Einführung in Verkehr und Logistik - Fakultät BWL · WS13/14 EinführunginVerkehrundLogistik...
Transcript of Einführung in Verkehr und Logistik - Fakultät BWL · WS13/14 EinführunginVerkehrundLogistik...
WS 13/14 Einführung in Verkehr und Logistik 1 / 50
Einführung in Verkehr und Logistik
(Bachelor)
Tourenplanung - Spaltengenerierung
Univ.-Prof. Dr. Knut Haase
Institut für Verkehrswirtschaft
Wintersemester 2013/2014, Dienstag 10:15-11:45 Uhr, Phil E
WS 13/14 Einführung in Verkehr und Logistik 3 / 50
Übersicht
I Spaltengenerierung -Column Generation- kann zur Lösungumfangreicher praktischer Optimierungsprobleme verwendet werden
I Anwendungsbeispiel: Tourenplanungsproblem (Bachelorarbeit imWS/2011)
I Optimierung des Tourenplanes eines Kurierdienstleisters fürmedizinische Probentransporte
I Implementierung eines CG-Algorithmus in GAMS
WS 13/14 Einführung in Verkehr und Logistik 5 / 50
Ein kleines lineares Optimierungsproblem1
Ein Frachtführer bedient per LKW die Relation Hamburg-Kiel. Für eine Fahrtvon Kiel nach Hamburg hat er noch Kapazität frei. So stehen noch 5Palettenstellplätze zur Verfügung, wobei die maximale Zuladung nicht mehr als9 Tonnen betragen darf. Über eine Frachtbörse erhält er zweiAuftragsangebote. Angebot 1 umfasst Paletten, die jeweils eine Tonne wiegenund 20 EUR an Erlösen erbringen. Auch bei Angebot 2 sind Paletten zutransportieren. Dabei wiegt eine Palette drei Tonnen und es werden 30 EURpro Palette bezahlt. Beschränkungen hinsichtlich minimaler oder maximalerAbnahmemengen liegen nicht vor. Der Frachtführer möchte wissen, wie vielePaletten er zur Maximierung seiner Erlöse vom ersten und vom zweitenAngebot übernehmen soll.
1Vgl. Vorlesung Quantitative Methoden, Sommersemester 2013.
WS 13/14 Einführung in Verkehr und Logistik 6 / 50
(Entscheidungs-) Variablen
x1 Anzahl zu transportierender Paletten gemäß Angebot 1
x2 Anzahl zu transportierender Paletten gemäß Angebot 2
F Umsatzerlöse in EUR
WS 13/14 Einführung in Verkehr und Logistik 7 / 50
Lineares Optimierungsproblem:
Zielfunktion
maxF = 20x1 + 30x2
Nebenbedingungen
x1 + x2 � 5 (Beschränkung der Anzahl an Paletten)
x1 + 3x2 � 9 (Gewichtsbeschränkung)
x1 � 0; x2 � 0 (Nichtnegativitätsbedingungen)
WS 13/14 Einführung in Verkehr und Logistik 8 / 50
Überführung in ein Gleichungssystem
1x1 + 1x2 + 1y1 = 51x1 + 3x2 + 1y2 = 9
�20x1 � 30x2 + 1F = 0
y1 und y2 sind dabei die Schlupfvariablen
WS 13/14 Einführung in Verkehr und Logistik 9 / 50
BV x1 x2 y1 y2 by1 1 1 1 0 5y2 1 [3] 0 1 9F -20 -30 0 0 0y1 [2/ 3] 0 1 -1/ 3 2x2 1/ 3 1 0 1/ 3 3F -10 0 0 10 90x1 1 0 3/ 2 -1/ 2 3x2 0 1 -1/ 2 1/ 2 2F 0 0 15 5 120
I 15-fache der ersten Gleichung wurde auf die Zielfunktion addiert
I 5-fache der zweiten Gleichung wurde auf die Zielfunktion addiert
) F = 0+ 15 � 5+ 9 � 5 = 75+ 45 = 120:
WS 13/14 Einführung in Verkehr und Logistik 10 / 50
�ki Simplexmultiplikator der Zeile i nach der k-ten Iteration
(k = 0; 1 : : :)
F =IP
i=1�k
i bi
Simplexmultiplikatoren des Beispiels
b1 = 5 b2 = 9
k �k1 �k
2 F k
0 0 0 01 0 10 902 15 5 120
Die Simplexmultiplikatoren entsprechen den Dualvariablen!
