In diesem Abschnitt soll jetzt ein lineares Optimierungsproblem gegeben sein, bei welchem eine Vielzahl an Variablen vorliegen, die obere Schranken aufweisen. Hier ist es ratsam nach dem Verfahren der oberen Schranken vorzugehen (siehe Abschnitt: Obere Schranken).
Gegeben sei das folgende Optimierungsproblem:
u.d.N.
Das obige lineare Optimierungsproblem ist in Standardform gegeben. Die Werte der rechten Seite sind alle positiv (kanonische Form). Es kann demnach das aus dem Abschnitt Obere Schranken gezeigte Verfahren angewandt werden, um die optimale Lösung zu bestimmen. Es ist auch möglich das primale Simplexverfahren durchzuführen. Die Anzahl der Nebenbedingungen beträgt dann aber 6 und die Bestimmung der optimalen Lösung ist sehr rechenaufwendig. Es wird im weiteren das Verfahren der oberen Schranken angewandt.
Zunächst muss das Optimierungsprroblem in Normalform überführt werden. Dazu werden die Schlupfvariablen eingefügt. Die oberen Schranken bleiben hierbei bestehen:
u.d.N.
Eintragen in das Simplextableau ergibt:
Mittels der Iterationschritte für obere Schranken besitzt das Tableau nur 2 Nebenbedingungen. Die Berechnung wird wie folgt durchgeführt:
1. Schritt. Wahl der Pivotspalte. Kleinster negativer Wert in der Zielfunktionszeile. Hier
2. Schritt: Wahl der Pivotzeile. Es wird
Bestimmung von
Es gilt der Fall:
Es wird nun die gesamte Spalte ersetzt durch
u.d.N.
Auflösen der Klammern und bei den Nebenbedingungen die Werte ohne Variablen auf die rechte Seite bringen:
u.d.N.
Eintragen in das Tableau:
Der Zielfunktionswert von
Es wird nun wieder von vorne begonnen.
1. Schritt: Wahl der Pivotspalte. Der kleinste negative Wert ist
2. Schritt: Wahl der Pivotzeile. Bestimmung von
Bestimmung von
Es gilt der Fall:
:
Es wird nun die Basisvariable betrachtet, für die
Der Zielfunktionswert ist berechnet worden durch:
1. Schritt: Wahl der Pivotspalte. Es existieren zwei kleinste Werte. Es kann einer beliebig gewählt werden. Es wird der Wert
2. Schritt: Wahl der Pivotzeile. Es werden
Es wird
Es gelten nun zwei Fälle. Gewählt wird der Fall 2.
Es wird nun für die Basisvariable
ZF:
NB:
Einsetzen von
ZF:
NB:
Zusammenfassen:
ZF:
NB:
Einfügen in das Tableau:
Es ist deutlich zu erkennen, dass sich nur die Spalte verändert hat, in der sich vorher
1. Schritt: Wahl der Pivotspalte. Es existiert noch ein negativer Wert in der Zielfunktionszeile:
2. Schritt: Wahl der Pivotspalte. Bestimmung von
Bestimmung von
Es gilt der Fall:
:
Es wird nun die Basisvariable für die
Es liegt die Optimallösung vor, da keine negative Werte mehr in der Zielfunktionszeile gegeben sind. Die Optimallösung beträgt:
Methode
Das Problem kann auch mittels primalen Simplex gelöst werden. Dann aber werden die oberen Schranken mit als Nebenbedingungen berücksichtigt. Es ergeben sich dann statt 2 ingesamt 6 Schlupfvariablen:
Es kann hier der primale Simplexalgorithmus angewandt werden. Am Ende resultiert das selbe Ergebnis. Es ist aber auch deutlich zu erkennen, dass durch die Anzahl der Nebenbedingungen ein hoher Rechenaufwand gegeben ist. Nach 4 Iterationen ist die optimale Lösung gegeben.
Weitere interessante Inhalte zum Thema
-
Einordnung der Produktentwicklung im Unternehmen
Vielleicht ist für Sie auch das Thema Einordnung der Produktentwicklung im Unternehmen (Methodisches Entwickeln) aus unserem Online-Kurs Methodische Produktentwicklung interessant.
-
Verfahren von Gomory
Vielleicht ist für Sie auch das Thema Verfahren von Gomory (Ganzzahlige Optimierung) aus unserem Online-Kurs Operations Research 2 interessant.