Advertisement

Methoden für die Lösung von Problemen der linearen Optimierung

  • Ulrich Killat
Chapter

Zusammenfassung

Als Lösungsverfahren für lineare Optimierungsprobleme werden der Simplex-Algorithmus und das Branch-and-Bound-Verfahren vorgestellt und anhand eines Beispiels erläutert. Die Relaxation von Nebenbedingungen führt auf die Lagrange-Funktion, das Konzept des dualen Problems und darauf abgestimmte Lösungsmethoden. Daneben werden auch heuristische Lösungskonzepte wie genetische Algorithmen diskutiert und die Leistungsfähigkeit der unterschiedlichen Lösungsverfahren in einem Beispiel aus dem Bereich der optischen Netze verglichen.

Zusammenfassung

Als Lösungsverfahren für lineare Optimierungsprobleme werden der Simplex-Algorithmus und das Branch-and-Bound-Verfahren vorgestellt und anhand eines Beispiels erläutert. Die Relaxation von Nebenbedingungen führt auf die Lagrange-Funktion, das Konzept des dualen Problems und darauf abgestimmte Lösungsmethoden. Daneben werden auch heuristische Lösungskonzepte wie genetische Algorithmen diskutiert und die Leistungsfähigkeit der unterschiedlichen Lösungsverfahren in einem Beispiel aus dem Bereich der optischen Netze verglichen.

Literatur

  1. 1.
    K. H. Borgwardt: „Optimierung, Operations Research, Spieltheorie“, Birkhäuser Verlag, Basel (2001) CrossRefzbMATHGoogle Scholar
  2. 2.
    ILOG CPLEX Documentation Version 11.0; http://www.decf.berkeley.edu/help/apps/ampl/cplex-doc/
  3. 3.
    T. Achterberg: „Constraint Integer Programming“, Ph.D. thesis, TU Berlin, July (2007) Google Scholar
  4. 4.
    D. Beckmann, and J. Thurow: „Global optimization of SDH networks: a practical application“, Int. J. of Network Management 23, pp. 61–67 (2003) CrossRefGoogle Scholar
  5. 5.
    P. N. Tran: „WDM Network, Planning and Management“, Dissertation, Technische Universität Hamburg-Harburg (2010) Google Scholar
  6. 6.
    M. Pioro, and D. Medhi: „Routing, Flow and Capacity Design in Communication and Computer Networks“, Morgan Kaufmann Publishers (2004) Google Scholar
  7. 7.
    E. Aaarts, and J. Korst: „Simulated Annealing and Boltzmann Machines“, John Wiley & Sons (1989) Google Scholar
  8. 8.
    D. A. Coley: „An Introduction to Genetic Algorithms for Scientists and Engineers“, World Scientific (1999) CrossRefGoogle Scholar
  9. 9.
    RFC2992 Analysis of an Equal-Cost Multi-Path Algorithm (2000) Google Scholar
  10. 10.
    E. Mulyana, and U. Killat: „Load Balancing in IP Networks by Optimising Link Weights“, European Transactions on Telecommunications, 16 (3), pp. 253–261 (2005) CrossRefGoogle Scholar
  11. 11.
    E. Mulyana: „Efficient Planning and Offline Routing Approaches for IP Networks“, Dissertation, Technische Universität Hamburg-Harburg (2006) Google Scholar
  12. 12.
    D. Beckmann: „Algorithmen zur Planung und Optimierung moderner Kommunikationsnetze“, Dissertation, Technische Universität Hamburg-Harburg (2001) Google Scholar
  13. 13.
    V. van Caenegem, W. van Parys, F. de Turck, and P. M. Demeester: „Dimensioning of Survivable WDM Networks“, IEEE J. Selected Areas Communications, 16, (7), pp. 1146–1156 (1998) CrossRefGoogle Scholar
  14. 14.
    D. Beckmann, and U. Killat: „A New Strategy for the Application of Genetic Algorithms to the Channel-Assignment Problem“, IEEE Trans. Vehicular Technology, 48, (4) pp. 1261–1269, Juli (1999) CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  1. 1.Institut für KommunikationsnetzeTechnische Universität Hamburg-HarburgHamburgDeutschland

Personalised recommendations