Einführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
|
|
- Berthold Gärtner
- vor 8 Jahren
- Abrufe
Transkript
1 Kapitel 1 Einführung Peter Becker (H-BRS) Operations Research I Sommersemester / 298
2 Inhalt Inhalt 1 Einführung Was ist Operations Research? Planungsprozess im OR Peter Becker (H-BRS) Operations Research I Sommersemester / 298
3 Was ist Operations Research? Was ist Operations Research? Definition der Gesellschaft für Operations Research (GOR): Unter Operations Research (OR) wird allgemein die Entwicklung und der Einsatz quantitativer und Methoden zur Entscheidungsunterstützung verstanden. Operations Research ist geprägt durch die Zusammenarbeit von Mathematik, Wirtschaftswissenschaften und Informatik. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
4 Was ist Operations Research? Gegenstand des Operations Research OR dient der Entscheidungsvorbereitung im Rahmen von Planungsprozessen. Dabei werden quantifizierbare Informationen unter Einbeziehung von Zielen verarbeitet. OR arbeitet mit n. Zur Formulierung und Lösung der bedient es sich mathematischer und informatischer Methoden. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
5 Was ist Operations Research? Modellbildung Typische Fragestellungen: Welche quantifizierbaren und für das Problem relevanten Informationen habe ich? Welche Zusammenhänge bestehen? Was sind die Handlungsmöglichkeiten (Variablen)? Welche Einschränkungen sind dabei zu beachten (Nebenbedingungen)? Was will ich optimieren (Zielfunktion)? Sind Vereinfachungen möglich? Kann das Modell in eine Standardform gebracht werden? Peter Becker (H-BRS) Operations Research I Sommersemester / 298
6 Was ist Operations Research? Abgrenzung OR im weiteren Sinne beschäftigt sich mit Modellbildung und Lösungsfindung sowie mit Methoden zur Datenermittlung. OR im engeren Sinne beschränkt sich in erster Linie auf die Entwicklung von Algorithmen. + Wir betrachten OR im engeren Sinne. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
7 Was ist Operations Research? Geschichte Die Gründungszeit des OR waren die Jahre kurz vor und während des 2. Weltkriegs. In GB und den USA wurden z.b. Möglichkeiten der optimalen Zusammenstellung von Schi skonvois untersucht. Auch bei der Organisation der Lüftbrücke im Rahmen der Berlin-Blockade 1948/49 spielte OR eine wichtige Rolle. Heute überwiegen ökonomische und ingenieurwissenschaftliche Anwendungen, v.a. in den Bereichen Produktion und Logistik. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
8 Planungsprozess im OR OR-gestützte Planung Erkennen und Analysieren eines Problems Bestimmen von Zielen und Handlungsmöglichkeiten Mathematisches Modell, Informatisches Modell (Algorithmus) Datenbescha ung Lösungsfindung, Berechnung Bewertung der Lösung Peter Becker (H-BRS) Operations Research I Sommersemester / 298
9 Planungsprozess im OR Peter Becker (H-BRS) Operations Research I Sommersemester / 298
10 Planungsprozess im OR Gebiete des Operations Research Peter Becker (H-BRS) Operations Research I Sommersemester / 298
11 Planungsprozess im OR Teilgebiete des Operations Research Lineare Optimierung bzw. lineare Programmierung Graphentheorie und Netzplantechnik Ganzzahlige (lineare) und kombinatorische Optimierung Dynamische Optimierung Nichtlineare Optimierung Warteschlangentheorie Simulation Peter Becker (H-BRS) Operations Research I Sommersemester / 298
12 Planungsprozess im OR Arten der Anwendung Unterscheidung der Anwendungsmöglichkeiten: Betriebliche Funktionsbereiche: Bescha ung, Produktion, Logistik, Absatz, Investition, Finanzierung Planungsinhalt: Zielplanung, Maßnahmenplanung, Durchführungsplanung, Ablaufplanung Fristigkeit: strategische, taktische, operative Planung Umfang: Teil- oder Gesamtplanung Peter Becker (H-BRS) Operations Research I Sommersemester / 298
