Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008
|
|
- Steffen Paul Sauer
- vor 6 Jahren
- Abrufe
Transkript
1 Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008 Hinweise: Die Klausur besteht aus 8 Seiten (inkl. Deckblatt). Bitte überprüfen Sie, ob Ihr Exemplar komplett ist und lassen Sie sich ggf. ein anderes geben. Die Klausurdauer beträgt 60 Minuten und es sind maximal insgesamt 60 Punkte zu erreichen. Der Lösungsweg muß erkennbar sein! Wenn Sie zur Beantwortung einer Frage eine Formel verwenden, so geben Sie diese zunächst in allgemeiner Form an! Als Hilfsmittel ist ein nicht alpha-numerisch programmierbarer Taschenrechner zulässig sowie ein beidseitig handbeschriebenes Hilfsblatt im Format DIN A4 mit Formeln etc. nach Ihrer Wahl. Zur Beantwortung der Fragen finden Sie genügend Platz in der Klausur. Bitte reißen Sie die Klausur nicht auseinander und verwenden Sie kein eigenes Papier. Tragen Sie bitte zuerst Ihre persönlichen Daten ein. Persönliche Daten: Nachname Vorname Matrikelnr. Studienfach Semester Bewertung: Aufg Summe Punkte 1
2 1. Simplexalgorithmus (21 P.) (a) Gegeben Sei das folgende lineare Maximierungsproblem: u.b.d.r. Maximiere 40x x x 3 2x 2 + 6x x 1 + x 2 + x 3 24 x 1, x 2, x 3 0 i. Tragen Sie das Problem unter Verwendung geeigneter Schlupfvariablen in das folgende Starttableau ein! (2 P.) BV x 1 x 2 x 3 x 4 x 5 b i F-Zeile ii. Führen Sie nun in den folgenden Tableaus zwei Iterationen der jeweils erforderlichen Variante des Simplexalgorithmus aus und kennzeichnen Sie das jeweilige Pivotelement! (7 P.) BV x 1 x 2 x 3 x 4 x 5 b i F-Zeile BV x 1 x 2 x 3 x 4 x 5 b i F-Zeile iii. Geben Sie die Werte der Entscheidungsvariablen nach der zweiten Iteration an und begründen Sie, ob diese Lösung optimal ist. (2 P.) 2
3 (b) Erläutern Sie stichpunktartig und anhand einer Skizze die Begriffe Basislösung und zulässige Basislösung eines linearen Modells in Normalform mit n Variablen und m Restriktionen (es gilt n > m).(6 P.) (c) Erläutern Sie stichpunktartig, was unter einem polynomialen Algorithmus zu verstehen ist. Begründen Sie, ob der Simplex-Algorithmus mit der Ihnen bekannten Pivot-Regel ein polynomialer Algorithmus ist. (4 P.) 3
4 2. Reduzierte Kosten, Schattenpreise und Dualität (15 P.) (a) Betrachten Sie das folgende Beispiel zur Produktionsprogrammplanung mit zwei Produkten und zwei Nebenbedingungen: u.b.d.r. Maximiere 20x x 2 2x x 2 24 x 1 + 9x 2 18 x 1, x 2 0 Mit dem Simplexalgorithmus ergibt sich folgendes Optimaltableau: BV x 1 x 2 x 3 x 4 RHS x , x ,5 1 6 F-Zeile Erläutern Sie anhand des Beispiels stichpunktartig, wo Schattenpreise im Optimaltableau zu finden sind und was sie bedeuten. (Beschränken Sie sich dabei auf weder primal noch dual degenerierte Lösungen.) (8 P.) 4
5 (b) Erklären Sie allgemein, was unter einer degenerierten Basislösung (primale Degenartion) zu verstehen ist und wie dies graphisch und im Optimaltableau erkannt werden kann. (3 P.) (c) Dualisieren Sie das folgende LP! (4 P.) u.b.d.r. Minimiere 1x 1 2x 2 3x 1 4x 2 5 6x 1 + 7x 2 8 x 1 0 x 2 0 5
6 3. Kombinatorische Optimierung mit Branch & Bound (17 P.) (a) Erläutern Sie stichpunktartig, warum sich allgemeine lineare kombinatorische Optimierungsprobleme nicht ausschließlich mit dem Simplexalgorithmus lösen lassen. (3 P.) (b) Geben Sie die in der Vorlesung vorgestellten drei Auslotregeln (a)-(c) an! (3 P.) Fall (a): Fall (b): Fall (c): (c) Ermitteln Sie für das ganzzahlige LP auf der folgenden Seite die optimale Lösung durch ein Branch & Bound-Verfahren. Zeichnen Sie dazu einen Entscheidungsbaum auf. (Verwenden Sie dazu keinen Bleistift! Geben Sie für jedes Teilproblem i die berechnete oberen Schranke F i und die Ausprägungen der Entscheidungsvariablen x (P i ) für die relaxierten Probleme an. Verwenden Sie im Branch & Bound-Verfahren unbedingt(!) folgende Vorgehensweise: Ermitteln Sie obere Schranken F i mittels LP-Relaxation. Die Werte der Entscheidungsvariablen für die Lösungen der Relaxationen können Sie in der angegebenen Zeichnung mit hinreichender Genauigkeit ablesen. Setzen Sie zu Beginn F = 0. Nehmen Sie die Teilproblemauswahl nach der Last-In-First-Out-Regel (LIFO) vor. Wählen Sie x 2 als erste Verzweigungsvariable und bilden Sie zuerst das Teilproblem, welches durch Abrunden der Verzweigungsvariablen entsteht ( kleiner gleich zuerst). Nummerieren Sie die Teilprobleme in der Reihenfolge ihrer Abarbeitung. Sollte ein Teilproblem ausgelotet werden können, nennen Sie die entsprechende Regel (Fall (a)-(c)) aus Aufgabenstellung (b). Geben Sie die optimale Lösung und deren Zielfunktionswert an. (11 P.) 6
7 u.b.d.r. Maximiere 2x 1 + 5x 2 (1) x 2 2, 125 (2) 3x 1 + 4x 2 12 x 1, x 2 Z + 0 Hinweis: Mit Bleistift geschriebenes kann nicht gewertet werden! 7
8 4. Knapsack-Problem und Modellierung (7 P.) (a) Geben Sie die Entscheidungsvariablen, die Zielfunktion und die Nebenbedingungen des Knapsack-Problems an. Nutzen Sie dazu die folgenden Indizes und Parameter: (3 P.) Indizes: j = 1,..., n Parameter: g j c j G Gegenstände Gewicht des Gegenstandes j Wert des Gegenstandes j zulässiges Höchstgewicht des Rucksacks Entscheidungsvariablen: Zielfunktion: Nebenbedingungen: (b) Erweitern Sie obiges Modell um folgenden Aspekt: Für jede Lösung, in der die ersten beiden Gegenstände i = 1 und i = 2 gemeinsam transportiert werden, fallen auf Grund besonderer Transportbestimmungen zusätzliche fixe Kosten in Höhe von F an (Disnutzen). Geben Sie die veränderte Zielfunktion und die veränderten bzw. zusätzlichen Nebenbedingungen an. Sollten Sie zusätzliche Variablen benötigen, so geben Sie diese bitte an. (4 P.) 8
Klausur zur Vorlesung Operations Research im Wintersemester 2009/10
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Vorlesung Operations Research im Wintersemester 2009/10
MehrLeibniz 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
MehrKlausur zur Vorlesung Logistik im Sommersemester 2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Logistik im Sommersemester 2012 Hinweise: Die
MehrKlausur zur Vorlesung Logistik im Sommersemester 2015
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Sitzplatznr.: Klausur zur Vorlesung Logistik im Sommersemester 2015 Hinweise:
MehrKlausur zur Vorlesung Logistik im Sommersemester 2013
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im Sommersemester 2013 Hinweise: Die Klausur
MehrKlausur zur Veranstaltung Gestaltung industrieller Produktionsprozesse im WS 2015/16
Leibniz Universität Hannover Sitzplatznr.: Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Veranstaltung Gestaltung industrieller Produktionsprozesse
MehrKlausur zur Veranstaltung Industrielle Produktionsprozesse im WS 2009/10
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Veranstaltung Industrielle Produktionsprozesse im
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2010/2011
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2007
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Raik Stolletz Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung
MehrProbeklausur 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)
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2011
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2009/2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2008/2009
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Raik Stolletz Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im SS 04
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04 Hinweise: Die Klausur
MehrAufgabe Summe
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester Alle Aufgaben in der Klausur sind zu bearbeiten.
