• Keine Ergebnisse gefunden

Diskrete Optimierung

N/A
N/A
Protected

Academic year: 2022

Aktie "Diskrete Optimierung"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Fachbereich Mathematik Prof. Dr. Michael Joswig Silke M¨oser

SS 2010 15./16. April 2010

Diskrete Optimierung

1. ¨ Ubungsblatt

Gruppen¨ ubungen

Aufgabe G1.1 Gegeben sei das folgende lineare Programm:

(P)

max 7x1 + 6x2 + 5x3 − 2x4 + 3x5

s.t. x1 + 3x2 + 5x3 − 2x4 + 2x5 ≤ 4 4x1 + 2x2 − 2x3 + x4 + x5 ≤ 3 2x1 + 4x2 + 4x3 − 2x4 + 5x5 ≤ 5 3x1 + x2 + 2x3 − x4 − 2x5 ≤ 1 x1, . . . , x5 ≥ 0 (a) Formuliere das duale Problem zu (P).

(b) Pr¨ufe mit Hilfe des Satzes von komplement¨aren Schlupf, ob ¯x = 0,43,23,53,0T

eine Optimall¨osung von (P) ist.

Aufgabe G1.2 Sei P ⊂Rn ein Polytop. Zeige:

(a) P hat endlich viele Ecken.

(b) Ein Punktx∈P ist genau dann eine Ecke vonP, wenn P \ {x} konvex ist.

(c) Sei F eine Seitenfl¨ache von P. Dann entsprechen die Ecken von F genau den Ecken von P, die in F enthalten sind.

(d) Eine Kante von P verbindet zwei Ecken von P.

Aufgabe G1.3 Ein 0/1-Polytop ist die konvexe H¨ulle einer Teilmenge von {0,1}d, der Eckenmenge desd-W¨urfels.

Zwei 0/1-Polytope heißen 0/1-¨aquivalent, falls man sie durch eine Symmetrie desd-W¨urfels ineinander ¨uberf¨uhren kann.

Klassifiziere alle 3-dimensionalen 0/1-Polytope (bis auf 0/1- ¨Aquivalenz).

Aufgabe G1.4 Die beiden Polytope P1 und P2 seien definiert als konvexe H¨ulle der Zei- lenvektoren der folgenden Matrizen:

P1 = conv

0 0 0 0 0 0 0 1 1 0 0 1 0 1 0 1 0 0 1 0 0 1 1 0 0 0 1 1 0 1

P2 = conv

0 0 0 0 0 0 0 1 1 0 0 1 0 1 0 0 1 1 0 0 1 0 0 1 0 1 0 0 1 1

Zeige, P1 und P2 sind kongruent, aber nicht 0/1-¨aquivalent.

(2)

Haus¨ ubungen

Aufgabe H1.1 (6 Punkte) Betrachte die beiden zueinander dualen linearen Program- me:

max cTx

s.t. Ax ≤ b x ≥ 0

min bTy

s.t. ATy ≥ c y ≥ 0

Gib f¨ur jede m¨ogliche Kombination in Hinblick auf die L¨osbarkeit der beiden linearen Programme (

”endlich“,

”unbeschr¨ankt“,

”unzul¨assig“) ein Beispiel.

Aufgabe H1.2 (6 Punkte) L¨ose mit dem Simplex-Algorithmus:

min −x1 + x2 − 2x3

s.t. 2x1 − 3x2 + x3 = 3 x1 − 2x2 − x3 = 1

3x1 − 5x2 = 4

x1, x2, x3 ≥ 0

Benutze die Phase I des Simplex-Algorithmus um eine zul¨assige Basisl¨osung zu finden.

Aufgabe H1.3 (6 Punkte) F¨ur 1≤k ≤d ist der Hypersimplex ∆d(k) definert durch

d(k) := {x∈[0,1]d|x1+x2+. . .+xd=k}.

d(1) ist ein (d−1)-dimensionaler Simplex imRd.

Bestimme die f-Vektoren von ∆3(2), ∆4(2) und die Anzahl der Ecken und Facetten von

5(2).

Hinweis: Zur L¨osung dieser Aufgabe ist es erlaubt,polymake zu benutzen.

Referenzen

ÄHNLICHE DOKUMENTE

Aufgabe G3.2 Erinnere dich an das Rucksack-Problem aus der Vorlesung: Du willst eine Wanderung machen.. Es kommen N verschiedene Gegenst¨ ande infrage, die du vielleicht mit-

Aufgabe G6.1 Zeige, dass eine ganzzahlige Matrix A genau dann total unimodular ist, wenn das System Ax ≤ b, x ≥ 0 f¨ ur jeden Vektor b TDI ist. Aufgabe G6.2 Beweise folgenden Satz

Fachbereich

(1) Betr¨ agt die (euklidische) Distanz zwischen zwei Antennen weniger als D 0 km, darf diesen beiden Antennen nicht dieselbe Frequenz zugewiesen werden.. (2) Bei einer Distanz

Hinweis: Rate eine Optimall¨osung (wende einen kontinuierlichen Gewichtsdichtengree- dy an) und konstruiere daraus mit Hilfe des dualen Problems eine duale L¨osung mit dem

Zur Erinnerung: Das Knoten¨ uberdeckungsproblem zu einem Graphen G = (V, E) besteht in dem Finden einer kardinalit¨ atsminimalen Teilmenge S ⊂ V , sodass jede Kante von G mit

Es feh- len nur ein paar konvergente Reihen, aber bei den Funktionen in zwei Variablen ist vieles durcheinander geraten.. K¨onnen Sie helfen und die Graphen und

Patrizio Neff Katrin Krohne.. TECHNISCHE UNIVERSIT¨