Veranstaltung
Gemischt-ganzzahlige Optimierung I [WS192550138]
Dozent/en
Einrichtung
- Kontinuierliche Optimierung
Bestandteil von
- Teilleistung Gemischt-ganzzahlige Optimierung I | Wirtschaftsingenieurwesen (M.Sc.)
- Teilleistung Gemischt-ganzzahlige Optimierung I | Technische Volkswirtschaftslehre (M.Sc.)
- Teilleistung Gemischt-ganzzahlige Optimierung I | Wirtschaftsinformatik (M.Sc.)
- Teilleistung Gemischt-ganzzahlige Optimierung I | Informationswirtschaft (M.Sc.)
- Teilleistung Gemischt-ganzzahlige Optimierung I | Wirtschaftsmathematik (M.Sc.)
Literatur
- C.A. Floudas, Nonlinear and Mixed-Integer Optimization: Fundamentals and Applications, Oxford University Press, 1995
- J. Kallrath: Gemischt-ganzzahlige Optimierung, Vieweg, 2002
- D. Li, X. Sun: Nonlinear Integer Programming, Springer, 2006
- G.L. Nemhauser, L.A. Wolsey, Integer and Combinatorial Optimization, Wiley, 1988
- M. Tawarmalani, N.V. Sahinidis, Convexification and Global Optimization in Continuous and Mixed-Integer Nonlinear Programming, Kluwer, 2002.
Veranstaltungstermine
- 15.10.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 22.10.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 29.10.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 05.11.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 12.11.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 19.11.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 26.11.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 03.12.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 10.12.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 17.12.2019 09:45 - 11:15 - Room: 05.20 1C-03
- 07.01.2020 09:45 - 11:15 - Room: 05.20 1C-03
- 14.01.2020 09:45 - 11:15 - Room: 05.20 1C-03
- 21.01.2020 09:45 - 11:15 - Room: 05.20 1C-03
- 28.01.2020 09:45 - 11:15 - Room: 05.20 1C-03
- 04.02.2020 09:45 - 11:15 - Room: 05.20 1C-03
Anmerkung
Bei der Modellierung vieler Optimierungsprobleme aus Wirtschafts-, Ingenieur- und Naturwissenschaften treten sowohl kontinuierliche als auch diskrete Variablen auf. Beispiele sind das energieminimale Design eines chemischen Prozesses, bei dem verschiedene Reaktoren wahlweise ein- oder ausgeschaltet werden können, die Portfolio-Optimierung unter Anzahlbeschränkungen an die Wertpapiere, die Planung der Errichtung von Standorten zur kostenminimalen Bedienung von Kunden sowie das optimale Design von Stimmenzuteilungen bei Wahlverfahren. Für die algorithmische Identifizierung von Optimalpunkten solcher Probleme ist ein Zusammenspiel von Ideen der diskreten und der kontinuierlichen Optimierung notwendig.
Die Vorlesung konzentriert sich auf gemischt-ganzzahlige lineare Optimierungsprobleme und ist wie folgt aufgebaut:
- Einführung, Lösbarkeit und grundlegende Konzepte
- LP-Relaxierung und Fehlerschranken für Rundungen
- Branch-and-Bound-Verfahren
- Gomorys Schnittebenen-Verfahren
- Benders-Dekomposition
Die zur Vorlesung angebotene Übung bietet unter anderem Gelegenheit, einige Verfahren zu implementieren und an praxisnahen Beispielen zu testen.
Anmerkung:
Die Behandlung von gemischt-ganzzahligen nichtlinearen Optimierungsproblemen bildet den Inhalt der Vorlesung "Gemischt-ganzzahlige Optimierung II".
Lernziele:
Der/die Studierende
- kennt und versteht die Grundlagen der linearen gemischt-ganzzahligen Optimierung,
- ist in der Lage, moderne Techniken der linearen gemischt-ganzzahligen Optimierung in der Praxis auszuwählen, zu gestalten und einzusetzen.