Modelle und Methoden der Linearen Optimierung (Die Thesen zur Vorlesung 3)

Ähnliche Dokumente
Photonen. s 6, = 3,00m, f = c = 100MHz (UKW) s 6, = 3, m (Röntgenstrahlung)

K l a u s u r N r. 2 G k P h 12

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

Automatisierte Erzeugung und Analyse des Attack Graphs

Beispiellösungen zu Blatt 84

Optik. Was ist ein Modell? Strahlenoptik. Gliederung. Modelle in der Physik. Modell Lichtstrahl. Modell Lichtstrahl. Licht und Schatten

Klausuraufgaben, Prüfungsleistung 06/08, Wirtschaftsmathematik, Betriebswirtschaft

PHYSIK Wurfbewegungen 1

Liebe Lehrerin, lieber Lehrer, dieses Unterrichtsmaterial ist speziell auf die Boardstory und das Buch ool" Ope

2. Wellenausbreitung

Dr. Günter Rothmeier Kein Anspruch auf Vollständigkeit Elementarmathematik (LH) und Fehlerfreiheit

PHYSIK Geradlinige Bewegungen 3

Einfacher loop-shaping Entwurf

n e x i E B B z dx dn

Optische Instrumente

Potenzen mit gleichen Grundzahlen werden multipliziert, indem man die Hochzahlen addiert und die Grundzahlen beibehält. a n a m = a m+n. a...

Achtung: Im Nenner eines Bruches darf nie die Null stehen!!

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle


10. Äquivalenzen zur Riemannschen Vermutung

Autonome Mobile Systeme

Weiterführende Aufgaben zu chemischen Gleichgewichten

Technische Strömungslehre Formelsammlung

Gegeben sei die Operationsverstärker-Schaltung nach Abb Der Operationsverstärker besitze allgemein die Verstärkung V (s) =

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Optimieren unter Nebenbedingungen

Physik T1 - Prüfung vom 29. November 2006 mit Lösungen

13. Abzählen von Null- und Polstellen

Höhenmessung mittels Seeinterferometer unter Ausnutzung der solaren Radiostrahlung

Übungen zur Vorlesung PN1 Lösung Übungsblatt 12 Besprechung am

Prof. Liedl Lösung Blatt 8. Übungen zur Vorlesung PN1. Lösung zum Übungsblatt 8. Besprochen am

Achsabstand c. stetig bis = +/ Schema für mathematische Beschreibung der Mechanik als Einspurmodell:

Mechanik Kinematik des Punktes

Lineare Funktionen. Arbeitsschritte Tastenfolge Display. Arbeitsschritte Tastenfolge Display. y p TableStart bei x = -10 Schrittweite: 0,5

1. Aufgabe zu erzwungenen Schwingungen

Funktionen mit mehreren Variablen. Voraussetzungen:

Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1

R. Brinkmann Seite

Grundlagen der Kryptographie

Aufgaben zu den Newtonsche Gesetzen

3.1 Polytope und polyedrische Mengen

Etablierte Bodenmodelle im Ingenieurbau

Quantenmechanikvorlesung, Prof. Lang, SS04. Comptoneffekt. Christine Krasser - Tanja Sinkovic - Sibylle Gratt - Stefan Schausberger - Klaus Passler

Das Chemische Gleichgewicht Massenwirkungsgesetz

Verkürzungsfaktor bei Antennen und Koax-Leitungen

T7 - Bestimmung der Oberflächenspannung homologer wässriger Alkohollösungen (Traubesche Regel)

Matrizen, Determinanten, lineare Gleichungssysteme

7.4. Teilverhältnisse

Greensche Funktion. Frank Essenberger FU Berlin. 30.September Nomenklatur 1. 2 Greensche Theoreme 1. 3 Anwendung in der Elektrostatik 2

Drehzahlregelung eines Gleichstrommotors 1

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Abb lokales Maximum und Minimum

Wellen. Wellen treten in der Natur in großer Zahl auf: Wasserwellen, Schallwellen, Lichtwellen, Radiowellen, La Ola im Stadion

Tangenten an Funktionsgraphen (Differenzialrechnung) Aufgaben ab Seite 4

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Vorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient

a) Geben Sie einen geeigneten Ergebnisraum Ω an. Wieviele Elemente hat dieser?

Mathematik für BWL-Bachelor: Übungsbuch

Mathematik - Oberstufe

Thermische Verfahrenstechnik

s Hinter lichtundurchlässigen Hindernissen bildet sich bei Beleuchtung Schatten.

