Logistik: Transport. Grundlagen, lineare Transportund Umladeprobleme. Von Dr. Wolfgang Domschke. o. Professor für Betriebswirtschaftslehre
|
|
- Christian Waltz
- vor 7 Jahren
- Abrufe
Transkript
1 Logistik: Transport Grundlagen, lineare Transportund Umladeprobleme Von Dr. Wolfgang Domschke o. Professor für Betriebswirtschaftslehre Zweite, ergänzte Auflage TECHNISCH!: MOC cchule DARiviSTAOT j P e t i! e : i,. v.--; r;:.;: iu:; rs i eh r e 4.-6JL3- R. Oldenbourg Verlag München Wien
2 u Vorwort % : IX Liste von häufig verwendeten Bezeichnungen 1 Kapitel 1: Grundbegriffe der Graphentheorie " Grundlegende Definitionen Ketten und Wege in Graphen Bewertungen auf Graphen Kanten- bzw. Pfeilbewertungen Knotenbewertungen Teilgraphen, zusammenhängende Graphen Bäume und Gerüste ' 13 LITERATUR 15 Kapitel 2: Hilfsmittel aus der Informatik Einige ALGOL-Anweisungen 16 hl Datenstrukturen 19 lj Sequentielle und gekettete Speicherung Listen, Stapel und Schlangen Darstellung von Graphen in Rechenanlagen Matrixdarstellungen Listendarstellungen Standardlisten Knotenorientierte Listen 28 ^2.4 Zur Komplexität von Algorithmen und Problemen Komplexität von Algorithmen 30,2.4.2 Komplexität von Problemen 32 '2.5 Sortierverfahren 33 i2.5.1 Sortieren durch Zerlegen: Quicksort Sortieren mit binären Bäumen: Heapsort Sortieren von Kanten eines Graphen 38 LITERATUR und AUFGABEN 39 Kapitel 3: Minimale spannende Bäume und Wälder Bestimmung eines minimalen spannenden Baumes oder Waldes Der Algorithmus von Kruskal Der Algorithmus von Prim bzw. Dijkstra Bestimmung eines minimalen spannenden Wurzelbaumes eines gerichteten Graphen 46 LITERATUR und AUFGABEN 52 Kapitel 4: Kürzeste Entfernungen und Wege sowie negative Zyklen in Graphen Definitionen Kürzeste Entfernungen und Wege von einem zu allen Knoten Baumalgorithmen Implementierung und Effizienz von Baumalgorithmen Kürzeste Entfernungen und Wege zwischen allen Knoten 65
3 VI 4.4 Negative Zyklen in bewerteten Digraphen 67 LITERATUR und AUFGABEN 69 Kapitel 5: Lineare Transport-, Umlade- und Maximalflußprobleme - Ein Überblick über Probleme und Lösungsverfahren Inhalt und Zweck des Kapitels Problembeschreibungen Veranschaulichung der Probleme anhand von Digraphen Maximalfluß- und Umladeprobleme Ein- und mehrstufige Transportprobleme 73 '5.3 Problemformulierungen im Hinblick auf mögliche Lösungsverfahren Überblick über Lösungsverfahren Klassische Transportprobleme als LP-Probleme Umladeprobleme als LP-Probleme Transport-, Umlade- und Maximalflußprobleme als q-s-flußprobleme Flußgraphen und q-s-flußprobleme Zur Darstellung der genannten Probleme als q-s-flußprobleme Transport- und Umladeprobleme als Zirkulationsflußprobleme Ergänzende Bemerkungen Sätze und Lösungsprinzipien aus der Linearen Programmierung 85 LITERATUR und AUFGABEN 87 Kapitel 6: Primale Algorithmen zur Lösung des klassischen Transportproblems und einiger Varianten Das klassische TPP und seine Lösung mit Hilfe der Simplex-Methode Spezielle primale Algorithmen zur Lösung des klassischen TPPs Vorbemerkungen und Musterbeispiel Eröffhungsverfahren Einführung Die Nordwesteckenregel Die Spaltenminimum-Methode Die Vogelsche Approximationsmethode Optimierungsverfahren Vorüberlegungen und Definitionen Die Stepping-Stone-Methode Die MODI-Methode Zur Darstellung der Basislösung in Form eines Baumes., Das kapazitierte klassische TPP Prinzipielle Vorgehensweise Die Spaltenminimum-Methode für das kapazitierte TPP Die MODI-Methode für das kapazitierte TPP Ungleichungen in den Nebenbedingungen des TPPs Einführung Probleme mit nur einem Restriktionstyp für die Anbieter bzw. Nachfrager Probleme mit gemischten Restriktionen 118 LITERATUR und AUFGABEN.-..., 121 Kapitel 7: Primale Algorithmen zur Lösung von Umladeproblemen Lösung eines zweistufigen Transportproblems als klassisches Transportproblem 123
