Ganzzahlige und kombinatorische Optimierung: Grundbegriffe, Schnittebenenverfahren, Branch-and-Bound-Methoden, Branch-and-Cut-Verfahren, heuristische Verfahren.

Nichtlineare Optimierung: Grundbegriffe, Optimalitätsbedingungen, Lösungsverfahren für konvexe und nichtkonvexe Optimierungsprobleme.

Dynamische und stochastische Modelle und Methoden: Dynamische Optimierung, Bellman-Verfahren, Losgrößenmodelle und dynamische und stochastische Modelle der Lagerhaltung, Warteschlangen

Lernziele:

Der/die Studierende

• benennt und beschreibt die Grundbegriffe der Ganzzahligen und kombinatorischen Optimierung, der Nichtlinearen Optimierung und der Dynamischen Optimierung,
• kennt die für eine quantitative Analyse unverzichtbaren Methoden und Modelle,
• modelliert und klassifiziert Optimierungsprobleme und wählt geeignete Lösungsverfahren aus, um einfache Optimierungsprobleme selbständig zu lösen,
• validiert, illustriert und interpretiert erhaltene Lösungen.

Lernaufwand:

Der Gesamtarbeitsaufwand für diese Lehrveranstaltung gliedert sich wie folgt:

• Besuch der Lehrveranstaltungen (Präsenzzeit) (5 SWS × 15 Wochen): 75 h

• Vor- und Nachbereitung des Lehrstoffs: 110 h

• Prüfungsvorbereitung und Teilnahme an der Erfolgskontrolle: 85 h

Gesamtsumme: 270 h (entspricht 9 LP)

• Nickel, Rebennack, Stein, Waldmann: Operations Research, 3. Auflage, Springer, 2022
• Hillier, Lieberman: Introduction to Operations Research, 8th edition. McGraw-Hill, 2005
• Murty: Operations Research. Prentice-Hall, 1995
• Neumann, Morlock: Operations Research, 2. Auflage. Hanser, 2006
• Winston: Operations Research - Applications and Algorithms, 4th edition. PWS-Kent, 2004