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2011/2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten- und Leistungsrechnung im Sommersemester 2017
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten-
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2013/14
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und
MehrKlausurteil Operations Management Sommersemester 2017
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2017 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten- und Leistungsrechnung im Wintersemester 17/18 Belegnummer: 76007
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten-
MehrKlausur Management Science. Donnerstag, 19. Februar 2015
run Lehrstuhl fiir Operations Management Prof. Dr. Rainer Kolisch ArcisstraBe 21, 80333 Miinchen Klausur Management Science Donnerstag, 19. Februar 2015 Name: Vorname: Matrikelnummer: Studiengang: Fachsemester:
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Svenja Lagershausen Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausurteil Operations Management Sommersemester Geben Sie bei Ihnen Berechnungen stets die Einheiten der verwendeten Gröÿen an!
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2015 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die
MehrKlausurteil Operations Management Sommersemester 2016
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2016 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2013
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Operations Research im Sommersemester Die Klausur besteht aus vier Aufgaben, die alle zu bearbeiten sind.
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Operations Research im Sommersemester 2017 Hinweise:
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.
MehrAufgabe Summe
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausurrepetitorium ABWL
Klausurrepetitorium ABWL Planungs- und Südwestfälische Industrie- und Handelskammer 9. August 5 Dr. Friedhelm Kulmann, Sandra Rudolph 9.8.5 Gliederung. Nichtlineare Optimierungsprobleme.. Quadratisches
MehrKlausurteil Operations Management Wintersemester 2016/2017
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Wintersemester 2016/2017 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind.
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
Mehr6. Softwarewerkzeuge für die Lineare Programmierung
6. Softwarewerkzeuge für die Lineare Programmierung Inhalt 6. Softwarewerkzeuge für die Lineare Programmierung GNU Linear Programming Kit Operations Research I Hochschule Bonn-Rhein-Sieg, SS 2013 314 GNU
Mehr6 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
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
MehrLösung 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
MehrAbbildung 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
Mehr10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen
10. Die Berücksichtigung nicht vorzeichenbeschränkter Variablen Bisher haben wir immer vorausgesetzt, dass alle Variablen eines LOP der Bedingung x i 0 liegen. Im Folgenden wollen wir auch sogenannte freie
MehrKlausur Algorithmen und Datenstrukturen II 10. August 2015
Technische Universität Braunschweig Sommersemester 2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen und Datenstrukturen
MehrSimplex-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)
MehrBranch-and-Bound und Varianten. Kapitel 3. Branch-and-Bound und Varianten. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 98 / 159
Kapitel 3 und Varianten Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 98 / 159 Inhalt Inhalt 3 und Varianten Anwendungsbeispiele Branch-and-Cut Peter Becker (H-BRS) Operations Research
MehrKlausur Algorithmen und Datenstrukturen II 01. Agust 2016
Technische Universität Braunschweig Sommersemester 2016 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen und Datenstrukturen
MehrInhaltsverzeichnis Grundlagen der Linearen Optimierung