Energiefreisetzung In der Sonne, wie in allen anderen Sternen auch, wird die Energie durch Kernfusion freigesetzt. Wasserstoffkerne(Protonen) können

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren Thomas Brox, Fabian Kuhn

Vektorräume und Rang einer Matrix

Asymptotische Laufzeitanalyse: Beispiel

Die Lorentz-Transformation

17. KONTEXTSENSITIVE SPRACHEN

Mathematik und angewandte Mathematik 1. HAK (1. Jahrgang) 1. AUL (1. Jahrgang) Mathematik und angewandte Mathematik 1. HLW (1.

Algorithmen auf Sequenzen

Geometrie-Dossier Symmetrie in der Ebene

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.

Physik: Stundenprotokoll vom Max Pätzold

(Allgemeine) Vektorräume (Teschl/Teschl 9)

VORKURS: MATHEMATIK RECHENFERTIGKEITEN, ÜBUNGEN. Dienstag

Bitte beschäftigen Sie sich mit folgenden Aspekten aus dem Gebiet Schwache Wechselwirkung :

Bild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit


Anleitung. zur. Konfiguration. des. WLAN Repeaters

Zusatzblatt zur Klausurvorbereitung mit Lösungen (ohne

Folgerungen aus dem Auflösungsatz

EDA-Methoden. Versuch 12 im Informationselektronischen Praktikum. Studiengang Elektrotechnik und Informationstechnik

Fragebogen 1 zur Arbeitsmappe Durch Zusatzempfehlung zu mehr Kundenzufriedenheit

Überbestimmte lineare Gleichungssysteme

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Lineare Gleichungssysteme - Grundlagen

Optisches Institut der TU Berlin Technische Optik. Optisches Praktikum, Aufgabe 2: Aufbau und Kalibrierung eines Kollimators zur Brennweitenbestimmung

Vier-Felder-Tafel. Medizinische Tests sind grundsätzlich mit zwei Fehlern behaftet: 1. Erkrankte werden als gesund, 2. Gesunde als krank eingestuft.

Versuch LF: Leitfähigkeit

Lineare Gleichungssysteme

Die nächste Übung ist vom auf den verlegt worden.

Kooperatives Lernen SINUS Bayern

Datenbanken. Allg. Einführung in Datenbanken 1. Ich kenne Datenbanken. Wo werden Datenbanken eingesetzt. Welchen Zweck haben Datenbanken.

Universität Karlsruhe (TH)

Es wurde in der Vorlesung gezeigt, daß man die Matrixgleichung Ax=b auch in der Form

Wertsteigerung Frei Haus. Der Kostenlose Glasfaseranschluss für Hauseigentümer.

5. Die Schallgeschwindigkeit c in Luft beträgt bei 0 C c 0 = 331, 5 m und bei 20 C c 20 = 343, 4 m. Wie viel % beträgt die Erhöhung?

3 Optimierung mehrdimensionaler Funktionen f : R n R

zu 6: Ausbildung eines echten Integralverhaltens

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

Transkript:

(Die Theen zur Vorleung 3) da Thea der Vorleung Löung der linearen Prograierungproblee: Da Sipleverahren Teil Pro. Dr. Mihal Fendek Intitut ür Operation Reearh und Ökonoetrie Wirthatuniverität ratilava Dolnozeká 85 35 ratilava Slowakei Univerität Haburg - Noveber 4

Löung der linearen Prograierungproblee: Da Sipleverahren eipiel au dervorleung : Model (LOP): Maiierung de Geaterlö ( ) 8 + a Unter den Nebenbedingungen (LOP) 3 3 + + 5 5 4..4 Pro. Dr. Mihal Fendek Folie Nr.:

Graphihe Dartellung der Löung de linearen Optiierungproble Der erte Shritt it die o genannte Menge der zuläigen Löungen zu kontruieren. a T n n { ( ) A b wobei A R ; R b R } ( LOP) Deinition Für da lineare Optiierungproble (LOP) it die Menge D { A b } die Menge der zuläigen Löungen 4..4 Pro. Dr. Mihal Fendek Folie Nr.:3

Löung der linearen Prograierungproblee: Da Sipleverahren Mahinenkapazität 7 6 Rohtobehränkung MOPO (3333;) ( )36664 * ( )5833 5 Ioerlölinie Marketingbehränkung 4 Produkt 3 N N N3 D - 3 4 5 - Produkt 4..4 Pro. Dr. Mihal Fendek Folie Nr.:4