13 Planungsprozess im OR Beispiel: Ablaufplan in Form eines Gantt-Charts Peter Becker (H-BRS) Operations Research I Sommersemester / 298
14 Modellierung Ziel der Modellierung: Optimierungskriterien, Handlungsmöglichkeiten und Einschränkungen durch Variablen und Funktionen definieren. Handlungsmöglichkeiten entsprechen Variablen. Einschränkungen entsprechen Funktionen der Variablen und werden Nebenbedingungen genannt. Optimierungskriterium entspricht einer Funktion der Variablen, die Zielfunktion genannt wird. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
15 Allgemeines Optimierungsmodell Maximiere (oder minimiere) unter den Nebenbedingungen 8 < g i (x 1,...,x n ) : z = F (x 1,...,x n ) apple = 9 = ; b i für i =1,...,m und (eventuell) Vorzeichenbedingungen der Art x j 0undweiteren einschränkenden Bedingungen an den Definitionsbereich der x j wie x j 2 Z oder x j 2{0, 1}. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
16 Dabei sind: n Anzahl der Variablen m Anzahl der Nebenbedingungen x j die Variablen mit x j 2 R, x j 2 Z oder x j 2{0, 1} F (x 1,...,x n ) die Zielfunktion g i (x 1,...,x n ) die Funktion der i-ten Nebenbedingung b i die rechte Seite der i-ten Nebenbedingung x j 2 R kontinuierliche Variable x j 2 Z ganzzahlige Variable x j 2{0, 1} binäre Variable Peter Becker (H-BRS) Operations Research I Sommersemester / 298
17 Bemerkungen zum allgemeinen Optimierungsmodell Vorzeichenbedingungen x j 0 spielen eine besondere Rolle und werden oft nicht zu den Nebenbedingungen gezählt. Gilt x j 2 Z für alle x j, dann sprechen wir von einem ganzzahligen Modell. In einem gemischt-ganzzahligen Modell treten sowohl Variablen x j 2 R als auch Variablen x j 2 Z auf. In diesem allgemeinen Modell ist nicht berücksichtigt, dass Größen auch stochastischer Natur sein können (Zufallsvariablen). Mit der Optimierung stochastischer beschäftigen wir uns kurz in OR II (stochastische dynamische Optimierung). Im Folgenden stellen wir eine Reihe von Optimierungsproblemen beispielhaft mit Hilfe dieses allgemeinen Modells dar. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
18 Beispielmodell: Produktionsplanung Beispiel 1.1 Fertigung von Toilettenpapier, Küchenrollen und Taschentüchern aus Altpapier. Deckungsbeiträge pro Mengeneinheit (ME): Toilettenpapier 85 e, Küchenrollen 90 e, Taschentücher 110 e Produktionshöchstmengen: Toilettenpapier 20 ME, Küchenrollen 15 ME, Taschentücher 12 ME Benötigtes Altpapier pro ME: Toilettenpapier 1 ME, Küchenrolle 0.8 ME, Taschentücher 0.6 ME Verfügbares Altpapier: 20 ME Wie sieht das optimale Produktionsprogramm aus, wenn der Hersteller seinen Deckungsbeitrag maximieren möchte? Peter Becker (H-BRS) Operations Research I Sommersemester / 298
19 Mathematische Modellierung x 1 x 2 x 3 zu produzierende Menge Toilettenpapier (ME) zu produzierende Menge Küchenrollen (ME) zu produzierende Menge Taschentücher (ME) Zielfunktion: unter den Nebenbedingungen max D(x 1, x 2, x 3 ) := 85x x x 3 x x x 3 apple 20 (Kapazitätzgrenze für Altpapier) x 1 apple 20 (Höchstmenge für Toilettenpapier) x 2 apple 15 (Höchstmenge für Küchenrollen) x 3 apple 12 (Höchstmenge für Taschentücher) x 1, x 2, x 3 0 (Nichtnegativität) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
20 Bemerkungen zum Modell Produktionsplanung lineare Zielfunktion alle Nebenbedingungen linear alle Nebenbedingungen sind apple-bedingungen Lösungsmethode: primaler Simplex-Algorithmus (siehe Kapitel 4) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
21 Beispielmodell: Mischproblem Beispiel 1.2 Für die Kakteenzucht mischt eine Gärtnerei drei Sorten Erde E 1, E 2, E 3 zusammen, die pro ME den folgenden Gehalt an Nährsto en A, B, C aufweisen: E 1 E 2 E 3 Nährsto A Nährsto B Nährsto C Kosten e/me Mindestbedarf an Nährsto en: 800 g für A, 280 g für B und 650 g für C. Es sollen die Kosten der Erdmischung minimiert werden. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
