Übung 3, Simplex-Algorithmus

Größe: px
Ab Seite anzeigen:

Download "Übung 3, Simplex-Algorithmus"

Transkript

1 Übung 3, Simplex-Algorithmus Aufgabe 3.1 Lösen Sie das folgende Optimierungsproblem (von Aufgabe 2.3) graphisch. Substituieren Sie dazu z = 5 y um ein 2-dimensionales Problem zu erhalten. Rechnung Substitution: z = 5 y Maximiere 4(x + z) 3y unter z + y = 5, x y 3, x + 2y 7, und x 0, y 0 Maximiere 4(x + 5 y) 3y = 4x 7y + 20 unter 5 y + y = 5, x y 3, x + 2y 7, und x 0, y 0 y x 0 x + 2y ZF 4x 7y + 20 = 48 x y 3 y 0 x 20 + Maximiere 4x 7y unter x y 3, x + 2y 7, x 0, y 0 Der zulässige Bereich ist leer! (x y 3, x 0, y 0 liefert Dreieck (0; 0), (3; 0); (0; 3). dort ist x + 2y immer < 7.) Damit ist das Optimierungsproblem nicht zulässig, es gibt keine Optimallösung, und der Optimalwert ist. Aufgabe 3.2 Lösen Sie die folgende LOA von Aufgabe 2.2 mit dem revidierten Simplexalgorithmus und dem erweiterten Simplextableau. maximiere 2k + 3e + 3,5b + 4g unter k, e, b, g 0 k + e + b + g 1000 k + 2e 0 2k + 2g + 10e + 10b 2400 Rechnung Mit Regel von Bland: N N N N B B B k e b g s 1 s 2 s 3 z Abs s s / Pivotspalte: k. N N N N B B B s s / Universität Hamburg Juli 2011, Nico Düvelmeyer

2 Pivotzeile s 1. B N N N N B B k s /3=333+1/3 s / Pivotspalte e, Pivotzeile s 3 B B N N N B N k /4 0-1/ s /4 1-3/ e /4 0 1/ /2 2-7/4 0-1/ Pivotspalte b, Pivotzeile e B N B N N B N k /4 0-1/ s /4 1-1/ b /4 0 1/ / /8 0-3/ Pivotspalte g, Pivotzeile k N N B B N B N g /4 0-1/ b /4 0 1/ / /8 0 1/ Pivotspalte s 3, Pivotzeile b N N N B N B B k e b g s 1 s 2 s 3 z Abs g s / Optimale Basislösung (0, 0, 0, 1000, 0, 0, 400) T gefunden mit Zielfunktionswert 4000 (Euro pro Woche), d.h. k = e = b = 0, g = 1000 (Kilo pro Woche). Alternativ mit Regel vom steilsten Abstieg: N N N N B B B s s / Pivotspalte g, Pivotzeile s 1 N N N B N B B k e b g s 1 s 2 s 3 z Abs g s / Liefert sofort die selbe Optimallösung wie oben! Aufgabe 3.3 Lösen Sie das Optimierungsproblem (LOA2.3) (von Aufgabe 2.3) mit dem Simplexalgo- Universität Hamburg Juli 2011, Nico Düvelmeyer

3 rithmus. Dazu dürfen Sie gern auch die Octave-Funktion simplex der Vorlesung benutzen. x y 1 ( ) minimiere z + z unter und s 1 s 2 x y z z = 3 7 s 1 s 2 ( x y1 z + z s 1 s 2 ) T 0 (LOA2.3) Rechnung Phase 1 - zulässige Basislösung suchen in NB zuerst rechte Seite b 0 machen (3. Zeile mit -1) und umbenennen ( ) x y 1 z + z T s 1 s 2 zu x = ( ) x 1 x 2... x 6 : x = Aufstellen des Hilfsystems mit neuen Schlupfvariablen h = ( h 1 h 2 ) T h 3 (die Bezeichnungen y1 und s 1 sind ja schon vergeben) liefert ( ) ( ) x minimiere h ( ) unter x = 5 3 h x, h 0; x R 6, h R 3 Dabei ist x = 0, h = ( ) T eine zulässige Basislösung mit Basisindexmenge {7, 8, 9}. Octave-Befehle (Datei aufgabe33.m) Ah =... [ ; ; ] bh = [5;3;7] ch = [ ] simplex(ah, bh, ch, [7 8 9]) Eingaben: 2 (q, Alternativen: 3,5), 8 (p, eindeutig), 1 (q, Alt.: 3,5,8), 2 (p, eindeutig), 3 (q, eindeutig), 7 (p, eindeutig). Das Endtableau zeigt eindeutig, dass 4 der Minimalwert des Hilfsproblem ist. Damit ist das Ausgangsproblem nicht zulässig! Aufgabe 3.4 Was passiert, wenn man beim Mozart-Problem mit Mozart-Stangen (Aufgabe 2.1) auch negative Werte für x K zulässt? Wie kann man dies praktisch interpretieren? maximiere 3x K + 2x T + 6x S unter 2x K + 1x T + 3x S 10 1x K + 1x T + 1x S 6 1x K + 2x T + 1x S 9 x K R, x T 0, x S 0 Universität Hamburg Juli 2011, Nico Düvelmeyer

