Zuordnungsproblem. Beispiele. Mathematisches Modell. Lösungsmethoden. auch Ernennungs-, Zuweisungs-, Assignmentproblem
|
|
- Gert Kranz
- vor 6 Jahren
- Abrufe
Transkript
1 Zuordnungsproblem auch Ernennungs-, Zuweisungs-, Assignmentproblem Beispiele Mathematisches Modell Lösungsmethoden HTW-Berlin FB3 Prof. Dr. F. Hartl 1
2 2 Anwendungen Zuordnung von - 1 ME von A i nach B j (i, j=1,2,,m) - Jobs zu Maschinen - Außendienstmitarbeiter zu Territorien - Person zu Person zwecks Partnerschaft
3 3 Zuordnung A i zu B j Ordnen Sie jedem B j Ort einen A i Ort so zu, dass die Gesamtfahrkilometer minimal sind. Jeder A i Ort soll 1 ME liefern. A 1 1 t B 1 1 t B 2 1 t 70 Entfernung d ij km B1 B2 B3 A A A A 3 1 t B 3 A 2 1t 1 t Zulässige Zuordnung: B1 B2 B3 a i A1 1 A2 1 A3 1 b j Optimale Zuordnung: B1 B2 B3 a i A1 x11=1 1 A2 x22=1 1 A3 x33=1 1 b j Ges. 3 unabhängige Einsen. Wie viele Möglichkeiten? 3! = 3*2*1 = 6 x11 x22 x33 x11 x23 x32 x12 x21 x33 x12 x23 x31 x13 x22 x31 x13 x21 x32
4 4 Jobs zu Maschinen Drei Jobs (3 Arbeiten)können wahlweise auf drei Maschinen durchgeführt werden. Die Arbeiten sind derart zuzuordnen, dass der Gesamtenergieverbrauch minimal ist. Die einzelnen Maschinen besitzen dabei die folgenden arbeitsspezifischen Energieverbrauche : Maschine Arbeit A1 A2 A3 M M M opt. Lösung: M1 M2 M3 A1 X12=1 A2 X23=1 A3 X31=1 Minimaler Gesamtenergieverbrauch: =32
5 Aufgaben zu Personen 5 Aufgaben sollen durch 5 Personen so erledigt werden, dass die Gesamtbearbeitungszeit minimal wird. 5 Bearbeiter 5 A u f g a b e n (c ij ) B1 B2 B3 B4 B5 A A A A A Würde man alle zulässige Kombinationen betrachten, müssten 5! = 5*4*3*2*1 = 120 Berechnungen durchgeführt werden. Suche nach einem effizienten Lösungsweg: Ungarische Methode x11 x22 x33 x44 x55 x11 x22 x33 x45 x54 5
6 6 Partnerschaftsproblem Was ist das Besondere? ein Problem der Maximierung: Sympathie Gegeben seien n Personen der Gruppe A und n Personen der Gruppe B, sowie ein Antipathiekoeffizient c ij, für 1 i, j n Gesucht ist eine Zuordnung der Personen so, dass die Summe der Antipathiekoeffizienten minimal ist.
