Als Instanz für das p-median Problem wählen wir das Netzwerk von Abbildung 1-1 des Buches auf Seite 6.
|
|
- Gotthilf Kohl
- vor 7 Jahren
- Abrufe
Transkript
1 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 dem Autobahnnetz Deutschlands Hannover 146 Magdeburg 153 Berlin Köln Dortmund Kassel Halle Leipzig 110 Dresden Erfurt Frankfurt Die folgende Matrix zeigt die Länge d(k,i) der kürzesten Wege zwischen den Städten von Abbildung 1-1. Berlin Dortmund Dresden Erfurt Frankfurt Halle Hannover Kassel Köln Leipzig Magdeburg Berlin Dortmund Dresden Erfurt Frankfurt Halle Hannover Kassel Köln Leipzig Magdeburg Tabelle 1: Entfernungstabelle zu Abbildung 1-1 (Buch S. 6)
2 Wir lösen zunächst das Medianproblem p = 1: Wir gehen von der Matrix der kürzesten Wege von Tabelle 1 aus Jede Zeile wird mit dem Vektor der Nachfrage multipliziert als Skalarprodukt. Da ein Skalarprodukt in Excel schwierig darstellbar ist, schreiben wir den Vektor der Nachfrage als horizontale Tabelle und multiplizieren mit den üblichen Excel-Methoden jeden Eintrag der ersten Zeile der Matrix der kürzesten Wege mit der zugehörigen Nachfrage. Stadt Berlin Dortmund Dresden Erfurt Frankfurt Halle Hannover Kassel Köln Leipzig Magdeburg Nachfrage Mit einem Kopiervorgang füllen wir die restlichen Zeilen der Matrix der kürzesten Wege aus: Berlin Dortmund Dresden Erfurt Frankfurt Halle Hannover Kassel Köln Leipzig Magdeburg Zeilensumme Berlin Dortmund Dresden Erfurt Frankfurt Halle Hannover Kassel Köln Leipzig Magdeburg Tabelle der Transportleistungen Jede der multiplizierten Zeilen besitzt dann die folgende Bedeutung: Wenn in der Stadt, die zu der Zeile gehört, ein Zentrallager eingerichtet würde, wären die Werte in der Zeile die Transportleistungen vom Zentrallager zu den übrigen Städten. Wir ziehen für jede Zeile die Zeilensumme, welche die gesamte Transportleistung anzeigt, die zu Versorgung der Städte aufzubringen wäre, wenn in der Stadt, die zu der Zeile gehört, ein Zentrallager eingerichtet würde. Die Zeile mit der niedrigsten Zeilensumme ist dann der Median, in diesem Falle: Magdeburg mit Mio. Tonnenkm. Frankfurt als Lagerstandort wäre am ungünstigsten mit Mio. Tonnenkm. Man erkennt, die Spannweite der Transportleistung erreicht bei alternativer Wahl der Zentrallagerstandorts fast 100%. Das p-median Problem ohne Fixkosten wird hier mit der Makrosprache MPL formuliert und mit dem Solver CPLEX für p = 2,3 und 4 gelöst. Eine Studentenversionen der Software MPL lässt sich herunterladen von den Internetseiten Die MPL-Software erscheint als ZIP-File der sich dann selbst entpackt und den Namen besitzt MPLWIN42Student.exe. MPL liefert zugleich den Solver von CPLEX als DLL mit. Um MLP freizuschalten, senden Sie bitte eine Mail an download@maximalsoftware.com mit der Bitte um einen activation code für MPLWIN42Student.exe. Wir nummerieren die Städte wie folgt von 1 bis 13 und ordnen jeder Stadt eine Nachfrage von 100 Tonnen je Einwohner zu. Die folgende Tabelle 2 gibt die Daten an: Stadt Nummer Nachfrage Berlin Dortmund 2 590
3 Dresden Erfurt Frankfurt Halle Hannover Kassel Köln Leipzig Magdeburg Tabelle 2 Zur Formulierung des p-median Problems im Code von MPL verwenden wir die binären Location Variablen Location[vonStadt] und die stetigen Allocation Variablen Allocation[vonStadt, nachstadt]. Die Indices vonstadt laufen von 1,,13 und kennzeichnen die potentiellen Lagerstandorte. Die Indices nachstadt laufen von 1,,13 und kennzeichnen die Nachfragestädte. Die Indices haben zwar den gleichen Bereich, müssen aber durch verschiedene Namen logisch getrennt werden. Im MPL Code sieht die Formulierung des p-median Problems ohne Fixkosten für p = 4 wie folgt aus, wobei die groß geschriebenen Überschriften Schlüsselworte der MPL-Sprache sind: { Median.mpl } { p-median Planung im Netzwerk von Abbildung 1-1 des Buches auf Seite 6 mit p = ZahlStandorte = 4 von Lagerhäusern} TITLE Median_Planung INDEX vonstadt := 1..11; nachstadt := 1..11; DATA Nachfrage[nachstadt] := DATAFILE(Demand.txt); Distanz[vonstadt,nachstadt] := DATAFILE(Kurzweg.txt); ZahlStandorte :=4; DECISION VARIABLES
