Aufgabe 3.1: LP-Informationen im Optimum
|
|
- Henriette Blau
- vor 6 Jahren
- Abrufe
Transkript
1 Johann Wolfgang Goethe-Universität Frankfurt am Main Lehrst.f.BWL, insb. Quant. Methoden Prof. Dr. Dietrich Ohse LPUE:SQM6 LP und Erweiterungen lpueb03_ 2003s.doc Aufgabe 3.1: LP-Informationen im Optimum Im folgenden sind ein LP-Problem und seine optimale Lösung gegeben: Max x 1 x 2 x 3 x 4 x 5 RS Max x 8 x 9 x 2 x 6 x 5 RS z z x x 4 4/5 3/5 21/5 1 11/5 36/5 x x 7 11/5 7/5 44/5 2 14/5 216/5 x x /5 1/5 3/5 0 7/5 92/5 x x 3 1/5 2/5 4/5 0 9/5 4/5 Tab. 3.1: Ausgangslösung Tab. 3.2: Optimallösung (a) Bestimmen Sie die Mengen B und N sowie die Simplex-Multiplikatoren p T. (b) Lesen Sie die Basismatrix und Basisinverse ab. (c) Nehmen Sie an, die Zielfunktion sei nun: z = 4x 1 + 5x 2 3x 3 + 2x 4 + 2x 5 Welche Werte haben nun die Simplex-Multiplikatoren? (d) Wie lauten die modifizierten Zielzeilenkoeffizienten im Optimaltableau? (e) Welches ist der Wert der Rechten Seite nach Modifikation? [z = 428/5] (f) Berechnen Sie die Optimallösung, falls die Basislösung nicht mehr optimal ist. [z = 87] Aufgabe 3.2: Modifikation am LP Gegeben sind im folgenden ein LP-Problem und die optimale Lösung, beide in Tableauform: Max x 1 x 2 x 3 RS Max x 1 x 6 x 4 RS z z x x x x x x Tab. 3.3: Ausgangslösung Tab. 3.4: Optimallösung (a) Passen Sie die Optimallösung der geänderten Rechten Seite an. [z max = 1.350] (b) Passen Sie die Optimallösung der geänderten Zielfunktion z = 10x 1 + 6x 2 + 7x 3 an. [z max = 1.022]
2 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 2 Aufgabe 3.3: Modifikation von RS und ZF Gegeben sind ein LP-Problem und seine optimale Lösung. Max x 1 x 2 x 3 RS Max x 1 x 6 x 7 RS z z 5 3/2 1/2 34 x x 2 2 1/2 1/2 6 x x 3 3/2 1/4 1/4 7 Tab. 3.5: Ausgangslösung Tab. 3.6: Optimallösung (a) Wie lauten die Basisinverse A B 1 und der Vektor der Simplex-Multiplikatoren p T? (b) Dem Problem werden im Ausgangszustand zwei Aktivitäten: 3 2, 1 1 mit den Strukturvariablen x 4 und x 5 hinzugefügt. Bestimmen Sie die Spalten bzgl. der Basis B = {2, 3} von Tab. 3.6, und berechnen Sie ggfs. die neue Optimallösung. [z max = 48] (c) Danach, d.h. nach den Änderungen unter (b), wird die Nebenbedingung x 8 x 1 + 3x 2 + 2x 3 x 4 + x 5 = 2 dem Problem hinzugefügt. Wie lautet nun die Optimallösung? [z max = ] Aufgabe 3.4: Sensitivitätsanalyse - tabellarisch Führen Sie für das folgende LP-Problem die Sensitivitätsanalyse bezüglich der Rechten Seite und der Zielfunktion durch: Max z mit z = 2x 1 + 3x 2 + 4x 3 u.d.n. x 1 + 2x 2 + 3x x 1 + x 2 + 4x x 1 + x 2 + 2x 3 54 x j 0 für alle j [z max = 90]
3 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 3 Aufgabe 3.5: Sensibilitätsanalyse der Zielzeile Die lineare Planungsrechnung stellt ein klassisches Instrument zur Bestimmung des optimalen Produktionsprogramms dar. In dem folgenden Beispiel wird angenommen, daß ein Betrieb drei Produkte (1, 2 und 3) fertigen kann, deren Mengen x 1, x 2 und x 3 durch die Kapazitäten der Anlagen A und B begrenzt sind. Es wird dasjenige Produktionsprogramm gesucht, das die Summe der