4 Rechnung Wir setzen x k = x + k x k und erhalten (mit Max zu Min): minimiere 3x + K + 3x K 2x T 6x S unter 2x + K 2x K + 1x T + 3x S 10 1x + K 1x K + 1x T + 1x S 6 1x + K 1x K + 2x T + 1x S 9 x + K, x K, x T, x S 0 Dies ist eine LOA in Normalform mit positiver rechter Seite. Daher können wir sofort mit dem Simplexverfahren in Phase 2 starten mit B = {5, 6, 7} (für die 3 neuen Schlupfvariablen). Octave-Befehle (Datei aufgabe34.m) A =... [ ; ; ] b = [10;6;9] c = [ ] simplex(a, b, c, [5 6 7]) Eingaben: 4 (q, Alternativen: 1,3), 5 (p, eindeutig), 2 (q, eindeutig). Ein passendes q gibt es nicht, in der Pivot-Spalte sind alle Elemente negativ! Entlang dieser Kante (d.h. x 1 = x 3 = x 5 = 0, x 2 = a 0, x 4, x 6, x 7 daraus berechnet entsprechend dem Tableau: x 4 = 10/3+a 2/3, x 6 = 8/3+a/3, x 7 = 17/3+a/3) ist der ZF-Wert gleich 20 a (a + ). Es liegt eine unbeschränkte LOA vor. Im Ursprungsproblem heißt das: x K = a (a Mozartkugeln kaufen), x T = 0, x S = (10 + 2a)/3 (so viele Mozartstangen herstellen) und einen Gewinn von 20 + a Euro einstreichen. Wegen x 5 = 0 wird das Marzipan genau verbraucht, aber noch beliebig viel Nougat und Edelherb mit produziert! Könnte man beliebig viele Produkte verkaufen und auch beliebig viele Mozart-Kugeln für den selben Preis einkaufen und in seine Zutaten zerlegen, so kann man den Gewinn beliebig groß werden lassen. Aufgabe 3.5 Lösen Sie Aufgabe 2.6 mit dem Simplexalgorithmus. ( ) a Minimiere 4,5 5,5 7 b c 0,9 0,9 0,9 0,5 0,5 0,5 unter 1/3 1/2 2/3 a b ,023 0,025 0,020 c und a, b, c 0 Rechnung Datei aufgabe35.m f = [4.5, 5.5, 7] A = [0.9, 0.9, 0.9; 0.5, 0.5, 0.5; 1/3, 1/2, 2/3; 0.023, 0.025, 0.020; 7, 20, 16] b = [60000; 30000; 2400; 2000; ] % bis hier war von aufgabe28.m simplex([a, eye(5)], b, [-f,zeros(1,5)],4:8) Eingaben: 3 (q), 6 (p), 1 (q), 3 (p) Optimale Basislösung gefunden: Optimalwert (Original) (Euro pro Woche), a = 7200 = x 1, b = c = 0 Universität Hamburg Juli 2011, Nico Düvelmeyer

5 Hausübung 3 Papieraufgabe, Abgabe: zum Beginn der Übung Aufgabe 3.6 (8 Punkte) Lösen Sie das folgende Lineare Optimierungsproblem graphisch: minimiere a + b unter 5a + b 5 2b 3a 6 2b a 4 a + 2b 2 a, b R (*) Geben Sie dabei den Optimalwert und mindestens eine Optimallösung als exakten Bruch an! Rechnung b ZF a + b = b 3a 6 2b a 4 a + 2b a + b a -1-2 [Bewertung:Koordinatensystem 1P, 4 Restriktionen zusammen 2P, zulässiger Bereich 1P, ZF als Niveaulinie plus Richtung 1P] b a + 2b a + b 5 2b 3a 6 2b a Min a [Bewertung:Optimum im Bild 1P] Exakte Bestimmung des Optimums: Schnittpunkt von 5a + b = 5 und a + 2b = 2. Subtraktion von 2mal der ersten von der zweiten Gleichung liefert 9a = 12. Damit ist a = 12/9 = 4/3. Aus der ersten Gleichung ergibt sich dann b = 5 5a = 5/3. Das Minimum liegt Universität Hamburg Juli 2011, Nico Düvelmeyer