4 Allocation[vonstadt,nachstadt]; BINARY VARIABLES Location[vonstadt]; MACRO TransportKosten := SUM( vonstadt,nachstadt: Distanz * Nachfrage * Allocation ); MODEL MIN TransportKosten; SUBJECT TO SUM(vonstadt: Location) < ZahlStandorte; Versorgung[nachstadt]: SUM(vonstadt: Allocation) = 1; Verknuepfung[vonstadt, nachstadt]: Location[vonstadt] > Allocation[vonstadt,nachstadt]; END Erläuterung: Das Array Nachfrage lädt die Nachfragedaten von einem Textfile Demand.txt, der die Nachfrage der Tabelle 2 enthält, wobei die Daten von einem Komma getrennt werden: 3387, 590, 477, 201, 644, 254, 515, 196, 929, 489, 235, In gleicher Weise enthält die Datei Kurzweg.txt die kürzesten Wege von Tabelle 1: 512, 0, 553, 354, 226, 535, 213, 163, 97, 493, 359, 297, 553, 0, 199, 585, 152, 390, 390, 650, 110, 244, 327, 354, 199, 0, 386, 182, 357, 191, 451, 140, 274, 660, 226, 585, 386, 0, 568, 361, 195, 187, 526, 507, 229, 535, 152, 182, 568, 0, 322, 373, 632, 42, 176, 299, 213, 390, 357, 361, 322, 0, 166, 310, 280, 146, 465, 163, 390, 191, 195, 373, 166, 0, 260, 331, 312, 609, 97, 650, 451, 187, 632, 310, 260, 0, 591, 456, 187, 493, 110, 140, 526, 42, 280, 331, 591, 0, 134, 153, 359, 244, 274, 507, 176, 146, 312, 456, 134, 0, Als (Entscheidungs-) Variable werden Allocation und Location definiert, wobei Location als BINARY festgelegt wird. Im MACRO wird die Zielfunktion festgelegt, die im MODEL minimiert wird.
5 Der Abschnitt SUBJECT TO enthält die Nebenbedingungen. Der Ausdruck SUM(vonstadt: Allocation) = 1 entspricht der Formel n (2) x = 1, i 1...n k= 1 ki = der Formulierung des p-median Problems im Buch auf S ( k entspricht vonstadt, i entspricht nachstadt). Um dem System die Bedingung i = 1 n mitzuteilen, ist (mit einem frei wählbaren Namen ) die Nebenbedingung SUM(vonstadt: Allocation) = 1 mit Versorgung[nachstadt]: zu bezeichnen. Analog wird für (3) y k x ki, k,i = 1,...,n die Nebenbedingung Location[vonstadt] > Allocation[vonstadt,nachstadt] mit der Verknuepfung[vonstadt, nachstadt]: bezeichnet. Die Oberfläche von MPL sieht wie folgt aus: Unter RUN kann mit Check Syntax geprüft werden, ob der Code korrekt ist. Mit Solve CPLEX300 kann die Lösung des Modells gestartet werden.
6 Unter View kann das Lösungsprotokoll dargestellt werden, das anzeigt, welche Location Variablen = 1 sind. Dort sind die Lagerstandorte identifiziert, welche die Zielfunktion der Transportleistung minimieren: VARIABLE Location[vonstadt] : vonstadt Activity Reduced Cost Also werden in den Städten (bei p = 4) 1, 7, 9, 10 Lagerstandorte eingerichtet. Für jeden Lagerstandort zeigen die Allocationvariablen an, welche Städte an den Lagerstandort angeschlossen werden. Hier der Auszug aus dem Protokoll: DECISION VARIABLES VARIABLE Allocation[vonstadt,nachstadt] : vonstadt nachstadt Activity Reduced Cost
7
8 Aus dem Protokoll wird ersichtlich, dass z. B. der Lagerstandort 7 (Hannover) die Städte Hannover ( 7 ) und Kassel (8) versorgt. Im Folgenden werden die Lösungen des p-median Problems für p= 2, 3, 4 dargestellt: p = 2: Zuordnung der Städte zu den Lagern Standort Lager Versorgte Städte Nummer Nachfrage Länge des Weges vom Lager Transportleistung tkm Berlin Berlin Dresden Erfurt Halle Leipzig Magdeburg Summe: Dortmund Dortmund Frankfurt Hannover Kassel Köln
9 Summe: Gesamte Transportleistung
10 p = 3: Standort Lager Versorgte Städte Nummer Nachfrage Länge des Weges vom Lager Transportleistung tkm Berlin Berlin Summe Köln Köln Dortmund Frankfurt Kassel Summe Leipzig Leipzig Dresden Erfurt Halle Hannover Magdeburg Summe Gesamte Transportleistung
