ingenieurkurse
online lernen

Besser lernen mit Online-Kursen

NEU! Jetzt online lernen:
Operations Research 1
Den Kurs kaufen für:
einmalig 39,00 €
Zur Kasse

Sensitivitätsanalyse

WebinarTerminankündigung aus unserem Online-Kurs Thermodynamik:
 Am 13.12.2016 (ab 16:00 Uhr) findet unser nächstes Webinar statt.
Gratis-Webinar (Thermodynamik) Innere Energie, Wärme, Arbeit
- Innerhalb dieses 60-minütigen Webinares wird der 1. Hauptsatz der Thermodynamik für geschlossene Systeme behandelt und auf die innere Energie, Wärme und Arbeit eingegangen.
[weitere Informationen] [Terminübersicht]

Unter der Sensitivitätsanalyse versteht man im Allgemeinen die Variation von Größen des linearen Optimierungsproblems, um die Wirkung einer solchen Modifikation auf die Lösung des linearen Problems zu untersuchen. Bei der hier verwendeten Sensitivitätsanalyse wird immer eine Größe unter Konstanthaltung aller anderen Größen geändert, um herauszufinden, wie sich diese Änderung auf die Optimallösung des Problems auswirkt.

In welchem Bereich können die Koeffizienten variiert werden, ohne dass die optimale Lösung ihre Optimalitätseigenschaft verliert?

Merke

Die Optimalitätseigenschaft bleibt erhalten, wenn bei Variation der Koeffizienten die Optimallösung im Endtableau nicht verändert wird.

Das bedeutet also, dass die Optimallösung dann ihre Optimalitätseigenschaft verliert, wenn es notwendig ist einen weiteren Simplexschritt durchzuführen, um wieder zur Optimallösung zu gelangen, wenn diese bei der vorgenommenen Änderung nicht mehr vorliegt.

Die zu variierenden Größen sind vor allem die Koeffizienten der rechten Seite sowie die Koeffizienten der Zielfunktion. Aber auch die Koeffizienten der Nebenbedingungen können variiert werden. Allerdings unterscheiden sich die Koeffizienten der Nebenbedingungen von den Koffizienten der rechten Seite und der Zielfunktion dadurch, dass sie innerhalb des Tableaus bewegt werden. Hingegen werden die Koeffizienten der rechten Seite und der Zielfunktion nicht bewegt. Das bedeutet also, dass die Sensitivitätsanalyse für die Koeffizienten der Nebenbedingungen komplizierter ist, da während der Simplexschritte die Variablen von der Basis in die Nichtbasis wechseln.

Im Weiteren werden für die Sensitivitätsanalyse die Koeffizienten der rechten Seite und der Zielfunktion herangezogen. Es soll gezeigt werden, dass es möglich ist diese Koeffizienten zu variieren, ohne dass die Lösung des Problems seine Optimalitätseigenschaft verliert. Für die Anwendung der Sensitivitätsanalyse wird immer das Ausgangstableau und das Endtableau (Optimaltableau) benötigt. 

Es sei das folgende lineare Optimierungsproblem gegeben:

$f(x_1, x_2, x_3) = -400x_1 + 780x_2 + 1.250 x_3 $   $\rightarrow $ max!


u.d.N.

$32 x_1 + 42 x_2 + 20 x_3 \le 1.300$

$-10 x_1 + 15 x_2 + 25 x_3 \le 1.000$

$8x_1 + 8x_2 + 5 x_3 \le 300$

$x_1, x_2, x_3 \ge 0$


Es handelt sich hierbei um ein in Standardform gegebenes Optimierungsproblem. Die Werte der rechten Seite sind alle positiv, weshalb hier der primale Simplexalgorithmus angewandt werden kann. Hierfür muss das Problem zunächst in Normalform umgeformt werden:

$f(x_1, x_2, x_3) = -400x_1 + 780x_2 + 1.250 x_3 $   $\rightarrow $ max!


u.d.N.

$32 x_1 + 42 x_2 + 20 x_3   + x_4                       \le 1.300$

$-10 x_1 + 15 x_2 + 25 x_3           + x_5              \le 1.000$

$8x_1 + 8x_2 + 5 x_3                             + x_6    \le 300$

$x_1, x_2, x_3, x_4, x_5, x_6 \ge 0$

Danach kann das Problem in das Starttableau eingetragen werden:

Sensitivtitätsanalyse Ausgangstableau

Die Koeffizienten der Zielfunktion gehen mit den umgekehrten Vorzeichen in das Tableau ein. Die Variablen, die in der Zielfunktion einen Koeffizienten größer Null aufweisen, stellen zu Beginn Nichtbasisvariablen dar. Alle anderen Variablen stellen zu Beginn Basisvariablen dar. Da die Werte der rechten Seite alle positiv sind, wird hier das primale Simplexverfahren angewandt. Es liegt die Optimallösung vor, wenn alle Werte der Zielfunktionszeile positiv sind. Das Verfahren soll hier nicht angewandt werden, sondern sofort das Endtableau aufgestellt werden:

Sensitivtitätsanalyse Endtableau

Es soll in den folgenden Abschnitten gezeigt werden, wie man die Sensitivitätsanalyse für die Werte der rechten Seite $b_i$ und für die Werte der Zielfunktion $c_j$ durchführt.

