So planen Sie eine Route

Ähnliche Dokumente
Prof. Dr. Hans G. Bartels Frankfurt, SS 2002

Klausur zur Vorlesung Logistik im Sommersemester 2015


Klausur zur Vorlesung Logistik im Sommersemester 2013

Klausur zur Vorlesung Operations Research im Sommersemester 2009

Klausur zur Vorlesung Logistik im Sommersemester 2012

Klausur zur Vorlesung Operations Research im Wintersemester 2009/10

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008

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

Varianten des Travelling Salesman Problem (TSP)

Klausur zur Veranstaltung Industrielle Produktionsprozesse im WS 2009/10

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research,

Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006

Algorithmen und Datenstrukturen 2 VU 3.0 Übungstest SS Juni 2013

Klausur zur Vorlesung Logistik im WS 04/05

Probeklausur Optimierung

Nachklausur Grundlagen der Algorithmik (Niedermeier/Froese/Chen/Fluschnik, Wintersemester 2015/16)

Ganzzahlige Optimierung (IP)

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

Endkontrolle Informatik-Propädeutikum (Ermel/Hartung/Nichterlein/Niedermeier, Wintersemester 2013/14)

Nachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Prüfungsklausur Operations Research,

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

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research,

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

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Betriebliche Optimierung

Betriebswirtschaftliche Optimierung

Algorithmen und Datenstrukturen 2 VU 3.0 Nachtragstest SS Oktober 2016

Massive Parallelität : Neuronale Netze

Das Multi Traveling Salesman Problem

Zentrale Klausur am Ende der Einführungsphase Mathematik

Fachbereich Wirtschaftswissenschaften Professur f. Quantitativen Methoden Prof. Dr. Dietrich Ohse

Algorithmen zur Visualisierung von Graphen Lagenlayouts

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

AUFGABEN. Klausur: Modul Problemlösen in graphischen Strukturen. Termin:

Lineare Optimierung, M2a

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

Bachelor-Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Wintersemester 2015/ Aufgabe Punkte

Klausur zur Vorlesung Grundbegriffe der Informatik 5. März 2014

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 13

Das Traveling Salesman Problem und das Assignment Problem zweiter Ordnung. Gerold Jäger

Lösung allgemeiner linearer Programme

Klausur zur Modulprüfung ABWL1 SoSe14 2. Termin 13. Oktober 2014

2. Klausur Datenstrukturen und Algorithmen SS 2014

AUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin:

Klausur Management Science. Donnerstag, 19. Februar 2015

2. Klausur zur Vorlesung Informatik 1 im Wintersemester 2014/2015 am 30. März Bearbeitungszeit: 90 Minuten Gesamtpunktezahl: 90 Punkte

Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015

Aufgaben zur Klausurvorbereitung

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Datenstrukturen und Algorithmen D-INFK

Optimierung für Wirtschaftsinformatiker: Dualität, Ganzzahlige lineare Optimierung

Erzielte Bonuspunkte aus der Vorklausur:

Kapitel 9: Lineare Programmierung Gliederung

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

Klausur Algorithmen und Datenstrukturen SS August Arbeitszeit 90 min

Klausur Informatik-Propädeutikum (Niedermeier/Froese/Chen, Wintersemester 2015/16)

Klausur zur Veranstaltung Gestaltung industrieller Produktionsprozesse im WS 2015/16

Lineare Optimierung: Simplexverfahren Phase Ⅰ

a) Warum sind Kosten bzw. Tarife für Transportdienstleistungen unterhalb einer Komplettladung in der Praxis üblicherweise mengendegressiv?

Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2010/2011

Klausur zur Veranstaltung Gestaltung industrieller Produktionssysteme im WS 2011/2012

Erzielte Bonuspunkte aus der Vorklausur:

Rechenzeit für A. Sei t B die Rechenzeit eines Algo für B. Seien p,q,r monotone Polynome ( +).

Klausurteil Operations Management Sommersemester 2016

6. Flüsse und Zuordnungen

Algorithmen und Datenstrukturen 1 VU 6.0 Nachtragstest SS Oktober 2014

1. Über stückweise lineare Zielfunktionen bei der Transportmethode

MB2-ALG, SS15 Seite 1 Hauptklausur, geschrieben am

Ganzzahlige OR-Methoden: Operations Research II a. Übungsblatt 12

Effiziente Algorithmen I

Zugeordneter bipartiter Graph

Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04

Tutorium: Diskrete Mathematik

Name: Vorname: Unterschrift:

Klausur Algorithmen und Datenstrukturen

würde eine Reduktion der Kapazität um = 100 h ebenfalls eine Änderung des

Klausur Algorithmen und Datenstrukturen

Perlen der Informatik I Wintersemester 2012 Aufgabenblatt 7

Klausur zur Vorlesung Informatik 1 im Wintersemester 2014/2015 am 18. Februar Bearbeitungszeit: 90 Minuten Gesamtpunktezahl: 90 Punkte