4 VII 7.2 Die Lösung unkapazitierter Umladeprobleme als klassische Transportprobleme Ein primaler Algorithmus zur Lösung von Umladeproblemen Zur Bestimmung einer zulässigen Basislösung für unkapazitierte Probleme Verbesserung der zulässigen Anfangslösung eines unkapazitierten Problems. 131 LITERATUR und AUFGABEN 134 Kapitel 8: Implementierung primaler Algorithmen für Transport- und Umladeprobleme Speichermöglichkeiten für unbewertete Bäume Speichermöglichkeiten für unbewertete Wurzelbäume Der Vorgänger-Index Der Tripel-Index Der Gefädelte Index Zusätzliche Felder Übertragung der Speichermöglichkeiten auf sonstige unbewertete Bäume Umspeicherungen zur Darstellung einer verbesserten Basislösung Entwicklung eines effizienten Programmes zur Lösung klassischer Transportprobleme Einführung Zur Speicherung der Informationen Zur Bestimmung einer zulässigen Anfangslösung Test einer zulässigen Basislösung auf Optimalität Bestimmung und Speicherung einer verbesserten Basislösung Zur Korrektur der Dualvariablenwerte Speicherplatz-und Rechenzeitbedarf für Transportprobleme Alternativen zu den in 8.2 geschilderten Vorgehensweisen Verwendung des Gefädelten Index Verwendung des Vorgänger-Index und zusätzlicher Listen Hinwiese auf Programme zur Lösung kapazitierter Umladeprobleme 151 LITERATUR und AUFGABEN 152 Kapitel 9: Inkrementgraphen-Algorithmen zur Lösung von q-s-flußproblemen Einführung Definitionen 153 J?.3 Optimierungsverfahren Zwei Verfahren auf der Basis der Bestimmung von Wegen in Inkrementgraphen Ein Verfahren auf der Basis der Bestimmung von Wegen und Zyklen in Inkrementgraphen Eröffnungsverfahren 164 LITERATUR und AUFGABEN 167 Kapitel 10: Primal-duale Verfahren zur Lösung von linearen Zuordnungs- und Zirkulationsflußproblemen Verfahren zur Lösung des linearen Zuordnungsproblems Das lineare Zuordnungsproblem Die Ungarische Methode Weitere Lösungsverfahren und Effizienzvergleiche Der Out-of-Kilter-Algorithmus für Zirkulationsflußprobleme Problemstellung, Optimalitätsbedingungen, Vorüberlegungen 177
5 VIII Der Out-of-Kilter-Algorithmus 180 LITERATUR und AUFGABEN 184 Anhang: Lösungen zu den Aufgaben 186 Literaturverzeichnis 193 Namens- und Sachverzeichnis 198 Ergänzungen 201
Logistik: Transport. Grundlagen, lineare Transport- und Umladeprobleme. von Prof. Dr. Wolfgang Domschke. TU Darmstadt. 5.,.überarbeitete Auflage
Logistik: Transport Grundlagen, lineare Transport- und Umladeprobleme von Prof. Dr. Wolfgang Domschke TU Darmstadt 5.,.überarbeitete Auflage R. Oldenböurg Verlag München Wien Inhaltsverzeichnis Vorwort
MehrEinführung in Operations Research
Wolfgang Domschke Andreas Drexl Einführung in Operations Research Achte Auflage fyj Springer Inhaltsverzeichnis Vorwort Symbolverzeichnis V XIII Kapitel 1: Einführung 1 1.1 Begriff des Operations Research
Mehr1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme. Duales Problem. a i u i + i=1. j=1
1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme Duales Problem Lemma 1.4. Das zum Transportproblem duale Problem lautet: max unter den Nebenbedingungen m a i u i + i=1
MehrVorwort... V. Abbildungsverzeichnis... XV. Tabellenverzeichnis... XVII. Symbolverzeichnis... XIX. Abkürzungsverzeichnis... XXIII. 1 Grundlagen...