WS 13/14 Einführung in Verkehr und Logistik 11 / 50
set j Menge der Auftragsangebote /1, 2/ ;parameter e(j) Erloes des Auftrages j /1 20, 2 30/ ;parameter g(j) Ladegewicht des Auftrages j /1 1, 2 3/ ;scalar GG Gewichtskapazitaet /9/;scalar P Palettenstellplatzkapazität /5/ ;
variable F Zielfunktionswert;positive variable x(j) Variable x_j ;
equations zielfunktion, stellplaetze, gewicht;zielfunktion.. F =e= sum( j, e(j) * x(j) ) ;stellplaetze.. sum(j, x(j)) =l= P ;gewicht.. sum(j, g(j) * x(j)) =l= GG ;
model LKW LKWBeladung /all/ ;
solve LKW maximizing F using lp ;
display stellplaetze.m, gewicht.m;
WS 13/14 Einführung in Verkehr und Logistik 12 / 50
Optimal solution found.Objective : 120.000000
LOWER LEVEL UPPER MARGINAL---- EQU zielfunkt~ . . . 1.0000---- EQU stellplae~ -INF 5.0000 5.0000 15.0000---- EQU gewicht -INF 9.0000 9.0000 5.0000
LOWER LEVEL UPPER MARGINAL---- VAR F -INF 120.0000 +INF .
F Zielfunktionswert
---- VAR x Variable x_jLOWER LEVEL UPPER MARGINAL
1 . 3.0000 +INF .2 . 2.0000 +INF .
---- 28 EQUATION stellplaetze.M = 15.000EQUATION gewicht.M = 5.000
WS 13/14 Einführung in Verkehr und Logistik 13 / 50
Reduzierte Kosten
cj Zielfunktionskoeffizient der Variablen xj im Ausgangstableau
�cj aktueller Wert in der Zielfunktionszeile des Simplextableaus unterder Variablen xj
cj reduzierte Kosten der Variablen xj
�cj = �cj +IX
i=1
aij�i
cj = cj �IX
i=1
aij�i
I Auf Index k für die jeweilige Iteration wurde verzichtet.I Für Basisvariablen gilt: cj = 0
WS 13/14 Einführung in Verkehr und Logistik 14 / 50
Reduzierte Kosten einer zusätzlichen Alternative
Maximierungsproblem
I cj > 0) lohnende zusätzliche Alternative (daZielfunktionsverbesserung durch Basistausch)
I cj � 0) keine lohnende zusätzliche Alternative
Zusätzliches Angebot (x3):
c3 = 24 (Erlös in Euro); a13 = 1 (Stellplatz) ; a23 = 2 (Gewicht in t)
c3 = 24� 1 � 15� 2 � 5= �1
) keine lohnende Alternative bzw. unwirtschaftliches Angebot
Preisuntergrenze: 25 Euro
WS 13/14 Einführung in Verkehr und Logistik 15 / 50
Ablaufschema der Spaltengenerierung (Min.-Problem)
Aufrundungsverfahren mit Spaltengenerierung nach jedem AufrundenGanzzahlige Lösung auf Basis generierter Alternativen oder durch
Alternative mit minimalen reduzierten Kosten
LP-Relaxation des ganzzahligen Problems
Alternative mitnegativenreduziertenKosten
Unterproblem(e)
)¼(Dualvariablen
0< ¤c¹
(Fiktive) Startlösung
Hauptproblem
nein
Spezialisiertes Verfahren
ja
Simplexverfahren
WS 13/14 Einführung in Verkehr und Logistik 17 / 50
Anwendungsbeispiel - Problemstellung
I Praxispartner: Kurierdienstleister für medizinische ProbentransporteI Kunden: Arztpraxen und Krankenhäuser in HamburgI Leistung des Unternehmens: Transport von Laborproben von den
Kunden zu einem zentralen LaborI mehrere Kunden werden zu einer Tour zusammengefasstI Abholung beim Kunden innerhalb eines ZeitfenstersI separate Tourenplanung für jeden Wochentag
