2 Erweitertes Anwendungsspektrums der diskreten Simulation
|
|
- Benedict Böhme
- vor 6 Jahren
- Abrufe
Transkript
1 Diskrete Simulation und heuristische Suchverfahren zur Entscheidungsunterstützung in der Fertigung Dipl.-Ing. Mathias Schulz 1 Einleitung Zur Untersuchung des dynamischen Verhaltens technischer Systeme wird besonders in der Fertigungsindustrie seit vielen Jahren die diskrete Simulation eingesetzt. Klassische was wenn -Fragestellungen (z.b. "Was geschieht beim Hinzufügen weiterer Maschinen?") bilden in der Entwurfsphase oder bei der Verbesserung eines existierenden Fertigungssystems oft den Gegenstand einer Simulationsuntersuchung. Obwohl eine Vielzahl von Simulatoren und Simulationssprachen für diskrete Systeme am Markt verfügbar ist, hält sich die Akzeptanz der Simulationstechnik noch immer in Grenzen. Das gilt insbesondere für deren Nutzung in der industriellen Praxis. Selbst in einem klassischen Anwendungsbereich wie der Planung von Fertigungssystemen, in dem die Simulation zweifellos ihre Leistungsfähigkeit unter Beweis gestellt hat, bestehen bei Entscheidungsträgern und potentiellen Anwendern oft Vorbehalte und Ablehnung. Einer Studie des Fraunhofer-Institutes für Materialfluß und Logistik [IML-96] zufolge, die auf einer Umfrage unter ca. 3 mittelständischen Unternehmen basiert, wurde in gerade 5 % der befragten Unternehmen die diskrete Simulation als Hilfsmittel zur Entscheidungsunterstützung eingesetzt. Weitere 26 % der Unternehmen bekundeten die eventuelle Absicht, sich künftig der diskreten Simulation bedienen zu wollen. Außerdem ergab sich, daß nur etwa die Hälfte der Unternehmen über ausreichende Informationen zu den Möglichkeiten der diskreten Simulation und den erreichbaren Nutzen des Simulationseinsatzes verfügte. 2 Erweitertes Anwendungsspektrums der diskreten Simulation Ungeachtet dieser widersprüchlichen Ausgangssituation beginnt die diskrete Simulation sich auf ein neues Anwendungsgebiet zu erweitern. Seit etwa Anfang der 9er Jahre wird die Simulation in zunehmendem Maße als wünschenswertes Hilfsmittel auch im operativen Bereich der Produktion angesehen, um prozeßbegleitend den zu erwartenden Fertigungsverlauf kurzfristig analysieren zu können. Damit würde eine deutlich zuverlässigere Planung und Terminierung bis hinein in den Bereich Fertigungssteuerung möglich werden. Die zentrale Aufgabe besteht dabei in der zeitlichen Zuordnung einzelner Aufträge oder Arbeitsgänge zu bestimmten Betriebsmitteln. Das umfaßt auch die Festlegung der
2 organisatorischen Reihenfolge der Abarbeitung dieser Aufträge bzw. Arbeitsgänge. Besonders für die Koordinierung des Fertigungsverlaufes bei unterschiedlichen Erzeugnissen mit unterschiedlichen technologischen Bearbeitungsfolgen (Job Shop: Bild 1) ist eine rechentechnische Unterstützung dieser Aufgaben wünschenswert. Drehmaschine 1 Drehmaschine 2 Fräsmaschine 1 Fräsmaschine 2 Fräsmaschine 3 Schweißerei Bohrwerk 1 Bohrwerk 2 Zwischenlager Montage Schleifzelle Lackiererei Endabnahme Auslieferung Zeit Bild 1: Schematische Darstellung verschiedener Bearbeitungsfolgen für unterschiedliche Produkte in einer Fertigungswerkstatt, Ausschnitt aus einer zugehörigen Belegungsplanung (GANTT-Diagramm) Geht man von einer erfolgreichen Integration eines Simulationsmodells in ein System zur Steuerung und Feinterminierung der Fertigung aus, ergibt sich eine zusätzliche Anforderung an die Simulation. Zwar wird durch die Integration der Simulation eine genauere Bewertung der jeweiligen Belegungspläne ermöglicht, aber deren tatsächliche Qualität gegenüber optimalen Lösungen bleibt unbekannt. Angesichts der Komplexität von Problemen der Ablaufplanung ist jedoch ein sonst für die diskrete Simulation typisches Experimentieren mit alternativen Lösungen wenig erfolgversprechend. Sinnvoll ist daher die Einbeziehung von Verfahren, die eine Bewertung von Simulationsergebnissen und die systematische Suche nach neuen Alternativen übernehmen. Für diese Aufgabe haben sich heuristische Verfahren wie die Simulierte Abkühlung (Simulated Annealing) oder die Tabusuche (Tabu Search) als tauglich erwiesen [GLO-93] [AMI-93] [AND-94] [FLE-95]. 3 Moderne heuristische Verfahren Die Tabusuche ist ein speicherbasiertes Suchverfahren. Zu Beginn eines Suchlaufes wird eine zulässige Lösung des jeweiligen Problems als Anfangslösung benötigt. Bei Problemen mit Auftragsreihenfolgen ist das eine beliebige Reihenfolge von n Aufträgen. Aus der Ausgangslösung wird eine Anzahl neuer Lösungen s' gebildet. Diese sogenannten benachbarten Lösungen bilden eine Nachbarschaft N(s) der Ausgangslösung s. Benachbarte Lösungen werden jeweils durch eine bestimmte Operation, wie z.b. Vertauschung oder Einfügen, aus der Ausgangslösung abgeleitet. Die neuen Lösungskandidaten werden
