ingenieurkurse
online lernen

Besser lernen mit Online-Kursen

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

Methode der zulässigen Richtung

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]

In diesem Abschnitt wird die Methode der zulässigen Richtungen für nichtlineare Minimierungsprobleme unter Ungleichungsrestriktionen aufgezeigt.

Methode

Voraussetzung für die Anwendung der Methode der zulässigen Richtungen

  • $f(x) \rightarrow$  max!

  • $Ax \le b$  $b \in \mathbb{R}^n$

Es werden nun im Folgenden die notwendigen Definitionen für die Anwendung des Verfahrens aufgeführt und erläuertet.

Definitionen

Zulässiger Bereich:

$K = \{x | Ax \le b \}$

Menge aktiver Indizes:

$I(x) = \{i | a_ix = b_i \}$


Menge zulässiger Richtungen:

$S(x) = \{s | a_i s \le 0 \} \forall \; i \in I(x)$

Lokal beste Richtung:

$s \in S(x)$ (in Richtung des Gradienten)

Vorgehensweise

Die obigen Definitionen sind aufgeführt worden, um das im folgenden beschriebene Vorgehen zu verstehen. Es muss zu Beginn das nichtlineare Optimierungsproblem in der obigen Form vorliegen. Liegt es nicht in dieser Form vor, so muss es in die Form überführt werden. Dabei kann man sich dem Abschnitt Umformung in die Standardform bedienen. Ist eine Nichtnegativitätsbedingung im Ausgangsproblem gegeben, so wird auch diese in der Form $-x_j \le 0$ geschrieben. Nachdem das nichtlineare Optimierungsproblem in der obigen Form (Maximierungsproblem, $\le$-Nebenbedingungen) vorliegt, werden die folgenden Schritte angewandt:

1. Schritt: Es wird zunächst eine Startlösung bestimmt. Diese muss innerhalb des zulässigen Bereichs $K$ liegen. Die Startlösung $x$ (zulässige Lösung) ist entweder vorgegeben oder wird beliebig bestimmt. Ob die gewählte Startlösung im zulässigen Bereich liegt, kann man überprüfen, indem diese in die Nebenbedingungen eingegeben wird. Werden diese nicht verletzt, so ist die Startlösung zulässig. 

2. Schritt: Es werden als nächstes die aktiven Indizes $I(x)$ bestimmt. Diese werden bestimmt, indem die zulässige Lösung $x$ in die Nebenbedingungen eingesetzt wird. Wird eine Nebenbedingung zur Gleichung, so ist diese Nebenbedingung ein aktives Indizee. Dieses Vorgehen wird für alle Nebenbedingungen durchgeführt.

3. Schritt: Es wird der Gradient der Zielfunktion $\frac{\partial f(x)}{\partial x}$ gebildet und die zulässige Lösung $x$ eingesetzt. Das Ergebnis stellt die zu maximierende Zielfunktion des Ersatzproblems dar, wobei $x_j := s_j$.

Merke

Das Verfahren wird hier beendet, wenn $\frac{\partial f(x)}{\partial x} = 0$. Dann ist die vorher bestimmte Lösung $x$ die optimale Lösung.


4. Schritt:
Das Ersatzproblem wird aufgestellt und gelöst. Die Aufstellung wird wie folgt vorgenommen:

$\frac{\partial f(x)}{\partial x} \cdot s$   max!

u.d.N.

$a_i \cdot s \le 0$     $i \in I(x)$

$\frac{\partial f(x)}{\partial x} \cdot s \le 1$.

Das Ersatzproblem wird mittels Simplex-Verfahren gelöst. Hierbei muss aber die Standardform vorliegen (Maximierungsproblem, $\le$-Nebenbedingung, Nichtnegativitätsbedingung für alle Variablen). Liegt für eine Variable keine Nichtnegativitätsbedingung vor, so muss diese ersetzt werden durch (siehe: Umformung in die Standardform):

$s_j = s_j' - s_j''$  mit  $s_j', s_j'' \ge 0$

Nach Anwendung des Simplex-Verfahrens, wird dann wieder rücksubstituiert. 

Es ergibt sich dann die optimale Lösung des Ersatzproblems mit $s^*$.

Merke

Die Werte werden dann in die Zielfunktion des Ersatzproblems eingesetzt, bei $\frac{\partial f(x)}{\partial x} \cdot s^* \le 0$ wird das Verfahren beendet, da keine Anstiegsrichtung existiert. 


5. Schritt:
Es wird als nächstes bestimmt, wie weit man gehen kann ohne den zulässigen Bereich $K$ zu verlassen. Dies geschieht mit $\mu'$.

Methode

$\mu' = \min_{i \neq I(x), a_is > 0} \{ \frac{b_i - a_i x}{a_i \cdot s} \}$

Hier werden nur diejenigen Nebenbedingungen betrachtet, die nicht aktive Indizes darstellen.

6.Schritt: Danach wird bestimmt, wie weit man gehen kann, ohne die Zielfunktion zu verschlechtern. Dies geschieht mit $\mu''$. Zunächst wird berechnet:

Methode

$x = x + \mu'' \cdot s$

Einsetzen der Vektoren $x$ und $s$ und danach in die Zielfunktion $f(x) = f(x + \mu'' \cdot s)$. Danach wird diese abgleitet nach $\mu''$ und aufgelöst nach $\mu''$.

7. Schritt: Bestimmung des Minimums aus Schritt 4 und 5:

Methode

$\mu = \min \{\mu', \mu'' \}$


8. Schritt
: Berechnung der neuen zulässigen Lösung durch:

Methode

$x = x + \mu \cdot s$


Die Schritte 2-8 wird solange wiederholt bis bei Lösung des Ersatzproblems $s = (0,0)$ eintritt. 

Für das bessere Verständnis wird in den folgenden Abschnitten ein Bespiel aufgeführt, um die Anwendung des Verfahrens aufzuzeigen.

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