22 Mathematische Modellierung x 1 x 2 x 3 Menge von E 1 an der Mischung (ME) Menge von E 2 an der Mischung (ME) Menge von E 3 an der Mischung (ME) Zielfunktion: unter den Nebenbedingungen min K(x 1, x 2, x 3 ):=4.95x x x 3 4x 1 + 5x 2 + 8x (Bedarf an Nährsto A) x 1 + x 2 + 2x (Bedarf an Nährsto B) 5x 1 + 3x 2 + 4x (Bedarf an Nährsto C) x 1, x 2, x 3 0 (Nichtnegativität) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
23 Bemerkungen zum Mischproblem lineare Zielfunktion alle Nebenbedingungen linear alle Nebenbedingungen sind -Bedingungen Lösungsmethode: dualer Simplex-Algorithmus (siehe Kapitel 4) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
24 Beispielmodell: Investitionsplanung Beispiel 1.3 Ein Hersteller von Schrauben will seine Fertigungskapazität durch die Investition in neue Maschinen vom Typ T 1, T 2, T 3, T 4 erhöhen. Die nachfolgende Tabelle gibt die Eckdaten der verschiedenen Maschinentypen T i wieder: T 1 T 2 T 3 T 4 Jährliche Kapazität (ME) Tägliche Maximalkapazität (ME) Investitionsaufwand (GE) Jährliche Kosten (GE) Es soll eine tägliche Maximalkapazität von 20 ME und eine jährliche Kapazität von ME zur Verfügung stehen. Die Investitionsmittel sind auf 100 GE beschränkt. Wie viele Maschinen sind von jedem Typ zu kaufen, so dass die jährlichen Kosten minimal sind? Peter Becker (H-BRS) Operations Research I Sommersemester / 298
25 Mathematische Modellierung x 1 Anzahl der zu bescha enden Maschinen vom Typ T 1 x 2 Anzahl der zu bescha enden Maschinen vom Typ T 2 x 3 Anzahl der zu bescha enden Maschinen vom Typ T 3 x 4 Anzahl der zu bescha enden Maschinen vom Typ T 4 Zielfunktion min K(x 1, x 2, x 3, x 4 ):=3x 1 +7x 2 +4x 3 +8x 4 unter den Nebenbedingungen 750x x x x x 1 + 8x 2 + 5x 3 + 4x x x 2 + 7x x 4 apple 100 x 1, x 2, x 3, x 4 2 N Peter Becker (H-BRS) Operations Research I Sommersemester / 298
26 Bemerkungen zum Modell der Investitionsplanung lineare Zielfunktion alle Nebenbedingungen linear Nebenbedingungen sind sowohl apple- als auch -Bedingungen Die Variablen dürfen nur ganzzahlige Werte annehmen, was das Problem erheblich erschwert (es gelte dabei 0 2 N). Verzicht auf Ganzzahligkeit (LP-Relaxation) liefert eine untere Schranke für den optimalen Zielfunktionswert. Lösungsmethode für die LP-Relaxation: 2-Phasen-Simplex-Algorithmus (siehe Kapitel 5) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
27 Beispielmodell: Transportproblem Beispiel 1.4 Ein Gut, das an den Orten A i (i =1,...,m) in den Mengen a i angeboten wird, soll zu den Orten D j (j =1,...,n) transportiert werden, an denen eine Nachfrage von d j besteht. Es gelte: Gesamtnachfrage = Gesamtangebot. Die Kosten des Transportes einer Mengeneinheit von A i zu D j betragen c ij. Wieviele Mengeneinheiten x ij sollen jeweils von A i zu D j transportiert werden, so dass die Nachfrage genau erfüllt ist, das Angebot vollständig ausgenutzt wird und die Gesamttransportkosten minimal sind? Peter Becker (H-BRS) Operations Research I Sommersemester / 298
28 Peter Becker (H-BRS) Operations Research I Sommersemester / 298
29 Mathematische Modellierung Zielfunktion mx nx min c ij x ij i=1 j=1 unter den Nebenbedingungen Nachfrage : Angebot : mx x ij = d j 8j i=1 nx x ij = a i j=1 Nichtnegativität : x ij 0 8i8j 8i Peter Becker (H-BRS) Operations Research I Sommersemester / 298
