Numerical Aspects of Linear and Integer Programming - Cheatsheet.pdf

Numerical Aspects of Linear and Integer Programming - Cheatsheet
Numerical Aspects of Linear and Integer Programming - Cheatsheet Grundlagen der linearen Programmierung Definition: Grundlegende Konzepte und Methoden zur Lösung von Optimierungsproblemen, bei denen eine lineare Zielfunktion unter linearen Nebenbedingungen optimiert wird. Details: Zielfunktion: \[ c^T x \rightarrow \text{max} \text{ oder } \text{min} \] Nebenbedingungen: \[ A x \text{ (<=, =, >=) ...

© StudySmarter 2024, all rights reserved.

Numerical Aspects of Linear and Integer Programming - Cheatsheet

Grundlagen der linearen Programmierung

Definition:

Grundlegende Konzepte und Methoden zur Lösung von Optimierungsproblemen, bei denen eine lineare Zielfunktion unter linearen Nebenbedingungen optimiert wird.

Details:

  • Zielfunktion: \[ c^T x \rightarrow \text{max} \text{ oder } \text{min} \]
  • Nebenbedingungen: \[ A x \text{ (<=, =, >=) } b \]
  • Machbarkeitsbereich: Lösungsmenge der Nebenbedingungen
  • Optimallösung: Punkt im Machbarkeitsbereich, der die Zielfunktion optimiert
  • Simplex-Algorithmus: Iterative Methode zur Bestimmung der Optimallösung
  • Dualitätstheorie: Verbindung zwischen primärem und dualem Problem

Durchführung und Pivotschritte des Simplex-Algorithmus

Definition:

Durchführung der Pivotoperationen im Simplex-Algorithmus zur schrittweisen Optimierung einer Zielfunktion.

Details:

  • Start mit einer zulässigen Basislösung.
  • Bestimme die Pivotspalte: Wähle die Variable mit dem höchsten positiven Zielfunktionskoeffizienten.
  • Bestimme die Pivotzeile: Wähle diejenige mit dem kleinsten positiven Verhältnis des rechten Randwerts zum Pivotelement.
  • Durchführung der Pivotoperation: Aktualisiere die Basisvariablen und den Simplex-Tableau.
  • Wiederhole, bis keine positiven Zielfunktionskoeffizienten mehr vorhanden sind.

Branch-and-Bound-Verfahren: Upper und Lower Bounds

Definition:

Verfahren zur Lösung von ganzzahligen und gemischt-ganzzahligen Optimierungsproblemen durch systematisches Durchsuchen und Abschneiden (Bounding) von Teillösungen.

Details:

  • Upper Bound (OB): Schlechtestes akzeptables Ergebnis. Wird anfangs durch eine heuristische Lösung oder ein Relaxationsverfahren gebildet.
  • Lower Bound (UB): Bestmögliches Ergebnis innerhalb eines Teillösungsraums. Definiert durch das Lösen eines Relaxationsproblems.
  • Branching: Aufteilung des Problems in kleinere Teilprobleme durch Festlegung von Variablenwerten.
  • Kriterium: Abbruch eines Suchzweigs, wenn LB \(\geq\) OB (keine verbesserte Lösung möglich).
  • Zielfunktion bleibt zwischen LB und OB, um den Lösungsraum zu reduzieren und die Berechnungseffizienz zu erhöhen.

Primal-Duale Paarung und starke Dualität

Definition:

primal-duale Paarung und starke Dualität in der linearen Optimierung. Wenn die Optimallösungen des Primals und des Duals übereinstimmen, liegt starke Dualität vor.

Details:

  • Primales Problem: \[ \text{min } c^T x \ \text{s.t. } Ax \text{≥} b, \ x \text{≥} 0 \]
  • Duales Problem: \[ \text{max } b^Ty \ \text{s.t. } A^T y \text{≤} c, \ y \text{≥} 0 \]
  • Starke Dualität: \[ \text{Existieren Optimallösungen } x^* \text{ und } y^*, \text{dann gilt } c^T x^* = b^T y^* \]

Formulierung und Lösbarkeit ganzzahliger Modelle

Definition:

Ganzzahlige Modelle verwenden ganzzahlige Variablen in Optimierungsproblemen.

Details:

  • Formulierung: Variablen nur ganzzahlig (\texttt{integer}), z.B. \texttt{x \in \mathbb{Z}}.
  • Kennzeichnende Gleichungen und Ungleichungen, die die Lösungsmenge beschreiben.
  • Lösbarkeit: Häufig NP-schwer; praktische Ansätze wie Branch-and-Bound, Branch-and-Cut.
  • Modellierungsstrategien: Einschränkungen hinzufügen, z.B. über Binärvariablen (\texttt{0} oder \texttt{1})
  • Lösung in Praxis oft Heuristiken oder Approximationsalgorithmen.
  • Werkzeuge: Gurobi, CPLEX, SCIP.

Schnittebenen und Gomory-Cuts

Definition:

Schnittebenen und Gomory-Cuts sind Methoden zur Lösung gemischt-ganzzahliger lineare Programme, die darauf abzielen, die Menge der zulässigen Lösungen einzugrenzen.

Details:

  • Schnittebenen: Zusätzliche Ungleichungen, die fraktionale Lösungen ausschließen, aber zulässige ganzzahlige Lösungen erhalten.
  • Gomory-Cuts: Erzeugen Schnittebenen, indem sie aus der optimalen Simplex-Tabelle gebrochenen Teile abschneiden.
  • Algorithmus:
    • LP lösen, fraktionale Variable identifizieren
    • Gomory-Cut generieren, zur LP hinzufügen
    • LP erneut lösen, wiederholen bis ganzzahlige Lösung

Greedy-Algorithmen und Approximationsgarantien

Definition:

Greedy-Algorithmen: Algorithmen, die in jedem Schritt die augenblicklich beste Wahl treffen. Approximationsgarantien: Maß für die Qualität einer Näherungslösung im Vergleich zur optimalen Lösung.

Details:

  • Greedy-Algorithmen wählen lokal optimale Lösungen in der Hoffnung, eine global optimale Lösung zu finden.
  • Beispiele: Kruskal-Algorithmus, Dijkstra-Algorithmus.
  • Approximationsfaktor: Verhältnis von Näherungslösung zur optimalen Lösung, oft als \( \alpha \leq \frac{L_A(I)}{L_{OPT}(I)} \) gegeben.
  • Verwendung bei Problemen, wo exakte Lösungen schwer zu berechnen sind (z.B. NP-schwere Probleme).

Vergleich und Anwendung bei NP-schweren Problemen

Definition:

Details:

  • NP-schwere Probleme: Probleme, die zumindest so schwer sind wie die schwierigsten Probleme in NP.
  • Vergleich: Für die Lösung und Analyse von NP-schweren Problemen werden Techniken wie Backtracking, Branch-and-Bound, und heuristische Algorithmen verwendet. Diese Techniken werden oft basierend auf ihrer Effizienz und Anwendung verglichen.
  • Anwendung: Einsatz in Bereichen wie Logistik (z.B. Routenplanung), Finanzwesen (z.B. Portfolio-Optimierung), und Informatik (z.B. Graphenprobleme).
  • Approximation: Viele NP-schwere Probleme werden durch Approximation gelöst, da exakte Lösungen oft zu zeitaufwendig sind.
  • Komplexität: Wichtige Komplexitätsklassen wie NP, NP-vollständig und NP-schwer werden bei der Analyse dieser Probleme verwendet.
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden