Aufgabe 3b) [$, Unterschied zwischen $ auf der linken und der rechten Seite]
|
|
- Dagmar Holzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Aufgabe 3 Aufgabe 3a) [Bedingte Wertzuweisung] Gegeben sei folgendes GAMS-Skript: set i /1*4/ j /1*4/; table c(i,j) Bewertung aller Kombinationen von i und j ; parameter a(i,j); Geben Sie eine Anweisung in GAMS-Syntax an, die dem Parameter a ij genau dann den Wert 1 zuweist, wenn der zugehörige Wert von c ij größer ist als 0 (sonst ist a ij = 0)! a(i,j)$(c(i,j)>0) = 1; display a; Aufgabe 3b) [$, Unterschied zwischen $ auf der linken und der rechten Seite] Gegeben ist folgender GAMS-Code: scalar a, b, c; a=4; b=8; c=2; Wie lautet der Wert von a nach Ausführung der nächsten GAMS-Anweisung, die entweder 1: a$(b<7)=a+2; 2: a=(a+2)$(b<7); 3: a=a+2$(b<7); lautet? Überprüfen Sie Ihre Lösung mit GAMS! 1: 4 2: 0 3: 4 9
2 Aufgabe 3c) [Bedingte Summe] Gegeben sei folgendes GAMS-Skript (vgl. Aufgabenteil a): set i /1*4/ j /1*4/; table c(i,j) Bewertung aller Kombinationen von i und j ; scalar X,Y; X = sum((i,j)$(ord(i)=1), c(i,j) ) ; Y = sum((i,j)$(ord(i)=card(i)), c(i,j) ); display X,Y; Weisen sie den Skalaren X bzw. Y folgende bedingte Summen zu: X = Y = (i,j) i=1 (i,j) i= I c ij c ij X = Sum((i,j)$(ord(i)=1), c(i,j) ); Y = Sum((i,j)$(ord(i)=card(i)), c(i,j) ); display X,Y; PARAMETER X = PARAMETER Y = In den folgenden Aufgabenteilen der Aufgabe 3 wird mit dem Transportmodell aus Aufgabe 2 weiter gearbeitet. Bitte bringen Sie Ihre Lösung der Aufgabe 2 mit! Aufgabe 3d) [Subsets,Mehrdimensionale Sets] Hinweis zu Aufgabe 3d: Da die nachfolgenden Definitionen beim Lösen des Modells in späteren Aufgabenteilen benötigt werden, müssen Sie diese vor die equations platzieren, frühestens nach den bereits deklarierten und definierten Sets. Erst dann sind alle Mengen, auf die Bezug genommen wird (hier Kundenmenge K) bereits bekannt. 1. Deklarieren Sie basierend auf der Menge K der Kunden folgende Untermengen: AK: A-Kunden gemäß ABC-Klassifizierung BK: B-Kunden gemäß ABC-Klassifizierung 10
3 CK: C-Kunden gemäß ABC-Klassifizierung 2. Ordnen Sie die fünf Kunden den Untermengen mit /../ wie folgt zu: A-Kunden: H B-Kunden: DD, F C-Kunden K, S 3. Lassen Sie sich danach durch die display-anweisung die in den Mengen AK,BK und CK enthaltenen Elemente im Listing anzeigen! 4. Bestimmte Transportverbindungen seien nicht erwünscht. Deklarieren Sie dazu im set-bereich eine zweidimensionale Menge U, wobei der erste Index der Menge der Standorte S und der zweite Index der Menge der Kunden K entspricht! 5. Folgende Transportverbindung sei nicht erwünscht: von M nach K. Fügen Sie diese in Ihre Menge als Daten ein. 6. Lassen Sie sich danach durch die display-anweisung die in der Menge U enthaltenen Elemente im Listing anzeigen! Hinweis: Allein durch diese Angaben wird noch nicht gewährleistet, dass die angegebene Transportverbindung nicht in der Lösung enthalten ist. Dies wird in nachfolgenden Aufgabenteilen realisiert. sets S Anbieter /B, HH, M/ K Nachfrager /DD, F, H, K, S/ ; sets AK(K) A-Kunden /H/ BK(K) B-Kunden /DD,F/ CK(K) C-Kunden /K,S/ U(s,k) Unerwünschte Transportverbindungen /M.K/ ; display AK,BK,CK,U; Aufgabe 3e) [Bedingte Equations] Das Modell soll so abgewandelt werden, dass nur die Kunden beliefert werden sollen, die eine Nachfrage von mindestens 200 Einheiten aufweisen. Die neue Nebenbedingung (8) lautet somit formal: X sk b k k K b k 200 (10) s S Ergänzen Sie in GAMS die zugehörige Bedingung in der equation zur Nachfragebefriedigung mittels $ und lösen Sie das veränderte Modell! Welchen Wert nimmt die Zielfunktionsvariable an? 11
