M ATHEMATISCHE M ODELLIERUNG AM B EISPIEL VERSCHIEDENER F ALLSTUDIEN Seminar Angewandte Mathematik für LAK Professor Schmitt Maria Hutsteiner, Kerstin.

Slides:



Advertisements
Ähnliche Präsentationen
8. Termin Teil B: Wiederholung Begriffe Baum
Advertisements

Vortrag von Stephanie Weirauch Jens Pleger Peter Jancke Frank Wejmelka
Grundlagen des A*-Algorithmus und Anwendung in der Routenplanung
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (26-Graphenalgorithmen: Wiederholung und Übung) Prof. Th. Ottmann.
Algebraische Zahlen: Exaktes Rechnen mit Wurzeln
Zerlegung von Graphen.
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
LS 2 / Informatik Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Graphen Ein Graph ist eine Kollektion von Knoten und Kanten. Knoten sind einfache Objekte. Sie haben Namen und können Träger von Werten, Eigenschaften.
7. Natürliche Binärbäume
R. Der - Vorlesung Algorithmen und Datenstrukturen (Magister)
Marco Barz Seminar über Algorithmen SoSe2007
FH-Hof Deadlocks Richard Göbel. FH-Hof Deadlock - Definition Menge von Prozessen ist an einem Deadlock beteiligt: wenn jeder Prozess in dieser Menge auf.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Algorithmentheorie 12 – Spannende Bäume minimalen Gewichts
Kapitel 5 Stetigkeit.
Kapitel 4 Geometrische Abbildungen
Lösung der Aufgabe 1: Die Erweiterung des Diagramms auf „Winged Egde“ besteht in zwei Beziehungen, nr-Kante und vl-Kante, zwischen der Klasse Kante. Jede.
High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen.
Algorithmen und Komplexität
Algorithmen des Internets 2005 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität 1 Materialien zu Übung 9 Bälle in Körbe Ranged.
Minimum Spanning Tree: MST
Heute: Scherenzange zeichnen
Tetraederzerlegung Ina Ehmann Tetraederzerlegung.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung 1 SS 2001 Algorithmus von Dijkstra.
Effiziente Algorithmen
Flüsse, Schnitte, bipartite Graphen
Effiziente Algorithmen
Chromatische Zahl.
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Christian Scheideler Institut für Informatik Universität Paderborn
Institut für Theoretische Informatik
Institut für Theoretische Informatik
Jamshid Azizi: Folie Isomorphietest Jamshid Azizi
Informatik Datenstruktur Graph 3.3 Durchlaufen von Graphen
Petrinetze 1. Einführung Informatik : wesentlich Modellierung von
Analyse der Laufzeit von Algorithmen
Nichtlineare Optimierung
Bipartite Graphen Der Satz von König.
Routenplanung querfeldein - Geometric Route Planning
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Suche des kürzesten Weges in einem Netz.
Der A*-Algorithmus.
Konvexe Hüllen (Convex Hulls)
Matchings (Paarungen) in Graphen
Gliederung der Vorlesung
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Binärbäume.
Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? Prof. Dr. Dörte Haftendorn, Leuphana.
Graphen.
Adiazenzmatrix des Graphen
Philip Schill Erik Kurrat Simon Walther
Das Problem des Handlungsreisenden
Referenten: Moritz S., Ina B. und Sebastian R.
Projekt Graphentheorie Eulerpfad
Straße * besteht aus Flurstück 1 Masche 2 begrenzt 3..* Kante 2 2..* begrenzt Lösung der Aufgabe 1: Die Ergänzung (grau) des Diagramms besteht.
Wiederholung Breitensuche BFS mit Startknoten s Tiefensuche
 Präsentation transkript:

M ATHEMATISCHE M ODELLIERUNG AM B EISPIEL VERSCHIEDENER F ALLSTUDIEN Seminar Angewandte Mathematik für LAK Professor Schmitt Maria Hutsteiner, Kerstin Kranz

ÜBERBLICK Was ist Modellierung? Fallbeispiele: 1. Müllabfuhr – Optimierungsproblem 2. Rettungshubschrauber – Standortbestimmung Zusammenfassung

M ODELLIERUNG Reales ProblemMathematisches Problem Reale LösungMathematische Lösung Modellbildung Analyse Simulation Interpretation Überprüfung

MÜLL MÜLL MÜLL Stadtreinigungen entsorgten 2007: Hamburg: ~ t, 587 kg pro Einwohner, 2066 t täglich Österreich: ~430 kg pro Einwohner Optimale Route: Spart Treibstoff, Zeit Geld Mei Go Guan Chinesisches- Postboten-Problem

ROUTENPLANUNG -MÜLLABFUHR Optimierungskriterien: Sackgasse Einbahnstraße jede Straße mind. einmal abfahren Anfangspunkt = Endpunkt

M ODELLIERUNG - G RAPHENTHEORIE aus Straßennetz Graph erstellen Graph: Ein Graph besteht aus einer Menge von Knoten, Kanten und einer Zuordnung, die jeder Kante ein Knotenpaar zuweist (Knoten sind Endpunkte der Kante) Grad: Anzahl der Kantenenden an einen Knoten

M ODELLIERUNG - G RAPHENTHEORIE Straßen gerade Kanten Kreuzungen, Ende Sackgasse Knoten Kantengewichte (verschiedene Parameter wie z.B. Weglänge, Durchfahrtszeit usw.)

