Ganzzahligkeit in LP-Modellen

Slides:



Advertisements
Ähnliche Präsentationen
Christian Scheideler SS 2009
Advertisements

Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Programmierung 1 - Repetitorium WS 2002/2003 Programmierung 1 - Repetitorium Andreas Augustin und Marc Wagner Homepage:
2.3 Kodierung von Zeichen 2.4 Kodierung von Zahlen
Der k-d-Baum Richard Göbel.
Polynomial Root Isolation
Simulation komplexer technischer Anlagen
Algebraische Zahlen: Exaktes Rechnen mit Wurzeln
Schwierigkeit von Aufgabenstellungen
Schnelle Matrizenoperationen von Christian Büttner
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 4 / 1 Termalgebren Definition "Freie Algebra" Die -Algebra A = [A, F ] heißt.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Wie lösen wir ILPs exakt?
Einige entscheidbare bzw. rekursiv aufzählbare Sprachen
Verifizieren versus Berechnen
Numerik partieller Differentialgleichungen
Datentyp- umwandlung. Literale sind: Bezeichner mit einem festen Wert wie z.B:
Algorithmentheorie 04 –Hashing
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (19 - Analyse natürlicher Bäume) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 – Kürzeste Wege) T. Lauer.
Kapitel 5 Stetigkeit.
Kapitel 1 Das Schubfachprinzip
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Kapitel 4 Geometrische Abbildungen
EINI-I Einführung in die Informatik für Naturwissenschaftler und Ingenieure I Vorlesung 2 SWS WS 99/00 Gisbert Dittrich FBI Unido
Branch and Bound Das Verfahren zur Lösung von IP-Problemen
Hypothesen testen: Grundidee
PKJ 2005/1 Stefan Dissmann Zusammenfassung der Vorwoche Variable stehen für (einen) Wert, der sich im Programmablauf ändern kann. Variablen besitzen einen.
Der Simplexalgorithmus
Folie 1 Kapitel II. Vom Raumbegriff zu algebraischen Strukturen Neubeginn: Herleitung des Begriffs Vektorraum aus intuitiven Vorstellungen über den Raumbegriff.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
Tutorium
Kontrollfragen zu Kapitel 1
Vorlesung Biometrie für Studierende der Veterinärmedizin Begriff der Zufallsgröße Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt:
Wichtige Fachausdrücke in C
§10 Vektorraum. Definition und Beispiele
§24 Affine Koordinatensysteme
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
§10 Vektorraum. Definition und Beispiele
Einführung in die Informatik für Naturwissenschaftler und Ingenieure
Praktische Optimierung
Einführung in die Programmierung Wintersemester 2013/14 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Lineare Funktionen und ihre Schaubilder, die Geraden
Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms II
+21 Konjunkturerwartung Europa Dezember 2013 Indikator > +20 Indikator 0 bis +20 Indikator 0 bis -20 Indikator < -20 Europäische Union gesamt: +14 Indikator.
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
Christian Schindelhauer Wintersemester 2006/07 3. Vorlesung
Natürliche Zahlen Grundrechenarten 1, 2, 3, 4, …. V 0.1.
Reelle Zahlen Grundrechenarten √2, √3, √5, … V 0.1.
Korrektheit von Programmen – Testen
Begriff der Zufallsgröße
Analyse der Laufzeit von Algorithmen
Nichtlineare Optimierung
Optimierungs- Algorithmen
Outline Rundflüsse in Digraphen Punkte, Kreise und das Flussgitter
Information - syntaktisch
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
 Präsentation transkript:

Ganzzahligkeit in LP-Modellen Problematik * Modellierung * Lösungswege Ganzzahligkeit 1

Modelle mit Ganzzahligkeitsbedingung Agenda Problematik Modelle mit Ganzzahligkeitsbedingung Direkte Modelle Codierte Modelle Transformierte Modelle Lösungswege Schnittebenen Branch and Bound Ganzzahligkeit 2

1. Problematik der Ganzzahligkeit Als Lösungen kommen nur die ganzzahligen Punkte in Betracht: Ganzzahligkeit 3

Lösungsraum ist nicht konvex. Schwierigkeiten Lösungsraum ist nicht konvex. Lösungen liegen i.d.R. nicht auf dem Rand. Gerundete Lösungen sind vom Optimum i.d.R. weit entfernt. Dieses gilt besonders für sog. 0-1-Probleme. Ganzzahligkeit 4

Klassifizierung von IP-Problemen Klassifizierung von Integer Problemen: Ganzzahligkeit 5

Durch Hinzufügen der Anweisung "ganzzahlig" für einzelne 2.1 Direkte Modelle Durch Hinzufügen der Anweisung "ganzzahlig" für einzelne oder alle Variablen (z.B. beim Verschnittproblem): Man bezeichnet das entsprechende LP-Probleme ohne die Ganzzahlig- keitsbedingung als relaxiertes Problem. Ganzzahligkeit 6