30 Bemerkungen zum Transportprobem Im Gegensatz zu den Beispielen 1.1 bis 1.3 haben wir hier nicht eine spezielle Probleminstanz sondern eine ganze Klasse von Problemen modelliert. lineare Zielfunktion und lineare Nebenbedingungen Beachte: I Wir haben insgesamt n Nebenbedingungen für die Nachfrage (für jedes D j )und I m Nebenbedingungen für das Angebot (für jedes A i ). Sollte Gesamtangebot > Gesamtnachfrage gelten, so können wir stets ein äqivalentes Modell mit Gesamtangebot = Gesamtnachfrage aufstellen (Übungsaufgabe). Lösung mit spezieller Variante des Simplexalgorithmus (siehe Kapitel 7) Peter Becker (H-BRS) Operations Research I Sommersemester / 298
31 Beispielmodell: Zuordnungsproblem Beispiel 1.5 n Arbeiter sollen n Tätigkeiten zugeordnet werden, wobei die Ausführungskosten c ij (1 apple i, j apple n) betragen, wenn Arbeiter i die Tätigkeit j ausführt. Die Arbeiter sollen nun so auf die Tätigkeiten verteilt werden, dass jedem Arbeiter genau eine Tätigkeit zugeordnet wird und jede Tätigkeit von genau einem Arbeiter ausgeführt wird und die dabei anfallenden Gesamtkosten minimal sind. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
32 Mathematische Modellierung Zielfunktion: 1 wenn Arbeiter i Tätigkeit j ausführt x ij = 0 sonst min nx i=1 j=1 unter den Nebenbedingungen nx c ij x ij nx x ij = 1 8i j=1 nx x ij = 1 8j i=1 x ij 2 {0, 1} 8i8j Peter Becker (H-BRS) Operations Research I Sommersemester / 298
33 Bemerkungen zum Zuordnungsproblem lineare Zielfunktion und lineare Nebenbedingungen Das Zuordnungsproblem ist eng verwandt mit dem Transportproblem. Analog zum Transportproblem haben wir hier n Nebenbedingungen für die Arbeiter (8i) und n Nebenbedingungen für die Tätigkeiten (8j). Lösung mit spezieller Variante des Simplexalgorithmus (siehe Kapitel 7) Die binären Entscheidungsvariablen stellen dabei kein Problem dar! Begründung hierzu folgt in OR II. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
34 Beispielmodell: Verschnittproblem Beispiel 1.6 Aus 3 m langen Metallstangen sollen 10 Stangen mit 1 m, 45 Stangen mit 2 m, 21 Stangen mit 1.5 m und 42 Stangen mit 0.9 m Länge hergestellt werden. Die Anzahl der dafür notwendigen 3 m Stangen soll minimiert werden. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
35 Mathematische Modellierung Zunächst stellen wir alle möglichen maximale Schnittmuster auf, d.h. alle Möglichkeiten, eine 3 m Stange in die geforderten Längen zu zersägen, so dass der verbleibende Rest nicht mehr verwendbar ist. Muster 1 m 2 m 1.5 m 0.9 m Peter Becker (H-BRS) Operations Research I Sommersemester / 298
36 Variablen Zielfunktion x i = Anzahl der Stangen mit Schnittmuster i, 1 apple i apple 9 min x 1 + x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 + x 9 unter den Nebenbedingungen 3x 1 +x 2 +2x 5 +x 6 +x 8 10 x 2 +x x 3 +x 8 +x 9 21 x 4 +x 5 +2x 6 +3x 7 +x 9 42 x 1, x 2, x 3, x 4, x 5, x 6, x 7, x 8, x 9 2 N Peter Becker (H-BRS) Operations Research I Sommersemester / 298
37 Bemerkungen zum Verschnittproblem lineare Zielfunktion und lineare Nebenbedingungen Problem: Ganzzahligkeit der x i LP-Relaxation liefert eine untere Schranke für den optimalen Zielfunktionswert Lösungsmethoden: siehe OR II Peter Becker (H-BRS) Operations Research I Sommersemester / 298
38 Beispielmodell: Rucksackproblem Beispiel 1.7 Gegeben seinen n Gegenstände. Jeder Gegenstand i hat ein Gewicht w i (1 apple i apple n) und einen Nutzen u i (1 apple i apple n). Zum Verpacken der Gegenstände steht ein Rucksack mit einer (Gewichts)-Kapazität von C zur Verfügung. Welche Gegenstände sollen in den Rucksack gepackt werden, so dass deren Gesamtnutzen maximal ist und deren Gesamtgewicht die Rucksackkapazität nicht übersteigt. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
39 Mathematische Modellierung Zielfunktion 1 falls Gegenstand i in den Rucksack gepackt wird x i = 0 sonst unter den Nebenbedingungen max nx u i x i i=1 nx w i x i apple C i=1 x 1,...,x n 2 {0, 1} Peter Becker (H-BRS) Operations Research I Sommersemester / 298