Deckungsbeiträge maximiert. Zur Lösung dieses Problems wurde ein lineares Modell konstruiert, das zu dem Simplextableau in Tab. 3.7 führte (x A und x B seien die Schlupfvariablen der Faktorrestriktionen). Max x 1 x 2 x 3 RS Max x 1 x B x 3 RS Max x A x B x 3 RS z z z x A 1 7 x A x x B x x Tab. 3.7: Ausgangstab. Tab. 3.8: Nach 1. Iteration Tab. 3.9: Optimaltableau Die optimale Lösung dieses LP-Problems in Tab. 3.9 wurde mit Hilfe der Simplex-Methode in zwei Iterationsschritten berechnet. (a) Welche Bedeutung haben die Zielfunktionskoeffizienten der Ausgangslösung einschließlich der Zielfunktionskoeffizienten der Schlupfvariablen? (b) Interpretieren Sie die Zielfunktionskoeffizienten der Optimallösung. (c) Wie erklären Sie, daß Produkt 1 mit der Menge x 1 = 3/2 im optimalen Produktionsprogramm enthalten ist, obwohl sein Deckungsbeitrag negativ ist? Begründen Sie Ihre Aussage auch formal. (d) In welchen Grenzen können die Kapazitäten beider Anlagen (ceteris paribus) variieren, ohne die Struktur der Optimallösung zu beeinflussen? (e) In welchen Grenzen können die Deckungsbeiträge der Produkte variieren, so daß die Struktur der Optimallösung erhalten bleibt?
4 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 4 Aufgabe 3.6: What-if-Analyse Ein Unternehmen der Mineralölindustrie kann von einem Kraftstoff, der mindestens eine Oktanzahl von 90 haben muß, bis zu t absetzen. Der Verkaufspreis beträgt 190 DM/t. Zur Herstellung (Mischung) des Kraftstoffes sind drei Rohkraftstoffe in begrenzter Menge verfügbar, die unterschiedlich teuer sind und verschiedene Oktanzahlen aufweisen. Alle Daten sind in der folgender Tabelle zusammengefaßt. Gesucht ist die Mischung, die den maximalen Gewinn bringt. Preis [DM/t] Oktanzahl Maximalmenge [t] Mischung Rohkraftstoff , Rohkraftstoff Rohkraftstoff Tab. 3.10: Kraftstoffdaten Mit y als der Mischungsmenge, x 1, x 2 und x 3 als den Mengen der Rohkraftstoffe 1,2 und 3, x 4 bis x 7 als den Schlupfvariablen (Mengendifferenzen zu den Maximalmengen), m* als (künstlicher) Basisvariablen der Mengenbilanz und oz als der Schlupfvariablen der Oktanzahlrestriktion sowie z als der Zielwertvariablen (Gewinn) erhält man folgenden LP-Ansatz im Simplextableau und nach kurzer Rechnung das ebenfalls abgebildete Tableau der optimalen Lösung: Max y x 1 x 2 x 3 RS Max oz x 6 x 4 RS - w z 16/ z x 3 2/25 1-1/ m* y oz / x 1-2/25-2 6/ x x 5 2/25 2-6/ x x x x 7-2/25-1 1/5 800 x Tab. 3.11: Ausgangslösung Tab. 3.12: Optimallösung Beantworten Sie die folgenden Fragen mittels Sensitivitätsanalyse und - wenn notwendig - weiterer Rechnung, d.h. Pivotierung im Optimaltableau nach entsprechender Datenänderung: (a) Wie ändert sich die Optimallösung, wenn im Vergleich zum Ausgangstableau eine der folgenden Bedingungen einzuhalten ist: (i) Vom 1. Rohkraftstoff sind t weniger verfügbar. (ii) Vom 2. Rohkraftstoff sind 500 t weniger verfügbar. (iii) Vom 3. Rohkraftstoff sind t weniger verfügbar. (b) In welchem Bereich darf der Preis des 1. Rohkraftstoffs (bei sonst unveränderten Daten) schwanken, ohne daß sich die Optimallösung qualitativ ändert?
