Orientierte Produktionstechnik

Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen
Operations Research
Vorlesung 3
Lineare Programmierung: Simplex-Algorithmus
Wiederholung
▪ Die drei Schritte im Operations Research
▪ Problem, Modell, Lösung
▪ Typische Problemszenarien
▪ Z.B. Transportproblem, Energieflussproblem, Auswahlproblem
▪ Standardform der linearen Programmierung
▪ Intuitive Lösungsverfahren
▪ Systematisches Durchsuchen und Grafisches Lösen
Operations Research | Vorlesung 3 | Seite 2
© Prof. Dr. Dirk C. Mattfeld

Heutige Fragestellungen
▪ Wie können wir (größere) lineare Probleme lösen?
▪ Ist jedes lineare Programm lösbar?
▪ Gibt es Ausnahmen und wie erkennen wir sie?

Überblick
1. Simplex-Algorithmus
2. Anwendungsbeispiel zum Simplex-Algorithmus
3. Sonderfälle der linearen Programmierung

Überblick

Simplex-Algorithmus (Dantzig, 1947): Idee
▪ Eine Lösung der 𝑚 Restriktionen 𝑎𝑖,1 𝑥1 + ⋯ + 𝑎𝑖,𝑛+𝑚 𝑥𝑛+𝑚 = 𝑏𝑖 𝑖 = 1, … , 𝑚
heißt Basislösung, falls gilt:
▪ 𝑛 der Variablen 𝑥1 ,…,𝑥𝑛+𝑚 sind Null (Nicht-Basisvariablen)
▪ Jede der verbleibenden 𝑚 Variablen (Basisvariablen) tritt in nur jeweils

einer Gleichung, und zwar mit dem Koeffizienten 1, auf.
▪ Eine Basislösung heißt zulässig, falls alle Basisvariablen (BV) nicht-negativ sind.

Variablennotation
▪ Strukturvariablen:
▪ originale Entscheidungsvariablen
▪ Wirken sich auf Zielfunktion aus
▪ Schlupfvariablen:
▪ Repräsentieren Nebenbedingungen
▪ Keine Auswirkung auf Zielfunktion
▪ Basisvariablen einer Lösung:

▪ Sind ungleich 0
▪ Haben einen einzigen Eintrag in unserem Gleichungssystem
▪ Nicht-Basisvariablen:
▪ Sind 0
▪ Können in mehreren Gleichungen auftreten

Struktur-, Schlupf-, Basis- und Nicht-Basisvariablen
▪ Strukturvariable ist Basisvariable:
▪ I.d.R. ungleich 0 (kommt in der Lösung vor) Strukturvariable Schlupfvariable
▪ Strukturvariable ist Nicht-Basisvariable:
▪ Gleich 0 (kommt nicht in der Lösung vor)
▪ Schlupfvariable ist Basisvariable: Basisvariable Nicht-Basisvariable

▪ Repräsentiert Nebenbedingung
▪ I.d.R. ungleich 0 (Nebenbedingung bindet nicht)
▪ Schlupfvariable ist Nicht-Basisvariable:
▪ Repräsentiert Nebenbedingung
▪ Gleich 0 (Nebenbedingung bindet)

Simplex-Algorithmus (Dantzig, 1947): Idee
▪ Eine Lösung der 𝑚 Restriktionen 𝑎𝑖,1 𝑥1 + ⋯ + 𝑎𝑖,𝑛+𝑚 𝑥𝑛+𝑚 = 𝑏𝑖 𝑖 = 1, … , 𝑚
heißt Basislösung, falls gilt:
▪ 𝑛 der Variablen 𝑥1 ,…,𝑥𝑛+𝑚 sind Null (Nicht-Basisvariablen)
▪ Jede der verbleibenden 𝑚 Variablen (Basisvariablen) tritt in nur jeweils

einer Gleichung, und zwar mit dem Koeffizienten 1, auf.
▪ Eine Basislösung heißt zulässig, falls alle Basisvariablen (BV) nicht-negativ sind.
▪ Idee des Simplex-Algorithmus:

Ausgehend von einer zulässigen Basislösung wird eine neue zulässige Basislösung mit verbessertem
Zielfunktionswert konstruiert, bis ein Abbruchkriterium erreicht wird.

