i-j ) Freier Vorwärtspuffer (FVP i-j ) GP i j FVP i j : = SZ : = j FZ j FZ i FZ i D i j D i j GP 2-3 FVP

24 Gliederung. Netzplantechnik.. Grundlagen der Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen.3. Zeitanalyse bei Vorgangspfeilnetzen 2. Lösung von linearen Optimierungsproblemen mit Hilfe des Simplex-Algorithmus 2.. Lineare Optimierungsprobleme 2.2. Simplex-Verfahren 2.3. Sonderfälle 3. Planung von Güterströmen als Lineares Optimierungsproblem

25 2.. Lineare Optimierungsprobleme Lineare Optimierungsprobleme (LOP) Planungs- und.netzplantechnik Optimierung einer linearen Zielfunktion unter linearen Nebenbedingungen (Restriktionen). Betriebswirtschaftliche Probleme - Optimale Produktionsprogrammplanung bei Kapazitätsoder Absatzbeschränkungen (Kostenminimierung, Gewinnmaximierung) - Optimierung von Materialmischungen unter Berücksichtigung bestimmter Qualitäts- und Mengenanforderungen und mit dem Ziel der Gesamtkostenminimierung - Verschnittoptimierung unter Berücksichtigung bestimmter Verschnittmuster und mit dem Ziel der Faktoreinsatzminimierung bzw. Abfallminimierung

26 2.2. Simplex-Verfahren Planungs- und.netzplantechnik Beispiel Eine Tischlerei produziert zwei Typen von Schränke. Typ A erwirtschaftet einen Stückgewinn von 5 (Hundert Euro), Typ B einen Stückgewinn von 6 (Hundert Euro). Beide Typen benötigen im Holzzuschnitt jeweils Arbeitsstunden. In der Tischlerei findet die eigentliche Montage der Holzzuschnitte statt. Für Typ A müssen Arbeitsstunden, für Typ B aufgrund der Holzverzierungen an den Türen 2 Arbeitsstunden aufgewendet werden. Im Holzzuschnitt steht ein Mitarbeiter mit 4 Stunden, in der Tischlerei ein Meister sowie ein Geselle mit insgesamt 6 Arbeitsstunden die Woche zur Verfügung. Des Weiteren bestehen Fixkosten für die Miete der Werkstatt in Höhe von 7 (Hundert Euro). Der Inhaber der Tischlerei plant die optimalen Produktionsmengen für Typ A und B unter Berücksichtigung der genannten Restriktionen. 25

27 2.2. Simplex-Verfahren Planungs- und.netzplantechnik Modellierung des LOP Entscheidungsvariablen x : Anzahl der zu produzierenden Schränke vom Typ A x 2 : Anzahl der zu produzierenden Schränke vom Typ B Ziel: Maximierung des Gesamtgewinns max x = 5x + 6x 2 7 Restriktionen x + x 2 x + 2x 2 x,x () Arbeitsstunden Holzzuschnitt (2) Arbeitsstunden Tischlerei (3) Produktionsmengen sind nichtnegativ

28 2.2. Simplex-Verfahren Graphische Lösung Planungs- und.netzplantechnik () (2)

29 .Netzplantechnik 2.2. Simplex-Verfahren Grundlegende Idee des Verfahrens - Suche nach der optimalen Lösung durch Durchwanderung der Ecken und Prüfung auf Verbesserung () (2)

30 .Netzplantechnik 2.2. Simplex-Verfahren Standardform des LOP - In Vorbereitung auf die Anwendung des Simplex-Verfahrens wird das LOP in die sogenannte Standardform gebracht - Ungleichungen durch Einführung von Schlupfvariable in Gleichungen überführen - n Strukturvariablen und m Restriktionen max x u.d.n. a x ij j x j = b = c jx i n j= für alle i =,.., n für alle j =,.., n j + m max x u.d.n. Ax = b x = c T x

31 2.2. Simplex-Verfahren LOP Standardform des LOP.Netzplantechnik max x u.d.n. x x x,x + x 2 = 5x 2 + 2x 2 + 6x max x = 5x + 6x 7 udn x + x + x =4 2 3 x + 2 x + x =6 2 4 x, x

32 .Netzplantechnik 2.2. Simplex-Verfahren Bedeutung der Schlupfvariablen x + x

33 2.. Lineare Optimierungsprobleme Planungs- und.netzplantechnik A Begriff Basis Jede nichtsinguläre m x m Teilmatrix von A heißt Basis. Nichtsingularität bedeutet, dass die m-dimensionalen Spaltenvektoren von B linear unabhängig sind. Es kann sich also kein Spaltenvektor als Linearkombination der anderen darstellen lassen. x + x + x = x + 2x + + x = B