40 Bemerkungen zum Rucksackproblem englisch: knapsack problem lineare Zielfunktion und lineare Nebenbedingungen problematisch: Entscheidungsvariablen x i sind binär Solche Probleme bezeichnen wir als kombinatorische Optimierungsprobleme. Das Rucksackproblem ist wie viele andere kombinatorische Optimierungsprobleme NP-vollständig. Lösungsmethoden: siehe OR II Peter Becker (H-BRS) Operations Research I Sommersemester / 298
41 Beispielmodell: Standortplanung Beispiel 1.8 Gegeben sind m Kunden und n potentielle Depots, die an verschiedenen Standorten erö net werden könnten. Die Erö nung eines Depots j verursacht Fixkosten von c j GE. Jedes Depot hat eine Lagerkapazität von u j ME. Jeder Kunde i hat einen Bedarf b i ME und kann von jedem Depot bedient werden, wobei Transportkosten in Höhe von h ij GE pro ME anfallen. Welche Depots sollen erö net werden, so dass der Bedarf der Kunden bei minimalen Gesamtkosten befriedigt werden kann. Peter Becker (H-BRS) Operations Research I Sommersemester / 298
42 Mathematische Modellierung x j Soll Depot erö net werden (x j = 1) oder nicht (x j = 0)? y ij Menge, die von Depot j zu Kunde i transportiert wird Zielfunktion min unter den Nebenbedingungen nx c j x j + j=1 u j x j + nx j=1 i=1 mx h ij y ij nx y ij = b i 8i j=1 mx y ij apple 0 8j i=1 x j 2 {0, 1} 8j y ij 0 8i8j Peter Becker (H-BRS) Operations Research I Sommersemester / 298
43 Bemerkungen zum Modell der Standortplanung lineare Zielfunktion und Nebenbedingungen gemischt-ganzzahliges Optimierungsproblem Peter Becker (H-BRS) Operations Research I Sommersemester / 298
44 Klassifikation von OR-n OR- werden v.a. nach folgenden Aspekten unterschieden: Informationsgrad deterministische vs. stochastische Zielfunktionen eine oder mehrere Zielfunktionen Typ der Zielfunktionen und Nebenbedingungen linear reellwertig, linear ganzzahlig, linear binär, nichtlinear Lösbarkeit polynomial, NP-hart Peter Becker (H-BRS) Operations Research I Sommersemester / 298
45 Zusammenfassung Zusammenfassung Charakterisierung und Gebiete des Operations Research Planungsprozess Modellierung wichtige : Transportproblem, Zuordnungsproblem, Rucksackproblem Peter Becker (H-BRS) Operations Research I Sommersemester / 298
4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
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
MehrDie Verbindung von Linearer Programmierung und Graphentheorie
Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der
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
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrDynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206
Kapitel 4 Dynamische Optimierung Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Inhalt Inhalt 4 Dynamische Optimierung Allgemeiner Ansatz und Beispiele Stochastische dynamische
MehrAnwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht
Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung
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
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
Mehr3.2. Simultane Produktions- und Investitionsplanung mit zeitlich verschiedenen Finanzierungmöglichkeiten
3.2. Simultane Produktions- und Investitionsplanung mit zeitlich verschiedenen Finanzierungmöglichkeiten Die nachfolgende Aufgabe entspricht einer Übungsaufgabe aus der Kurseinheit S. 22-27, welche wieder
MehrMathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011
Mathematik-Klausur vom 05.10.2011 Finanzmathematik-Klausur vom 26.09.2011 Studiengang BWL DPO 2003: Aufgaben 2,3,4 Dauer der Klausur: 60 Min Studiengang B&FI DPO 2003: Aufgaben 2,3,4 Dauer der Klausur:
Mehr(Lineare) stochastische Optimierung
(Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
MehrInhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII
Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................
MehrMathematik-Klausur vom 2. Februar 2006
Mathematik-Klausur vom 2. Februar 26 Studiengang BWL DPO 1997: Aufgaben 1,2,3,5,6 Dauer der Klausur: 12 Min Studiengang B&FI DPO 21: Aufgaben 1,2,3,5,6 Dauer der Klausur: 12 Min Studiengang BWL DPO 23:
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrMathematik-Klausur vom 4.2.2004
Mathematik-Klausur vom 4.2.2004 Aufgabe 1 Ein Klein-Sparer verfügt über 2 000, die er möglichst hoch verzinst anlegen möchte. a) Eine Anlage-Alternative besteht im Kauf von Bundesschatzbriefen vom Typ
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:
MehrOperations Research II
Operations Research II Einführung in die kombinatorische Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Wintersemester 2015/16 Peter Becker (H-BRS) Operations Research
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrEinführung in Scheduling
Einführung in Scheduling Dr. Julien Bidot Sommersemester 28 Institut für Künstliche Intelligenz Inhalt I. Definition und Formulierung des Scheduling- Problems II. Projektplanung III. Produktionsplanung
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrLINGO: Eine kleine Einführung
LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach
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,
MehrKosten-Leistungsrechnung Rechenweg Optimales Produktionsprogramm
Um was geht es? Gegeben sei ein Produktionsprogramm mit beispielsweise 5 Aufträgen, die nacheinander auf vier unterschiedlichen Maschinen durchgeführt werden sollen: Auftrag 1 Auftrag 2 Auftrag 3 Auftrag
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
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
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrMathematik-Klausur vom 16.4.2004
Mathematik-Klausur vom 16..200 Aufgabe 1 Die Wucher-Kredit GmbH verleiht Kapital zu einem nominellen Jahreszinsfuß von 20%, wobei sie die anfallenden Kreditzinsen am Ende eines jeden Vierteljahres der
MehrProduktionsplanung und steuerung (SS 2011)
Produktionsplanung und steuerung (SS 2011) Teil 1 Sie arbeiten seit 6 Monaten als Wirtschaftsingenieur in einem mittelständischen Unternehmen in Mittelhessen. Das Unternehmen Möbel-Meier liefert die Büroaustattung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
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
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrRessourceneinsatzplanung in der Fertigung
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Ressourceneinsatzplanung in der Fertigung Dr. Christoph Laroque Sommersemester 2012 Dresden, Was war Die im
MehrPeriodische Fahrpläne und Kreise in Graphen
Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrDurch die virtuelle Optimierung von Werkzeugen am Computer lässt sich die reale Produktivität von Servopressen erhöhen
PRESSEINFORMATION Simulation erhöht Ausbringung Durch die virtuelle Optimierung von Werkzeugen am Computer lässt sich die reale Produktivität von Servopressen erhöhen Göppingen, 04.09.2012 Pressen von
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrStackelberg Scheduling Strategien
Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:
MehrCharakteristikum des Gutachtenstils: Es wird mit einer Frage begonnen, sodann werden die Voraussetzungen Schritt für Schritt aufgezeigt und erörtert.
