Lineare Optimierung Teil 2
|
|
- Miriam Meyer
- vor 6 Jahren
- Abrufe
Transkript
1 Lineare Optimierung Teil 2 Primale Degeneration Duale Degeneration = Mehrdeutigkeit Normalform kanonische Form Duale Simplexmethode HTW-Berlin FB3 Prof. Dr.F. Hartl 1
2 Primale Degeneration/1 Besitzt eine zulässige Basislösung genau m (=Anzahl NB) positive Komponenten, wird sie nichtausgeartet (nichtdegeneriert) genannt. Primale Degeneration wird durch das Auftreten von Nullen in der RHS Spalte ersichtlich. Basisvariable hat Wert Null Spezialfall der Redundanz der Nebenbedingungen. Geometrisch gesehen ist dann ein Eckpunkt durch mehr als n Hyperebenen bestimmt (ist überbestimmt). Wenn das Folgetableau degeneriert ist, so wird das bereits im vorangehenden Tableau erkennbar: Die PZ-Regel liefert mehrere kleinste Quotienten Pivotzeile nicht eindeutig würfeln als günstigster Kompromiß 2
3 Primale Degeneration/2 Theoretisch besteht ein Kreisen in degenerierten Ecken ist praktisch jedoch irrelevant. 3
4 Duale Degeneration =Mehrdeutigkeit wenn die Zielfunktion auf einer Nebenbedingung liegt, Duale Degeneration, wenn Nichtbasisvariable im optimalen Tableau einen Zielzeilenkoeffizienten (=Opportunitätskosten) gleich Null hat. Das Problem hat zwei Eckpunklösungen (und damit auch alle auf der Kante liegenden Punkte) als optimale Basislösungen. 4
5 Bsp. Mehrdeutigkeit Basis x1 x2 x3 x4 x5 RHS x x x Z x2 1/2 1 1/ x / x Z Normalerweise sind wegen drei BV auch drei Nullen in der Z-Zeile, hier aber unter der NBV x1 eine weitere Null Ergebnis: x /8-1/4 0 9 x /4 1/2 0 2 x /4-1/2 1 4 Z Eckpunktlösung 1 neue Basis- Transformation mit x1 Eckpunktlösung 2 bei gleichem Z-Wert Zwei Eckpunktlösungen und zusätzlich alle Punkte auf der Verbindungsgeraden, d.h. x = Eckpunktlösung1 + (1- ) Eckpunktlösung2 mit 0 1 sind optimal 5
6 Unbegrenzte Lösungen Die Lösungsmenge ist unendlich. wenn in der Pivotspalte nur negative Koeffizienten bei positiver RHS vorhanden sind. Merke: Pivotelement darf niemals Null und negativ sein. 6
7 keine Lösungen des LOP Zulässiger Lösungsbereich X ist leer, wenn die Nebenbedingungen widersprüchlich formuliert sind. 7
8 wenn primaler Simplex angewendet wird, dann Standardform (1) Maximierung der Zielfunktion: (2) in strukturellen Nebenbedingungen: max c T x Ax b (3) Definitionsbereiche der strukturellen Variablen: x 0 (4) Nichtnegative RHS b 0 8
9 andere Formen in Standardform übertragbar (1) min c T x (2) a T x b (3) x u max -c T x - a T x - b x - u 0 x + := x - u mit x + 0 x o 0 o - x x - := o - x mit x - 0 x = g x g, x g x unbeschränkt x := x + - x - mit x + 0 mit x - 0 9