34 .Netzplantechnik Simplex-Verfahren Grundzüge des Simplex-Verfahrens () Maximierungsproblem: max u.d.n. x x x,x x + x 2 = 5x 2 + 2x 2 + 6x Zielfunktion wird in die Nebenbedingungen mit aufgenommen, Maximierung von x max x udn... x 5x 6x2 = 7 x+ x2 + x3 =4 x+ 2 x2 + x 4 =6 x, x 2

35 2.2. Simplex-Verfahren Grundzüge des Simplex-Verfahrens (2).Netzplantechnik Simplex-Tableau x x x 2 x 3 x 4 RHS = =

36 2.2. Simplex-Verfahren Grundzüge des Simplex-Verfahrens (3).Netzplantechnik Pivotisieren x x -5 x 2-6 x 3 x 4 RHS x x x 2 x 3 x 4 RHS -2 6/2 5 -/2 /2 /

37 2.2. Simplex-Verfahren Grundzüge des Simplex-Verfahrens (4) Planungs- und.netzplantechnik Basistausch NBV x,x NBV x,x 2 36

38 2.2. Simplex-Verfahren Grundzüge des Simplex-Verfahrens (5).Netzplantechnik Pivotisieren x x -2 x 2 x 3 x 4 6/2 RHS 5 -/2 /2 /2 3 x x x 2 x 3 x 4 RHS 2/5 / 5 /5 -/ / / 2 37

39 2.2. Simplex-Verfahren Grundzüge des Simplex-Verfahrens (6) Planungs- und.netzplantechnik Basistausch NBV x,x 3 NBV x 3,x

40 2.2. Simplex-Verfahren Grundzüge des Simplex-Verfahrens (7) Planungs- und.netzplantechnik Interpretation der Schattenpreise x x x 2 x 3 x 4 2/5 / RHS 5 /5 -/ 2 -/ /

41 .Netzplantechnik 2.3. Sonderfälle. Minimierungsproblem Ein Minimierungsproblem der Form minx kann in ein Maximierungsproblem transformiert werden min = T T x c x + d [max -x = c x d] = T c x T [max -x = c x d] min Zielfunktionswerte T x = c x + d

42 .Netzplantechnik 2.3. Sonderfälle 2. Unzulässige Ausgangslösung Eine unzulässige Ausgangslösung ist dann gegeben, wenn die Ausgangslösung, die sich durch Nullsetzen der Strukturvariablen ergibt, nicht im zulässigen Bereich liegt max x = 5x + 6x 7 2 udn... x + x 4 2 x + 2x 6 x 2 + x 2 x, x 2 2 max x = 5x + 6x 7 2 udn... x + x + x = x + 2 x + x = x + x -x = x, x

43 2.3. Sonderfälle Geometrische Bedeutung der >= -Restriktion Planungs- und.netzplantechnik

44 2.3. Sonderfälle Ausgangstableau bei unzulässiger Ausgangslösung.Netzplantechnik x x -5 x 2-6 x 3 x 4 x 5 RHS

45 2.3. Sonderfälle.Netzplantechnik X - x x x 2 x 3 x 4 x 5 x H RHS

46 2.3. Sonderfälle X - x x x 2 x 3 x 4 x 5 x H RHS.Netzplantechnik X - -2 x x x 2 x 3 x 4 x 5 x H RHS

47 2.3. Sonderfälle X - -2 x x x 2 x 3 x 4 x 5 x H RHS.Netzplantechnik X - x x x 2 x 3 x 4 x 5 x H RHS

48 2.3. Sonderfälle Planungs- und.netzplantechnik

49 .Netzplantechnik 2.3. Sonderfälle 3. Freie Variable Sind einige der Strukturvariablen nichtnegativ und einige frei, dann werden die freien Variable in die Basis mit aufgenommen und verbleiben im Laufe des Iterationsprozesses auch dort

50 .Netzplantechnik 2.3. Sonderfälle 4. Entartung Zu einer Basis gehört jeweils genau eine Ecke, im Falle der Entartung jedoch ist eine Ecke mehreren Basen zugeordnet

51 Gliederung. Netzplantechnik.. Grundlagen der Netzplantechnik.2. Strukturanalyse bei Vorgangspfeilnetzen.3. Zeitanalyse bei Vorgangspfeilnetzen 2. Lösung von linearen Optimierungsproblemen mit Hilfe des Simplex-Algorithmus 2.. Lineare Optimierungsprobleme 2.2. Simplex-Verfahren 2.3. Sonderfälle 3. Planung von Güterströmen als Lineares Optimierungsproblem

52 3. Planung von Güterströmen als LOP Planungs- und.netzplantechnik Betriebswirtschaftliche Probleme - Planung kürzester Wege eines Konsumgüterherstellers von verschiedenen Produktionsstandorten zu verschiedenen Großhändlern - Planung der Zuordnung von Mitarbeitern auf Tätigkeiten gemäß ihrer Eignung Darstellung - Transportsysteme werden mittels Graphen dargestellt - Knoten sind Orte, Kanten Wegeverbindungen - Haben die Wege Einbahnstraßencharakter, so werden sie als Pfeile dargestellt

