×
Inhaltsverzeichnis
- 1 Einführung.
- 1.1 Entwicklung und Begriff des Operations Research.
- 1.1.1 Entscheidungsvorbereitung.
- 1.1.2 Optimierung der angestrebten Lösung.
- 1.1.3 Verwendung mathematischer Methoden.
- 1.1.4 Die Bedeutung der EDV bei der Anwendung von OR.
- 1.2 Einsatzbereiche des Operations Research.
- 1.3 Problemtypen des Operations Research.
- 1.3.1 Kombinatorische Probleme.
- 1.3.2 Lagerhaltungsprobleme.
- 1.3.3 Ersatzprobleme.
- 1.3.4 Wartezeitprobleme.
- 1.3.5 Konkurrenzprobleme.
- 1.4 Verfahren des Operations Research.
- 1.4.1 Statische Programmierung.
- 1.4.1.1 Lineare Programmierung.
- 1.4.1.2 Nichtlineare Programmierung.
- 1.4.1.3 Ganzzahlige und Gemischt-ganzzahlige Programmierung.
- 1.4.2 Dynamische Programmierung.
- 1.4.3 Entscheidungsbaumverfahren.
- 1.4.4 Netzplantechnik.
- 1.4.5 Warteschlangentheorie.
- 1.4.6 Spieltheorie.
- 1.4.7 Simulation.
- 1.4.8 Heuristische Verfahren.
- 2 Grundlagen der Linearen Programmierung.
- 2.1 Optimales Produktionsprogramm.
- 2.1.1 Graphische Lösung.
- 2.1.2 Simplexmethode.
- 2.2 Mischungsproblem (zulässige Ausgangslösung).
- 2.3 Das allgemein lineare Programm und Sonderfälle.
- 2.3.1 Das allgemeine lineare Programm.
- 2.3.2 Nichtexistenz einer zulässigen (Basis-)Lösung.
- 2.3.3 Nichtexistenz einer endlichen Optimallösung.
- 2.4 Zusammenfassende Darstellung der Simplexmethode anhand eines Beispiels.
- 2.5 Dualität.
- 2.6 Die Lösung eines Problems der Linearen Planungsrechnung mit Hilfe eines Standardprogrammpaketes.
- 2.6.1 Die Eingabe.
- 2.6.2 Die Ausgabe.
- 3 Verfahren zur Lösung des Transportproblems.
- 3.1 Beispiel zum klassischen Transportproblem.
- 3.2 Allgemeine Darstellung des klassischen Transportproblems.
- 3.3 Lösung nach der Stepping-Stone-Methode.
- 3.4 Modi-Methode.
- 3.5 Entartung.
- 3.6 Vergleich von Stepping-Stone-Methode und Simplexmethode.
- 3.7 Erweiterungen des Transportmodells.
- 3.7.1 Angebot größer als Nachfrage.
- 3.7.2 Nachfrage größer als Angebot.
- 3.7.3 Unterschiedliche Produktionskosten.
- 4 Sensitivitätsanalyse in der Linearen Programmierung.
- 4.1 Aufgaben der Sensitivitätsanalyse.
- 4.2 Graphische Betrachtungen zur Sensitivitätsanalyse.
- 4.2.1 Änderung des Deckungsbeitrags eines Produktes (eines Zielfunktionskoeffizienten).
- 4.2.2 Gradientenbetrachtung bei Deckungsbeitragsänderungen.
- 4.2.3 Änderung einer Faktormenge (eines Wertes auf der rechten Seite).
- 4.3 Beziehungen zwischen Anfangs- und Endtableau.
- 4.3.1 Beziehungen für die Zielfunktionszeile.
- 4.3.2 Beziehungen für die Zeilen der Nebenbedingungen.
- 4.3.3 Formale Darstellung der Beziehungen zwischen Anfangs- und Endtableau.
- 4.4 Analytische Sensitivitätsanalyse.
- 4.4.1 Änderung von Kapazitäten (von Werten auf der rechten Seite).
- 4.4.2 Änderungen der Deckungsbeiträge einzelner Produkte (der Zielfunktionskoeffizienten).
- 4.4.2.1 Deckungsbeitragsänderungen bei einem der im optimalen Produktionsprogramm nicht enthaltenen Produkte.
- 4.4.2.2 Deckungsbeitragsänderungen bei einem der im optimalen Produktionsprogramm enthaltenen Produkte.
- 4.4.3 Änderung einzelner Produktionskoeffizienten (von Koeffizienten auf der linken Seite der Restriktionen).
- 4.4.4 Einführung eines neuen Produktes (einer neuen Strukturvariablen).
- 4.4.5 Auftreten zusätzlicher Beschränkungen.
- 4.5 Zusammenfassende ökonomische Interpretation der Größen eines Simplextableaus für ein Programmplanungsproblem.
- 4.6 Sensitivitätsanalyse im Rahmen eines Standardprogrammpaketes.
- 5 Einführung in die Parametrische Programmierung.
- 6 Ganzzahlige Lineare Programmierung.
- 6.1 Einführung.
- 6.2 Lösungsverfahren.
- 6.2.1 Das Cutting Plane-Verfahren von Gomory.
- 6.2.1.1 Beschreibung des Verfahrens.
- 6.2.1.2 Ableitung der Schnittrestriktionen.
- 6.2.1.3 Auswahl einer optimalen Schnittbedingung.
- 6.2.1.4 Anwendung des Verfahrens.
- 6.2.2 Das Branch and Bound-Verfahren von Dakin.
- 6.2.2.1 Das Branch and Bound-Prinzip.
- 6.2.2.2 Der Ablauf des Verfahrens von Dakin.
- 6.2.2.3 Rechenschritte zum Algorithmus von Dakin.
- 7 Nichtlineare Programmierung.
- 7.1 Einführung.
- 7.1.1 Allgemeine Formulierung eines nichtlinearen Programmierungsmodells.
- 7.1.2 Das Problem der Programmplanung als Anwendungsbeispiel zur Nichtlinearen Programmierung.
- 7.1.3 Graphische Darstellung eines konkreten quadratischen Programmplanungsproblems.
- 7.2 Grundlagen der Nichtlinearen Programmierung.
- 7.2.1 Klassifikation nichtlinearer Programmierungsmodelle.
- 7.2.1.1 Konvexität von Mengen und Funktionen.
- 7.2.1.2 Konvexe Optimierungsmodelle und ihre Eigenschaften.
- 7.2.1.3 Quadratische Optimierungsmodelle.
- 7.2.1.4 Zusammenfassende Klassifikation von NLP-Modellen.
- 7.2.2 Optimalitätsbedingungen: Das Kuhn-Tucker-Theorem.
- 7.2.2.1 Darstellung und Bedeutung der Kuhn-Tucker-Bedingungen.
- 7.2.2.2 Darstellung der Kuhn-Tucker-Bedingungen am Zahlenbeispiel.
- 7.3 Verfahren der Nichtlinearen Programmierung.
- 7.3.1 Überblick.
- 7.3.2 Das Verfahren von Wolfe.
- 7.3.3 Gradientenverfahren.
- 7.3.3.1 Einführung.
- 7.3.3.2 Das Grundkonzept der Gradientenverfahren.
- 7.3.3.3 Das Verfahren der projizierten Gradienten von Rosen.
- 7.3.4 Das Verfahren SUMT.
- 8 Dynamische Programmierung.
- 8.1 Grundbegriffe der Dynamischen Programmierung.
- 8.2 Das Produktionsglättungsproblem als Anwendungsbeispiel zur Dynamischen Programmierung.
- 8.3 Erweiterungen.