ingenieurkurse
online lernen

Besser lernen mit Online-Kursen

NEU! Jetzt online lernen:
Operations Research 2
Den Kurs kaufen für:
einmalig 39,00 €
Zur Kasse
Ganzzahlige Optimierung > Branch-and-Bound-Verfahren > Branch-and-Bound: Minimierungsprobleme > Branch-and-Bound am Minimierungsproblem (optimale Lösung):

Beispiel: Branch and Bound am Minimierungsproblem (optimale Lösung) 3

WebinarTerminankündigung:
 Am 20.12.2016 (ab 16:00 Uhr) findet unser nächstes Webinar statt.
Gratis-Webinar (Operations Research) Primaler Simplexalgorithmus
- Das 60-minütige Gratis-Webinar behandelt den primalen Simplexalgorithmus.
[weitere Informationen] [Terminübersicht]

Für das grafische Verfahren wird das Ausgangsproblem herangezogen:

$f(x_1, x_2) = 2x_1 +  x_2$    $\rightarrow$   min!

u.d.N.

(1) $4x_1 +4 x_2 \ge 10 $   

(2) $2x_1 +11 x_2 \ge 11$    

(3) $-4x_1 + 2x_2  \le 1$


$x_1, x_2 \ge 0$    und ganzzahlig


Die Grafik für das Ausgangsproblem ergibt sich wie folgt:

Branch and bound Minimierungsproblem

In der obigen Grafik sind die Restriktionen (1) bis (3) eingezeichnet. Die Pfeile geben an, in welche Richtung die Restriktionen gelten. Die Restriktion (1) gilt nach oben (da $\ge$) sowie auch die Restriktion (2). Die Restriktion (3) hingegen gilt nach unten ($\le$). Der zulässige Bereich ist mit den grünen Linien gekennzeichnet. Die rote gestrichelte Linie ist die Zielfunktionsgerade, welche parallel zu sich selbst nach unten verschoben werden muss (Minimierungsproblem) bis diese gerade noch im zulässigen Bereich liegt. Der Punkt $(0,67/1,83)$ ist die optimale Lösung unter Vernachlässigung der Ganzzahligkeitsbedingung. 

Es wird nun als nächstes das Teilproblem $P_1$ betrachtet und mittels der Grafik die optimale Lösung für das angepasste Teilproblem $P'_2$ bestimmt:

Branch-and-Bound optimale Lösung Minimierungsproblem

Es ist nun zusätzlich die Restriktion $x_2 \ge 2$ eingefügt worden. Der zulässige Bereich verschiebt sich dadurch weiter nach oben. Die optimale Lösung ist dann:

$x_1 = 0,75$ und $x_2 = 2$ mit dem Zielfunktionswert:

$\underline{F}_2 = 3,5$

Es handelt sich hier um eine nichtganzzahlige Lösung und demnach keine zulässige Lösung. Auch das Problem muss weiter verzweigt werden. Das Teilproblem mit dem kleineren Zielfunktionswert wird dabei als erstes verzweigt. Es wird demnach das Problem $P_2$ mit $\underline{F}_2 = 3,5$ begonnen:

Branch-and-Bound optimale Lösung Minimierungsproblem

Für die Verzweigung $P_3$ und $P_4$ wird die Grafik herangezogen. Für beide Teilprobleme muss die Restriktion $P_2$ beibehalten werden. Wird die Simplexmethode verwendet, so muss beim angepassten Optimierungsproblem ebenfalls die Bedingung für $P_2$ beibehalten werden. Der zulässige Bereich wird dadurch weiter eingegrenzt:

Branch-and-Bound optimale Lösung Minimierungsproblem

Das angepasste Problem $P'_3$ führt zu keiner zulässigen Lösung. Durch die zusätzliche Bedingung $x_1 \le 0$ müsste sich der optimale Punkt auf der $y$-Achse befinden. Durch die Restriktion (3) allerdings ist dies nicht möglich. Demnach existiert keine zulässige Lösung und der Fall c ist gegeben. Das Teilproblem $P_3$ muss nicht weiter beachtet werden. 

Branch-and-Bound optimale Lösung Minimierungsproblem

Die optimale Lösung des angepassten Teilproblems $P'_4$ ergibt den optimalen Punkt $(1/2)$. Es ergibt sich demnach:

$x_1 = 1$ und $x_2 = 2$ mit dem Zielfunktionswert:

$\underline{F}_4 = 4$. 