53 3. Planung von Güterströmen als LOP Planungs- und.netzplantechnik Kostenminimaler Fluss - (Gerichtete) Kanten repräsentieren Transportwege; Knoten Orte, an denen Angebot oder Nachfrage eines Gutes besteht bzw. an denen ein Gut nur umgeschlagen wird - Menge der Orte V = V + V 2 + V 3 Notationen und Bedingungen - In Quellort i V können max. a i Gütereinheiten pro Zeiteinheit eingespeist werden - Aus Senke i V 3 können maximal b i Gütereinheiten pro ZE entnommen werden -x ij bezeichnet den Güterstrom in Kante <i,j> von Knoten i zu Knoten j - Der Güterstrom sei durch Wegekapazität κ ij beschränkt -c ij bezeichne die Kosten des Transports einer Gütereinheit von i nach j 52

54 3. Planung von Güterströmen als LOP Lineare Optimierungsaufgabe Planungs- und.netzplantechnik min x u.d.n. = i V j N() i a für i V x ij xli = für i V j N(i) l N( i) -b für i V x κ für alle (i,j) ij ij c x ij ij i 2 i

55 3. Planung von Güterströmen als LOP Beispiel.Netzplantechnik +4 2, 3 5, , 3 2, 4 27, 5 5 4, , 6 25, , ,

56 3. Planung von Güterströmen als LOP Lösung.Netzplantechnik +4 2, 3 5, , 3 27, 5 4, , 6 25, , ,

57 3. Planung von Güterströmen als LOP Planungs- und.netzplantechnik min 3x + 4x + 6x + x + 5x + x + 2x + 7x + 5x + 2x + 3x udn x 2, x 5, x 5, x 2, x 27, x 2, x 25, x 4, x 3, x 25, x x + x + x x x + x + x x + x x x x x x x x + x + x x x x x = x, x, x, x, x, x, x, x, x, x, x

58 3. Planung von Güterströmen als LOP Planungs- und.netzplantechnik Ausblick - Transportprobleme können sehr komplex sein - Finden einer zulässigen Ausgangslösung nicht trivial - Um eine zulässige Anfangslösung zu finden, können Heuristiken eingesetzt werden

Klausurrepetitorium ABWL

Klausurrepetitorium ABWL Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 9. August 5 Dr. Friedhelm Kulmann, Sandra Rudolph 9.8.5 Gliederung. Nichtlineare Optimierungsprobleme.. Quadratisches

Mehr

Aufgaben Netzplantechnik

Aufgaben Netzplantechnik Aufgaben Netzplantechnik Aufgabe (Teil ): Vorgangsknotennetz a) In der Netzplantechnik wird zwischen Gesamtpuffer, freiem Puffer, freiem Rückwärtspuffer und unabhängigem Puffer unterschieden. Erklären

Mehr

OPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK

OPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK BODO RUNZHEIMER OPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK SIMPLEX-METHODE -TRANSPORT-METHODE STRUKTURANALYSE ZEITPLANUNG ZEIT-KOSTEN PLANUNG- ANWENDUNGSMÖGLICHKEITEN 5., VERBESSERTE

Mehr

Kapitel 7: Terminplanung

Kapitel 7: Terminplanung Kapitel 7: Terminplanung Episode 2: Terminplanung mit Netzplänen Prof. Dr. Martin G. Möhrle Institut für Projektmanagement und Innovation IPMI Universität Bremen Übersicht der Lerneinheit Episode 1: Terminplanung

Mehr

Modul Management von Dienstleistungsprozessen Klausurkolloquium

Modul Management von Dienstleistungsprozessen Klausurkolloquium Modul 32691 Management von Dienstleistungsprozessen Klausurkolloquium Klausur März 2014 (WS 2013/2014) Hagen, den 21.05.2014 Aufgabe 2 Netzplan & ServiceBlueprint a) Zeichnen Sie den Netzplan für den Workshop

Mehr

1. Einführung 2. Strukturplanung 3. Netzplandarstellung. 4. Zeitplanung. 31. CPM (=Critical Path Method) 32. MPM (=Metra Potential Methode) Agenda (3)

1. Einführung 2. Strukturplanung 3. Netzplandarstellung. 4. Zeitplanung. 31. CPM (=Critical Path Method) 32. MPM (=Metra Potential Methode) Agenda (3) Agenda (3) 1. Einführung 2. Strukturplanung 3. Netzplandarstellung 31. CPM (=Critical Path Method) 32. MPM (=Metra Potential Methode) 4. Zeitplanung Netzplantechnik, Teil 2 1 Darstellung von Vorgang und

Mehr

Lineare Optimierungsmodelle

Lineare Optimierungsmodelle Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung

Mehr

3.2.5 Dualität der linearen Optimierung I

3.2.5 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

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales

Mehr

Lineare Optimierung Teil 2

Lineare 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

Mehr

10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen

10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen 10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen Bisher haben wir immer vorausgesetzt, dass alle Variablen eines LOP der Bedingung x i 0 liegen. Im Folgenden wollen wir auch sogenannte freie

Mehr

Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel:

Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Eine Firma produziert die Produkte P 1, P 2,..., P q aus den Rohstoffen R 1, R 2,..., R m. Dabei stehen b j Einheiten

Mehr

Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung

Optimierung 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

Mehr

Computer Science Department - High Performance and Web Computing Group. Optimierungsprobleme

Computer 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

Mehr

Optimierung. Vorlesung 02

Optimierung. Vorlesung 02 Optimierung Vorlesung 02 LPs in kanonischer Form Für i = 1,, m und j = 1,, d seien c j, b i und a ij reele Zahlen. Gesucht wird eine Belegung der Variablen x 1,, x d, so das die Zielfunktion d c j x j

Mehr

Zugeordneter bipartiter Graph

Zugeordneter 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

Mehr

Optimierung I. Dr. Ulf Lorenz F2.413

Optimierung I. Dr. Ulf Lorenz F2.413 Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:

Mehr

Inhaltsverzeichnis Grundlagen der Linearen Optimierung

Inhaltsverzeichnis Grundlagen der Linearen Optimierung Inhaltsverzeichnis 4 Grundlagen der Linearen Optimierung 1 4.1 Grundbegriffe............................. 1 4.1.1 Lineare Optimierung..................... 1 4.1.2 Das Grundmodell eines linearen Optimierungsproblems

Mehr

Eigenschaften von LPs

Eigenschaften 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

Mehr

1. Transport- und Zuordnungsprobleme

1. Transport- und Zuordnungsprobleme 1. Transport- und Zuordnungsprobleme Themen 1. Transport- und Zuordnungsprobleme Themen: Analyse der Problemstruktur Spezielle Varianten des Simplexalgorithmus für Transport- und Zuordnungsprobleme Bezug

Mehr

4.3.3 Simplexiteration

4.3.3 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

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

1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme. Duales Problem. a i u i + i=1. j=1

1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme. Duales Problem. a i u i + i=1. j=1 1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme Duales Problem Lemma 1.4. Das zum Transportproblem duale Problem lautet: max unter den Nebenbedingungen m a i u i + i=1

Mehr

1 Der Simplex Algorithmus I

1 Der Simplex Algorithmus I 1 Nicoletta Andri 1 Der Simplex Algorithmus I 1.1 Einführungsbeispiel In einer Papiermühle wird aus Altpapier und anderen Vorstoffen feines und grobes Papier hergestellt. Der Erlös pro Tonne feines Papier

Mehr

EINFÜHRUNG IN DIE CPM-NETZPLANTECHNIK

EINFÜHRUNG IN DIE CPM-NETZPLANTECHNIK G. Ossimitz, Universität Klagenfurt EINFÜHRUNG IN DIE CPM-NETZPLANTECHNIK Netzpläne sind wichtige Hilfsmittel zur Planung, Koordination und Kontrolle komplexer Abläufe, bei denen zwischen den einzelnen

Mehr

Chinese Postman Problem Hamiltonsche Graphen und das Traveling Salesman Problem Max-Flow-Min-Cut...151

Chinese Postman Problem Hamiltonsche Graphen und das Traveling Salesman Problem Max-Flow-Min-Cut...151 Inhaltsverzeichnis 1 Kernkonzepte der linearen Optimierung... 1 1.1 Einführung... 1 1.2 Grundlegende Definitionen... 8 1.3 Grafische Lösung... 10 1.4 Standardform und grundlegende analytische Konzepte...

Mehr

Optimierung für Wirtschaftsinformatiker: Lineare Programme

Optimierung für Wirtschaftsinformatiker: Lineare Programme Optimierung für Wirtschaftsinformatiker: Lineare Programme Dr. Nico Düvelmeyer Dienstag, 31. Mai 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Lineare Programme Allgemeine Form 2 Spezielle Darstellungen

Mehr

Einführung in Operations Research

Einführung 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

Mehr

Quantitative Methoden in der Betriebswirtschaftslehre

Quantitative Methoden in der Betriebswirtschaftslehre Quantitative Methoden in der Betriebswirtschaftslehre von Dr. Dietrich Ohse Professor für Betriebswirtschaftslehre, insbesondere Quantitative Methoden an der Johann Wolfgang Goethe-Universität Frankfurt

Mehr

VORLESUNG 11 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)

VORLESUNG 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

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

0. Gliederung. Ein Einblick in die Ereignisorientierte Netzplantechnik (PERT) 1. Geschichte. 2. Grundlagen. Geschichte Grundlagen

0. Gliederung. Ein Einblick in die Ereignisorientierte Netzplantechnik (PERT) 1. Geschichte. 2. Grundlagen. Geschichte Grundlagen Ein Einblick in die Ereignisorientierte Netzplantechnik (PERT) Erstellt im Rahmen des Seminars Das Virtuelle Labor von Carmen Pohl 0. Gliederung start 1. Geschichte 3. Wahrscheinlichkeitsverteilung 4.

