Sie sind auf Seite 1von 13

Universität zu Köln

Mathematisches Institut
Prof. Dr. F. Vallentin
Dr. A. Gundert

Einführung in die Mathematik des Operations Research


Sommersemester 2014

— Lösungen zur Klausur (25. September 2014) —


Aufgabe 1 (5+5=10 Punkte)

1. 1500 Studierende wollen an den Universitäten in Köln und Bonn studieren. In


Köln gibt es 1000 Studienplätze, in Bonn 500. Jede Universität möchte die Stu-
dierenden mit den besten Noten haben, jeder Studierende hat eine persönliche
Präferenz der beiden Universitäten.
Definieren Sie zwei Präferenztabellen, die es möglich machen, eine stabile Vertei-
lung der Studierenden mit Hilfe des Gale-Shapley-Algorithmus zu finden.
2. Berechnen Sie das stabile Matching, das bei den unten angegebenen Präferenz-
tabellen für die Frauen am besten ist:
Männer Frauen
A: c a b a: C A B
B: b a c b: A C B
C: c b a c: A C B

Lösung:
1. Bezeichne die 1500 Studierenden mit S1 , S2 , . . . , S1500 , die 1000 Studienplätze in
Köln mit K1 , K2 , . . . , K1000 und die 500 in Bonn mit B1 , B2 , . . . , B500 .
Die Nummerierung der Studierenden sei so gewählt, dass S1 , S2 , . . . , Sl lieber in
Köln als in Bonn studieren wollen und dass Sl+1 , Sl+2 , . . . , S1500 Bonn präferieren.
Die Permutation π : {1, . . . , 1500} → {1, . . . , 1500} gebe eine Sortierung der Stu-
dierenden nach Noten an. Dann kann man folgende Präferenztabellen verwen-
den:

Studierende Universitäten
S1 : K1 ··· K1000 B1 ··· B500 K1 : Sπ(1) · · · Sπ(1500)
.. ..
. : . : Sπ(1) ··· Sπ(1500)
Sl : K1 ··· K1000 B1 ··· B500 K1000 : Sπ(1) ··· Sπ(1500)
Sl+1 : B1 ··· B500 K1 ··· K1000 B1 : Sπ(1) ··· Sπ(1500)
.. ..
. : . : Sπ(1) ··· Sπ(1500)
S1500 : B1 ··· B500 K1 ··· K1000 B500 : Sπ(1) ··· Sπ(1500)

1
2. Der Gale-Shapley Algorithmus berechnet das beste stabile Matching für das Ge-
schlecht, das die Heiratsanträge macht. Also müssen hier die Frauen den ersten
Schritt wagen. Der Algorithmus von Gale und Shapley liefert folgendes:
a A a A a A
b B b B b B
c C c C c C
k=1 k=2

a A a A a A
b B b B b B
c C c C c C
k=3
Somit ist (a, B), (b, C), (c, A) das für die Frauen beste stabile Matching.

2
Aufgabe 2 (5+5=10 Punkte)

1. Benutzen Sie eine min-max-Charakterisierung, um zu begründen, dass der Weg


{(s, b), (b, t)} in folgendem gerichteten Graphen (mit angegebener Längenfunktion)
ein kürzester s-t-Weg ist.

a
9 25
s 9 t
16 17
b

2. Sei D = (V, A) ein gerichteter Graph, und sei l : A → Z eine Längenfunktion,


so dass alle gerichteten Kreise in D nicht-negative Länge haben. Seien zudem
s, t ∈ V so, dass es einen s-t-Weg in D gibt.
Stellen Sie von folgendem linearen Programm (PLP) das duale Programm (DLP)
auf und zeigen Sie die Gleichheit von (PLP) und (DLP):

(PLP) max p(t) − p(s)


p:V →R
p(v) − p(u) ≤ l(a) ∀a = (u, v) ∈ A.

