Untere Schranke (bound) der Bearbeitungsspanne: min. Summe; p j1,2,3 ist Zeilensumme

Größe: px
Ab Seite anzeigen:

Download "Untere Schranke (bound) der Bearbeitungsspanne: min. Summe; p j1,2,3 ist Zeilensumme"

Transkript

1 4542/ Reihenfolgeplanung Branch and Bound Seite Problemformulierung Unterscheidung zwischen Problemen der Reihenfertigung (Flow-Shop-Probleme ) und der Werkstattfertigung (Job-Shop-Probleme). Die Werkstattfertigung unterscheidet sich von der Fließfertigung, dass der Fluss der Werkstücke nicht gleichgerichtet ist, d.h. die Maschinenfolgen aller Aufträge nicht identisch sind. Ein Ablaufplan ist dann zulässig, wenn bei Einhaltung der Maschinenfolgen der Aufträge keine zwei Operationen jemals gleichzeitig auf derselben Maschine stattfinden. Ein Branch and Bound Verfahren zur Lösung von allgemeinen Flow-Shop-Problemen Berechnen eines Branch and Bound Algorithmus mit M = Maschinen Verfahren nach Ignall und Schrage S. 9 Für eine gegebene partielle Auftragsfolge gilt: t der späteste Fertigstellungszeitpunkt für die Aufträge in auf Maschine M t 2 der späteste Fertigstellungszeitpunkt für die Aufträge in auf Maschine M 2 t der späteste Fertigstellungszeitpunkt für die Aufträge in auf Maschine M Untere Schranke (bound) der Bearbeitungsspanne: für Maschine M : s t p min {p p j j2 j} min. Summe; p j,2, ist Zeilensumme für Maschine M 2 : s t p min {p (Zeit Maschine), ohne Zeitanteil p jx für Maschine M : 2 2 j2 j} s t p j für in t berücksichtigter Auftrag Untere Schranke zur minimalen Zykluszeit : s = max { s, s 2, s } Branch and Boud Verfahren von Ignall und Schrage Schritt : Aufspalten des Anfangsknotens des Verzweigungsbaumes entsprechend des zuerst zu bearbeitenden Auftrags in alternativ partielle Auftragsfolge Schritt 2: Berechnen der Schranken für die neu entstehenden Knoten Schritt : Zur weiteren Verzweigung - Erzeugung partieller Auftragsfolgen - wählt man jeweils den im Verzweigungsbaum befindlichen Knoten mit dem niedrigsten Bound aus und wiederholt Schritt 2 Schritt 4: Das Verfahren endet, wenn ein Endknoten in der letzten Zeile des Verzweigungsbaums (vollständige Auftragsfolge) erreicht wird, dessen Bound nicht größer ist als der niedrigste Bound aller im Verzweigungsbaum übrigbleibenden Knoten, die noch nicht weiter aufgespalten worden bzw. nicht mehr weiter aufspaltbar sind. mit diesen Endknoten ist eine optimale Auftragsfolge erreicht. Beispiel KE S. 4 Melanie Mothes/ Rolf Baumanns WS 08/09 Seite

2 4542/ Reihenfolgeplanung Branch and Bound Seite 2 Knoten K Masch.m Auftr.j X X 2 X X 4 A 7 0 A A Zunächst die Ermittlung der t-werte t = p = t 2 = p + p 2 = + 4 = 7 t = p + p 2 + p = = 7 Dann die Ermittlung der s-werte (Schrankenwerte) Exkurs : Was sind die Schranken? In unserem Beispiel fragen wir nach der optimalen Reihenfolge von 4 Aufträgen auf Fertigungsstufen (X ; X2 ; X) Darstellung der Reihenfolgemöglichkeiten 0 2 nach Jeder Knoten stellt eine Möglichkeit dar und wir ermitteln mit dem Maximalwert aus dem jeweiligen s, s 2, s die Zykluszeit der entsprechenden Möglichkeit. Die auf der. Seite stehende Formel für die s-werte (Schrankenwerte) verbal ausgedrückt : Schranken = Wert t aus Lösungstabelle + Rest der Zeile + min. Spaltensumme unter dem Rest der Zeile untere Schranken für Knoten K s = t + p j + min { p j2 + p j } = + ( ) + min [(+5) ; (9+) ; (2+2)] = 7 s 2 = t 2 + p j2 + min { p j } = 7 + ( ) + min [5 ; ; 2] = s = t + p j = 7 + ( ) = 7 S = max {s ; s 2 ; s } = 7 Melanie Mothes/ Rolf Baumanns WS 08/09 Seite 2

