• Keine Ergebnisse gefunden

Diskrete Optimierung 12. Übungsblatt

N/A
N/A
Protected

Academic year: 2022

Aktie "Diskrete Optimierung 12. Übungsblatt"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Diskrete Optimierung 12. Übungsblatt

Fachbereich Mathematik SoSe 2011

PD Dr. Ulf Lorenz 05./08.07.2011

Dipl. Math. Konstantin Pertschik

Gruppenübung

Aufgabe G1 (Greedy-Algorithmus)

Für das Problem, gegebene Geldbeträge mit möglichst wenigen Münzen und Scheinen auszuzahlen, wird der Greedy- Algorithmus angewendet, der für den jeweiligen Restbetrag immer die größtmögliche Münze bzw. den größtmöglichen Schein auszahlt und dann iteriert.

(a) Zeige, dass der Greedy-Algorithmus für das Euro/Cent-System die Optimallösung liefert.

(b) Gilt dies immer noch, wenn zusätzlich 30-Cent-Münzen bzw. 40-Cent-Münzen eingeführt würden?

Tipp:SeiA={a1, . . . ,am}ein Münzsystem mitai∈N,a1=1,ai<ai+1, und bezeichneG(x)die Lösung, die der Greedy- Algorithmus für einen Betragx∈Nliefert. Eine Münzeajhat dieGreedy-Eigenschaft, falls für alle Folgen(b1, . . . ,br)mit bk∈ {a1, . . . ,aj−1}fürk=1, . . . ,rundr≥2sowie o.B.d.A. b1b2≥. . .≥brmit

r

X

i=1

bi>aj und

r−1

X

i=1

bi<aj

gilt:

G

r

X

i=1

bi

!

r.

Zeige und benutze die folgende Aussage:

Gliefert die Optimallösung genau dann, wenn alle Münzen die Greedy-Eigenschaft haben.

Aufgabe G2 (Lokale Suche) Betrachte das 0/1-Rucksack-Problem

max cTx

s.t. aTxb x ∈ {0, 1}n für

a=

 1 3 2 1 2

, b=5, c=

 2 4 3 3 4

und a=

 5 6 5 1 6 5 5 6

, b=21,c=

 9 11

9 1 12

7 8 11

Bestimme zunächst mit dem Greedy-Algorithmus jeweils eine Startlösung und versuche dann diese mittels lokaler Suche zu verbessern.

Bemerkung:Der Optimalwert der ersten Instanz ist 10 und der der zweiten 38.

1

(2)

Hausübung

Aufgabe H1 (Modellierung)

Ein Mobilfunkanbieter betreibt deutschlandweit ein Netz vonnAntennen. Jede Antenne empfängt Signale einer bestimm- ten Frequenz. Dem Mobilfunkanbieter stehenmverschiedene Frequenzen zur Verfügung, die den Antennen zugewiesen werden müssen.

Bei der Frequenzzuweisung müssen folgende Bedingungen eingehalten werden:

(1) Beträgt die (euklidische) Distanz zwischen zwei Antennen weniger alsD0km, darf diesen beiden Antennen nicht dieselbe Frequenz zugewiesen werden.

(2) Bei einer Distanz zwischenD0undD1>D0km darf zwar dieselbe Frequenz zugewiesen werden, die dabei auftre- tenden Interferenzen verursachen jedoch Kosten voncGeldeinheiten pro Paar von interferierenden Antennen.

(3) Bei einer Distanz von mehr alsD1km dürfen beide Antennen mit der selben Frequenz betrieben werden, ohne dass zusätzliche Kosten entstehen.

a) Formulieren Sie das Problem, eine kostenminimale Frequenzzuweisung zu finden, als ganzzahliges Programm.

b) Für Antennen, welche in Grenznähe stehen, kann es Einschränkungen hinsichtlich der zuweisbaren Frequenzen geben. D. h. für jede Antenne in einem Grenzgebiet gibt es eine Teilmenge von{1, ...,m}der für diese Antenne zulässigen Frequenzen.

Erweitern Sie Ihr Modell aus a) derart, dass dieser Sachverhalt mit berücksichtigt wird.

2

Referenzen

ÄHNLICHE DOKUMENTE

Hierbei könnten die Funktionen/Methoden facet, projection_full, projection, DUAL_GRAPH und VISUAL hilf- reich sein.. (c) Berechnen Sie mit Hilfe von polymake ein Optimum für

Fachbereich Mathematik SoSe

Verifiziere für jeden Eckpunkt (algebraisch und geometrisch), ob die KKT-

Fachbereich Mathematik SoSe 2011.

There are benefits to be derived from doing this (cheaper housing, government incentives, easier recruitment, etc.) which have been costed.. Also, however, there will be greater

c) Bringen Sie die Lagrange-Relaxierung aus Aufgabenteil a) in eine Form, die es erlaubt, die Berechnung von L (λ) auf die Bestimmung eines gewichtsminimalen 1-Baumes

In dem großen Würfel nennen wir drei kleine Würfel eine Linie, falls sie parallel zu einer Kante des großen Würfels aufgereiht liegen, eine Diagonale parallel zu einer der

Tritt in den Nebenbedingungen oder der Zielfunktion eines Optimierungsproblems eine stetige Funktion g : R → R auf, so kann diese durch einen linearen Spline approximiert werden.. , n