Gemischt-ganzzahlige Programmierung
Mixed-Integer Programming
8 LPunregelmäßigDE
Voraussetzungen
Empfohlen, im Wortlaut
Kenntnisse in linearer und ganzzahliger Optimierung, z.B. Kenntnis des Stoffes der Module • 11312 Optimierung I • 11322 Optimierungsmethoden des Operations Research Kenntnis des Simplex-Algorithmus wird vorausgesetzt.
Inhalte
Polyedertheorie, Abschätzungen in der ganzzahligen Optimierung, Komplexitätstheorie, total unimodulare Matrizen, ganzzahlige Polyeder und totale duale Integralität, Schnittebenen, Branch-and-Bound, Lagrange Relaxationen, Benders Zerlegung, Dynamische Programmierung, stochastische Programmierung, Spaltengenerierungsverfahren, Heuristiken, nichtlineare gemischt-ganzzahlige Programmierung, Anwendungen
Lernziele
• Erwerb von Kenntnissen von grundlegenden Konzepten (Definitionen, Sätzen und Beweisen) im Bereich der gemischt-ganzzahligen Programmierung • Fähigkeit zur Formalisierung eines angewandten Optimierungsproblems und dessen Lösung mit mathematischen Mitteln
Prüfungsleistung
• 4 Zwischentests, geschrieben während der Vorlesungs- oder Übungszeit, je 30 Minuten Die besten 3 zählen zu je 1/3 für die Endnote.
Literatur (1)
- Aktuelle Literatur wird zu Beginn des Semesters angegeben.
Bemerkungen
• Studiengang Angewandte Mathematik M.Sc.: Wahlpflichtmodul im Komplex „Optimierung“ • Studiengang Mathematik B.Sc.: Wahlpflichtmodul im Komplex „Vertiefung“, im begrenzten Umfang • Studiengang Wirtschaftsmathematik B.Sc.: Wahlpflichtmodul im Komplex „Vertiefung“, im begrenzten Umfang
Quelle: Modulbeschreibung der BTU · abgerufen 28.09.2026Original