6 also bei (a, b) = (4/3, 5/3) mit dem Optimalwert 4/3 5/3 = 1/3. [Bewertung:Exakte Lösung und Antwort 2P] Aufgabe 3.7 (13 Punkte) Lösen Sie das lineare Problem (*) von Aufgabe 3.6 mit dem Simplexverfahren mit der 2-Phasen-Methode und dem erweiterten Tableau. Rechnen Sie dabei exakt mit rationalen Zahlen. Rechnung Umformung in Standardform durch a = a + a, b = b + b und 4 Schlupfvariablen und ggf. zu : minimiere a + a + b + b unter 5a + + 5a b + + b + s 1 = 5 3a + + 3a + 2b + 2b + s 2 = 6 a + + a + 2b + 2b + s 3 = 4 a + + a 2b + + 2b + s 4 = 2 a +, a, b +, b, s 1, s 2, s 3, s 4 0 [Bewertung:Problem in Standardform 2 P] Leider ist der rechte-seite-vektor b an erster Stelle negativ! Daher brauchen wir eine zulässige Startlösung mittels der 2-Phasen-Methode! Hilfsaufgabe: (neue Schlupfvariablen y 1,..., y 4, erste Gleichung mit 1 multiplizieren) minimiere y 1 + y 2 + y 3 + y 4 unter 5a + 5a + b + b s 1 + y 1 = 5 3a + + 3a + 2b + 2b + s 2 + y 2 = 6 a + + a + 2b + 2b + s 3 + y 3 = 4 a + + a 2b + + 2b + s 4 + y 4 = 2 a +, a, b +, b, s 1, s 2, s 3, s 4, y 1, y 2, y 3, y 4 0 Dieses Hilfssystem ([Bewertung:1 Punkt]) hat offensichtlich (0, 0, 0, 0, 0, 0, 0, 0, 5, 6, 4, 2) als zulässige Basislösung. Wir können damit das Starttableau ([Bewertung:1 Punkt]) des Hilfssystems aufstellen: Zunächst tragen wir die obigen Gleichungen und (y 1 + y 2 + y 3 + y 4 ) + z = 0 ein: a + a b + b s 1 s 2 s 3 s 4 y 1 y 2 y 3 y 4 z Abs Addieren wir zur letzten Gleichung noch alle anderen hinzu, erhalten wir das Simplextableau zur Basis {y 1, y 2, y 3, y 4 }, da dann die geforderte Einheitsmatrix vorliegt. Anschließend machen wir Simplex-Schritte. N N N N N N N N B B B B y y y y Pivotspalte b +, Pivotzeile y 3. N N B N N N N N B B N B y 1 11/2-11/ / / /11 y b + -1/2 1/ / / y /2-3/ / / Pivotspalte a +, Pivotzeile y 1. B N B N N N N N N B N B a /11 0-1/11 0 2/11 0-1/ /11 y / /11 0 4/ / /11 34/11 b /11 0 5/11 0 1/11 0 5/ /11 y /11 0 9/11 1 4/11 0 9/ / /11 1-4/11 1-3/ / /11 Universität Hamburg Juli 2011, Nico Düvelmeyer

7 Pivotspalte s 2, Pivotzeile y 2. B N B N N B N N N N N B a /11 0-1/11 0 2/11 0-1/ /11 s / /11 0 4/ / /11 b /11 0 5/11 0 1/11 0 5/ /11 5 y /11 0 9/11 1 4/11 0 9/ /11 26/3=8+2/ /11 0 9/11 1-7/ / /11 Pivotspalte s 3, Pivotzeile b + B N N N N B B N N N N B a /5-1/5-1/ / s /5-13/5-3/ / s /5-11/5-1/ / y /5 9/5-1/ / / /5 9/5-1/ / Pivotspalte b, Pivotzeile y 4. B N N B N B B N N N N N a + a b + b s 1 s 2 s 3 s 4 y 1 y 2 y 3 y 4 z Abs a / /9 2/ /9 0 4/3 s / /9 8/ /9 0 40/3 s / /9 4/ /9 0 26/3 b / /9 1/ /9 0 5/ Dies liefert nach 5 Simplex-Schritten eine Basislösung mit Optimalwert 0 und Basisvariablen a + = 4/3, s 2 = 40/3, s 3 = 26/3 und b = 5/3. [Bewertung:5 Punkte für Lösung des Hilfssystems] Da y 1,...,y 4 alles Nichtbasisvariablen sind, haben wir sofort eine zulässige Basislösung (4/3, 0, 0, 5/3, 0, 40/3, 26/3, 0) mit Basisvariablen wie oben für das Originalproblem. Dabei sei also x B = (a +, s 2, s 3, b ) T. Damit können wir einen Großteil des neuen Starttableaus Γ, β direkt aus dem letzten Hilfstableau durch Streichen der Spalten für y 1,..., y 4 gewinnen. Aber den Wert für ζ T berechnen, da sich unsere Zielfunktion ändert: = c T B Γ ct N und d = ct Bβ müssen wir neu ζ T = ( ) 1 0 2/9 1/ /9 13/ /9 11/ ) = ( 0 0 1/9 4/9 ) 0 1 1/9 5/9 Weiter ist d = ( ) 4/3 40/3 26/3 5/3 Alternative Bestimmung des Starttableaus der ursprünglichen Aufgabe: Den oberen Teil (d.h. bis auf die Zielfunktionszeile) entnehmen wir dem Endtableau des Hilfsproblems (Annahme dafür: alle y 1,...,y 4 sind in N). Den unteren bauen wir direkt aus der Zielfunktion mit negierten Koeffizienten der Ursprungsvariablen und 1 bei z: B N N B N B B N a + a b + b s 1 s 2 s 3 s 4 z Abs a / /9 0 4/3 s / /8 0 40/3 s / /9 0 26/3 b / /9 0 5/ Anschließend müssen wir aber noch den geforderten Teil der Einheitsmatrix in der Zielfunktionszeile erzeugen. Dafür machen wir für die Basisvariablen a + und b den jeweiligen Koeffizienten der letzten Zeile zu Null indem wir ein entsprechendes Vielfaches der zugehörigen Zeile des oberen Teils subtrahieren, bei den anderen Basisvariablen s 2, s 3 ist die 0 bereits vorhanden. Damit ist das Starttableau (in beiden alternativen Rechenwegen) bestimmt. Wir sehen aus dem Simplextableau oder dem berechneten Vektor ζ ([Bewertung:2 Punkte Starttableau oder äquivalente Diskussion]), dass die gefundene Basislösung (4/3, 0, 0, 5/3, 0, 40/3, 26/3, 0) bereits opti- Universität Hamburg Juli 2011, Nico Düvelmeyer