Lösung:

1. Lösung über Schnitte:


Sei l die angegebene Längenfunktion. Da alle Kantenlängen positiv sind, gilt nach
Vorlesung dist(s, t) = M , wobei

M := max{k : ∃ C1 , . . . , Ck s − t − Schnitte, so dass ∀ a ∈ A : |{j : a ∈ Cj }| ≤ l(a)}.

(Hierbei darf Ci = Cj gelten für i 6= j.)


Wir zeigen, dass M ≥ 33. Dann gilt dist(s, t) ≥ 33 = l({(s, b), (b, t)}) und der
angegebene Weg somit ein kürzester s-t-Weg.
Es gibt vier mögliche s-t-Schnitte:

a a
9 25 9 25
s 9 t s 9 t
16 17 16 17
δ + ({s}) b δ + ({s, a}) b
a a
9 25 9 25
s 9 t s 9 t
16 17 16 17
δ + ({s, b}) b δ + ({s, a, b}) b

3
Wählen wir z.B. C1 = . . . = C9 = δ + ({s}), C10 = . . . = C16 = δ + ({s, a}) und
C17 = . . . = C33 = δ + ({s, a, b}), so ist die Bedingung an den Kanten erfüllt: Jede
Kante liegt in höchstens so vielen Schnitten wie ihre Länge erlaubt. Wir sehen
also, dass M ≥ 33.
Lösung über Potentiale:
Da alle gerichteten Kreise im angegebenen Graphen nicht-negative Länge haben
und es einen s-t-Weg gibt, können wir auch die Charakterisierung über Potentiale
verwenden. Nach Vorlesung gilt dist(s, t) = M , wobei

M := max p(t) − p(s)


p:V →R
p(v) − p(u) ≤ l(a) ∀a = (u, v) ∈ A.
Wir zeigen wiederum M ≥ 33, indem wir ein Potential p mit p(t) − p(s) = 33
angeben. Setze hierfür p(s) := 0, p(a) := 9, p(b) := 16, p(t) := 33.

2. Wir schreiben (PLP) zunächst in Standardform. Sei hierfür M die Inzidenzmatrix


von D, d.h. 

+1 a ∈ δ (v)

Mv,a = −1 a ∈ δ + (v) .

0 sonst

Zudem sei l ∈ RA durch die Längenfunktion definiert und c ∈ RV sei wie folgt:

+1 v = t

c(v) = −1 v = s .

0 sonst

Dann gilt:
(PLP) = max cT p
p ∈ RV
M T p ≤ l.
Das duale Programm ist also:

(DLP) = min y T l
y ∈ RA
y≥0
y T M T = cT .

Es gilt (PLP)=(DLP), wenn beide Programme zulässig sind. (Starke Dualität)


Zulässigkeit von (PLP): Eine zulässige Lösung von (PLP) ist ein Potential. Nach
Vorlesung gibt es genau dann ein Potential, wenn alle gerichteten Kreise nicht-
negative Länge haben, was hier nach Voraussetzung gegeben ist.
Zulässigkeit von (DLP): Ein nicht-negatives y ∈ RA ist genau dann zulässige
Lösung von (DLP), wenn y T M T = cT , also M y = c gilt. Dies ist genau dann

4
der Fall, wenn für alle v ∈ V gilt:

X X +1 v = t

y(a) − y(a) = −1 v = s .

a∈δ − (v) a∈δ + (v) 
0 sonst

Wir suchen also nach einem s-t-Fluss, der Wert 1 hat.


( Dazu wähle einen s-t-Weg,
1 a in Weg
der nach Voraussetzung existiert, und setze y(a) = .
0 sonst

5
Aufgabe 3 (5+5=10 Punkte)

1. Sei G = (V, E) der folgende Graph mit Gewichtsfunktion w : E → R wie angege-


ben:

a b c d e
3 3 2 2 1 3

1 4 3 1 3 3

A B C D E

Zeigen Sie, dass das eingezeichnete Matching in G nicht extrem ist.


