ingenieurkurse
online lernen

Besser lernen mit Online-Kursen

NEU! Jetzt online lernen:
Operations Research 1
Den Kurs kaufen für:
einmalig 39,00 €
Zur Kasse
Lineare Programmierung > Standardform: Maximierungsproblem > Simlpex-Algorithmus: Einführung > Die Big-M-Methode des primalen Simplexverfahrens:

Big-M-Methode: Simplexschritt durchführen

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]

In diesem Abschnitt wird nun das Anfangstableau aufgestellt. Das lineare Ontimierungsproblem mittels Big-M-Methode ist gegeben durch:

$f(x_1, x_2) = (2 + 4M)x_1 + (1 + 2M)x_2 - Mx_3 - Mx_4 - 20M$  $ \rightarrow$   max!

u.d.N.

$x_1 + x_2 - x_3                             + y_1                     = 8$

$3x_1 + x_2        - x_4                               + y_2          = 12$

$x_1 + x_2                           + x_5                              = 10$

$x_1, x_2, x_3, x_4, x_5, y_1, y_2 \ge 0$


Die Nichtbasisvariablen sind dabei $x_1$, $x_2$, $x_3$ und $x_4$ (Variablen, welche in die Zielfunktion eingehen) und die Basisvariablen sind  $x_5$, $y_1$ und $y_2$ (Variablen, welche nicht in die Zielfunktion eingehen). Dieses lineare Optimierungsproblem (Maximierungsproblem, Nichtnegativitätsbedingung, wobei die Werte der rechten Seite alle positiv sind) kann mittels primalen Simplexverfahren gelöst werden. Eintragen der Werte in das Tableau, wobei die Zielfunktionswerte immer mit entgegengesetzten Vorzeichen in das Tableau eingehen:

Big-M-Methode Anfangstableau

Bei der hier gegebenen Basislösung $y_1 = 8$, $y_2 = 12$, $x_5 = 10$ und $x_1 = x_2 = x_3 = x_4 = 0$ ergibt sich ein Zielfunktionswert von:

$f(x_1, x_2) = (2 + 4M) \cdot 0 + (1 + 2M) \cdot 0 - M \cdot 0 - M \cdot 0 - 20M = -20M$

Es wird nun wie beim primalen Simplexverfahren vorgegangen. Es erfolgt zunächst die Auswahl der Pivotspalte mittels kleinsten negativen Wert in der Zielfunktionszeile. Da $M$ hinreichend groß angenommen wird, erfolgt die Auswahl nur über die $M$-Werte. Das bedeutet also, dass hier die beiden negativen $M$-Werte $-4M$ und $-2M$ betrachtet werden müssen. Hier wird der kleinste negative Wert ausgewählt, also $-4M$. Danach wir die Pivotzeile festgelegt, indem die Werte der rechten Seite durch die Werte der Pivotspalte (nur positive Werte der Pivotspalte dürfen berücksichtigt werden) geteilt werden. Der kleinste Quotient wird ausgewählt, hier: 12: 3 = 4$. Das Pivotelement liegt dort, wo sich Pivotspalte und Pivotzeile schneiden, hier: $3$.

Big-M-Methode Pivotspalte Pivotzeile Pivotelement

Es wird als nächstes das neue Tableau nach Durchführung eines Simplexschrittes aufgestellt. Dabei müssen Basisvariable und Nichtbasisvariable des Pivotelements vertauscht werden:

Big-M-Methode Simplexschritt

In der obigen Tabellen ist das neue Tableau nach dem 1. Simplexschritt zu sehen. Die Basisvariable $y_2$ und die Nichtbasisvariable $x_1$ sind vertauscht worden. Sobald eine künstliche Variable $y_i$ die Basis verlässt und zur Nichtbasisvariable wird, kann diese im weiteren Verlauf unberücksichtigt bleiben. Dies ist anhand der $x$ angedeutet. Dies stellt auch gleichzeitig die Pivotspalte dar, welche dann für das neue Tableau nicht berechnet werden muss. Auch der Wert des alten Pivotelements muss also für das neue Tableau nicht bestimmt werden. Es müssen aber die Werte der Pivotzeile und die restlichen Werte bestimmt werden.

Werte der Pivotzeile:

Der alte Wert innerhalb der Pivotzeile wird durch das Pivotelement geteilt.

Restliche Werte:

Die restlichen Werte werden bestimmt indem der alte Wert abzüglich der alten Werte aus zugehöriger Pivotspalte mal Pivotzeile durch Pivotelement berechnet wird. Z.B.: Der wurde der Wert $6$ bestimmt durch:

$10 - (\frac{1 \cdot 12 }{3} = 6$.


Der Wert $-\frac{1}{3} - \frac{2}{3}M$ wurde bestimmt durch:

$-1 - 2M - [\frac{(-2 - 4M) \cdot 1}{3}]$

$-1 - 2M - [ \frac{-2 - 4M}{3}]$

$-1 - 2M + \frac{2}{3} + \frac{4}{3}M$

$-\frac{1}{3} - \frac{2}{3}M$

Zielfunktionswert:

Der Zielfunktionswert wurde ermittelt, indem die Basisvariablen mit den Werten der rechten Seite in die Zielfunktion eingesetzt werden (die Nichtbasisvariablen besitzen den Wert Null):

$z = (2 + 4M) \cdot 4 + (1 + 2M) \cdot 0 - M \cdot 0 - M \cdot 0 - 20M$

$z = (2 + 4M) \cdot 4 - 20 M$

$z = 8 + 16M - 20M$

$z = 8 - 4M$.

Da noch künstliche Variablen in der Basis auftauchen ($y_1$) ist die zulässige Basislösung noch nicht ermittelt worden. Es wird ein weitere Simplexschritt durchgeführt. Zunächst müssen Pivotspalte, Pivotzeile und Pivotelement wieder nach dem primalen Simplexverfahren bestimmt werden.

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