8 mal ist! Damit ist (a, b) = (4/3, 5/3) minimal mit Zielfunktionswert 1/3. [Bewertung:Simplexschritte und Auswertung Ursprungssystem plus Antwort 2 Punkte] B N N B N B B N a + a b + b s 1 s 2 s 3 s 4 z Abs a / /9 0 4/3 s / /8 0 40/3 s / /9 0 26/3 b / /9 0 5/ / /9 1-1/3 Ergebnis: das Ursprungssystem hat den Optimalwert 1/3 und (a, b) = (4/3, 5/3) als Optimallösung. Es gibt diesmal keine direkte Programmieraufgabe. Sie können Ihre Rechnungen aber durch Computerberechnungen auf Fehler überprüfen. Universität Hamburg Juli 2011, Nico Düvelmeyer

Simplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Simplex-Verfahren. Kapitel 4. Simplex-Verfahren. Peter Becker (H-BRS) Operations Research I Sommersemester / 298 Kapitel 4 Simplex-Verfahren Peter Becker (H-BRS) Operations Research I Sommersemester 24 86 / 298 Inhalt Inhalt 4 Simplex-Verfahren Dualer Simplexalgorithmus Vermeidung von Zyklen Peter Becker (H-BRS)

Mehr

Lösung allgemeiner linearer Programme

Lösung allgemeiner linearer Programme Lösung allgemeiner linearer Programme Bisher: Für Anwendung des Simplexalgorithmus muss eine primal oder eine dual zulässige Basislösung vorliegen. Für allgemeine lineare Programme können wir dies direkt

Mehr

Probeklausur Optimierung

Probeklausur Optimierung Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Dr. Nico Düvelmeyer Hamburg, 4. Juli 2011 Probeklausur Optimierung Bitte selber ausfüllen: Name: (darf anonymisiert werden)

Mehr

4.3.3 Simplexiteration

4.3.3 Simplexiteration 7. Januar 2013 53 4.3.3 Simplexiteration Eine Simplexiteration entspricht dem Übergang von einer Ecke des zulässigen Bereiches in eine benachbarte Ecke Dabei wird genau eine Nichtbasisvariable (die zugehörige

Mehr

Vorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen. Kapitel IV: Grundlagen der Linearen Optimierung

Vorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen. Kapitel IV: Grundlagen der Linearen Optimierung Vorlesung Wirtschaftsmathematik I WS 2007/2008, Wirtschaftingenieurwesen Kapitel IV: Grundlagen der Linearen Optimierung Inhaltsverzeichnis Abschnitt 3-5 3 Der Simplexalgorithmus 58 3.1 Grundlagen..............................

Mehr

Eigenschaften von LPs

Eigenschaften von LPs 2 Lineare Programmierung Eigenschaften von LPs Eigenschaften von LPs Definition 24 Eine Menge K IR n heißt konvex gdw für je zwei Punkte Punkte x (1) K und x (2) K auch jeder Punkt mit 0 λ 1 zu K gehört

Mehr

Optimierung für Wirtschaftsinformatiker: Lineare Programme

Optimierung für Wirtschaftsinformatiker: Lineare Programme Optimierung für Wirtschaftsinformatiker: Lineare Programme Dr. Nico Düvelmeyer Dienstag, 31. Mai 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Lineare Programme Allgemeine Form 2 Spezielle Darstellungen

Mehr

Minimumproblem. 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. 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.

Mehr

Computer Science Department - High Performance and Web Computing Group. Optimierungsprobleme

Computer Science Department - High Performance and Web Computing Group. Optimierungsprobleme Optimierungsprobleme Häufig in Alltagssituationen anzutreffen (z.b. Kauf eines Gerätes) Optimierungsprobleme (OPs) sind Probleme, die i.a. viele zulässige Lösungen besitzen Jeder Lösung ist ein bestimmter

Mehr

VORLESUNG 11 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)

VORLESUNG 11 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) VORLESUNG Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 3 Wiederholung! Lineare Programme häufig geeignete Modellierung von Optimierungsproblemen! Verschiedene Darstellungen sind

Mehr

Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung

Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung Dr. Nico Düvelmeyer Freitag, 24. Juni 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Dualität Motivation Duales LP Dualitätssätze

Mehr

Simplex-Umformung für Dummies

Simplex-Umformung für Dummies Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit

Mehr

Der Simplex-Algorithmus

Der Simplex-Algorithmus 5 Lineare Programmierung Simplex-Algorithmus Der Simplex-Algorithmus Standardverfahren zur Lösung von LPs, von G B Dantzig entwickelt Grundidee: Versuche ausgehend von einer Startecke mit einer Ausgangsbasis

Mehr

Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen

Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen 1. Bestimmen Sie für die folgenden Funktionen zunächst die kritischen Stellen und entscheiden

Mehr

Optimale Steuerung 1 Prozessoptimierung 1

Optimale Steuerung 1 Prozessoptimierung 1 Optimale Steuerung 1 Prozessoptimierung 1 Kapitel 2: Lineare Optimierung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Lineare Algebra (Mathematische Grundlagen) 2 Beispiel: Produktionsplanung

Mehr

Produktionsplanung und Lineare Optimierung im Rahmen des Projekts Mathematik und Ökonomie 12./13. November 2003 in Düsseldorf.