3 anschließend im Hinblick auf eine gewünschte Zielfunktion bewertet. Die Operation, die zur besten zulässigen Lösung innerhalb einer Nachbarschaft führt, wird für eine bestimmte Anzahl nachfolgender Iterationen ausgeschlossen, d.h. sie wird "tabu" gesetzt und in einer sogenannten Tabuliste gespeichert. Anders als bei der Tabusuche wird bei der Simulierten Abkühlung die Akzeptanz einer neuen Lösung von einer Wahrscheinlichkeitsfunktion gesteuert. Je nach Einstellung dieser Funktion und Fortschritt des Suchverlaufes erlaubt das Verfahren neue Lösungen auch mit einer bestimmten Verschlechterungsrate. Diese Rate wird im Verlauf der Suche schrittweise reduziert. Die Simulierte Abkühlung beginnt mit einer ersten zulässigen Lösung des jeweiligen Problems. Danach wird eine weitere Lösung untersucht. Ist der Zielfunktionswert der neuen Lösung besser als der vorherige, dann wird diese neue Lösung akzeptiert. Andernfalls wird über die Annahme der schlechteren Lösung auf Grundlage einer zu berechnenden Übernahmewahrscheinlichkeit entschieden. Die Wahrscheinlichkeit WK wird anhand einer Exponentialfunktion e - ZF/temp berechnet. Dabei ist ZF die Differenz zwischen aktueller und vorheriger Lösung. Der Parameter temp steht in Anlehnung an den Ursprung des Verfahrens für die herrschende Temperatur des Systems. Sein Wert berechnet sich aus einer speziellen Temperatur- oder Abkühlungsfunktion. Die jeweils herrschende Temperatur wird als Funktion der aktuellen Iteration k vereinbart, d.h. temp=f (k). WK {Akzeptanz ZF}= f ( ZF, temp) = e 1 ZF / temp ; ; ZF ZF > Die so berechnete Übernahmewahrscheinlichkeit wird mit einer gleichverteilten Zufallszahl im Intervall [,1] verglichen. Liegt die Wahrscheinlichkeit über der Zufallszahl, wird die Lösung trotz Verschlechterung akzeptiert. Im Fall der Ablehnung wird eine neue potentielle Lösung nach dem selben Schema bewertet. Das Verfahren endet spätestens, wenn die Temperatur den Wert erreicht hat. 4 Vergleich von Tabusuche und Simulierter Abkühlung Um eine Aussage über das Verhalten von Tabusuche und Simulierter Abkühlung zu erhalten, wurden die entscheidenden Parameter beider Verfahren experimentell untersucht. Für die Tabusuche ist dieser Parameter die. Bei der Simulierten Abkühlung sind besitzt die Starttemperatur einen wesentlichen Einfluß auf die Güte der Lösungen. Beide Verfahren wurden in Simulationsmodelle in der Sprache SIMAN V [PEG-95] integriert. Das erste Modell beschreibt ein allgemeines Werkstattbelegungsproblem mit 1 Maschinen und 1 Aufträgen. Dabei liegen die Daten des Problems aus [Muth-63] zugrunde,
4 das erstmals exakt im Jahr 1987 gelöst werden konnte. Bei der Lösung wurde nach einer Vergabe von Prioritätswerten unter den 1 Aufträgen gesucht, die eine möglichst kleine erlaubt. Die experimentelle Untersuchung wurde für jede Parametereinstellung des Suchverfahrens in 5 Läufen mit einer Länge von 1 Iterationen durchgeführt. Für diese Läufe wurden jeweils die gleichen Anfangsreihenfolgen verwendet Bild 2a: Tabusuche beim 1 1-Problem Bild 2b: Simulierte Abkühlung beim 1 1-Problem Bild 2c: Bild 2a Bild 2d: Bild 2b Bild 2 zeigt die Ergebnisse der Experimente mit dem 1 1-Problem. Die Tabusuche erzielte dabei erkennbar bessere Resultate als die Simulierte Abkühlung. Mit einer Vergrößerung der liefert das Suchverfahren zunehmend bessere Lösungen, wobei gleichzeitig die der Ergebnisse abnimmt (Bild 2a und 2c). Bei der Simulierten Abkühlung kann ein ähnliches Verhalten beobachtet werden, die Lösungsgüte der Tabusuche kann jedoch nicht erreicht werden.