Klausurteil Operations Management Sommersemester 2017

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Master of Science

Bitte unbedingt ausfüllen! Name Vorname Matrikel-Nr. Sitzplatz-Nr. Etikett. Praxis der Logistik (Hauptstudium) SS Praxis der Logistik

Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Fachprüfung AI / TI / MI Mathematik 1 Prof. Dr. Wolfgang Konen, Dr. A. Schmitter FH Köln, Institut für Informatik

Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen

Klausur Algorithmen und Datenstrukturen

Problemlösen in grafischen Strukturen

1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2008/2009

Klausur Mathematik II für Wirtschaftswissenschaftler. Name:... Vorname:... Matr. Nr.:... Studiengang:...

= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2

Diplom / Master - Prüfung

Lineare Optimierung Teil 2

Zusatzmaterialien Funktionen von R. Brinkmann

Klausur zur Vorlesung Logistik im WS 03/04

Transkript:

Prof. Dr. Hans G. Bartels Frankfurt, SS 00 Klausur zum speziellen Seminar Ausgewählte OR-Probleme Bearbeiter Maximale Punktzahl: Nachname :... Musterlösung ohne Gewähr 90 Vorname :... Matr.-Nr. :... Studienfach :... Semesterzahl :... Anschrift :...... Tragen Sie die Antworten bzw. Lösungen der einzelnen Fragen bitte in den Vordruck ein. Bitte schreiben Sie nicht mit Bleistift oder roter Tinte. Benutzbar sind: - Taschenrechner Vordruck für die Bewertung der Arbeit (nicht vom Bearbeiter auszufüllen) Erreichte Punktzahl :... Note :...

. Tourenplanung - - Für das in der nachstehenden Graphik aufgeführte Standardproblem der Tourenplanung soll exemplarisch das zugehörige binäre LP formuliert werden. d = c D =c D =3. c=c =. d = Q= D c D =c D = c D3 =c 3D =3 c 3 =c 3 = 3 d 3 = Die Parameter der Problemstellung sind der Graphik zu entnehmen. Bei den Kunden ist die Bedarfsmenge d i aufgeführt. Die Bedarfe der Kunden bis 3 sollen vom Depot D aus gedeckt werden. An jeder Kante ij ist die Entfernung c ij angebracht, die zwischen dem Kunden i und j zurückgelegt werden muss. Es stehen zwei Fahrzeuge zur Verfügung, die eine Zuladekapazität von Einheiten aufweisen. Die zu minimierende Zielfunktion spiegelt die insgesamt zurückzulegende Entfernung wider. Im Tableau der nächsten Seite sollen die Bestandteile des LPs (Zielfunktion, Nebenbedingungen) für das vorliegende Standardproblem eingefügt werden: a. Tragen Sie im Bereich I die Zielfunktion der Problemstellung ein. b. Vervollständigen Sie die Bereiche II bis VIII mit den jeweiligen Restriktionen. Die Bereiche sind derart aufgeteilt, dass ein bestimmter Restriktionstyp genau in die hervorgesehenen Zeilen eingefügt werden kann. Die Restriktionstypen im Einzelnen: Bereich II jeder Kunde wird genau von einem Fahrzeug angefahren Bereich III jeder Kunde wird genau von einem Fahrzeug verlassen Bereich IV wird ein Kunde von einem Fahrzeug angefahren, muss er auch wieder verlassen werden Bereich V Kapazitätsrestriktionen der Fahrzeuge Bereich VI jedes Fahrzeug verlässt das Depot höchstens zu einem Kunden Bereich VII jedes Fahrzeug kehrt von höchstens einem Kunden zum Depot zurück Bereich VIII Subtoureliminationsbedingungen c. Markieren Sie in der obigen Graphik die von Ihnen per Heuristik (d.h. mit dem Auge oder ähnlichem Verfahren) ermittelte optimale Lösung für das Standardproblem der Tourenplanung. Die insgesamt zurückzulegende Entfernung beträgt 6 Entfernungseinheiten.

- - a ZF Min x D x D x D3 x D x x D x x 3 x 3D x 3 I -3. - -3. -. - -. - - -3. - -3. -. - -. - - = 0 II III IV V VI VII VIII x D = x D = = x D3 = x D = x = - - = 0 - - - = 0 - - = 0 x D x x 3 x 3D x 3 - - = 0 Rel - - - = 0 - - = 0 R d. Wie im bisherigen Verlauf der Aufgabe (hoffentlich) erkennbar geworden ist, kommt es bereits bei kleinen Problemstellungen zu einer Unzahl von Nebenbedingungen, die im LP aufgenommen werden müssen. Ermitteln Sie für die sogenannten Subtoureliminationsbedingungen die Anzahl der in Abhängigkeit der Problemgrösse n (n = Anzahl der Kunden, wobei die Kunden in dieser Teilaufgabe untereinander einen vollständigen Graphen aufspannen) zu erstellenden Nebenbedingungen: n Anzahl der Subtoureliminationsbedingungen 0 3 0 a Zur Notation der Variablen: x ij v ist die Entscheidungsvariable für die Aktivierung einer Transportverbindung zwischen den Knoten i und j mit dem Fahrzeug v. Die Variable ist binär. Rel = Relation. R = Rechte Seite.