Produktionsplanung und Lineare Optimierung im Rahmen des Projekts Mathematik und Ökonomie 12./13. November 2003 in Düsseldorf. Übungsaufgaben Aufgabe 1a Medikamentenmischung Ein Pharmaziehersteller möchte ein neues Medikament auf den Markt bringen. Das Medikament kann aus vier verschiedenen Komponenten (K1 K4) zusammengestellt

Mehr

Lineare Optimierung Teil 2

Lineare 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

Mehr

Zugeordneter bipartiter Graph

Zugeordneter 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

Mehr

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2008 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2008 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 8 Teil, Lineare Optimierung, Aufgabe Baden-Württemberg.. Ein Fertigungsbetrieb für Frottierartikel stellt unter anderem Handtücher und Badetücher her.

Mehr

Operations Research. Die Simplexmethode. LP-Dualität. Die Simplexmethode. Rainer Schrader. 18. Juni Zur Erinnerung: Gliederung

Operations Research. Die Simplexmethode. LP-Dualität. Die Simplexmethode. Rainer Schrader. 18. Juni Zur Erinnerung: Gliederung Operations Research Rainer Schrader Die Simplexmethode Zentrum für Angewandte Informatik Köln 18 Juni 00 1 / 1 / 1 Gliederung LP-Dualität ein lineares Produktionsmodell der Simplexalgorithmus Phase I Endlichkeit

Mehr

Aufgabe 5.3 Duale Simplexverfahren

Aufgabe 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

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

Kombinatorische Optimierung

Kombinatorische Optimierung Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales

Mehr

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck Lemma 15 KLP 1 ist genau dann lösbar, wenn das dazugehörige LP KLP 2 eine Lösung mit dem Wert Z = 0 besitzt. Ist Z = 0 für x 0, x 0, dann ist x eine zulässige Lösung von KLP 1. Beweis von Lemma 15: Nach

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2010/11 1 / 1 Teil IV Konvexe und ganzzahlige Optimierung Vorlesung 11 IV Konvexe und ganzzahlige Optimierung 2 / 34 Inhaltsübersicht 29Lineare Optimierung

Mehr

Optimierung. Optimierung. Vorlesung 8 Lineare Programmierung III: Simplex Algorithmus Fabian Kuhn

Optimierung. 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,

Mehr

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Rechnerische Lösung - Simplex- Algorithmus LO - Auswertung des

Mehr

mit. Wir definieren (Skalarprodukt = Winkel).

mit. Wir definieren (Skalarprodukt = Winkel). 1 Grundidee des Simplexverfahrens (von George Dantzig): Man bestimmt eine beliebige Ecke (Extremalpunkt) einer Lösungsmenge eines Ungleichungssystems. Nun geht man an den Kanten vom Punkt entlang und kontrolliert

Mehr

Aufgaben zu Kapitel 23

Aufgaben zu Kapitel 23 Aufgaben zu Kapitel 23 Aufgaben zu Kapitel 23 Verständnisfragen Aufgabe 23 Bestimmen Sie grafisch die optimale Lösung x der Zielfunktion z = c T x unter den Nebenbedingungen mit dem Zielfunktionsvektor

Mehr

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist Kapitel 5 Die Simplexmethode Es werden folgende Bezeichnungen verwendet: - das untersuchte Problem ist min x R n { z = c T x : Ax = b, x 0 }, - die erste zulässige Basislösung sei x = x 1, x 2,, x m, 0,,

Mehr

Lineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2

Lineares Optimieren. W. Kippels 12. April Inhaltsverzeichnis. 1 Einleitung 2. 2 Die Beispielaufgabe 2. 3 Einführung von Schlupfvariablen 2 Lineares Optimieren W. Kippels 1. April 015 Inhaltsverzeichnis 1 Einleitung Die Beispielaufgabe Einführung von Schlupfvariablen 4 Die Simplex-Methode 5 Das Basis-Austauschverfahren 4 6 Fortsetzung der

Mehr

3. Schnittebenenverfahren

3. Schnittebenenverfahren 3. Schnittebenenverfahren Themen 3. Schnittebenenverfahren Ganzzahlige lineare Programmierung Schnittebenenverfahren Konstruktion von Schnittebenen Auswahl von Schnittrestriktionen Operations Research

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

Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber

Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Wiederholungsklausur zur Vorlesung Operations Research im Wintersemester

Mehr

Operations Research. Linearoptimierung. Bearbeitet von Peter Stingl

Operations Research. Linearoptimierung. Bearbeitet von Peter Stingl Operations Research Linearoptimierung earbeitet von Peter Stingl Auflage 22 uch 76 S Hardcover ISN 978 446 228 8 Format ( x L): 4,5 x 2 cm Gewicht: 26 g Wirtschaft > etriebswirtschaft: Theorie & Allgemeines

Mehr

8. Lineare Optimierung

8. Lineare Optimierung 8. Lineare Optimierung 1 Einführung (1) Praktische Probleme sind oft Probleme mit Nebenbedingungen, z.b.: Ein Produktionsprozess hängt von Lieferterminen ab Die Menge der verstaubaren Güter ist durch die

Mehr

VORLESUNG 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) 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

Mehr

Lineare Programmierung Teil I

Lineare Programmierung Teil I Seminar über Algorithmen Prof. Dr. Helmut Alt Lineare Programmierung Teil I Lena Schlipf, Benjamin Jankovic Lena Schlipf, Benjamin Jankovic Seminar über Algorithmen SS05 1 Struktur des Vortrags 1. Was