2. Das untenstehende Matching ist extrem. (Das brauchen Sie nicht zu zeigen.) Ge-
ben Sie ein extremes Matching der Kardinalität 4 an. Begründen Sie Ihre Antwort.

a b c d e
3 3 2 2 1 3

1 4 3 1 3 3

A B C D E

Lösung:
1. Lösungsvariante 1: In 2. geben wir ein Matching derselben Kardinalität an, das
Gewicht 11 hat, während das hier betrachtete Matching Gewicht 9 hat. Es ist also
nicht extrem. (Man könnte auch ein anderes Matching der Kardinalität 4 angeben,
das ein Gewicht > 9 hat.)
Lösungsvariante 2: Nach Vorlesung existieren bei einem extremen Matching kei-
ne gerichteten Kreise negativer Länge im Residualgraphen. Wir betrachten also
den Residualgraphen des angegebenen Matchings:

a b c d e
−3 3 2 −2 −1 −3

−1 −4 −3 1 −3 3

A B C D E

Der grau unterlegte Kreis ist gerichtet und hat eine Länge von 3−3+2−3+1−1 =
−1. Das angegeben Matching ist also nicht extrem, da es einen gerichteten Kreis
negativer Länge im Residualgraphen gibt.

6
2. Ist M ein extremes Matching und P ein M -augmentierender Weg minimaler
Länge, so ist nach Vorlesung M 4P wieder ein extremes Matching. (Ein Schritt
der ungarischen Methode)
Wir betrachten alle möglichen M -augmentierenden Wege:

a − A: Länge −1
a − B − b − A: Länge −3 + 4 − 3 = −2
c − D: Länge −2
c − B − b − A: Länge −3 + 4 − 3 = −2

Dies sind offensichtlich alle möglichen M -augmentierenden Wege. Als kürzesten


Weg können wir also z.B. c − D wählen. Also ist folgendes Matching extrem:

a b c d e
3 3 2 2 1 3

1 4 3 1 3 3

A B C D E

7
Aufgabe 4 (5 + 5 = 10 Punkte)

1. Gegeben seien      
2 2 0
C = conv , und z= .
1 3 0
Berechnen Sie die metrische Projektion πC (z).
Zur Erinnerung: πC (z) ist das eindeutige y ∈ C mit ky − zk = inf x∈C kx − zk.

2. Sei    
−1 1 −5
A = −1 1  und b =  1 .
−2 −2 −6
Bestimmen Sie alle Ecken von P = {x ∈ R2 : Ax ≤ b} .

Lösung:
   
2 2
1. Sei x ∈ C. Dann ist x eine Konvexkombination von und :
1 3
   
2 2
x=α + (1 − α) für ein α ∈ [0, 1].
1 3

Es gilt also:
p p
kx − zk = kxk = (2α + 2(1 − α))2 + (α + 3(1 − α))2 = 4 + (3 − 2α)2
2
p
Da
√ √α ∈ [0, 1], gilt 3 − 2α ∈ [1, 3], also
√ 4 + (3 − 2α) ∈ [5, 13] und 4 + (3 − 2α)2 ∈
[ 5, 13]. Es gilt also kx − zk ≥ 5 für alle x ∈ C.

   
2 2
Für α = 1, also x = , gilt kx − zk = kxk = 5. Damit ist πC (z) = .
1 1

2. Ein Punkt z ∈ P ist genau dann eine Ecke von P , wenn rangAz = 2, wobei Az
aus den Zeilen von A besteht, die z mit Gleichheit erfüllt. Wir betrachten alle
möglichen Teilmatrizen von A:
 
−1 1
A1 = : Die Zeilen von A1 sind linear abhängig, also rangA1 = 1. Diese
−1 1
Matrix korrespondiert also nicht zu einer Ecke.
 
−1 1
A2 = (Löschen der zweiten Zeile):
−2 −2
Die Zeilen von
 A2 sind linear
 unabhängig,
 also rangA2 = 2. Die eindeutige Lösung
−5 4
von A2 x = ist x2 = . Da Ax2 ≤ b, liegt x2 in P , ist also eine Ecke.
−6 −1
 
−1 1
A3 = (Löschen der ersten Zeile):
−2 −2

8
Die Zeilen von
 A3sind linearunabhängig,
 also rangA3 = 2. Die eindeutige Lösung
1 1
von A3 x = ist x3 = . Da Ax3  b, liegt x3 nicht in P , ist also keine
−6 2
Ecke.
 