4 F = 1745 nachfrage_3e(k)$(b(k)>=200).. sum(s, x(s,k) ) =G= b(k); Hinweis: Diese Bedingung müsste theoretisch auch in die Angebotsrestriktion eingefügt werden, d.h. in der Summation der Kunden. Da wir durch (10) gewährleisten, das einige Kunden nun gar nicht mehr beliefert werden müssen und wir die Transportkosten minimieren möchten, werden die betreffenden Kunden automatisch nicht mehr beliefert. Aufgabe 3f) [Bedingte Summen] Das Modell soll nun so erweitert werden, dass die unerwünschte Transportverbindung aus (d) nicht gewählt wird. Veränderungen aus (e) bleiben erhalten. 1. Die neue Nebenbedingung (7) lautet somit formal: X sk a s s S (11) k K (s,k)/ U 2. Die neue Nebenbedingung (8) lautet somit formal: X sk b k k K b k 200 (12) Lösen Sie das veränderte Modell! Welchen Wert nimmt die Zielfunktionsvariable an? F = nachfrage_3f(k)$(b(k)>=200).. sum(s$(not U(s,k)), x(s,k) ) =G= b(k); angebot_3f(s).. sum(k$(not U(s,k)), x(s,k) ) =L= a(s); auch möglich: x.fx(s,k)$(u(s,k)) = 0; Aufgabe 3g) [Bedingte Equations] Das Modell soll so erweitert werden, dass nur die A- und B-Kunden beliefert werden sollen (unerwünschte Transportverbindungen aus (d) beibehalten). Die neue Nebenbedingung (8) lautet somit formal: X sk b k k AK BK (13) 12
5 Ergänzen Sie in GAMS die zugehörige Bedingung in der equation zur Nachfragebefriedigung mittels $! Hinweis: Dies ist gleichbedeutend mit: X sk b k k K k / CK (14) Lösen Sie das Modell! Welchen Wert nimmt die Zielfunktionsvariable an? F = nachfrage_3g(k)$(ak(k) OR BK(k)).. sum(s$(not U(s,k)), x(s,k) ) =G= b(k); oder: nachfrage_3g(k)$(not CK(k)).. sum(s$(not U(s,k)), x(s,k) ) =G= b(k); Hinweis: Diese Bedingung müsste theoretisch auch in die Angebotsrestriktion eingefügt werden, d.h. in der Summation der Kunden. Da wir durch (13) gewährleisten, das einige Kunden nun gar nicht mehr beliefert werden müssen und wir die Transportkosten minimieren möchten, werden die betreffenden Kunden automatisch nicht mehr beliefert. 13
Übung zur Modellierung mit GAMS
Übung zur Modellierung mit GAMS Aufgabe 1 Einführungsbeispiel Es ist das folgende lineare Optimierungsproblem gegeben: max F = 90x 1 + 50x 2 + 70x 3 + 40x 4 (1) unter den Nebenbedingungen 2x 1 1x 2 + 1x
MehrGegeben sei das folgende formale Modell aus dem Bereich der Transportplanung: Transportkosten pro Stück zwischen Standort s und Kunde k in Euro
Aufgabe 2 Transportmodell Gegeben sei das folgende formale Modell aus dem Bereich der Transportplanung: Mengen und Indices S Menge der Unternehmensstandorte (Index s) K Menge der Kunden (Index k) Parameter
MehrAufgabe 6. Standortplanung in der Ebene: Miehle-Verfahren. Distanzmessung
Aufgabe 6 Standortplanung in der Ebene: Miehle-Verfahren Distanzmessung Ein Luftverkehrsunternehmen plant die Einrichtung eines Cargo-Hubs in Europa. Die für die Airline wichtigsten Flughäfen mit Ihren
MehrZeiger: Der Adressoperator &
Zeiger: Der Adressoperator & Variablen werden im Computer im Speicher abgelegt. Nach der Deklaration int a,b,c; double x,y,z; Sieht die Speicherbelegung etwa wie folgt aus: a b c x y z Jede Variable hat