Mehr

Vorlesung 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 Vorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen Kapitel IV: Grundlagen der Linearen Optimierung Inhaltsverzeichnis Abschnitt 3-5 3 Der Simplexalgorithmus 58 3.1 Grundlagen..............................

Mehr

Über- und unterbestimmte

Über- und unterbestimmte Über- und unterbestimmte Systeme (verallgemeinerte Lösungen) Über- und unterbestimmte Systeme Ax = b ist genau dann für alle b R m eindeutig lösbar, wenn m = n und rk A = n. Falls m n oder rk A < min{m,

Mehr

Netzwerkoptimierung. Transport von m Startknoten direkt zu n Zielknoten Transport von m Startknoten über Umladeknoten zu n Zielknoten

Netzwerkoptimierung. Transport von m Startknoten direkt zu n Zielknoten Transport von m Startknoten über Umladeknoten zu n Zielknoten Netzwerkoptimierung beinhaltet Planungsprobleme, die mittels Netzwerken abgebildet werden können. Häufig handelt es sich dabei um (ganzzahlige) lineare Optimierungsprobleme mit einer speziellen Struktur:

Mehr

VORLESUNG 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) 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

Mehr

Operations Research BODO RUNZHEIMER. Lineare Planungsrechnung, Netzplantechnik, Simulation und Warteschlangentheorie

Operations Research BODO RUNZHEIMER. Lineare Planungsrechnung, Netzplantechnik, Simulation und Warteschlangentheorie BODO RUNZHEIMER Operations Research Lineare Planungsrechnung, Netzplantechnik, Simulation und Warteschlangentheorie 7., aktualisierte und erweiterte Auflage LEHRBUCH GABLER 7 Inhalt Erstes Kapitel: Einleitung

Mehr

Informationswirtschaft 3 Projektplanung mittels Netzplantechnik

Informationswirtschaft 3 Projektplanung mittels Netzplantechnik Informationswirtschaft 3 Projektplanung mittels Netzplantechnik Wolfgang H. Janko Stefan Koch (Edward Bernroider, Michael Hahsler, Andreas Geyer-Schulz) Institut für Informationswirtschaft Department für

Mehr

Einführung in Operations Research

Einführung in Operations Research Wolfgang Domschke Andreas Drexl Einführung in Operations Research Dritte, verbesserte und erweiterte Auflage Mit 79 Abbildungen und 58 Tabellen Springer Votwort Symbolverzeichnis V XIII Kapitel 1: Einführung

Mehr

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006 Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 005/006

Mehr

Teil I. Lineare Optimierung

Teil I. Lineare Optimierung Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,

Mehr

Lineare und kombinatorische Optimierung

Lineare und kombinatorische Optimierung Lineare und kombinatorische Optimierung Theorie, Algorithmen und Anwendungen Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Wintersemester 2017/18 Peter Becker (H-BRS) Lineare

Mehr

Netzplantechnik. Projektplanung Projektsteuerung Projektmanagement. Zeit Kapazitätseinsatz - Kosten

Netzplantechnik. Projektplanung Projektsteuerung Projektmanagement. Zeit Kapazitätseinsatz - Kosten 1 Technische Universität München Netzplantechnik Projektplanung Projektsteuerung Projektmanagement Zeit Kapazitätseinsatz - Kosten Lehrstuhl für Forstliche Wirtschaftslehre Prof. Dr. Martin Moog 2 Literatur

Mehr

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Lineare Optimierung Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Outline Lineares Programm (LP) in Standardform

Mehr

Lösung allgemeiner linearer Programme

Lösung 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

Mehr

Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse

Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse Diplomprüfung / Sommersemester 24 Quantitative Methoden der BWL Musterlösung der Prüfungsklausur vom. Juli

Mehr

Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.

Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten

Mehr

1. Lineare Optimierungsaufgaben (LOA) als Teilklasse konvexer Optimierungsprobleme. f(x) min, x G (1.1) (Legende)

1. Lineare Optimierungsaufgaben (LOA) als Teilklasse konvexer Optimierungsprobleme. f(x) min, x G (1.1) (Legende) . Lineare Optimierungsaufgaben (LOA) als Teilklasse konvexer Optimierungsprobleme X Banachraum, wobei X = R n G zulässige Menge des Optimierungsproblems f: G R Zielfunktion f(x) min, x G (.) (Legende)

Mehr

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester

Mehr

Controlling Termine. Grundlagen. Terminplanung. Kapazitätsplanung. Fortschrittskontrolle. Controlling K T - Q. Inhalt

Controlling Termine. Grundlagen. Terminplanung. Kapazitätsplanung. Fortschrittskontrolle. Controlling K T - Q. Inhalt Termine Grundlagen Terminplanung Kapazitätsplanung Fortschrittskontrolle Inhalt Folie :1 Methoden der Terminplanung Folie :2 Einige Begriffsbestimmungen gemäß DIN 69 900 Teil 1 : Dauer Zeitpunkt Termin

Mehr

Simplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Simplex-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)

Mehr

1. Hausaufgabenblatt (16.04./ )

1. Hausaufgabenblatt (16.04./ ) Lehrstuhl Ingenieurmathematik Modul: (Wirtschaftsingenieurwesen/Betriebswirtschaftslehre/Informatik) Sommersemester 2014 1. Hausaufgabenblatt (16.04./23.04.2015) Aufgabe H 1.1 Lösen Sie die linearen Gleichungssysteme

Mehr

Inhalt von Terminplanung. Projektmanagement Terminplanung. Inhalt Skript. 1 Netzplan. 2 Anordnungsbeziehungen. 3 Berechnung.

Inhalt von Terminplanung. Projektmanagement Terminplanung. Inhalt Skript. 1 Netzplan. 2 Anordnungsbeziehungen. 3 Berechnung. Inhalt von Terminplanung 1 Inhalt Skript 1 Netzplan 2 Anordnungsbeziehungen 3 Berechnung 4 PC-Erstellung 5 Darstellungsformen Begriffe der Terminplanung 2 Einige Begriffsbestimmungen gemäß DIN 69 900 Teil

Mehr

Kap. 4: Lineare Programmierung

Kap. 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.

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Einführung in einige Teilbereiche der Wintersemester 2016 Prof. Dr. Stefan Etschberger HSA Mögliche Fälle für Z Etschberger - WS2016 1 Z =, d.h., es existiert keine zulässige (x 1, x 2 )-Kombination. 2

Mehr

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7

Perlen 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

Mehr

(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung)

(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung) Lineare Optimierung Unterbestimmte LGS und Optimierung Bei lösbaren unterbestimmten linearen Gleichungssystemen haben wir die Qual der Wahl in Abhängigkeit von den freien Parametern (Anzahl = Anzahl Unbekannte

Mehr

Übung QM 1 EINFÜHRUNG 1. 1 Einführung. ohne Übungsaufgaben

Übung 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

Mehr

Optimale Steuerung 1 Prozessoptimierung 1

Optimale 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

Mehr

4. Dualität Dualität 4.1 Dualität von LPs und der Dualitätssatz. Die duale Form eines LP in allgemeiner Form. Herleitung der dualen Form

4. Dualität Dualität 4.1 Dualität von LPs und der Dualitätssatz. Die duale Form eines LP in allgemeiner Form. Herleitung der dualen Form 2... 22 4.2 Die Bedingungen vom komplementären Schlupf... 23 4.3 Das Kürzeste-Wege-Problem und zugehörige duale Problem... 24 4.4 Das Farkas Lemma... 25 4.5 Duale Information im Tableau... 26 4.6 Der duale

Mehr

Kurseinheit 2»Dualität und weiterführende Methoden«

Kurseinheit 2»Dualität und weiterführende Methoden« Inhaltsübersicht 1 Gliederung Kurseinheit 1»Simpleverfahren«1. Einleitung 1.1. Einordnung und Übersicht des Stoffes 1.2. Einführendes Beispiel und Grundlagen 2. Lineare Gleichungssysteme 2.1. Die allgemeine

Mehr

Lineare Optimierung: Simplexverfahren Phase Ⅰ

Lineare Optimierung: Simplexverfahren Phase Ⅰ Lineare Optimierung: Simplexverfahren Phase Ⅰ Zur Erinnerung: Die Lineare Optimierungsaufgabe in Standardform lautet z = c T x + c 0 min (.) bei Ax = b, x 0. Revidiertes Simplexverfahren Mit dem Simplexverfahren

Mehr

Optimierung für Nichtmathematiker

Optimierung 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

Mehr

8. Lineare Optimierung

8. 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

Mehr

Kap. 3: Exakte Lösungsverfahren für NPschwierige. Optimierungsprobleme VO Algorithm Engineering

Kap. 3: Exakte Lösungsverfahren für NPschwierige. Optimierungsprobleme VO Algorithm Engineering Kap. 3: Exakte Lösungsverfahren für NPschwierige kombinatorische Optimierungsprobleme VO Algorithm Engineering 3.1 Einführung Professor Dr. Petra Mutzel 3.2 Komb. vs. Ganzzahlige Opt. Lehrstuhl für Algorithm