4
P hat also nur eine Ecke: .
−1

9
Aufgabe 5 (6 + 4 = 10 Punkte)

1. Zeigen Sie: Die Inzidenzmatrix M ∈ RV ×A eines gerichteten Graphen D = (V, A)


ist vollständig unimodular.

2. Sei    
−1 0 0 0 1 0 0 2
0
 0 −1 0 0 1 0

 −3 
 
0
 1 0 0 0 0 −1

 1 
 
0
 1 −1 0 0 0 0

 0 
 
0 0 0 0 −1 1 0  14 
M =  und b=
 .
0
 0 0 1 0 0 −1
  2 

0
 0 −1 0 0 0 1

 −1 
 
0
 0 1 0 −1 0 0
−11
 
−1 0 1 0 0 0 0  5 
0 0 0 1 0 −1 0 0
Zeigen Sie, dass das Polyeder {x ∈ R7 : M x ≤ b} ganzzahlig ist.

Lösung:

1. Aus dem Skript:


Sei B ∈ Rt×t eine Teilmatrix von M . Zeige per Induktion nach t, dass det B ∈
{−1, 0, +1}.
t = 1: X
t > 1:

1.Fall: B hat eine Nullspalte ⇒ det B = 0.

2.Fall: B hat eine Spalte, die genau einen Eintrag 6= 0 enthält.


Dann, nach eventueller Vertauschung von Zeilen und Spalten, ist
 
±1 bT
B= , b ∈ Rt−1 , B 0 ∈ R(t−1)×(t−1) .
0 B0

Nach Induktionsvoraussetzung ist det B 0 ∈ {−1, 0, +1},


also det B = (±1)· det B 0 ∈ {−1, 0, +1}.

3.Fall: Jede Spalte von B enthält zwei Einträge 6= 0. Aufaddieren sämtlicher Zeilen
von B ergibt 0, das heißt det B = 0.

2. Jede Zeile von M enthält je eine 1 und eine −1. Also ist M T die Inzidenzmatrix
eines gerichteten Graphen. Damit ist M T , also auch M vollständig unimodular.
Da b ∈ Z10 , ist P nach Vorlesung ganzzahlig.

10
Aufgabe 6 (8+2=10 Punkte)

1. Sei    
−1 0 0 0 
 0 −1 0  0 1
A= , b=  und c = −5 .
0 0 −1 0
−1
1 −2 0 2

Lösen Sie das lineare Program

p∗ = max cT x
x ∈ R3
Ax ≤ b

und geben Sie eine optimale Ecke an.

2. Sei (LP) das folgende lineare Programm:

(LP) min cT x
Ax = b ,
x≥0

wobei A ∈ Rm×n , b ∈ Rm und c ∈ Rn . Wie ist der zentrale Pfad von (LP) definiert?

Lösung:
1. Lösung mit Simplexverfahren:
Seien    
0 −1 0 0
x0 = 0 und A0 =  0 −1 0  .
0 0 0 −1

Wir wählen den Vektor x0 als Startecke. x0 ist eine Ecke von {x ∈ R3 : Ax ≤ b},
da Ax0 ≤ b und die Matrix A0 der Zeilen, die x0 mit Gleichheit erfüllt, Rang 3 hat.
Wir haben A−1 T −1 T
0 = A0 und c A0 = (−1, 5, 1). Also wählen wir u = (−1, 5, 1, 0) .

u hat negative Einträge, also ist x0 nicht optimal. Wir haben


 
  −1
1 0
i = 1, y = 0 und Ay =   0 .