MehrRechnerarchitektur SS 2013
Rechnerarchitektur SS 2013 Parallel Random Access Machine (PRAM) Michael Engel TU Dortmund, Fakultät für Informatik Teilweise basierend auf Material von Gernot A. Fink und R. Yahyapour 6. Juni 2013 Parallel
MehrGAMS (General Algebraic Modeling System)
GAMS (General Algebraic Modeling System) Crash-Kurs Dortmund, Januar 1999 Prof. Dr. Heinz-Michael Winkels, Fachbereich Wirtschaft FH Dortmund Emil-Figge-Str. 44, D44227-Dortmund, TEL.: (0231)755-4966,
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
MehrZwei Bemerkungen zum Schluss
Man könnte sich fragen, ob eine Typ-3 Sprache inhärent mehrdeutig sein kann (im Sinn von Einheit 8). Die Antwort lautet: NEIN. Zwei Bemerkungen zum Schluss Denn für jede Typ-3 Sprache gibt es einen DEA,
Mehr- - CodE 11 CodE 0 0 0 0 0 0 0 0 2.o C 1 10.0 C 2 off 3 3.0 4 2.0 5 off 6 1 8 20.0 9 60 C 7 4.0 10 80 C 1 38 C 12 8 k 13 on 14 30.0 15 10 16 - - CodE 11 CodE 0 0 0 0 0 0 0 0 2.o C 1 10.0 C 2
MehrChapter 1 : þÿ b e t a t h o m e E r g e b n i s z u l a u f e n c h a p t e r
Chapter 1 : þÿ b e t a t h o m e E r g e b n i s z u l a u f e n c h a p t e r þÿ b e k o m m t m a n w e i t e r e 1 0 0 E u r o a l s P r o m o - C a s h a u f d a s W e t t k o n t o g e b u c h t..
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 9 20. Mai 2010 Kapitel 9. Matrizen und Determinanten Der Begriff der Matrix Die transponierte Matrix Definition 84. Unter einer (reellen) m n-matrix
MehrChapter 1 : þÿ b e t a t h o m e? 0 B a c k u p - W e t t e c h a p t e r
Chapter 1 : þÿ b e t a t h o m e? 0 B a c k u p - W e t t e c h a p t e r þÿ A l l t r a d e r s w h o h a v e b e e n s p r e a d b e t t i n g o r C F D t r a d i n g f o r a n y r e a l l e n g t h
MehrKapitel 23 Importieren einer DWG-Zeichnung, nicht von MasterChef erstellt
Kapitel 23 Importieren einer DWG-Zeichnung, nicht von MasterChef erstellt Hinweis: In diesem Tutorial werden wir DWG Dateien bevorzugen, welche in den Video- Ordner Zip (Kap. 23) sind. Starten Sie MasterChef
MehrThis image cannot currently be displayed. Java à Matlab. bereitgestellt von Dr. Lukas Faessler 12/4/17
This image cannot currently be displayed. Java à Matlab bereitgestellt von Dr. Lukas Faessler 12/4/17 Allgemeine Programmierkonzepte kommen in verschiedenen Programmiersprachen vor sind langlebig Sprachen
MehrEinstieg in die Informatik mit Java
1 / 27 Einstieg in die Informatik mit Java Methoden / Funktionen Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 27 1 Überblick 2 Zweck von Methoden 3 Methodendefinition
Mehr4. Objektrelationales Typsystem Kollektionstypen. Nested Table
Nested Table Bei einer Nested Table handelt es sich um eine Tabelle als Attributwert. Im Gegensatz zu Varray gibt es keine Beschränkung bei der Größe. Definition erfolgt auf einem Basistyp, als Basistypen
MehrDefinition der Hilfsprädikate
Denition der Hilfsprädikate fct sorted = (seq nat s) bool: if #s < 2 then true else rst(s) rst(rest(s)) sorted(rest(s)) a s = ( nat k: k#a = k#s) mit k# = 0 k# j s = if k == j then 1+ k#s else k#s 1 Annotierte
MehrChapter 1 : þÿ h a b e m e i n b e t a t h o m e B e n u t z e r n a m e c h a p t e r
