b) Wie lassen sich dabei die Quellen und die Senken modellieren? Wie sehen dann die Kapazitätsvektoren der Quellen und Senken aus?

Größe: px
Ab Seite anzeigen:

Download "b) Wie lassen sich dabei die Quellen und die Senken modellieren? Wie sehen dann die Kapazitätsvektoren der Quellen und Senken aus?"

Transkript

1 Aufgabe 1 Der Waschmaschinenhersteller Dreckschleuder hat sich auf die Produktion der Waschmaschine M74650 spezialisiert. Diese wird an den drei Standorten West, Mitte und Ost gefertigt. Dreckschleuder hat zwei Großkunden, die Großhändler Nord und Süd, die pro Quartal 200 (Nord), bzw. 300 (Süd) Maschinen benötigen. Die Waschmaschinen werden jedoch nicht direkt an die Großkunden geliefert, sondern werden zunächst in die Zwischenlager Nord-Ost und Süd-West eingelagert, von denen aus dann pro Quartal eine Lieferung zu den Großhändler erfolgt. Dabei ist zu beachten, dass das Zwischenlager Nord-Ost Platz für maximal 100 Maschinen hat, in Süd-West jedoch 400 Maschinen eingelagert werden können. Auch die Produktionsmengen in den einzelnen Produktionsstätten sind unterschiedlich. So können in West nur 100 und in den anderen beiden Standorten jeweils 200 Waschmaschinen pro Quartal gefertigt werden. Erfahrungswerte haben folgende Transportkosten zwischen den Produktionsstätten und den Zwischenlagern (c ij ), bzw. zwischen den Zwischenlagern und den Großhändlern (d ij ) ergeben. c ij Nord-Ost Süd-West West 2 5 Mitte 1 10 Ost 4 4 d ij Nord Süd Nord-Ost 3 20 Süd-West 20 3 Dreckschleuder hat Sie nun beauftragt ein transportkostenminimales Distributionsprogramm für die Waschmaschine M74650 aufzustellen. Da Sie gelernt haben, dass man ein großes Projekt am besten in viele kleine zerlegt, wollen Sie für dieses Problem nun Schritt für Schritt eine Lösung finden. Dazu arbeiten Sie folgende Punkte ab: a) Auf welches Standard problem aus dem Operations Research lässt sich Ihre Aufgabe zurückführen? Wie lauten die Entscheidungsvariablen bei diesem allgemeinen Standardproblem? b) Wie lassen sich dabei die Quellen und die Senken modellieren? Wie sehen dann die Kapazitätsvektoren der Quellen und Senken aus? (4 Punkte) c) Wie können Sie bei der Modellierung gewährleisten, dass nicht direkt von den Produktionsstätten zu den Kunden geliefert wird und auch keine Transporte zwischen den Zwischenlagern stattfinden? d) Wie könnte also eine passende Zielfunktion aussehen? e) Da Sie heute erfahren haben, dass im nächsten Quartal die Produktionsstätte Mitte ihre Kapazität durch den Zukauf einer neuen, sehr leistungsstarken Produktionsmaschine um 300 Waschmaschinen auf 500 Waschmaschinen erhöhen wird, wollen Sie sich direkt auch schon für diesen Fall eine Lösung überlegen. Wie müsste Ihr Modell für nun angepasst werden, um weiterhin ein Standardproblem abzubilden? (kurze Beschreibung) Operations Research 2

2 Als spezielles Transportproblem ist Ihnen das Travelling-Salesman-Problem (TSP) bekannt. Da Sie demnächst ein anderes Projekt zugewiesen bekommen, bei dem sich als Lösungsansatz das TSP anbietet, wollen Sie sich bereits jetzt schon einmal die Rundreise-Nebenbedingungen zurück ins Gedächtnis rufen. Sie erinnern sich, dass die Nebenbedingungen von Miller Tucker und Zemlin u 1 = 1 2 u i n, i = 2,..., n u i u j + 1 (n 1) (1 x ij ), i, j = 2,... n aufgrund ihrer geringeren Anzahl anderen Rundreise-Nebenbedingungen vorzuziehen sind. f) Aus wievielen Nebenbedingungen bestehen in dieser Formulierung die Rundreisebedingungen? Warum zählt das Rundreiseproblem trotz dieser Formulierung zu der Klasse der NP-schweren Probleme? g) Wie können in dieser Formulierung die künstlich eingeführten Variablen u i interpretiert werden? (kurze Beschreibung) Und wie kann über diese Art der Rundreisebedingungen ein Ort Nr. 5 als Ausgangsort angegeben werden? (1 Punkt) Operations Research 3