E ULERGRAPHEN - E ULERTOUREN Eulerweg: Ein Weg, der durch jede Kante eines zusammenhängenden Graphen genau einmal führt, heißt Eulerweg Eulergraph : Ein Graph, der eine Eulertour enthält, heißt Eulergraph Eulertour: Eulerweg mit gleichem Start-und Zielpunkt Algorithmen: Zwiebelschalen- Algorithmus (Hierholzer-Algorithmus) Fleurys Algorithmus

Z WIEBELSCHALEN -A LGORITHMUS 1. Schritt: Wähle einen Startknoten 2. Schritt: Gehe auf unmarkierten Kanten und markiere diese Falls alle markiert Schritt 3 Falls nicht, suche neuen Startknoten, wiederhole Schritt 2

3. Schritt: Gehe entlang des ersten Kreises bis er einen weiteren berührt; gehe weiter auf dem neuen bis dieser wieder einen weiteren berührt usw. Gehe den zuletzt begonnenen zu Ende, dann den vorhergehenden, usw. bis alle Kanten besucht wurden

F LEURYS - A LGORITHMUS Brücke : Kante in einem Graphen, bei deren Wegnahme der Graph in zwei Komponenten zerfallen würde 1. Schritt: beginne mit beliebiger Kante

2. Schritt: wähle nächste Kante so, dass sie im Restgraphen keine Brücke bildet … grün = Brücke

U NGERADE K NOTEN Knoten besitz ungeraden Grad Bsp. 2 ungerade Knotengrade Mehr als 2 ungerade Knotengrade: Anzahl gerade: wie oben Anzahl ungerade: ????

U NGERADE K NOTEN Satz : In jedem Graphen ist die Anzahl der Knoten mit ungeradem Grad gerade. Satz : Die Summe aller Knotengrade eines Graphen = doppelte Anzahl der Kanten, (da jede Kante die Summe aller Knotengrade genau um 2 erhöht (Anfangs- und Endknoten)) aus jedem Graph lässt sich Eulergraph entwickeln

T HE PERFECT MATCH Matching : Teilgraph, in dem alle Knoten höchstens Grad 1 haben Minimal : Summe der Kantengewichte Summe der Kantengewichte bei jedem anderen Matching, das diese Knoten verbindet Perfektes Matching : nur Knoten vom Grad 1, alle Knoten sind zu Paaren verbunden

STANDORTWAHL FÜR RETTUNGSHUBSCHRAUBER AUSGANGSPROBLEM: Ein Rettungshubschrauber soll mehrere Einsatzgebiete optimal versorgen. Was heißt optimal? BEISPIEL: gleichmäßig schnelle Versorgung der Unfallopfer

BSP.: Gleichmäßig schnelle Versorgung Vereinfachte Modellannahmen: Modellieren Einsatzgebiete sowie Hubschrauberstandort als Punkte in der Ebene Flugzeit zw. A und B – proportional zur Länge der geraden Strecke zw. A und B Es wird nur die Zeit bis zur Erstversorgung des Unfallopfers berücksichtigt Unfallhäufigkeit ebenfalls nicht berücksichtigt

BSP.: Gleichmäßig schnelle Versorgung Wenn wir annehmen, dass M Einsatzorte Ex 1 (a 11 | a 12 ), Ex 2 (a 21 | a 22 ),..., Ex M (a M1 | a M2 ) zu beachten sind und X(x 1 | x 2 ) irgendein Standort für den Hubschrauber ist, so ist für m = 1,…, M die Euklidische Entfernung zwischen dem m-ten Standort Ex m (a m1 | a m2 ) und X

BSP.: Gleichmäßig schnelle Versorgung CENTER ZIELFUNKTION CENTER STANDORTPROBLEM

Ex 1 (3,5 | 6) Ex 2 (-1,5 | 10) X(1 | 8) ZWEI EINSATZORTE: Mittelpunkt der Strecke zw. den beiden Einsatzorten

Außerhalb der beiden Kreisscheiben ist die Entfernung sowohl von Ex 1 als auch von Ex 2 größer als r *. In der (gelben) Kreisscheibe um Ex 1 mit Radius r * hat jeder Punkt X außer X * eine Entfernung von Ex 2, die größer als r * ist. Analog hat jeder Punkt X außer X* in der (grünen) Kreisscheibe um Ex 2 mit Radius r * eine Entfernung von Ex 1, die größer als r * ist Ex 1 (1 | 2) Ex 2 (5 | 2) X * (3 | 2) r*r* r*r*