10 andere Formen in Standardform übertragbar b 0 nicht erzwingbar aber ausgehend vom Anfangstableau eine erste zulässige Basislösung über mehrere Basistransformationen (BT) ermitteln Wie? Zeilen mit negativen b-werten durch BT beseitigen Umkehrung der Auswahlregel-Reihenfolge für das Pivotelement: Erst PZ, dann PS. 10
11 PPP-3 Zur Fertigung von P 1 werden die drei Maschinen M 1, M 2 und M 3 eingesetzt. Für das Produkt P 2 werden nur die Maschinen M 1 und M 2 benötigt. Die Stückkosten pro Tonne P 1 betragen 200 bzw. pro Tonne P M 1 soll höchstens 40 Stunden [h], M 2 mindestens 24 [h] und M 3 genau 6 [h] arbeiten. Die Bearbeitungszeiten in Stunden [h] je Tonne durch die jeweilige Maschine sind der folgenden Tabelle zu entnehmen: Bearbeitungszeit in h/t Maschine P 1 P 2 M M M Gesucht ist das PP(x 1, x 2 ) mit minimalen Kosten. 11
12 Mathematisches Modell von PPP-3 Bezeichnung: x i - Menge des Produktes P i (i=1,2) Minimiere Zielfunktion: z(x 1, x 2 ) = 200 x x 2 NB: M 1 -Restriktion: 2 x x 2 40 M 2 -Restriktion: 3 x x 2 24 M 3 -Restriktion: x 1 = 6 NNB: x 1 x
13 Erzeugen der Standardform aus Min z = 200 x x 2 2 x x x x 2 24 x 1 = 6 wird Max z = -200 x x 2 2 x x x 1-2 x 2-24 x 1 6 -x
14 Erzeugen der kanonischen Form 2 x x 2 + x 3 = 40-3 x 1-2 x 2 + x 4 = -24 x 1 + x 5 = 6 -x 1 + x 6 = x x 2 -z = 0 x 1, x 2, x 3, x 4, x 5, x
15 Tabellenform Basis x1 x2 x3 x4 x5 x6 RHS x x x x Z Unzulässige RHS 15
16 zulässige Basislösung erzeugen mittels dualer Simplexmethode BV x1 x2 x3 x4 x5 x6 z RHS x x x x z , Max[Q] Basistransformation x4 x1 BV x1 x2 x3 x4 x5 x6 z RHS x3 0 8/3 1 2/ x1 1 2/3 0-1/ x5 0-2/3 0 1/ x6 0 2/3 0-1/ z 0 500/ / Min[RHS] Min[RHS] Basistransformation x5 x2 BV x1 x2 x3 x4 x5 x6 z RHS x x x /2-3/ x z und optimales Tableau, da nicht negative Z-Zeile Zulässige RHS 16
17 Allgemeines zur Dualen Simplexmethode Ein relativ einfaches Eröffnungsverfahren zur Auffindung einer zulässigen Startlösung. Wird eine primal unzulässige Basislösung mit optimaler Zielzeile dualisiert, dann ergibt sich im Dualen eine zulässige Basislösung Es kommt zu einer Umkehrung der Auswahlregel-Reihenfolge: Erst PZ, dann PS. 17
18 Dualer Simplex-Algorithmus zur Erzeugung nichtnegativer Basislösungen Jede Iteration besteht aus folgenden drei Schritten: Schritt 1: Wahl einer negativen BV x r, die in NBV x r umgewandelt werden soll (Pivotzeile r) Suche in der RHS-Spalte den negativsten Wert: b r = min{b j :b i < 0} Schritt 2: Wahl der NBV x s, die in BV x s umgewandelt werden soll (Pivotspalte s) Suche den maximalen Quotienten c rs /a rs aus den Werten der z-zeile sowie den zugehörigen negativen Werten der Pivotzeile r: Das Element a rs heißt Pivotelement. Schritt 3: Basistransformation Der Iterationsprozess wird beendet, wenn alle Elemente der RHS-Spalte nichtnegativ sind. Zur Bestimmung der optimalen Lösung wird dann der primale Simplexalgorithmus angewendet. 18