7 Das Zuordnungsproblem Spezialfall der ganzzahligen, linearen Optimierung spezielles Transportproblem, wobei m = n, a i = b i = 1 für i = 1,...,n und x ij {0, 1} ist. Das Zuordnungsproblem besteht in der Auswahl von n unabhängigen Elementen der Matrix C=[c ij ], so dass ihre Summe ein Minimum ist. (Eine Menge von Elementen dieser Matrix, bezeichnet man als unabhängig, wenn nicht mehr als eines in einer Reihe liegt.) HTW-Berlin FB3 Prof.Dr.F. Hartl 7
8 Mathematisches Modell Bestimme die Zuordnungsvariablen x ij, welche die Zielfunktion n n cijxij i 1 j 1 unter folgenden Nebenbedingungen minimieren: Jede Aufgabe i erledigen Jeder Bearbeiter j eine Aufgabe n j 1 n i 1 x x ij ij 1 1 x ij {0, 1} für i, j = 1, 2,...,n, für i = 1, 2,...n, für j = 1, 2,...n Merke: Allg. sind die Variablenwerte von zulässigen Basislösungen x ij im TOP immer ganzzahlig, solange die rechte Seite der Gleichungen und eventuelle Kapazitätsgrenzen ganzzahlig sind. Da diese Voraussetzung für das Assignment Problem stets erfüllt ist, kann die binäre Restriktion zur Nichtnegativitätsbedingung umformuliert werden: x ij 0 für i, j = 1, 2,...,n 8
9 Lösungsverfahren für das Zuordnungsproblem Standard Simplexmethode (*) Transport Simplexmethode (schneller) (*) Ungarische Methode, die die spezielle Struktur des Zuordnungsproblems noch besser ausnutzt und deshalb noch schneller als die Transport-Simplexmethode ist. (*) da die RHS stets 1 und die Matrix A nur Nullen und Einsen enthält, sind die Lösungen stark entartet (degeneriert). (Als spezielles Transportproblem hat es m+ n - 1 = 2 n 1 BV, von denen aber nur n den Wert 1 haben und der Rest null ist (primal degenerierte Lösung) es werden zum Teil Iterationen durchgeführt, die wertmäßig nichts verändert haben.) 9
10 10 Ungarische Methode Der Algorithmus wurde von den ungarischen Mathematikern D. König und E. Egervary entwickelt und von H. Kuhn im Jahre 1955 auf die Zuordnungsprobleme angewandt. sehr effizientes Lösungsverfahren. ein primal-dual LOP Verfahren, das die Dualität ausnutzt, um das Degenerationsproblem zu umgehen.
11 11 Lösungsidee Verwendung des Satzes von König Hat eine Matrix Nullen und positive Zahlen, dann ist die Mindestzahl der Deckungslinien über Zeilen und/oder Spalten, mit denen alle Nullen überdeckt werden können, gleich der Höchstzahl unabhängiger Nullen (=derjenigen Nullen, die genau einer Zeile und einer Spalte zugeordnet werden können) maximale Anzahl der unabhängigen Nullen gleich n die optimale Zuordnung gefunden.
12 12 Lösungshinweis Eine spalten- oder zeilenweise Addition beliebiger Zahlen führt nicht zu einer Beeinträchtigung der optimalen Lösung. Durch Wechsel der Vorzeichen ist eine Transformation eines Maximum- in ein Minimumproblem und umgekehrt möglich.
13 13 Lösungsschritt 1 Umwandlung der Bewertungsmatrix C in reduzierte Bewertungsmatrix C* wobei c ij * = c ij -(u i +v j ) für alle i,j (= Opportunitätskosten oc ij ) zunächst Zeilenreduktion d.h. Reduktion aller Zeilenwerte c ij um ihr jeweils minimales Zeilenelement u i, i dann Spaltenreduktion c c ij ij c ij * c u ij i v, wobei d.h. Reduktion aller neuen Spaltenwerte um ihr jeweils minimales Spaltenelement v j, i j, wobei ui minc ij j v j mincij i i j
14 14 Anfangslösung Es wurde erreicht, dass in jeder Zeile und jeder Spalte mindestens ein Opportunitätskostenwert null ist Kandidat für BV x ij = 1, da stets oc ij = 0 für BV. Diese Lösung ist dual zulässig, da alle oc ij 0. Die primale Zulässigkeit ist jedoch erst erreicht, wenn in jeder Zeile i und Spalte j der Zuordnungsmatrix genau eine Eins platziert ist (da ist oc ij = 0 und unabhängig) Schritt 2 und 3. (dann auch optimal für primal und dual)
15 15 Lösungsschritte 2 und 3 2. Ziehe Minimalzahl von Linien durch Zeilen und Spalten, so dass alle Nullelemente von C* durch Linien überdeckt sind (= Deckungslinien). Ist C* vollständig überdeckt, so lassen sich unabhängige Nullen finden. STOP. Andernfalls gehe zu Erzeuge neue Nullelemente in C*, indem aus den unbedeckten Elementen das minimale gewählt wird und ziehe dieses von jedem unbedeckten Element ab bzw. addiere es zu jedem doppelt bedeckten Element hinzu. Gehe zu 2.