3 Aufgabe 2 Um sich ein kleines Zubrot zu verdienen, beschließen Mario und Luigi, günstigen Wein für jedermann anzubieten. Aus dem Weinkeller ihres Onkels stibitzen sie dafür 800 Liter Wein, den sie nun weiterverkaufen wollen. Da sie jedoch große Geschäftsmänner sind, begnügen sie sich nicht mit dem Weiterverkauf, sondern planen außerdem, den Wein ein wenig zu strecken. Die 150 Liter Frostschutzmittel, die sie auf Luigis Dachboden entdeckt haben, kommen ihnen da gerade recht. Zudem stehen ihnen 300 Liter besten Quellwassers zur Verfügung. Sie planen, aus diesen Zutaten zwei völlig neue Weinsorten zu kreieren: Eine Flasche des vollmundigen Schaddoné besteht aus 0.7 Litern Wein, 0.2 Litern Wasser und 0.1 Litern Frostschutzmittel und soll im Verkauf 8 EUR Erlös bringen. Eine Flasche des süffigen Mährlo hingegen soll nur 7 EUR Kosten, dafür aber auch nur aus 0.5 Litern Wein, 0.3 Litern Wasser und 0.2 Litern Frostschutzmittel bestehen. Mit diesen beiden Sorten planen sie ihren Markteinstieg, um dem Traum von einem eigenen roten Kleinwagen näherzukommen. Dabei versuchen sie natürlich große Geschäftsmänner, wie sie nunmal sind möglichst viel Profit zu machen, um sich eventuell sogar Extras wie ein Plasmadisplay statt eines Beifahrersitzes leisten zu können. a) Identifizieren Sie bitte für dieses Problem geeignete Entscheidungsvariablen, die Nebenbedingungen und die Zielfunktion. (3 Punkte) b) Formulieren Sie bitte das zugehörige Optimierungsmodell in der charakteristischen Form. Diese Form heisst im folgenden LP. (1 Punkt) c) Bestimmen Sie bitte graphisch den zulässigen Bereich für LP (nehmen Sie bitte dabei eine geeignete Skalierung der Koordinatenachsen vor). (2,5 Punkte) d) Bestimmen Sie bitte graphisch eine optimale Lösung für LP. (0,5 Punkte) e) Könnte man aus dem Punkt (500, 500) eine zulässige Basislösung identifizieren? Begründen Sie Ihre Antwort bitte formal mit der Definition einer Basislösung. (2,5 Punkte) f) Da Mario und Luigi fürchten, dass ihre Oma ihnen auf die Schliche kommt, wenn sie zuviel ihres guten Quellwassers verbrauchen, möchten sie nur 300 Flaschen Schaddoné und 200 Flaschen Mährlo abfüllen. (i) Wieviel des Quellwassers verbrauchen sie so? (0,5 Punkte) (ii) Ist die Produktion von 300 Flaschen Schaddoné und 200 Flaschen Mährlo sinnvoll oder könnten sie mit der entsprechenden Menge Quellwasser größeren Gewinn erzielen? Klären sie diese Frage bitte, indem sie eine bestehende Nebenbedingung geeignet anpassen, einzeichnen und die Lösung des geänderten Problems graphisch bestimmen. g) Wenn Sie nun dieses Problem in Standardform mit Hilfe eines Simplexverfahrens lösen wollen, so ist es notwendig eine erste zulässige Basislösung (Startlösung) zu bestimmen. Müssen Sie in Ihrem Fall dazu ein Hilfsproblem lösen, oder können Sie direkt aus dem ursprünglichen Problem eine zulässige Basislösung ablesen? Begründen Sie bitte Ihre Antwort. (1 Punkt) Operations Research 4

4 h) Gibt es eine Nebenbedingung im ursprünglichen Modell LP (siehe oben), die in der optimalen Lösung x nicht bindend ist. Was bedeutet diese Tatsache für den zugehörigen optimalen Schattenpreis? Interpretieren Sie diese Aussagen bitte aus ökonomischer Sicht. Operations Research 5

5 Aufgabe 3 Die Mensa der TU Dortmund benötigt für die Zubereitung und die Ausgabe der verschiedenen Mittagessen eine nicht unerhebliche Anzahl an Fach- und Aushilfskräften. Das Studentenwerk verfügt dazu über ein Reservoir an Hilfskräften, auf die es gegebenebnfalls zurückgreifen kann und aus dem die fest angestellten Mitarbeiter bei ihrer Arbeit unterstützt werden können. Momentan besteht dieses Reservoir aus 10 Vollzeitkräften und 30 Teilzeitkräften. Abhängig von der zu erwartenden Essensnachfrage wird für jeden Tag zunächst eine Personalbedarfsplanung an Hilfskräften vorgenommen um daraus anschließend einen entsprechenden Personaleinsatzplan zu ermitteln. Eine Vollzeitkraft arbeitet von Uhr bis Uhr, und hat genau eine Stunde Mittagspause (Arbeitszeit = 7 Stunden). Die Hälfte der arbeitenden Vollzeitkräfte macht von Uhr bis Uhr diese Pause, die andere von Uhr bis Uhr (es sollte also immer eine gerade Anzahl an Vollzeitkräften arbeiten). Eine Teilzeitkraft arbeitet genau 4 Stunden pro Tag am Stück, kann irgendwann zu jeder vollen Stunde zwischen Uhr und Uhr mit ihrer Arbeit beginnen, hat allerdings keinerlei Pause. Diese Arbeitszeit wird durch das Studentenwerk festgelegt. Natürlich sind die Lohnkosten der Teilzeitkräfte geringer als die der Vollzeitkräfte. Eine Teilzeitkraft kostet das Studentenwerk 12,- EUR pro Arbeitsstunde, wohingegen für die Vollzeitkraft 23, EUR pro Stunde zu vergüten ist. Es ist allerdings Politik des Studentenwerkes, nicht alle Arbeiten von Teilzeitkräften erledigen zu lassen, sondern höchstens für 50% der benötigten Arbeitszeit eines Tages diesen Typ von Aushilfskraft einzusetzen. Aus der folgenden Tabelle können die Zeitperioden und der Mindestbedarf an Hilfskräften entnommen werden, die am morgigen Dienstag, , während der angegebenen Zeitperioden in der Mensa unbedingt benötigt werden. Zeitperiode Mindestpersonalanzahl Uhr bis Uhr Uhr bis Uhr Uhr bis Uhr Uhr bis Uhr Uhr bis Uhr Uhr bis Uhr Uhr bis Uhr Uhr bis Uhr 9 a) Helfen Sie dem Studentenwerk bitte, für den morgigen Tag den Personalbedarf zu planen, indem Sie für dieses Entscheidungsproblem ein geeignetes Entscheidungsmodell (geeignete Entscheidungsfragen/Entscheidungsvariablen, geeignete Entscheidungsschranken/Nebenbedingungen, geeignete(s) Entscheidungsziel/Zielfunktion) erstellen. (4 Punkte) b) Der Chef des Studentenwerkes macht eines Tages den Vorschlag, die Mittagspausen für die Vollzeitaushilfen flexibler zu gestalten. Dazu wird den Vollzeitkräften die Möglichkeit gegeben, ihre einstündige Mittagspause alternativ um Uhr, Uhr oder Uhr zu beginnen, dies aber vorher mitzuteilen. Wie wirkt sich dieser Vorschlag auf das Operations Research 6