19 Grafische Lösung von PPP-3 x1 = 6 min Z = 200x x2 Z=2.100 min für x1 = 6, x2 = 3 X Minimum 2x1+4x2 <= 40 3x1+2x2>=24 19
20 weiteres Bsp. zur Transformation in Standardform min z = 8x 1 + 7x 2 2x 1-4x 2 4 1x 1 5 4x 1 + 3x 2 = 42-5x 1 + 4x 2 25 x 1 0 max z = -8x 1-7x 2 2x 1-4x 2 4-1x 1-5 4x 1 + 3x x 1-3x x 1 + 4x 2 25 x 1 0 max z = -8x 1 7(x 2+ -x 2- ) 2x 1-4 (x 2+ -x 2- ) 4-1x 1-5 4x (x 2+ - x 2- ) 42-4x 1-3 (x 2+ - x 2- ) -42-5x 1 + 4(x 2+ - x 2- ) 25 x 1 0 x 2 R x 2 = x 2+ - x 2 - x 2+, x 2-0 x 2 = x 2+ - x 2 - x 2+, x
21 optimale Personaleinsatzplanung Der Personalbedarf in einem Unternehmen sei in den Wochentagen wie folgt : Das Personal arbeitet jeweils fünf Tage hintereinander und hat dann zwei Tage frei. Bestimmen Sie die Anzahl der Arbeitskräfte, die ihre Arbeitswoche am Montag oder Dienstag,...bzw. Sonntag beginnen so, dass die Gesamtpersonenzahl minimal ist. 21
22 Mathematisches Modell Ges.: Ziel: x i = Anzahl der Arbeitskräfte, die ihre 5-Tage-Arbeitswoche am Anfang des Zeitintervalls i, i=1,...,7 beginnen (1=Montag, 2=Dienstag,,7=Sonntag) Minimierung der Gesamtanzahl der Arbeitskräfte Z =x 1 +x 2 +x 3 +x 4 +x 5 +x 6 +x 7 min Nb: Zeitintervall Tag Bedarf 1 Mo 15 2 Di 10 3 Mi 9 4 Do 13 5 Fr 14 6 Sa 10 7 So 9 x 1 + x 4 +x 5 +x 6 + x 7 = 15 x 1 + x 2 +x 5 +x 6 + x 7 = 10 x 1 + x 2 +x 3 +x 6 + x 7 = 9 x 1 + x 2 +x 3 +x 4 + x 7 = 13 x 1 + x 2 +x 3 +x 4 + x 5 = 14 x 2 + x 3 +x 4 +x 5 + x 6 = 10 x 3 + x 4 +x 5 +x 6 + x 7 = 9 NNB: x i 0 22
23 Lösung Umsetzung des mathematischen Modells in Excel- Tabellenform x_mo x_di x_mi x_do x_fr x_sa x_so Ist Rel RHS Zielfkt: = 16 Min Personal Lösung Mo = 15 Di = 10 Mi = 9 Do = 13 Fr = 14 Sa = 10 So = 9 Lösung: Dienstbeginn Mo Di Mi Do Fr Sa So Anzahl Personen zusätzlich Anzahl Personen insgesamt = = = = = = = Personalbedarf
24 Schichtplanung In einem Werk besteht ein Zeitplan der Mindestausstattung an Reparaturspezialisten pro Zeitintervall: Zeitintervall Uhrzeit Mindestanzahl Welcher Schichtplan minimiert die Zahl der Reparaturspezialisten, wenn eine Schicht jeweils 8 Stunden umfasst? Bsp. aus Vahrenkamp, Logistik 24
25 Mathematisches Modell Ges.: Ziel: x i = Anzahl der Reparaturspezialisten, die am Anfang des Zeitintervalls i, i=1,...,6 ihre 8-Stunden-Schicht beginnen Minimierung der Anzahl der Reparaturspezialisten Z =x 1 +x 2 +x 3 +x 4 +x 5 +x 6 Nb: Zeitintervall Uhrzeit Mindestanzahl NNB: x i 0 x 1 + x 6 3 x 1 + x 2 8 x 2 + x 3 10 x 3 + x 4 8 x 4 + x 5 14 x 5 + x
