Die duale Simplex-Methode und Sensitivitätsanalyse

Modul 1: Grundkonzepte und Definitionen

Die lineare Programmierung (LP) ist eine mathematische Methode zur Optimierung, die das Ziel verfolgt, eine lineare Zielsetzung unter Berücksichtigung eines Systems von linearen Einschränkungen maximal oder minimal zu machen. Durch die Definition von Entscheidungsvariablen, Zielsetzungen und Einschränkungen wird das Problem formuliert. Entscheidungen müssen unter Berücksichtigung der entscheidenden Variablen getroffen werden, um die bestmöglichen Ergebnisse zu erzielen.

• Entscheidungsvariablen: Variablen, deren Werte die Entscheidungsträger festlegen, um das beste Ergebnis zu erzielen.
• Zielsetzung: Eine lineare Funktion, die maximiert oder minimiert werden muss.
• Einschränkungen: Lineare Ungleichungen, die die Werte der Entscheidungsvariablen einschränken.

Das Konzept der Dualität in der linearen Programmierung besagt, dass jedes LP-Problem, das als 'primal' bezeichnet wird, mit einem 'dual' Gegenstück korreliert. Sensitivitätsanalysen spielen hierbei eine Rolle, um den Einfluss von Änderungen zu verstehen.

Modul 2: Sensitivitätsanalyse

Die Sensitivitätsanalyse ist ein fundamentales Werkzeug, das dazu dient, herauszufinden, wie sich die optimale Lösung eines linearen Programmierungsproblems verändert, wenn die Eingabeparameter geändert werden. Diese Analyse ist entscheidend für Entscheidungsträger, da sie wertvolle Einblicke gibt, welche Änderungen erhebliche Auswirkungen auf die Lösung haben können. Wichtige Aspekte der Sensitivitätsanalyse beinhalten:

• Änderungen der Zielsetzungskoeffizienten: Untersuchungen, wie Variationen in den Zielsetzungskoeffizienten die optimale Lösung beeinflussen.
• Änderungen der rechte Seitenkonstanten: Einflussanalyse der Verschiebungen von rechtsseitigen Werten in den Einschränkungen.

Das Verstehen dieser Aspekte ermöglicht es Managern, Entscheidungen über Ressourcenzuweisungen oder Preisstrategien besser zu bewerten.

Modul 3: Historischer Kontext und Prinzipien

Die Entwicklung der linearen Programmierung hat ihre Wurzeln im frühen 20. Jahrhundert, als bedeutende Mathematiker und Ökonomen zur Schaffung dieser Disziplin beitrugen. Unter diesen war Leonid Kantorovich, der in den 1930er Jahren einige der ersten implementierten Methoden der linearen Programmierung vorstellte. Der entscheidende Durchbruch kam jedoch 1947, als George Dantzig die Simplex-Methode einführte, die als bahnbrechender Algorithmus für die effiziente Lösung von LP-Problemen gilt.

Darüber hinaus hat John von Neumann mit seiner Forschung Strategien in der Verbindung von LP mit Spieltheorie definiert, was die Entscheidungsfindung maßgeblich beeinflusste. Diese historischen Hintergründe sind entscheidend für ein umfassendes Verständnis der heutigen Anwendungen und Möglichkeiten der linearen Programmierung.