6 ursprünglichen Modell aus, wenn dabei berücksichtigt werden muss, dass der Mindestbedarf an Personal in den einzelnen Perioden sichergestellt werden muss? (4 Punkte) c) Eines Tages bieten 8 der 10 Vollzeitkräfte, die gewerkschaftlich nicht gebunden sind, an, nur noch eine halbe Stunde Mittagspause zu machen, und die andere halbe Stunde zusätzlich zu arbeiten, natürlich auf Grundlage des vereinbarten Stundenlohns. Das Studentenwerk geht auf den Vorschlag ein, fordert aber, dass die halbstündigen Mittagspausen dann entweder von Uhr bis Uhr oder von Uhr bis Uhr genommen werden (die Anzahl der Mitarbeiter, die zu diesen beiden verschiedenen Zeitintervallen pausieren, soll sich um höchstens 1 unterscheiden). Die beiden Gewerkschaftsmitglieder pochen auf ihren Arbeitsvertrag und machen von Uhr bis Uhr Pause. Wie verändert dieser Vorschlag das ursprüngliche Modell? (4 Punkte) d) Nun zu etwas ganz anderem. Ermitteln Sie bitte für den folgenden Graphen Schritt für Schritt einen spannenden Baum mit maximalem Gesamt-Kantengewicht. Begründen Sie bitte, wieso Sie hierzu prinzipiell das Verfahren von Kruskal bzw. von Prim verwenden können. An welchen Stellen müssen Sie geeeignete Veränderungen vornehmen? (3 Punkte) Operations Research 7

Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie)

Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 1_Fallstudie) (Die Thesen zur Vorlesung 1_Fallstudie) das Thema der Vorlesung Grundlagen der Methode der linearen Optimierung (Lineares Optimierungsmodell der Wahl der Produktionsstrategie des ) Prof. Dr. Michal Fendek

Mehr

Optimierung I. Dr. Ulf Lorenz F2.413

Optimierung I. Dr. Ulf Lorenz F2.413 Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:

Mehr

Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206

Unimodularität. 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

Mehr

Diplomprüfung. Operations Research I WS 2007/2008 (4 Punkte)

Diplomprüfung. Operations Research I WS 2007/2008 (4 Punkte) Dr. Jörg Kalcsics 11.0.008 Diplomprüfung (Wiederholungsprüfung gem. NPO) Operations Research I WS 007/008 ( Punkte) Vorbemerkung: Zugelassene Hilfsmittel: nicht programmierbarer Taschenrechner. Beginnen

Mehr

max 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6)

max 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6) Aufgabe 1 (33 Punkte, ca. 20 Minuten) Ein Konditor stellt zu Ostern besonders exklusive Osterhasen (x 1 ) und Ostereier (x 2 ) her. Diese bestehen aus einer Schokoladengrundmasse und werden mit weiteren

Mehr

WHB11 - Mathematik Klausurübungen für die Klausur Nr. 3 AFS 3 Analysis: Ökonomische lineare Funktionen

WHB11 - Mathematik Klausurübungen für die Klausur Nr. 3 AFS 3 Analysis: Ökonomische lineare Funktionen Basiswissen für die Klausur Fixkosten sind Kosten, die unabhängig von der produzierten Menge anfallen, d.h. sie sind immer gleich, egal ob 20 oder 50 oder 100 Stück von einem Gut produziert werden. Man

Mehr

Übungsbeispiel 1: Quadratische Modellierung

Übungsbeispiel 1: Quadratische Modellierung Übungsbeispiel 1: Quadratische Modellierung Ein Uhrenhersteller möchte den Preis für sein neues Modell festlegen und führt dazu eine Marktanalyse durch. Das Ergebnis lautet: Bei einem Preis von 60 ist

Mehr

1.8 lineare Optimierung

1.8 lineare Optimierung 1.8 lineare Optimierung Inhaltsverzeichnis 1 Einführung des Begriffs lineare Optimierung 2 2 Das Planungspolygon 2 3 Die Optimierungsgerade 3 1 lineare Optimierung 02.04.2008 Theorie und Übungen 2 1 Einführung

Mehr

Optimierungsworkshop: Beispiele und Übungen

Optimierungsworkshop: Beispiele und Übungen Optimierungsworkshop: Beispiele und Übungen Teil 1: Lineare Modelle Aufgabe 1 (Gürtelbeispiel) Ein Unternehmen stellt 2 Gürteltypen A und B mit einem Deckungsbeitrag von 2,00 bzw. 1,50 je Stück her. Ein

Mehr

1 Lineare Optimierung, Simplex-Verfahren

1 Lineare Optimierung, Simplex-Verfahren 1 Lineare Optimierung, Simplex-Verfahren 1.1 Einführung Beispiel: In einer Fabrik werden n Produkte A 1, A 2,..., A n hergestellt. Dazu werden m Rohstoffe B 1, B 2,..., B m (inklusive Arbeitskräfte und