Beispiel: Produktionsprogrammplanung
▪ Eine Unternehmung stellt die Produkte 𝑃1 und 𝑃2 her, die mit einem Gewinn (Deckungsbeitrag) von 3 €
bzw. 4 € pro ME verkauft werden können.
▪ Zur Fertigung der beiden Produkte sind erforderlich
(a) eine Maschine, die (in dem Planungszeitraum) maximal 1200 Std. eingesetzt
werden kann
(b) ein Rohstoff, von dem (in dem Planungszeitraum) höchstens 3000 ME zur
Verfügung stehen
(c) Arbeitskräfte, die (in dem Planungszeitraum) höchstens 125 Std. eingesetzt
werden können
▪ Für die Herstellung einer ME des Produktes P1 (bzw. P2) werden benötigt:
Maschine 3 Std. (bzw. 2 Std.)
Rohstoff 5 ME (bzw. 10 ME)
Arbeitskräfte - (bzw. 0,5 Std.)
Gesucht: Produktionsprogramm mit maximalem (Gesamt-)Gewinn

Simplex-Algorithmus: Problemformulierung
(Produktionsprogrammplanung)
max 𝑧 = 3𝑥1 + 4𝑥2 + 0𝑥3 + 0𝑥4 + 0𝑥5
u.d.N. 3𝑥1 + 2𝑥2 + 𝑥3 = 1200 (1)

5𝑥1 + 10𝑥2 + 𝑥4 = 3000 (2)
0,5𝑥2 + 𝑥5 = 125 (3)
𝑥1  0, 𝑥2  0, 𝑥3  0, 𝑥4  0, 𝑥5  0
Zulässige Basislösung:
𝑥1 = 0, 𝑥2 = 0 Nichtbasisvariablen
𝑥3 = 1200, 𝑥4 = 3000, 𝑥5 = 125 Basisvariablen
𝑧 = 0

Simplex-Algorithmus: Basistausch
Austausch 𝑥5 gegen 𝑥2:
(1) - 4*(3): 3𝑥1 + 𝑥3 − 4𝑥5 = 700
(2) - 20*(3): 5𝑥1 + 𝑥4 − 20𝑥5 = 500
2*(3): 𝑥2 + 2𝑥5 = 250  𝑥2 = 250 - 2𝑥5
BV: 𝑥2, 𝑥3, 𝑥4
NBV: 𝑥1, 𝑥5
Zielfunktion:
max 3𝑥1 + 4*(250 - 2𝑥5)  max 3𝑥1 - 8𝑥5 + 1000
Neue zulässige Basislösung:

𝑥1 = 0, 𝑥5 = 0 Nichtbasisvariablen
𝑥2 = 250, 𝑥3 = 700, 𝑥4 = 500 Basisvariablen
𝑧 = 1000

Ein Austauschschritt wird gewöhnlich im Simplex-Tableau durchgeführt. Zur Veranschaulichung liege
eine zulässige Basislösung mit
NBV 𝑥1 , … , 𝑥𝑛 und BV 𝑥𝑛+1 , … , 𝑥𝑛+𝑚 vor.
𝑥1 𝑥2 … 𝑥𝑠 … 𝑥𝑛 𝑥𝑛+1 𝑥𝑛+2 … 𝑥𝑛+𝑟 … 𝑥𝑛+𝑚 RS

𝑐1 𝑐2 … 𝑐𝑠 … 𝑐𝑛 0 0 … 0 … 0 −𝑧0
𝑎11 𝑎12 … 𝑎1𝑠 … 𝑎1𝑛 1 0 … 0 … 0 𝑏1
𝑎21 𝑎22 … 𝑎2𝑠 … 𝑎2𝑛 0 1 … 0 … 0 𝑏2
𝑎𝑟1 𝑎𝑟2 … 𝑎𝑟𝑠 … 𝑎𝑟𝑛 0 0 … 1 … 0 𝑏𝑟
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑠 … 𝑎𝑚𝑛 0 0 … 0 … 1 𝑏𝑚

Wahl eines Pivotelements, das festlegt, welche Variable in die Basis aufgenommen wird und welche
Variable Nichtbasisvariable wird.