16 Schritt 1. Bildung der reduzierten Matrix C* 1. Zeilenreduktion 1.1 In jeder Zeile den kleinsten Wert suchen 1.2 Subtrahiere von jeder Zeile ihr kleinstes Element. 2. Spaltenreduktion 2.1 In jeder Spalte den kleinsten Wert suchen 2.2 Subtrahiere von jeder Spalte ihr kleinstes Element. 1.2 oc 11 = c 11 (u 1 +v 1 ) (c ij ) B1 B2 B3 B4 B5 u i A A A A A B1 B2 B3 B4 B5 A A A A A v j Reduzierte Matrix C* =Matrix der Opportunitätskosten oc ij 9 Nullen 9 prim. Basisvariable 2.2 A1 8 A2 0 A3 2 A4 0 A5 3 B1 B B Der duale Zielwert läßt sich anhand der dualen Zielfunktion berechnen: B v j B u i Mindestzeitbedarf: n n F u i v j 37 i 1 j 1 16
17 Schritt 2 (Suche einer zulässigen primalen Lösung) Erzeugen eines Deckliniensystems Mit einer minimalen Anzahl von Decklinien sollen alle Nullen überdeckt werden. Zunächst wird von oben nach unten Zeile für Zeile nach einzelnen unmarkierten Nullen gesucht und die Spalten gestrichen in der sie stehen. Daraufhin werden von links nach rechts die Spalten nach einzelnen unmarkierten Nullen abgesucht und die entsprechende Zeile gestrichen. Dann werden wieder die Zeilen abgesucht und so fort, bis keine einzelne unmarkierte Null mehr in einer Spalte oder Zeile steht.* (oc ij ) B1 B2 B3 B4 B5 A A A A A Minimale Anzahl von Deckungslinien = 5 optimale Lösung * Verfahren, das leider nicht für alle Fälle bis zur vollständigen Zuordnung führt 17
18 Ergebnis der Ungarischen Methode Die unabhängigen, grünen Nullen (Opportunitätskosten=0) geben die optimale Zuordnung an. Dort ist die entsprechende primale Basisvariable gleich 1. B1 B2 B3 B4 B5 ai A A A A A bj Die primale Basislösung x 13 = x 21 = x 34 = x 42 = x 55 = 1 ist zulässig. Warum?. mit der obigen zulässigen u,v-lösung und der primalen zulässigen Lösung ist garantiert, dass x optimal ist. A1 B3, A2 B1, A3 B4, A4 B2, A5 B5 n Zuordnung der Aufgaben zu den Bearbeitern F n u i v j 37 Gesamtzeitaufwand : i 1 j 1 oder ( ) = 37 ZE 18
19 19 2. Beispiel: Erzeugen eines Deckliniensystems über Lösungsschritte 2 und 3 geg.: reduzierte Matrix C* mit Reduktionskonstante u i + v j = 35 Mit einer minimalen Anzahl von Decklinien sollen alle Nullen überdeckt werden. B1 B2 B3 B4 B5 A A A A A Decklinien aber 5 zu bestimmende unabhängige Nullen --> noch keine Lösung
20 Bsp. Lösungsschritt 3 Erzeugen neuer Nullelemente Wähle aus den unbedeckten Elementen das minimale und ziehe dieses von jedem unbedeckten Element ab bzw. addiere es zu jedem doppelt bedeckten Element hinzu. Gehe zu 2. kleinster Wert eines nicht bedeckten Feldes B1 B2 B3 B4 B5 A A A A A Die Reduktionskonstante wird um das Produkt aus Minimalwert und Differenz der Anzahl der Spalten und der Anzahl der Decklinien erhöht. Reduktionskonstante = 35 +2*(5-4) = 37 (Zeilenanzahl-Anzahl Deckungslinien ) 20
21 21 zurück zu Lösungsschritt 2. Erzeugen eines Deckliniensystems B1 B2 B3 B4 B5 A A A A A Decklinienanzahl = Zeilenanzahl Die Optimallösung kann nun bestimmt werden, da die Zahl der Deckungslinien der Zahl der Zuordnungen entspricht. Es liegen 5 unabhängige Nullelemente vor.