Vorwort... V Abbildungsverzeichnis... XV Tabellenverzeichnis... XVII Symbolverzeichnis... XIX Abkürzungsverzeichnis... XXIII 1 Grundlagen... 1 1.1 Definition der Logistik... 1 1.2 Phasenspezifische Subsysteme
MehrLogistik: Rundreisen und Touren
Logistik: Rundreisen und Touren 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Von Universitätsprofessor Dr. Wolfgang
MehrGliederung. Kurseinheit 1»Grundlagen der Graphentheorie« Inhaltsübersicht Grundbegriffe
Inhaltsübersicht 1 Gliederung Kurseinheit 1»Grundlagen der Graphentheorie«1. Grundbegriffe 1.1. Praktische Probleme, die auf Graphen und Netzwerke führen 1.. Grundlegende Definitionen 1.. Kantenfolgen
MehrOPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK
BODO RUNZHEIMER OPERATIONS RESEARCH I LINEARE PLANUNGS RECHNUNO UND NETZPLANTECHNIK SIMPLEX-METHODE -TRANSPORT-METHODE STRUKTURANALYSE ZEITPLANUNG ZEIT-KOSTEN PLANUNG- ANWENDUNGSMÖGLICHKEITEN 5., VERBESSERTE
MehrBasiswissen Mathematik, Statistik. und Operations Research für. Wirtschaftswissenschaftler. von. Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen
Basiswissen Mathematik, Statistik und Operations Research für Wirtschaftswissenschaftler von Prof. Dr. Gert Heinrich DHBW Villingen-Schwenningen 5., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis
MehrInhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII
Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................
MehrAufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1
Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung
MehrRainer Lasch. Strategisches und operatives Logistikmanagement: Distribution. Springer Gabler
Rainer Lasch Strategisches und operatives Logistikmanagement: Distribution Springer Gabler Vorwort V Abbildungsverzeichnis XIII Tabellenverzeichnis XV Symbolverzeichnis XVII Abkürzungsverzeichnis XXI 1
MehrOperations Research. Klaus Neumann Martin Morlock HANSER. 2. Auflage. Mit 288 Abbildungen und 111 Tafeln
Klaus Neumann Martin Morlock Operations Research 2. Auflage Mit 288 Abbildungen und 111 Tafeln Technische Universität Darmstadt Fach bar«! ah 1 e Bibliothek Abttall-Nr. HANSER HIIIIIIIIIIIHH Inhaltsverzeichnis
MehrVorwort Abbildungsverzeichnis Teil I Mathematik 1
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis V XIII Teil I Mathematik 1 1 Elementare Grundlagen 3 1.1 Grundzüge der Mengenlehre... 3 1.1.1 Darstellungsmöglichkeiten von Mengen... 4 1.1.2 Mengenverknüpfungen...