Der Gutachtenstil: Charakteristikum des Gutachtenstils: Es wird mit einer Frage begonnen, sodann werden die Voraussetzungen Schritt für Schritt aufgezeigt und erörtert. Das Ergebnis steht am Schluß. Charakteristikum
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrDie Zukunft der Zukunftsforschung im Deutschen Management: eine Delphi Studie
Die Zukunft der Zukunftsforschung im Deutschen Management: eine Delphi Studie Executive Summary Zukunftsforschung und ihre Methoden erfahren in der jüngsten Vergangenheit ein zunehmendes Interesse. So
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
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
MehrKompetitive Analysen von Online-Algorithmen
Kompetitive Analysen von Online-Algorithmen jonas echterhoff 16. Juli 004 1 Einführung 1.1 Terminologie Online-Algorithmen sind Algorithmen, die Probleme lösen sollen, bei denen Entscheidungen getroffen
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrGrundlagen der Informatik
Mag. Christian Gürtler Programmierung Grundlagen der Informatik 2011 Inhaltsverzeichnis I. Allgemeines 3 1. Zahlensysteme 4 1.1. ganze Zahlen...................................... 4 1.1.1. Umrechnungen.................................
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrAuswertung des Jahresabschlusses Bilanzanalyse 2
KA11 Unternehmensergebnisse aufbereiten, bewerten und nutzen Auswertung des Jahresabschlusses Bilanzanalyse 2 Kennzahlen zur Bilanzanalyse Die aufbereitete Bilanz kann mit Hilfe unterschiedlicher Kennzahlen
MehrZulassung nach MID (Measurement Instruments Directive)
Anwender - I n f o MID-Zulassung H 00.01 / 12.08 Zulassung nach MID (Measurement Instruments Directive) Inhaltsverzeichnis 1. Hinweis 2. Gesetzesgrundlage 3. Inhalte 4. Zählerkennzeichnung/Zulassungszeichen
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
Mehr1. Einführung. 1.1 Tourenplanung als Teilbereich der Logistik
1. Einführung 1.1 Tourenplanung als Teilbereich der Logistik Die Logistik steht heute nicht nur in der Wissenschaft, sondern auch in der unternehmerischen Praxis stärker im Mittelpunkt als in den früheren
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
MehrBin Packing oder Wie bekomme ich die Klamotten in die Kisten?
Bin Packing oder Wie bekomme ich die Klamotten in die Kisten? Ich habe diesen Sommer mein Abi gemacht und möchte zum Herbst mit dem Studium beginnen Informatik natürlich! Da es in meinem kleinen Ort keine
Mehr14 Entscheidungsmuster Grenzkosten Deckungsbeitrag
GRUNDLAGEN WIRTSCHAFT 14 Entscheidungsmuster Grenzkosten Deckungsbeitrag Wirtschaften ist Entscheiden und Handeln von Menschen. 2011.10 Prof. Dr. Friedrich Wilke Entscheidungsmuster 14 Grenzkosten 1 Entscheidungsprozess
MehrA 95 223 B 125 396 C 75 169 D 105 277 E 115 421 F 85 269
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@fh-koeln.de Übungen zur Vorlesung Wirtschaftsstatistik Wiederholungsaufgaben für die Klausur
MehrWir machen neue Politik für Baden-Württemberg
Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
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
MehrSCHRITT 1: Öffnen des Bildes und Auswahl der Option»Drucken«im Menü»Datei«...2. SCHRITT 2: Angeben des Papierformat im Dialog»Drucklayout«...