3 4542/ Reihenfolgeplanung Branch and Bound Seite s = Bearbeitungszeit der Auftragsfolge auf. Maschine + Bearbeitungszeit der anderen Aufträge auf der. Maschine + min. Stillstandszeit der.maschine bis alle Aufträge auf. Maschine fertig sind. s 2 = Bearbeitungszeit der Auftragsfolge auf 2. Maschine + Bearbeitungszeit der anderen Aufträge auf der 2. Maschine + min. Stillstandszeit der 2.Maschine bis alle Aufträge auf. Maschine fertig sind. s = Bearbeitungszeit der Auftragsfolge auf. Maschine + Bearbeitungszeit der anderen Aufträge auf der. Maschine. Maximalwert dieser drei s ergibt die min. Zykluszeit dieser Maschinenfolge Knoten K 2 2 Ab jetzt muss t, t 2, t mit Balkendiagramm ermittelt werden/oder rechnen?? längerer Weg! M M2 M Beim Rechnen die Spalten so sortieren wie die A-Werte sind Wert t aus Endtabelle + Rest der Zeile + min Spalte unter dem Rest der Zeile t =+=4 t 2 = max (+4+);(++)=5 t = max (+4+0+5);(+++5)=22 s = t + p j + min {p j2 + p j }= 4 + (7 + 0 ) + min [(9+) ; (2+2)] = s 2 = t 2 + p j2 + min {p j }= 5 + (9 + 2 ) + min [ ; 2] = 8 s = t + p j = 22 + ( + 2) = 7 S = max {s ; s 2 ; s } = Knoten K 2 Rechenweg wie vorher bei A, A + A2 t = +7+ = 2 A A A2 A A A2 t 2 = max +7++ = = = 7 t = max = = = = 22 immer höchsten Wert nehmen = = 5 Melanie Mothes/ Rolf Baumanns WS 08/09 Seite

4 4542/ Reihenfolgeplanung Branch and Bound Seite 4 Dann die s-werte: Wert t aus Endtabelle + Rest der Zeile + min Spalte unter dem Rest der Zeile s = t + p j + min {p j2 + p j }= min [2+2] = s 2 = t 2 + p j2 + min {p j }= min [ 2] = 6 s = t + p j = = 9 S = max {s ; s 2 ; s } = Knoten K 4 Schema: A, A + A4 t = +7+0 = t 2 = max = = = t = max = = = = = = Dann auch wieder die s-werte s = t + p j + min {p j2 + p j }= min [+5] = 7 s 2 = t 2 + p j2 + min {p j }= min [ 5] = 8 s = t + p j = = 9 S = max {s ; s 2 ; s } = 9 Nun eine Darstellung, wenn alle Knoten (rechts fehlt der 4. aus Platzgründen) ausgerechnet werden würden: Melanie Mothes/ Rolf Baumanns WS 08/09 Seite 4

5 4542/ Reihenfolgeplanung Branch and Bound Seite 5 Lösungstableau: Partielle Auftragsfolge ( t, t 2, t ) (s, s 2, s ) s X (, 7, 7) (7,, 7) 7 X 2 (, 2, 7) (, 9, 42) X (7, 6, 29) (7, 5, 46) 46 X 4 (0, 22, 24) (7, 4, 52) 52 X, X 2 (4, 5, 22) (, 8, 7) X, X (0, 9, 2) (7, 4, 9) 9 X, X 4 (, 25, 27) (7, 40, ) X, X, X 2 (2, 22, 7) (, 6, 9) X, X, X 4 (20, 2, 4) (7, 8, 9) 9 Optimale Auftragsreihenfolge: X, X, X 4, X 2 Melanie Mothes/ Rolf Baumanns WS 08/09 Seite 5

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research,.0.0 B Name, Vorname Matr. Nr. Aufgabe gesamt erreichbare P. () 0+ erreichte P. Bemerkungen: Die angewendeten

Mehr

3.6 Branch-and-Bound-Verfahren

3.6 Branch-and-Bound-Verfahren 36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 12.0.201 A Name, Vorname Matr. Nr. Aufgabe 1 2 6 gesamt erreichbare P. 1 () 1 1 0+ erreichte P. Bemerkungen:

Mehr

Ressourceneinsatzplanung in der Fertigung

Ressourceneinsatzplanung in der Fertigung Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Ressourceneinsatzplanung in der Fertigung Dr. Christoph Laroque Sommersemester 2012 Dresden, Ausblick: Ab