5 Die gleichen Experimente wurden am noch komplexeren 2 5-Problem mit 2 Aufträgen und 5 Maschinen durchgeführt. Auch hier erweist sich die Tabusuche als das leistungsfähigere Verfahren. Die der Ergebnisse ist in beiden Fällen aber deutlich größer als beim 1 1-Problem, da aufgrund der Problemgröße eine andere Nachbarschaftsstruktur verwendet wurde Bild 3a: Tabusuche beim 2 5-Problem Bild 3b: Simulierte Abkühlung beim 2 5-Problem Bild 3c: Bild 3a Bild 3d: Bild 3b 6 Zusammenfassung Die diskrete Simulation von Fertigungsprozessen kann auch im Bereich kurzfristiger Planungs- und Steuerungsaufgaben als Hilfsmittel zur Entscheidungsunterstützung angewendet werden. Aufgrund einer detaillierteren Modellierung von Systemstrukturen und
6 Prozeßverläufen läßt sich so prinzipiell eine höhere Planungssicherheit auch im operativen Bereich der Fertigung erzielen. Wegen der Komplexität ablaufplanerischer Probleme ist jedoch eine Ergänzung der Simulation durch Suchstrategien wünschenswert, da möglichst gute Lösungen im Hinblick auf eine gewünschte Zielfunktion anders kaum erzielt werden können. Am Beispiel komplizierter Testprobleme wurde das Lösungsverhalten von zwei geeigneten Verfahren, der Simulierten Abkühlung und der Tabusuche, untersucht. Als Zielgröße wurde nach einer minimalen für eine Menge von 1 bzw. 2 Aufträgen bei einem allgemeinen Werkstattbelegungsproblem gesucht. Beide Verfahren erlaubten für die betrachteten Testprobleme das Auffinden von Lösungen, die deutlich besser sind als Lösungen, die unter Verwendung von Prioritätsregeln erzielt werden können [AMI-93]. Die Tabusuche erwies sich in beiden Fällen als das leistungsfähigere Verfahren. 7 Literatur [AMI-93] Dell Amico, M.; Trubian, M.: Applying tabu search to the job-shop scheduling problem.annals of Operations Research 41(1993), pp , J.C. Baltzer [AND-94] Anderson, E.J.: The Management of Manufacturing - Models and Analysis. Wokingham, Reading : Addison Wesley 1994, p [FLE-95] Fleischer, M.: Simulated annealing: Past, present, and future. Proceedings of the 1995 Winter Simulation Conference, pp , New York: IEEE 1995 [GLO-93] [IML-96] Glover, F.; Taillard, E.; de Werra, D.: A user's guide to tabu search. Annals of Operations Research 41(1993), pp: J.C. Baltzer Fraunhofer-Institut für Materialfluß und Logistik (IML): Markterhebung: Situationsanalyse "Simulation in Produktion und Logistik in Deutschland". Dortmund: IML, [MUT-63] Muth, J.F.. et al.: Industrial scheduling. Englewood Cliffs, NJ: Prentice-Hall [PEG-95] Pegden, C.D.; Shannon, R.E.; Sadowski, R.D.: Introduction to Simulation using SIMAN. New York, St. Louis, San Francisco [u.a.]: Mc Graw-Hill, 1995.
allgemeines Werkstattbelegungsproblem (Job-Shop-Problem) Werkstattbelegung bei Fließfertigung (Flow-Shop-Problem)
Simulation und heuristische Suche für die Werkstattsteuerung Dipl.-Ing. M. Schulz Einleitung Bisher liegt die Mehrzahl von Anwendungen der diskreten Simulation im Bereich der off-line Untersuchung von
MehrVerbesserungsheuristiken
Verbesserungsheuristiken Bestandteile der Lokalen Suche Für schwierige Optimierungsaufgaben haben Verbesserungsheuristiken eine große praktische Bedeutung. Sie starten mit Ausgangslösungen, die von z.b.
Mehr5. Lokale Suchverfahren. Beispiel TSP: k-change Nachbarschaft. Nachbarschaft. k-opt Algorithmus
5. Lokale Suchverfahren Lokale Suche 5. Lokale Suchverfahren Beispiel TSP: k-change Nachbarschaft Optimale Lösungen können oft nicht effizient ermittelt werden. Heuristiken liefern zwar zulässige Lösungen,
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
MehrHeuristische Verfahren
Heuristische Verfahren Bei heuristischen Verfahren geht es darum in polynomieller Zeit eine Näherungslösung zu bekommen. Diese kann sehr gut oder sogar optimal sein, jedoch gibt es keine Garantie dafür.