𝑐1 𝑐2 … 𝑐𝑠 … 𝑐𝑛 0 0 … 0 … 0 −𝑧0
𝑎11 𝑎12 … 𝑎1𝑠 … 𝑎1𝑛 1 0 … 0 … 0 𝑏1
𝑎21 𝑎22 … 𝑎2𝑠 … 𝑎2𝑛 0 1 … 0 … 0 𝑏2
𝑎𝑟1 𝑎𝑟2 … 𝑎𝑟𝑠 … 𝑎𝑟𝑛 0 0 … 1 … 0 𝑏𝑟
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑠 … 𝑎𝑚𝑛 0 0 … 0 … 1 𝑏𝑚

𝑎𝑟𝑠: „Pivotelement“

Modifikation der Pivotspalte und -zeile zur Durchführung des Basistausches
NBV NBV BV NBV BV BV NBV BV

𝑐1´ 𝑐2´ … 0 … 𝑐𝑛´ 0 ´
0 … 𝑐𝑛+𝑟 … 0 −𝑧0
´ ´ ´ ´
𝑎11 𝑎11 … 0 … 𝑎1𝑛 1 0 … 𝑎1,𝑛+𝑟 … 0 𝑏1´
𝑎𝑟1 𝑎𝑟2 … … 𝑎𝑟𝑛 1 𝑏𝑟

1 0 0 … … 0
𝑎𝑟𝑠 𝑎𝑟𝑠 … … 𝑎𝑟𝑠 𝑎𝑟𝑠 𝑎𝑟𝑠
´ ´ ´ ´ ´
𝑎𝑚1 𝑎𝑚2 … 0 … 𝑎𝑚𝑛 0 0 … 𝑎𝑚,𝑛+𝑟 … 1 𝑏𝑚

Simplex-Algorithmus: Kreisregel
Transformation der Elemente außerhalb von Pivotspalte und -zeile
´
𝑎𝑖𝑠 𝑎𝑟𝑗
𝑎𝑖𝑗 = 𝑎𝑖𝑗 − 𝑖 ≠ 𝑟, 𝑗 ≠ 𝑠
𝑎𝑟𝑠
𝑎𝑖𝑗 𝑎𝑖𝑠 𝑎𝑖𝑠

𝑏𝑖´ = 𝑏𝑖 − 𝑏𝑟 (𝑖 ≠ 𝑟)
𝑎𝑟𝑠
𝑎𝑟𝑗
𝑐𝑗´ = 𝑐𝑗 − 𝑐𝑠 (𝑗 ≠ 𝑠)
𝑎𝑟𝑗 𝑎𝑟𝑠 𝑎𝑟𝑠
𝑐𝑠
−𝑧𝑖´ = −𝑧0 − 𝑏𝑟
𝑎𝑟𝑠
Allgemein gilt für die

Pivotzeilenelement * Pivotspaltenelement
Elemente außerhalb neues Element = altes Element -
von Pivotspalte/-zeile: Pivotelement

Simplex-Algorithmus: Bestimmung des Pivotelements
Regel I (Auswahl der Pivotspalte s):
Ist der größte Zielfunktionskoeffizient positiv, so wähle man die (oder eine) bei diesem Koeffizienten
stehende Variable zur Basisvariable.
Regel II (Auswahl der Pivotzeile r):
𝑏𝑖
Man wähle das Pivotelement 𝑎𝑟𝑠 so, dass 𝑎𝑟𝑠 > 0 und min 𝑎𝑖𝑠 > 0 erfüllt sind.
𝑖=1,…,𝑚 𝑎𝑖𝑠
Abbruch:
• Ist Regel I nicht anwendbar, so ist das Optimum gefunden und das Verfahren terminiert.
• Ist Regel II nicht anwendbar, so existiert keine optimale Lösungen und das Verfahren terminiert.

Simplex-Algorithmus: Bestimmung des Pivotelements
▪ Regel I garantiert eine Verbesserung des Zielfunktionswertes
𝑐𝑠
𝑧′0 = 𝑧0 + 𝑏𝑟 ≥ 𝑧0 , da 𝑏𝑟 , 𝑐𝑠 , 𝑎𝑟𝑠  0
𝑎𝑟𝑠
▪ Regel II garantiert die Zulässigkeit der neuen Basislösung
𝑏𝑟 𝑏𝑖 𝑏
𝑎𝑖𝑠 > 0: 𝑏′𝑖 = 𝑏𝑖 − 𝑎𝑖𝑠 ≥ 𝑏𝑖 − 𝑎𝑖𝑠 = 0 , da 𝑎𝑏𝑟 = min 𝑎 𝑖
𝑎𝑟𝑠 𝑎𝑖𝑠 𝑟𝑠 𝑖𝑠
𝑏𝑟
𝑎𝑖𝑠 < 0: 𝑏′𝑖 = 𝑏𝑖 − 𝑎𝑖𝑠 ≥ 𝑏𝑖 ≥ 0 , da 𝑎𝑏𝑟 ≥ 0
𝑎𝑟𝑠 𝑟𝑠

