ingenieurkurse
online lernen

Besser lernen mit Online-Kursen

NEU! Jetzt online lernen:
Operations Research 2
Den Kurs kaufen für:
einmalig 39,00 €
Zur Kasse

Standardform: Maximierungsproblem

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]

Im vorangegangenen Abschnitt ist zunächst das allgemeine lineare Programm aufgestellt worden. Hierbei sind alle Nebenbedingungen (mit Ungleichungen $\le$, $\ge$ sowie ohne Ungleichungen $=$) berücksichtigt worden. Bei der Lösung von linearen Optimierungsmodellen, muss dieses allerdings in Standardform gegegeben sein. Von der Standardform ist die Rede, wenn ein Maximierungsproblem vorliegt (Maximierung der Zielfunktion), die Nebenbedingungen die Ungleichungen $\le$ enthalten und die Nichtnegativitätsbedingung gegeben ist.

Ein lineares Programm in Standardform ist die Maximierung einer linearen Funktion:

Methode

             maximiere    $f(x_1, x_2, ... , x_n) = c x_1 + c x_2 + ... c x_n = \sum_{j = 1}^n c_j x_j$ 

u.d.N (unter den Nebenbedingungen)

$a_{ij} x_j + ... + a_{in} x_n \le b_i$                 $i = 1, ..., m$  und   $j = 1, ..., n$

$x_i \ge 0$                          $j = 1, ..., n$



Mittels Matrixschreibweise lässt sich die Standardform kompakter schreiben zu:

Methode

            maximiere $f(x) = c^Tx$

u.d.N.


$Ax \le b$

$x \ge 0$    

Diese Standardform wird z.B. für die graphische Lösung des linearen Optimierungsproblems benötigt.

Merke

Die Standardform ist gegeben, wenn

- ein Maximierungsproblem,

- kleiner/gleich-Nebenbedingungen und

- die Nichtnegativitästbedingungen für alle Variablen vorliegen.

Anwendungsbeispiel: Maximierungsproblem

Beispiel

Ein Unternehmen produziert und verkauft an die örtlichen Eisdielen zwei Sorten Eis: Vanille ($x_1$) und Schokolade ($x_2$). Die variablen Kosten betragen für $x_1 = 20 €/kg$ und für $x_2 = 30 €/kg$. Der Verkaufspreis beträgt für $x_1 = 50 €/kg$ und für $x_2 = 70 € / kg$. Es können pro Stunde auf der Maschine insgesamt 15 kg Eis hergestellt werden. Der Energieaufwand beträgt für $x_1 = 1 kWh/kg$ und für $x_2 = 2 kWh/kg$. Insgesamt stehen pro Stunde 27 kWh zur Verfügung. Es können am Markt von $x_1 = 8 kg$ und von $x_2 = 10 kg$ abgesetzt werden.

Der Deckungsbeitrag des Unternehmens soll maximiert werden!

Stellen Sie das lineare Optimierungsproblem auf!

Das lineare Maximierungsproblem wird nun unter Beachtung der Nebenbedingungen (Restriktionen) aufgestellt. Die Zielfunktion entspricht der Deckungsbeitragsfunktion und soll maximiert werden:

Deckungsbeirtag:   $f(x_1, x_2) = (50 - 20)x_1 + (70 - 30) x_2$ 


Maximierungsproblem:


$f(x_1, x_2) = 30 x_1 + 40 x_2$    $\rightarrow$   max!

u.d.N.

$x_1 + x_2 \le 15 $            Maschinenrestriktion

$x_1 + 2 x_2 \le 27$         Energierestriktion

$x_1 \le 8$                       Absatzrestriktion 1

$x_2 \le 10$                     Absatzrestrinktion 2


$x_1, x_2 \ge 0$  

Das obige Optimierungsproblem ist in der Standardform gegeben. Die Entscheidungsvariablen $x_1$ und $x_2$ seien die stündlich herzustellenden Mengen in Kilogramm. Das Problem kann nun z.B. grafisch gelöst werden. Grafische Lösungen sind nur bei zwei Entscheidungsvariablen möglich. Die grafische Lösung des Maximierungsproblems wird im folgenden Abschnitt erläutert.

Multiple-Choice
Welches der folgenden linearen Optimierungsprobleme liegt in Standardform vor?
0/0
Lösen

Hinweis:

Bitte kreuzen Sie die richtigen Aussagen an. Es können auch mehrere Aussagen richtig oder alle falsch sein. Nur wenn alle richtigen Aussagen angekreuzt und alle falschen Aussagen nicht angekreuzt wurden, ist die Aufgabe erfolgreich gelöst.

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