26 Ausgangstableau mit Wahl des Pivotelementes Xi - Entscheidungsvariable Yi Schlupfvariable 1 X1 X2 X3 X4 X5 X6 Y1 Y2 Y3 Y4 Y5 Y6 RHS Y Y Y Y Y Y Z
27 optimales Tableau: BV X1 X2 X3 X4 X5 X6 Y1 Y2 Y3 Y4 Y5 Y6 RHS X Y x Y X X Z X1 = 3 X2 = 10 X3 = 0 X4 = 9 X5 = 5 X6 = 0 Z = 27 x1 x2 x3 x4 x5 x6 Ist >= Personen =>= >= =>= >= =>= =>= 5 z
28 Opportunitätskostenauswertung wenn in der 3. Schicht ein Reparaturspezialist eingesetzt wird, folgt: X3 =1 BV X1 X2 X3 X4 X5 X6 Y1 Y2 Y3 Y4 Y5 Y6 RHS X Y X Y X X Z X = = = = = = = = x3 hat Opportunitätskosten 0 mehrere optimale Lösungen x1 x2 x3 x4 x5 x6 Ist >= Personen =>= >= =>= >= =>= =>= 5 z
29 Übung min z = 8x 1 + 7x 2 2x 1-4x 2 4 1x 1 5 4x 1 + 3x 2 = 42-5x 1 + 4x 2 25 x 1 0 x 2 R 29
30 max z = -8x 1 7(x 2+ -x 2- ) 2x 1-4 (x 2+ -x 2- ) 4-1x 1-5 Analytische Lösung -5x 1 + 4(x 2+ - x 2- ) 25 4x (x 2+ - x 2- ) 42-4x 1-3 (x 2+ - x 2- ) -42 x1 x2+ x2- x3 x4 x5 x6 x7 z b x x x x x z /1-7/3 x1 x2+ x2- x3 x4 x5 x6 x7 z b x3 0-11/2 11/ /2 0-17/1 x4 0 3/4-3/ /4 0 11/2 x5 0 31/4-31/ / /2 x6 0 0/1 0/ /1 0 0/1 x1 1 3/4-3/ /4 0 21/2 -z x / /11 0 3,09 x / /11 0 3,18 x / / ,55 x / ,00 x / /11 0 8,18 -z / / ,09 30
31 Hinweis Da Minimierungsprobleme mit Nebenbedingungen im allg. aufwendig zu lösen sind, ist es effizienter, die Lösung dem O- Tableau der entsprechenden dualen Aufgabe zu entnehmen. 31
32 Primales Problem Das Duale Problem zum Primalen-Problem Duales Problem Max Z n j 1 c j x j, Min F m i 1 b i yi, m NB. n j 1 aij x j bi, n NB. m i 1 a ij y i c j, für i 1,2,,m. j 1,2,,n. für i 1,2,,m. j 1,2,,n. n NNB. x j 0, m NNB. y i 0, Das duale Problem verwendet die gleichen Parameter wie das primale Problem, aber in unterschiedlicher Position. 32
33 Primale Aufgabe duale Aufgabe Min F =x 1 +x 2 +x 3 +x 4 +x 5 +x 6 Max Z =3y 1 +8y 2 +10y 3 +8y 4 +14y 5 +5y 6 NB: x 1 + x 6 3 x 1 + x 2 8 x 2 + x 3 10 x 3 + x 4 8 x 4 + x 5 14 x 5 + x 6 5 y 1 + y 6 1 y 1 + y 2 1 y 2 + y 3 1 y 3 + y 4 1 y 4 + y 5 1 y 5 + y 6 1 NNB: x i 0 NNB: y i 0 33
34 x1 x2 x3 x4 x5 x6 Z Ansatz und Lösung für max-aufgabe y1 y2 y3 y4 y5 y6 x1 x2 x3 x4 x5 x6 b Optimales Tableau nach der 4.Iteration y1 y3 x3 y5 y6 x6 Z Opt. Lösung für das primale Problem: x1 x2 x3 x4 x5 x6 z (In diesem Fall auch 4 Iterationen, wenn als primale Aufgabe gelöst.) Schlupfvariable 34
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
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 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..............................