X(3 | 4) Ex 1 (-2 | 2) Ex 3 (-5 | -1) Ex 2 (5 | 9) DREI EINSATZORTE – FALL1: (Spitzwinkeliges Dreieck) Umkreismittelpunkt

Der einzige Punkt mit Euklidischer Entfernung kleiner oder gleich r* zu allen drei existierenden Standorten ist X*. Ex 2 (2 | 6) Ex 1 (2 | -2) Ex 3 (8 | 0) X*(4 | 2)

X U (-2 | -4) Ex 2 (1 | 3) X M (0 | 1) Ex 1 (-5 | 3) Ex 3 (5 | -1) FALL2: ( Stumpfwink. Dreieck)

Seien Ex 1 und Ex 2 die Endpunkte der längsten Seite und X* der Mittelpunkt dieser Seite. Dann gilt für jeden Standort X, der von X * verschieden ist:

FALL 3 (?) – rechtwinkeliges Dreieck

SATZ:

MEHR ALS DREI EINSATZORTE: Lösung durch Probieren?

Ex 1 (0 | 0) Ex 2 (9 | -2) X 1 (4 | 5) Ex 3 (7 | 13) Ex 4 (4 | 15)

Ex 1 (0 | 0) Ex 2 (9 | -2) Ex 3 (7 | 13) Ex 4 (4 | 15) X 2 (5 | 4)

Ex 1 (0 | 0) Ex 2 (9 | -2) Ex 3 (7 | 13) Ex 4 (4 | 15) X 3 (5 | 5)

Ex 1 (0 | 0) Ex 2 (9 | -2) X 1 (4 | 5) Ex 3 (7 | 13) Ex 4 (4 | 15)

MEHR ALS DREI EINSATZORTE: Zurückführung auf das Problem mit zwei oder drei Einsatzorten Für alle Paare und Tripel in der Menge Ex mache das folgende: Schritt 1: Bestimme den optimalen Center Standort X und den optimalen Zielfunktionswert r für das Center Standortproblem mit zwei bzw. drei Einsatzorten. Schritt 2: Bestimme den Kreis mit Radius r um X. Falls die entsprechende Kreisscheibe alle Punkte in Ex enthält, ist X=X* und r=r* (X*... Optimaler Center Standort, r*... Optimaler Center Zielfunktionswert)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5) X*(3 | -1) r* 15,8

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5) > 90°

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5) > 90°

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5)

Ex 1 (-12 | 4) Ex 2 (14 | 7) Ex 3 (18 | -6) Ex 4 (-9 | -5) X*(3 | -1) r* 15,8

Optimierung bei Kenntnis der Unfallhäufigkeit EIN HUBSCHRAUBER – ZWEI EINSATZORTE 1) Intuitive Lösungsfindung w 1, w 2... Unfallhäufigkeiten in Ex 1 u. Ex 2 Bsp.: w 1 < w 2, etwa w 1 =1, w 2 =2 - Hubschrauber wird näher an Ex 2 heranrücken Ex 1 Ex 2 Schwerpunkt

Optimierung bei Kenntnis der Unfallhäufigkeit EIN HUBSCHRAUBER – ZWEI EINSATZORTE 2) Zielfunktion und Optimierung

Optimierung bei Kenntnis der Unfallhäufigkeit EIN HUBSCHRAUBER – ZWEI EINSATZORTE 2) Zielfunktion und Optimierung

Optimierung bei Kenntnis der Unfallhäufigkeit EIN HUBSCHRAUBER – ZWEI EINSATZORTE 2) Zielfunktion und Optimierung Minimierung der Zielfunktion führt zur Lösung: Schwerpunkt

Optimierung bei Kenntnis der Unfallhäufigkeit EIN HUBSCHRAUBER – N EINSATZORTE Zielfunktion: Bedingung: Lösung:

n Hubschrauber – m Einsatzorte LÖSUNGSALGORITHMUS: Wähle n verschiedene Einsatzorte als Hubschrauberstandorte zufällig aus. Ordne jeden Einsatzort einem ihm nächstgelegenen Hubschrauberstandort zu. Verlege jeden Hubschrauber in den optimalen Standort der ihm zugeordneten Einsatzorte. Bewegt sich dabei kein Hubschrauber mehr, halte an, andernfalls gehe zu 2.

n Hubschrauber – m Einsatzorte - BEISPIEL

Z USAMMENFASSUNG Optimierung des Weges in vielen Bereichen anwendbar (Busrouten, Speditionen, Postboten, Museen) Ortlieb et. al. Mathematische Modellierung. Vieweg und Teuber, Wiesbaden, Hamacher, E. Korn, R. Korn, Schwarze. Mathe und Ökonomie. Universum Verlag, Wiesbaden, Gritzmann, Brandenberg. Das Geheimnis des kürzesten Weges. 3. Auflage, Verlag Springer, Berlin, Heidelberg, 2005.