22 22 Ergebnis der Ungarischen Methode Die optimale Zuordnung ergibt sich aus der Lage (i,j) der unabhängigen Nullen: 0 bei (i,j) --> xij = 1 (c ij ) B1 B2 B3 B4 B5 A A A A A Optimale Lösung des Problems A1 B3, A2 B1, A3 B4, A4 B2, A5 B5 Zuordnung der Aufgaben zu den Bearbeitern Gesamtzeitaufwand = ( ) = 37 Zeiteinheiten oder aus Reduktionskonstante 37 Zeiteinheiten
23 23 Bemerkungen Die Matrix C muss gelegentlich noch angepasst werden, bevor der Ungarische Algorithmus starten kann. Wenn nicht alle Elemente c ij 0 sind, wird zu jedem Element eine geeignete Konstante hinzuaddiert, so dass alle c ij 0 größer sind. Wenn es sich um ein Maximierungsproblem handelt, muss eine geeignete Konstante gewählt werden, von der das jeweilige Element c ij subtrahiert wird, so dass gilt: n ij = M- c ij
24 Lösung mittels EXCEL Solver (cij) B1 B2 B3 B4 B5 A A A A A Lineares Modell Keine negativen Werte im Zuordnungsfeld B1 B2 B3 B4 B5 IST ai A A A A A Ist bj Zeit 37 min Zuordnungsfeld Veränderbare Zellen Zielzelle =summenprodukt( Zeitmatrix;Zuordn ungsfeld) Nebenbedingunge Veränderbare Ist = Soll Zellen n LOP- Bsp.xlsx 24
25 25 Übung U i Vj C* Mindestzeitbedarf: 109
26 26 noch keine optimale Lösung ablesbar, da anstatt 6 nur 5 markierte Nullen weitere Matrixreduktion notwendig mit Minimalelement 2: Neue reduzierte Matrix C* Mindestzeitbedarf: (6-5)*2 = 111
27 27 Optimale Zuordnung x 15 = x 24 =x 31 =x 46 =x 52 =x 63 =1 mit t = 111 ZE
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
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
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
MehrFlüsse, Schnitte, Bipartite Graphen II
Flüsse, Schnitte, Bipartite Graphen II Jonathan Hacker 06.06.2016 Jonathan Hacker Flüsse, Schnitte, Bipartite Graphen II 06.06.2016 1 / 42 Gliederung Einführung Jonathan Hacker Flüsse, Schnitte, Bipartite
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
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
MehrInhaltsverzeichnis Transportoptimierung
Inhaltsverzeichnis 2 Transportoptimierung 1 2.1 Das klassische Transportproblem....................... 2 2.1.1 Modell.................................. 2 2.1.2 Qualitative Grundlagen.........................