2.2 Codierte Modelle Wenn die Entscheidungsvariablen einen qualitativen Aspekt repräsentieren, für den es genau definierte, endliche Zustände gibt, erhält man codierte Modelle. Besonders häufig: Es gibt nur zwei definierte Zustände, die man durch sog. Binärvariablen abbilden kann. Beispiele hierfür: Kapitalbudgetierung (Investition: ja / nein) Maschinenbelegung (Auftrag auf Anlage: ja/nein) Stundenplanerstellung (Zuordnung: ja/nein) Knapsackproblem (Gut: ja/nein) Travelling Salesman (Strecke: ja/nein) Lieferplan (Lieferung: ja/nein) Standort (Ort: ja/nein) Graphenprobleme (Covering, Matching, Colouring) Ganzzahligkeit 7

2.3 Tranformierte Modelle Eine Binärvariable wird als Indikator-variable benutzt, die einen bestimmten Zustand in Abhängigkeit des Wertes einer anderen Variable eine Beschränkung induziert. Typisch sind dabei "Wenn … dann …"-Bedingungen, also logische Abhängigkeiten. Ganzzahligkeit 8

Jedem Wert ordnet man eine Indikatorvaiable zu: 2.3.1 Diskretwertmodelle Eine Aktivität (Variable) soll nur einen von mehreren, vorher bestimmte Werte annehmen dürfen: Jedem Wert ordnet man eine Indikatorvaiable zu: Ganzzahligkeit 9

2.3.2 Batch Size Probleme Einfache Dichotomie Eine Variable soll entweder Null sein oder eine bestimmte Untergrenze nicht unterschreiten: Ein Produkt j soll entweder nicht oder – wenn schon – dann mindestens in der Menge lj gefertigt werden. Es sei uj eine künstliche oder natürliche Obergrenze für die Variable xj: Ganzzahligkeit 10

2.3.3 Disjunkte Variablen Von n Variablen (die bestimmten Aktivitäten zugeordnet sind), soll entweder eine einen Wert größer Null haben oder mindestens p einen Wert größer Null haben oder höchstens q einen Wert größer Null haben. Zu jeder Aktivitätsvariablen xj mit der Obergrenze uj wird ein Indikatorvariable yj gewählt: Ganzzahligkeit 11

2.3.4 Disjunkte Nebenbedingungen Aus einer Menge von Nebenbedingungen fi(x1,x2,…,xn) bi seien aktiv: genau eine ( m-1 sind relaxiert) mindestens p ( höchstens m-p sind relaxiert) höchstens q ( mindestens m-q sind relaxiert). Es sei M eine große Zahl (M>>bi): Ganzzahligkeit 12

2.3.5 Nebenbedingung mit alternativen RS Für eine Nebenbedingung f(x1,x2,…,xn)=b soll alternativ eine RS b{b1 oder b2 oder… } gelten: Falls mit einer schrittweisen Kapazitätserweiterung b1<b2<… Kosten d1<d2<… verbunden sind, berücksichtigt man ín der Zielfunktion: Ganzzahligkeit 13

2.3.6 Fixed Charge Problem Klassisches Fixkostenproblem: Für jede Variable xj ist eine Indikatorvariable yj zu definieren: Ganzzahligkeit 14

2.3.7 Vereinigung konvexer Gebiete (1) Die Vereinigung konvexer Gebiete ist i.d.R. nicht konvex: Ganzzahligkeit 15

2.3.7 Vereinigung konvexer Gebiete (2) Jedes Gebiet ist für sich durch lineare Ungleichungen definiert: Ganzzahligkeit 16

Formulierung logischer Verknüpfungen Xi eine Aussage, z.B. Xi = wahr, wenn Produkt i hergestellt wird, d.h. xi > 0 yi = 1, wenn Xi = wahr; yi = 0, wenn Xi = falsch Ganzzahligkeit 17

Logische Impliklationen (1) Ganzzahligkeit 18

Logische Impliklationen (2) Ganzzahligkeit 19

Logische Impliklationen (3) Ganzzahligkeit 20

Logische Impliklationen (4) Ganzzahligkeit 21

Logische Impliklationen (5) Ganzzahligkeit 22

Logische Impliklationen (6) Ganzzahligkeit 23

2.3.7 Vereinigung konvexer Gebiete (2) Jedes Gebiet ist für sich durch lineare Ungleichungen definiert: Ganzzahligkeit 24

Anwendung der logischen Implikation Typ (3) Ganzzahligkeit 25

Anwendung der logischen Implikation Typ (3) Ganzzahligkeit 26

Anwendung der logischen Implikation Typ (3) Ganzzahligkeit 27