Mehr

5. Bäume und Minimalgerüste

5. Bäume und Minimalgerüste 5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein

Mehr

Lösungen von Übungsblatt 12

Lösungen von Übungsblatt 12 Lösungen von Übungsblatt 12 Algorithmen (WS 2018, Ulrike von Luxburg) Lösungen zu Aufgabe 1 Eine (kanonische) Möglichkeit, die Branch-Schritte auszuführen ergibt sich wie folgt: Das ursprüngliche Problem

Mehr

Theoretische Informatik III (Winter 2018/19) Prof. Dr. Ulrich Hertrampf. Noch einmal TSP

Theoretische Informatik III (Winter 2018/19) Prof. Dr. Ulrich Hertrampf. Noch einmal TSP Noch einmal TSP Wir hatten das TSP-Problem (Problem der Handlungsreisenden) schon als Beispiel für die Branch-and-Bound Methode kennengelernt. Nun wollen wir noch einen zweiten Algorithmus angeben, der

Mehr

Effiziente Algorithmen (SS2015)

Effiziente Algorithmen (SS2015) Effiziente Algorithmen (SS205) Kapitel 5 Approximation II Walter Unger Lehrstuhl für Informatik 2.06.205 07:59 5 Inhaltsverzeichnis < > Walter Unger 5.7.205 :3 SS205 Z Inhalt I Set Cover Einleitung Approximation

Mehr

Übungsblatt 2 - Lösung

Übungsblatt 2 - Lösung Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer

Mehr

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

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

Mehr

Planare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296

Planare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296 Kapitel 7 Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 256 / 296 Inhalt Inhalt 7 Färbungen Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 257 / 296 Jordankurve Zentrale Frage

Mehr

a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:

a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: 1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem

Mehr

Informatik II: Algorithmen und Datenstrukturen SS 2013

Informatik II: Algorithmen und Datenstrukturen SS 2013 Informatik II: Algorithmen und Datenstrukturen SS 2013 Vorlesung 11b, Mittwoch, 3. Juli 2013 (Editierdistanz, dynamische Programmierung) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen

Mehr

Datenstrukturen und Algorithmen (SS 2013)

Datenstrukturen und Algorithmen (SS 2013) Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes

Mehr

Ax = b besitzt unendlich viele Lösungen, die allgemeine Lösung lautet: 2-2x3 x = x x = -2 ;x x

Ax = b besitzt unendlich viele Lösungen, die allgemeine Lösung lautet: 2-2x3 x = x x = -2 ;x x Übung Lsg.doc Mathematik I für WiWi s (Kurs 5) Lösungen Übungsblatt, Nr. a) b) Ax = b besitzt keine Lösung, da Widerspruch in der. Zeile Ax = b besitzt unendlich viele Lösungen, die allgemeine Lösung lautet:

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung 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,

Mehr

Mathematik für Informatiker I, WS 2007/08 Musterlösung zur freiwilligen Zwischenklausur vom 4. Dezember 2007

Mathematik für Informatiker I, WS 2007/08 Musterlösung zur freiwilligen Zwischenklausur vom 4. Dezember 2007 1 Mathematik für Informatiker I, WS 007/08 Musterlösung zur freiwilligen Zwischenklausur vom 4. Dezember 007 1. Ist die Permutation f ( 1 3 4 5 6 7 8 ) 9 7 3 1 6 5 4 9 8 gerade oder ungerade? Wie lautet

Mehr

Algorithmen und Datenstrukturen 2. Stefan Florian Palkovits, BSc Juni 2016

Algorithmen und Datenstrukturen 2. Stefan Florian Palkovits, BSc Juni 2016 Algorithmen und Datenstrukturen 2 Übung 1 Stefan Florian Palkovits, BSc 0926364 e0926364@student.tuwien.ac.at 12. Juni 2016 Aufgabe 1: Es existiert eine Reduktion von Problem A auf Problem B in O(n 3 +

Mehr

Klausur Algorithmen und Datenstrukturen II 01. Agust 2016

Klausur Algorithmen und Datenstrukturen II 01. Agust 2016 Technische Universität Braunschweig Sommersemester 2016 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen und Datenstrukturen

Mehr

Branch-and-Bound und Varianten. Kapitel 3. Branch-and-Bound und Varianten. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 98 / 159

Branch-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

Mehr

Ü 425 Wenn. Aufgabe. Wenn-Bedingung. Benötigte Datei: Übungsmappe.xls. Lernen Sie eine einfache Wenn-Bedingung kennen.

