Entscheidungsunterstützungssysteme -

Slides:



Advertisements
Ähnliche Präsentationen
Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Michael Schwind EUS-Übung Kombinatorische Auktionen.
Advertisements

Christian Scheideler SS 2009
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Kapitel 3 Arithmetische Schaltkreise
Schwierigkeit von Aufgabenstellungen
Zerlegung von Graphen.
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Das LCA – Problem in Suffixbäumen
A1 C1 A4 A3 B1 A2 C3 C2 B2 B3 Z3 Z2 Z1 C5 C4 C5: Darstellung im Antrag 1,3,4,7,8 3,5,7,8 5.
Die 1-Baum-Relaxation des TSP mit der Subgradientenmethode
Bauinformatik II Softwareanwendungen 1
Wie lösen wir ILPs exakt?
Marco Barz Seminar über Algorithmen SoSe2007
Algorithmen und Komplexität
HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik Algorithmische Probleme in Funknetzwerken IX Christian Schindelhauer
HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik Algorithmische Probleme in Funknetzwerken X Christian Schindelhauer
Messung in Einheiten der Standardabweichung
WS Algorithmentheorie 01 – Divide and Conquer (Segmentschnitt) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Geometrisches Divide and Conquer
Seminar parallele Programmierung SS 2003
Agent Based Supply Chain Management1 ABSCM-Vorlesung im WS 2001/2002.
Klausur „Diskrete Mathematik II“
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II Vorlesung In welcher Masche liegt der Punkt p?
Algorithmen und Komplexität
Algorithmen des Internets 2005 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität 1 Klausuraufgaben.
erstellt von Petra Bader
Hinweise zum 10. Übungsblatt zu GIN1b, WS04/05 Prof. Dr. W. Conen (Version 1.0alpha, )
So, ein paar Fragen.. Wo sind mehr Bälle? Wo sind mehr Steine?
Effiziente Algorithmen
... Unternehmens- leitung
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Geoinformation II Vorlesung 4 SS 2001 Voronoi-Diagramme.
Diskrete Mathematik II
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II Vorlesung 7 SS 2000 Punkt-in-Polygon-Verfahren I (Trapezkarte)
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Efficient Alias Set Analysis Using SSA Form Proseminar Programmanalyse WS 11/12 André Hunke.
EK Produktion & Logistik
HMS- Modul 5 Qualifikationsverfahren Input 4: Fremdsprachen und Sprachdiplome Zollikofen, 29. März 2012.
Jamshid Azizi: Folie Isomorphietest Jamshid Azizi
Referatsthema - Excel.
SWE1 / Übung 10 ( ) Rekursion Binärbäume.
Komplexität von Algorithmen
Das Traveling Salesman Problem (TSP)
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation III Vorlesung 1 WS 2001/02 Punkt-in-Landkarte I (Streifenkarte)
Diskrete Mathematik II
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms.
 Boegle, Machala, Schlaffer, Werbowsky Bildungsstandards Mathematik 8. Schulstufe 2006.
Tabellen in Word for Windowscomputeria, Urdorf Tabellen in Word for Windows computeria Urdorf / Dieter Eckstein.
HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik Algorithmische Probleme in Funknetzwerken VIII Christian Schindelhauer
Das Springerproblem.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Datenstrukturen für den Algorithmus von.
Routenplanung querfeldein - Geometric Route Planning
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Voronoi-Diagramme.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung der Algorithmus von Floyd.
Optimierungs- Algorithmen
Der A*-Algorithmus.
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung 4 4. Mai 2000 Voronoi-Diagramm.
Lineare Optimierung Nakkiye Günay, Jennifer Kalywas & Corina Unger Jetzt erkläre ich euch die einzelnen Schritte und gebe Tipps!
Rechen- und Kommunikationszentrum (RZ) Selektionsstrategien auf Graphstrukturen Sven Porsche Seminarvorträge Aachen.
Laufzeitverhalten beim Sortieren
 Präsentation transkript:

Entscheidungsunterstützungssysteme - Moderne Optimierungsmethoden für kombinatorische Probleme EUS SS 2004 Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Standardisierungsmodell Ein Kommunikationsnetz wird als Graph repräsentiert. Die Knoten stellen die Kommunikationspartner (Mensch, Maschine) dar, die Kanten deren Informationsbeziehung. Beschreibt man das Standardisierungsproblem so, dass in den Knoten i jeweils die Kosten (Ki) der Standardisierung zu tragen sind, wodurch dann auf den Kanten, die die Kosten der Informationsübermittlung (cij) darstellen sollen, Kosteneinsparungen realisiert werden können, wenn beide kommunizierenden Knoten den gleichen Standard eingeführt haben, ergibt sich die Fragestellung, welcher Knoten mit einem Standard auszustatten ist. Es besteht demnach ein Trade-Off zwischen den (Knoten-) Kosten der Implementierung eines Standards einerseits und der Einsparung von (Kanten-) Informationskosten andererseits. Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 3.7.2 Modell Dies bedeutet nicht, dass im Falle einer Standardisierung gar keine Kosten für die Informationsübermittlung anfallen. Die cij können vielmehr als Differenz zwischen den Informationskosten vor und nach Standardisierung interpretiert werden. Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Implementierungskosten: Standard 1 K1=10 Standard 2 K2= 5 A C B 24 3 6 12 2 Einsparungspotential an Kommunikationskosten: Stellen Sie das lineare Programm (Gleichungssystem) zu diesem Problem auf. Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Gleichungssystem Zielfunktion Kosten: (xA1+xB1+xC1) * 10 + (xA2+xB2+xC2) * 5 Einsparungen auf den Kanten: A  B: xA1* xB1*24+xA2+ xB2*6 A  C: xA1* xC1* 6+ xA2+ xC2*2 … Restriktionen mehrere Standards (Beispiel A1): xA1 ≤ 1 maximal ein Standard (Beispiel A): xA1 + xA2 ≤ 1 Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 A*-Algorithmus Welche Verzweigung ist sinnvoll? Entwerfen und Berechnen Sie die Verzeigung der ersten Ebene beim exklusiven Standardisierungsproblem. Geben sie für jedes Blatt g und h* an! Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Eine mögliche Lösung A C B g = -10 h* = 14 (xB1 = 1) xA1 = 1 (xA2 = 0) g = -5 h* = 10 (xB2 = xC2 = 1) xA2 = 1 (xA1 = 0) g = 0 h* = 2 (xB2 = xC2 = 1) xA1 = xA2 = 0 xB1 = 1 (xB2 = 0) g = -15 h = 0 (xC1 = xC2 = 0) xB2 = 1 (xB1 = 0) g = -4 h = 9 (xC2 = 1) xB1 = xB2 = 0 g = -5 h* = 0 (xC1 = xC2 = 0) Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Lösung (2) xB2 = 1 (xB1 = 0) g = -4 h = 9 (xC2 = 1) xC1 = 1 xC2 = 0 xC1 = 0 xC2 = 1 xC1 = xC2 = 0 g = -14 (h = 0) g = 5 (h = 0) g = -4 (h = 0) Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Aufgabenzerlegung beim ToH–Problem II Rekursive Zerlegung Stochastische Zuweisung der Teilaufgaben an freie identische Agenten Zerlegung des Problems beendet, wenn Start- und Zielzustände gleich Ergebnis liegt vor, wenn alle Teilaufgaben an den Start-Agenten zurückgegeben wurden Mittel-zum-Zweck Heuristik reduziert die Komplexität drastisch von b n auf O(log n) Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Aufgabenzerlegung beim ToH–Problem III Zerlegung ist nur effektiv, wenn: Teilprobleme unabhängig lösbar sind Hierarchische Annäherung an optimale Lösung garantiert ist Zahl der Abstraktionsebenen mit der Problemgröße wächst Verhältnis von Abstraktionsebenen zueinander log k beträgt Problem in gleichgroße Unterprobleme zerlegt werden kann Mindestens so viele Agenten wie Unterprobleme existieren Problemzerlegung und Ergebniszusammenfassung vernachlässigbar wenig Zeit beanspruchen Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Aufgabenzerlegung beim ToH–Problem I Entscheidungsunterstützungssysteme IWI Frankfurt 2004

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Move L 1 - 3 M 1 - 2 L 1 - 3 M 2 - S 1 - T 1- Entscheidungsunterstützungssysteme IWI Frankfurt 2004