Simplex-Algorithmus
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS
3 4 0 0 0 0
Steigung in Richtung 𝑥2
3 2 1 0 0 1200
Ressourcenkonsum von 𝑥2 5 10 0 1 0 3000
0 0,5 0 0 1 125
▪ Idee:
▪ Nimm verbessernde NBV in Basis auf.
▪ Entferne erste limitierende BV: neue NBV.
▪ Löse Tableau, erhalte neue Basislösung

Beispiel: Identifikation des Pivotelements
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS Größter positiver
Zielfunktionskoeffizient: 3
3 0 0 0 -8 -1000
3 0 1 0 -4 700 700 / 3 ≈ 233,3
5 0 0 1 -20 500 500 / 5 = 100

0 1 0 0 2 250
Pivotspalte
Pivotelement
Basiswechsel: 𝑥1 → BV
𝑥4 → NBV

Bsp.: Transformation von Pivotzeile und -spalte
1 𝑖=𝑟
Pivotspalte: 𝑎′𝑖𝑗 = ൝ (𝑖 = 1, . . , 𝑚)
3 0 0 0 -8 -1000 0 𝑠𝑜𝑛𝑠𝑡
𝑎𝑟𝑗 𝑏𝑖
3 0 1 0 -4 700 Pivotzeile: 𝑎′𝑖𝑗 = 𝑗 = 1, . . , 𝑛 ; 𝑏′𝑖 =
𝑎𝑟𝑠 𝑎𝑟𝑠
5 0 0 1 -20 500 𝑎22 0
Beispiel: 𝑎′22 = = =0
𝑎21 5
0 1 0 0 2 250
𝑎23 0
𝑎′23 = = =0
𝑎21 5
𝑎24 1
𝑎′24 = =
0 𝑎21 5
𝑎25 −20
0 𝑎′25 = = = −4
𝑎21 5
1 0 0 0,2 -4 100 𝑏2 500
𝑏′2 = = = 100
𝑎21 5
0

Beispiel: Kreisregel – Zielfunktionszeile
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS Regeln: 𝑐′𝑗 = 𝑐𝑗 − 𝑐𝑠
𝑎𝑟𝑗
(𝑗 ≠ 𝑠)
𝑎𝑟𝑠
𝑐𝑠
3 0 0 0 -8 -1000 −𝑧′0 = −𝑧0 − 𝑏𝑟
𝑎𝑟𝑠
3 0 1 0 -4 700
𝑎22 0
5 0 0 1 -20 500 Beispiel: 𝑐′2 = 𝑐2 − 𝑐1 =0−3∗ =0
𝑎21 5
0 1 0 0 2 250
𝑎23 0
𝑐′3 = 𝑐3 − 𝑐1 =0−3∗ =0
𝑎21 5
𝑎24 1 3
𝑐′4 = 𝑐4 − 𝑐1 =0−3∗ =−
0 0 0 -0,6 4 -1300 𝑎21 5 5
0 𝑎25 −20
𝑐′5 = 𝑐5 − 𝑐1 = −8 − 3 ∗ =4
𝑎21 5
1 0 0 0,2 -4 100
𝑐1 3
0 −𝑧′0 = −𝑧0 − 𝑏2 = −1000 − 500 ∗ = −1300
𝑎21 5

Beispiel: Kreisregel – Zeile 1
𝑎𝑖𝑠 𝑎𝑟𝑗
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS Regeln: 𝑎′𝑖𝑗 = 𝑎𝑖𝑗 − 𝑖 ≠ 𝑟, 𝑗 ≠ 𝑠
𝑎𝑟𝑠
3 0 0 0 -8 -1000 𝑎𝑖𝑠
𝑏′𝑖 = 𝑏𝑖 − 𝑏𝑟 (𝑖 ≠ 𝑟)
𝑎𝑟𝑠
3 0 1 0 -4 700
𝑎11 𝑎22 3∗0
5 0 0 1 -20 500 Beispiel: 𝑎′12 = 𝑎12 − =0− =0
𝑎21 5
0 1 0 0 2 250 𝑎11 𝑎23 3∗0

𝑎′13 = 𝑎13 − =1− =1
𝑎21 5
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS 𝑎11 𝑎24 3∗1 3
𝑎′14 = 𝑎14 − =0− =−
𝑎21 5 5
0 0 0 -0,6 4 -1300
𝑎11 𝑎25 3∗(−20)
0 0 1 -0,6 8 400 𝑎′15 = 𝑎15 − = −4 − =8
𝑎21 5
1 0 0 0,2 -4 100
𝑎11 3
𝑏′1 = 𝑏1 − 𝑏2 = 700 − 500 = 400
0 𝑎𝑟𝑠 5