Ü 425 Wenn. Aufgabe. Wenn-Bedingung. Benötigte Datei: Übungsmappe.xls. Lernen Sie eine einfache Wenn-Bedingung kennen. Ü 425 Wenn Wenn-Bedingung Benötigte Datei: Übungsmappe.xls Lernen Sie eine einfache Wenn-Bedingung kennen. Aufgabe 1. Öffnen Sie die Übungsmappe.xls. Wechseln Sie auf die Tabelle Wenn. 2. Wählen Sie die

Mehr

Klausur Algorithmen und Datenstrukturen II

Klausur Algorithmen und Datenstrukturen II Technische Universität Braunschweig Sommersemester 2017 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Arne Schmidt Klausur Algorithmen und Datenstrukturen

Mehr

Beweis: Annahme: T (n) c n, wobei c = c(m) konstant ist. Die Annahme ist ok, falls T (n)

Beweis: Annahme: T (n) c n, wobei c = c(m) konstant ist. Die Annahme ist ok, falls T (n) Beweis: Annahme: T (n) c n, wobei c = c(m) konstant ist. Die Annahme ist ok, falls T (n) ( ( ) n 3 T + T m ) 4 n n 3 c + m 4 n c + n n + C m + cn; dies gilt, falls m 2 n m C m + n 2 (bis auf, ) c m + 3

Mehr

Graphen. Definitionen

Graphen. Definitionen Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um

Mehr

Übungsblatt 5. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18

Übungsblatt 5. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 20. Dezember 2017 Abgabe 16. Januar 2018, 11:00 Uhr

Mehr

AUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR THEORIE DER LEISTUNGSERSTELLUNG 17. SEPTEMBER 2009, UHR

AUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR THEORIE DER LEISTUNGSERSTELLUNG 17. SEPTEMBER 2009, UHR FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT AUFGABENTEIL MODUL-ABSCHLUSSKLAUSUR ZUM B-MODUL NR. 31531 THEORIE DER LEISTUNGSERSTELLUNG TERMIN: PRÜFER: 17. SEPTEMBER 2009, 09 00 11 00 UHR PROF. DR. DR. H.C. G.

Mehr

OR für Wirtschaftsingenieure. Übungsserie 5: Das Traveling Salesman Problem

OR für Wirtschaftsingenieure. Übungsserie 5: Das Traveling Salesman Problem HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research Algorithmen auf Graphen OR für Wirtschaftsingenieure Übungsserie 5: Das Traveling Salesman Problem Aufgabe 1 : S 2, S 3, S 4,

Mehr

ÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 16/17. Juli 2015 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Jan Hladik

ÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 16/17. Juli 2015 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Jan Hladik Student/in: Unterschrift: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 2014 B/C/D/K ÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester Datum: 16/17. Juli 2015 Bearbeitungszeit: 90 Minuten

Mehr

Gliederung. 5. Compiler. 6. Sortieren und Suchen. 7. Graphen

Gliederung. 5. Compiler. 6. Sortieren und Suchen. 7. Graphen 5. Compiler Gliederung 1. Struktur eines Compilers 2. Syntaxanalyse durch rekursiven Abstieg 3. Ausnahmebehandlung 4. Arrays und Strings 6. Sortieren und Suchen 1. Grundlegende Datenstrukturen 2. Bäume

Mehr

Alles zu seiner Zeit Projektplanung heute

Alles zu seiner Zeit Projektplanung heute Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?

Mehr

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck

Algorithmik 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

Mehr

Verzweigen und Beschränken

Verzweigen und Beschränken Verzweigen und Beschränken Branch and Bound Sarah Bertulat, Jens Weber 27. November 2014 Gliederung Allgemeines Funktionsprinzip Rucksackproblem Das Rundreiseproblem Fragen? Sarah Bertulat, Jens Weber:

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 A Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 B Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte

Mehr

Maschinendatenerfassung

Maschinendatenerfassung Maschinendatenerfassung Inhalt 1. Pflichtenheft / Angabe 2.1. Einen AutoFilter setzen und die Maschine herausfiltern 2.2. Stillstandsursachen zuordnen 2.3 Stillstandsanfang ausrechnen und Zelle umformatieren

Mehr

Operations Research. Bewertungsverfahren :