MehrZugeordneter bipartiter Graph
Zugeordneter bipartiter Graph Für ein Transportproblem sei A = {A 1,...,A m } die Menge der Fabriken und B = {B 1,...,B n } sei die Menge der Warenhäuser. Wir ordnen nun einem Transportproblem einen bipartiten
MehrOperations Research BODO RUNZHEIMER. Lineare Planungsrechnung, Netzplantechnik, Simulation und Warteschlangentheorie
BODO RUNZHEIMER Operations Research Lineare Planungsrechnung, Netzplantechnik, Simulation und Warteschlangentheorie 7., aktualisierte und erweiterte Auflage LEHRBUCH GABLER 7 Inhalt Erstes Kapitel: Einleitung
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
Mehr2. Repräsentationen von Graphen in Computern
2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen
MehrINSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales
MehrAufgabe 5.3 Duale Simplexverfahren
Aufgabe 5.3 Knut Krause Thomas Siwczyk Stefan Tittel Technische Universität Dortmund Fakultät für Informatik Algorithmen und Datenstrukturen 15. Januar 2009 Gliederung 1 Aufgabenstellung und Motivation
MehrNAME, VORNAME: Studiennummer: Matrikel:
TU Ilmenau, Fakultat IA Institut für Theoretische Informatik FG Komplexitätstheorie und Effiziente Algorithmen Prof. Dr. (USA) M. Dietzfelbinger Klausur Algorithmen und Datenstrukturen SS08, Ing.-Inf.
MehrInhaltsverzeichnis. Einführende Bemerkungen 11. Das Fach Informatik 11 Zielsetzung der Vorlesung Grundbegriffe
Inhaltsverzeichnis Einführende Bemerkungen 11 Das Fach Informatik 11 Zielsetzung der Vorlesung 12 1. Grundbegriffe 1 3 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Information und Nachricht 1.1.1 Information 1.1.2 Nachricht
MehrKürzeste Wege in einem gewichteten Graphen. Anwendungen
Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe
Mehr3.6 Branch-and-Bound-Verfahren
36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von
MehrQuantitative Methoden in der Betriebswirtschaftslehre
Quantitative Methoden in der Betriebswirtschaftslehre von Dr. Dietrich Ohse Professor für Betriebswirtschaftslehre, insbesondere Quantitative Methoden an der Johann Wolfgang Goethe-Universität Frankfurt
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
Mehrentheoretische Konzepte und Algorithmen
Sven Oliver Krumke, Hartmut Noitemeier entheoretische Konzepte und Algorithmen Teubner Inhaltsverzeichnis 1 Einleitung 1 1.1 Routenplanung 1 1.2 Frequenzplanung im Mobilfunk I 1.3 Museumswärter 3 1.4 Das
MehrTrennender Schnitt. Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein?