MehrLogistik: Transport. Grundlagen, lineare Transportund Umladeprobleme. Von Dr. Wolfgang Domschke. o. Professor für Betriebswirtschaftslehre
Logistik: Transport Grundlagen, lineare Transportund Umladeprobleme Von Dr. Wolfgang Domschke o. Professor für Betriebswirtschaftslehre Zweite, ergänzte Auflage TECHNISCH!: MOC cchule DARiviSTAOT j P e
MehrNetzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex
Netzwerk-Simplex MinCostFlow als Lineares Programm of 2 Netzwerksimplex MinCostFlow geg: gerichteter Graph G, Kapazitäten u R R 0 { }, Bedarfe b V R, Pfeilkosten c R R ges: zulässiger b-fluss f mit minimalen
MehrLineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
MehrLineare Optimierungsmodelle
Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung
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
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
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
MehrDas Linear Ordering Problem Exakte Lösungsverfahren. für NP-schwierige. VO Algorithm Engineering
Das Linear Ordering Problem Exakte Lösungsverfahren VO Algorithm Engineering für NP-schwierige Professor Dr. Petra Mutzel kombinatorische Lehrstuhl für Algorithm Engineering, LS11 Optimierungsprobleme
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
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
MehrThema 2 Lineare Optimierung Numerik Neff INHALT
INHALT 3.4 Simplexverfahren Zielfunktion: G = g 1 x 1 + g 2 x 2 + +g j x j => -G + g 1 x 1 + g 2 x 2 + +g j x j = 0 n Lösungsvariable x j m Ungleichungen als Höchstens-Bedingungen m Schlupfvariable y j
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
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrEtwas Spezielles: Zielwertsuche und Solver. Zielwertsuche
Etwas Spezielles: Zielwertsuche und Solver Zielwertsuche EXCEL kann auch Beziehungen indirekt auflösen. Die einfache Variante ist die Zielwertsuche. Für eine bestimmte Zelle ("Zielzelle") wird ein anderer
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
MehrMathematik 1, Teil B. Inhalt:
FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten
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
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrPrüfungsklausur Mathematik I für Wirtschaftsingenieure am
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 4.2.24 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 3 4 5 6 7 8 9 gesamt erreichbare P.
MehrKapitel 4. Optimierungsalgorithmen. Technische Universität Wien. Gunnar Klau Technische Universität Wien. Institut für Computergraphik und Algorithmen
Kapitel 4 Optimierungsalgorithmen Gunnar Klau Institut für Computergraphik und Algorithmen 1 Gliederung Kombinatorische vs. Ganzzahlige Optimierung Exakte Verfahren Branch-and-Bound Schnittebenenverfahren
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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-
MehrGrundlagen, Vorgehensweisen, Aufgaben, Beispiele
Hans Benker - Wirtschaftsmathematik Problemlösungen mit EXCEL Grundlagen, Vorgehensweisen, Aufgaben, Beispiele Mit 138 Abbildungen vieweg TEIL I: EXCEL 1 EXCEL: Einführung 1 1.1 Grundlagen 1 1.1.1 Tabellenkalkulation
MehrMathematik I für Wirtschaftsinformatiker
Zahlensysteme, Ungleichungen, Beträge 28.11.2008 Reelle Zahlen Dual-, Oktal-, Hexadezimalsystem Aufbau des Zahlensystems (I) Natürliche Zahlen N = {1, 2, 3,... } = Summe m + n und Produkt m n natürlicher
Mehr3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)
3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
Mehrf h c 7 a 1 b 1 g 2 2 d
) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
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
Mehr3. Schnittebenenverfahren
3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research
MehrArbeiten mit der Zielwertsuche
Arbeiten mit der Zielwertsuche Die Zielwertsuche ist eine Funktion, die auf einem iterativen Verfahren beruht. Iteration bedeutet Wiederholung. Im mathematischen Sinne versteht man darunter ein Rechenverfahren
MehrRussische Bauern- Multiplikation
Informationsblatt für die Lehrkraft Russische Bauern- Multiplikation Informationsblatt für die Lehrkraft Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: Mittelschule, technische Berufsschule Binäre
Mehr4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9
Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
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
MehrBeginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
MehrDer Solver. Gerald Kurz
Der Solver Gerald Kurz Was ist der Solver Der Solver ist ein Calc-Zusatzprogramm zur Lösung von Optimierungsaufgaben. Im Gegensatz zur Zielwertsuche können hier Aufgaben auch mit mehreren Variablen und
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
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:
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
MehrQuadratische Funktionen und Gleichungen Mathematik Jahrgangsstufe 9 (G8) Bergstadt-Gymnasium Lüdenscheid. Friedrich Hattendorf
Mathematik Jahrgangsstufe 9 (G8) Lüdenscheid Friedrich Hattendorf 4. September 2014 Vorbemerkung Die Datei entsteht noch; noch nicht alles ist optimal Hinweis zum Ausdruck: (Fast) Alles sollte noch gut
MehrVorbereitungskurs Mathematik
Vorbereitungskurs Mathematik Grundlagen für das Unterrichtsfach Mathematik für die Fachhochschulreifeprüfung Zweijährige Höhere Berufsfachschule Berufsoberschule I Duale Berufsoberschule Inhalt 0. Vorwort...