Mehr

Kosten und Umsatzfunktionen

Kosten und Umsatzfunktionen In den folgenden Abschnitten wenden wir gelegentlich Anwendungen aus der Wirtschaft behandeln. Wir stellen deshalb einige volks- und betriebswirtschaftliche Funktionen vor. Dabei handelt es sich stets

Mehr

2. Optimierungsprobleme 6

2. Optimierungsprobleme 6 6 2. Beispiele... 7... 8 2.3 Konvexe Mengen und Funktionen... 9 2.4 Konvexe Optimierungsprobleme... 0 2. Beispiele 7- Ein (NP-)Optimierungsproblem P 0 ist wie folgt definiert Jede Instanz I P 0 hat einen

Mehr

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 1

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 1 Operations Research und Wirtschaftsinformatik Prof. Dr. P. Recht // Dr. Eva-Maria Sprengel Ganzzahlige OR-Methoden: Operations Research II a Übungsblatt 1 Aufgabe 1 a) Erläutern Sie bitte die allgemeine

Mehr

Prüfung: Produktion, Logistik und Operations Research SS 2009. Prüfungsbogen. Vom Klausurteilnehmer auszufüllen!

Prüfung: 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

Mehr

Einführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298

Einführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Kapitel 1 Einführung Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Inhalt Inhalt 1 Einführung Was ist Operations Research? Planungsprozess im OR Peter Becker (H-BRS) Operations

Mehr

Lineare Optimierungsmodelle

Lineare Optimierungsmodelle Lineare Optimierungsmodelle Simplex-Methode Vortragender: Michael Schneider Agenda Motivation Operations Research Aufbau linearer Optimierungsmodelle Simplex-Methode Ausblick 2 Problemstellung Futtermischung

Mehr

2. Mathematik-Schularbeit für die 5. Klasse Autor: Gottfried Gurtner

2. Mathematik-Schularbeit für die 5. Klasse Autor: Gottfried Gurtner . Mathematik-Schularbeit für die 5. Klasse Autor: Gottfried Gurtner Arbeitszeit: 50 Minuten Lernstoff: Mathematische Grundkompetenzen: AG1.1 Wissen über die Zahlenmengen,,, verständig einsetzen können

Mehr

Der Solver. Gerald Kurz

Der Solver. Gerald Kurz Der Solver Gerald Kurz Was ist der Solver Der Solver ist ein Calc-Zusatzprogramm zur Lösung von Optimierungsaufgaben. Im Gegensatz zur Zielwertsuche können hier Aufgaben auch mit mehreren Variablen und

Mehr

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:

AUFGABEN. Klausur: Modul Optimierungsmethoden des Operations Research. Termin: Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 32621 Optimierungsmethoden des Operations Research Termin:

Mehr

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775, Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen

Mehr

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Lineare Optimierung Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Outline Lineares Programm (LP) in Standardform

Mehr

Lineare Optimierung Ergänzungskurs

Lineare 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

Mehr

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des

Mehr

Diplomprüfung Allgemeine Betriebswirtschaftslehre Sommersemester 1998

Diplomprüfung Allgemeine Betriebswirtschaftslehre Sommersemester 1998 Diplomprüfung Allgemeine Betriebswirtschaftslehre Sommersemester 1998 Teilgebiet Kosten- und Leistungsrechnung Aufgabe 1 Die Hobbygärtner KG plant die Herstellung eines neuartigen Gartenwerkzeugs in zwei

Mehr

Übungsbuch Beschaffung, Produktion und Logistik

Übungsbuch Beschaffung, Produktion und Logistik Vahlens Übungsbücher der Wirtschafts- und Sozialwissenschaften Übungsbuch Beschaffung, Produktion und Logistik Aufgaben, Lösungen und Implementierung in Excel von Prof. Dr. Dr. h.c. Hans-Ulrich Küpper,

Mehr

ein Konzept von Handbuch world of Innovation Jernoiu e.k.

ein Konzept von Handbuch world of Innovation Jernoiu e.k. ein Konzept von Handbuch Anmeldung Der erste Kontakt zwischen Ihnen und uns erfolg per email, Fax oder Telefon. Die Anmeldung im System wird durch uns vorgenommen. Sobald die Einrichtung der Apotheken

Mehr

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren

Fachakademie für Wirtschaft der FHM A2: Lineare Optimierung und das Simplexverfahren A2.1 Lineare Optimierung mit dem Simplexverfahren Wenn ein Unternehmen ermitteln möchte, wie viele Mengeneinheiten von verschiedenen Produkten zu produzieren sind, damit bei gegebenen Verkaufspreisen der

Mehr

Das Linear Ordering Problem Exakte Lösungsverfahren. für NP-schwierige. VO Algorithm Engineering

Das Linear Ordering Problem Exakte Lösungsverfahren. für NP-schwierige. VO Algorithm Engineering Das Linear Ordering Problem Exakte Lösungsverfahren VO Algorithm Engineering für NP-schwierige Professor Dr. Petra Mutzel kombinatorische Lehrstuhl für Algorithm Engineering, LS11 Optimierungsprobleme

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Kombinatorische Optimierung Zuweisungsprobleme 2 1 3 5 4 Kombinatorische Optimierung Rucksackpackproblem 1 10 2 4 6 3 5 8 6 Aufspannende Bäume Travelling Salesman VLSI Design C. Kanzow, M. Gerdts Kombinatorische