Drucken - Druckformat Frage Wie passt man Bilder beim Drucken an bestimmte Papierformate an? Antwort Das Drucken von Bildern ist mit der Druckfunktion von Capture NX sehr einfach. Hier erklären wir, wie
Mehr6 Schulungsmodul: Probenahme im Betrieb
6 Schulungsmodul: Probenahme im Betrieb WIEDNER Wie schon im Kapitel VI erwähnt, ist die Probenahme in Betrieben, die Produkte nach dem Lebensmittel- und Futtermittelgesetzbuch herstellen oder in den Verkehr
MehrBruchrechnung Wir teilen gerecht auf
Bruchrechnung Wir teilen gerecht auf Minipizzen auf Personen. Bruchrechnung Wir teilen gerecht auf Minipizzen auf Personen. : (+) : + Wir teilen einen Teil Eine halbe Minipizza auf Personen. :? Wir teilen
MehrKaufmännische Berufsmatura 2007 Kanton Zürich Serie 1
Serie 1 Prüfungsdauer: 150 Minuten Hilfsmittel: Netzunabhängiger Taschenrechner Beigelegte Formelsammlung Bedingungen: Dokumentieren Sie den Lösungsweg auf dem Aufgabenblatt Unbelegte Resultate werden
MehrKlausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler
Wintersemester 2005/06 20.2.2006 Prof. Dr. Jörg Rambau Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:
MehrTutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang. Aufgabenblatt 3 (KW 44) (30.10.02)
Tutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang Aufgabenblatt 3 (KW 44) (30.10.02) Aufgabe 1: Preisdiskriminierung dritten Grades (20 Punkte) Ein innovativer Uni-Absolvent plant,
MehrDAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG
DAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG von Urs Schaffer Copyright by Urs Schaffer Schaffer Consulting GmbH Basel www.schaffer-consulting.ch Info@schaffer-consulting.ch Haben Sie gewusst dass... >
MehrMathematik-Klausur vom 28.01.2008
Mathematik-Klausur vom 28.01.2008 Studiengang BWL PO 1997: Aufgaben 1,2,3,4 Dauer der Klausur: 90 Min Studiengang B&FI PO 2001: Aufgaben 1,2,3,4 Dauer der Klausur: 90 Min Studiengang BWL PO 2003: Aufgaben
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrPapierverbrauch im Jahr 2000
Hier findest du Forschertipps. Du kannst sie allein oder in der kleinen Gruppe mit anderen Kindern bearbeiten! Gestaltet ein leeres Blatt, schreibt Berichte oder entwerft ein Plakat. Sprecht euch in der
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
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrWiderrufsbelehrung der Free-Linked GmbH. Stand: Juni 2014
Widerrufsbelehrung der Stand: Juni 2014 www.free-linked.de www.buddy-watcher.de Inhaltsverzeichnis Widerrufsbelehrung Verträge für die Lieferung von Waren... 3 Muster-Widerrufsformular... 5 2 Widerrufsbelehrung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrEINFACHES HAUSHALT- KASSABUCH
EINFACHES HAUSHALT- KASSABUCH Arbeiten mit Excel Wir erstellen ein einfaches Kassabuch zur Führung einer Haushalts- oder Portokasse Roland Liebing, im November 2012 Eine einfache Haushalt-Buchhaltung (Kassabuch)
MehrTestament Muster, Testament Vorlage, Testament Vordruck kostenlos
Testament Muster, Testament Vorlage, Testament Vordruck kostenlos Einzeltestament mit dem Schwerpunkt: Erblasser setzt die Ehefrau als Alleinerbe ein (inklusive weiterer Bestimmungen). Inhaltsübersicht:
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrEinführung in die Programmierung
: Inhalt Einführung in die Programmierung Wintersemester 2008/09 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund - mit / ohne Parameter - mit / ohne Rückgabewerte
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrDer Leverage-Effekt wirkt sich unter verschiedenen Umständen auf die Eigenkapitalrendite aus.
Anhang Leverage-Effekt Leverage-Effekt Bezeichnungs- Herkunft Das englische Wort Leverage heisst Hebelwirkung oder Hebelkraft. Zweck Der Leverage-Effekt wirkt sich unter verschiedenen Umständen auf die
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrArbeitsblätter. Sinnvolle Finanzberichte. Seite 19
Seite 19 Arbeitsblätter Seite 20 Dieses Arbeitsblatt wird Sie Schritt für Schritt durch das Verfahren von Finanzanalysen geleiten. Sie gehen von Ihren Finanzberichten aus egal wie einfach oder hoch entwickelt
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrVersetzungsregeln in Bayern
Grundschule Schüler der Jahrgangsstufen 1 und 2 rücken ohne besondere Entscheidung vor. Das Vorrücken in den Jahrgangsstufen 3 und 4 soll nur dann versagt werden, wenn der Schüler in seiner Entwicklung
Mehr