Modulcode:	WInf-EinfOR
Englische Bezeichnung:	Introduction to Operations Research
Modulverantwortliche(r):	Prof. Dr. Thomas Slawig
Turnus:	unregelmäßig (WS15/16 WS16/17 WS17/18 WS18/19 WS19/20 WS20/21 WS21/22)
Präsenzzeiten:	2V 2Ü 1PÜ
ECTS:	8
Workload:	30 Std. Vorlesung, 30 Std. Präsenzübung, 15 Std. praktische Übungen, 165 Std. Selbststudium
Dauer:	ein Semester
Modulkategorien:	WI (BSc Inf (15)) A (BSc WInf (15)) WI (BSc Inf) 2F-MA-Inf-WP (2F-MA Inf (21)) MSc-WInf-WP-WInf (MSc WInf (21)) WI (MSc Inf (15)) WI (MEd Inf) WPI (MEd Inf) OR (MSc WInf) IG (MSc Inf) TG (MSc Inf)
Lehrsprache:	Deutsch
Voraussetzungen:	Inf-ADS Inf-ProgOO

Kurzfassung:

Produktionsplanung, Transportprobleme und logistische Fragestellungen sind häufig anzutreffende Probleme in Wirtschaft und anderen Bereichen. Um sie zu lösen, wird oft auf Abstraktionen und Techniken aus dem Operations Research zurückgegriffen. In der Lehrveranstaltung erfolgt eine Einführung in die Modellierung von Probleme sowie in grundlegende Algorithmen und Optimierungstechniken. Der Fokus liegt auf Theorie und Praxis, insbesondere der Anwendung und teilweiser Implementierung von Software sowie auf der Interpretation der Ergebnisse.

Lernziele:

Die Studierenden sind in der Lage,

• Probleme des Operations Research zu modellieren
• Problemklassen zu erkennen
• Eigenschaften dieser Problemklassen (wie Existenz und Eindeutigkeit von Lösungen) zu formulieren
• geeignete Algorithmen auszuwählen, ggfs. anzupassen und anzuwenden
• die Grundprinzipien der Algorithmen zu formulieren
• und Ergebnisse von Simulationen mit diesen Algorithmen zu interpretieren.

Lehrinhalte:

In der Vorlesung erfolgt eine Einführung in Methoden des Operations Research für

• Lineare Optimierungsprobleme
• Lineare Ausgleichsprobleme
• Nichtlineare Optimierungsprobleme
• Netzwerk-Flussprobleme

Weitere Voraussetzungen:

Programmierkenntnisse in Java

Prüfungsleistung:

Am Ende des Semesters findet eine Abschlussprüfung (schriftlich oder online) statt. Für die Zulassung zur Prüfung müssen

• alle bis auf eine Übungsserie mit theoretischen Aufgaben
• und alle Programmieraufgaben

einzeln oder in einer Zweiergruppe zu den angegebenen Terminen erfolgreich bearbeitet und dem Betreuer vorgeführt worden sein. Bei der Vorführung müssen alle Gruppenmitglieder anwesend sein.

Lehr- und Lernmethoden:

• Online-Material (Video-Podcasts) zum Selbststudium
• Fragestunden zum Inhalt
• Hausaufgaben in Gruppen
• Vorstellung und Besprechung der Aufgaben in Kleingruppen

Verwendbarkeit:

Literatur:

• D. G. Luenberger/Y. Ye - "Linear and Nonlinear Programming" Springer
• J. Werner - "Numerische Mathematik 2" Vieweg
• C. Großmann, J. Terno - "Numerik der Optimierung" Teubner
• F. Jarre, J. Stoer - "Optimierung" Springer
• W. Domschke, A. Drexl, R. Klein, A. Scholl - "Einführung in Operations Research" Springer
• C. Papadimitriou, K. Steiglitz - "Combinatorial Optimization: Algorithms and Complexity"

Verweise:

Kommentar: