Minimumproblem. Definition 4.7. Ein LP der Form. unter den Nebenbedingungen. d ij x j b i (i =1,...,m)
|
|
- Karsten Frank
- vor 6 Jahren
- Abrufe
Transkript
1 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. Kompakt: min Z = c T x u.d.n. Dx b, x 0 Peter Becker (H-BRS) Operations Research I Sommersemester / 298
2 Simplextableau für Minimumproblem Für die Anwendung des Simplexalgorithmus benötigen wir ein Maximumproblem in kanonischer Form. Wir können die Zielfunktion umformen zu max z := Z = c T x und die Nebenbedingungen zu Dx apple b, x 0. Problem: Wenn vorher b 0 galt, dann ist die Basislösung des Starttableaus nicht zulässig. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
3 Mit A := D entsteht das Starttableau Der Vektor x = BV x 1 x n x n+1 x n+m z b x n+1 a 1,1 a 1,n b x n+m a m,1 a m,n b m z c 1 c n b 1. b m 1 2 R n+m ist damit zwar eine Basislösung, aber C A keine zulässige Basislösung und somit auch keine Ecke von X. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
4 Dual zulässiges Tableau Definition 4.8 Ein Tableau der Form von Folie 215 mit c 0 heißt dual zulässig. Die zugehörige Basislösung ist eine dual zulässige Basislösung. Bemerkung: Wegen c 0 erfüllt ein dual zulässiges Tableau die Optimalitätsbedingung des Simplexalgorithmus. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
5 Grundidee des dualen Simplexalgorithmus Idee: Durch Pivotieren unter Wahrung der dualen Zulässigkeit (c 0) in Richtung primaler Zulässigkeit gehen. Wenn wir b 0 erreichen, dann haben wir eine zulässige Basislösung und damit eine Ecke. Wegen c 0 ist diese Ecke dann sogar eine optimale Lösung! Peter Becker (H-BRS) Operations Research I Sommersemester / 298
6 Dualer Simplex: Wahl der Pivotzeile und -spalte Wir wählen als erstes die Pivotzeile s durch b s (r) =min{ b (r) i b (r) i < 0, i =1,...,m} Anschließend die Pivotspalte t durch 8 c (r) < t a (r) =min : s,t c (r) j a (r) s,j 9 = s,j < 0 ; a (r) Damit ist das gewählte Pivotelement stets negativ. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
7 Satz 4.9 Das r-te Tableau sei dual zulässig. Wählen wir Pivotzeile und Pivotspalte gemäß Folie 218 und führen einen Basiswechsel gemäß Algorithmus 4.4 durch, dann ist das (r + 1)-te Tableau wieder dual zulässig und für den Zielfunktionswert gilt z (r+1) apple z (r). Bemerkungen: Der Basiswechsel im dualen Simplexalgorithmus wird als dualer Austauschschritt bezeichnet. Beim dualen Simplexalgorithmus wird nun solange ein dualer Austauschschritt durchgeführt, bis das Tableau auch primal zulässig ist, also b 0 gilt. Ein Tableau ist immer genau dann optimal, wenn es primal und dual zulässig ist. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
8 Beispiel zum dualen Simplexalgorithmus Beispiel 4.10 Gegeben sei das LP unter den Nebenbedingungen min Z = x 1 + x 2 x 1 2x 2 1 x 1 + 2x 2 4 x 1 + x 2 2 x 1, x 2 0 Peter Becker (H-BRS) Operations Research I Sommersemester / 298
9 Fortsetzung Beispiel Umformung ergibt unter den Nebenbedingungen Simplex-Verfahren max z = Z = x 1 x 2 x 1 + 2x 2 apple 1 x 1 2x 2 apple 4 x 1 x 2 apple 2 x 1, x 2 0 Starttableau: BV x 1 x 2 x 3 x 4 x 5 z b x x x z Pivotzeile: x 4, Pivotspalte: x 2, Pivotelement: 2 Peter Becker (H-BRS) Operations Research I Sommersemester / 298
10 Fortsetzung Beispiel Tableau: BV x 1 x 2 x 3 x 4 x 5 z b x x 2 1/ / x 5 1/ / z 1/ / Pivotzeile: x 3, Pivotspalte: x 1, Pivotelement: 2 3. Tableau: BV x 1 x 2 x 3 x 4 x 5 z b x /2 1/ /2 x /4 1/ /4 x /4 3/ /4 z 0 0 1/4 3/ /4 Peter Becker (H-BRS) Operations Research I Sommersemester / 298
11 Fortsetzung Beispiel Lösung: x 1 = 5 2, x 2 = 3 4 Simplex-Verfahren mit Z = z = Peter Becker (H-BRS) Operations Research I Sommersemester / 298
12 Primal-dualer Simplexalgorithmus Primaler und dualer Simplexalgorithmus sind nicht nur zwei alternative Verfahren. Ein großer Vorteil ergibt sich beim Zusammenspiel der beiden Varianten. Wenn eine Basislösung nicht primal aber dual zulässig ist, können wir durch duale Austauschschritte zu einer primal zulässigen Lösung kommen. Beispielanwendung: Nachträgliches Hinzufügen von Nebenbedingungen bzw. Variablen Dies nutzen wir später bei Schnittebenenverfahren bzw. großen Problemen in der ganzzahligen Programmierung. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
13 Beispiel: nachträglich Nebenbedingung hinzufügen Beispiel 4.11 Wir wollen zunächst das folgende LP lösen: max 2x 1 +3x 2 unter den Neben- und Vorzeichenbedingungen 2x 1 + x 2 apple 10 x 2 apple 3 x 1, x 2 0 Starttableau für primalen Simplexalgorithmus: x 1 x 2 x 3 x 4 b x x z Peter Becker (H-BRS) Operations Research I Sommersemester / 298
14 Fortsetzung Beispiel. Nach erstem primalen Austauschschritt: x 1 x 2 x 3 x 4 b x x z Nach zweitem primalen Austauschschritt: x 1 x 2 x 3 x 4 b x /2 1/2 7/2 x z Zunächst optimale Lösung x =(7/2, 3). Peter Becker (H-BRS) Operations Research I Sommersemester / 298
15 Fortsetzung Beispiel. Simplex-Verfahren Jetzt führen wir die zusätzliche Nebenbedingung x 1 +2x 2 apple 8 ein, die von x nicht erfüllt wird. Mit zusätzlicher Schlupfvariable x 5 0 entsteht die Gleichung x 1 +2x 2 + x 5 =8. Wir drücken nun die Basisvariablen x 1 und x 2 durch Nichtbasisvariablen aus: x x x 4 = 7 2 ) x 1 = 1 2 x x x 2 + x 4 =3 ) x 2 = x 4 +3 Damit ergibt sich für die zusätzliche Nebenbedingung x 1 +2x 2 + x 5 =8, 1 2 x x 4 + x 5 = 3 2. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
16 Fortsetzung Beispiel. Das erweiterte Simplextableau lautet damit x 1 x 2 x 3 x 4 x 5 b x /2 1/2 0 7/2 x x /2 3/2 1 3/2 z Dieses Tableau ist nicht primal aber dual zulässig. Ein dualer Austauschschritt liefert die optimale Lösung für das erweiterte LP: x 1 x 2 x 3 x 4 x 5 b x /3 0 1/3 4 x /3 0 2/3 2 x /3 1 2/3 1 z 0 0 1/3 0 4/3 14 Peter Becker (H-BRS) Operations Research I Sommersemester / 298
17 Beispiel: nachträglich Variable hinzufügen Beispiel 4.12 Wir wollen zunächst das folgende LP lösen: min 10x 1 +3x 2 unter den Neben- und Vorzeichenbedingungen 2x 1 2 x 1 + x 2 3 x 1, x 2 0 Starttableau für dualen Simplexalgorithmus: x 1 x 2 x 3 x 4 b x (I ) x (II) z (III) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
18 Fortsetzung Beispiel. Operationen (II) =(II) ( 1) und (III) =(III) 3 (II) ergeben: x 1 x 2 x 3 x 4 b x (I ) x (II) z (III) Operationen (I )=(I) ( 1/2), (II) =(II) (I )und(iii) =(III) 7 (I ) ergeben: x 1 x 2 x 3 x 4 b x /2 0 1 x /2 1 2 z 0 0 7/ Zunächst optimale Lösung x =(1, 2). Peter Becker (H-BRS) Operations Research I Sommersemester / 298
19 Fortsetzung Beispiel. Jetzt erweitern wir das ursprüngliche LP um eine Variable x 5 : min 10x 1 +3x 2 +8x 5 unter den Neben- und Vorzeichenbedingungen 2x 1 + x 5 2 x 1 + x 2 + 2x 5 3 x 1, x 2 0 x 5 1 Auf die neue ursprüngliche Tableauspalte wenden wir die gleichen 2 8 Operationen an, wie auf das ursprüngliche Tableau. Dies entspricht der Multiplikation mit den angewendeten Elementarmatrizen. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
20 Fortsetzung Beispiel. So entsteht das um die Variable x 5 erweiterte Tableau x 1 x 2 x 3 x 4 x 5 b x /2 0 1/2 1 x /2 1 3/2 2 z 0 0 7/2 3 3/2 16 Dieses Tableau ist nicht dual aber primal zulässig. Ein primaler Austausschritt liefert die optimale Lösung für das erweiterte LP: x 1 x 2 x 3 x 4 x 5 b x 1 1 1/3 1/3 1/3 1/2 1/3 x 5 0 2/3 1/3 2/3 1 4/3 z Peter Becker (H-BRS) Operations Research I Sommersemester / 298
21 Fortsetzung Beispiel. Die Matrix zur Transformation des Starttableaus in das zunächst optimale lautet B A Herleitung Übungsaufgabe.. Probe: B 1 C C A = C A Peter Becker (H-BRS) Operations Research I Sommersemester / 298
22 Vermeidung von Zyklen Zyklen im Simplexalgorithmus Bisher haben wir nicht spezifiziert, welche Spalte beim primaler Simplexalgorithmus Pivotzeile werden soll. Eine übliche Wahl für die Pivotspalte s: c s =min{c j c j < 0} Bei entarteten Basislösungen ist damit aber nicht garantiert, dass der Simplexalgorithmus terminiert. Prinzipiell möglich, wenn auch unwahrscheinlich: Es treten zyklisch immer wieder die gleichen Basislösungen auf. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
23 Beispiel 4.13 Simplex-Verfahren Vermeidung von Zyklen unter den Nebenbedingungen Starttableau: max z = 10x 1 57x 2 9x 3 24x 4 0.5x 1 5.5x 2 2.5x 3 +9x 4 apple 0 0.5x 1 1.5x 2 0.5x 3 +x 4 apple 0 x 1 apple 1 x 1, x 2, x 3, x 4 0 BV x 1 x 2 x 3 x 4 x 5 x 6 x 7 z b x x x z Peter Becker (H-BRS) Operations Research I Sommersemester / 298
24 Vermeidung von Zyklen Fortsetzung Beispiel Für Starttableau: Pivotspalte: x 1, Pivotzeile: x 5 Daraus können nun die nachfolgenden Basislösungen entstehen: Tafel. BV (2) = {x 1, x 6, x 7 }, Pivotspalte: x 2, Pivotzeile: x 6 BV (3) = {x 1, x 2, x 7 }, Pivotspalte: x 3, Pivotzeile: x 1 BV (4) = {x 2, x 3, x 7 }, Pivotspalte: x 4, Pivotzeile: x 2 BV (5) = {x 3, x 4, x 7 }, Pivotspalte: x 5, Pivotzeile: x 5 BV (6) = {x 4, x 5, x 7 }, Pivotspalte: x 6, Pivotzeile: x 4 BV (7) = {x 5, x 6, x 7 } Damit haben wir jetzt wieder das gleiche Tableau wie zu Beginn. Der Simplexalgorithmus würde nicht terminieren. Alle Basislösungen beschreiben die gleiche Ecke! Peter Becker (H-BRS) Operations Research I Sommersemester / 298
25 Vermeidung von Zyklen Maßnahmen zur Vermeidung von Zyklen Maßnahmen sind nur dann notwendig, wenn wir nicht zu einer neuen Ecke kommen. Protokollierung der Indexmenge der Basisvariablen. Tritt die gleiche Basislösung wieder auf, führen wir ein Backtracking durch, d.h. wählen eine andere Möglichkeit für die Pivotzeile oder -spalte. Die Bland sche Anti-Zyklusregel garantiert Zyklenfreiheit: Wähle bei jedem Basiswechsel für die Pivotspalte und die Pivotzeile den jeweils kleinstmöglichen Index. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
26 Vermeidung von Zyklen Beispiel 4.14 Das 6-te Tableau von Beispiel 4.13 lautet: BV x 1 x 2 x 3 x 4 x 5 x 6 x 7 z b x x x z Statt x 6 wählen wir x 1 als Pivotspalte und damit x 4 als Pivotzeile. Dann lautet das neue Tableau: BV x 1 x 2 x 3 x 4 x 5 x 6 x 7 z b x x x z Peter Becker (H-BRS) Operations Research I Sommersemester / 298
27 Vermeidung von Zyklen Fortsetzung Beispiel Damit haben zwar keine neue Ecke, aber eine neue Basislösung. Nun wird x 3 die Pivotspalte und x 7 die Pivotzeile. Es entsteht: und damit ist das LP gelöst. BV x 1 x 2 x 3 x 4 x 5 x 6 x 7 z b x x x z Peter Becker (H-BRS) Operations Research I Sommersemester / 298
28 Vermeidung von Zyklen Zusammenfassung Primaler Simplexalgorithmus für LPs in kanonischer Maximumsform. Start mit zulässiger Basislösung bzw. Ecke, pro Iteration ein Basisaustausch. Opportunitätskosten bzw. Schattenpreise bewerten die knappen Ressourcen. für Minimumsproblem. Dual zulässige Basislösungen sind i.a. keine Ecken. Optimale Lösung ist primal und dual zulässig. Zusammenspiel von primalen und dualen Austauschschritten bei zusätzlichen Nebenbedingungen oder Variablen. Vermeidung von Zyklen z.b. mit der Bland schen Anti-Zyklusregel. 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)
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
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
MehrSimplex-Verfahren. Kapitel 3. Simplex-Verfahren. Peter Becker (H-BRS) Lineare und kombinatorische Optimierung Wintersemester 2017/ / 372
Kapitel 3 Simplex-Verfahren Peter Becker (H-BRS) Lineare und kombinatorische Optimierung Wintersemester 2017/18 104 / 372 Inhalt Inhalt 3 Simplex-Verfahren Primaler Simplexalgorithmus Unbeschränktheit
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
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
Mehr3. Schnittebenenverfahren