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
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.
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)
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
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
MehrZuordnungsproblem. Beispiele. Mathematisches Modell. Lösungsmethoden. auch Ernennungs-, Zuweisungs-, Assignmentproblem
Zuordnungsproblem auch Ernennungs-, Zuweisungs-, Assignmentproblem Beispiele Mathematisches Modell Lösungsmethoden HTW-Berlin FB3 Prof. Dr. F. Hartl 1 2 Anwendungen Zuordnung von - 1 ME von A i nach B
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
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
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
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
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
Mehr10.2 Dualitätstheorie Operations Research. In der Standardform eines Maximierungsproblem: b e ) mit ( w) + a ej ) x j + x g = ( b g + g G
48 0 Operations Research In der Standardform eines Maximierungsproblem: Max ( w) mit ( w) + u. d. N. z + x l + n ( a gj + j= g G e E n d j x j = z 0 j= n a l j x j = b l für alle l L j= x g n + a gj x
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
Mehr(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
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
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,
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.
Mehr1 Lineare Optimierung, Simplex-Verfahren
1 Lineare Optimierung, Simplex-Verfahren 1.1 Einführung Beispiel: In einer Fabrik werden n Produkte A 1, A 2,..., A n hergestellt. Dazu werden m Rohstoffe B 1, B 2,..., B m (inklusive Arbeitskräfte und
MehrDualitätssätze 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 =
MehrWiederholung. Wir gehen von LP s in Standardform aus, wobei A R m n vollen Zeilenrang hat: minc T x A x = b
Wiederholung Wir gehen von LP s in Standardform aus, wobei A R m n vollen Zeilenrang hat: minc T x A x = b x 0. x R n heißt Basislösung, wenn Ax = b und rang(a J ) = J, wobei J = {j x (j) 0}; Basislösung
Mehr1 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
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
Mehr1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme. Duales Problem. a i u i + i=1. j=1
1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme Duales Problem Lemma 1.4. Das zum Transportproblem duale Problem lautet: max unter den Nebenbedingungen m a i u i + i=1
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Rechnerische Lösung - Simplex- Algorithmus LO - Auswertung des
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)
Mehrz = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist
Kapitel 5 Die Simplexmethode Es werden folgende Bezeichnungen verwendet: - das untersuchte Problem ist min x R n { z = c T x : Ax = b, x 0 }, - die erste zulässige Basislösung sei x = x 1, x 2,, x m, 0,,
MehrLineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2
Lineares Optimieren W. Kippels 1. April 015 Inhaltsverzeichnis 1 Einleitung Die Beispielaufgabe Einführung von Schlupfvariablen 4 Die Simplex-Methode 5 Das Basis-Austauschverfahren 4 6 Fortsetzung der
MehrTeil 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,
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
MehrOperations Research. Linearoptimierung. Bearbeitet von Peter Stingl
Operations Research Linearoptimierung earbeitet von Peter Stingl Auflage 22 uch 76 S Hardcover ISN 978 446 228 8 Format ( x L): 4,5 x 2 cm Gewicht: 26 g Wirtschaft > etriebswirtschaft: Theorie & Allgemeines
MehrLineare Optimierungsmodelle
Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung
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:
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
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.