MehrKoordination interdependenter Planungssysteme in der Logistik
Leif Hendrik Meier Koordination interdependenter Planungssysteme in der Logistik Einsatz multiagentenbasierter Simulation im Planungsprozess von Container-Terminals im Hafen Mit einem Geleitwort von Prof.
MehrExkurs Modelle und Algorithmen
Exkurs Modelle und Algorithmen Ansatz künstlich neuronaler Netze (KNN) Versuch, die Wirkungsweise menschlicher Gehirnzellen nachzubilden dabei wird auf formale mathematische Beschreibungen und Algorithmen
MehrOptimale Steuerung 1
Optimale Steuerung 1 Kapitel 6: Nichtlineare Optimierung unbeschränkter Probleme Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Beispiel: Parameteranpassung für Phasengleichgewicht
MehrInhalt. 8.1 Motivation. 8.2 Optimierung ohne Nebenbedingungen. 8.3 Optimierung unter Nebenbedingungen. 8.4 Lineare Programmierung
8. Optimierung Inhalt 8.1 Motivation 8.2 Optimierung ohne Nebenbedingungen 8.3 Optimierung unter Nebenbedingungen 8.4 Lineare Programmierung 8.5 Kombinatorische Optimierung 2 8.1 Motivation Viele Anwendungen
MehrMakrem Kadachi. Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen. Herbert Utz Verlag München
Makrem Kadachi Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen Herbert Utz Verlag München Zugl.: München, Techn. Univ., Diss., 2003 Bibliografische Information Der Deutschen
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 11. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen Safe
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2009 11. Vorlesung Uwe Quasthoff Universität Leipzig Institut für Informatik quasthoff@informatik.uni-leipzig.de Das Rucksack-Problem Ein Dieb, der einen
MehrGliederung. Kapitel 4. Lokale Suchverfahren. Meta-Heuristiken. Simulated Annealing. Lokale Suchverfahren. Optimierungsalgorithmen
Kapitel Optimierungsalgorithmen Gunnar Klau Institut für Computergraphik und Algorithmen Gliederung Kombinatorische vs. Ganzzahlige Optimierung Exakte Verfahren Branch-and-Bound Schnittebenenverfahren
MehrSoftware Engineering. Validierung und Verifikation. Martin Glinz Harald Gall. Kapitel 7. Universität Zürich Institut für Informatik
Martin Glinz Harald Gall Software Engineering Kapitel 7 Validierung und Verifikation Universität Zürich Institut für Informatik 2005, 2006 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe
MehrSynthese Eingebetteter Systeme. Übung 6
12 Synthese Eingebetteter Systeme Sommersemester 2011 Übung 6 Michael Engel Informatik 12 TU Dortmund 2011/07/15 Übung 6 Evolutionäre Algorithmen Simulated Annealing - 2 - Erklären Sie folgende Begriffe
MehrKapitel III Selektieren und Sortieren
Kapitel III Selektieren und Sortieren 1. Einleitung Gegeben: Menge S von n Elementen aus einem total geordneten Universum U, i N, 1 i n. Gesucht: i-kleinstes Element in S. Die Fälle i = 1 bzw. i = n entsprechen
MehrAnalyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung Zusammenfassung der Diplomarbeit an der Hochschule Zittau/Görlitz Maria Kiseleva Motivation
MehrBayesianische Netzwerke - Lernen und Inferenz
Bayesianische Netzwerke - Lernen und Inferenz Manuela Hummel 9. Mai 2003 Gliederung 1. Allgemeines 2. Bayesianische Netzwerke zur Auswertung von Genexpressionsdaten 3. Automatische Modellselektion 4. Beispiel
MehrModelle und Verfahren zur innerbetrieblichen Standortplanung
Andreas Bölte Modelle und Verfahren zur innerbetrieblichen Standortplanung Mit 73 Abbildungen Physica-Verlag Ein Unternehmen des Springer-Verlags Inhaltsverzeichnis 1. Einleitung 1 2. Layoutplanung für
MehrMathematische Modellierung der Kostenund Wirkungszusammenhänge eines regionalen Energieverbundes
Mathematische Modellierung der Kostenund Wirkungszusammenhänge eines regionalen Energieverbundes Bestimmung des ökonomischen Nutzens von Energiespeichern Michael Hassler eines regionalen Energieverbundes
MehrStatistik, Geostatistik
Geostatistik Statistik, Geostatistik Statistik Zusammenfassung von Methoden (Methodik), die sich mit der wahrscheinlichkeitsbezogenen Auswertung empirischer (d.h. beobachteter, gemessener) Daten befassen.