Graphihe Dartellung der Löung de linearen Optiierungproble Der zweite Shritt de Verahren it au der Menge der zuläigen Löungen D o genannte Otiallöung zu identiizieren. Deinition Die zuläige Löung * D it die Optiallöung de linearen Optiierungproble a wenn T n n { ( ) A b wobei A R R b R } { D ( ) > ( * ) * } ~ 4..4 Pro. Dr. Mihal Fendek Folie Nr.:5

Graphihe Dartellung der Löung de linearen Optiierungproble D wird al Durhhnitt von endlih vielen Halbebenen ein konvee Polyeder d.h. eine von endlih vielen Geradentüken begrenzte konvee Menge der Ebene. Kove bedeuted daß die Verbindungtreke zwihen zwei beliebigen Punkten von D an keiner Stelle D verläßt. Diee Eingenhat it ür viele Rehenverahren zur etiung einer optialen Löung wihtig Alo die Menge der zuläigen Löungen wird it de konveen Polyeder D gebildet. Dann auh ede zuläige Löung unerer Augabe beindet ih in eine Punkt de konveen Polyeder D. 4..4 Pro. Dr. Mihal Fendek Folie Nr.:6

Graphihe Dartellung der Löung de linearen Optiierungproble Jede ete Wert q der Zielunktion () n q wird al Iozielunktionlinie bezeihnet da ede au dieer Geraden liegende Kobination der Variablen ( n ) den gleihen Wert der Zielunktion erbringt. T Jede Iozielunktionlinie ( ) q it enkreht zu den Gradientvektor () der Zielunktion (). Die Rihtung de raanteten Antieg der Funktion ( n ) i Punkt wird durh den Gradient ( ) der Funktion i Punkt angezeigt. Gradient () der Funktion () i Punkt it gegeben durh den Vektor der erten partiellen Ableitungen i Punkt und gilt ( ) ( ) ( ) ( ) K n 4..4 Pro. Dr. Mihal Fendek Folie Nr.:7

Graphihe Dartellung der Löung de linearen Optiierungproble Anwenden wir etzt die augeührten Eingehaten der Iozielunktionlinie ür die Löung unere nuerihen eipiel der Optiierung der Produktiontrategie der Fira. Wenn wir werden die Ioerlölinie parallel in Rihtung de Orthogonalenvektor (Orthogonalvektor it enkreht zu der Ioerlölinie) bzw. de Gradient der Zielunktion ür den Geaterlö ( ) ( ) ( ) ( 8) verhieben wir können ehen daß partielle optiale Löung ür die Zielunktion Geaterlö in der Eke beindet ih. In diee Punkt de konveen Polyeder gilt (3333;) und der Wert der Zielunktion Geaterlö it ( )36 664 GE 4..4 Pro. Dr. Mihal Fendek Folie Nr.:8

Löung der linearen Prograierungproblee: Da Sipleverahren Erinnern wir die eleentare Forulierung de linearen Optiierungproble erkung: a) alle Nenbedinungen ind in der For kleiner oder gleih < b) alle Variablen ind nihtnegaiv unter den edingungen () n a i n b i in i K Kn wo Zahl der Nebenbedingungen de Proble n Zahl der Variablen de Proble Koeizienten der Zielunktion...n b i Koeizienten der rehten Seite i... a i Koeizienten der Matri de Syte der Nebenbedingungnen i......n - Entheidungvariablen...n 4..4 Pro. Dr. Mihal Fendek Folie Nr.:9

Löung der linearen Prograierungproblee:Da Sipleverahren Standardor de linearen Optiierungproble - Tranoration de linearen Optiierungprole au der For de linearen Ungleihungyte in der For de linearen Gleihungyte eerkung: a) alle Nenbedinungen ind in der For gleih oruliert b) Tranroation der Ungleihungen it it der Hile o genannten Shlupvarablen i realiiert ) alle Shlupariablen ind auh nihtnegativ Augabe LOP_SF unter den edingungen () n a i i n + i b i in i K Kn i K wo 4..4 Koeizienten der Zielunktion...n b i Koeizienten der rehten Seite i... a i Koeizienten der Matri de Syte der Nebenbedingungnen i......n - Entheidungvariablen...n i - Shlupvariablen i... Pro. Dr. Mihal Fendek Folie Nr.:

