finale Version des Vorlesungsskripts - ZIB
finale Version des Vorlesungsskripts - ZIB
finale Version des Vorlesungsskripts - ZIB
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
10 Fourier-Motzkin-Elimination und Projektion<br />
10.2 Lineare Optimierung und Fourier-Motzkin-Elimination<br />
Die Fourier-Motzkin-Elimination ist nicht nur eine Projektionsmethode, man kann sie<br />
auch zur Lösung linearer Programme verwenden. Dies geht wie folgt.<br />
Wir beginnen mit einem linearen Programm der Form<br />
max c T x<br />
Ax ≤ a<br />
mit A ∈ K m×n , a ∈ K m und setzen P = P (A, b). Wir führen nun eine zusätzliche Variable<br />
xn+1 ein und fügen zur Matrix A eine zusätzliche Spalte und Zeile hinzu. Diese Matrix<br />
nennen wir B. Die (m + 1)-te Zeile von B enthält in den ersten n Spalten den Vektor c,<br />
d. h. bm+1,j = cj, j = 1, . . . , n; wir setzen bi,n+1 = 0 für i = 1, . . . , m und bm+1,n+1 = −1.<br />
Wir verlängern den Vektor a ∈ K m um eine Komponente, die den Wert 0 enthält, und<br />
nennen diesen (m + 1)-Vektor b:<br />
B =<br />
<br />
A 0<br />
cT <br />
, b =<br />
−1<br />
<br />
a<br />
.<br />
0<br />
Wenden wir die Fourier-Motzkin-Elimination auf Ax ≤ a an, so können wir feststellen, ob<br />
die Lösungsmenge P <strong>des</strong> linearen Programms leer ist oder nicht. Führen wir die Fourier-<br />
Motzkin-Elimination mit Bx ≤ b durch und eliminieren wir nur die ersten n Variablen,<br />
so erhalten wir am Ende ein System Dnx ≤ dn, welches nichts anderes ist als ein Ungleichungssystem<br />
der Form αi ≤ xn+1 ≤ βj, wobei die βj die positiven und die αi die<br />
negativen Einträge <strong>des</strong> Vektors dn sind. Das Minimum über die Werte βj liefert den<br />
maximalen Wert der Zielfunktion c T x <strong>des</strong> gegebenen linearen Programms.<br />
Setzen wir xi := 0, i = 1, . . . , n und xn+1 := min{βj}, so können wir mit diesem<br />
Vektor x = (xi) beginnend durch Rücksubstitution – wie in Satz (10.4)(d) beschrieben<br />
– eine Optimallösung von max c T x, Ax ≤ b berechnen.<br />
Wenn wir statt <strong>des</strong> Maximums von c T x über P das Minimum finden wollen, so fügen<br />
wir bei der Konstruktion der Matrix B statt der Zeile (c T , −1) die Zeile (−c T , 1) ein.<br />
Wollen wir das Maximum und Minimum gleichzeitig bestimmen, so führen wir die Fourier-Motzkin-Elimination<br />
der ersten n Variablen auf der Matrix durch, die um die beiden<br />
Zeilen (c T , −1) und (−c T , 1) erweitert wurde.<br />
Dieses Verfahren zur Lösung linearer Programme ist konzeptionell extrem einfach und<br />
klar. Versuchen Sie einmal, damit lineare Programme „anständiger Größenordnung“ zu<br />
lösen. Sie werden sich wundern und wissen dann, warum Fourier-Motzkin-Elimination<br />
nicht zur linearen Optimierung benutzt wird.<br />
Wir beschließen die Diskussion der Fourier-Motzkin-Elimination als Methode zur Lösung<br />
linearer Programme durch numerische Berechnung eines Beispiels.<br />
(10.14) Beispiel. Wir beginnen mit folgendem System von 5 Ungleichungen mit 2 Variablen:<br />
198<br />
−x2 ≤ 0 (1)