Da es sich hierbei um eine ganzzahlige Lösung handelt ist diese zulässig für das Ausgangsproblem. Diese Lösung ist außerdem kleiner als die obere Schranke $\overline{F} = \infty$. Deswegen wird dieser Zielfunktionswert als neue obere Schranke gewählt:

$\overline{F}_4 = 4$.

Alle weiteren zulässigen ganzzahligen Lösungen die ermittelt werden müssen nun mit dieser oberen Schranke verglichen werden. Liegt ein zulässiger Zielfunktionswert über dieser Schranke, so tritt der Fall a ein und das Problem muss nicht weiter beachtet werden. Ziel ist die Suche nach einem kleineren Zeilfunktionswert als $\overline{F}_4 = 4$. Wird ein kleinerer zulässiger Zielfunktionswert gefunden, so tritt Fall b ein und dieser wird als neue obere Schranke gewählt. 

Das Teilproblem $P_4$ ist demnach ebenfalls nicht weiter zu verzweigen.

Es wird das Teilproblem $P_1$ weiter verzweigt.

Es wird im weiteren der gesamte Baum angezeigt. Die optimalen Lösungen können dabei entweder durch den Simplexalgorithmus oder durch das grafische Verfahren unter Berücksichtigung der Nebenbedingungen der Teilprobleme bestimmt werden. Dabei dürfen die Nebenbedingungen der übergeordneten Teilprobleme nicht vergessen werden:

Branch-and-Bound optimale Lösung Minimierungsproblem

Es werden in dem obigen Baum nun die Fälle b betrachtet. Von diesem wird der kleinste Wert ausgewählt. Da nur ein Fall b existiert, ist die beste Lösung gegeben bei $P_4$. 

Methode

Nach diesem Verfahren wird nur verzweigt, wenn eine nichtganzzahlige optimale Lösung resultiert. Ansonsten liegen die Fälle a, b oder c vor und das Teilproblem muss nicht weiter beachtet werden. Fall a liegt vor, wenn die zulässige ganzzahlige Lösung größer ausfällt als die obere Schranke. Fall b tritt ein, wenn die zulässige ganzzahlige Lösung kleiner ausfällt als die obere Schranke. Dieser Zielfunktionswert wird dann zur neuen oberen Schranke. Fall c tritt ein, wenn keine zulässige Lösung ermittelt werden kann.

Vorstellung des Online-Kurses Operations Research 2Operations Research 2
Dieser Inhalt ist Bestandteil des Online-Kurses

Operations Research 2

Ingenieurkurse (ingenieurkurse.de)
Diese Themen werden im Kurs behandelt:

[Bitte auf Kapitelüberschriften klicken, um Unterthemen anzuzeigen]