Mehr1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung
1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil
MehrOptimierung. Vorlesung 12
Optimierung Vorlesung 12 Letze Woche Approximieren von ILP durch randomisiertes Runden. Beispiel Set Cove Relaxiertes LP lösen und runden. Probleme: 1. Zielfunktionswert 2. Zulässigkeit 1. Linearität des
MehrEinführung in Operations Research
Wolfgang Domschke Andreas Drexl Einführung in Operations Research Achte Auflage fyj Springer Inhaltsverzeichnis Vorwort Symbolverzeichnis V XIII Kapitel 1: Einführung 1 1.1 Begriff des Operations Research
MehrInformatik 1. Teil 1 - Wintersemester 2012/2013. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik
Informatik 1 Teil 1 - Wintersemester 2012/2013 Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann übernommen 0. Rechner und Programmierung
MehrTeil II Optimierung. Modellgestützte Analyse und Optimierung Kap. 5 Einführung Optimierung. Peter Buchholz 2006
Teil II Optimierung Gliederung 5 Einführung, Klassifizierung und Grundlagen 6 Lineare Optimierung 7 Nichtlineare Optimierung 8 Dynamische Optimierung (dieses Jahr nur recht kurz) (9 Stochastische Optimierungsmethoden
MehrEinführung in die Informatik mit Java
Vorlesung vom 08.01.2008 Übersicht 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem Polygonzüge und Anfangswertprobleme
MehrMICROSOFT EXCEL 3.0 HOTLINE
Thomas Ta MICROSOFT EXCEL 3.0 HOTLINE TECHNISCHE HOCHSCHULE Fachbereich 1 DARMSTADT Ges o m t b i b I i o t hek B e t r i e b s w i r t s c h a.ttsleh re Invs-', -o-mr Sau.gebiete 42} A^^t "A48JW4 Al-Q.
Mehrv R n ist Abstiegsrichtung in x R n wenn f(x) v < 0 v R n ist Abstiegsrichtung in x R n wenn i=1,,d: f i
MOP: Pareto-Gradientenabstiegsverfahren Annahme: Zielfunktion differenzierbar Wintersemester 2007/08 Praktische Optimierung (Vorlesung) d = 1: (monokriteriell) v R n ist Abstiegsrichtung in x R n wenn
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrPOTENTIALANALYSE UNTERNEHMENS-CHECK. Potentialanalyse. ASSTEC.net. Der sichere Weg zur besseren Effizienz in der Produktion. Ausgabe 2014 V1.
UNTERNEHMENS-CHECK Potentialanalyse Der sichere Weg zur besseren Effizienz in der Produktion. Seite 1 AUSGANGSSITUATION Verschwendung findet sich in jedem Produktionsprozess, in fast allen Arbeitsschritten
MehrDer Weg eines Betrunkenen
Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige
MehrBäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann
Bäume und Wälder Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Ida Feldmann 2-Fach Bachelor Mathematik und Biologie 6. Fachsemester Inhaltsverzeichnis Einleitung 1 1. Bäume
MehrBeitragsstruktur Digitale Transformation
Beitragsstruktur Digitale Transformation Einführung in die Thematik Digitale Transformation im Produkt-Engineering (Smart Engineering) Digitale Transformation in der Digitalen Fabrik (Smart Manufacturing)
MehrHeuristiken im Kontext von Scheduling
Heuristiken im Kontext von Scheduling Expertenvortrag CoMa SS 09 CoMa SS 09 1/35 Übersicht Motivation Makespan Scheduling Lokale Suche Weitere Metaheuristiken Zusammenfassung Literatur CoMa SS 09 2/35
MehrWissensbasierte Systeme. Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche. Heuristiken und ihre Eigenschaften
1 Michael Beetz Technische Universität München Wintersemester 2004/05 Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche 2 3 der Eigenschaften der 4 : 8-Puzzle 5 Heuristiken und ihre Eigenschaften
Mehr8.1 Einleitung. Grundlagen der Künstlichen Intelligenz. 8.1 Einleitung. 8.2 Lokale Suchverfahren. 8.3 Zusammenfassung. Suchprobleme: Überblick
Grundlagen der Künstlichen Intelligenz 5. April 0 8. Suchalgorithmen: Lokale Suche Grundlagen der Künstlichen Intelligenz 8. Suchalgorithmen: Lokale Suche 8.1 Einleitung Malte Helmert Universität Basel
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Mengen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrCloud mit rekonfigurierbaren Hardwarebeschleunigern
Fakultät Informatik, Institut für technische Informatik Evaluation eines SchedulingAlgorithmus für eine elastische Cloud mit rekonfigurierbaren Hardwarebeschleunigern Abschlusspräsentation zur Projektarbeit
MehrÜbung 8 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Übung 8 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN Übungsleiter: Dr.-Ing. H.-D. Ribbecke
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
MehrKonstruktions-Verbesserungsheuristiken. Iterierte lokale Suche (ILS)
Konstruktions-Verbesserungsheuristiken Iterierte lokale Suche (ILS) Idee: 2-Phasen-Suche 1. Phase: Randomisierte Konstruktionsheuristik 2. Phase: Lokale Suche Beispiele: Multi-Start lokale Suche GRASP:
MehrBeschränktheit, Monotonie & Symmetrie
Beschränktheit, Monotonie & Symmetrie ein Referat Dies ist eine Beilage zum Gruppen-SOL - Projekt Potenz- & Exponentialfunktionen Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch November 2015 Inhaltsverzeichnis