Zielstellung der ArbeitI Ermittlung eines Tourenplans, bei dem jeder Kunde innerhalb seines
Zeitfensters einmal besucht wirdI Minimierung der Gesamtkosten: Fahrzeugeinsatz, Fahrzeit
WS 13/14 Einführung in Verkehr und Logistik 19 / 50
Modellierung
I Verwendung von Graphen zur Modellierung des ProblemsI Knoten: Kunden (Arztpraxen), zentrales LaborI Kanten: Fahrtverbindungen zwischen den Kunden bzw. zwischen
Kunden und Zentrallabor - Bewertung mit FahrtkostenI Fahrzeiten zwischen den Knoten !Fahrzeitenmatrix
© 1988–2009 Microsoft Corporation und/oder deren Lieferanten. Alle Rechte vorbehalten. http://www.microsoft.com/germany/mappoint/ © 1984-2009 Tele Atlas. Alle Rechte vorbehalten. Data Source © 2009 Tele Atlas N.V. Dieses Produkt beinhaltet Kartendaten lizenziert von Ordnance Survey® mit Genehmigung des Controller of Her Majesty’s Stationery Office. © Crown Copyright und/oder Datenbankrechte 2008. Alle Rechte vorbehalten. Lizenznummer 100025324. ©2009 NAVTEQ. Alle Rechte vorbehalten. NAVTEQ ON BOARD ist eine eingetragene Marke von NAVTEQ.
Bediengebiet
0 km 2 4 6 8 10 12 14
WS 13/14 Einführung in Verkehr und Logistik 22 / 50
Anwendungsbeispiel - Berücksichtigung von Zeitfenstern
Kunde Montag Dienstag � � �
Praxis P1 07:00 - 07:30 07:00-09:0011:00 - 12:00 11:00-13:0015:00 - 15:30 15:00-17:00
Praxis P2 07:00 - 08:00 08:00-09:0011:00 - 11:45 12:00-13:0015:00 - 15:30 15:00-16:00
Praxis P3 07:00 - 08:00 07:00-09:00 � � �
10:30 - 11:00 11:00-13:0015:00 - 15:30 15:00-17:00
Praxis P4 07:00 - 07:30 07:00-08:0010:00 - 10:45 11:00-12:0015:00 - 16:00 -
...
WS 13/14 Einführung in Verkehr und Logistik 23 / 50
I Erweiterung der Knotenmenge: jede Kombination ausZeitfenster/Kundenstandort entspricht einem Knoten im Netzwerk
I 1 Knoten korrespondiert zum Beginn einer Tour im ZentrallaborI 1 Knoten korrespondiert zum Ende einer Tour im Zentrallabor
WS 13/14 Einführung in Verkehr und Logistik 24 / 50
Anwendungsbeispiel - Modellierung
I Zerlegung des Tourenplanungsproblems in Haupt- und UnterproblemI Hauptproblem: Auswahl von Touren !Zusammenstellung des
TourenplansI Unterproblem: Ermitteln einer Tour, welche die aktuelle Lösung des
Auswahlproblems am stärksten verbessern kannI schwierige Restriktionen (Einhaltung der Zeitfenster, Beginn und
Ende jeder Tour im Depot) werden in das Unterproblem verlagertI Jede Tour entspricht einer Spalte im Gleichungssystem des
Hauptproblems !„Spaltengenerierung“
WS 13/14 Einführung in Verkehr und Logistik 25 / 50
Hauptproblem - Symbole
Mengen und Indices
N Menge Touren, Index: n
K Menge der Kunden (Knoten im Netzwerk), Index k
Parameter
ak;n 1, falls Kunde in der Tour enthalten ist (0, sonst)
cn Kosten der Tour n
Variablen
yn 1, falls Tour n im Tourenplan enthalten ist (0, sonst)
Z Gesamtkosten des Tourenplans (Zielfunktionswert)