Operations Research. Bewertungsverfahren : Operations Research Bewertungsverfahren : Ist wie NW-Ecken und Vogelsches Appr. Ein Verfahren zum Aufstellen eines recht wenig optimierten Tableaus, das dann anschließend noch durch ein Stepping Stone

Mehr

Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber

Leibniz 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

Mehr

Anhang: Ungarische Methode

Anhang: Ungarische Methode Ungarische Methode 107 Anhang: Ungarische Methode Zum Schluss des Kurses soll noch der Algorithmus der Ungarischen Methode beschrieben werden. Wir lehnen uns hierbei eng an der Darstellung von DOMSCHKE

Mehr

SCHNITTERHALTUNG (SPEKTRALE APPROXIMATION)

SCHNITTERHALTUNG (SPEKTRALE APPROXIMATION) Vorlesung 12 AUSDÜNNUNG VON GRAPHEN SCHNITTERHALTUNG (SPEKTRALE APPROXIMATION) 387 Wiederholung: Approximative Schnitterhaltung Ziel: Approximationsalgorithmus: A(S(G)) Ziele bei Eingabe eines dichten

Mehr

Aufgaben zu linearen Gleichungssystemen

Aufgaben zu linearen Gleichungssystemen Aufgaben zu linearen Gleichungssystemen Folgende lineare Gleichungssysteme sollen gelöst werden: a) x 2y 3z 3 2x 4y z 1 4x 2y z 9 b) 2x y 4 2y 2z 5 x z 6 c) 2x 4y 3z 5 4x 2y 2z 2 6x 2y 4z 7 d) x 2y 2z

Mehr

Kompetenzerwerb beim Entdecken von Mustern und Strukturen

Kompetenzerwerb beim Entdecken von Mustern und Strukturen VL 6/7/8 Kompetenzerwerb beim Entdecken von Mustern und Strukturen Modul 8.2 01./08./15. Dezember 2014 Vorlesung 06 01.12.2014 Intermezzo: Das Haus vom Nikolaus richtig oder falsch? Es gibt mehr als 15

Mehr

Klausur zur Veranstaltung Gestaltung industrieller Produktionssysteme im WS 2011/2012

Klausur zur Veranstaltung Gestaltung industrieller Produktionssysteme im WS 2011/2012 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Gestaltung industrieller Produktionssysteme im WS

Mehr

Beschreiben Sie die Eigenschaften der verschiedenen Rechnertypen an Hand:

Beschreiben Sie die Eigenschaften der verschiedenen Rechnertypen an Hand: Hochschule Harz FB Automatisierung/Informatik Fachprüfung: Parallele Algorithmen (Musterklausur) Alle Hilfsmittel sind zugelassen! 1. Aufgabe Beschreiben Sie die Eigenschaften der verschiedenen Rechnertypen

Mehr

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

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

Mehr

Klausur zur Veranstaltung Industrielle Produktionsprozesse im WS 2009/10

Klausur zur Veranstaltung Industrielle Produktionsprozesse im WS 2009/10 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Veranstaltung Industrielle Produktionsprozesse im

Mehr

Scheduling-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 Scheduling-Theorie Mathematische Modelle und Methoden für deterministische Scheduling-Probleme LiSA - A Library of Scheduling Algorithms Otto-von-Guericke Universität Magdeburg/FMA/Heidemarie Bräsel &

Mehr

2. Repräsentationen von Graphen in Computern

2. Repräsentationen von Graphen in Computern 2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen

Mehr

1. Transport- und Zuordnungsprobleme

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

Mehr

Vorlesung: Nicht-kooperative Spieltheorie. Teil 4: 2-Personen-Nullsummenspiele

Vorlesung: Nicht-kooperative Spieltheorie. Teil 4: 2-Personen-Nullsummenspiele Vorlesung: Nicht-kooperative Spieltheorie Teil 4: 2-Personen-Nullsummenspiele Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 Definition 2-Personen-Nullsummenspiele

Mehr

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober 1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße

Mehr

Minimal spannender Baum

Minimal spannender Baum Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen

Mehr

Algorithmen & Komplexität

Algorithmen & Komplexität Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg

Mehr

Skalenniveaus =,!=, >, <, +, -

Skalenniveaus =,!=, >, <, +, - ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,

Mehr

Definition 77 Sei n N. Der Median (das mittlere Element) einer total geordneten Menge von n Elementen ist deren i-kleinstes Element, wobei n i =.