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

Operations Research 1

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

[Bitte auf Kapitelüberschriften klicken, um Unterthemen anzuzeigen]

  • Kurs: Operations Research 1 - Lineare Optimierung, Graphentheorie und Netzplantechnik
    • Einleitung zu Kurs: Operations Research 1 - Lineare Optimierung, Graphentheorie und Netzplantechnik
  • Lineare Programmierung
    • Einleitung zu Lineare Programmierung
    • Definition: Lineares Programm
    • Standardform: Maximierungsproblem
      • Einleitung zu Standardform: Maximierungsproblem
      • Grafische Lösung eines Maximierungsproblems
        • Einleitung zu Grafische Lösung eines Maximierungsproblems
        • Beispiel: Grafische Lösung eines Maximierungsproblems
      • Umformung in die Standardform (Maximierungsproblem)
      • Umformung in die Normalform (Maximierungsproblem)
      • Simlpex-Algorithmus: Einführung
        • Einleitung zu Simlpex-Algorithmus: Einführung
        • Primales Simlpexverfahren
          • Einleitung zu Primales Simlpexverfahren
          • Primales Simplexverfahren: Anfangstableau aufstellen
          • Primales Simplexverfahren: Pivotspalte/-zeile/-element
          • Primales Simplexverfahren: 1. Simplexschritt
          • Primales Simplexverfahren: Weitere Simplexschritte (optimale Lösung)
          • Beispiel: Maximierungsproblem / grafische Lösung
          • Beispiel: Maximierungsproblem / Primales Simplexverfahren
        • Duales Simplexverfahren
          • Einleitung zu Duales Simplexverfahren
          • Duales Simplexverfahren: Pivotzeile/-spalte/-element
          • Duales Simplexverfahren: Simplexschritte
        • Die Big-M-Methode des primalen Simplexverfahrens
          • Einleitung zu Die Big-M-Methode des primalen Simplexverfahrens
          • Die Big-M-Methode: Einfügen von künstlichen Variablen
          • Die Big-M-Methode: Künstliche Variablen als Basisvariablen
          • Big-M-Methode: Simplexschritt durchführen
          • Big-M-Methode: Weiterer Simplexschritt (zulässige Lösung)
          • Big-M-Methode: Weitere Simplexschritte (optimale Lösung)
      • Kanonische Form, Standardform, Normalform
      • Zusammenfassung: Maximierungsproblem
    • Minimierungsproblem
      • Einleitung zu Minimierungsproblem
      • Dualität - Primalproblem als Maximierungsproblem
      • Dualität - Primalproblem als Minimierungsproblem
      • Dualität - Dualproblem in Primalproblem
      • Beispiel: Primalproblem als Minimierungsproblem
      • Minimierungsproblem- Big-M/dualer Simplex
      • Zusammenfassung: Minimierungsproblem
    • Sonderfälle bei Optimierungsmodellen
      • Einleitung zu Sonderfälle bei Optimierungsmodellen
      • Beispiel: Minimierungsproblem ohne optimal Lösung
    • Sensitivitätsanalyse
      • Einleitung zu Sensitivitätsanalyse
      • Änderung der Zielfunktionskoeffizienten
        • Einleitung zu Änderung der Zielfunktionskoeffizienten
        • Beispiel: Sensitivitätsanalyse Zielfunktionskoeffizienten
      • Änderung der Restriktionen
    • Obere und untere Schranken bei Variablen
      • Untere Schranken
      • Obere Schranken
        • Einleitung zu Obere Schranken
        • Beispiel: Primaler Simplexalgorithmus
        • Beispiel: Vielzahl an beschränkten Variablen
    • Revidierter Simplex-Algorithmus
      • Einleitung zu Revidierter Simplex-Algorithmus
      • Beispiel: Revidierter Simplex-Algorithmus
  • Transport- und Zuordnungsprobleme
    • Das klassische Transportproblem
      • Einleitung zu Das klassische Transportproblem
      • Ausgleichsprüfung
      • Reduktion der Kostenmatrix
      • Eröffnungsverfahren
        • Einleitung zu Eröffnungsverfahren
        • Nord-Westecken-Verfahren
        • Rangfolgeverfahren
          • Einleitung zu Rangfolgeverfahren
          • Spaltenfolgeverfahren
          • Zeilenfolgeverfahren
          • Matrixminimumverfahren
        • Vogelsches-Approximations-Verfahren
      • Optimierungsverfahren
        • Einleitung zu Optimierungsverfahren
        • Stepping-Stone-Methode
        • MODI-Methode
    • Lineare Zuordnungsprobleme
      • Definition: Zuordnungsprobleme
      • Ungarische Methode
  • Netzplantechnik
    • Einführung Netzplantechnik
    • Ablaufplanung
      • Einleitung zu Ablaufplanung
      • Strukturplanung
      • Netzplanerstellung
    • Zeitplanung
      • Einleitung zu Zeitplanung
      • Beispiel 1: Vorgangsknotennetzplan
      • Beispiel 2: Vorgangsknotennetzplan
    • Kostenplanung
    • Kapazitätsplanung
  • Graphentheorie
    • Einführung: Graphentheorie
    • Kürzeste Wege
      • Einleitung zu Kürzeste Wege
      • Dijkstra-Algorithmus
      • Fifo-Algorithmus
  • 74
  • 11
  • 42
  • 144
einmalig 39,00
umsatzsteuerbefreit gem. § 4 Nr. 21 a bb) UStG
Online-Kurs Top AngebotTrusted Shop

Unsere Nutzer sagen:

  • Gute Bewertung für Operations Research 1

    Ein Kursnutzer am 22.06.2016:
    "top!! ;)"

  • Gute Bewertung für Operations Research 1

    Ein Kursnutzer am 05.12.2015:
    "Super erklärt !! "

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

10% Coupon: lernen10

Zu den Online-Kursen