Mehr

1 Der Simplex Algorithmus I

1 Der Simplex Algorithmus I 1 Nicoletta Andri 1 Der Simplex Algorithmus I 1.1 Einführungsbeispiel In einer Papiermühle wird aus Altpapier und anderen Vorstoffen feines und grobes Papier hergestellt. Der Erlös pro Tonne feines Papier

Mehr

Numerische Lineare Algebra

Numerische Lineare Algebra Numerische Lineare Algebra Vorlesung 7 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 200 Prof. Dr. Klaus Höllig (IMNG)

Mehr

Wiederholung. Wir gehen von LP s in Standardform aus, wobei A R m n vollen Zeilenrang hat: minc T x A x = b

Wiederholung. Wir gehen von LP s in Standardform aus, wobei A R m n vollen Zeilenrang hat: minc T x A x = b Wiederholung Wir gehen von LP s in Standardform aus, wobei A R m n vollen Zeilenrang hat: minc T x A x = b x 0. x R n heißt Basislösung, wenn Ax = b und rang(a J ) = J, wobei J = {j x (j) 0}; Basislösung

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

Optimierung. Nürnberg, Oktober 2015

Optimierung. Nürnberg, Oktober 2015 1 Optimierung Nürnberg, Oktober 2015 Prof. Dr. Yvonne Stry Technische Hochschule Nürnberg Fakultät Angewandte Mathematik, Physik und Allgemeinwissenschaften Keßlerplatz 12 90461 Nürnberg Germany 1 Beispiel

Mehr

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe

Abbildung 1: Graphische Lösung der ersten Übungsaufgabe Lösungen zu den Übungsaufgaben im Kapitel 1 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier 1. Lösen Sie die folgende lineare Optimierungsaufgabe

Mehr

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik. a 0 = 0 =

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik. a 0 = 0 = Lösungsskizzen zu den Klausuraufgaben zum Kurs 4 Algorithmische Mathematik 4KSL3 6 Punkte Aufgabe. Die Folge (a n ) n N natürlicher Zahlen a n sei rekursiv definiert durch a 0 = 0, a n = a n + n falls

Mehr

Lineare Optimierung. Master 1. Semester

Lineare Optimierung. Master 1. Semester Prof. Dr.-Ing. Fritz Nikolai Rudolph Fachhochschule Trier Fachbereich Informatik Master 1. Semester Inhaltsverzeichnis 1 Einleitung... 2 1.1 Lineare Gleichungssysteme... 2 1.2 sprobleme... 3 2 Standardform...

Mehr

4 Lineare Optimierung

4 Lineare Optimierung 4 Lineare Optimierung In diesem Kapitel werden wir uns mit effizienten Verfahren im Bereich der linearen Optimierung beschäftigen. 4.1 Einführung Als Einführung betrachten wir das Beispiel einer Erdölraffinerie.

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

λ i x i λ i 0, x i X, nur endlich viele λ i 0}.

λ i x i λ i 0, x i X, nur endlich viele λ i 0}. jobname LinOpt Sommer Aufgabe a) Sei X R n. Dann ist b) Cone X = { x i X λ i x i λ i, x i X, nur endlich viele λ i }. x Cone S = Lin S x Lin S = Cone S. Also gibt es nicht-negative Koeffizienten µ i von

Mehr

Grundlagen der Optimierung. Übung 6

Grundlagen der Optimierung. Übung 6 Technische Universität Chemnitz Chemnitz, 2. November 24 Prof. Dr. R. Herzog, J. Blechschmidt, A. Schäfer Abgabe am 28. November 24 Grundlagen der Optimierung Übung 6 Aufgabe 2: Verschiedene Verfahren

Mehr

Vorlesung Lineare Optimierung (Sommersemester 2009)

Vorlesung Lineare Optimierung (Sommersemester 2009) 1 Vorlesung Lineare Optimierung (Sommersemester 2009) Kapitel 7: Der Simplex-Algorithmus Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 18. Juni 2009) Gliederung 2 Ecken, Kanten, Extremalstrahlen

Mehr

Kap. 4: Lineare Programmierung

Kap. 4: Lineare Programmierung Kap. 4: Lineare Programmierung Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 13./14. VO A&D WS 08/09 27.11./2.12.2008 Petra Mutzel Alg. & Dat.

Mehr

7.1 Matrizen und Vektore

7.1 Matrizen und Vektore 7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit

Mehr

Standard-/kanonische Form Simplex Dualität Kompl./Sensitivität Spaltengen. Schnittebenen Welchen? Inhalt

Standard-/kanonische Form Simplex Dualität Kompl./Sensitivität Spaltengen. Schnittebenen Welchen? Inhalt Inhalt Lineare Optimierung Standardform und kanonische Form Der Simplex-Algorithmus Dualität Komplementarität und Sensitivitätsanalyse Spaltengenerierung Schnittebenenverfahren Welchen Simplex wann? 54:

Mehr

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg

Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg Berufliches Gymnasium (WG, EG, AG, SG) Hauptprüfung 2006 Teil 2, Lineare Optimierung, Aufgabe 2 Baden-Württemberg 2.1 Weinbauer Müller kann maximal 30 Hektar Rebfläche bewirtschaften. Er möchte Gutedel-