0
1

Da Ay einen postiven Eintrag hat, wählen wir eine weitere Ecke. Wir setzen j = 4
und bekommen als nächste Ecke x1 = x0 + λy mit λ = 2/1 = 2.
Wir haben also
     
2 0 −1 0 −2 0 1
x1 = 0 , A1 = 0 0 −1 und A−1
1 = −1 0 0 .
0 1 −2 0 0 −1 0

11
Dann ist cT A−1 T
1 = (3, 1, 1) und u = (0, 3, 1, 1) . Da u ≥ 0, ist x1 optimal.

Wir erhalten also:


 
2
Zielwert: cT x1 = 2, optimale Ecke: 0 .
0

Lösung mit Fourier-Motzkin-Elimination: Um das Programm mit Hilfe von Fourier-


Motzkin-Elimination zu lösen, betrachten wir folgendes System:
Ax ≤b
T
−c x + λ ≤ 0

mit x ∈ R3 , λ ∈ R und wählen λ so groß wie möglich.

   
−1 0 0 0 | 0 1 −2 0 0 | 2  
 0 −1 0 0 | −1 0 −2 0 0 | 2
0 0 0 | 0
    3 1 1 | 2
0 0 −1 0 |  → −1 5
0  1 1 | 0  → −1
 

 1 −2 0 0 |  0 −1 0 0 | 0 0 0 | 0
2
0 −1 0 | 0
−1 5 1 1 | 0 0 0 −1 0 | 0
1 1
| 32
   
−2 0 0 | 2 1  1 1
| 53

3 3
3 1 1 | 2
−1 0 0 | 1  →  1 1
  3 3

−1 0 0 → | 23 
| 0 −1 0 0 | 0  3 3
−1 0 | 0
0 −1 0 | 0 0 −1 0 | 0
 1 1
| 35
  
1 1 | 5  
 1 1 | 2  →  1 1 | 2 → 1 | 5
3 3
3 3 3 1 | 2
−1 0 | 0 −1 0 | 0
Das Programm ist also lösbar und wir erhalten an λ die Bedingungen λ ≤ 2 und
λ ≤ 5. Also wählen wir λ = 2. Dies ist der optimale Zielwert.
Um eine optimale Ecke, die diesen Zielwert erreicht, zu erhalten, kehren wir die
Eliminationsschritte um. Für x3 bekommen wir folgende Bedingungen:
x3 ≤ 5 − λ, x3 ≤ 2 − λ und x3 ≥ 0.
Mit λ = 2 ergeben die letzten beiden Bedingungen, dass x3 = 0.
Für x2 bekommen wir folgende Bedingungen:
2 x3 λ
x2 ≤ − − , x2 ≥ −1 und x2 ≥ 0.
3 3 3
Da λ = 2 und x3 = 0, erhalten wir x2 = 0.
Für x1 bekommen wir folgende Bedingungen:
x1 ≤ 2 + 2x2 , x1 ≥ 0 und x1 ≥ 5x2 + x3 + λ.
Durch Einsetzen der bisher
  erhaltenen Werte bekommen wir x1 = 2. Wir erhalten
2
also die optimale Ecke 0 .
0

12
2. Sei F : R2n+m → R2n+m die folgende Abbildung:
 T 
A y+s−c
F (x, y, s) =  Ax − b  ,
XSe

wobei X = diag(x1 , . . . , xn ), S = diag(s1 , . . . , sn ), e = (1, . . . , 1)T .


In der Vorlesung wurde gezeigt, dass es für jedes τ > 0 ein eindeutiges (xτ , yτ , sτ )
gibt mit xτ > 0, sτ > 0 und
 
0
F (xτ , yτ , sτ ) =  0  ,
τe

falls die Menge der strikt zulässigen Lösungen F 0 = {(x, y, s) : AT y + s = c, Ax =


b, x > 0, s > 0} nicht-leer ist.
In diesem Fall ist der zentrale Pfad von (LP) die Menge C = {(xτ , yτ , sτ ) : τ > 0}.
Falls es keine strikt zulässigen Lösungen gibt, ist der zentrale Pfad nicht definiert.

13