WS 13/14 Einführung in Verkehr und Logistik 26 / 50
Hauptproblem - Modell
minZ =X
n2N
cn � yn (1)
unter den NebenbedingungenX
n2N
ak;n � yn = 1 8k 2 K (2)
yn 2 f0; 1g 8n 2 N (3)
Anmerkungen
(1) minimiert die Summe der Tourkosten Z
(2) erzwingt, dass jeder Kunde genau einmal besucht wird
(3) definiert die Auswahlvariablen als Binärvariablen
WS 13/14 Einführung in Verkehr und Logistik 27 / 50
LP-Relaxation
I Hauptproblem ist ganzzahliges OptimierungsproblemI Spaltengenerierung i.a. Lösungsverfahren für lineare ProblemeI daher Lösung der LP-Relaxation des Hauptproblems:
Ersetze (3) durchyn � 0 8n 2 N (4)
I Ergebnis des Spaltengenerierungsprozesses: nicht-ganzzahlige Lösung(z.B. yn = 0:657 für eine bestimmte Tour n)
I Ganzzahlige Lösung durch Kombination von Spaltengenerierung mitRundungsheuristik
WS 13/14 Einführung in Verkehr und Logistik 28 / 50
Lösungsverfahren - Übersicht
WS 13/14 Einführung in Verkehr und Logistik 29 / 50
LP-Relaxation - Lösung mit Spaltengenerierung
I iteratives LösungsverfahrenI dabei Betrachtung eines eingeschränkten Hauptproblems
(Restricted Master Problem, RMP)I Teilmenge aller praktisch möglichen TourenI z.B. Teilmenge N ,Index: nI pro Iteration Erweiterung um möglichst „günstige“ Tour aus dem
UnterproblemI iteratives Verfahren endet, wenn keine zusätzliche „günstige“ Tour im
Unterproblem ermittelt werden kann
I Startlösung des RMP: Pendeltouren in der Tourenmenge N mithohen Strafkosten in (1)
I für Startlösung gilt: jKj = jN j
I Startlösung ist ganzzahlig, das RMP (1),(2),(4) ist jedoch LP
WS 13/14 Einführung in Verkehr und Logistik 30 / 50
Unterproblem - Symbole
Mengen und Indices
I Menge der Knoten, Index i ,j
K Menge der Kunden/Zeitfenster-Kombinationen (Untermenge vonI), Index k
o Depotknoten, der zum Start einer Tour korrespondiert(Untermenge von I)
d Depotknoten, der zm Ende einer Tour korrespondiert(Untermenge von I)
WS 13/14 Einführung in Verkehr und Logistik 31 / 50
Unterproblem - Symbole
Parameter
cij Kosten einer Fahrt von Knoten i zu Knoten j
�i Wert der Dualvariable von Knoten i„Preis“ der Bedienung von Knoten i im aktuellenRMP-Tourenplan - vgl. (2)
gi Zeitverbrauch beim Knoten i (Abholung einer Probe bei Kunde i)
fij Fahrzeit von Knoten i zu Knoten j
wLi frühester Ankunftszeitpunkt des Kuriers bei Knoten i
wUi spätester Ankunftszeitpunkt des Kuriers bei Knoten i
tU maximale Länge einer Tour
M sehr große Zahl
WS 13/14 Einführung in Verkehr und Logistik 32 / 50
Unterproblem - Symbole
Variablen
xij 1, wenn die Tour eine Fahrt von Knoten i zu Knoten j enthält(0,sonst)
wi Ankunftszeitpunkt des Kuriers beim Knoten i
F gesamte reduzierte Kosten der Tour
WS 13/14 Einführung in Verkehr und Logistik 33 / 50
Unterproblem - Modell
minF =X
i2I
X
j2Ij 6=i
(cij � �j) � xij (5)
unter den NebenbedingungenX
i ji 6=j
xij � 1 8j 2 I (6)
X
j2Ij 6=i
xij �X
j2Ij 6=i
xji = 0 8i 2 K (7)