  • Operations Research 2: Überblick
    • Einleitung zu Operations Research 2: Überblick
  • Grundlagen des Operations Research 1
    • Einleitung zu Grundlagen des Operations Research 1
    • Definition: Lineares Programm
    • Standardform: Maximierungsproblem
      • Einleitung zu Standardform: Maximierungsproblem
      • Grafische Lösung des Maximierungsproblems
    • Primaler Simplexalgorithmus
      • Einleitung zu Primaler Simplexalgorithmus
      • Lösung des Maximierungsproblems mittels primalen Simplexalgorithmus
    • Dualer Simplexalgorithmus
    • Umformung in die Standardform
    • Umformung in die Normalform
  • Ganzzahlige Optimierung
    • Einleitung zu Ganzzahlige Optimierung
    • Grafisches Verfahren
    • Verfahren von Gomory
      • Einleitung zu Verfahren von Gomory
      • Beispiel: Verfahren von Gomory
    • Branch-and-Bound-Verfahren
      • Einleitung zu Branch-and-Bound-Verfahren
      • Branch-and-Bound: Maximierungsprobleme
        • Einleitung zu Branch-and-Bound: Maximierungsprobleme
        • Branch-and-Bound am Maximierungsproblem
          • Einleitung zu Branch-and-Bound am Maximierungsproblem
          • Festlegung der oberen/unteren Schranke, Prioritätenfestlegung
          • Entscheidungsbaum für das Maximierungsproblem
          • Beispiel: Branch and Bound am Maximierungsproblem
        • Branch-and-Bound am Maximierungsproblem (optimale Lösung)
          • Einleitung zu Branch-and-Bound am Maximierungsproblem (optimale Lösung)
          • Beispiel: Branch and Bound am Maximierungsproblem (optimale Lösung)
      • Branch-and-Bound: Minimierungsprobleme
        • Einleitung zu Branch-and-Bound: Minimierungsprobleme
        • Branch-and-Bound am Minimierungsproblem
          • Einleitung zu Branch-and-Bound am Minimierungsproblem
          • Festlegung der unteren/oberen Schranke, Prioritätenfestlegung
          • Entscheidungsbaum für das Minimierungsproblem
          • Beispiel: Branch and Bound am Minimierungsproblem
        • Branch-and-Bound am Minimierungsproblem (optimale Lösung)
          • Einleitung zu Branch-and-Bound am Minimierungsproblem (optimale Lösung)
          • Beispiel: Branch and Bound am Minimierungsproblem (optimale Lösung) 1
          • Beispiel: Branch and Bound am Minimierungsproblem (optimale Lösung) 2
          • Beispiel: Branch and Bound am Minimierungsproblem (optimale Lösung) 3
      • Branch-and-Bound: Knapsack-Problem
      • Branch-and-Bound: Knapsack-Problem (Alternative)
    • Verfahren der vorsichtigen Annäherung
  • Kombinatorische Optimierung
    • Einleitung zu Kombinatorische Optimierung
    • Traveling-Salesman-Problem
      • Einleitung zu Traveling-Salesman-Problem
      • Vollständige Enumeration
        • Einleitung zu Vollständige Enumeration
        • Beispiel: Vollständige Enumeration (Reduktion der Matrix)
        • Beispiel: Vollständige Enumeration (Anwendung des Verfahrens)
      • Heuristische Verfahren
        • Einleitung zu Heuristische Verfahren
        • Verfahren des besten Nachfolgers
          • Einleitung zu Verfahren des besten Nachfolgers
          • Verfahren des besten Nachfolgers (Ausgangsmatrix)
          • Verfahren des besten Nachfolgers (reduzierte Matrix)
        • Verfahren der sukzessiven Einbeziehung von Stationen
          • Einleitung zu Verfahren der sukzessiven Einbeziehung von Stationen
          • Einbeziehung von Stationen (Ausgangsmatrix)
      • Entscheidungsbaumverfahren
        • Einleitung zu Entscheidungsbaumverfahren
        • Begrenzte Enumeration
        • Branch-and-Bound Verfahren am Traveling-Salesman-Problem
          • Einleitung zu Branch-and-Bound Verfahren am Traveling-Salesman-Problem
          • Branch-and-Bound (TSP): 1. Iteration
          • Branch-and-Bound (TSP): Weitere Iterationen
    • Fertigungsablaufplanung
      • Einleitung zu Fertigungsablaufplanung
      • Flow-Shop-Probleme
      • Johnson-Algorithmus
  • Nichtlineare Optimierung
    • Grundlagen der nichtlinearen Optimierung
      • Einleitung zu Grundlagen der nichtlinearen Optimierung
      • Konkave und konvexe Funktionen
        • Einleitung zu Konkave und konvexe Funktionen
        • Beispiel: Nachweis konvexer/konkaver Funktionen auf direktem Weg
        • Beispiel: Nachweis konvexer/konkaver Funktionen über Differenzierbarkeit
    • Nichtlineare Optimierung unter Nebenbedingungen
      • Einleitung zu Nichtlineare Optimierung unter Nebenbedingungen
      • Methode der zulässigen Richtung
        • Einleitung zu Methode der zulässigen Richtung
        • Beispiel: Methode der zulässigen Richtungen (1. Iteration)
        • Beispiel: Methode der zulässigen Richtungen (2. Iteration)
        • Beispiel: Methode der zulässigen Richtungen (3. Iteration)
  • 61
  • 7
  • 25
  • 64
einmalig 39,00
umsatzsteuerbefreit gem. § 4 Nr. 21 a bb) UStG
Online-Kurs Top AngebotTrusted Shop

Unsere Nutzer sagen:

  • Phillipp Grünewald

    Phillipp Grünewald

    "ingenieurkurse.de hat mir besonders bei den Mathe-Themen geholfen. Super Erklärungen!"
  • Martina Pfeiffer

    Martina Pfeiffer

    "Klasse für den Einstieg ins Ingenieurstudium."
  • Marcel Eberhardt

    Marcel Eberhardt

    "Ich mache mir dank euch keine Sorgen für die Prüfungen. Danke!"

NEU! Sichere dir jetzt die perfekte Prüfungsvorbereitung und spare 10% bei deiner Kursbuchung!

10% Coupon: lernen10

Zu den Online-Kursen