Mehr

6 Korrektheit des Simplexalgorithmus

6 Korrektheit des Simplexalgorithmus 6 Korrektheit des Simplexalgorithmus Folgerung: Es sei L: Ax = b, c T x max LP und A B nicht-degenerierte PZB von L und es gebe c r := c r c B A B A r > 0 a) Falls a r := A B a r 0, dann L unbeschränkt

Mehr

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme

Die 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)

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

10.2 Dualitätstheorie Operations Research. In der Standardform eines Maximierungsproblem: b e ) mit ( w) + a ej ) x j + x g = ( b g + g G

10.2 Dualitätstheorie Operations Research. In der Standardform eines Maximierungsproblem: b e ) mit ( w) + a ej ) x j + x g = ( b g + g G 48 0 Operations Research In der Standardform eines Maximierungsproblem: Max ( w) mit ( w) + u. d. N. z + x l + n ( a gj + j= g G e E n d j x j = z 0 j= n a l j x j = b l für alle l L j= x g n + a gj x

Mehr

Einführung in die Lineare Programmierung

Einführung in die Lineare Programmierung Einführung in die Lineare Programmierung Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 RWTH Aachen 28. Mai 2008 Elementares Beispiel Die kanonische Form Die algebraische Gleichungsform Gegeben seien

Mehr

(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung)

(Technisch: Setze alle Skalarprodukte der allgemeinen Lösung mit den Basisvektoren des Kerns gleich Null eindeutige leastsqares Lösung) Lineare Optimierung Unterbestimmte LGS und Optimierung Bei lösbaren unterbestimmten linearen Gleichungssystemen haben wir die Qual der Wahl in Abhängigkeit von den freien Parametern (Anzahl = Anzahl Unbekannte

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

Teil I. Lineare Optimierung

Teil I. Lineare Optimierung Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,

Mehr

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur 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:

Mehr

Klausurkolloquium. Musterlösung Produktionscontrolling: Lineare Programmierung

Klausurkolloquium. Musterlösung Produktionscontrolling: Lineare Programmierung Klausurkolloquium Musterlösung Produktionscontrolling: Lineare Programmierung Fallstudie Die GOGO GmbH ist ein mittelständisches gewinnorientiertes Unternehmen. Das taktische Produktionsprogramm einer

Mehr

Das Lösen linearer Gleichungssysteme

Das Lösen linearer Gleichungssysteme Das Lösen linearer Gleichungssysteme Lineare Gleichungen Die Gleichung a 1 x 1 + a 2 x 2 +... + a n x n = b ist eine lineare Gleichung in den n Variablen x 1, x 2,..., x n. Die Zahlen a 1, a 2,..., a n

Mehr

Kap. 4.2: Simplex- Algorithmus

Kap. 4.2: Simplex- Algorithmus Kap. 4.: Simplex- Algorithmus Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Literatur für diese VO V. Chvatal: Linear Programming D. ertsimas:

Mehr

Lineare Programmierung (2)

Lineare Programmierung (2) Inhalt Rückblick Motivation - linearen Programmierung Flussprobleme Multiple Warenflüsse Fortsetzung Simplex Algorithmus Initialisierung Fundamentalsatz der linearen Programmierung schwache Dualität Dualität

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7 Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt

Mehr

Lineare Optimierung Dantzig 1947

Lineare Optimierung Dantzig 1947 Lineare Optimierung Dantzig 947 Lineare Optimierungs-Aufgaben lassen sich mit Maple direkt lösen: with(simplex): g:= 4*x + x2

Mehr

4. Dualität Dualität 4.1 Dualität von LPs und der Dualitätssatz. Die duale Form eines LP in allgemeiner Form. Herleitung der dualen Form

4. Dualität Dualität 4.1 Dualität von LPs und der Dualitätssatz. Die duale Form eines LP in allgemeiner Form. Herleitung der dualen Form 2... 22 4.2 Die Bedingungen vom komplementären Schlupf... 23 4.3 Das Kürzeste-Wege-Problem und zugehörige duale Problem... 24 4.4 Das Farkas Lemma... 25 4.5 Duale Information im Tableau... 26 4.6 Der duale

Mehr

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik Lösungsskizzen zu den Klausuraufgaben zum Kurs Algorithmische Mathematik KSL09 Aufgabe. Zeigen oder widerlegen Sie: Es existiert ein Graph mit Valenzsequenz (8,,,,,,,,,). Geben Sie im Falle der Existenz

Mehr

3.2.5 Dualität der linearen Optimierung I

3.2.5 Dualität der linearen Optimierung I 3..5 Dualität der linearen Optimierung I Jedem linearen Programm in Standardform kann ein sogenanntes duales Programm zugeordnet werden. Es entsteht dadurch, daß man von einem Minimierungsproblem zu einem

Mehr

Blockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 :

Blockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : Blockmatrizen Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : 2 1 3 1 1 0 1 0 1 0 0 2 1 1 11 1 1 4 0 1 0 1 0 1 4 1 0 2 1 0 1 0 1 0 3 1 2 1 = 2 4 3 5 11 1 1 4 0 1 0 1 0 1 5 1 2 1 2 4 3 5

Mehr

Lineare Optimierungsaufgaben - eine Einführung

Lineare Optimierungsaufgaben - eine Einführung Lineare Optimierungsaufgaben - eine Einführung Aufgabenstellung, Beispiele, graphisches Lösen und Trafo auf Normalform Vortragsskript von Lorenz Fischer Operations Research bedeutet die Suche nach einer