4..4 Pro. Dr. Mihal Fendek Folie Nr.: Löung der linearen Prograierungproblee:Da Sipleverahren a 8 ) ( + Unter den Nebenbedingungen (LOP) 5 5 3 3 3 3 + + + + + Standardor de linearen Optiierungproble in der Matrior SF_LOP { } n n T R R R R + b E A b E A ; ; ) ( a ei der Vorauetzung n ; rang ( A E ) [ ] i i e e i i E Model (LOP): Maiierung de Geaterlö

4..4 Pro. Dr. Mihal Fendek Folie Nr.: Löung der linearen Prograierungproblee:Da Sipleverahren Erte Frage: Wie werden wir diee linearen Optiierungproble in der For de linearen Gleihungyte löen? ( ) T + E rang!!! a ) ( b E A ( ) ( ) b N N N N a ) (!!! ; ; N N E N A ( ) ( ) b N N ) ( b T ) ( b E b b L /!!!! ( ) b b T () *

Löung der linearen Prograierungproblee:Da Sipleverahren Die Löung de Syte der linearen Nebenbedingungen in der For: b it aihe zuläige Löung de Proble Nähte Frage: Welherart wir können diee aihe zuläige Löung de Proble inden Deinition 5: Geben it eine Auabe in der For LOP_ST it < n. Eine ailöung de Proble it eine Löung (Vektor) in der höhten Variablen von Null verhiedene Werte annehen. Die indeten n- retlihen Variablen nehen en Wert Null an. Die zur ailöng gehörigen Variablen heißen aivariablen. eerkung: Eine ailöung it den nihtnegativen Variablen b heißt aihe zuläige Löung de Proble 4..4 Pro. Dr. Mihal Fendek Folie Nr.:3

4..4 Pro. Dr. Mihal Fendek Folie Nr.:4 Löung der linearen Prograierungproblee:Da Sipleverahren Zu eipiel olgende drei Vektoren ind die zuläige ailöungen in uerer Optiierungaugabe 5 5 3 3 3 3 + + + + + In de Syte der Nebenbedingungen in uerer Optiierungproble wir haben 3 Nebenbedigungen und n 5 Variablen Rang der Matri de Syte der Nebenbedingungen it r(a) 3. Alo Vektor der zuläigen ailöung uß eht 3 poitiven Eleente uaßen ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 85 43 5 3 3 3 3 3 3 ( ) ( ) ( ) 36 3 3 4 und zu eipiel Vektor it die niht zuläige ailöung de Optiierungaugabe

Löung der linearen Prograierungproblee:Da Sipleverahren E it klar daß wir theoretih alle ailöungen de Optiierungproble berehnen können.??? Wieviel diee Löngn wir üen alo berehnen wenn da Optiierungproble Nebenbedigungen und n Variablen hat und Rang der Matri de Syte der Nebenbedingungen it r(a). n p( L) In unere eipiel ür die Zahl der ailöungen (inoailkoeizient)dann gilt n 5 p( L) 3 Aber hon i Fall wenn 3 und n it p n 3 ( L) ( 9 8) /( 3 ) 67 4..4 Pro. Dr. Mihal Fendek Folie Nr.:5

Löung der linearen Prograierungproblee:Da Sipleverahren Nähte Frage: Können wir diee aktuelle aihe zuläige Löung de Proble b T ( ) b verbeern? Oder It diee aktuelle aihe zuläige Löung de Proble hon die Optiallöung? Deinition 6: Die zuläige Löung * der Optiierungaugabe in der For LOP_ST it die Optiallöung der Augabe wenn keine andere zuläige Löung it de beeren Wert der Zielunktion eitiert. 4..4 Pro. Dr. Mihal Fendek Folie Nr.:6

Löung der linearen Prograierungproblee:Da Sipleverahren Nähte Frage: Müen wir wirklih bei der Suhe der optiale Löung o viel ailöungen unteruhen? Die Antwort gab G. Dantzig in eine Sipleverahren Ideenhea de Sipleverahren Algorithu hrittweie unteruht niht die unendlihe Zahl der allen zuläigen Löungen aber nur die endlihe Zahl der ailöungen iterativer Prozeß L k L * I. k D k k It k optial? A) a Stop ) nein II. II. k k + : k + k ( ) ( ) b 4..4 Pro. Dr. Mihal Fendek Folie Nr.:7