. Stauraumplanung - Gegeben sei das folgende homogene Stauraumproblem: P( 0, 80,, ) [ mit der Notation: P(L, B, l, b) ] a. Ermitteln Sie eine einfache Obergrenze für die maximale Anzahl der Packstücke, mit der eine Lage des Ladungsträgers mit orthogonal zueinander stehenden Packstücken beladen werden kann. A 0 80 einfache Obergrenze = = = B A: Fläche des Ladungsträgers B: Fläche des Packstücks b. Welchen Zweck verfolgt man im Rahmen der Stauraumplanung bei der Ermittlung von Obergrenzen? Man will die Güte der mittels Heuristik berechneten Lösungen bewerten. c. Warum beschränkt man sich bei der Ermittlung der maximalen Anzahl von Packstücken lediglich auf orthogonale Anordnungen? Geben Sie bitte zwei Gründe hierfür an. - Realisierung eines stabilen Ladungsaufbaus - Vermeidung der Beschädigung anderer Packstücke durch Packstückkanten d. Erläutern Sie die Begriffe Turm- und Verbundstapelung. Gehen Sie dabei auf etwaige Vor- und Nachteile der beiden Beladungskonstellationen ein. Geben Sie zwei Möglichkeiten an, wie man aus einer Turmstapelung eine Verbundstapelung erzeugen kann. Eine Turmstapelung erfolgt durch die Übereinanderstapelung identischer Lagenpläne. Bei einer Verbundstapelung hingegen wird eine Übereinanderstapelung angestrebt, bei der sich die Packstücke zweier aufeinanderfolgenden Lagen möglichst groß überlappen. Wesentlichen Nachteil der Turmstapelung ist dessen Instabilität, was bei der Verbundstapelung als Vorteil gilt. Von einer Turmstapelung gelangt man zur Verbundstapelung mittels: - Drehung um 80 o - Spiegelung in L- oder B-Richtung alternierenden Lagen.

- - 3. Travelling Salesman / Assignment-Problem Gegeben ist das folgende 8 x 8 Travelling Salesman Problem (Nummer der Stadt jeweils im Kreis). Die Zahlen an den Kanten geben die jeweilige Entfernung zwischen den Städten an. 3 9 6 3 0 3 0 8 9 9 6 9 Geben Sie die Zuordnungen der optimalen Assignment-Lösung an: 8 8 3 6 6 3 8 Die Kosten der optimalen Assignment-Lösung (Gesamtlänge) betragen: 3 Einheiten. Dabei ergeben sich folgende Teiltouren (Zyklen) in der Assignment-Lösung:.. 6. 8 3. 3 3 6 6 Bitte geben Sie die Abfolge der Städte in der kürzesten Travelling Salesman Lösung an: 8 6 3 Deren Länge beträgt 38 Einheiten. Tableaus für die etwaige Rechnung (ohne Bewertung): 3 6 8 3 6 8 - - - - - - - - - -

- - 3 6 8 3 6 8 - - - - - - - - - - 3 6 8 3 6 8 - - - - - - - - - - 3 6 8 3 6 8 - - - - - - - - - - 3 6 8 3 6 8 - - - - - - - - - - 3 6 8 3 6 8 - - - - - - - - - -

-. Anzahl Kanten im vollständigen Graph Ein Graph bestehe aus n Knoten und m Kanten. Heißt der Graph vollständig, so bedeutet dies, daß zwischen allen Knoten i und j mit i j jeweils eine Kante existiert. Bei symmetrischen Graphen hat die Kante k ij zwischen den Knoten i und j das selbe Gewicht wie die Kante k ji, d.h. die Kanten k ij und k ji sind bei symmetrischen Graphen identisch und zählen deshalb auch nur als eine Kante. Bei asymmetrischen Graphen kommt der Kante k ij in der Regel ein anderes Gewicht zu als der Kante k ji. Man muß hier also zwischen k ij und k ji unterscheiden, deshalb wird auch von gerichteten Kanten gesprochen. Geben Sie für n = an, wie viele Kanten der vollständige asymmetrische Graph hat: und wie viele Kanten der symmetrische Graph hat: 3 66 ( ) Verallgemeinern Sie dies nun für n: n n n = Die Anzahl der Kanten im vollständigen symmetrischen Graph beträgt:. n = n n Die Anzahl der Kanten im vollständigen asymmetrischen Graph beträgt:. ( )