Chapter 1 : þÿ h a b e m e i n b e t a t h o m e B e n u t z e r n a m e c h a p t e r þÿ 1 5. M a i 2 0 1 3 F ü r s t l i c h s p e i s e n i n d e r b e t - a t - h o m e. c o m V I P - L o g e a u f
MehrAccess Programmierung. Ricardo Hernández García. 1. Ausgabe, November 2013 ACC2013P
Access 2013 Ricardo Hernández García 1. Ausgabe, November 2013 Programmierung ACC2013P Die VBA-Entwicklungsumgebung 5 Weitere Eingabehilfen Im Menü Bearbeiten finden Sie noch weitere Hilfen, die Ihnen
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 30. Januar 200,.00-3.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 20 min, 2 Zeitstunden Skript, Vorlesungsmitschrift Schreiben Sie bitte auf dieses Deckblatt oben rechts
MehrSo planen Sie eine Route
Prof. Dr. Hans G. Bartels Frankfurt, SS 00 Klausur zum speziellen Seminar Ausgewählte OR-Probleme Bearbeiter Maximale Punktzahl: Nachname :... Musterlösung ohne Gewähr 90 Vorname :... Matr.-Nr. :... Studienfach
MehrEinstieg in die Informatik mit Java
1 / 34 Einstieg in die Informatik mit Java Klassen mit Instanzmethoden Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 34 1 Definition von Klassen 2 Methoden 3 Methoden
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrGanzzahlige 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
MehrMathematik, Klasse 7, Terme und Termwerte
Mathematik, Klasse 7, Terme und Termwerte. Finde den Term und berechne dann den Termwert für x = - 5 und x = 00. x = x = x = 3 x = 4 x = 5 x = - 5 x =00 T (x) = 5 8 4 7 T (x) = 3 6 9-5 T 3 (x) = 0 3 8
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
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
MehrLösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die
MehrMethoden. Gerd Bohlender. Einstieg in die Informatik mit Java, Vorlesung vom
Einstieg in die Informatik mit Java, Vorlesung vom 2.5.07 Übersicht 1 2 definition 3 Parameterübergabe, aufruf 4 Referenztypen bei 5 Überladen von 6 Hauptprogrammparameter 7 Rekursion bilden das Analogon
MehrVisual Basic Express Fehlerermittlung
Inhalt Dokument Beschreibung... 1 Fehlermeldungen anzeigen... 1 Fehlerkorrektur mit Fehlerliste... 2 Laufzeitfehler... 3 Arbeiten mit Haltepunkten... 4 Dokument Beschreibung Bei der Programmierung können
MehrUniversität Innsbruck WS 2013/2014. Brückenkurs. Formale Konzepte. 3. Auflage. Harald Zankl. 15. Januar 2014
Universität Innsbruck WS 013/014 Brückenkurs Formale Konzepte 3. Auflage Harald Zankl 15. Januar 014 Institut für Informatik Innsbruck, Österreich Inhaltsverzeichnis 1 Definition, Satz, Beweis 1.1 Aufgaben................................
MehrProseminar Mathematisches Problemlösen
Was bedeutet Konvexität? Konvexität ist die natürliche Fortsetzung des Linearitätsgedankens mit dem Zusatz der Positivität, d.h. ein Term heißt konvex, wenn alle Koeffizienten nichtnegativ sind. Aufgabe
MehrVariation mit Nebenbedingungen
Variation mit Nebenbedingungen Lagrange-Multiplikatoren Welcher Punkt minimiert unter der Nebenbedingung (NB) absolutes Minimum Ohne NB wäre Antwort: 2 Gl. für 2 Unbekannte Aber: NB verknüpft x,y unabhängige
Mehrshell variable HOWTO.txt
HOWTO zu Shell und Umgebungs/Environment Variablen (C) 2006 2017 T.Birnthaler/H.Gottschalk OSTC Open Source Training and Consulting GmbH http://www.ostc.de $Id:,v 1.17 2017/09/11 22:59:53
MehrMaster-Kursprüfung Ost-West-Handelsmodelle SS Bearbeiten Sie vier der fünf Aufgaben!