Überblick

Der Simplexalgorithmus (Wiederholung)
1. Starte mit zulässiger Basislösung
2. Wenn kein positiver Zielfunktionskoeffizient existiert, gehe zu 3.
sonst Basistausch:
a) Wähle Pivotspalte s (maximaler Zielfunktionskoeffizient)
b) Wähle Pivotzeile r (limitierende Zeile):
𝑏𝑟 𝑏𝑖
𝑎𝑟𝑠 > 0, = min |𝑎 >0
𝑎𝑟𝑠 𝑖=1,…,𝑚 𝑎𝑖𝑠 𝑖𝑠
a) Aktualisiere Tableau mit Kreisregel

b) Gehe zu 2.
3. Abbruchkriterium.
4. Lösungsdetails:
a) (negativer) Zielfunktionswert oben rechts im Tableau
b) Entscheidung ist Wert b für die zugehörige Basisvariable

Beispiel Produktionsprogrammplanung
𝑥2 Max 𝑧 = 3 𝑥1 + 4𝑥2
u.d.N. 3 𝑥1 + 2𝑥2 + 𝑥3 = 1200
600 5 𝑥1 + 10𝑥2 + 𝑥4 = 3000
3𝑥1 + 2𝑥2 = 1200
0,5𝑥2 + 𝑥5 = 125
500
𝑥1, 𝑥2, 𝑥3, 𝑥4, 𝑥5  0
400
300
0,5𝑥2 = 125 Basislösung:
200
𝑥1 = 0, 𝑥2 = 0, 𝑧 = 0
100
5𝑥1 + 10𝑥2 = 3000
100 200 300 400 500 600 700 𝑥1

𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS 𝑥1 = 𝑥2 = 0
𝑥3 = 1200
3 4 0 0 0 0 𝑥4 = 3000
𝑥5 = 125
3 2 1 0 0 1200 600 𝑧 = 0
5 10 0 1 0 3000 300
0 0,5 0 0 1 125 250 Pivotzeile
Pivotspalte
Pivotelement
𝑥5 → NBV

𝑥2
Neue Basislösung:
𝑥1 = 0, 𝑥2 = 250, 𝑧 = 1000
600
3𝑥1 + 2𝑥2 = 1200
500
400
300
0,5𝑥2 = 125
200
100
5𝑥1 + 10𝑥2 = 3000
100 200 300 400 500 600 700 𝑥1

𝑥1 𝑥4 𝑥1 = 𝑥5 = 0
𝑥2 𝑥3 𝑥5 RS
𝑥2 = 250
3 0 0 0 -8 -1000 𝑥3 = 700
𝑥4 = 500
3 0 1 0 -4 700 700 / 3 𝑧 = 1000
5 0 0 1 -20 500 500 / 5
0 1 0 0 2 250 Pivotzeile
Pivotspalte
Pivotelement
𝑥4 → NBV

𝑥2
Neue Basislösung:
600 𝑥1 = 100, 𝑥2 = 250, 𝑧 = 1300
3𝑥1 + 2𝑥2 = 1200
500
400
300
0,5𝑥2 = 125
200
100
5𝑥1 + 10𝑥2 = 3000
100 200 300 400 500 600 700 𝑥1

𝑥4 = 𝑥5 = 0
𝑥1 = 100
0 0 0 -0,6 4 -1300 𝑥2 = 250
𝑥3 = 400
0 0 1 -0,6 8 400 50 𝑧 = 1300
1 0 0 0,2 -4 100 Pivotzeile

0 1 0 0 2 250 125
Pivotspalte Pivotelement
𝑥3 → NBV

𝑥2
Neue Basislösung:
600 𝑥1 = 300, 𝑥2 = 150, 𝑧 = 1500
3𝑥1 + 2𝑥2 = 1200
500
400
300
0,5𝑥2 = 125
200
100
5𝑥1 + 10𝑥2 = 3000
100 200 300 400 500 600 700 𝑥1

𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 RS 𝑥3 = 𝑥4 = 0
0 0 -1/2 -3/10 0 -1500 𝑥1 = 300
𝑥2 = 150
0 0 1/8 -3/40 1 50 𝑥5 = 50
𝑧 = 1500
1 0 1/2 -1/10 0 300
0 1 -1/4 3/20 0 150
Abbruchkriterium: alle ZF-Koeffizienten  0