Löung der linearen Prograierungproblee: Da Sipleverahren Eleentaralgorithu de Sipleverahren Gegeben it da Optiierungproble ( ) T a A b I.Etappe Initialiierung: Fetlegung der zuläigen Augangbailöung (ZAL) T ( ) a A b ( ) T a A + E b 4..4 - Iterationnuer p - Vorauetzungen: ~ A R b R ( n+ ) ( A E) R ; rang( A E) n n ; ( ) R Pro. Dr. Mihal Fendek Folie Nr.:8

4..4 Pro. Dr. Mihal Fendek Folie Nr.:9 Löung der linearen Prograierungproblee: Da Sipleverahren Stellen wir der Iterationnuer p Wir bekoen die zuläige Augangbailöung Führen wir nähte Subtitutionen ein: II ( ) ( ) a ) ( p p p p p p N N b N N N ( ) ( ) ( ) ( ) ZAL L b b b b Eb b N T T E N A N p p p ; ; [ ] [ ] ( ) ; ; b; ~ ; ~ ~ ; ~ ; ~ + + n i i n R R a n X X X A A A A X A X K

Löung der linearen Prograierungproblee: Da Sipleverahren II. Etappe: Suhe der optialen Löung de linearen Optiierungodell - OL Optialitättet der aktuellen ailöung (etiung der eintretrenden Variable) erehnung de Vektor der reduzierten ewertung der Variablen a) Wenn b) Wenn () : a () : in r r r [ r ] T n+ p. wenn r k * it OL de LOP; STOP. wenn dann r k p i i i a {.. n+ in { }.. n+ r k r r k r A } T K n + Der Spaltenvektor A k trit in der ai ein Die entprehende Variable it eintretende ( Der k-te Spaltenvektor der Sipletabelle it.g. Pivotpalte) gehe zu de Shritt X T X 4..4 Pro. Dr. Mihal Fendek Folie Nr.:

Löung der linearen Prograierungproblee: Da Sipleverahren etiung der eintretrenden Variable. Wenn ik ür i K der Wert der Zielunktion it unbegrentzt STOP. Wenn i... wir berehnen ik > t in > ik i ik i l lk dann Die eintretende Variable den Wert t haben wird Der l-te aipaltenvektor trit au der ai au Die l-te aivariable wird autretende Der l-te Zeilenvektor der Sipletable it.g. Pivotzeile Da Tabelleeleent lk da i Abhnitt von Pivotpalte und Pivotzeile teht heißt Pivoteleent gehe zu de Shritt 3 4..4 Pro. Dr. Mihal Fendek Folie Nr.:

Löung der linearen Prograierungproblee: Da Sipleverahren 3 Die eleentare aiänderung it de Pivotleent lk ALLE Eleente der Sipletabelle wir werden au der Matri au die Matri nah der olgenden Forel tranoieren l ür i l ür i l [ ~ K + lk ] ~ K n ~ X l + i i K i ik i lk Dann tellen wir a) X X K + [ ] i i K [ ~ + ] ~ K X i i K [ K + ] [ t + ] i ~ K X i K i i K b) Iterationnuer p p + gehe zurük zu de Shritt 4..4 Pro. Dr. Mihal Fendek Folie Nr.:

Löung der linearen Prograierungproblee: Da Sipleverahren eipiel N. Wir werden ein Unternehen unteruhen. Da Unternehen hat in eine Produktionprogra zwei Produkte P P. Für die Erzeugung diee zwei Produkte die Fira benutzt Produktionaktoren. Dipoition de Modell: a) Wir haben zur Verügung: die Angaben über die Verbrauhnoren der Produktionaktoren ür die einzelne Produkte de Produktionprogra a i i ; die Angaben über die verügbare Menge der Produktionaktoren b i i die Angaben über die Preie p der einzelnen Produkte de Produktionprogra Diee Angaben über da Produktionprogra de Unternehen ind in Tabelle präentiert. 4..4 Pro. Dr. Mihal Fendek Folie Nr.:3

Löung der linearen Prograierungproblee: Da Sipleverahren Tabelle. Produktionaktor Verbrauhnoren der Produktionaktoren P P verügbare Menge der Produktionaktoren F - F 5 5 Prei 3 - ( U.. ) 8 3 + + + 7 a 4..4 Pro. Dr. Mihal Fendek Folie Nr.:4

Löung der linearen Prograierungproblee: Da Sipleverahren Graphihe Dartellung der Löung ( U.. ) 8 3 + 5 + + 7 a 7 () / *(3) D 7/ /3 4..4 Pro. Dr. Mihal Fendek Folie Nr.:5