wi + (gi + fij) � xij �M � (1� xij) � wj 8(i ; j); j 6= i (8)
wd � wo � tU (9)
wLi � wi � wU
i 8i 2 I (10)
xij 2 f0; 1g 8i 2 I; j 2 I (11)
WS 13/14 Einführung in Verkehr und Logistik 34 / 50
Unterproblem - Anmerkungen
(5) minimiert die gesamten reduzierten Kosten der einzufügenden Tour,
(6) beschränkt den in einen Knoten eingehenden Fluss auf maximal 1Einheit (entspr. 1 Fahrzeug),
(7) garantieren einen zulässigen Netzwerkfluss vom Depotstartknoten ozum Depotzielknoten d ,
(8) stellen die Einhaltung der Zeitfenster sicher und verhindertKurzzyklen,
(9) beschränkt die maximale Dauer einer Tour,
(10) stellen die Zeitfensterdefinitionen dar,
(11) definiert die Flussvariable als Binärvariable.
WS 13/14 Einführung in Verkehr und Logistik 35 / 50
Unterproblem - Zeitfenster wi + (gi + fij ) � xij �M � (1� xij ) � wj
wo + (go + fo;1) � 1 �M � (1� 1) � w1
w1 + g1 + f1;2 � w2
w2 + g2 + f2;3 � w3
w3 + g3 + f3;d � wd
Anmerkungen
gi � 0; fij � 0 8i ; j 2 I
Für eine Lösung, welche die Restriktionen (8)erfüllt, muss also gelten:
wo � w1 � w2 � w3 � wd
WS 13/14 Einführung in Verkehr und Logistik 36 / 50
Unterproblem - Kurzzyklen
AnmerkungenI für praktische Problemstellungen werden
durch (8) gleichzeitig Kurzzyklenverhindert
I Kurzzyklus hier: Tour zwischen denKunden ohne Depotanbindung, z.B.1-2-3-1
I wegen (8) gilt:
w1 � w2 � w3 � w1
Dies kann nur auftreten, wenn für alle Knoteni ; j in der Lösung
gi = 0; fij = 0
gilt und die Zeitfensterbeschränkung (10) dieszulässt.
Im Praxisproblem gilt: gk > 0 8k 2 K
WS 13/14 Einführung in Verkehr und Logistik 38 / 50
1. Übersicht
2. Grundlagen der SpaltengenerierungBeispiel eines Linearen OptimierungsproblemsLösung mit dem primalen SimplexalgorithmusSimplexmultiplikatorenSimplexmultiplikatoren einer GAMS-LösungReduzierte KostenReduzierte Kosten einer zusätzlichen AlternativeAblaufschema der Spaltengenerierung (Min.-Problem)
3. Anwendungsbeispiel - Problemstellung
4. Modellierung
5. LösungsverfahrenLP-RelaxationGanzzahlige Lösung
WS 13/14 Einführung in Verkehr und Logistik 40 / 50
LP-Schranken
In jeder Iteration des Verfahrens wird das Unterproblem gelöst und somiteine neue Tour generiert.I Abschätzung der Lösungsgüte in einer Iteration: Upper Bounds
(UB), Lower Bounds (LB)I UB und LB beziehen sich auf die Lösung der LP-Relaxation des
Hauptproblems (UBLP , LBLP)I Upper Bound: Zielfunktionswert der optimalen LP-Lösung wird
höchstens UB annehmenI Lower Bound: Zielfunktionswert der optimalen LP-Lösung wird
mindestens LB annehmenI Differenz von UB und LB gibt in jeder Iteration Aufschluss über die
Qualität der aktuellen Lösung („solution gap“)
WS 13/14 Einführung in Verkehr und Logistik 41 / 50
LP-Schranken
UBLP = ZLPRMP =
X
n2N
cn � yn (12)
� = jKj �X
n
yn (13)
LBLP = ZLPRMP + F � � � (14)
I F � sind die minimalen reduzierten Kosten der generierten Tour ausdem Unterproblem