Master-Kursprüfung Ost-West-Handelsmodelle SS 2017 Pflichtmodul Internationale VWL (M.Sc. IVWL) Schwerpunktmodul Außenwirtschaft (M.Sc. VWL) 6 Kreditpunkte Bearbeitungsdauer: 90 Minuten 02.08.2017 Prof.
MehrVeranstaltung und Übung: Optimierungssysteme Modelle, Software, Praxisanwendungen. Uwe Suhl Veronika Waue SS 2008
Veranstaltung 10033025 und 101053 Übung: Optimierungssysteme Modelle, Software, Praxisanwendungen Uwe Suhl Veronika Waue SS 2008 Organisatorisches Veronika Waue Sprechstunde Mi.11h-12h (R214) E-mail: veronika@waue.net
MehrMathematische Computer-Software
Mathematische Computer-Software Kommerzielle Computeralgebrasysteme (CAS) Beispiele: Mathematica, Maple, Numerisches und symbolisches Verarbeiten von Gleichungen: Grundrechenarten Ableitung und Integration
MehrChapter 1 : þÿ A p p b e t a t h o m e c h a p t e r
Chapter 1 : þÿ A p p b e t a t h o m e c h a p t e r þÿ W e t t a n b i e t e r I n t e r w e t t e n h a t a m M o n t a g s e i n e n J a h r e s b e r i c h t u n d e i n e I n d e r. a l t m o d i
MehrEulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal
3. Kreis- und Wegeprobleme Kapitelübersicht 3. Kreis- und Wegeprobleme Eulerweg, Eulerkreis Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Definition
Mehr12 BG EDV Access / Inf-SQL1 Theodor-Heuss-Schule Wetzlar
Abfragen aus einer Tabelle mit Hilfe der Datenbank-Sprache SQL SQL (Structured Query Language) ist eine Computersprache zum Speichern, Bearbeiten und Abfragen von Daten in relationalen Datenbanken. Eine
MehrProgrammiervorkurs für die Numerik Teil 2/4
line 1 1 0.8 0.6 0.4 0.2 0-0.2-0.4 Programmiervorkurs für die Numerik Teil 2/4 Christian Power Mathematisches Institut Universität Tübingen -8-6 -4-2 0 05.10.2016 2 4 6 8-8 -6-4 -2 0 2 4 6 8 Wiederholung
MehrZeiger. C-Kurs 2012, 2. Vorlesung. Tino Kutschbach 10.
Zeiger C-Kurs 2012, 2. Vorlesung Tino Kutschbach tino.kutschbach@campus.tu-berlin.de http://wiki.freitagsrunde.org 10. September 2012 This work is licensed under the Creative Commons Attribution-ShareAlike
MehrKlausur Kompaktkurs Einführung in die Programmierung Dr. T. Weinzierl & M. Sedlacek 25. März 2011
Kompaktkurs Einführung in die Programmierung Klausur Seite 1/10 Name, Vorname, Unterschrift: Matrikelnummer: Wichtig: Klausur Kompaktkurs Einführung in die Programmierung Dr. T. Weinzierl & M. Sedlacek
MehrAlgorithmen und ihre Programmierung
Veranstaltung Pr.-Nr.: 101023 Algorithmen und ihre Programmierung Veronika Waue WS 07/08 Einführung Definition: Algorithmus Ein Algorithmus ist eine genau definierte Folge von Anweisungen zur Lösung eines
MehrArbeitsblatt 24: Statistische Parameter Top-secret
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrAnalytische Geometrie mit dem Voyage 1
Analytische Geometrie mit dem Voyage. Vektoren Vektoren lassen sich definieren in eckigen Klammern. Setzt man ein Semikolon zwischen die einzelnen Komponenten, so ergibt sich ein Spaltenvektor. Ein Spaltenvektor
Mehrhue12 January 24, 2017
hue12 January 24, 2017 1 Abgabehinweise Beachten Sie unbedingt diese Hinweise, sonst erhalten Sie keine Punkte aus dieser Abgabe! Für Details siehe z.b. Folien der nullten Zentralübung 1.1 Namen und Matrikelnummern
MehrSprachanalyse. Fachseminar WS 08/09 Dozent: Prof. Dr. Helmut Weber Referentin: Nadia Douiri
Sprachanalyse WS 08/09 Dozent: Prof. Dr. Helmut Weber Referentin: Inhalt 1. Formale Sprachen 2. Chomsky-Hierarchie 2 FORMALE SPRACHE 1. WAS IST EINE SPRACHE? 2. WIE BESCHREIBT MAN EINE SPRACHE? 3. WAS
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrAls Instanz für das p-median Problem wählen wir das Netzwerk von Abbildung 1-1 des Buches auf Seite 6.