MehrBisher: Suche durch Lösungsveränderung Neuer Begriff: Nachbarschaft einer Lösung
Lokale Suche und Nachbarschaften Bisher: Suche durch Lösungsveränderung Neuer Begriff: Nachbarschaft einer Lösung Nachbarschaft ist Menge der Lösungen, die von einer gegebenen Lösung durch eine einfache
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
MehrUnterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
M LK HT (W) Seite von 8 Unterlagen für die Lehrkraft Abiturprüfung 009 Mathematik, Leistungskurs. Aufgabenart Analysis. Aufgabenstellung siehe Prüfungsaufgabe 3. Materialgrundlage entfällt 4. Bezüge zu
MehrGenetische Algorithmen von der Evolution lernen
Genetische Algorithmen von der Evolution lernen (c) Till Hänisch 2003, BA Heidenheim Literatur zusätzlich zum Lit. Verz. Nils J. Nilsson Artificial Intelligence Morgan Kaufmann, 1998 Ansatz Bisher: Problemlösung
MehrErweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells
Erweiterung eines Verfahrens zur automatisierten Parameteridentifikation eines Fahrzeugmodells Sebastian Wildfeuer Parameteridentifikation > 23. September 2008 > Folie 1 Themenübersicht Ausgangssituation,
MehrSystem Dynamics. Renate Thies. Sommersemester 2004. Universität Dortmund - Fachbereich Informatik Lehrstuhl für Systemanalyse (LS11)
Äg System Dynamics Renate Thies Universität Dortmund - Fachbereich Informatik Lehrstuhl für Systemanalyse (LS11) Sommersemester 2004 System Dynamics 1/31 Inhaltsverzeichnis Äg Einführung Level und Flußraten
Mehr11. Übung zu Algorithmen I 6. Juli 2016
11. Übung zu Algorithmen I 6. Juli 2016 Lisa Kohl lisa.kohl@kit.edu mit Folien von Lukas Barth Roadmap Ausblick: Was sind schwierige Probleme? Travelling Salesman Problem - Reprise ein ILP ein Algorithmus
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
MehrQuantitative Entscheidungsunterstützung Themen für Projektarbeiten
Quantitative Entscheidungsunterstützung Themen für Projektarbeiten Prof. Dr. Norbert Trautmann Adrian Zimmermann Universität Bern Frühjahrssemester 2016 Gliederung Optimierung bei Investitions-Entscheiden
MehrModellierung und Simulation
Prüfung WS 009/010 Modellierung und Simulation Prof. Dr.-Ing. K. Wöllhaf Anmerkungen: Aufgabenblätter auf Vollständigkeit überprüfen Nur Blätter mit Namen und Matr.Nr. werden korrigiert. Bitte Schreiben
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 &
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
MehrLiSA Scheduling Software
LiSA Scheduling Software Vom Forschungsprojekt zum Software Paket für Lehre und Forschung Otto von Guericke Universität Magdeburg Überblick Was ist Lisa? Zur Theorie Lisa intern Cooperative Development
MehrKonzepte und Methoden des Supply Chain Management
Konzepte und Methoden des Supply Chain Management Übung 3 ABC- / XYZ-Analyse Modul Produktionslogistik W 2332-02 SS 2017 Aufgabe, Funktionsweise und Einsatzbereiche der ABC-Analyse (I) Wozu führt man eine
MehrEinsatz von Varianzreduktionstechniken II
Einsatz von Varianzreduktionstechniken II Stratified Sampling und Common Random Numbers Bastian Bluhm Betreuer: Christiane Barz Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von
MehrAufgabe 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
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
MehrVorkurs Mathematik. Vorlesung 2. Primzahlen
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Vorkurs Mathematik Vorlesung 2 Primzahlen Das Sieb des Eratosthenes liefert eine einfache Methode, eine Liste von Primzahlen unterhalb einer bestimmten Größe
MehrAblaufschema beim Testen
Ablaufschema beim Testen Schritt 1 Schritt 2 Schritt 3 Schritt 4 Schritt 5 Schritt 6 Schritt 7 Schritt 8 Schritt 9 Starten Sie die : Flashanimation ' Animation Ablaufschema Testen ' siehe Online-Version
MehrMultimomentaufnahme. Fachhochschule Köln Campus Gummersbach Arbeitsorganisation Dr. Kopp. Multimomentaufnahme. Arbeitsorganisation
1 Gliederung der Präsentation - Definition - Zeitstudien Einordnung - Prinzip und Verfahrensformen - Genereller Ablauf - Planung von MM-Studien 2 Definition multum momentum viel Augenblick Die besteht
MehrRequirements Engineering I
Martin Glinz Requirements Engineering I Kapitel 9 UML Unified Modeling Language Universität Zürich Institut für Informatik 2006, 2009 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe für
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
Mehr5 Sortieren in eindimensionalen Zellularautomaten
5 Sortieren in eindimensionalen Zellularautomaten 5.1 Für alle x A und w A bezeichne im folgenden N x (w) die Anzahl der Vorkommen des Symboles x in dem Wort w. 5.2 Problem. (Eindimensionales Sortieren
MehrHierarchisch integrierte Produktionsplanung und -Steuerung
Volkmar Söhner Hierarchisch integrierte Produktionsplanung und -Steuerung Mit 42 Abbildungen Physica-Verlag Ein Unternehmen des Springer-Verlags 1 Einleitung 1 1.1 Problemstellung 1 1.2 Gang der Untersuchung
MehrInhalt. 1. Einführung in die Informatik. 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele.