Definition 77 Sei n N. Der Median (das mittlere Element) einer total geordneten Menge von n Elementen ist deren i-kleinstes Element, wobei n i =. 2. Der Blum-Floyd-Pratt-Rivest-Tarjan Selektions-Algorithmus Definition 77 Sei n N. Der Median (das mittlere Element) einer total geordneten Menge von n Elementen ist deren i-kleinstes Element, wobei n

Mehr

3. Musterlösung. Problem 1: Heapsort

3. Musterlösung. Problem 1: Heapsort Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 3. Musterlösung Problem : Heapsort ** 2 3 4 5 Algorithmus : Heapsort (A) Eingabe : Array A der Länge n Ausgabe : Aufsteigend

Mehr

Optimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn

Optimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn Optimierung Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung 1 Assignment Problem (Zuordnungsproblem) Gewichtetes Perfektes Bipartites Matching agents Costs tasks Weise jedem Agenten genau

Mehr

Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1

Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 15 P Hinweise: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Master of Science

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Master of Science Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Master of Science Wintersemester 2014/2015 Prüfungsgebiet: MWiWi 4.1 Advanced OR methods in

Mehr

Klausurrepetitorium ABWL

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

Mehr

Rechentraining. 4 a) b) c) d) e) f) g) h)

Rechentraining. 4 a) b) c) d) e) f) g) h) Rechentraining Kopfrechenaufgaben 1 a) 27 + 13 b) 45 + 25 c) 78 + 22 d) 64 + 36 e) 205 + 95 f) 909 + 91 g) 487 + 23 h) 630 + 470 i) 777 + 333 j) 34 23 k) 42 33 l) 177 78 m) 555 444 n) 1010 101 o) 808 88

Mehr

Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen

Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen

Mehr

Der Branching-Operator B

Der Branching-Operator B Branching 1 / 17 Der Branching-Operator B Unser Ziel: Löse das allgemeine Minimierungsproblem minimiere f (x), so dass Lösung(x). B zerlegt eine Menge von Lösungen in disjunkte Teilmengen. Die wiederholte

Mehr

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2016

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2016 Technische Universität Wien Institut für Computergraphik und Algorithmen Algorithms and Complexity Group 186.815 Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS 2016 5. Oktober 2016 Machen Sie

Mehr

Klausur zur Vorlesung Operations Research im Sommersemester 2009

Klausur zur Vorlesung Operations Research im Sommersemester 2009 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Operations Research im Sommersemester 2009 Hinweise:

Mehr

Im ersten Schritt müssen die Daten in die Datenansicht eingelesen werden.

Im ersten Schritt müssen die Daten in die Datenansicht eingelesen werden. Kapitel 2 FRAGESTELLUNG 1 Im ersten Schritt müssen die Daten in die Datenansicht eingelesen werden. Dazu muss man auf den Menüpunkt Datei / Öffnen / Daten gehen und die Datei commercial.sav laden. Nun

Mehr

Prpduktions- Management

Prpduktions- Management Prpduktions- Management Grundlagen der Produktionsplanung und -Steuerung Von Dr. Stefan Kiener Dr. Nicolas Maier-Scheubeck Dr. Manfred Weiß 4., wesentlich erweiterte und verbesserte Auflage R. Oldenbourg

Mehr

4.2.1 Das Verfahren von Wagner und Whitin

4.2.1 Das Verfahren von Wagner und Whitin 4.2.1 Das Verfahren von Wagner und Whitin I) Annahmen und Anwendungsgebiete Wann verwendet man typischerweise dynamische Verfahren der Bestellmengenplanung? Dynamische Verfahren der Bestellmengenplanung

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Grundlagen: Algorithmen und Datenstrukturen Sommersemester 2018 Tobias Lasser Computer Aided Medical Procedures Technische Universität München Multiplikation langer Zahlen Schulmethode: gegeben Zahlen

Mehr

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

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

Mehr

Klausur zur Vorlesung Operations Research im Wintersemester 2009/10

Klausur zur Vorlesung Operations Research im Wintersemester 2009/10 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Vorlesung Operations Research im Wintersemester 2009/10

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2014 24. März 2015 Teil Graphentheorie Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk: (a) Berechnen

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken

Mehr

Relationen und Graphentheorie

Relationen und Graphentheorie Seite Graphentheorie- Relationen und Graphentheorie Grundbegriffe. Relationen- und Graphentheorie gehören zu den wichtigsten Hilfsmitteln der Informatik, die aus der diskretenmathematik stammen. Ein Graph

Mehr

Euklidische Algorithmus, Restklassenringe (Z m,, )