Übung zum p-median Problem Prof. Dr. R. Vahrenkamp, Universität Kassel Als Instanz für das p-median Problem wählen wir das Netzwerk von Abbildung 1-1 des Buches auf Seite 6. Abbildung1 1: Ausschnitt aus
MehrFunktionsweise Um dieses Leistungsmerkmal zu erfüllen, bekommen die Favoritenordner eine Zusatzfunktion:
Definition Die Beurteilung von Patenten bei infopatent macht es möglich, Patentfamilien mit einer dreistufigen Beurteilung zu versehen. Folgende Anwendungsregeln gelten: Die Beurteilung wird durch Betätigen
MehrTag 4 Repetitorium Informatik (Java)
Tag 4 Repetitorium Informatik (Java) Dozent: Michael Baer Lehrstuhl für Informatik 2 (Programmiersysteme) Friedrich-Alexander-Universität Erlangen-Nürnberg Wintersemester 2017/2018 Übersicht Arrays (Reihungen)
MehrGödels Incompleteness Theorems. Episode I: Einführung
Gödels Incompleteness Theorems Episode I: Einführung Inhaltsübersicht Generelle Beweisidee Gödels Eigenschaften und Relationen der Sprache L Tools & Rules Beweise, 1. Teil Anforderungen an L Tools & Rules,
Mehr4.4 Imperative Algorithmen Prozeduren
4.4.2 Prozeduren Der Wert eines Ausdrucks u in Zustand z Z lässt sich damit auch leicht definieren (jetzt W Z statt W σ ) Dazu erweitern wir die rekursive Definition von Folie 57 (Wert eines Ausdrucks):
MehrDifferenzengleichungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Differenzengleichungen Dr. Thomas Zehrt Inhalt: 1. Einführungsbeispiele 2. Definition 3. Lineare Differenzengleichungen 1. Ordnung (Wiederholung)
MehrKlausur zur Modulprüfung ABWL1 SoSe14 2. Termin 13. Oktober 2014
Klausur zur Modulprüfung ABWL1 SoSe14 2. Termin 13. Oktober 2014 Name: Vorname: Matrikel-Nr.: Studiengang, Abschluss: Hiermit erkläre ich mich nach 39(10) der AllgStuPO prüfungsfähig. Ein Rücktritt bzw.