11 p = 4: Standort Lager Versorgte Städte Nummer Nachfrage Länge des Weges vom Lager Transportleistung tkm Berlin Berlin Summe: Hannover Hannover Kassel Summe: Köln Dortmund Frankfurt Köln Summe: Leipzig Dresden Erfurt Halle Leipzig Magdeburg Summe: Gesamte Transportleistung Diskussion: Man erkennt eine drastische Abnahme der Transportleistung bei Variation von p: p Transportleistung Abnahme in % , ,6 Nur für p = 2 kann Berlin als Lagerstandort mehrere Städte versorgen. Aufgrund seiner großen Nachfrage von 3387 bleibt Berlin für p = 3 oder p = 4 isoliert. Dann übernimmt Leipzig die Versorgung der Städte, die Berlin bei p = 2 versorgt hatte. Unter den Städten, die von einem Lagerstandort versorgt werde, übernimmt in diesem Beispiel stets die Stadt mit der größten Nachfrage den Lagerstandort, weil dann die in der Stadt anfallenden Transporte mit 0 gewichtet werden und so aus der Transportleistung herausfallen. Berlin bleibt auch bei einer bis auf 800 Tonnen abgesenkten Nachfrage für p = 3 und p = 4 isoliert. Wird die Nachfrage von Berlin von 3387 auf 600 gesenkt, so kann Berlin für p = 3 und p = 4 von Leipzig aus versorgt werden. Berlin bleibt dann kein Lagerstandort, obwohl es die größte Nachfrage besitzt unter den Städten, die Leipzig versorgt. Die Lösungen werden jetzt dargestellt:
12 Im Folgenden die Lösung für p = 3 mit Nachfrage Berlin = 600: SOLUTION RESULT Optimal integer solution found MIN Z = MACROS Macro Name Values TransportKosten DECISION VARIABLES VARIABLE Allocation[vonstadt,nachstadt] : vonstadt nachstadt Activity Reduced Cost
13
14 VARIABLE Location[vonstadt] : vonstadt Activity Reduced Cost Im Folgenden die Lösung für p = 4 mit Nachfrage Berlin = 600: SOLUTION RESULT Optimal integer solution found MIN Z = MACROS Macro Name Values TransportKosten DECISION VARIABLES VARIABLE Allocation[vonstadt,nachstadt] : vonstadt nachstadt Activity Reduced Cost
15
16 VARIABLE Location[vonstadt] : vonstadt Activity Reduced Cost
17
Modellieren mit AMPL
Modellieren mit AMPL Elisabeth Gassner Mathematische Modelle in den Wirtschaftswissenschaften Prof. R. E. Burkard 27. April 2007 E. Gassner (Mathematische Modelle) AMPL 27. April 2007 1 / 21 Überblick
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
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
Mehr6. Softwarewerkzeuge für die Lineare Programmierung
6. Softwarewerkzeuge für die Lineare Programmierung Inhalt 6. Softwarewerkzeuge für die Lineare Programmierung GNU Linear Programming Kit Operations Research I Hochschule Bonn-Rhein-Sieg, SS 2013 314 GNU
Mehrmaximize Profit: sum {j in P} c[j] * X[j]; subject to Zeit: sum {j in P} (1/a[j]) * X[j] <= beta; subject to Grenzen {j in P}: 0 <= X[j] <= u[j];
AMPL-Modell für beliebige Produkte (myprod.mod) set P; param a {j in P}; param beta; param c {j in P}; param u {j in P}; var X {j in P}; maximize Profit: sum {j in P} c[j] * X[j]; subject to Zeit: sum
MehrEine kurze Beschreibung zu AMPL und CPLEX
Welchen Kuchen backt Bernd Brezel? Lineare Optimierung Eine kurze Beschreibung zu AMPL und CPLEX Prof. Dr. Andrea Walther Institut für Mathematik Universität Paderborn 1 1 Das allgemeines Vorgehen Zur
MehrPraktikum Beobachtungsnetze. Matlab in Versuch Hydrologie Hilfestellungen
Praktikum Beobachtungsnetze Matlab in Versuch Hydrologie Hilfestellungen Inhaltsverzeichnis 1 Einführung 1 1.1 Was ist Matlab?................................ 1 1.2 Wichtigstes in Kürze.............................
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
MehrEs geht also im die SQL Data Manipulation Language.
1 In diesem Abschnitt wollen wir uns mit den SQL Befehlen beschäftigen, mit denen wir Inhalte in Tabellen ( Zeilen) einfügen nach Tabelleninhalten suchen die Inhalte ändern und ggf. auch löschen können.