Mehr

Netzplantechnik Netzplantechnik

Netzplantechnik Netzplantechnik 28.06.15 PERT (Program Evaluation and Review Technique), eine frühe Methode der, wurde in den 50-ern von der Firma Lockheed im Auftrag der US Navy für die Arbeit am Polaris-Projekt entwickelt. Die Planung

Mehr

Projektmanagement für Ingenieure

Projektmanagement für Ingenieure Springer Vieweg PLUS Zusatzinformationen zu Medien von Springer Vieweg Projektmanagement für Ingenieure Ein praxisnahes Lehrbuch für den systematischen Projekterfolg 2013 2. Auflage Kapitel 7 Lösungen

Mehr

Produktionsplanung und Lineare Optimierung im Rahmen des Projekts Mathematik und Ökonomie 12./13. November 2003 in Düsseldorf.

Produktionsplanung 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

Mehr

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2008 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg

Berufliches 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.

Mehr

Wirtschaftsmathematik für International Management (BA)

Wirtschaftsmathematik für International Management (BA) Wirtschaftsmathematik für International Management (BA) Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Lineare Algebra 4 Lineare Programme 5 Folgen und Reihen 6

Mehr

Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel 3 - Lineare Optimierung

Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel 3 - Lineare Optimierung Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel - Lineare Optimierung Sascha Kurz Jörg Rambau 8. August Lösung Aufgabe.. Da es sich um ein homogenes

Mehr

III. Transportaufgaben 1. Problemstellung 2. Analyse 3. Bestimmung der Startecke 4. Eckenaustausch 5. Umladeprobleme 6. Zuordnungsprobleme

III. Transportaufgaben 1. Problemstellung 2. Analyse 3. Bestimmung der Startecke 4. Eckenaustausch 5. Umladeprobleme 6. Zuordnungsprobleme III. Transportaufgaben 1. Problemstellung 2. Analyse 3. Bestimmung der Startecke 4. Eckenaustausch 5. Umladeprobleme 6. Zuordnungsprobleme H. Weber, FHW, OR SS07, Teil 6, Seite 1 1. Problemstellung Wir

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

Optimierung. Vorlesung 08

Optimierung. Vorlesung 08 Optimierung Vorlesung 08 Heute Dualität Ganzzahligkeit Optimierung der Vorlesung durch Evaluierung 2 Das duale LP Das primale LP Maximiere c T x unter Ax b, x R d 0. wird zu dem dualen LP Minimiere b T

Mehr

Logistik: Transport. Grundlagen, lineare Transport- und Umladeprobleme. von Prof. Dr. Wolfgang Domschke. TU Darmstadt. 5.,.überarbeitete Auflage

Logistik: Transport. Grundlagen, lineare Transport- und Umladeprobleme. von Prof. Dr. Wolfgang Domschke. TU Darmstadt. 5.,.überarbeitete Auflage Logistik: Transport Grundlagen, lineare Transport- und Umladeprobleme von Prof. Dr. Wolfgang Domschke TU Darmstadt 5.,.überarbeitete Auflage R. Oldenböurg Verlag München Wien Inhaltsverzeichnis Vorwort

Mehr

Netzplantechnik. Zeitplanung. Dortmund, Oktober 1998

Netzplantechnik. Zeitplanung. Dortmund, Oktober 1998 Netzplantechnik Zeitplanung ortmund, Oktober 1998 PMZeitplanung.ppt/MW/4.3. Prof. r. einz-michael Winkels, achbereich Wirtschaft ortmund mil-igge-str. 44, 447-ortmund, TL.: (31)7-4966, AX: (31)7-49 1 Inhalt

Mehr

Optimierung. Optimierung. Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus Fabian Kuhn

Optimierung. 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,

Mehr

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298 Kapitel 5 Dualität Peter Becker (H-BRS) Operations Research I Sommersemester 2014 241 / 298 Inhalt 5 Dualität Dualitätssätze Zweiphasen-Simplexalgorithmus Peter Becker (H-BRS) Operations Research I Sommersemester

Mehr

Wir wünschen Ihnen viel Erfolg!

Wir wünschen Ihnen viel Erfolg! Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Grundlagenstudium 1. Musterklausur: Führung

Mehr

PROJEKTMANAGEMENT. Netzplantechnik Netzplantechnik

PROJEKTMANAGEMENT. Netzplantechnik Netzplantechnik .. PROJEKTMANAGEMENT PERT (Program Evaluation and Review Technique), eine frühe Methode der, wurde in den -ern von der Firma Lockheed im Auftrag der US Navy für die Arbeit am Polaris-Projekt entwickelt.