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Mehr5 Zwei spieltheoretische Aspekte
5 Zwei spieltheoretische Aspekte In diesem Kapitel wollen wir uns mit dem algorithmischen Problem beschäftigen, sogenannte Und-Oder-Bäume (kurz UOB) auszuwerten. Sie sind ein Spezialfall von Spielbäumen,
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrKommentiertes Beispiel für das Gaußsche Eliminationsverfahren
Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum
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
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
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
MehrVerbesserungsheuristiken
Verbesserungsheuristiken Bestandteile der Lokalen Suche Für schwierige Optimierungsaufgaben haben Verbesserungsheuristiken eine große praktische Bedeutung. Sie starten mit Ausgangslösungen, die von z.b.
MehrCorinne Schenka Vorkurs Mathematik WiSe 2012/13
4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:
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
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:
MehrMathematik Modul 3 -Arbeitsblatt A 3-7: LINEARE GLEICHUNGSSYSTEME MIT ZWEI VARIABLEN
Schule Thema Bundesgymnasium für Berufstätige Salzburg Mathematik Modul 3 -Arbeitsblatt A 3-7: LINEARE GLEICHUNGSSYSTEME MIT ZWEI VARIABLEN Unterlagen LehrerInnenteam Sehr oft treten in der Mathematik
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrInstitut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II Aufgaben und Lösungen SS 2005 Aufgaben Aufgabe 41 Ein Betrieb stellt zwei Produkte P 1 und P 2 her, die die
MehrScheduling-Theorie. Mathematische Modelle und Methoden für deterministische Scheduling-Probleme. LiSA - A Library of Scheduling Algorithms
Scheduling-Theorie Mathematische Modelle und Methoden für deterministische Scheduling-Probleme LiSA - A Library of Scheduling Algorithms Otto-von-Guericke Universität Magdeburg/FMA/Heidemarie Bräsel &
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
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
MehrTI-89. Gleichungssysteme
TI-89 Gleichungssysteme Hans Berger 005 Lineare Gleichungssysteme Der TI-89 kann beliebige Objekte in Variable speichern, auch ganze Gleichungen. Man kann somit beliebige Gleichungen z.b. in g1, g, g3,
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
MehrDoing Economics with the Computer Sommersemester 2002. Excel Solver 1
Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrOptimierung für Nichtmathematiker
Technische Universität Chemnitz Chemnitz, 19.10.2009 Prof. Dr. C. Helmberg, A. Lau Optimierung für Nichtmathematiker Übung 2 Einführung in die Modellierungssprache AMPL 1. Wir betrachten zunächst das Mozartproblem
MehrTipps zur Anwendung des Excel-Solvers. Vom Solver verwendete Algorithmen und Methoden
Installieren und Laden von Solver 1. Klicken Sie im Menü Extras auf Add-Ins-Manager. Wenn Solver nicht im Dialogfeld Add-Ins-Manager aufgeführt wird, führen Sie Setup erneut aus, und vergewissern Sie sich,
MehrAUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 07.03.2016 Prüfer: Univ.-Prof. Dr. Andreas
MehrDas Multi Traveling Salesman Problem