MehrADAC Postbus Fahrplan
Linie 10 NRW Hannover Berlin (täglich) Route Bus 109 Bus 109 Bus 113 Bus 110 Bus 111 Bus 112 Bus 114 Bus 110 Bonn 07:55 13:55 Köln 08:40 14:40 Düsseldorf 06:45 11:45 Duisburg 9:45 12:45 Essen 07:20 12:20
MehrRechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung
Rechnerpraktikum zu Grundlagen der Nichtlinearen Optimierung 18.3.14-20.3.14 Dr. Florian Lindemann Moritz Keuthen, M.Sc. Technische Universität München Garching, 19.3.2014 Kursplan Dienstag, 18.3.2014
MehrDie duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme
Kapitel 11 Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Wir betrachten folgendes Optimierungsproblem z = c T x min! Ax = b (11.1) (11.2) x j ganz für j = 1,..., n 1 n, (11.3)
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 212/13 Institut für Analysis 14.1.213 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Aufgabe 1 Höhere Mathematik I für die Fachrichtung Physik 12. Übungsblatt Sei
MehrRechnerpraktikum zur Nichtlinearen Optimierung
Rechnerpraktikum zur Nichtlinearen Optimierung 9. März 2016 11. März 2016 Sebastian Garreis, B. Sc. Philipp Jarde, M. Sc. Technische Universität München Fakultät für Mathematik Lehrstuhl für Mathematische
MehrEinführung in Softwaretools zur Nichtlinearen Optimierung
Einführung in Softwaretools zur Nichtlinearen Optimierung 3. April 2017 5. April 2017 Sebastian Garreis, M. Sc. (hons) Johannes Haubner, M. Sc. Technische Universität München Fakultät für Mathematik Lehrstuhl
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
MehrKennen, können, beherrschen lernen was gebraucht wird
Inhaltsverzeichnis Inhaltsverzeichnis... 1 Erweiterte Summenfunktionen... 1 Die Funktion SummeWenn... 1... 1 Die Funktion SummeWenns... 2 Aufgabenstellung... 2 Die Funktion Summenprodukt... 3 Das Summenprodukt
MehrModbus TCP/IP Gateway für 1-Wire Sensoren
Modbus TCP/IP Gateway für 1-Wire Sensoren Der Modbus Gateway verbindet 1-Wire Sensoren wie DS18S20 und DS18B20 mit Ihrem Heimnetzwerk. Er verfügt über eine 1-Wire Schnittstelle zu den Sensoren und eine
MehrOptimierung. Vorlesung 08
Optimierung Vorlesung 08 Heute Dualität Ganzzahligkeit Optimierung der Vorlesung durch Evaluierung 2 Das duale LP Das primale LP Maximiere c T x unter Ax b, x R d 0. wird zu dem dualen LP Minimiere b T
MehrPuLP ein Python LP-Modellierer
PuLP ein Python LP-Modellierer How to use PuLP Dr. Klaus Ladner Institut für Statistik und Operations Research 1. Dezember 2016 Was ist PuLP? Ein LP-Modellierer CBC (COIN-OR Branch und Cut) Solver PuLP
MehrVariablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen.
Variablen in MATLAB. Unterschiede zur Mathematik: Symbolisches und numerisches Rechnen. Skriptdateien. for-schleifen. Wir wollen uns heute dem Thema Variablen widmen und uns damit beschäftigen, wie sich
MehrLineare Gleichungssysteme
KAPITEL 2 Lineare Gleichungssysteme. Beispiele Wir betrachten zunächst vier Gleichungssysteme und bestimmen ihre Lösungsmenge. Dabei geht es uns noch nicht darum, ein Lösungsverfahren für lineare Gleichungssysteme
MehrKlausur Fachprüfung Wirtschaftsinformatik. Name:
Klausur Fachprüfung Wirtschaftsinformatik Dauer: 2 Stunden Datum: 02.10.2003 Name: Punkte True-or-False: von 15 Punkte Multiple Choice: von 15 Punkte Quickies: von 30 Punkte Shorties: von 20 Punkte Longies:
MehrUniversität Duisburg - Essen
B.Sc. - Klausur - Bauinformatik - 03.08.2012 1 Universität Duisburg - Essen Campus Essen Fachgebiet Baustatik Fachprüfung - Bauinformatik Teil 1 SS 12 Freitag, den 03.08.2012 Prof. Dr.-Ing. Jochen Menkenhagen
MehrVE-WASSER. Vollentsalzung / Demineralisierung
VE-WASSER Vollentsalzung / Demineralisierung Wasserqualität Die Ausbeute eines Ionenaustauschers ist abhängig von der Wasserqualität. Ausbeute gering mittel Wasserqualität hoch Hamburg Ausbeute
MehrAufgabe 3b) [$, Unterschied zwischen $ auf der linken und der rechten Seite]
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 1 2 3 4 1 10 12 7 2 1 12 30 3 2-4 8 4 1 6 8
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
MehrProjekt 1: Constraint-Satisfaction-Probleme Abgabe: 7. Juni 2009
KI-Praktikum M. Helmert, M. Westphal, S. Wölfl, J.-G. Smaus Sommersemester 2009 Universität Freiburg Institut für Informatik Projekt 1: Constraint-Satisfaction-Probleme Abgabe: 7. Juni 2009 Präsenzaufgaben
MehrHigh Performance Computing Blatt 7