I � ist maximal mögliche Anzahl an Tourvariablen mit Wert = 1,!entspricht der Zahl der Variablen in der Startlösung
I ZLPRMP kann daher höchstens um F � � � reduziert werden
I im Optimum gilt: F � = 0, d.h.beide Schranken identisch, solution gap = 0
Tourenplanung01/18/12, 10:33:05
objective values and bounds Variables ------------------------------------------------------- --------------------------- Iteration ZF RMP (UBLP) LBLP (UB-LB)/LB ZF Sub art. fixed pos. posint-------------------------------------------------------------------------------------------------- 1 2415897.00 0.00 - -5.2012E+5 23 0 23 23 2 1895780.00 0.00 - -4.1515E+5 18 0 19 19 3 1895780.00 0.00 - -5.2010E+5 18 0 19 19 4 1895780.00 0.00 - -4.1513E+5 18 0 19 19 5 1740700.50 0.00 - -5.2007E+5 18 0 21 15 6 1480663.50 0.00 - -4.1508E+5 15 0 19 13 8 1065582.50 0.00 - -3.1006E+5 11 0 16 10 10 1065582.50 0.00 - -3.1006E+5 11 0 16 10 12 1065582.50 0.00 - -3.1004E+5 11 0 16 10 14 755543.50 0.00 - -3.1002E+5 8 0 14 8 16 445529.50 0.00 - -3.0998E+5 5 0 12 6 18 343331.78 0.00 - -2.0503E+5 3 0 14 6 20 343331.78 0.00 - -3.1001E+5 3 0 14 6 22 343331.78 0.00 - -2.0607E+5 3 0 14 6 24 240545.33 0.00 - -2.0751E+5 2 0 16 4 26 240545.33 0.00 - -2.0497E+5 2 0 16 4 28 206380.67 0.00 - -1.9990E+5 2 0 15 3 30 139076.00 0.00 - -1.0000E+5 1 0 17 3 32 38904.92 15731.00 147.3137 % -1669.8333 0 0 17 3 34 38641.22 26630.11 45.1035 % -522.2222 0 0 17 3 36 38589.70 33360.65 15.6743 % -227.3500 0 0 16 3 38 38484.54 38277.54 0.5408 % -9.0000 0 0 17 3 40 38484.54 38438.54 0.1197 % -2.0000 0 0 17 3 42 38484.08 38461.08 0.0598 % -1.0000 0 0 17 3 43 38483.92 38483.92 0.0000 % 0.0000 0 0 17 3---------------------------------------- Start Rounding ------------------------------------------
WS 13/14 Einführung in Verkehr und Logistik 43 / 50
1. Übersicht
2. Grundlagen der SpaltengenerierungBeispiel eines Linearen OptimierungsproblemsLösung mit dem primalen SimplexalgorithmusSimplexmultiplikatorenSimplexmultiplikatoren einer GAMS-LösungReduzierte KostenReduzierte Kosten einer zusätzlichen AlternativeAblaufschema der Spaltengenerierung (Min.-Problem)
3. Anwendungsbeispiel - Problemstellung
4. Modellierung
5. LösungsverfahrenLP-RelaxationGanzzahlige Lösung
WS 13/14 Einführung in Verkehr und Logistik 44 / 50
Ermittlung einer ganzzahligen Lösung
I LP-Relaxation zufriedenstellend durch Spaltengenerierung gelöst(vgl. solution gap)
I anschließend Ermittlung einer ganzzahligen Lösung, dazu:I Fixierung von Tourvariablen des RMP auf den Wert 1
I je Rundungs-Iteration Fixierung der Tour mit dem höchstenVariablenwert yn
I vgl. Spalte „fixed“
I Fortsetzen des CG-Verfahrens mit dem so modifizierten,lp-relaxierten RMP
I Zurücksetzen der Schranken UB und LB, da modifiziertes Problem
Tourenplanung01/18/12, 10:33:05