Inhaltsverzeichnis 4 Grundlagen der Linearen Optimierung 1 4.1 Grundbegriffe............................. 1 4.1.1 Lineare Optimierung..................... 1 4.1.2 Das Grundmodell eines linearen Optimierungsproblems
MehrKlausur Algorithmen und Datenstrukturen II
Technische Universität Braunschweig Sommersemester 2017 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Arne Schmidt Klausur Algorithmen und Datenstrukturen
MehrQuantitative Methoden (CC 303)
CHAIR OF SERVICE OPERATIONS MANAGEMENT Dr. Esther Mohr Bachelor Quantitative Methoden (CC 303) Bachelor-Prüfung HWS 2014/15-16. Dezember 2014 Persönliche Daten: Name:... Vorname:... Matr.-Nr.:... Punkte:
MehrLineare Optimierung Teil 2
Lineare Optimierung Teil 2 Primale Degeneration Duale Degeneration = Mehrdeutigkeit Normalform kanonische Form Duale Simplexmethode HTW-Berlin FB3 Prof. Dr.F. Hartl 1 Primale Degeneration/1 Besitzt eine
MehrEigenschaften 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
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,
Mehr8 9 9 7 5 8 8 6 60 Erreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 14.09.2015 Prüfer: Prof. Dr. Andreas
MehrAUFGABENTEIL. Klausur: Modul Optimierungsmethoden des Operations Research. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABENTEIL Klausur: Modul 32621 Termin: 19.09.2016 Prüfer: Prof. Dr. Andreas
MehrÜbung 3, Simplex-Algorithmus
Übung 3, 21.6.2011 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
MehrVorlesung 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..............................
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
MehrFachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse
Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse Diplomprüfung / Sommersemester 24 Quantitative Methoden der BWL Musterlösung der Prüfungsklausur vom. Juli
MehrMathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel 3 - Lineare Optimierung
Mathematische Grundlagen für Wirtschaftswissenschaftler Lösungshinweise zu den Übungsaufgaben aus Kapitel - Lineare Optimierung Sascha Kurz Jörg Rambau 8. August Lösung Aufgabe.. Da es sich um ein homogenes
MehrEinführung in Operations Research
Wolfgang Domschke Andreas Drexl Einführung in Operations Research Dritte, verbesserte und erweiterte Auflage Mit 79 Abbildungen und 58 Tabellen Springer Votwort Symbolverzeichnis V XIII Kapitel 1: Einführung
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
MehrSimplex-Verfahren. Kapitel 3. Simplex-Verfahren. Peter Becker (H-BRS) Lineare und kombinatorische Optimierung Wintersemester 2017/ / 372
Kapitel 3 Simplex-Verfahren Peter Becker (H-BRS) Lineare und kombinatorische Optimierung Wintersemester 2017/18 104 / 372 Inhalt Inhalt 3 Simplex-Verfahren Primaler Simplexalgorithmus Unbeschränktheit
Mehr4.3.3 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
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
MehrVORLESUNG 12 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt)
VORLESUNG 12 Lineare Optimierung (Viele Folien nach Ulf Lorenz, jetzt TU Darmstadt) 53 Wiederholung! Basis-Startlösung berechnet! Künstliche Variablen! Erkennung von unlösbaren Problemen! Eliminierung
MehrProduktionsplanung 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
MehrKlausur zur Vorlesung Ausgewählte Kapitel der Ingenieurmathematik
Name: der Ingenieurmathematik Master-Studiengang Maschinenbau und Mechatronik 1. Februar 2008, 8.30-10.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Computer,
MehrOptimierung 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
MehrLineare Programmierung (2)
Inhalt Rückblick Motivation - linearen Programmierung Flussprobleme Multiple Warenflüsse Fortsetzung Simplex Algorithmus Initialisierung Fundamentalsatz der linearen Programmierung schwache Dualität Dualität
MehrKapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel:
Kapitel 7 : Lineare Programmierung Die Simplexmethode (G.B.Dantzig, 1947) Beispiel: Eine Firma produziert die Produkte P 1, P 2,..., P q aus den Rohstoffen R 1, R 2,..., R m. Dabei stehen b j Einheiten
MehrKlausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler
Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrKlausur Algorithmen und Datenstrukturen II 29. Juli 2013
Technische Universität Braunschweig Sommersemester 2013 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Stephan Friedrichs Klausur Algorithmen und Datenstrukturen
Mehr3.2.5 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
MehrOptimierung. Vorlesung 04
Optimierung Vorlesung 04 Übungsbetrieb Mangels Teilnehmer keine Dienstagsübung mehr. Prüfung laut Paul: Di, 10. Feb. 2015 00:01-23:59 2 Was bisher geschah LP: Maximiere c T x unter Ax = b, x 0. Basis:
MehrSchnittebenenverfahren von Gomory. Stefan Allescher 30. Juni 2005
Schnittebenenverfahren von Gomory Stefan Allescher 30. Juni 2005 Inhaltsverzeichnis 1. Grundprinzip 2. Das Verfahren von Gomory 2.1. Vorgehen 2.2. Beweis der Endlichkeit 2.3. Algorithmische Durchführung
MehrChinese Postman Problem Hamiltonsche Graphen und das Traveling Salesman Problem Max-Flow-Min-Cut...151
Inhaltsverzeichnis 1 Kernkonzepte der linearen Optimierung... 1 1.1 Einführung... 1 1.2 Grundlegende Definitionen... 8 1.3 Grafische Lösung... 10 1.4 Standardform und grundlegende analytische Konzepte...
MehrKombinatorische Optimierung
Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales
MehrComputer 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
MehrVORLESUNG 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
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
MehrCARL HANSER VERLAG. Peter Stingl. Operations Research Linearoptimierung
ARL HANSER VERLAG Peter Stingl Operations Research Linearoptimierung -446-228-6 wwwhanserde 2 Lineare Optimierungsprobleme x 2 6 P P sentartete Ecke ( 4) x +x 2 5 PPPPPPPPPPPPPPP X x + x 2 7 2x +x 2 8
MehrPerlen 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
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2014/2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen
MehrProf. Dr. Hans G. Bartels Frankfurt, SS 2002
Prof. Dr. Hans G. Bartels Frankfurt, SS 00 Klausur zur Veranstaltung Ganzzahlige und Kombinatorische Optimierung Bearbeiter Maximale Punktzahl: Matr.-Nr. :... Studienfach :... Semesterzahl :... Tragen
MehrStudientag 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
MehrLösungen zu Aufgabenblatt 6
Fachbereich Informatik Prof. Dr. Peter Becker Vorlesung Graphentheorie Operations Research Wintersemester 2004/05 3. Januar 2005 Lösungen zu Aufgabenblatt 6 Aufgabe 1 (Modellierung von LPs) Formulieren
MehrOperations 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
Mehr10.2 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
MehrKuhn-Tucker Bedingung
Kapitel 13 Kuhn-Tucker Bedingung Josef Leydold Mathematik für VW WS 017/18 13 Kuhn-Tucker Bedingung 1 / Optimierung unter Nebenbedingungen Aufgabe: Berechne das Maximum der Funktion f (x, y) g(x, y) c,
MehrBERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Master of Science
Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Master of Science Wintersemester 2014/2015 Prüfungsgebiet: MWiWi 4.1 Advanced OR methods in
MehrOptimierung 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:
MehrGanzzahlige Optimierung (IP)
Thema Ganzzahlige Optimierung (IP) Systematik * Problematik * Pragmatik IP und Branch and Bound 1 Agenda 1. Relevanz der Ganzzahligkeit? 2. Formulierung ganzzahliger Modelle 3. Zur Lösung ganzzahliger
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
MehrKlausur Wirtschaftsmathematik
Vorname: Nachname: Matrikel-Nr.: Klausur Wirtschaftsmathematik Prüfer Etschberger Prüfungsdatum 3. Dezember 2016 Prüfungsort Augsburg Studiengang Wirtschaftsingenieurwesen Bearbeitungszeit: 90 Minuten
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
Mehr1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2008/2009
. Klausur zur Vorlesung Algorithmentechnik Wintersemester 008/009 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber mit Ihrem
Mehr