Mehr

Aufgabensammlung für das Modul Wirtschaftswissenschaften

Aufgabensammlung für das Modul Wirtschaftswissenschaften Aufgabensammlung für das Modul Wirtschaftswissenschaften Aufgabengruppe Wirtschaftliche Zusammenhänge analysieren Bei der Aufgabengruppe "Wirtschaftliche Zusammenhänge analysieren" (WZA) müssen Diagramme,

Mehr

Algorithmen und Datenstrukturen Kapitel 10

Algorithmen 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

Mehr

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) HTW Dresden 9. Februar 2012 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-

Mehr

Zentrale Abschlussprüfung Mathematik (A) Realschule

Zentrale Abschlussprüfung Mathematik (A) Realschule Der Senator für Bildung und Wissenschaft Freie Hansestadt Bremen Zentrale Abschlussprüfung 10 2007 Mathematik (A) Teil 2 Taschenrechner und Formelsammlung dürfen benutzt werden Name Klasse Schule 25.5.2007

Mehr

4. Dynamische Optimierung

4. Dynamische Optimierung 4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger

Mehr

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

Übungsserie 11: bedingte Extremwerte

Übungsserie 11: bedingte Extremwerte HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Wirtschaftsmathematik II Funktionen mit mehreren Variablen Mathematik für Wirtschaftsingenieure - Übungsaufgaben Übungsserie 11: bedingte Extremwerte

Mehr

3. Grundlagen der Linearen Programmierung

3. 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

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2006/07 05.03.2007 Dr. Priska Jahnke Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

Betriebsbuchhaltung: Seminar Aufgaben

Betriebsbuchhaltung: Seminar Aufgaben Betriebsbuchhaltung: Seminar Aufgaben 25-29 1 Aufgabe 25 In einem Betrieb fallen bei der Herstellung des Hauptproduktes die Nebenprodukte A und B an. Folgende Kosten und sind bekannt: Gesamtkosten der

Mehr

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Kapitel 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

Mehr

Wie löst man Treffpunktaufgaben?

Wie löst man Treffpunktaufgaben? Wie löst man Treffpunktaufgaben? Grundsätzlich gibt es zwei Typen von Treffpunktaufgaben. Beim ersten Typ fahren die Personen vom gleichen Startpunkt los, aber dann meist zeitverzögert und mit unterschiedlichen

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung In der linearen

Mehr

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 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

Mehr

Inhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII

Inhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................

Mehr

Prüfung. Aktivitätsanalyse und Kostenbewertung (11018) für FWW

Prüfung. Aktivitätsanalyse und Kostenbewertung (11018) für FWW Prüfung Aktivitätsanalyse und Kostenbewertung (11018) für FWW Prüfer: Prof. Dr. Luhmer Winter 2010/2011 Hinweise: Die Prüfung umfasst 9 Aufgaben, die alle zu bearbeiten sind. Die Bearbeitungszeit beträgt

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Vertiefungsstudium 3. Musterklausur Modellgestütztes

Mehr

Sattelpunkt-Interpretation

Sattelpunkt-Interpretation Sattelpunkt-Interpretation Vinzenz Lang 14. Mai 2010 Die Sattelpunkt-Interpretation befasst sich mit der Interpretation der Lagrange- Dualität. Sie wird im weiteren Verlauf des Seminars nicht noch einmal

Mehr

Klassenstufen 7, 8. Aufgabe 1 (6+6+8 Punkte). Magischer Stern:

Klassenstufen 7, 8. Aufgabe 1 (6+6+8 Punkte). Magischer Stern: Department Mathematik Tag der Mathematik 31. Oktober 2009 Klassenstufen 7, 8 Aufgabe 1 (6+6+8 Punkte). Magischer Stern: e a 11 9 13 12 10 b c d Die Summe S der natürlichen Zahlen entlang jeder der fünf

Mehr

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick

Mehr

Schulinterner Lehrplan des Gymnasiums Buxtehude Süd Klasse 8

Schulinterner Lehrplan des Gymnasiums Buxtehude Süd Klasse 8 1. Terme und mit Klammern Schwerpunkt: Beschreibung von Sachverhalten Schwerpunkt: Problemlösen 1.1 Auflösen und Setzen einer Klammer 1.2 Minuszeichen vor einer Klammer Subtrahieren einer Klammer 1.3 Ausklammern

Mehr

Lineare Optimierung Lehrbuch mit Aufgaben und Lösungen

Lineare Optimierung Lehrbuch mit Aufgaben und Lösungen Lineare Optimierung Lehrbuch mit Aufgaben und Lösungen Dipl.-Math. Alexander Schwarz E-Mail: aschwarz@mathe-aufgaben.com Homepage: www.mathe-aufgaben.com Wichtiger Hinweis: Ich bitte den Eigentümer dieser

Mehr

(Prüfungs-)Aufgaben zur Berechenbarkeits- und Komplexitätstheorie

(Prüfungs-)Aufgaben zur Berechenbarkeits- und Komplexitätstheorie (Prüfungs-)Aufgaben zur Berechenbarkeits- und Komplexitätstheorie 1) Schreiben Sie ein LOOP-Programm, das die Funktion f: N \ {0} N, f (n) = n n berechnet. Sie dürfen in Ihrem Programm die Multiplikation

Mehr

WHB11 - Mathematik Klausur Nr. 3 AFS 3 Ökonomische Anwendungen linearer Funktionen

WHB11 - Mathematik Klausur Nr. 3 AFS 3 Ökonomische Anwendungen linearer Funktionen Name: Note: Punkte: von 50 (in %: ) Unterschrift des Lehrers : Zugelassene Hilfsmittel: Taschenrechner, Geodreieck, Lineal Wichtig: Schreiben Sie Ihren Namen oben auf das Klausurblatt und geben Sie dieses