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
MehrLineare Programmierung Teil I
Seminar über Algorithmen Prof. Dr. Helmut Alt Lineare Programmierung Teil I Lena Schlipf, Benjamin Jankovic Lena Schlipf, Benjamin Jankovic Seminar über Algorithmen SS05 1 Struktur des Vortrags 1. Was
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
MehrKlausurkolloquium. Musterlösung Produktionscontrolling: Lineare Programmierung
Klausurkolloquium Musterlösung Produktionscontrolling: Lineare Programmierung Fallstudie Die GOGO GmbH ist ein mittelständisches gewinnorientiertes Unternehmen. Das taktische Produktionsprogramm einer
MehrSensitivitätsanalyse in der Linearen Optimierung
Sensitivitätsanalyse in der Linearen Optimierung Bei der Sensitivitätsanalyse werden i. allg. Größen des Ausgangsproblems variiert, und es wird untersucht, welche Wirkung eine derartige Modifikation auf
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
MehrStudientag 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
MehrNumerische 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)
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
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
MehrOperations Research. Die Simplexmethode. LP-Dualität. Die Simplexmethode. Rainer Schrader. 18. Juni Zur Erinnerung: Gliederung
Operations Research Rainer Schrader Die Simplexmethode Zentrum für Angewandte Informatik Köln 18 Juni 00 1 / 1 / 1 Gliederung LP-Dualität ein lineares Produktionsmodell der Simplexalgorithmus Phase I Endlichkeit
MehrLineare Programmierung (2)
Inhalt Rückblick Motivation - linearen Programmierung Flussprobleme Multiple Warenflüsse Fortsetzung Simplex Algorithmus Initialisierung Fundamentalsatz der linearen Programmierung schwache Dualität Dualität
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
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
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
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
MehrLineare Optimierung und Simplex-Algorithmus
Lineare Optimierung und Simplex-Algorithmus Problemstellung Beispiel : Unser Unternehmen verfügt über drei Maschinen A, B, C, mit denen zwei verschiedene Produkte P, P2 hergestellt werden. Die Maschinen
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.
MehrAlgorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck
Lemma 15 KLP 1 ist genau dann lösbar, wenn das dazugehörige LP KLP 2 eine Lösung mit dem Wert Z = 0 besitzt. Ist Z = 0 für x 0, x 0, dann ist x eine zulässige Lösung von KLP 1. Beweis von Lemma 15: Nach
MehrDie duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme
Kapitel 11 Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Wir betrachten folgendes Optimierungsproblem z = c T x min! Ax = b (11.1) (11.2) x j ganz für j = 1,..., n 1 n, (11.3)
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
Mehr7.1 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
MehrLeibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Wiederholungsklausur zur Vorlesung Operations Research im Wintersemester
Mehr4. 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
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:
Mehr1. Entscheidung bei Unsicherheit
Prof. Dr. Ma C. Wewel Lösungen zu den Übungsaufgaben Management Science Seite. Entscheidung bei Unsicherheit A. B. C. 6 km 6 km 6 km D. a) Nutzenmatri (Kundenanteile von K in %) u(k A,M A ), 6 +, 6 +,
MehrEinführung in die Lineare Programmierung
Einführung in die Lineare Programmierung Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 RWTH Aachen 28. Mai 2008 Elementares Beispiel Die kanonische Form Die algebraische Gleichungsform Gegeben seien