Euklidische Algorithmus, Restklassenringe (Z m,, ) Euklidische Algorithmus, Restklassenringe (Z m,, ) Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 14 Gröÿter gemeinsamer Teiler Denition 1. [Teiler] Eine Zahl m N ist Teiler von n Z, wenn der

Mehr

= a) Berechnen Sie die fehlenden Funktionswerte der Wertetabelle. n

= a) Berechnen Sie die fehlenden Funktionswerte der Wertetabelle. n Info 12 IF1 GK (GA) Bearbeitungszeit: 135 min Seite 1 Aufgabe 1: rekursive Funktionen Die Hofstadter-Funktion ist definiert durch: hof ( n hof ( n 1)) + hof ( n hof ( n 2)) hof ( n) = 1 a) Berechnen Sie

Mehr

Algorithmische Bioinformatik 1

Algorithmische Bioinformatik 1 Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Algorithmen

Mehr

Rechenaufwand der LR- und LDL T - Zerlegung

Rechenaufwand der LR- und LDL T - Zerlegung 6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für

Mehr

Produktionsplanung. Wolfgang Domschke Armin Scholl Stefan Voß. Ablauforganisatorische Aspekte. Springer. Zweite, überarbeitete und erweiterte Auflage

Produktionsplanung. Wolfgang Domschke Armin Scholl Stefan Voß. Ablauforganisatorische Aspekte. Springer. Zweite, überarbeitete und erweiterte Auflage Wolfgang Domschke Armin Scholl Stefan Voß Produktionsplanung Ablauforganisatorische Aspekte Zweite, überarbeitete und erweiterte Auflage Mit 134 Abbildungen und 48 Tabellen Springer Inhaltsverzeichnis

Mehr

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1 Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung

Mehr

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31801 Problemlösen in graphischen Strukturen Termin:

Mehr

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 12

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 12 Operations Research und Wirtschaftsinformatik Prof. Dr. P. Recht // Dr. Eva-Maria Sprengel Ganzzahlige OR-Methoden: Operations Research II a Übungsblatt 12 Aufgabe 37 Auf einem Güterumschlagplatz werden

Mehr

ABITURPRÜFUNG 2010 LEISTUNGSFACH INFORMATIK

ABITURPRÜFUNG 2010 LEISTUNGSFACH INFORMATIK ABITURPRÜFUNG 2010 LEISTUNGSFACH INFORMATIK (HAUPTTERMIN) Bearbeitungszeit: 270 Minuten Hilfsmittel: Wörterbuch zur deutschen Rechtschreibung Taschenrechner (nicht programmierbar, nicht grafikfähig) (Schüler,

Mehr

Vorkurs für. Studierende in Mathematik und Physik. Einführung in Kryptographie Kurzskript 2015

Vorkurs für. Studierende in Mathematik und Physik. Einführung in Kryptographie Kurzskript 2015 Vorkurs für Studierende in Mathematik und Physik Einführung in Kryptographie Kurzskript 2015 Felix Fontein Institut für Mathematik Universität Zürich Winterthurerstrasse 190 8057 Zürich 11. September 2015

Mehr

6. Planare Graphen und Färbungen

6. Planare Graphen und Färbungen 6. Planare Graphen und Färbungen Lernziele: Den Begriff der Planarität verstehen und erläutern können, wichtige Eigenschaften von planaren Graphen kennen und praktisch einsetzen können, die Anzahl von

Mehr

Naiver Algorithmus für Hamiltonkreis

Naiver Algorithmus für Hamiltonkreis Naiver Algorithmus für Hamiltonkreis Algorithmus HAMILTON EINGABE: G = ([n], E) in Adjazenzmatrixdarstellung 1 Für alle Permutationen π : [n] [n]. 1 Falls (π(1), π(2),..., π(n)) ein Kreis in G ist, AUSGABE

Mehr

Große Lösungsräume. Leon Schmidtchen Hallo Welt Seminar - LS Leon Schmidtchen Große Lösungsräume Hallo Welt Seminar - LS2

Große Lösungsräume. Leon Schmidtchen Hallo Welt Seminar - LS Leon Schmidtchen Große Lösungsräume Hallo Welt Seminar - LS2 Große Lösungsräume Leon Schmidtchen 1.06.201 Hallo Welt Seminar - LS 2!1 Gliederung Motivation Brute Force Backtracking Pruning Leon Schmidtchen Branch & Bound 1.06.201 Hallo Welt Seminar - LS 2 Wann soll