5 Lst.f.BWL, i. Quant. Meth. lpueb03_ 2003s.doc 5 (c) Bei welchem Preis des 2. Rohkraftstoffs lohnt es sich nicht mehr (bei sonst unveränderten Daten), die vollen t einzusetzen? Wieviel wird in diesem Fall vom 2. Rohkraftstoff verwendet (in der alternativen Optimallösung)?
Sensitivitätsanalyse in der Linearen Optimierung
Sensitivitätsanalyse in der Linearen Optimierung Bei der Sensitivitätsanalyse werden i. allg. Größen des Ausgangsproblems variiert, und es wird untersucht, welche Wirkung eine derartige Modifikation auf
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas
MehrFall 3: Mehrere Kapazitätsengpässe
Fall 3: Mehrere Kapazitätsengpässe ei Vorliegen mehrerer Engpässe ist zunächst zu prüfen, ob ein Engpass die anderen Engpässe dominiert. Ist dies der Fall, reduziert sich das Optimierungsproblem auf den
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
MehrAufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1:
WS 99/99 Aufgabe : Bestimmen Sie Zahlen a b,, für die 6 b a und gleichzeitig a + b + gilt. Lösung zu Aufgabe : WS 99/99 Aufgabe : Ein Unernehmen stellt aus ohstoffen (,,, ) Zwischenprodukte ( Z, Z, Z )
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
MehrKLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)
Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR
Mehrmax 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6)
Aufgabe 1 (33 Punkte, ca. 20 Minuten) Ein Konditor stellt zu Ostern besonders exklusive Osterhasen (x 1 ) und Ostereier (x 2 ) her. Diese bestehen aus einer Schokoladengrundmasse und werden mit weiteren
MehrPrüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)
HTW Dresden 9. Februar 2012 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-
MehrBerufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg
Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg 2.1 Weinbauer Müller kann maximal 30 Hektar Rebfläche bewirtschaften. Er möchte Gutedel-
MehrFachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren
A2.1 Lineare Optimierung mit dem Simplexverfahren Wenn ein Unternehmen ermitteln möchte, wie viele Mengeneinheiten von verschiedenen Produkten zu produzieren sind, damit bei gegebenen Verkaufspreisen der
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrAufgabe des Monats Januar 2012
Aufgabe des Monats Januar 2012 Ein Unternehmen stellt Kaffeemaschinen her, für die es jeweils einen Preis von 100 Euro (p = 100) verlangt. Die damit verbundene Kostenfunktion ist gegeben durch: C = 5q
MehrDiplomprüfung. Operations Research I WS 2007/2008 (4 Punkte)
Dr. Jörg Kalcsics 11.0.008 Diplomprüfung (Wiederholungsprüfung gem. NPO) Operations Research I WS 007/008 ( Punkte) Vorbemerkung: Zugelassene Hilfsmittel: nicht programmierbarer Taschenrechner. Beginnen
MehrInstitut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen
Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Vertiefungsstudium 3. Musterklausur Modellgestütztes
MehrPrüfungsklausur Mathematik I für Wirtschaftsingenieure am
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 0.02.206 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P. 5
MehrÜbungsbeispiel 1: Quadratische Modellierung
Übungsbeispiel 1: Quadratische Modellierung Ein Uhrenhersteller möchte den Preis für sein neues Modell festlegen und führt dazu eine Marktanalyse durch. Das Ergebnis lautet: Bei einem Preis von 60 ist
MehrLineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2
Lineares Optimieren W. Kippels 1. April 015 Inhaltsverzeichnis 1 Einleitung Die Beispielaufgabe Einführung von Schlupfvariablen 4 Die Simplex-Methode 5 Das Basis-Austauschverfahren 4 6 Fortsetzung der
Mehr(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung)
Lineare Optimierung Unterbestimmte LGS und Optimierung Bei lösbaren unterbestimmten linearen Gleichungssystemen haben wir die Qual der Wahl in Abhängigkeit von den freien Parametern (Anzahl = Anzahl Unbekannte
MehrProjekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.
Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die
MehrOptimierung I. Dr. Ulf Lorenz F2.413
Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:
MehrDoing Economics with the Computer Sommersemester 2002. Excel Solver 1
Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte
MehrÜbungen und Fallbeispiele zum Operations Research
Springer-Lehrbuch Übungen und Fallbeispiele zum Operations Research Bearbeitet von Wolfgang Domschke, Andreas Drexl, Robert Klein, Armin Scholl, Stefan Voß 8., aktualisierte Auflage 5. Buch. XII, S. Kartoniert
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrOptimierung. Nürnberg, Oktober 2015
1 Optimierung Nürnberg, Oktober 2015 Prof. Dr. Yvonne Stry Technische Hochschule Nürnberg Fakultät Angewandte Mathematik, Physik und Allgemeinwissenschaften Keßlerplatz 12 90461 Nürnberg Germany 1 Beispiel
MehrÜbungen zur Linearen Optimierung Sommersemester 2011. Übungsblatt 1
Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Graduiertenschule HGS MathComp Dr. Stefan Körkel Magdalena Gottfried Übungen zur Linearen Optimierung Sommersemester 2011
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Rechnerische Lösung - Simplex- Algorithmus LO - Auswertung des
MehrPrüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.2015
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 20.02.205 B Name, Vorname Matr. Nr. Sem. gr. Aufgabe 2 4 5 6 7 8 gesamt erreichbare P.
MehrMaximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge)
Beispiel: Produktionsplanung Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Produktionskapazität Ressourcenmenge bei als fest angenommenem
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrLineare (Un-)Gleichungen und lineare Optimierung
Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2010 9. April 2010 Eine Maximumsaufgabe Eine Firma stellt aus
Mehr1 Einführung...2 1.1 Was ist Operations Research?...2 1.2 Modellierung und Methodik...2
S. OPERATIONS RESEARCH Einführung.... Was ist Operations Research?.... Modellierung und Methodik... Lineare Optimierung.... Beschreibung linearer Optimierungsprobleme (LOP).... Modellierung ökonomischer
MehrModelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie)
(Die Thesen zur Vorlesung 1_Fallstudie) das Thema der Vorlesung Grundlagen der Methode der linearen Optimierung (Lineares Optimierungsmodell der Wahl der Produktionsstrategie des ) Prof. Dr. Michal Fendek
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrMathematikreferat. von. Matthias Faß FG 99
Mathematikreferat von Matthias Faß FG 99 im Mai 2002 Inhaltsverzeichnis: Seite 1. Einleitung: Was ist eigentlich lineare Optimierung? 1 2. Geschichte der linearen Optimierung 1 3. Graphisches Verfahren
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrDifferentialrechnung bei Funktionen mehreren Variablen
Kap. 6 Differentialrechnung bei Funktionen mehreren Variablen Im folgenden geht es um Funktionen des Typsf :R n R X... Y =f(x,...,x n ) X n Eine Weiterentwicklung der Differentialrechnung für solche Funktionen
MehrAufgabenblatt 6 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015
Universität Bern Bern, den. März Professur für Quantitative Methoden der BWL Schützenmattstr., Bern Prof. Dr. Norbert Trautmann, Oliver Strub E-Mail: oliver.strub@pqm.unibe.ch Aufgabenblatt 6 zur Lehrveranstaltung
MehrLineare Programmierung Teil I
Seminar über Algorithmen Prof. Dr. Helmut Alt Lineare Programmierung Teil I Lena Schlipf, Benjamin Jankovic Lena Schlipf, Benjamin Jankovic Seminar über Algorithmen SS05 1 Struktur des Vortrags 1. Was
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrExtrema mit Nebenbedingungen
Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
MehrLineare Optimierung Ergänzungskurs
Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine
MehrExpertengruppe A: Die Annuitätenmethode