Mehr

Prüfungsvorbereitung: Aufgabensammlung II

Prüfungsvorbereitung: Aufgabensammlung II Thema Dokumentart Mikroökonomie: 2. Semester Teilzeit Aufgabensammlung Prüfungsvorbereitung: Aufgabensammlung II Aufgabe 1 Maschinen (in Stück) 700 600 490 A F 280 B 200 100 10 20 25 35 40 Spielfilme (in

Mehr

3.2. Simultane Produktions- und Investitionsplanung mit zeitlich verschiedenen Finanzierungmöglichkeiten

3.2. 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

Mehr

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen) Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR

Mehr

Elastizitäten & Staatliche Interventionen

Elastizitäten & Staatliche Interventionen Elastizitäten & Staatliche Interventionen Ökonomische Entscheidungen und Märkte IK Alexander Ahammer Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz Letztes Update: 13. Oktober 2016,

Mehr

PROGRAMMIEREN IN. TINF13 - Sommersemester 2014 von Johannes Unterstein -

PROGRAMMIEREN IN. TINF13 - Sommersemester 2014 von Johannes Unterstein - PROGRAMMIEREN IN. TINF13 - Sommersemester 2014 von Johannes Unterstein - unterstein@me.com 1 KLAUSURVORBEREITUNG 2 Grafik von http://it.wikipedia.org/wiki/file:duke-guitar.png GENERELLES 90 Minuten = 90

Mehr

Studentische Eltern-Kind-Initiativen Leopoldstr. 15 80802 München Tel. 089/396-214. Studentische Kinderkrippe Sonnenkäfer

Studentische Eltern-Kind-Initiativen Leopoldstr. 15 80802 München Tel. 089/396-214. Studentische Kinderkrippe Sonnenkäfer Studentische Eltern-Kind-Initiativen Tel. 089/396-214 Studentische Kinderkrippe Sonnenkäfer Boltzmannstr. 15 85748 Garching Tel. und Fax 089 3202608 E-mail: sonnenkaefer@stwm.de KRIPPENORDNUNG Liebe Eltern,

Mehr

Hier gibt es für Sie einen Schnellcheck, was Sie beim Kauf beachten sollten. Genauere Erklärungen finden Sie im jeweiligen Abschnitt.

Hier gibt es für Sie einen Schnellcheck, was Sie beim Kauf beachten sollten. Genauere Erklärungen finden Sie im jeweiligen Abschnitt. Ratgeber Umweltschonende und energieeffiziente Haushaltsgeräte kaufen Trockner 1. Wann lohnt sich ein neues Gerät? 2. Was besagt das EU-Energielabel? 3. Welche Energieeffizienzklasse sollte ich wählen?

Mehr

Erläuterung zur Berechnung der Personalstruktur (Ziffer C des Nachweises gemäß 89)

Erläuterung zur Berechnung der Personalstruktur (Ziffer C des Nachweises gemäß 89) zur Berechnung der Personalstruktur (Ziffer C des Nachweises gemäß 89) Im Folgenden wird erläutert, wie Sie die Vollzeitstellen (VK) für den Nachweis gemäß 89 in Verbindung mit 85 Abs. 3 SGB XI für ambulante

Mehr

Bäckerei Großkorn Statische Investitionsrechnungen. Kostenvergleichsrechnung:

Bäckerei Großkorn Statische Investitionsrechnungen. Kostenvergleichsrechnung: 1 Statische Investitionsrechnung - Aufgabenstellung Bäckerei Großkorn Statische Investitionsrechnungen Die Kosten für die manuelle Fertigung von Semmeln belaufen sich in einer Filialbäckerei auf insgesamt

Mehr

Optimierung für Nichtmathematiker

Optimierung 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

Mehr

Proportionalität und Antiproportionalität

Proportionalität und Antiproportionalität Proportionalität und Antiproportionalität 1 In diesem Kapitel»Je mehr desto mehr«und»je mehr desto weniger«zuordnungsvorschriften verstehen Darstellungsformen von Proportionalität und Antiproportionalität

Mehr

Lineare Algebra in der Ökonomie Teil II. (Aufgaben)

Lineare Algebra in der Ökonomie Teil II. (Aufgaben) Lineare Algebra in der Ökonomie Teil II (Aufgaben).. ine Textilhandlung rechnet für bestimmte Sorten von Jeans, Blusen und öcken mit folgenden Absatzmengen in den Monaten Mai, Juni und Juli: Mai Juni Juli

Mehr

FLEXIBLE ARBEITSZEITEN

FLEXIBLE ARBEITSZEITEN Vorlage 29 FLEXIBLE ARBEITSZEITEN Flexible Arbeitszeiten Seit dem Gesetz vom 12. Februar 1999 zur Umsetzung des nationalen Beschäftigungsaktionsplans für Beschäftigung kann ein Unternehmen einen Zeitraum

Mehr

Übung zur Vorlesung Berechenbarkeit und Komplexität

Übung zur Vorlesung Berechenbarkeit und Komplexität RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 9 10.12.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T20 Beweisen Sie die

Mehr

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung

Mathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt

Mehr

Zirkel Duden. Lies dir zunächst alle Aufgaben gründlich durch, und stelle sicher, dass du die Aufgabenstellung verstehst.