Mehr

Von der reinen Theorie zur Anwendung: Kodieren, suchen und verschlüsseln

Von der reinen Theorie zur Anwendung: Kodieren, suchen und verschlüsseln Von der reinen Theorie zur Anwendung: Kodieren, suchen und verschlüsseln Meinolf Geck IAZ - Lehrstuhl für Algebra Tag der Wissenschaft, Juli 2014 Meinolf Geck (IAZ - Lehrstuhl für Algebra) Kodieren, suchen

Mehr

Klausur B-Modul 31541: Produktionsplanung Sommersemester 2018

Klausur B-Modul 31541: Produktionsplanung Sommersemester 2018 FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Name: Vorname: Klausur B-Modul 31541: Produktionsplanung Termin: Prüfer: 20. September 2018, 09 00 11 00 Uhr Prof. Dr. Thomas Volling Aufgabe 1 2 3 4 Σ maximale Punktzahl

Mehr

Approximationsalgorithmen

Approximationsalgorithmen Effiziente Algorithmen Lösen NP-vollständiger Probleme 320 Approximationsalgorithmen In polynomieller Zeit lässen sich nicht exakte Lösungen von NP-harten Problemen berechnen. Approximationsalgorithmen

Mehr

Aufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen u, w, y, z:

Aufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen u, w, y, z: Aufgabe 1.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (1, 2, 2, 2, 3, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (1, 2, 2, 2, 3, 4) zusammenhängend? (c) Hat jeder einfache

Mehr

Aufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, u, w, y:

Aufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, u, w, y: Aufgabe 3.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (2, 3, 3, 3, 3, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (2, 3, 3, 3, 3, 4) zusammenhängend? (c) Hat jeder einfache

Mehr

Aufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, p, w, y:

Aufgabe Gegeben sind die folgenden aussagenlogischen Formeln F, G, H über den Variablen s, p, w, y: Aufgabe 2.1 8 (a) Zeichnen Sie einen einfachen Graphen mit der Gradsequenz (1, 1, 2, 2, 4, 4). (b) Ist jeder einfache Graph mit der Gradsequenz (1, 1, 2, 2, 4, 4) zusammenhängend? (c) Hat jeder einfache

Mehr

Karlsruher Institut für Technologie. Klausur Algorithmen I

Karlsruher Institut für Technologie. Klausur Algorithmen I Klausur-ID: Vorname: Matrikelnummer: Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Jörn Müller-Quade 11. April 2018 Klausur Algorithmen I Aufgabe 1. Kleinaufgaben 15 Punkte

Mehr

Das Problem des Handlungsreisenden

Das Problem des Handlungsreisenden Seite 1 Das Problem des Handlungsreisenden Abbildung 1: Alle möglichen Rundreisen für 4 Städte Das TSP-Problem tritt in der Praxis in vielen Anwendungen als Teilproblem auf. Hierzu gehören z.b. Optimierungsprobleme

Mehr

Universität Duisburg - Essen

Universität Duisburg - Essen 1 Universität Duisburg - Essen Campus Essen Fachgebiet Statik & Dynamik der Flächentragwerke Fachprüfung - Bauinformatik 1, Teil 1 WS 18 Mittwoch, den 14.02.2018 Prof. Dr.-Ing. Carolin Birk Name :... Matr.-

Mehr

9 Minimum Spanning Trees

9 Minimum Spanning Trees Im Folgenden wollen wir uns genauer mit dem Minimum Spanning Tree -Problem auseinandersetzen. 9.1 MST-Problem Gegeben ein ungerichteter Graph G = (V,E) und eine Gewichtsfunktion w w : E R Man berechne

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 16 Programm: Einführung

Mehr

6. Musterlösung. Problem 1: Abgeschlossenheit der Addition *

6. Musterlösung. Problem 1: Abgeschlossenheit der Addition * Universität Karlsruhe Algorithmentehnik Fakultät für Informatik WS 05/06 ITI Wagner 6. Musterlösung Problem 1: Abgeshlossenheit der Addition * Zeigen oder widerlegen Sie: Die Summe 1 2 zweier Kreise ist

Mehr

P-Median Problem. Michael Enser Anzahl der ausgewählten Standorte oder Mediane

P-Median Problem. Michael Enser Anzahl der ausgewählten Standorte oder Mediane P-Median Problem Michael nser 4..20 Inhaltsverzeichnis Allgemeines p-median-problem. Allgemeine ention............................. 2.2 in kleines eispiel.............................. 2 2 -median Problem

Mehr