6. Flüsse und Zuordnungen max-flow min-cut Trennender Schnitt Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein? a e s c d t b f Der Fluss kann nicht größer als die Kapazität der der
MehrRobert Sedgewick. Algorithmen in Java. Teil 1-4 Grundlagen Datenstrukturen Sortieren Suchen. Java-Beratung durch Michael Schidlowsky
Robert Sedgewick Algorithmen in Java Teil 1-4 Grundlagen Datenstrukturen Sortieren Suchen Java-Beratung durch Michael Schidlowsky 3., überarbeitete Auflage \ PEARSON ein Imprint von Pearson Education München
MehrInhaltsverzeichnis. Teil 1 Grundlagen 23
Inhaltsverzeichnis Vorwort 11 Umfang 12 Einsatz als Unterrichtsmittel 12 Algorithmen mit Praxisbezug 13 Programmiersprache 14 Danksagung 15 Vorwort des C++-Beraters 16 Hinweise zu den Übungen 21 Teil 1
MehrOperations Research I
Operations Research I Lineare Programmierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2015 Peter Becker (H-BRS) Operations Research I Sommersemester 2015
MehrInhaltsverzeichnis. Teil 1 Grundlagen 21. Teil 2 Datenstrukturen 85
Inhaltsverzeichnis Vorwort 13 Umfang 14 Einsatz als Unterrichtsmittel 14 Algorithmen mit Praxisbezug 15 Programmiersprache 16 Danksagung 17 Vorwort des Java-Beraters 18 Hinweise zu den Übungen 19 Teil
MehrTransportoptimierung
Technische Universität Bergakademie Freiberg Fakultät für Mathematik und Informatik Institut für Numerische Mathematik und Optimierung Dr.rer.nat. H. Schreier Transportoptimierung Unter Logistik subsummiert
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
MehrRobert Sedgewick. Algorithmen in Java. »il 1-4 Grundlagen Datenstrykturen Sortleren Suchen. java-beratung durch Michael Schidlowsky
Robert Sedgewick Algorithmen in Java»il 1-4 Grundlagen Datenstrykturen Sortleren Suchen java-beratung durch Michael Schidlowsky 3., überarbeitete Auflage PEARSON ein Imprint von Pearson Education München
MehrGrundlagen der Informatik
Jörn Fischer j.fischer@hs-mannheim.de Willkommen zur Vorlesung Grundlagen der Informatik ADS-Teil Page 2 Überblick Inhalt 1 Eigenschaften von Algorithmen Algorithmenbegriff O-Notation Entwurfstechniken
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrZuordnungsproblem. Beispiele. Mathematisches Modell. Lösungsmethoden. auch Ernennungs-, Zuweisungs-, Assignmentproblem
Zuordnungsproblem auch Ernennungs-, Zuweisungs-, Assignmentproblem Beispiele Mathematisches Modell Lösungsmethoden HTW-Berlin FB3 Prof. Dr. F. Hartl 1 2 Anwendungen Zuordnung von - 1 ME von A i nach B
MehrKonvexe Hülle. Abbildung: [Wikipedia]: Nicht-konvexe Menge (links), konvexe Menge (rechts) KIT Institut für Theoretische Informatik 510
Konvexe Hülle Definition konvexe Menge: Für je zwei beliebige Punkte, die zur Menge gehören, liegt auch stets deren Verbindungsstrecke ganz in der Menge. Abbildung: [Wikipedia]: Nicht-konvexe Menge (links),
Mehr4.4.2 Virtuelles Hashing Erweiterbares Hashing Das Gridfile Implementation von Hashverfahren in Java
Inhaltsverzeichnis 1 Grundlagen 1 1.1 Algorithmen und ihre formalen Eigenschaften 1 1.2 Beispiele arithmetischer Algorithmen 5 1.2.1 Ein Multiplikationsverfahren 5 1.2.2 Polynomprodukt 8 1.2.3 Schnelle
MehrUlf Schneider. PG 431: Metaheuristiken. Das Routing Problem
Ulf Schneider PG 431: Metaheuristiken Das Routing Problem Dortmund, im März 2003 1 Einleitung...3 2 Grundlagen...4 2.1 Graphentheorie...4 2.2 Darstellung von Graphen in Rechnern...6 2.2.1 Matrixdarstellung...6
MehrAlgorithmentheorie 1. Vorlesung
Algorithmentheorie 1. Vorlesung Martin Dietzfelbinger 6. April 2006 FG KTuEA, TU Ilmenau AT 06.04.2006 Methode, Material Vorlesung Vorlesungsskript (Netz, Copyshop) Folien (im Netz) Vorlesung nachbereiten!
MehrMit 119 Bildern, 368 Beispielen und 225 Aufgaben mit Lösungen
Mathematik für Wirtschaftswissenschaftler Ein Lehr- und Übungsbuch für Bachelors 2., aktualisierte Auflage Mit 119 Bildern, 368 Beispielen und 225 Aufgaben mit Lösungen Fachbuchverlag Leipzig im Carl Hanser
MehrDefinition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind.
