ingenieurkurse
online lernen

Besser lernen mit Online-Kursen

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

Umformung in die Standardform

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 die in den vorherigen beiden Abschnitten aufgeführten Simplexalgorithmen wird die Standardform benötigt. In diesem Abschnitt wird aufgezeigt, wie man ein gegebenes Optimierungsproblem in Standardform umformen kann. 

Es existieren vier mögliche Gründe für die Abweichung von der Standardform

  1. Variablen ohne Nichtnegativitätsbedingung,

  2. Gleichheitsbedingungen statt Ungleichheitsbedingungen und

  3. Größer/gleich-Ungleichungen statt Kleiner/gleich-Ungleichungen.

Die Umformung kann wie folgt durchgeführt werden:

Methode

Umformung in Standardform:

  1. Ersetzen von $x_j$, welche keiner Nichtnegativitätsbedingung unterliegt, durch $x_j^+ \ge $ und $x_j^- \ge $, wobei gilt $x_j = x_j^+ - x_j^-$.

  2. Eine Gleichung $a_{i1}x_1 + ... + a_{in} x_n = b_i$ kann durch zwei Ungleichungen ersetzt werden
    $a_{i1}x_1 + ... + a_{in} x_n \le b_i$ und $-a_{i1}x_1 - ... - a_{in} x_n \le -b_i$.

  3. Aus einer $\ge$-Ungleichung wird eine $\le$-Ungleichung durch Multiplikation der gesamten Ungleichung mit $-1$.


Im Folgenden werden die einzelnen Schritte anhand eines Beispiels ausführlich aufgezeigt.

Anwendungsbeispiel: Umformung in Standardform

Beispiel

Gegeben sei das folgende lineare Optimierungsproblem:

$f(x_1, x_2) = 5x_1 + 10 x_2 $    $\rightarrow$  max!

u.d.N

$x_1 +  x_2 = 8$

$x_1 - 2 x_2 \le 4$

$x_1 \ge 0$

Geben Sie das lineare Optimierungsproblem in Standardform an!

Mittels der oben angegeben Operationen kann nun das lineare Optimierungsproblem in die Standardform überführt werden. 


1. Aus einer Gleichung zwei Ungleichungen machen (siehe Schritt 2):

$x_1 +  x_2 \le 8$

$-x_1 -  x_2 \le -8$

2. Die Gleichung $x_1 - 2 x_2 \le 4$ ist bereits in Standardform gegeben, bleibt also bestehen.

3. Für $x_2$ ist keine Nichtnegativitätsbedingung gegeben, d.h. es müssen zwei neue Variablen eingeführt werden (siehe Schritt 1):

$x_2^+ \ge 0$  und   $x_2^- \ge 0$


Für diese Variablen gilt:

$x_2 = x_2^+ - x_2^-$

Merke

Es ist natürlich auch möglich statt der Variablen $x_2^+$ und $x_2^-$ die Variablen $x_3$ und $x_4$ oder auch $x_2$ und $x_3$ einzuführen. Dann gilt:

$x_2 = x_3 - x_4$   bzw.  $x_2 = x_2 - x_3$

und wird dann eingesetzt. 

Es muss nun überall für $x_2 = x_2^+ - x_2^-$ eingesetzt werden:

$f(x_1, x_2) = 5x_1  + 10 x_2^+ - 10x_2^- $    $\rightarrow$  max!

u.d.N

$x_1 +  x_2^+ - x_2^- \le 8$

$-x_1 -  x_2^+ + x_2^- \le -8$

$x_1 - 2 x_2^+ + 2x_2^- \le 4$

$x_1, x_2^+, x_2^- \ge 0$

Die Standardform ist nun gegeben. Das grafische Lösungsverfahren kann hier nicht angewandt werden, weil statt zwei nun drei Entscheidungsvariablen gegeben sind.

Merke

Vorschau: Zur Lösung dieses Optimierungsproblems kann der duale Simplexalgoritmus oder die Big-M-Methode angewandt werden. Der primale Simplexalgorithmus kann hier nicht angewandt werden, da negative Werte auf der rechten Seite vorhanden sind. Die hier genannten Verfahren werden in den nachfolgenden Abschnitten ausführlich erläutert.

Video: Umformung in die Standardform

Es ist immer sinnvoll ein Optimierungsproblem in Standardform (Maximierungsproblem, kleiner/gleich Ungleichungen, Nichtnegativitätsbedingung) vorliegen zu haben. Für die nachfolgende ganzzahlige Optimierung sollte das Optimierungsmodell in Standardform vorliegen.

Video: Umformung in die Standardform

Es ist immer sinnvoll ein Optimierungsproblem in Standardform (Maximierungsproblem, kleiner/gleich Ungleichungen, Nichtnegativitätsbedingung) vorliegen zu haben. Für die nachfolgende ganzzahlige Optimierung sollte das Optimierungsmodell in Standardform vorliegen.
Lückentext
Bitte die Lücken im Text sinnvoll ausfüllen.
Bei der Umformung in die Standardform, wird eine zu minimierende Zielfunktion in eine zu maximierende Zielfunktion überführt, indem diese mit -1 wird.
0/0
Lösen

Hinweis:

Bitte füllen Sie alle Lücken im Text aus. Möglicherweise sind mehrere Lösungen für eine Lücke möglich. In diesem Fall tragen Sie bitte nur eine Lösung ein.

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