Mehr

Netzplantechnik. Projektplanung Projektsteuerung Projektmanagement. Zeit Kapazitätseinsatz - Kosten

Netzplantechnik. Projektplanung Projektsteuerung Projektmanagement. Zeit Kapazitätseinsatz - Kosten Netzplantechnik Projektplanung Projektsteuerung Projektmanagement Zeit Kapazitätseinsatz - Kosten Literatur Corsten, H., Corsten, H., Gössinger, R.: Projektmanagement, Oldenbourg, 2. Auflage, 2008 Burghardt,

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Sätze PLUS Es gilt für A, B R n n : det(ab) = det A det B (Determinantenmultiplikationssatz)

Mehr

Was muss man wissen? Operations Research I. Patrick Elftmann und Matthias Sondermann

Was muss man wissen? Operations Research I. Patrick Elftmann und Matthias Sondermann Was muss man wissen? Operations Research I Patrick Elftmann und Matthias Sondermann studium@sp3cialman.net 24. Oktober 2005 Vorbemerkung Dies ist eine kleine Zusammenfassung des prüfungsrelevanten Stoffes

Mehr

Diplomhauptprüfung. "Systems Engineering" Sommersemester Teil A: Fragenkatalog Zeit: 15 min. Hilfsmittel: Taschenrechner. Nachname: Vorname:

Diplomhauptprüfung. Systems Engineering Sommersemester Teil A: Fragenkatalog Zeit: 15 min. Hilfsmittel: Taschenrechner. Nachname: Vorname: Technische Universität München 18. Juli 2005 Lehrstuhl für Raumfahrttechnik HS MW 0350 Prof. Dr. rer. nat. Ulrich Walter Dozent: Prof. Dr.-Ing. Eduard Igenbergs Diplomhauptprüfung "Systems Engineering"

Mehr

Netzplantechnik bei Ablauf- und Terminsteuerung

Netzplantechnik bei Ablauf- und Terminsteuerung Netzplantechnik bei Ablauf- und Terminsteuerung Vlker Nawrath Webseite: http://www.vna.in-berlin.de/vlker/ Blg: http://vnawrath.wrdpress.cm Anmerkungen Die Netzplantechnik ist ein wichtiges Instrument

Mehr

Der Simplex-Algorithmus

Der 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

Mehr

Wie man die Matrix der Zeit versteht (Matrix)

Wie man die Matrix der Zeit versteht (Matrix) Lineare und Nichtlineare Optimierung 1Semester Begleitendes Skriptum zur Vorlesung im FH-Masterstudiengang Technisches Management von Johann Wiesenbauer FH Campus Wien 2014 1 Lineare Optimierung 11 Grundbegrie

Mehr

Mitschrift der Vorlesung: Kombinatorische Optimierung

Mitschrift der Vorlesung: Kombinatorische Optimierung Mitschrift der Vorlesung: Kombinatorische Optimierung bei Prof. Socher-Ambrosius Niels-Peter de Witt 26. April 2002 Inhaltsverzeichnis 1 Einführung 2 1.1 Beispiel: Profil zersägen.......................

Mehr

Lösung Übung 1a) - Medikamentenmischung

Lösung Übung 1a) - Medikamentenmischung Lösung Übung 1a) - Medikamentenmischung x j Anteil der Komponente j an der Mischung, j=1,...,4 Min 39x + 21x + 82x + 55x 1 2 3 4 u.d.n 54 2x + 50x + 6x + 74x 60 1 2 3 4 39 x + 75x + 13x + 96x 80 1 2 3

Mehr

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8

FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 FK WMS: Wirtschaftsmathematik 2, Einheit 7/8 Markus Sinnl 1 markus.sinnl@univie.ac.at http://homepage.univie.ac.at/markus.sinnl basierend auf Folien von Dr. Ivana Ljubic, Mag. Christian Spreitzer und Mag.

Mehr

Schranken für zulässige Lösungen

Schranken 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

Mehr

Lineare Optimierung Dantzig 1947

Lineare Optimierung Dantzig 1947 Lineare Optimierung Dantzig 947 Lineare Optimierungs-Aufgaben lassen sich mit Maple direkt lösen: with(simplex): g:= 4*x + x2

Mehr

Numerische Lineare Algebra

Numerische Lineare Algebra Numerische Lineare Algebra Vorlesung 7 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 200 Prof. Dr. Klaus Höllig (IMNG)

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Beispiel: Graphische Darstellung Zulässigkeitsbereich Ungleichung (1) mit

Mehr

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Kapitel 1 Unimodularität Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Inhalt 1 Unimodularität Total unimodulare Matrizen Inzidenzmatrix Optimierungsprobleme auf Graphen Peter

Mehr

7.1 Matrizen und Vektore

7.1 Matrizen und Vektore 7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

Aufgabe 3.1: LP-Problem mit allen Bedingungstypen

Aufgabe 3.1: LP-Problem mit allen Bedingungstypen Johann Wolfgang Goethe-Universität Frankfurt am Main Lehrst.f.BWL, insb. Quant. Methoden Prof. Dr. Dietrich Ohse Interpretation, zulässige Lösung, Dualität 18. Mai 2004 Aufgabe 3.1: LP-Problem mit allen

Mehr