Zusammenfassung
Auf mathematischen Modellen basierende Optimierung kann in fast allen Bereichen der chemischen Industrie [Sch94] wertvolle Beiträge leisten: beginnend mit der Anregung und Bewertung neuer Ideen in Forschung und Entwicklung über Prozeßoptimierung, Steuerung in Produktion und Logistik, Erstellung von Marktprognosen, optimale Preisfindung, bis zur strategischen Planung. Optimierung bedeutet die Bestimmung des Maximums oder Minimums einer bestimmten Funktion, die auf einem (beschränkten) Bereich S oder Zustandsraum definiert ist. Die mathematische Optimierung kann sowohl die Optimalität als auch die Erfüllung sämtlicher Randbedingungen, d.h. die Zulässigkeit der Lösung garantieren. Die klassische Optimierungstheorie (Differentialrechnung, Variationsrechnung, Optimale Steuerung) behandelt die Fälle, in denen S kontinuierlich, d.h. zusammenhängend ist. Die gemischt-ganzzahlige, kombinatorische oder kurz diskrete Optimierung, bis vor wenigen Jahren noch ein Randgebiet der mathematischen Optimierung, gewinnt zunehmend an Bedeutung [GL94], Der Definitionsbereich S ist teilweise diskret, d.h. einige Variablen sind auf ganze Zahlen beschränkt. Die Ganzzahligkeit der Problemstellungen rührt z.B. daher, daß sogenannte Null-Eins-Entscheidungen — etwa die Entscheidung, ob ein Arbeitsschritt von einem bestimmten Mitarbeiter zu einem Zeitpunkt bearbeitet wird oder nicht — zu treffen sind oder Größen — z.B. Standort, Stufenzahl einer Kolonne, Containerart — nur ganzzahlige Werte annehmen können. Viele praktische Fragestellungen lassen sich als lineare gemischt-ganzzahlige Optimierungsprobleme beschreiben. Deshalb wird in Abschnitt 2 ein kurzer Überblick über derartige Ansätze und mathematische Algorithmen zu ihrer Behandlung gegeben.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Schreieck A.: Mathematische Modellierung, Simualtion und Optimierung in der Chemischen Industrie. Interner Report, BASF-AG, Ludwigshafen 1994
Grötschel, M., Lovász L.: Combinatorial Optimization. In: Graham R., Grötschel M. & Lovász L. (eds.) Handbook on Combinatorics, North Holland 1982
Nemhauser, G.L., Wolsey, L.A.: Integer and Combinatorial Optimization. John Wiley & Sons, New York 1988
Neumann K. & Morlock M.: Operations Research. Carl Hanser, München 1993
Lustig I.J., Marsten R.E. & Shanno D.F.: Computational experience with a primal-dual interior point method for linear programming. Linear Algebra Appl. 152 (1991) 191–222
Spelluci P.: Numerische Verfahren der nichtlinearen Optimierung. Birkhäuser, Basel 1993
Reuter, B.: Mischungsplanung einer pharmazeutischen Produktion. Studienarbeit, TH Darmstadt, Darmstadt 1994
Williams, H.P.: Model Building in Mathematical Programming. 3rd edn. John Wiley & Sons, Chichester 1993
Ashford R.W., Daniel R.: Some Lessons in Solving Practical Integer Problems. J. Opl. Res. Soc. 43, 5 (1992) 425–433
Heipcke, S.: Optimales Scheduling mit Hilfe von Constraint Netzen. Diplomarbeit, Katholische Universität Eichstätt 1994
Bücker M.: Ein allgemeines Konzept zur Modellierung und Lösung diskreter Optimierungsprobleme. Habilitationsschrift, Fakultät für Wirtschaftswissenschaften der Universität Karlsruhe, Karlsruhe 1995
Kallrath J., Schreieck A.: Discrete Optimisation in Organisation and Production. Conference Proceeding EITC94, Brussels 1994
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1995 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Kallrath, J. (1995). Diskrete Optimierung in der chemischen Industrie. In: Bachem, A., Jünger, M., Schrader, R. (eds) Mathematik in der Praxis. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-79763-7_9
Download citation
DOI: https://doi.org/10.1007/978-3-642-79763-7_9
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-79764-4
Online ISBN: 978-3-642-79763-7
eBook Packages: Springer Book Archive