Löung der linearen Prograierungproblee: Da Sipleverahren Löung Tab. ( ) 8 5 b 7 3 r 8 5 A 3 b 7 T ( 8 5) Zuläige Augangbailöung nah der erten Iteration: ( A 3 A 4 ) ( ) ( 7 ) ( ) ( ) 8{ 5 ~ r a 4..4 Pro. Dr. Mihal Fendek Folie Nr.:6

Löung der linearen Prograierungproblee: Da Sipleverahren. Iteration Tab. ( ) 8 5 b 8 / 7/ / -3/ / r -8 8 Zuläige ailöung nah der zweiten Iteration: ( A A4 ) ( ) ( 7 / / ) ( ) 8 ( ) { 8 r a 4..4 Pro. Dr. Mihal Fendek Folie Nr.:7

Löung der linearen Prograierungproblee: Da Sipleverahren 3. Iteration Tab.3 ( ) 8 5 b 8-3 5-3 r - - 9 Eindeutige optiale ailöung nah der dritten Iteration: ( A A ) * ( ) ( 3 ) ( * *) 9 4..4 Pro. Dr. Mihal Fendek Folie Nr.:8

Löung der linearen Prograierungproblee: Da Sipleverahren eipiel ( U.. ) 3 + + a 4 Graphihe Dartellung der Löung 6 () 4 D - 4..4 Pro. Dr. Mihal Fendek Folie Nr.:9

Löung der linearen Prograierungproblee: Da Sipleverahren Löung Tab. ( ) 3 b - 4 r 3 A b 4 T ( 3) Zuläige Augangbailöung nah der erten Iteration: ( A 3 A 4 ) ( ) ( 4 ) ( ) ( ) 3{ ~ r a 4..4 Pro. Dr. Mihal Fendek Folie Nr.:3

Löung der linearen Prograierungproblee: Da Sipleverahren Tab. ( ) 3 b 3-4 4-4 r 8-3 Zuläige Augangbailöung nah der zweiten Iteration: ( A A 4 ) ( ) ( 4 4) ( ) ( ) ( 8 3 ) ~ r 4..4 Pro. Dr. Mihal Fendek Folie Nr.:3

Löung der linearen Prograierungproblee: Da Sipleverahren Tab.3 ( ) 3 b 3 / 6 -/ /4 r - Zuläige Augangbailöung nah der erten Iteration: ( A A) ( ) ( 6 ) ( ) ( ) { ~ r a Wert der Zielunktion it unbegrenzt!!! Unbehränkte Löung: U U ( ) + t + 3 6 + t ; + t 6 t ; t 4..4 Pro. Dr. Mihal Fendek Folie Nr.:3

Löung der linearen Prograierungproblee: Da Sipleverahren eipiel 3 ( U.. ) 5 + + 4 + a 4 8 Graphihe Dartellung der Löung * (5) (* ) (* ) () 4 D * (4) () 4 4..4 Pro. Dr. Mihal Fendek Folie Nr.:33

Löung der linearen Prograierungproblee: Da Sipleverahren Löung Tab. ( ) 5 b 4 4-8 r 5 A 4 b 4 8 T ( 5 ) Zuläige Augangbailöung nah der erten Iteration: ( A 3 A 4 ) ( ) ( 4 ) ( ) ( ) 5{ ~ r a 4..4 Pro. Dr. Mihal Fendek Folie Nr.:34

Löung der linearen Prograierungproblee: Da Sipleverahren Tab. ( ) 5 b 5 /5 / 4 8/5 / r -/ Erte alternative ailöung nah der zweiten Iteration Mehrdeutige Optiallöung: ( A A4 ) ( ) ( 4 ) ( ) ( ) { / OL r 4..4 Pro. Dr. Mihal Fendek Folie Nr.:35

Löung der linearen Prograierungproblee: Da Sipleverahren Tab. ( ) 5 b 5 / -/6 /4 5/ 5 r -/ Zweite alternative ailöung nah der dritten Iteration Mehrdeutige Optiallöung: ( A A ) ( ) ( 5 ) ( ) ( ) / { OL r Alle alternative Optiallöungen * * * λ + ( λ) λ( 4 ) + ( λ)( 5) ( + λ 5 λ) ( ) ( 5 )( ) 4..4 Pro. Dr. Mihal Fendek Folie Nr.:36