3.5 Gerichteter Pfad Definition 291 Eine Folge (u 0, u 1,..., u n ) mit u i V für i = 0,..., n heißt gerichteter Pfad, wenn ( i {0,..., n 1} ) [ (u i, u i+1 ) A]. Ein gerichteter Pfad heißt einfach, falls
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
MehrAusarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme
Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrInhaltsverzeichnis VII
Inhaltsverzeichnis 1 Anwendungen... 1 1.1 OperationsResearch... 1 1.2 MedizinischeInformatik... 5 1.3 Automatisierungstechnik... 9 Literaturhinweise... 13 2 Objektorientierte Entwurfsmuster... 15 2.1 EinführendesBeispiel...
MehrAlgorithmen und Datenstrukturen (AuD) Prof. Dr. Claudia Eckert und Dr. Thomas Stibor
Algorithmen und Datenstrukturen (AuD) Prof. Dr. Claudia Eckert und Dr. Thomas Stibor Organisatorisches: Vorlesung 4 SWS, Zentralübung 2 SWS: 6 Credit Points Mi 9:45 11:15 Raum 1200 (Vorlesung) Do 8:00
MehrGraphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47
Graphalgorithmen Dominik Paulus.0.01 Dominik Paulus Graphalgorithmen.0.01 1 / 7 1 Spannbäume Kruskal Prim Edmonds/Chu-Liu Datenstrukturen Fibonacci-Heap Union/Find Kürzeste Pfade Dijkstra Bellman-Ford
MehrÜbung QM 1 EINFÜHRUNG 1. 1 Einführung. ohne Übungsaufgaben
Übung QM 1 EINFÜHRUNG 1 1 Einführung ohne Übungsaufgaben Übung QM 2 LINEARE OPTIMIERUNG 2 2 Lineare Optimierung Aufgabe 2.1 LP-Modellierung und Begriffe Wild West GmbH produziert Cowboyhüte. Momentan werden
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrOptimierung. Optimierung. Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus Fabian Kuhn
Optimierung Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus 1 Resource Allocation Beispiel aus Vorlesung 6 Primales LP: Duales LP: max 3 4 2 2 4 2 8 3 6 0, 0, 0 min 4 8 6 2 3 3 4 2 2 0, 0,
MehrBerechnung minimaler Spannbäume. Beispiel
Minimale Spannbäume Definition Sei G pv, Eq ein ungerichteter Graph und sei w : E Ñ R eine Funktion, die jeder Kante ein Gewicht zuordnet. Ein Teilgraph T pv 1, E 1 q von G heißt Spannbaum von G genau
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Bäume & Graphen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester
Mehr8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.
8.4 Digraphen mit negativen Kantengewichten 8.4.1 Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. k 4 5 1 s 1 3 2 C k 0 k 3 1 1 1 k 1 k 2 v Sollte ein Pfad von s nach C und
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrGrundlegende Algorithmen mit Java
Doina Logofätu Grundlegende Algorithmen mit Java Vom Algorithmus zum fertigen Programm Lern- und Arbeitsbuch für Informatiker und Mathematiker Mit 115 Abbildungen '-^~, v :^i yr:,',v.t&i- I " vieweg Inhaltsverzeichnis
MehrMinimal spannender Baum
Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen
Mehr6. Flüsse und Zuordnungen
6. Flüsse und Zuordnungen Flußnetzwerke 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 6. Vorlesung Martin Middendorf / Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Merge-Sort Anwendbar für
MehrAlgorithmen und Datenstrukturen II: Graphenalgorithmen
Algorithmen und Datenstrukturen II: Graphenalgorithmen Fakultät für Informatik und Mathematik Hochschule München Letzte Änderung: 23.05.2017 13:41 Inhaltsverzeichnis Wofür........................................