Zirkel Duden. Lies dir zunächst alle Aufgaben gründlich durch, und stelle sicher, dass du die Aufgabenstellung verstehst. Name Datum Anzahl Punkte Erreichte Punkte Fach Mathematik Note Erlaubte Hilfsmittel: Taschenrechner Formelsammlung Geodreieck Zirkel Duden Lies dir zunächst alle Aufgaben gründlich durch, und stelle sicher,

Mehr

Musterbeispiele: Aussagenlogik (Lösung)

Musterbeispiele: Aussagenlogik (Lösung) Musterbeispiele: Aussagenlogik (Lösung) 3.0 VU Formale Modellierung Lara Spendier, Gernot Salzer WS 2011 Aufgabe 1 Gegeben seien die folgenden Aussagen: A: Es ist eiskalt. B: Es schneit. Drücken Sie die

Mehr

Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen

Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II Aufgaben und Lösungen SS 2005 Aufgaben Aufgabe 41 Ein Betrieb stellt zwei Produkte P 1 und P 2 her, die die

Mehr

Multiplikation und Division - Division

Multiplikation und Division - Division Multiplikation und Division - Division Qualifizierungseinheit Multiplikation und Division Lernziele: Wenn Sie diese Qualifizierungseinheit bearbeitet haben, können Sie ganze Zahlen multiplizieren und dividieren

Mehr

Schriftliche Prüfungsarbeit zum mittleren Schulabschluss 2008 im Fach Mathematik 23.06.2008

Schriftliche Prüfungsarbeit zum mittleren Schulabschluss 2008 im Fach Mathematik 23.06.2008 Senatsverwaltung für Bildung, Wissenschaft und Forschung Schriftliche Prüfungsarbeit zum mittleren Schulabschluss 2008 im Fach Mathematik 23.06.2008 Arbeitsbeginn: Bearbeitungszeit: 11:00 Uhr 120 Minuten

Mehr

STAR: Kostenstrukturen in Anwaltskanzleien 1994 und 1998

STAR: Kostenstrukturen in Anwaltskanzleien 1994 und 1998 Quelle: BRAK-Mitteilungen 2/2001 (S. 62-65) Seite 1 STAR: Kostenstrukturen in Anwaltskanzleien 1994 und 1998 Alexandra Schmucker, Institut für Freie Berufe, Nürnberg Im Rahmen der STAR-Befragung wurden

Mehr

Kaufmännische Berufsmatura 2013 Kanton Zürich Serie 2

Kaufmännische Berufsmatura 2013 Kanton Zürich Serie 2 Serie 2 Prüfungsdauer: 150 Minuten Hilfsmittel: Bedingungen: Netzunabhängiger Taschenrechner Beigelegte Formelsammlung Dokumentieren Sie den Lösungsweg auf dem Aufgabenblatt. Unbelegte Resultate werden

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah

Lernmaterial 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

Mehr

Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht

Anwendungen 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

Mehr

Harry Potter und die Kammer des Schreckens : m, s, g, a, a, a, sg, g, a, g, m, m, g, g, sg, s, a, a, a, g, a, a, g, g, a

Harry Potter und die Kammer des Schreckens : m, s, g, a, a, a, sg, g, a, g, m, m, g, g, sg, s, a, a, a, g, a, a, g, g, a Aufgabe 1: Harry Potters Filmkritik 25 Schüler und Schülerinnen der Klasse 9 sollten die ersten beiden Harry-Potter- Filme mit ausgezeichnet (a), sehr gut (sg), gut (g), mittelprächtig (m), schlecht (s)

Mehr

QuickInfo Dienstplanerstellungund Dienstplanänderung. Erstellung eines Dienstplan bzw. Arbeitszeitmodell

QuickInfo Dienstplanerstellungund Dienstplanänderung. Erstellung eines Dienstplan bzw. Arbeitszeitmodell Erstellung eines Dienstplan bzw. Arbeitszeitmodell Mitarbeiter-Dienstplan Verwaltung von Arbeitszeitmodellen Im Managementportal können Dienstpläne bzw. Arbeitszeitmodelle für die Mitarbeiterinnen und

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Clustering: Partitioniere Objektmenge in Gruppen(Cluster), so dass sich Objekte in einer Gruppe ähnlich sind und Objekte

Mehr

Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge)

Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Beispiel: Produktionsplanung Maximiere Gesamtgewinn aus verschiedenen Produkten unter Restriktionen an Produktmenge (Lagermenge, Transportmenge) Produktionskapazität Ressourcenmenge bei als fest angenommenem

Mehr

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex

Netzwerk-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

Mehr

Zuordnungen. 2 x g: y = x + 2 h: y = x 1 4

Zuordnungen. 2 x g: y = x + 2 h: y = x 1 4 Zuordnungen Bei Zuordnungen wird jedem vorgegebenen Wert aus einem Bereich ein Wert aus einem anderen Bereich zugeordnet. Zuordnungen können z.b. durch Wertetabellen, Diagramme oder Rechenvorschriften

Mehr

Absoluter und komparativer Vorteil

Absoluter und komparativer Vorteil Absoluter und komparativer Vorteil Arnsberg und Meschede werden rote und weiße Socken hergestellt. In Arnsberg können die Arbeiter entweder drei Paar rote oder drei Paar weiße Socken pro Stunde produzieren.die

Mehr

1. Gegeben sind die Scheitelpunkte von Parabeln. Gib die Funktionsgleichungen an. a) S(-3/5) b) S(-1/-8) c) S(1/-0,5) d) S(0,5/0,2)

1. Gegeben sind die Scheitelpunkte von Parabeln. Gib die Funktionsgleichungen an. a) S(-3/5) b) S(-1/-8) c) S(1/-0,5) d) S(0,5/0,2) Vermischte Übungen (1) Verschiebung der Normalparabel 1. Gegeben sind die Scheitelpunkte von Parabeln. Gib die Funktionsgleichungen an. a) S(-3/5) b) S(-1/-8) c) S(1/-0,5) d) S(0,5/0,). In der Abbildung

Mehr

Welche der folgenden Aussagen trifft am ehesten auf Ihre üblichen Arbeitszeiten zu?

