Einführung in das Operations Research II

  • Type: Vorlesung (V)
  • Semester: WS 18/19
  • Time: 18.10.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof


    25.10.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    08.11.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    15.11.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    22.11.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    29.11.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    06.12.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    13.12.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    20.12.2018
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    10.01.2019
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    17.01.2019
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    24.01.2019
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    31.01.2019
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof

    07.02.2019
    09:45 - 11:15 wöchentlich
    11.40 Johann-Gottfried-Tulla-Hörsaal
    11.40 Kollegiengebäude am Ehrenhof


  • Lecturer: Prof. Dr. Stefan Nickel
  • SWS: 2
  • Lv-No.: 2530043
Voraussetzungen

Siehe Modulbeschreibung. Im Besonderen wird die Lehrveranstaltung Einführung in das Operations Research I [2550040] vorausgesetzt.

Beschreibung

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

Literaturhinweise
  • Nickel, Stein, Waldmann: Operations Research, 2. Auflage, Springer, 2014
  • 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
Lehrinhalt

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

Zugangsvoraussetzungen

Siehe Modulbeschreibung. Im Besonderen wird die Lehrveranstaltung Einführung in das Operations Research I [25040] vorausgesetzt.

Arbeitsbelastung

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 135 Stunden (4.5 Credits).

Präsenzzeit: 30 Stunden

Selbststudium: 105 Stunden

Ziel

Der/die Studierende

  • benennt und beschreibt die Grundbegriffe der entscheidenden Teilbereiche im Fach Operations Research (Lineare Optimierung, Graphen und Netzwerke, Ganzzahlige und kombinatorische Optimierung, Nichtlineare Optimierung, Dynamische Optimierung und stochastische Modelle),
  • 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.
Prüfung

Siehe Modulbeschreibung.