Expertengruppe A: Die Annuitätenmethode Besprecht und berechnet in eurer Gruppe das Musterbeispiel und löst anschließend das neue Beispiel. Kapitalwertmethode (= Goodwill = Net Present Value NPV) Kapitalwert
Mehr10. Lineare Optimierung
10. Lineare Optimierung Im Kontext der Optimierungsmodelle: Zielfunktion lineare Funktion Nebenbedingungen lineare Funktionen Lösungsraum Unterraum des n Problem der linearen Optimierung Minimiere unter
MehrUmsetzung von DEA in Excel
Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten
MehrSkript Operations Research, SS Dr. Reinhard Schaitzel, Hochschule Augsburg, Fakultät für Informatik
Skript Operations Research, SS 2014 Dr. Reinhard Schaitzel, Hochschule Augsburg, Fakultät für Informatik 5. März 2014 Inhaltsverzeichnis 1 Einführung 7 1.1 Begrisklärung............................ 7 1.1.1
MehrDie Laufzeit muss nun ebenfalls in Monaten gerechnet werden und beträgt 25 12 = 300 Monate. Damit liefert die Sparkassenformel (zweiter Teil):
Lösungen zur Mathematikklausur WS 2004/2005 (Versuch 1) 1.1. Hier ist die Rentenformel für gemischte Verzinsung (nachschüssig) zu verwenden: K n = r(12 + 5, 5i p ) qn 1 q 1 = 100(12 + 5, 5 0, 03)1, 0325
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrKapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
Kapitel 5 Dualität Peter Becker (H-BRS) Operations Research I Sommersemester 2014 241 / 298 Inhalt 5 Dualität Dualitätssätze Zweiphasen-Simplexalgorithmus Peter Becker (H-BRS) Operations Research I Sommersemester
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
MehrAUFGABEN. Klausur: Modul 31811 Planen mit mathematischen Modellen. Termin: 16.09.2013
Lehrstuhl für Betriebswirtschaftslehre, insb Quantitative Methoden und Wirtschaftsmathematik Univ-Prof Dr Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 16092013 Prüfer: Univ-Prof Dr Andreas Kleine
MehrLineare Optimierung. Master 1. Semester
Prof. Dr.-Ing. Fritz Nikolai Rudolph Fachhochschule Trier Fachbereich Informatik Master 1. Semester Inhaltsverzeichnis 1 Einleitung... 2 1.1 Lineare Gleichungssysteme... 2 1.2 sprobleme... 3 2 Standardform...
MehrStatistik und Graphentheorie
Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:
MehrMatrikel-Nr.: Nachholklausur Wirtschafts- und Finanzmathematik
Name: Matrikel-Nr.: Nachholklausur Wirtschafts- und Finanzmathematik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 7. Juli 2015 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten
Mehr/46. Abschlussprüfung Fachoberschule 2013 Mathematik
Abschlussprüfung Fachoberschule 0 Aufgabenvorschlag B /46 Am. Februar 0 wird um 4:00 Uhr ein Erdbeben mit der Anfangsstärke auf der sogenannten Richter-Skala gemessen. Das Beben dauert etwas länger als
MehrGegeben: Nebenbedingungen 2x1 + x2! 200 x1 + x2! 120 x1 + 3x2! 240. NNB x1 " 0; x2 " 0. 1. Umformung der Ungleichungen in Gleichungen:
LP / SIMPLEX Methode Gegeben: Zielfunktion G = 2x1 + 3x2 Nebenbedingungen 2x1 + x2! 200 x1 + x2! 120 x1 + 3x2! 240 NNB x1 " 0; x2 " 0 1. Umformung der Ungleichungen in Gleichungen: 2. Umformung der Zielfunktion:
MehrÜbungsaufgaben WFW Finanzierung und Investition handlungsspezifische Qualifikation 2. Tag
1. Aufgabe Als Assistent der Geschäftsleitung wurden Sie beauftragt herauszufinden, ob die Investition in Höhe von 1.200.000 Euro in eine neue Produktionsanlage rentabel ist. Dafür liegen Ihnen folgende
MehrKlausur zur Vorlesung Informationsökonomik
Dr. Tone Arnold Wintersemester 2003/04 Klausur zur Vorlesung Informationsökonomik Die Klausur besteht aus drei Vorfragen und drei Hauptfragen, von denen jeweils zwei zu beantworten sind. Sie haben für
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrLineare Optimierung im Mathematikunterricht
Lineare Optimierung im Mathematikunterricht Horst W. Hamacher Stefanie Müller WiMS/TeMS -Report, Wirtschafts- und Technomathematik in Schulen Fachbereich Mathematik, Universität Kaiserslautern WiMS/TeMS
MehrPrüfung: Produktion, Logistik und Operations Research SS 2009. Prüfungsbogen. Vom Klausurteilnehmer auszufüllen!