3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research
MehrLineare 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
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
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..............................
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
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
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
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. 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,
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
MehrSchnittebenenverfahren von Gomory. Stefan Allescher 30. Juni 2005
Schnittebenenverfahren von Gomory Stefan Allescher 30. Juni 2005 Inhaltsverzeichnis 1. Grundprinzip 2. Das Verfahren von Gomory 2.1. Vorgehen 2.2. Beweis der Endlichkeit 2.3. Algorithmische Durchführung
MehrDie duale Simplexmethode
Kapitel 0 Die duale Simplexmethode Bei der dualen Simplexmethode ist eine Startlösung oftmals leichter angebbar als bei der Simplexmethode für das ursprüngliche lineare Programm, da man keine Nichtnegativitätsanforderungen
MehrCARL HANSER VERLAG. Peter Stingl. Operations Research Linearoptimierung
ARL HANSER VERLAG Peter Stingl Operations Research Linearoptimierung -446-228-6 wwwhanserde 2 Lineare Optimierungsprobleme x 2 6 P P sentartete Ecke ( 4) x +x 2 5 PPPPPPPPPPPPPPP X x + x 2 7 2x +x 2 8
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
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
MehrKapitel 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
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
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
MehrOptimierung. Vorlesung 04
Optimierung Vorlesung 04 Übungsbetrieb Mangels Teilnehmer keine Dienstagsübung mehr. Prüfung laut Paul: Di, 10. Feb. 2015 00:01-23:59 2 Was bisher geschah LP: Maximiere c T x unter Ax = b, x 0. Basis:
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 12 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG 12 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 53 Wiederholung! Basis-Startlösung berechnet! Künstliche Variablen! Erkennung von unlösbaren Problemen! Eliminierung
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
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
MehrUnimodularität. 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
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
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
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
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
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
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
MehrLineare Programmierung
asis Definition 3.38 Gegeben sei ein LP in der Normalform mit m als Rang der Matrix 2 R m n. x 2 R n mit x = b heißt asislösung gdw. n m Komponenten x i gleich Null und die zu den restlichen Variablen
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
MehrLineare 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
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:
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
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
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.
MehrIII. 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
MehrLineare Optimierungsmodelle
Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung
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
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
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.
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:
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
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
MehrEcken des Zuordnungsproblems
Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.