MehrDigraphen, DAGs und Wurzelbäume
Digraphen (gerichtete Graphen) Slide 1 Digraphen, DAGs und Wurzelbäume Digraphen (gerichtete Graphen) Slide 2 Eingangs- und Ausgangsgrad Bei einer gerichteten Kante e = (u,v) E heißt u Startknoten von
MehrKap. 4.3: Das Dualitätstheorem der linearen Optimierung
Kap. 4.3: Das Dualitätstheorem der linearen Optimierung Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 18. VO A&D WS 08/09 18.12.2008 1 Literatur
MehrTeil 2: Graphenalgorithmen
Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Problemstellung Ungewichtete Graphen Distanzgraphen Gewichtete
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek
MehrAlgorithmen und Datenstrukturen II: Graphenalgorithmen
Algorithmen und Datenstrukturen II: Graphenalgorithmen Prof. Dr. Oliver Braun Letzte Änderung: 23.05.2017 13:41 Algorithmen und Datenstrukturen II: Graphenalgorithmen 1/76 Wofür wie komme ich am schnellsten
MehrModellbasiertes Logistikmanagement mit Excel
A 3^6 093 Heinz-Michael Winkels Modellbasiertes Logistikmanagement mit Excel Lösungen von Problemen in der Logistik unter Verwendung der Tabellenkalkulation @ Mit direkt anwendbaren Online-Arbeitshilfen:
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrTürkisch-Deutsche Universität. Datenblatt für Vorlesungen
Türkisch-Deutsche Universität Datenblatt für en Code Semester Operations Research WNG301 5 ECTS Übung Labor (Wochenstunden) (Wochenstunden) (Wochenstunden) 6 2 2 0 Voraussetzungen keine Lehrsprache Deutsch
MehrMinimumproblem. Definition 4.7. Ein LP der Form. unter den Nebenbedingungen. d ij x j b i (i =1,...,m)
Minimumproblem Definition 4.7 Ein LP der Form nx Minimiere Z = c j x j j=1 unter den Nebenbedingungen nx d ij x j b i (i =1,...,m) j=1 und den Vorzeichenbedingungen x j 0(j =1,...,n) heißt Minimumproblem.
MehrTheoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke
Theoretische Informatik 1 WS 2007/2008 Prof. Dr. Rainer Lütticke Inhalt der Vorlesung Grundlagen - Mengen, Relationen, Abbildungen/Funktionen - Datenstrukturen - Aussagenlogik Automatentheorie Formale
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
MehrAlgorithmen und Datenstrukturen Kapitel 10
Algorithmen und Datenstrukturen Kapitel 10 Flüsse Frank Heitmann heitmann@informatik.uni-hamburg.de 6. Januar 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/8 Flüsse Graphen Grundlagen Definition
MehrDatenstrukturen und Algorithmen 2. Klausur SS 2001
UNIVERSITÄT PADERBORN FACHBEREICH 7 (MATHEMATIK INFORMATIK) Datenstrukturen und Algorithmen 2. Klausur SS 200 Lösungsansätze Dienstag, 8. September 200 Name, Vorname:...................................................
MehrRelationen und DAGs, starker Zusammenhang
Relationen und DAGs, starker Zusammenhang Anmerkung: Sei D = (V, E). Dann ist A V V eine Relation auf V. Sei andererseits R S S eine Relation auf S. Dann definiert D = (S, R) einen DAG. D.h. DAGs sind
MehrVorwort zur 3. Auflage... V Vorwort zur 2. Auflage... vn Vorwort zur 1. Auflage... IX Inhaltsübersicht... XI Symbolverzeichnis...
Vorwort zur 3. Auflage... V Vorwort zur 2. Auflage... vn Vorwort zur 1. Auflage... IX Inhaltsübersicht... XI Symbolverzeichnis... XX1 1 Einführung... 1 2 Beschaffungslogistik... 3 2.1 Strategische Beschaffungsaufgaben...
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht
Mehr(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.