Dr. Andreas Borchert Institut für Numerische Mathematik Prof. Dr. Stefan Funken Universität Ulm Prof. Dr. Karsten Urban Sommersemester 03 Markus Bantle, Kristina Steih High Performance Computing Blatt
Mehr<60 % 60 % < 80 % 80 % < 100 % alle < 100 % UV-Grad* in Prozent
Datenblatt: Versorgungslücken an leistbaren Wohnungen insgesamt und nach Einkommensklassen (in Bezug auf das Bundesmedianeinkommen) 1, Daten für Deutschland und detailliert für die 77 deutschen Großstädte
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
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
MehrUniversität Duisburg - Essen
B.Sc. - Klausur - Bauinformatik - 03.08.2012 1 Universität Duisburg - Essen Campus Essen Fachgebiet Baustatik Fachprüfung - Bauinformatik Teil 1 SS 12 Freitag, den 03.08.2012 Prof. Dr.-Ing. Jochen Menkenhagen
MehrKlausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler
Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
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
MehrSAP -Schnelleinstieg: ABAP-Entwicklung in Eclipse. Christoph Lordieck
SAP -Schnelleinstieg: ABAP-Entwicklung in Eclipse Christoph Lordieck INHALTSVERZEICHNIS Inhaltsverzeichnis Vorwort 7 1 Einführung in Eclipse 11 1.1 Motivation der SAP für Eclipse 11 1.2 Vorteile von ABAP-Entwicklung
MehrÜbung 04 Mehrkörper Keplerproblem
Übung 04 Mehrkörper Keplerproblem 1 1 Lösung 1.1 Skizzieren des Algorithmus Aufgabe 1 1. Erstellen Sie skizzenhaft eine Möglichkeit der Berechnung aller Kräfte einer beliebigen Anzahl von Himmelskörpern.
MehrGEWERBEIMMOBILIENMARKT Sachsen/Sachsen-Anhalt/Thüringen
Stefan Sachse, Geschäftsführer, BNP Paribas Real Estate GmbH GEWERBEIMMOBILIENMARKT Sachsen/Sachsen-Anhalt/Thüringen 1. Halbjahr 2014 Inhalt 1. Büromarkt 2. Einzelhandelsmarkt 3. Investmentmarkt 4. Logistikmarkt
MehrProbeklausur Informatik 2 Sommersemester 2010
Probeklausur Informatik Sommersemester 0 1 Probeklausur Informatik Sommersemester 0 Name: A1 A A A A Matrikelnummer: 0 Hilfsmittel: Geodreieck Ab Punkten gilt diese Klausur als bestanden und wird nicht
MehrFunktionen in JavaScript
Funktionen in JavaScript Eine Funktion enthält gebündelten Code, der sich in dieser Form wiederverwenden lässt. Mithilfe von Funktionen kann man denselben Code von mehreren Stellen des Programms aus aufrufen.
Mehr3.4 Bivariate Datenanalyse in R
90 KAPITEL 3. BIVARIATE ANALYSE 3.4 Bivariate Datenanalyse in R Beginnen wir mit dem Zusammenhang zwischen einem qualitativem und einem quantitativem Merkmal. Wir wollen das Alter der weiblichem Teilnehmer
MehrErzeugendensystem und Basis
Erzeugendensystem und Basis Definition Erzeugendensystem und Basis eines Unterraums Sei S F n 2 ein Unterraum. Eine Menge G = {g 1,..., g k } S heißt Erzeugendensystem von S, falls jedes x S als Linearkombination
Mehr10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen
10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen Bisher haben wir immer vorausgesetzt, dass alle Variablen eines LOP der Bedingung x i 0 liegen. Im Folgenden wollen wir auch sogenannte freie
MehrLineare Optimierung Teil 2
Lineare Optimierung Teil 2 Primale Degeneration Duale Degeneration = Mehrdeutigkeit Normalform kanonische Form Duale Simplexmethode HTW-Berlin FB3 Prof. Dr.F. Hartl 1 Primale Degeneration/1 Besitzt eine
MehrLANCOM Workshops Entry Workshops
LANCOM Workshops Entry Workshops IPv6 Azubi* Würselen 01.03.2016 Aachen 10. 11. Juni 2016 Würselen 02.06.2016 Aachen 16. 17. September 2016 Ende der Veranstaltungsreihe Aachen 18. 19. November 2016 * Hinweis:
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
MehrOracle Data Integrator
Oracle Data Integrator 12.2.1 Mit 7 Schritten eine Datei in eine relationale Tabelle laden Robotron Datenbank-Software GmbH Schulungszentrum Heilbronner Straße 21 01189 Dresden Agenda Was sind die grundlegenden
MehrTechnische Universität München
Technische Universität München Zentrum Mathematik Fallstudien Diskrete Optimierung Dipl.-Math.Oec Melanie Bestle Dr. Michael Ritter Dienstag, 10. Mai 2011: Dualität 1 Dualität: Geometrische Herleitung
MehrKlausur Informatik B April Teil I: Informatik 3
Informatik 3 Seite 1 von 8 Klausur Informatik B April 1998 Teil I: Informatik 3 Informatik 3 Seite 2 von 8 Aufgabe 1: Fragekatalog (gesamt 5 ) Beantworten Sie folgende Fragen kurz in ein oder zwei Sätzen.