MehrNICHT TRIVIAL: MAKROVARIABLEN - GLOBAL ODER LOKAL
WEBINAR@LUNCHTIME NICHT TRIVIAL: MAKROVARIABLEN - GLOBAL ODER LOKAL FRAGE Antworten EINSTIEGSFRAGE Wie werden die Makrovariablen durch Call Symput erstellt Global, lokal, teils-teils oder gar nicht? %macro
MehrOptimierung für Wirtschaftsinformatiker: Lineare Programme
Optimierung für Wirtschaftsinformatiker: Lineare Programme Dr. Nico Düvelmeyer Dienstag, 31. Mai 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Lineare Programme Allgemeine Form 2 Spezielle Darstellungen
Mehr3 Query Language (QL) Einfachste Abfrage Ordnen Gruppieren... 7
1 Data Definition Language (DDL)... 2 1.1 Tabellen erstellen... 2 1.1.1 Datentyp...... 2 1.1.2 Zusätze.... 2 1.2 Tabellen löschen... 2 1.3 Tabellen ändern (Spalten hinzufügen)... 2 1.4 Tabellen ändern
MehrIdeen und Konzepte der Informatik. Programme und Algorithmen Kurt Mehlhorn
Ideen und Konzepte der Informatik Programme und Algorithmen Kurt Mehlhorn 26. Oktober 2015 Programme und Algorithmen Programmiersprache = Kunstsprache mit genau definierter Syntax (was ist ein zulässiger
Mehr1.2 Rechnen mit Termen II
1.2 Rechnen mit Termen II Inhaltsverzeichnis 1 Ziele 2 2 Potenzen, bei denen der Exponent negativ oder 0 ist 2 3 Potenzregeln 3 4 Terme mit Wurzelausdrücken 4 5 Wurzelgesetze 4 6 Distributivgesetz 5 7
MehrTheorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie
Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung
MehrGefährdungsbeurteilung und Auswahl von PSA
Gefährdungsbeurteilung und Auswahl von PSA Dr. Jürgen Klein Abteilungsleiter IuK, Medien und elektrische Geräte (Vorsitzender AK Schutz- und Sicherheitsausrüstung im Ref. 8 vfdb) Inhalt Ausgangslage Ziele
MehrTag 4 Repetitorium Informatik (Java)
Tag 4 Repetitorium Informatik (Java) Dozent: Patrick Kreutzer Lehrstuhl für Informatik 2 (Programmiersysteme) Friedrich-Alexander-Universität Erlangen-Nürnberg Wintersemester 2016/2017 Willkommen zum Informatik-Repetitorium!
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste
MehrProgrammieren I. Kapitel 5. Kontrollfluss
Programmieren I Kapitel 5. Kontrollfluss Kapitel 5: Kontrollfluss Ziel: Komplexere Berechnungen im Methodenrumpf Ausdrücke und Anweisungen Fallunterscheidungen (if, switch) Wiederholte Ausführung (for,
MehrErläuterungen zum Online-Zähltool b4p. Mehr Informationen über mds:
Erläuterungen zum Online-Zähltool b4p Mehr Informationen über mds: www.mds-mediaplanung.de Zielgruppendefinition Mit dem Modul Zielgruppen-Definition wird eine Personengruppe festgelegt, auf die sich alle
MehrSQL Data Manipulation Language (DML) und Query Language (QL)
Innsbruck Information System University of Innsbruck School of Management Information Systems Universitätsstraße 15 6020 Innsbruck SQL Data Manipulation Language (DML) und Query Language (QL) Universität
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
MehrPaul Molitor und Jörg Ritter VHDL. Eine Einführung. ein Imprint von Pearson Education
Paul Molitor und Jörg Ritter VHDL Eine Einführung ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis
MehrAusgabe:
Aufgabe 2.10: Schreiben Sie ein Programm, das zunächst die Quadratzahlen zu den Zahlen 1-10 mit Hilfe einer While- Schleife und danach die Quadratzahlen zu den Zahlen 3, 6, 9,.., 30 mit Hilfe einer For-Schleife
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
MehrBestimmung einer ganzrationalen Funktionenschar
Bestimmung einer ganzrationalen Funktionenschar x Gesucht ist eine Schar f a ganzrationaler Funktionen. Grades, deren Graphen durch A(0 ) und B( ) verlaufen und in A die Steigung a haben. Funktionenschar
MehrIngenieurinformatik II Numerik für Ingenieure Teil 2
Hochschule München, FK 03 MB SS 013 Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz Ingenieurinformatik II Numerik für Ingenieure Teil Bearbeitungszeit : 60 Minuten Aufgabensteller : Dr. Reichl Hilfsmittel
MehrFunktionen in JavaScript
Funktionen in JavaScript Eine Funktion enthält gebündelten Code, der sich in dieser Form wiederverwenden lässt. Es können ganze Programmteile aufgenommen werden. Mithilfe von Funktionen kann man denselben