(d.h. keine ZF-Wert-Verbesserung mehr möglich)
optimale Lösung: 𝑥1∗ = 300, 𝑥2∗ = 150, 𝑧 ∗ = 1500

Verkürztes Simplextableau
▪ lediglich Darstellung der Nichtbasisvariablen im Tableau
▪ Anwendung der Transformationsregeln auf die Koeffizienten der Nichtbasisvariablen
Transformationsregeln:
1. Pivotelement → Kehrwert
2. Pivotzeile → dividieren durch Pivotelement
3. Pivotspalte → mit (-1) multiplizieren und durch Pivotelement dividieren
4. übrige Elemente → altes Element -
Pivotelement

NBV
−𝑧 𝑥1 𝑥2 RS
1 3 4 0
𝑥3 3 2 1200 600
BV 𝑥4 5 10 3000 300
𝑥5 0 0,5 125 250
Pivotelement
Basistausch: 𝑥2 → BV
𝑥5 → NBV

−𝑧 𝑥1 𝑥2 RS Transformationsregeln:
1 3 4 0 1. Pivotelement → Kehrwert
𝑥3 3 2 1200 2. Pivotzeile → dividieren durch

Pivotelement
𝑥4 5 10 3000
3. Pivotspalte → mit (-1) multiplizieren und
𝑥5 0 0,5 125 durch Pivotelement
dividieren
1 -8
𝑥3 -4
𝑥4 -20
𝑥2 0 2 250

−𝑧 𝑥1 𝑥2 RS Transformationsregeln:
1 3 4 0 4. übrige Elemente →
𝑥3 3 2 1200
𝑥4 5 10 3000 altes Element -
Pivotelement
𝑥5 0 0,5 125
(Analog zur Kreisregel!)
0∗4
1 3 -8 -1000 Bsp: 𝑐′1 = 3 − =3
0,5
𝑥3 3 -4 700 125∗4
𝑥4 −𝑧′0 = 0 − = −1000
5 -20 500 0,5
𝑥2 0 2 250 𝑏1 = 1200 −
125∗2
= 700
0,5

Endtableau:
1 -3/10 -1/2 -1500
𝑥5 -3/40 1/8 50
𝑥1 -1/10 1/2 300
𝑥2 3/20 -1/4 150
optimale Lösung: 𝑥1∗ = 300, 𝑥2∗ = 150, 𝑧 ∗ = 1500

Überblick

Sonderfall 1: Unendlich viele optimale Lösungen
𝑥2
4
max 𝑧 = 𝑥1 + 𝑥2
u.d.N. 𝑥 1 + 𝑥2  4
𝑥2  2
3
𝑥1 , 𝑥2  0
2
Optimalwert z = 4
Optimale Lösungen:
1 𝑥1 , 𝑥2 | 𝑥1 + 𝑥2 = 4, 𝑥2 ≤ 2
𝑧 = 4
𝑧 = 1 𝑧 = 2
𝑥1

Sonderfall 1: Unendlich viele optimale Lösungen
−𝑧 𝑥1 𝑥2 𝑥3 𝑥4 RS
1 1 0 0 0 max 𝑧 = 𝑥1 + 𝑥2
𝑥3 u.d.N. 𝑥 1 + 𝑥2  4
1 1 1 0 4
𝑥2  2
𝑥4 0 1 0 1 2
𝑥1 , 𝑥2  0
1 0 0 -1 -2
𝑥3 1 0 1 -1 2
𝑥2 0 1 0 1 2
0 0 -1 0 -4 optimale Lösung:
𝑥1 1 0 1 -1 2 𝑥1 = 2, 𝑥2 = 2, 𝑥3 = 𝑥4 = 0
𝑥2 0 1 0 1 2 𝑧 = 4
0 0 -1 0 -4 optimale Lösung:
𝑥1 1 1 1 0 4 𝑥1 = 4, 𝑥2 = 𝑥3 = 0, 𝑥4 = 2
𝑥4 0 1 0 1 2 𝑧 = 4

Sonderfall 2: Zulässiger Bereich unbeschränkt
𝑥2
max 𝑧 = 𝑥1 − 2𝑥2
u.d.N. 𝑥1 − 𝑥2 ≤ 1
−2𝑥1 + 𝑥2 ≤ 2
𝑧 = −6 𝑥1 , 𝑥2 ≥ 0
Die Menge der zulässigen Lösungen

ist unbeschränkt. Die Zielfunktion ist
allerdings auf dieser Menge nach oben
beschränkt.
𝑧 = −2
𝑧 = 1, 𝑥1 = 1, 𝑥2 = 0
𝑧 = 1 𝑥1

