Lineare Optimierung und Simulation
Linear Optimization and Simulation
6 LPSoSeDEwird nicht mehr angeboten
Voraussetzungen
Empfohlen, im Wortlaut
Kenntnisse des Stoffes der Module: • 11980 Mathematik I: Algebra und Analysis • 11981 Mathematik II: Analysis, Optimierung und Finanzmathematik
Inhalte
• Graphentheorie • Kürzester Pfad (Dijkstra-Algorithmus, Bellman-Ford-Algorithmus, Yen-Algorithmus, Dynamische Optimierung) • Kombinatorische Optimierung (Kruskal-Algorithmus, Travelling Salesman Problem, Warehouse Location Problem) • Lineare Optimierung (Modellbildung, Simplex-Algorithmus, Dualität, Sensitivitätsanalyse) – Ganzzahlige lineare Optimierung (Branch and Bound-Algorithmus, Gomory-Algorithmus, Branch and Cut-Algorithmus) • Heuristiken (Christofides-Heuristik, Genetische Algorithmen)
Lernziele
Die Studierenden haben die Fähigkeit, selbständig an Problemlösungen einschließlich ihrer mathematischen Darstellung und ihrer Interpretation zu arbeiten. Darüber hinaus beherrschen Sie das Lösen über grafische Darstellungen. Die Studierenden haben Kenntnisse über die grundlegenden Problemstellungen, Modelle und Lösungsverfahren der linearen Optimierung. Sie besitzen Fähigkeiten und Fertigkeiten, in der Praxis auftretende Optimierungsprobleme zu modellieren und mit geeigneten Algorithmen zu lösen bzw. bei komplexeren Aufga¬benstellungen diese gemeinsam mit Fachkräften aus Technik oder Wirtschaft zu analysieren und zu bearbeiten.
Prüfungsleistung
• Klausur, 90 Minuten
Literatur (2)
- Domschke, Drexl. Einführung in Operations Research. Springer, 2015
- F. S. Hillier, G. J. Liebermann: Operations Research:Einführung, Oldenbourg
Quelle: Modulbeschreibung der BTU · abgerufen 20.10.2026Original