Welche der folgenden Aussagen trifft am ehesten auf Ihre üblichen Arbeitszeiten zu? Frage zu Projekt: International Social Survey Programme (ISSP) 2015 Thema der Frage: Arbeit & Beruf Konstrukt: Übliche Arbeitszeiten Fragetext: Welche der folgenden Aussagen trifft am ehesten auf Ihre

Mehr

Bei den Parabeln gibt es eine Grundfigur: Die Normalparabel, sie hat die

Bei den Parabeln gibt es eine Grundfigur: Die Normalparabel, sie hat die Die allgemeine Sinusfunktion Bei den Parabeln gibt es eine Grundfigur: Die Normalparabel, sie hat die Funktionsgleichung f(x) x. Aus ihr erzeugt man andere Parabeln, indem man den Funktionsterm verändert.

Mehr

Kosten berechnen. www.mathbuch.info. mathbuch 1 LU 15 Arbeitsheft + weitere Aufgaben «Zusatzanforderungen»

Kosten berechnen. www.mathbuch.info. mathbuch 1 LU 15 Arbeitsheft + weitere Aufgaben «Zusatzanforderungen» 1 9 41 Wahrscheinlich, unwahrscheinlich oder möglich? Möglich Wahrscheinlich Unwahrscheinlich A Für 1 CHF erhältst du bei der Bank 62 Euro. Für 2 CHF erhältst du daher das Doppelte. B Eine 4-g-Schokoladentafel

Mehr

Kapitel 3: Die Nachfrage

Kapitel 3: Die Nachfrage Kapitel 3: Die Nachfrage Hauptidee: Die Nachfrage beschreibt den optimalen Konsum in Abhängigkeit von Preisen und Einkommen. 3.1 Nachfrage Die Nachfrage eines Konsumenten beschreibt das optimale Güterbündel

Mehr

0,04. b) Antworten A und C bleiben übrig. Diese waren von 36+4 = 40% des Publikums genannt worden.

0,04. b) Antworten A und C bleiben übrig. Diese waren von 36+4 = 40% des Publikums genannt worden. Aufgabe 1: In der Fernsehsendung Wer wird Millionär ist ein Kandidat bei der 16000-Euro-Frage völlig ahnungslos und zieht den Publikumsjoker. Es resultieren die folgenden Abstimmungsergebnisse für die

Mehr

Übersicht und Wiederholung Proportionalität / Antiproportionalität

Übersicht und Wiederholung Proportionalität / Antiproportionalität Björn Schulz 18. Juli 2001 1/16 L e r n m a u s. d e Übersicht und Wiederholung Proportionalität / Antiproportionalität Antiproportionalität Bei einem Losgewinn erhält eine Person 28 DM. Wieviel erhalten

Mehr

Übungen zum einfachen Dreisatz Teil 1

Übungen zum einfachen Dreisatz Teil 1 Übungen zum einfachen Dreisatz Teil 1 1. Ein Sportverein nimmt ein Sonderangebot wahr und kauft 31 Fußbälle für 806,00. Welchen Preis muss der Sportverein zahlen, wenn er zu diesen Bedingungen 29 Fußbälle

Mehr

»La filosofia è scritta in questo grandissimo libro che continuamente ci sta aperto innanzi a

»La filosofia è scritta in questo grandissimo libro che continuamente ci sta aperto innanzi a MOTTO GALILEO GALILEI: DIE GOLDWAAGE (IL SAGGIATORE) VON 623»La filosofia è scritta in questo grandissimo libro che continuamente ci sta aperto innanzi a gli occhi (io dico l universo), ma non si può intendere

Mehr

Einkäufe Dreisatz...18 Marmelade, verputzte Häuser und Geschwindigkeit auf dem Schulweg...19 Wer geht mir shoppen?...20 Prospekte und Wolle...

Einkäufe Dreisatz...18 Marmelade, verputzte Häuser und Geschwindigkeit auf dem Schulweg...19 Wer geht mir shoppen?...20 Prospekte und Wolle... Inhaltsverzeichnis: Einfaches Rechnen bei Familie Baumann mit Zeit, Geld und Gewichten Von der Uhrzeiten und vom Einkaufen...6 Vom Komponieren und französischen Vokabeln...7 Schwere Gewichte...8 Von Flugreisen

Mehr

Funktionen in der Mathematik

Funktionen in der Mathematik R. Brinkmann http://brinkmann-du.de Seite 05.0.008 Funktionen in der Mathematik Bei der mathematischen Betrachtung natürlicher, technischer oder auch alltäglicher Vorgänge hängt der Wert einer Größe oft

Mehr

22 Prozent halten dies hingegen für weniger und 21 Prozent für überhaupt nicht sinnvoll.

22 Prozent halten dies hingegen für weniger und 21 Prozent für überhaupt nicht sinnvoll. Fasten Datenbasis: 1.002 Befragte Erhebungszeitraum: 18. bis 21. Januar 2016 statistische Fehlertoleranz: +/- 3 Prozentpunkte Auftraggeber: DAK-Gesundheit 15 Prozent der Befragten finden es aus gesundheitlicher

Mehr

Übung zu Mikroökonomik II

Übung zu Mikroökonomik II Prof. Dr. G. Rübel SS 2005 Dr. H. Möller-de Beer Dipl.-Vw. E. Söbbeke Übung zu Mikroökonomik II Aufgabe 1: Eine gewinnmaximierende Unternehmung produziere ein Gut mit zwei kontinuierlich substituierbaren

Mehr