Kapitel 4 Lineare Programme 1
Walter Unger
Lehrstuhl für Informatik 1
8:34 Uhr, den 5. Dezember 2019
4:2 Walter Unger 5.12.2019 8:34 WS2019/20
Inhalt I
1 Einleitung zu LPs Beispiele Formen eines LP Geometrische Interpretation 2 Algorithmus von Seidel
Details Algorithmus
Laufzeit 3 Ellipsoidmethode
Einleitung Ellipsoidmethode Transformation Laufzeit Bemerkungen
Lösen eines LPs mit Ellipsoidmethode
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 1/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5·x +y
=40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 2/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5·x +y
=40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 3/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 4/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 5/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 6/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 7/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 8/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 9/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 10/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110
.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 11/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110
.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 12/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110 1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 13/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110 1.2
·x +
y6 120
4/5· x+
y= 40
4/5·x+
y= 60 4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 14/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110 1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x
+y
=60
4/5·x+
y= 80 4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 15/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110 1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x
+y
=60 4/5·x+
y= 80
4/5·x+
y= 100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
Einleitung zu LPs Algorithmus von Seidel Ellipsoidmethode
4:1 Beispiele 16/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6
y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110 1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x
+y
=60 4/5·x+
y= 80 4/5·x
+y
=100
Wir betrachten ein System von linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
4:1 Beispiele 17/17 Walter Unger 5.12.2019 8:34 WS2019/20
Einfaches Beispiel
116 .6 y
x 10
20 30 40 50 60 70 80 90 100 110
10 20 30 40 50 60 70 80
x680
y6110 1.2
·x +
y6 120
4/5· x+
y= 40 4/5·x
+y
=60 4/5·x+
y= 80 4/5·x
+y
=100
opt Wir betrachten ein System von
linearen Ungleichungen.
Dabei ist eine “Zielfunktion” zu optimieren.
Beispiel (Brotrezept):
x kg Weizenmehl y kg Roggenmehl
Maximal 80 kg Weizenmehl.
Maximal 110 kg Roggenmehl.
Mischungsverhältnis: 1.2·x+y.
Maximale Brotmenge:
1.2·x+y6120.
Zu optimieren:
f(x,y) =4/5·x+y.
4:2 Beispiele 1/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 2/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 3/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 4/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 5/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 6/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 7/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 8/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 9/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:2 Beispiele 10/10 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Flussproblem
Flussproblem:
GegebenG = (V,E,s,t,c)mitc:E7→N. Maximiere den Fluss.
als lineares Programm:
Variablenxe füre∈E.
Maximiere
X
e∈Nout(s)∈E
xe.
unter Einhaltung der Bedingungen:
Für jeden Knotenv∈V\ {s,t}:P
e∈Nin(v)xe=P
e∈Nout(v)xe,
∀e∈E:xe6ce, und
∀e∈E:xe>0.
4:3 Beispiele 1/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 2/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 3/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 4/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 5/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 6/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 7/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 8/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.
4:3 Beispiele 9/12 Walter Unger 5.12.2019 8:34 WS2019/20
Beispiel: Relaxiertes Rucksackproblem
Relaxiertes Rucksackproblem:
gegebendteilbare Objekte mit Gewichtengi und die GewichtsschrankeG des Rucksacks.
Undvi sei der Nutzen für 16i6d.
Seixi der Anteil von Objekti.
Fülle den Rucksack. Dabei soll der Nutzen maximal sein.
Als lineares Programm:
Maximiere
d
X
i=1
vi·xi.
unter den Nebenbedingungen:
Pd
i=1gi·xi6G,
∀i:16i6d:xi61, und
∀i:16i6d:xi>0.