1. Einführung in die Informatik Inhalt 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele Peter Sobe 1 Einführende Beispiele 2. Algorithmen Täglich werden Verarbeitungsvorschriften
MehrMonate Präop Tabelle 20: Verteilung der NYHA-Klassen in Gruppe 1 (alle Patienten)
Parameter zur Beschreibung der Leistungsfähigkeit Klassifikation der New-York-Heart-Association (NYHA) Gruppe 1 (alle Patienten): Die Eingruppierung der Patienten in NYHA-Klassen als Abbild der Schwere
MehrÜbung 1 zur Vorlesung GEBÄUDESYSTEMTECHNIK
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Übung 1 zur Vorlesung GEBÄUDESYSTEMTECHNIK Übungsleiter: Dr.-Ing. H.-D. Ribbecke Bearbeitungszeitraum:
MehrBerücksichtigung von Verkehrsmittelwahlmodellen im Rahmen einer monetären Bewertung von Dispositionsmaßnahmen Dipl.-Ing.
Berücksichtigung von Verkehrsmittelwahlmodellen im Rahmen einer monetären Bewertung von Dispositionsmaßnahmen Dipl.-Ing. Marcel Schneider Verkehrswissenschaftliches Institut und Lehrstuhl für Schienenbahnwesen
MehrMinisterium für Schule und Weiterbildung NRW M GK HT 1 Seite 1 von 6. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Grundkurs
Seite 1 von 6 Unterlagen für die Lehrkraft Abiturprüfung 09 Mathematik, Grundkurs 1. Aufgabenart Analysis 2. Aufgabenstellung siehe Prüfungsaufgabe 3. Materialgrundlage entfällt 4. Bezüge zu den Vorgaben
MehrMonte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf
Monte-Carlo Tests Diplomarbeit Wiebke Werft Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2003 Betreuung: Prof. Dr. Arnold Janssen Inhaltsverzeichnis Einleitung
MehrTabu Suche. Allgemein. Simple Tabu-Suche. Praktisches Beispiel. Erweiterungsmöglichkeiten. Aspirationskriterien. Verbesserungen.
Tabu Suche Allgemein Simple Tabu-Suche Praktisches Beispiel Erweiterungsmöglichkeiten Aspirationskriterien Verbesserungen Zusammenfassung TabuSuche, Peter Jahrmann, 0425523 1 Allgemein Metaheuristisches
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrWie zuverlässig funktionieren Ihre kritischen Schnittstellen?