Sonderfall 2: Zulässiger Bereich unbeschränkt
-𝑧 𝑥1 𝑥2 𝑥3 𝑥4 RS (Primaler)
Simplex-Algorithmus
1 -2 0 0 0
𝑥3 1 -1 1 0 1
𝑥4 -2 1 0 1 2
0 -1 -1 0 -1
𝑥1 1 -1 1 0 1 Keine Auffälligkeiten im Tableau!
𝑥4 0 -1 2 1 4

Sonderfall 3: Keine optimale Lösung
Der zulässige Bereich ist (nach oben)

unbeschränkt.
𝑥2
Es existiert keine (optimale) Lösung.
max 𝑧 = 2𝑥1 + 3𝑥2

𝑥2  3
−𝑥1 + 2𝑥2  2
𝑧 = 24 𝑥1, 𝑥2  0
𝑥1
𝑧 = 6 𝑧 = 12

Sonderfall 3: Keine optimale Lösung
-𝑧 𝑥1 𝑥2 𝑥3 𝑥4 RS (Primaler)
2 3 0 0 0 Simplex-Algorithmus
𝑥3 0 1 1 0 3
𝑥4 -1 2 0 1 2
3,5 0 0 -1,5 -3
𝑥3 0,5 0 1 -0,5 2
𝑥2 -0,5 1 0 0,5 1
0 0 -7 2 -17
𝑥1 1 0 2 -1 4 keine Pivotzeile bestimmbar!
𝑥2 0 1 1 0 3
Steht unter einem positiven Zielfunktionskoeffizienten eine „ ≤ 0 - Spalte“, so ist der zulässige Bereich
unbeschränkt und das Optimierungsproblem nicht lösbar!

Sonderfall 4: Keine Startlösung bestimmbar
Der zulässige Bereich ist beschränkt und es
existiert eine optimale Lösung.
Startecke 𝑥1 , 𝑥2 = 0,0 ist nicht im zulässigen
𝑥2 Bereich.
max 𝑧 = −2𝑥1 − 2𝑥2

u.d.N. 𝑥1 + 𝑥2 ≤ 4
2
−2𝑥1 − 2𝑥2 ≤ −2
1
𝑥1 , 𝑥2 ≥ 0
𝑧 = 2, 𝑥1 = 1, 𝑥2 = 0
1 4 𝑥1

Sonderfall 4: Keine Startlösung bestimmbar
-𝑧 𝑥1 𝑥2 𝑥3 𝑥4 RS
-2 -2 0 0 0
𝑥3 1 1 1 0 4 Ein 𝑏𝑖 < 0, somit kein
𝑥4 -2 -1 0 1 -2 gültiges Simplex-Tableau.
Das Herstellen einer zulässigen Startlösung mithilfe des

Dualen Simplex-Verfahren wird in Vorlesung 5 behandelt.

Sonderfall 5: Keine Lösung
𝑥2
Die Menge der zulässigen
Lösungen ist leer.
Es existiert keine Lösung.
max 𝑧 = 𝑥1
u.d.N. −𝑥1 − 𝑥2 ≤ −2
𝑥1 − 𝑥2 ≤ 3
𝑥1
𝑥1 , 𝑥2 ≥ 0

Sonderfall 5: Keine Lösung
-𝑧 𝑥1 𝑥2 𝑥3 𝑥4 RS
1 1 1 0 0 0
0 -1 -1 1 0 -2 Ein 𝑏𝑖 < 0, somit kein
0 1 -1 0 1 3 gültiges Simplex-Tableau.
Anwendung von Dualem Simplex-Verfahren führt auch zu

unzulässigem Simplex-Tableau.

Zusammenfassung
▪ Umwandlung von Standardproblem in ein Gleichungssystem durch Einführung von Schlupfvariablen
▪ Basislösung und Basisvariablen
▪ Simplex-Algorithmus
▪ Simplex-Tableau
▪ Bestimmung von Pivotelement
▪ Basistausch
▪ Sonderfälle

Orientierte Produktionstechnik

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Orientierte Produktionstechnik

Hochgeladen von

Copyright:

Verfügbare Formate

Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen

▪ Standardform der linearen Programmierung

Operations Research | Vorlesung 3 | Seite 2

© Prof. Dr. Dirk C. Mattfeld

▪ Ist jedes lineare Programm lösbar?