Klausur: 1122 1 von 12 Prüfung: Produktion, Logistik und Operations Research SS 29 Prüfer: Prof. Dr. Karl Inderfurth Prüfungsbogen Vom Klausurteilnehmer auszufüllen! Name, Vorname : Fakultät : Matrikelnummer
MehrPrüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 8.02.11 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 1 2 3 4 6 gesamt erreichbare P. 6 10 12 12
MehrOperations Research für Wirtschaftsinformatiker. Vorlesungsskript von Richard Mohr
Operations Research für Wirtschaftsinformatiker Vorlesungsskript von Richard Mohr Fachhochschule Esslingen, SS 2005 INHALTSVERZEICHNIS i Inhaltsverzeichnis Lineare Optimierung. Graphische Lösung des linearen
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrKlausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler
Wintersemester 2006/07 05.03.2007 Dr. Priska Jahnke Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:
MehrKursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/10 2.3.2010 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt:
MehrOptimierungsalgorithmen
Optimierungsalgorithmen Jakob Puchinger Algorithmen und Datenstrukturen 2 Arbeitsbereich für Algorithmen und Datenstrukturen Institut für Computergraphik und Algorithmen Technische Universität Wien Übersicht
MehrÜbungsaufgaben zur Linearen Funktion
Übungsaufgaben zur Linearen Funktion Aufgabe 1 Bestimmen Sie den Schnittpunkt der beiden Geraden mit den Funktionsgleichungen f 1 (x) = 3x + 7 und f (x) = x 13! Aufgabe Bestimmen Sie den Schnittpunkt der
MehrBeispiel "Handgeschnitzte Holzengel (HGHE)" (nach Kleine-Doepke) anteiliges Weihnachstsgeld (13. Gehalt) WE/p.a. 750 März 130 80
Internes Rechnungswesen 3 K0305 Beispiel "Handgeschnitzte Holzengel (HGHE)" (nach Kleine-Doepke) Zusatzinformationen Angestellte 3 GTK Vorschnitzmaschine 1 Einheit Anschaffungskosten 45.000 WE Nutzungsdauer
MehrUmfang des Parallelogramms. Flächeninhalt des Parallelogramms
Parallelogramm Umfang des Parallelogramms Gegeben ist ein Parallelogramm mit den Seitenlängen a und b. Um den Umfang (u P ) zu berechnen, wird folgende Formel verwendet: u P = 2a + 2b a b a = 6 cm; b =
MehrAlgorithmische Anwendungen
Lineare Programmierung Studiengang: Allgemeine Informatik 7.Semester Gruppe: A blau Sibel Cilek 3835 Daniela Zielke 36577..6 Inhaltsverzeichnis Einleitung...3. Was ist lineare Optimierung?... 3. Anwendungsbeispiele...
MehrPrüfungsklausur Mathematik I für Wirtschaftsingenieure am 15.2.2013
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Mathematik I für Wirtschaftsingenieure am 5..3 A Name, Vorname Matr. Nr. Sem. gr. Aufgabe 3 4 5 6 7 8 gesamt erreichbare P. 4 6 3
MehrInstitut für Wirtschaftsprüfung und Steuerwesen
Institut für Wirtschaftsprüfung und Steuerwesen Lehrstuhl für Revisionsund Treuhandwesen Dominik Dienes Wintersemester 2012/2013 Begleitkurs zur Vorlesung Accounting and Controlling Veranstaltung 2 Plankostenrechnung
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrZielfunktion lineare Funktion Nebenbedingungen lineare Funktionen
be/ji/3(2) 2-1 2 im Kontext der OR-Optimierungsmodelle Zielfunktion lineare Funktion Nebenbedingungen lineare Funktionen Standardform: - Planungsziel min bzw. min Z(x) = c 1 x 1 + c 2 x 2 + + c n x n Z(x)
MehrVorlesungsmitschrift Operations Research I und II
Vorlesungsmitschrift Operations Research I und II Bemerkung: Dies ist eine Überarbeitung der beiden Skripte [1] und [2] zu den oben genannten Vorlesungen von Prof. Sebastian, ergänzt um Anmerkungen, die
Mehr3. Schnittebenenverfahren
3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research
Mehr0. Einleitung. 0.1. Der Begriff Operations Research / Decision Support
0. Einleitung 0.1. Der Begriff Operations Research / Decision Support Es werden Methoden zur Entscheidungsunterstützung (Decision Support, DS) vorgestellt. Durch Problemanalyse, daraus formulierte mathematische
MehrMusterlösung Tutorium 3 zur Vorlesung
PROF. DR.MICHAEL FUNKE DIPL.VW. KRISTIN GÖBEL Musterlösung Tutorium 3 zur Vorlesung Makroökonomik (WS 2010/11) Aufgabe 1: Das IS-LM-Modell in einer geschlossenen Volkswirtschaft a) Zeigen Sie unter Verwendung
MehrArbitrage Free Pricing
Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrIPN Curriculum Physik. Der elektrische Stromkreis als System
IPN Curriculum Physik Unterrichtseinheiten für das 7. und 8. Schuljahr Der elektrische Stromkreis als System Stromstärke Spannung Widerstand orschläge für Testaufgaben 2 3 1 Teil 1: Strom und Widerstand
MehrAbiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit x f(x) = (x + 5) e. Aufgabe : ( VP) Gegeben ist die Funktion
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrJede Zahl muss dabei einzeln umgerechnet werden. Beginnen wir also ganz am Anfang mit der Zahl,192.