Mehr- Sachstand Merging-Projekt -
Urban Audit-Workshop am 25.-26.November 2015 in Mannheim - Sachstand Merging-Projekt - Teil 2: Kleinräumige Gebietseinheiten im Vergleich Klaus Trutzel, Nürnberg Inhalt Teil 1 Sachstand Merging-Projekt
Mehr3. Die Datenstruktur Graph
3. Die Datenstruktur Graph 3.1 Einleitung: Das Königsberger Brückenproblem Das Königsberger Brückenproblem ist eine mathematische Fragestellung des frühen 18. Jahrhunderts, die anhand von sieben Brücken
MehrÜber- und unterbestimmte
Über- und unterbestimmte Systeme (verallgemeinerte Lösungen) Über- und unterbestimmte Systeme Ax = b ist genau dann für alle b R m eindeutig lösbar, wenn m = n und rk A = n. Falls m n oder rk A < min{m,
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
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
MehrRechnen mit Geld 4,90 2,97 3,88
Rechnen mit Geld 4,90 2,97,88 1 5 0,98 = 0,99 = 4 0,97 =,98 5,96 9,94 2 1,99 = 2 2,98 = 2 4,97 = 1,96 9,96 7,45 4 0,49 = 4 2,49 = 5 1,49 = 16,28 17,94 14,2 2 14,29 + 1,99 = 12,95 + 4,99 = 7,98 + 6,25 =,52
MehrEinstieg in die Informatik mit Java
1 / 21 Einstieg in die Informatik mit Java Felder, eindimensional Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 21 1 Überblick: Was sind Felder? 2 Vereinbarung von Feldern
MehrUnistädte im Check: Fast 23 Euro pro Quadratmeter Luxus-Apartments werden zum Problem für Studenten
Grafiken zur Pressemitteilung Unistädte im Check: Fast 23 Euro pro Quadratmeter Luxus-Apartments werden zum Problem für Studenten Mietpreisanalyse für Single- Wohnungen in Deutschlands größten Unistädten
MehrWir gewichten die Kanten von G wie folgt: Kante e 1 e 2 e 3 e 4 e 5 e 6 e 7 e 8 d(e i )
Prof. Dr. U. Faigle J. Voss SS 2011 12. Übung zur Einführung in die Mathematik des Operations Research Dieses Übungsblatt wird nicht mehr gewertet. Aufgabe 1: Sei G = (V, E) ein gerichteter Graph und x
Mehr5-Jahresvergleich: Mieten in Deutschlands Großstädten um bis zu 51 Prozent gestiegen
Grafiken zur Pressemitteilung 5-Jahresvergleich: Mieten in Deutschlands Großstädten um bis zu 51 Prozent gestiegen Mietpreis-Analyse von 78 ausgewählten deutschen Großstädten Mietpreise 2017 in den teuersten
MehrMathematische Computer-Software
Mathematische Computer-Software Kommerzielle Computeralgebrasysteme (CAS) Beispiele: Mathematica, Maple, Numerisches und symbolisches Verarbeiten von Gleichungen: Grundrechenarten Ableitung und Integration
MehrFirmware-Update von ARGUS -Testern
Firmware-Update von ARGUS -Testern Anleitung zum Firmware-Update-Programm (v 1.4) Erstellt von: intec Gesellschaft für Informationstechnik mbh, Lüdenscheid Zuletzt geändert am 16. April 2008 Bei weiteren
MehrLPL - Linear Programming Language
LPL - Linear Programming Language Ein Matrix-Generator Tony Hürlimann 26.04.2004 LPL-Einführung 1 Agenda (0) 1. Grundelemente eines Modells 2. Erstellung eines LPL-Programms 3. Beispiel "kommune.lpl" 4.