MehrAufgaben zu Kapitel 23
Aufgaben zu Kapitel 23 Aufgaben zu Kapitel 23 Verständnisfragen Aufgabe 23 Bestimmen Sie grafisch die optimale Lösung x der Zielfunktion z = c T x unter den Nebenbedingungen mit dem Zielfunktionsvektor
MehrOptimierung. Nürnberg, Oktober 2015
1 Optimierung Nürnberg, Oktober 2015 Prof. Dr. Yvonne Stry Technische Hochschule Nürnberg Fakultät Angewandte Mathematik, Physik und Allgemeinwissenschaften Keßlerplatz 12 90461 Nürnberg Germany 1 Beispiel
MehrOperations Research / Graphentheorie Inf. 1.1/ 1.2
Operations Research / Graphentheorie Inf. 1.1/ 1.2 Inhaltsangabe Simplex-Algorithmus Simplex-Verfahren (Maximierung)...2 Gleichungen als Restriktionen...4 Minimierung der Zielfunktion...4 Graphische Lösung
Mehr3. Schnittebenenverfahren
3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research
MehrVorlage zur Dokumentation der täglichen Arbeitszeit
Monat/Jahr: Januar 2016 Fr, 01 0:00 Sa, 02 0:00 So, 03 0:00 Mo, 04 0:00 Di, 05 0:00 Mi, 06 0:00 Do, 07 0:00 Fr, 08 0:00 Sa, 09 0:00 So, 10 0:00 Mo, 11 0:00 Di, 12 0:00 Mi, 13 0:00 Do, 14 0:00 Fr, 15 0:00
MehrKapitel 2: Lineare Optimierung
Kapitel 2: Lineare Optimierung Aufgabe 2.1: Lösen Sie zeichnerisch die folgenden LP-Modelle: a) Max. F(x,y) = 4x + 3y b) Max. F(x,y) = x + y c) Max. F(x,y) = x y x + 3y 9 5x + y 1 2x y x + 2y 2 x + 2y
MehrHausarbeit Operations Research
Hausarbeit Operations Research - Der Simplex-Algorithmus - Eingereicht von: Christoph Böhm MatrikelNr.: 10014637 Am Anger 30a 91365 Weilersbach (0163) 26 09 738 boehm.christoph@siemens.com vorgelegt bei:
MehrMathematikreferat. von. Matthias Faß FG 99
Mathematikreferat von Matthias Faß FG 99 im Mai 2002 Inhaltsverzeichnis: Seite 1. Einleitung: Was ist eigentlich lineare Optimierung? 1 2. Geschichte der linearen Optimierung 1 3. Graphisches Verfahren
MehrKapitel 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
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
MehrOptimierung 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
MehrVorlage zur Dokumentation der täglichen Arbeitszeit
Monat/Jahr: Januar 2015 Do, 01 Fr, 02 Sa, 03 So, 04 Mo, 05 Di, 06 Mi, 07 Do, 08 Fr, 09 Sa, 10 So, 11 Mo, 12 Di, 13 Mi, 14 Do, 15 Fr, 16 Sa, 17 So, 18 Mo, 19 Di, 20 Mi, 21 Do, 22 Fr, 23 Sa, 24 So, 25 Mo,
MehrHaushaltsbuch Jänner 2013
Haushaltsbuch Jänner 2013 Di 1 Mi 2 Do 3 Fr 4 Sa 5 So 6 Mo 7 Di 8 Mi 9 Do 02 Fr 11 Sa 12 So 13 Mo 14 Di 15 Mi 16 Do 17 Fr 28 Sa 19 So 20 Mo 21 Di 22 Mi 23 Do 24 Fr 25 Sa 26 So 27 Mo28 Di 29 Mi 30 Do 31
MehrTeil 5: Lineare Programmierung. (Blum, Kapitel 8)
Teil 5: Lineare Programmierung (Blum, Kapitel 8) Was sind Optimierungsprobleme? Eingabe: Menge F von zulässigen Lösungen. Zielfunktion z:f R. Aufgabe: Finde x F, so dass x F : z(x) z(x ). (für Minimierungsprobleme)
MehrFachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen
Fachhochschule Bochum Fachhochschule Münster Fachhochschule Südwestfalen Verbundstudiengang Wirtschaftsingenieurwesen Prof. Dr. rer. nat. habil. J. Resch Prüfung: Mathematik Termin: 1. September 2012 Bearbeitungszeit:
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
MehrLineare Optimierungsaufgaben - eine Einführung
Lineare Optimierungsaufgaben - eine Einführung Aufgabenstellung, Beispiele, graphisches Lösen und Trafo auf Normalform Vortragsskript von Lorenz Fischer Operations Research bedeutet die Suche nach einer
MehrLineare Optimierung. Master 1. Semester
Prof. Dr.-Ing. Fritz Nikolai Rudolph Fachhochschule Trier Fachbereich Informatik Master 1. Semester Inhaltsverzeichnis 1 Einleitung... 2 1.1 Lineare Gleichungssysteme... 2 1.2 sprobleme... 3 2 Standardform...