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen

Mehr

Kapitel 2: Lineare Optimierung

Kapitel 2: Lineare Optimierung Kapitel 2: Lineare Optimierung Aufgabe 2.1: Lösen Sie zeichnerisch die folgenden LP-Modelle: a) Max. F(x,y) = 4x + 3y b) Max. F(x,y) = x + y c) Max. F(x,y) = x y x + 3y 9 5x + y 1 2x y x + 2y 2 x + 2y

Mehr

Kap. 4.3: Das Dualitätstheorem der linearen Optimierung

Kap. 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

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten)

Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) HTW Dresden 11. Februar 2014 FB Informatik/Mathematik Prof. Dr. J. Resch Prüfungsklausur Wirtschaftsmathematik I Studiengang Wirtschaftsinformatik, (180 Minuten) Name, Vorname: Matr.-nr.: Anzahl der abge-

Mehr

Operations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung.

Operations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung. Operations Research Rainer Schrader Flüsse in Netzwerken Zentrum für Angewandte Informatik Köln 2. Juli 2007 1 / 53 2 / 53 Flüsse in Netzwerken Unimodularität Gliederung Netzwerke und Flüsse bipartite

Mehr

Fall 3: Mehrere Kapazitätsengpässe

Fall 3: Mehrere Kapazitätsengpässe Fall 3: Mehrere Kapazitätsengpässe ei Vorliegen mehrerer Engpässe ist zunächst zu prüfen, ob ein Engpass die anderen Engpässe dominiert. Ist dies der Fall, reduziert sich das Optimierungsproblem auf den

Mehr

Analytische Geometrie

Analytische Geometrie Der fx-991 DE X im Mathematik- Unterricht Analytische Geometrie Station 1 Schnittgerade zweier Ebenen Da der Taschenrechner nur eindeutige Lösungen eines Gleichungssystems liefert, kann er nur Schnittpunkte

Mehr

Operations Research / Graphentheorie Inf. 1.1/ 1.2

Operations Research / Graphentheorie Inf. 1.1/ 1.2 Operations Research / Graphentheorie Inf. 1.1/ 1.2 Inhaltsangabe Simplex-Algorithmus Simplex-Verfahren (Maximierung)...2 Gleichungen als Restriktionen...4 Minimierung der Zielfunktion...4 Graphische Lösung

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

Lineare Optimierung und Simplex-Algorithmus

Lineare Optimierung und Simplex-Algorithmus Lineare Optimierung und Simplex-Algorithmus Problemstellung Beispiel : Unser Unternehmen verfügt über drei Maschinen A, B, C, mit denen zwei verschiedene Produkte P, P2 hergestellt werden. Die Maschinen

Mehr

ALGEBRA Lineare Gleichungen Teil 1. Klasse 8. Datei Nr Friedrich W. Buckel. Dezember 2005 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK

ALGEBRA Lineare Gleichungen Teil 1. Klasse 8. Datei Nr Friedrich W. Buckel. Dezember 2005 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK ALGEBRA Lineare Gleichungen Teil Klasse 8 Lineare Gleichungen mit einer Variablen Datei Nr. 40 Friedrich W. Buckel Dezember 005 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Inhalt DATEI 40 Grundlagen und ein

Mehr

Numerische Methoden 4. Übungsblatt

Numerische Methoden 4. Übungsblatt Karlsruher Institut für Technologie (KIT) SS 0 Institut für Analysis Prof. Dr. Michael Plum Dipl.-Math.techn. Rainer Mandel Numerische Methoden 4. Übungsblatt Aufgabe 9: QR-Verfahren (Bearbeitung bis Do,.05.)

Mehr

Bonusmaterial Lineare Optimierung ideale Ausnutzung von Kapazitäten

Bonusmaterial Lineare Optimierung ideale Ausnutzung von Kapazitäten Bonusmaterial Lineare Optimierung ideale Ausnutzung von Kapazitäten 23 231 Die Zweiphasenmethode Beim Simplexalgorithmus zur Lösung linearer Optimierungsprobleme in Standardform wählt man im zugehörigen

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

Mehr

Kapitel 5. Peter Becker (H-BRS) Operations Research I Sommersemester / 298

Kapitel 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

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe

Mehr

0. Einleitung. 0.1. Der Begriff Operations Research / Decision Support

0. Einleitung. 0.1. Der Begriff Operations Research / Decision Support 0. Einleitung 0.1. Der Begriff Operations Research / Decision Support Es werden Methoden zur Entscheidungsunterstützung (Decision Support, DS) vorgestellt. Durch Problemanalyse, daraus formulierte mathematische

Mehr

x a 2n + + a mn

x a 2n + + a mn Lineare Gleichungssysteme(LGS Es sei a i j R und i R für alle (i = 1,, m und ( j = 1,, n. Dann heißt a 11 + a 12 + + a 1n = 1 + a 22 + + a 2n = 2 + a m2 + + a mn = m ein lineares Gleichungssystem mit m

Mehr

Mathematische Methoden der Algorithmik

Mathematische Methoden der Algorithmik Mathematische Methoden der Algorithmik Dozent: Prof. Dr. Sándor P. Fekete Assistent: Nils Schweer Digitalisierung: Winfried Hellmann Wintersemester 2008/2009 Inhaltsverzeichnis 2 1 Einführung Problem 1.1

Mehr