objective values and bounds Variables ------------------------------------------------------- --------------------------- Iteration ZF RMP (UBLP) LBLP (UB-LB)/LB ZF Sub art. fixed pos. posint-------------------------------------------------------------------------------------------------- .. .. .. .. .. .. .. .. .. 42 38484.08 38461.08 0.0598 % -1.0000 0 0 17 3 43 38483.92 38483.92 0.0000 % 0.0000 0 0 17 3---------------------------------------- Start Rounding ------------------------------------------ 44 38483.92 0 - -1.0501E+5 0 1 17 3 45 38483.92 38483.92 0.0000 % 0.0000 0 1 17 3 46 38483.92 38380.42 0.0027 % -4.5000 0 2 17 3 47 38483.92 38483.92 0.0000 % 0.0000 0 2 17 3 48 38483.92 38483.92 0.0000 % 0.0000 0 3 17 3 49 90628.00 0 - -2.5758E+5 1 4 12 4 50 39111.40 15688.20 149.3046 % -1018.4000 0 4 15 4 51 38941.67 38941.67 0.0000 % 0.0000 0 4 15 4 52 246482.67 0 - -2.0503E+5 2 5 15 7 53 41455.67 0 - -1.0000E+5 0 5 14 6 54 41455.67 41455.67 0.0000 % 0.0000 0 5 14 6 55 41455.67 41455.67 0.0000 % 0.0000 0 6 14 6 56 145636.00 0 - -3.1002E+5 1 7 9 9 57 42295.67 42295.67 0.0000 % 0.0000 0 7 11 7 58 145636.00 0 - -1.0000E+5 1 8 9 9 59 45636.00 45636.00 0.0000 % 0.0000 0 8 9 9
WS 13/14 Einführung in Verkehr und Logistik 47 / 50
Ermittlung einer ganzzahligen Lösung
I enthält die LP-Relaxation des RMP nur noch ganzzahlige Variablen,so ist eine zulässige Lösung des Tourenplanungsproblems erreicht
I ein solution gap von 0 weist darauf hin, dass das modifizierte LPoptimal gelöst wurde
I es kann keine Optimalität des ganzzahligen Hauptproblemsnachgewiesen werden
I Abschätzung der Lösungsgüte der ganzzahligen Lösung ist möglich
Nachfolgend ein Ausschnitt aus der Lösung des Tourenplanungsproblems
WS 13/14 Einführung in Verkehr und Logistik 48 / 50
Tourenplan Ergebnis
© 1988–2009 Microsoft Corporation und/oder deren Lieferanten. Alle Rechte vorbehalten. http://www.microsoft.com/germany/mappoint/ © 1984-2009 Tele Atlas. Alle Rechte vorbehalten. Data Source © 2009 Tele Atlas N.V. Dieses Produkt beinhaltet Kartendaten lizenziert von Ordnance Survey® mit Genehmigung des Controller of Her Majesty’s Stationery Office. © Crown Copyright und/oder Datenbankrechte 2008. Alle Rechte vorbehalten. Lizenznummer 100025324. ©2009 NAVTEQ. Alle Rechte vorbehalten. NAVTEQ ON BOARD ist eine eingetragene Marke von NAVTEQ.
Tour aus der Lösung
0 km 2 4 6
WS 13/14 Einführung in Verkehr und Logistik 50 / 50
Literaturhinweise I
Barnhart, C. und G. Laporte: Handbooks in Operations Research & ManagementScience-Transportation.Elsevier, 2006.
Grünert, T. und S. Irnich: Optimierung im Transport, Band 2: Wege und Touren.Shaker, 2005.
Hadley, G.: Linear programming, Band 4.Addison-Wesley Reading, Mass, 1962.
Lasdon, L.: Optimization Theory for Large Systems.Dover Publication, 2002.
Lübbecke, M.E. und J. Desrosiers: Selected topics in column generation.Operations Research, Seiten 1007–1023, 2005.