(a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 13: Flüsse und Zuordnungen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 9. Juni 2017 DURCHSATZ D(e) ist die maximale Flussmenge,
MehrKapitel 4: Minimal spannende Bäume Gliederung der Vorlesung
Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling
MehrNetzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex
Netzwerk-Simplex MinCostFlow als Lineares Programm of 2 Netzwerksimplex MinCostFlow geg: gerichteter Graph G, Kapazitäten u R R 0 { }, Bedarfe b V R, Pfeilkosten c R R ges: zulässiger b-fluss f mit minimalen
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen 13. Übung minimale Spannbäume, topologische Sortierung, AVL-Bäume Clemens Lang Übungen zu AuD 4. Februar 2010 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen
MehrOperations Research kompakt
Operations Research kompakt von Michael Sauer Oldenbourg Verlag München Inhalt s Verzeichnis 1 Einführung 1 1.1 Vorwort 1 1.2 Anwendungsbeispiel 2 1.3 Inhaltsüberblick 3 1.4 Einige Grundlagen 4 1.4.1 Grundbegriffe
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
MehrBerechnung von Abständen
3. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 3.4. Es sei G = (V, E) ein Graph. Der Abstand d(v, w) zweier Knoten v, w V ist die minimale Länge eines Weges von v nach w.
MehrEinführung in Operations Research
Einführung in Operations Research Wolfgang Domschke Andreas Drexl Robert Klein Armin Scholl Einführung in Operations Research 9., überarbeitete und verbesserte Auflage Wolfgang Domschke Technische Universität
MehrKapitel 4: Minimale spannende Bäume Gliederung der Vorlesung
Kapitel : Minimale spannende Bäume Gliederung der Vorlesung. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
MehrInstitut für Programmierung und Reaktive Systeme 31. Mai Programmieren II. 12. Übungsblatt
Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme 1. Mai 01 Programmieren II 1. Übungsblatt Hinweis: Dieses Übungsblatt enthält die dritte Pflichtaufgabe.
MehrQuicksort ist ein Divide-and-Conquer-Verfahren.
. Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.
MehrLogische Datenstrukturen
Lineare Listen Stapel, Warteschlangen Binärbäume Seite 1 Lineare Liste Begriffe first Funktion: sequentielle Verkettung von Datensätzen Ordnungsprinzip: Schlüssel Begriffe: first - Anker, Wurzel; Adresse
MehrAufgaben zum Skriptum Informatik
Aufgaben zum Skriptum Informatik Andre Spiegel Universität Stuttgart Prof. Dr. Jochen Ludewig Universität Stuttgart Prof. Dr. Hans-Jürgen Appelrath Universität Oldenburg ä3 B. G.Teubner Stuttgart l,ijllfl
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrProduktionsplanung. Wolfgang Domschke Armin Scholl Stefan Voß. Ablauforganisatorische Aspekte. Springer. Zweite, überarbeitete und erweiterte Auflage
Wolfgang Domschke Armin Scholl Stefan Voß Produktionsplanung Ablauforganisatorische Aspekte Zweite, überarbeitete und erweiterte Auflage Mit 134 Abbildungen und 48 Tabellen Springer Inhaltsverzeichnis
MehrVORLESUNG 14 Lineare Optimierung, Dualität (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG 14 Lineare Optimierung, Dualität (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 96 H. Meyerhenke: Kombinatorische Optimierung Dualität bei linearen Programmen Def.: Es sei (L): c T x max
Mehr4. Welchen Zusammenhang gibt es zwischen den Eckengraden und der Anzahl der Kanten eines ungerichteten Graphen?
Kapitel 7 Graphentheorie Verständnisfragen Sachfragen 1. Was ist ein ungerichteter Graph? 2. Erläutern Sie den Begriff Adjazenz! 3. Erläutern Sie den Eckengrad in einem Graphen! 4. Welchen Zusammenhang
Mehr