Mehr1. 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
MehrDefinition 4 (Operationen auf Sprachen) Beispiel 5. Seien A, B Σ zwei (formale) Sprachen. Konkatenation: AB = {uv ; u A, v B} A + = n 1 An
Definition 4 (Operationen auf Sprachen) Seien A, B Σ zwei (formale) Sprachen. Konkatenation: AB = {uv ; u A, v B} A 0 = {ɛ}, A n+1 = AA n A = n 0 An A + = n 1 An Beispiel 5 {ab, b}{a, bb} = {aba, abbb,
MehrKontextfreie Sprachen. Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kontextfreie Sprachen
Automaten und Formale Sprachen alias Theoretische Informatik Sommersemester 2012 Dr. Sander Bruggink Übungsleitung: Jan Stückrath Wortproblem: der CYK-Algorithmus Pumping Lemma für kontextfreie Sprachen
MehrResolution (Motivation) Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Resolution (Idee) Resolution (Idee)
(Motivation) Vorlesung Logik Sommersemester 0 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Wir benötigen Algorithmen für Erfüllbarkeitstests, die zumindest in vielen Fällen gutartiges
MehrVorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen
Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume & Dr. Sander Bruggink Barbara König Logik 1 (Motivation) Wir benötigen Algorithmen für Erfüllbarkeitstests,
MehrIdeen und Konzepte der Informatik. Programme und Algorithmen Kurt Mehlhorn
Ideen und Konzepte der Informatik Programme und Algorithmen Kurt Mehlhorn Algorithmen und Programme Algorithmus Schritt-für-Schritt Vorschrift zur Lösung eines Problems. Formuliert man umgangssprachlich,
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
MehrSigmaPlots Gleichungsplotter und Solver
SigmaPlots Gleichungsplotter und Solver Mit SigmaPlots Gleichungsplotter und Solver können Sie - Kurven für Daten aus benutzerdefinierten Gleichungen plotten - Gleichungen für Datenpunkte berechnen oder
Mehr5 Assoziationsmessung in Kontingenztafeln
5 Assoziationsmessung in Kontingenztafeln 51 Multivariate Merkmale 51 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt zur Beschreibung
MehrJavaScript. Dies ist normales HTML. Hallo Welt! Dies ist JavaScript. Wieder normales HTML.
JavaScript JavaScript wird direkt in HTML-Dokumente eingebunden. Gib folgende Zeilen mit einem Texteditor (Notepad) ein: (Falls der Editor nicht gefunden wird, öffne im Browser eine Datei mit der Endung
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2011/12 Die Registermaschine (random access machine, RAM) 0 I 0 1 I 1 2 I 2 m I m Programm
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
MehrMatrizen und Drehungen
Matrizen und Drehungen 20. Noember 2003 Diese Ausführungen sind im wesentlichen dem Skript zur Vorlesung Einführung in die Theoretische Physik I und II on PD Dr. Horst Fichtner entnommen. Dieses entstand
MehrÜbersicht der wichtigsten MySQL-Befehle
Übersicht der wichtigsten MySQL-Befehle 1. Arbeiten mit Datenbanken 1.1 Datenbank anlegen Eine Datenbank kann man wie folgt erstellen. CREATE DATABASE db_namen; 1.2 Existierende Datenbanken anzeigen Mit
MehrStreuungsmaße. Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre Varianz (empirische) Varianz (Streuung) s 2 = 1 n
Streuungsmaße Diskrete Stetige Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre (empirische) (Streuung) s 2 = 1 n (X i X) 2 n 1 i=1 s 2 n var(x) Warum Division durch (n
MehrPhysische Datenstrukturen
Elementare Datentypen Strukturierte Datentypen Zeiger Seite 1 Einfache Datentypen Datentyp char Verwendung: ASCII-Zeichen Wertebereich: alle darstellbaren Zeichen, 8 bit lange Ganzzahlen im Intervall -128
Mehr3.6 Einführung in die Vektorrechnung
3.6 Einführung in die Vektorrechnung Inhaltsverzeichnis Definition des Vektors 2 2 Skalare Multiplikation und Kehrvektor 4 3 Addition und Subtraktion von Vektoren 5 3. Addition von zwei Vektoren..................................
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
MehrWiMa-Praktikum 1. Woche 8
WiMa-Praktikum 1 Universität Ulm, Sommersemester 2017 Woche 8 Lernziele In diesem Praktikum sollen Sie üben und lernen: Besonderheiten der For-Schleife in Matlab Wiederholung des Umgangs mit Matrizen und
Mehr