MehrAufgabe: Simulation Buchung eines Fluges
Ausgebucht Viele Fluggesellschaften verkaufen mehr Tickets als ihre Flugzeuge Plätze haben. Denn nicht immer erscheinen alle Fluggäste zum reservierten Flug. Eine Flugroute wird mit einem Flugzeug mit
MehrProgrammieren. Aufgabe 1 (Eine erste Datenstruktur)
Prof. Dr. S.-J. Kimmerle (Vorlesung) Dipl.-Ing. (FH) V. Habiyambere (Übung) Institut BAU-1 Fakultät für Bauingenieurwesen und Umweltwissenschaften Herbsttrimester 2016 Aufgabe 1 (Eine erste Datenstruktur)
MehrOperations Research für Logistik
Operations Research für Logistik Lineare Optimierung (170.202) Ao. Univ. - Prof. Norbert SEIFTER Dipl. - Ing. Stefanie VOLLAND Sommersemester 2012 Lehrstuhl Industrielogistik Lineare Optimierung Inhalte:
MehrLineare Optimierung: Simplexverfahren Phase Ⅰ
Lineare Optimierung: Simplexverfahren Phase Ⅰ Zur Erinnerung: Die Lineare Optimierungsaufgabe in Standardform lautet z = c T x + c 0 min (.) bei Ax = b, x 0. Revidiertes Simplexverfahren Mit dem Simplexverfahren
MehrFH München, FB 03 FA WS 06/07. Ingenieurinformatik. Name Vorname Matrikelnummer Sem.Gr.: Hörsaal Platz
FH München, FB 03 FA WS 06/07 Ingenieurinformatik Name Vorname Matrikelnummer Sem.Gr.: Hörsaal Platz Zulassung geprüft vom Aufgabensteller: Teil I Aufg. 2 Aufg. 3 Aufg. 4 Aufg. 5 Summe Note Aufgabensteller:
MehrAnalyse von Ansätzen zur Beschleunigung von SAT - Lösern durch dedizierte Hardware Komponenten
Analyse von Ansätzen zur Beschleunigung von SAT - Lösern durch dedizierte Hardware Komponenten E. Zenker 24. Februar 2011 1 / 20 Gliederung 1. Satisfiability Testing 2. FPGAs 3. Aktuelle Hardware SAT Solver
MehrErinnerung: Der Vektorraum F n 2
Erinnerung: Der Vektorraum F n 2 Definition Vektorraum F n 2 F n 2 = ({0, 1}n,+, ) mit Addition modulo 2, + : F n 2 Fn 2 Fn 2 und skalarer Multiplikation : F 2 F n 2 Fn 2 definiert einen Vektorraum, d.h.
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrLineare Regressionen mit R (Ökonometrie SS 2014 an der UdS)
Lineare Regressionen mit R (Ökonometrie SS 2014 an der UdS) Es soll untersucht werden, ob und wie sich Rauchen während der Schwangerschaft auf den Gesundheitszustand des Neugeborenen auswirkt. Hierzu werden
MehrEine Einführung in R: Grundlagen II
Eine Einführung in R: Grundlagen II Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws11/r-kurs/
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrBevölkerung, Beschäftigung und Wohnungsmarkt. Die Entwicklung im Rhein-Erft-Kreis bis 2020 und ein Ausblick auf das Jahr 2050
Bevölkerung, Beschäftigung und Wohnungsmarkt Die Entwicklung im Rhein-Erft-Kreis bis 2020 und ein Ausblick auf das Jahr 2050 SK Kiel SK Hamburg SK Schwerin SK Bremen SK Hannover SK Berlin SK Magdeburg
MehrTempestiva Modul Import
Tempestiva Modul Import Inhalt Einrichtung neuer Importe... 2 Überblick... 2 Einrichtung Schritt für Schritt... 2 1. Festlegen eines Namens für den Import... 2 2. Verzeichnisse anlegen... 2 3. Konfiguration
MehrNOISY Datenimport vom LD 831
NOISY Datenimport vom LD 831 Systemvoraussetzungen Für den Messdatenimport sowie die Online-Messung mit dem LD 831sind die nachfolgenden Voraussetzungen zwingend einzuhalten. Eine abweichende Konfiguration
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 40 Überblick Überblick Grundlegendes zu Markov-Ketten
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrXpert - Europäischer ComputerPass. Peter Wies. Tabellenkalkulation (mit Excel 2010) 1. Ausgabe, 5. Aktualisierung, Juli 2013
Xpert - Europäischer ComputerPass Peter Wies 1. Ausgabe, 5. Aktualisierung, Juli 2013 Tabellenkalkulation (mit Excel 2010) XP-EX2010 3 Xpert - Europäischer ComputerPass - Tabellenkalkulation (mit Excel
MehrIn diesem Abschnitt wollen wir uns mit einem besonderen Thema widmen. Dem Thema SQL-JOIN.
1 In diesem Abschnitt wollen wir uns mit einem besonderen Thema widmen. Dem Thema SQL-JOIN. Logisch angesiedelt ist dieses Thema bei dem SQL-DML Anweisungen, da es sich um einen besonderen Aspekt bei Select
MehrInhaltsverzeichnis... 1 Bestandteile einer Formel... 1 Die Funktion Summenprodukt... 4
Inhaltsverzeichnis Inhaltsverzeichnis... 1 Bestandteile einer Formel... 1 Die Funktion SUMME... 2 Die Funktion AUTOSUMME... 2 Die Funktion SUMMEWENN... 2 Die Funktion SUMMEWENNS... 3 Die Funktion Summenprodukt...