Wie zuverlässig funktionieren Ihre kritischen Schnittstellen? Der Nutzen, den Unternehmen aus dem Management ihrer Prozesse ziehen, ist heute längst organisatorisches Allgemeingut. In jüngster Zeit lässt
MehrData Warehousing. DWH Projekte. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing DWH Projekte Ulf Leser Wissensmanagement in der Bioinformatik Inhalt DWH Projekte Spezifika Die kritischen Punkte Warum scheitern DWH Projekte? Ulf Leser: Data Warehousing, Vorlesung,
MehrSimulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen. Alexander Baldauf Montag
Simulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen Alexander Baldauf Montag 25.04.2005 Motivation Typen von Interaktionen Verschiedene Methoden zur Vorhersage Wie kommen die beiden
MehrUse Cases vs. Funktionale Spezifikation
Use Cases vs. Funktionale Spezifikation Ein experimenteller Vergleich zweier Methoden zur Anforderungsspezifikation Fraunhofer IESE: Anne Groß (Anne.Gross@iese.fraunhofer.de) & Jörg Dörr (Joerg.Doerr@iese.fraunhofer.de)
MehrModellierungsansatz für die realitätsnahe Abbildung der technischen Verfügbarkeit
Modellierungsansatz für die realitätsnahe Abbildung der technischen Verfügbarkeit intralogistischer Systeme Dipl.-Logist. Eike-Niklas Jung Seite 1 / 20 Gliederung Motivation & Zielsetzung Grundlagen Merkmale
MehrTest für Prozentsatz fehlerhafter Einheiten bei einer Stichprobe
MINITAB-ASSISTENT WHITE PAPER Dieses White Paper ist Teil einer Reihe von Veröffentlichungen, welche die Forschungsarbeiten der Minitab-Statistiker erläutern, in deren Rahmen die im Assistenten der Minitab
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
Mehr( )= c+t(n-1) n>1. Stand der Vorlesung Komplexität von Algorithmen (Kapitel 3)
Stand der Vorlesung Komplexität von Algorithmen (Kapitel 3) Motivation: IT gestützte Steuerung, Überwachung, Fertigung, Produktion,. : erfordert effiziente Berechnungsvorschriften Ziel: Methoden kennen
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrBeweis: Die obere Schranke ist klar, da ein Binärbaum der Höhe h höchstens
Beweis: Die obere Schranke ist klar, da ein Binärbaum der Höhe h höchstens h 1 2 j = 2 h 1 j=0 interne Knoten enthalten kann. EADS 86/600 Beweis: Induktionsanfang: 1 ein AVL-Baum der Höhe h = 1 enthält
MehrDas Heiratsproblem. Definition Matching
Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung
MehrStand der Vorlesung Komplexität von Algorithmen (Kapitel 3)
Stand der Vorlesung Komplexität von Algorithmen (Kapitel 3) Technische Universität München Motivation: IT gestützte Steuerung, Überwachung, Fertigung, Produktion,. : erfordert effiziente Berechnungsvorschriften
MehrRekursive Folgen. für GeoGebraCAS. 1 Überblick. Zusammenfassung. Kurzinformation. Letzte Änderung: 07. März 2010
Rekursive Folgen für GeoGebraCAS Letzte Änderung: 07. März 2010 1 Überblick Zusammenfassung Innerhalb von zwei Unterrichtseinheiten sollen die Schüler/innen vier Arbeitsblätter mit GeoGebra erstellen,
MehrBelastungsonentierte Fertigungssteuerung
H.-P. Wiendahl Belastungsonentierte Fertigungssteuerung Grundlagen Verfahrensaufbau Realisierung 264 Bilder 36 Tabellen Carl Hanser Verlag München Wien Inhaltsverzeichnis 1 Einführung 15 1.1 Einflüsse
MehrEinführung in die (induktive) Statistik
Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung
MehrRequirements Engineering I
Martin Glinz Requirements Engineering I Kapitel 9 UML Unified Modeling Language Universität Zürich Institut für Informatik 2006, 2008 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe sind
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 139 Unentscheidbarkeit Überblick Zunächst einmal definieren wir formal
MehrFaktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975)
Dass das Problem, die Primzahlen von den zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren zu zerlegen zu den wichtigsten und nützlichsten der ganzen Arithmetik gehört und den Fleiss
MehrWuerfel - augenzahl: int + Wuerfel() + wuerfeln() + gibaugenzahl(): int
Informatik Eph IFG1/2 (GA) Bearbeitungszeit: 90 min. Seite 1 Aufgabe 1: Kniffel Modellierung und Implementierung Im Folgenden sollen Teile eines kleinen "Kniffel"-Spiels modelliert, analysiert und implementiert
MehrEigenverbrauchs- und Kostenoptimierung zur Untersuchung des Einflusses dynamischer Stromtarife auf die Netznutzung
Eigenverbrauchs- und Kostenoptimierung zur Untersuchung des Einflusses dynamischer Stromtarife auf die Netznutzung Kompetenzzentrum IT4Energy Armin Wolf, Steffen Unger, Marc Schultz 1 Motivation & Kontext
MehrMinimumproblem. Definition 4.7. Ein LP der Form. unter den Nebenbedingungen. d ij x j b i (i =1,...,m)
Minimumproblem Definition 4.7 Ein LP der Form nx Minimiere Z = c j x j j=1 unter den Nebenbedingungen nx d ij x j b i (i =1,...,m) j=1 und den Vorzeichenbedingungen x j 0(j =1,...,n) heißt Minimumproblem.
MehrDynamische Simulation der Marktanteilsentwicklung. konventioneller und alternativer Antriebe. von Personenkraftwagen
Dynamische Simulation der Marktanteilsentwicklung konventioneller und alternativer Antriebe von Personenkraftwagen Ein systemdynamischer Ansatz zur prospektiven Analyse der Fahrzeugmärkte Deutschland,
MehrStichproben und statistische Fehler
Kapitel 0 Stichproben und statistische Fehler 0. Verfahren zur Auswahl von Stichproben Stichprobenauswahl als Bestandteil von Teilerhebungen: Aus dem Ergebnis der Untersuchung der Stichprobe soll dann
Mehr