▪ Gibt es Ausnahmen und wie erkennen wir sie?

Operations Research | Vorlesung 3 | Seite 3

© Prof. Dr. Dirk C. Mattfeld

2. Anwendungsbeispiel zum Simplex-Algorithmus

3. Sonderfälle der linearen Programmierung

Operations Research | Vorlesung 3 | Seite 4

© Prof. Dr. Dirk C. Mattfeld

2. Anwendungsbeispiel zum Simplex-Algorithmus

3. Sonderfälle der linearen Programmierung

Operations Research | Vorlesung 3 | Seite 5

© Prof. Dr. Dirk C. Mattfeld

▪ 𝑛 der Variablen 𝑥1 ,…,𝑥𝑛+𝑚 sind Null (Nicht-Basisvariablen)

▪ Jede der verbleibenden 𝑚 Variablen (Basisvariablen) tritt in nur jeweils

Operations Research | Vorlesung 3 | Seite 6

© Prof. Dr. Dirk C. Mattfeld

▪ Basisvariablen einer Lösung:

Operations Research | Vorlesung 3 | Seite 7

© Prof. Dr. Dirk C. Mattfeld

▪ Schlupfvariable ist Basisvariable: Basisvariable Nicht-Basisvariable

Operations Research | Vorlesung 3 | Seite 8

© Prof. Dr. Dirk C. Mattfeld

▪ 𝑛 der Variablen 𝑥1 ,…,𝑥𝑛+𝑚 sind Null (Nicht-Basisvariablen)

▪ Jede der verbleibenden 𝑚 Variablen (Basisvariablen) tritt in nur jeweils

▪ Idee des Simplex-Algorithmus:

Operations Research | Vorlesung 3 | Seite 9

© Prof. Dr. Dirk C. Mattfeld

Gesucht: Produktionsprogramm mit maximalem (Gesamt-)Gewinn

Operations Research | Vorlesung 3 | Seite 10

© Prof. Dr. Dirk C. Mattfeld

u.d.N. 3𝑥1 + 2𝑥2 + 𝑥3 = 1200 (1)

Operations Research | Vorlesung 3 | Seite 11

© Prof. Dr. Dirk C. Mattfeld

Neue zulässige Basislösung:

Operations Research | Vorlesung 3 | Seite 12

© Prof. Dr. Dirk C. Mattfeld

𝑥1 𝑥2 … 𝑥𝑠 … 𝑥𝑛 𝑥𝑛+1 𝑥𝑛+2 … 𝑥𝑛+𝑟 … 𝑥𝑛+𝑚 RS

𝑎𝑟1 𝑎𝑟2 … 𝑎𝑟𝑠 … 𝑎𝑟𝑛 0 0 … 1 … 0 𝑏𝑟

𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑠 … 𝑎𝑚𝑛 0 0 … 0 … 1 𝑏𝑚

Operations Research | Vorlesung 3 | Seite 13

© Prof. Dr. Dirk C. Mattfeld

𝑥1 𝑥2 … 𝑥𝑠 … 𝑥𝑛 𝑥𝑛+1 𝑥𝑛+2 … 𝑥𝑛+𝑟 … 𝑥𝑛+𝑚 RS

𝑎𝑟1 𝑎𝑟2 … 𝑎𝑟𝑠 … 𝑎𝑟𝑛 0 0 … 1 … 0 𝑏𝑟

𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑠 … 𝑎𝑚𝑛 0 0 … 0 … 1 𝑏𝑚

Operations Research | Vorlesung 3 | Seite 14

© Prof. Dr. Dirk C. Mattfeld

NBV NBV BV NBV BV BV NBV BV

𝑎𝑟1 𝑎𝑟2 … … 𝑎𝑟𝑛 1 𝑏𝑟

Operations Research | Vorlesung 3 | Seite 15

© Prof. Dr. Dirk C. Mattfeld

𝑎𝑖𝑗 𝑎𝑖𝑠 𝑎𝑖𝑠

Allgemein gilt für die

Operations Research | Vorlesung 3 | Seite 16

© Prof. Dr. Dirk C. Mattfeld

Regel II (Auswahl der Pivotzeile r):

Operations Research | Vorlesung 3 | Seite 17

© Prof. Dr. Dirk C. Mattfeld

▪ Regel II garantiert die Zulässigkeit der neuen Basislösung

Operations Research | Vorlesung 3 | Seite 18

© Prof. Dr. Dirk C. Mattfeld