Binäres und dezimales Zahlensystem Ziel In diesem ersten Schritt geht es darum, die grundlegende Umrechnung aus dem Dezimalsystem in das Binärsystem zu verstehen. Zusätzlich wird auch die andere Richtung,
MehrWirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und
Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und Bearbeitungszeit: W-Mathe 60 Minuten, F-Mathe 45 Minuten Aufgabe 1 a) Gegeben ist das folgende Gleichungssystem:
MehrAufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004
Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu
MehrAlgebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen
Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch
MehrDr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen Hochschule Esslingen Übungsblatt 2. Statistik
Dr. I. Fahrner WiSe 2016/17 Fakultät Grundlagen 6.10.2016 Hochschule Esslingen Übungsblatt 2 Statistik Stichworte: arithmetischer Mittelwert, empirische Varianz, empirische Standardabweichung, empirischer
MehrÜbungsklausur der Tutoren *
Übungsklausur der Tutoren * (* Aufgabenzusammenstellung erfolgte von den Tutoren nicht vom Lehrstuhl!!!) Aufgabe 1 - Tilgungsplan Sie nehmen einen Kredit mit einer Laufzeit von 4 Jahren auf. Die Restschuld
Mehrnennt man Prozentsatz. Der Prozentsatz gibt an, welcher Teil von dem Ganzen berechnet werden soll.
Prozentrechnung Wozu Prozentrechnung? Bei der Prozentrechnung geht es immer darum, einen Teil von einem Ganzen zu berechnen. Das Ganze stellt immer den Grundwert aller Aufgaben dar und das Ganze = der
MehrÜbungen zu Erfolgs- und Kostenmanagement im WS 11/12 Aufgabenblatt 2:
Übungen zu Erfolgs- und Kostenmanagement im WS / Aufgabenblatt : Aufgabe : Grundlagen der Entscheidungstheorie Ein Automobilhersteller steht vor der Entscheidung sein Produktionsprogramm für die Zukunft
MehrGliederung zu Kapitel 7. 7. Break-Even-Analyse
Gliederung zu Kapitel 7 7. Break-Even-Analyse 7.1 Zielsetzung und Annahmen von Break-Even-Analysen 7.2 Break-Even-Analysen bei einem Produkt 7.3 Break-Even-Analysen bei mehreren Produkten 7.4 Analyse der
MehrMarkus: Wir haben doch jetzt immer Wochen, in denen wir nicht voll ausgelastet sind. Können wir die Produktion nicht gleichmäßiger verteilen?
OSZ Wirtschaft und Sozialversicherung Fach: Rechnungswesen LA: Kostenrechnung LE: Teilkostenrechnung ÜBUNG: Kapazitätsprobleme Erforderliche Materialien: LÖS Anlagenverzeichnis Habedank GmbH zum 31.12.2006
MehrInstitut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II Aufgaben und Lösungen SS 2005 Aufgaben Aufgabe 41 Ein Betrieb stellt zwei Produkte P 1 und P 2 her, die die
MehrAufgabe 1 (23 Punkte)
Aufgabe 1 (23 Punkte) Betrachtet werden zwei Personen 1 und 2, die in einer Wohngemeinschaft leben, mit den folgenden Nutzenfunktionen: sowie u 1 (x 1, G) = x 1 G u 2 (x 2, G) = x 2 G x 1 beziehungsweise
Mehr