Mehr3. Bestehende Dateien
3. Bestehende Dateien Zugriff auf Excel- u. Access-Tabellen Bilden neuer Variablen Auswahl/Untermengen Umkodieren bestehender Werte Einlesen externer Dateien Daten, die mit einem anderen Anwendungsprogramm
MehrModul Entscheidungsunterstützung in der Logistik. Einführung in die Programmierung mit C++ Übung 2
Fakultät Verkehrswissenschaften Friedrich List, Professur für Verkehrsbetriebslehre und Logistik Modul Entscheidungsunterstützung in der Logistik Einführung in die Programmierung mit C++ Übung 2 SS 2016
Mehr6. Einführung 43. gilt. Dann soll also A B x B = b eindeutig lösbar sein, also A B vollen Rang haben, d. h. invertierbar (regulär) sein.
6. Einführung 43 und aus der linearen Unabhängigkeit der (a i ) i I(x) folgt y i = z i auch für i I(x). Insgesamt gilt also y = z, d. h., nach Definition 6.9 ist x eine Ecke von P. Beachte: Der Koordinatenvektor
MehrDas erste FPGA-Projekt mit Quartus II Webedition und dem DE2-115 Board
Das erste FPGA-Projekt mit Quartus II Webedition und dem DE2-115 Board Die Programmierung eines FPGAs mit der Quartus-Software ist für den Anfänger erst mal nicht so einfach zu bewerkstelligen. Mit dieser
MehrLösungsvorschlag zu 1. Übung
Prof. Frederik Armknecht Sascha Müller Daniel Mäurer Grundlagen der Informatik 3 Wintersemester 09/10 Lösungsvorschlag zu 1. Übung 1 Präsenzübungen 1.1 Schnelltest a) Welche der Aussagen treffen auf jeden
MehrMathematik für Wirtschaftswissenschaftler im WS 2013/14 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7
Mathematik für Wirtschaftswissenschaftler im WS 203/4 Lösungen zu den Übungsaufgaben (Vortragsübung) Blatt 7 Aufgabe 27 Sei eine lineare Abbildung f : R 4 R 3 gegeben durch f(x, x 2, x 3 ) = (2 x 3 x 2
MehrInstallation und Einrichtung von TeXnic-Center
Installation und Einrichtung von TeXnic-Center Um Berichte mit Latex verfassen zu können, wird im Idealfall ein Editor verwendet, der neben dem Erstellen des Dokuments noch weitere Features bereitstellt.
MehrStudie zur Kundenfreundlichkeit der deutschen Fernbusbahnhöfe (Auftraggeber FlixBus GmbH, in Zusammenarbeit mit der Hochschule Heilbronn)
Studie zur Kundenfreundlichkeit der deutschen Fernbusbahnhöfe (Auftraggeber FlixBus GmbH, in Zusammenarbeit mit der Hochschule Heilbronn) Über 70 % nutzen für die An- und Abreise öffentliche Verkehrsmittel
MehrParitäts-Bit- Generator
Projektseminar: Hardware-Beschreibung mit VHDL Seite: 4 2 Aufgaben 2.1 Aufgabe Parity-Generator 2.1.1 Aufgabenstellung Beschreiben sie eine Hardware, welche ein Paritäts-Bit an eine 31-stellige Bitfolge
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, Winter 205 BIOL HST PHARM Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle MC Total MC Total 2 3 4 5 Total
MehrElemente der Analysis II
Elemente der Analysis II Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 8. Mai 2009 1 / 29 Bemerkung In der Vorlesung Elemente der Analysis I wurden Funktionen
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
Mehr1 Berechnung von Summen (ca = 10 Punkte)
Einführung in die wissenschaftliche Programmierung Klausur 26.02.2013 Seite 1/8 Name, Vorname, Unterschrift: Matrikelnummer: 1 Berechnung von Summen (ca. 5 + 4 + 1 = 10 Punkte) Gegeben sind natürliche
MehrComputerwerkstatt: Umgang mit Daten in R (- Studio)
Computerwerkstatt: Umgang mit Daten in R (- Studio) Dipl.-Psych. Jörg-Henrik Heine 14.11.2012 1 Allgemeines und Vorbereitung Angedacht ist zunächst eine knappe Einführung in das graphical user Interface
MehrEXCEL / Tabellenkalkulation. EXCEL Übung 1
EXCEL Übung 1 1. Erstellen sie im Übungsordner eine neue Excel-Datei. Geben sie der neuen Datei den Namen Rechnen.xlsx. 2. Schreiben sie im Tabellenblatt Tabelle1 folgenden Inhalt. siehe Abbildung 1 Abbildung
Mehr