MehrLineare Optimierung Ergänzungskurs
Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen
MehrMaximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge)
Beispiel: Produktionsplanung Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Produktionskapazität Ressourcenmenge bei als fest angenommenem
MehrLineare Optimierung Dantzig 1947
Lineare Optimierung Dantzig 947 Lineare Optimierungs-Aufgaben lassen sich mit Maple direkt lösen: with(simplex): g:= 4*x + x2
Mehrλ i x i λ i 0, x i X, nur endlich viele λ i 0}.
jobname LinOpt Sommer Aufgabe a) Sei X R n. Dann ist b) Cone X = { x i X λ i x i λ i, x i X, nur endlich viele λ i }. x Cone S = Lin S x Lin S = Cone S. Also gibt es nicht-negative Koeffizienten µ i von
MehrWangerooge Fahrplan 2016
Fahrplan Dezember 2015 Januar Januar Januar Februar Februar März So, 13.12. 10.15 11.00 12.45 12.30 13.45 14.20 Mo, 14.12. 11.30 13.00 15.30 Di, 15.12. 12.30 13.05 14.45 13.30 15.00 Mi, 16.12. 14.45 16.00
Mehr4. Lösung linearer Gleichungssysteme
4. Lösung linearer Gleichungssysteme a x + : : : + a m x m = b a 2 x + : : : + a 2m x m = b 2 : : : a n x + : : : + a nm x m = b n in Matrix-Form: A~x = ~ b (*) mit A 2 R n;m als Koe zientenmatrix, ~x
MehrModelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie)
(Die Thesen zur Vorlesung 1_Fallstudie) das Thema der Vorlesung Grundlagen der Methode der linearen Optimierung (Lineares Optimierungsmodell der Wahl der Produktionsstrategie des ) Prof. Dr. Michal Fendek
MehrOptimierung 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:
MehrÜbungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung.
Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil : Lineare Algebra und Optimierung Wintersemester Matrizenrechnung Aufgabe ( 3 0 Gegeben sind die Matrizen A = 2 5 2 4 D =
MehrMathematische Optimierung
Mathematische Optimierung Geschrieben von Jan Pöschko auf Grundlage der Vorlesung von Bettina Klinz TU Graz Sommersemester 2007 Stand: 27. Oktober 2009 Inhaltsverzeichnis I Lineare Optimierung 7 1 Grundlegende
MehrDas Lagrange-duale Problem
Das Lagrange-duale Problem Tobias Kulke 29. April 2010 1 Einführung Für jedes Paar (λ, ν) mit λ 0 liefert die Langrange-duale Funktion ( ) p g(λ, ν) = inf L(x, λ, ν) = inf f 0 (x) + λ i f i (x) + ν i h
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............................
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
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-
MehrOperations Research für Wirtschaftsinformatiker. Vorlesungsskript von Richard Mohr
Operations Research für Wirtschaftsinformatiker Vorlesungsskript von Richard Mohr Fachhochschule Esslingen, SS 2005 INHALTSVERZEICHNIS i Inhaltsverzeichnis Lineare Optimierung. Graphische Lösung des linearen
MehrOptimierung in R. Michael Scholz
N Optimierung in R Fortgeschrittene Mathematik: Optimierung (WiSe 09/10) Michael Scholz Institut für Statistik und Ökonometrie Georg-August-Universität Göttingen Fortgeschrittene Mathematik: Optimierung
MehrInhaltsübersicht für heute:
Inhaltsübersicht für heute: Dualität Anwendung: Spieltheorie Komplementarität und Sensitivitätsanalyse Spaltengenerierung Schnittebenenverfahren Welchen Simplex wann? Inhaltsübersicht für heute: Dualität
Mehr