MehrLineare Programmierung (2)
Inhalt Rückblick Motivation - linearen Programmierung Flussprobleme Multiple Warenflüsse Fortsetzung Simplex Algorithmus Initialisierung Fundamentalsatz der linearen Programmierung schwache Dualität Dualität
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
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
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 =
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
MehrAngewandte Mathematik für die Informatik
Angewandte Mathematik für die Informatik PD Dr. Louchka Popova-Zeugmann PD Dr. Wolfgang Kössler 17. Mai 2017 1 Lineare Optimierung Allgemeine LOA Ganzzahlige Optimierung Differentialgleichungen Differentialgleichungen
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
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)
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
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
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
MehrCramersche Regel. Satz 2.26
ramersche Regel Satz 6 Es sei A R n n eine quadratische Matrix mit det(a) 6= Für das LGS Ax = b sei A j := (a,,a j, b, a j+,,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor
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
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
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............................
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.
MehrKlausurkolloquium. Musterlösung Produktionscontrolling: Lineare Programmierung
Klausurkolloquium Musterlösung Produktionscontrolling: Lineare Programmierung Fallstudie Die GOGO GmbH ist ein mittelständisches gewinnorientiertes Unternehmen. Das taktische Produktionsprogramm einer
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
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)
MehrInhaltsverzeichnis. 4 Praxisbeispiel 7
Inhaltsverzeichnis Geschichte und Entwicklung. Grundidee................................2 George B. Dantzig...........................3 Diäten-Problem von G.J. Stigler.................. 2.4 John von Neumann
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
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
MehrOptimierung. Prof. Dr. H. Maurer WWU Münster, Wintersemester 2009/2010 Vorlesungsmitschrift von Christian Schulte zu Berge. 22.
Optimierung Prof. Dr. H. Maurer WWU Münster, Wintersemester 009/00 Vorlesungsmitschrift von Christian Schulte zu Berge. Januar 00 Inhaltsverzeichnis 0 Einführung 0. Typen von Optimierungsproblemen................................
MehrAufgabe 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
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
MehrOptimierungsverfahren in der Transportlogistik
Optimierungsverfahren in der Transportlogistik Jakob Puchinger 1 1 Dynamic Transportation Systems, arsenal research Jakob Puchinger (arsenal research) Optimierungsverfahren in der Transportlogistik 1 /
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
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
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,,
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
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)
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 +,
MehrH. Meyerhenke: Kombinatorische Optimierung. Paralleles Rechnen, Institut für Theoretische Informatik, Fakultät für Informatik
VORLESUNG 13 Smoothed Analysis des Simplex-Algorithmus Nach Heiko Röglin, Universität Bonn, Vorlesungsskript Introduction to Smoothed Analysis vom 9. Januar 2012 78 Wiederholung Simplex-Algorithmus! Korrektheit:!
MehrMathematische Methoden der Algorithmik
Mathematische Methoden der Algorithmik Dozent: Prof. Dr. Sándor P. Fekete Assistent: Nils Schweer Digitalisierung: Winfried Hellmann Wintersemester 2008/2009 Inhaltsverzeichnis 2 1 Einführung Problem 1.1
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
MehrStandard-/kanonische Form Simplex Dualität Kompl./Sensitivität Spaltengen. Schnittebenen Welchen? Inhalt
Inhalt Lineare Optimierung Standardform und kanonische Form Der Simplex-Algorithmus Dualität Komplementarität und Sensitivitätsanalyse Spaltengenerierung Schnittebenenverfahren Welchen Simplex wann? 54:
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
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)
MehrKlausurrepetitorium ABWL
Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 9. August 5 Dr. Friedhelm Kulmann, Sandra Rudolph 9.8.5 Gliederung. Nichtlineare Optimierungsprobleme.. Quadratisches
MehrLineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Einführung Standard- und Schlupfformen Simplex Algorithmus Matthias Zwicker Universität Bern Frühling 2009 2 Beispiel: Wahlkampf Ziel: mit möglichst wenig Werbung eine gewisse
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,
MehrLösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik
Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik 1142KWL09 Aufgabe 1. Zeigen Sie, dass für alle n 2 gilt: n paarweise verschiedene Geraden im R 2 schneiden sich untereinander
MehrHauptsatz und Optimalitätskriterium der Simplexmethode
Kapitel 4 Hauptsatz und Optimalitätskriterium der Simplexmethode In diesem Abschnitt wird das wichtigste Verfahren zur Lösung linearer Optimierungsprobleme eingeführt die Simplexmethode Es existiere für
MehrOperations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25.
Operations Research Rainer Schrader Ganzzahlige lineare Programme Zentrum für Angewandte Informatik Köln 25. Juni 2007 1 / 49 2 / 49 Ganzzahlige lineare Programme Gliederung ganzzahlige lineare Programme
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
Mehr