Das Multi Traveling Salesman Problem Harald Voit Seminar Ganzzahlige Optimierung 19. bis 21. Januar 2007 Wallenfels Das Multi Traveling Salesman Problem p.1/26 Übersicht Vom TSP zum ATSP Das Multi Traveling
MehrPrüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)
HTW Dresden 9. Februar 2012 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-
Mehrk 5 Mathematische Vorlagen und die Vorlage für eine nxm-matrix mit dem Pfeilcursor bzw. dem Mauszeiger doppelt anklicken
25. Grundoperationen mit Vektoren In Schulbüchern werden Vektoren üblicherweise als Spaltenvektoren dargestellt. Darum werden in den Kapiteln 2530 Beispiele fast ausschliesslich mit Spaltenvektoren gerechnet,
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrF u n k t i o n e n Gleichungssysteme
F u n k t i o n e n Gleichungssysteme Diese Skizze ist aus Leonardo da Vincis Tagebuch aus dem Jahre 149 und zeigt wie sehr sich Leonardo für Proportionen am Menschen interessierte. Ob er den Text von
MehrAlgorithmen zur Berechnung der Smith-Normalform und deren Implementation auf Parallelrechnern
Algorithmen zur Berechnung der Smith-Normalform und deren Implementation auf Parallelrechnern Gerold Jäger Institut für Experimentelle Mathematik Ellernstraße 29 45326 Essen 20. Juli 2001 1 Einführung
Mehr6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen
6. Flüsse in Netzwerken Berechnung maximaler Flüsse Satz 6.4. Ersetzt man in Algorithmus 6.1 den Schritt 2 durch 2a. Wähle den Knoten, der zuerst in eingefügt wurde. Setze. dann berechnet der arkierungsalgorithmus
Mehr=ZÄHLENWENN Zählt die nichtleeren Zellen eines Bereiches, deren Inhalte mit den Suchkriterien übereinstimmen
Excel Formel-Handbuch T. Korn 2011 =SUMME Gibt das Ergebnis einer Addition aus =SUMME(A1:A4) =SUMME(A1;A2;A4) : (Doppelpunkt) bedeutet bis bei zusammenhängenden Zellen ; (Semikolon) bedeutet und bei nicht
MehrKLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)
Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR
MehrVektorgeometrie Layout: Tibor Stolz
Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P
MehrAusarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme
Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,
Mehr7 Lineare Gleichungssysteme
118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrU. Rausch, 2010 Ganze Zahlen 1
U. Rausch, 2010 Ganze Zahlen 1 Ganze Zahlen 1 Einleitung Als ganze Zahlen bezeichnet man die natürlichen Zahlen 1, 2,, 4,..., die Null 0 und die negativen ganzen Zahlen 1, 2,, 4,... Wir verabreden die
MehrRationale Zahlen. Vergleichen und Ordnen rationaler Zahlen
Rationale Zahlen Vergleichen und Ordnen rationaler Zahlen Von zwei rationalen Zahlen ist die die kleinere Zahl, die auf der Zahlengeraden weiter links liegt.. Setze das richtige Zeichen. a) -3 4 b) - -3
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt 5 1. Semester ARBEITSBLATT 5 RECHNEN MIT BRÜCHEN. 1. Arten von Brüchen und Definition
ARBEITSBLATT 5 RECHNEN MIT BRÜCHEN 1. Arten von Brüchen und Definition Beispiel: 3 5 Zähler Bruchstrich Nenner Definition: Jeder Bruch hat folgendes Aussehen: Zähler. Der Nenner gibt an, Nenner in wie
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 =
Mehr