Modulcode:	infEOR-01a
Englische Bezeichnung:	Introduction to Operations Research
Modulverantwortliche(r):	Prof. Dr. Thomas Slawig
Turnus:	unregelmäßig (WS22/23 SS24)
Präsenzzeiten:	2V 2Ü
ECTS:	6
Workload:	30 Std. Vorlesung, 30 Std. Präsenzübung, 120 Std. Selbststudium
Dauer:	ein Semester
Modulkategorien:	BSc-Inf-WP (BSc Inf (21)) BSc-WInf-WP-WInf (BSc WInf (21)) WI (BSc Inf (15)) MSc-Inf-WP (MSc Inf (21)) 2F-MEd-Inf-WP (MEd-Hdl Inf (21)) 2F-MA-Inf-WP (2F-MA Inf (21)) MSc-WInf-WP-WInf (MSc WInf (21)) WI (MSc Inf (15)) EcoQuantFin (Export)
Lehrsprache:	Deutsch
Voraussetzungen:	Inf-Math-A Inf-Math-B infProgOO-01a infEAlg-01a

Kurzfassung:

Operations Research ist ein Teilgebiet der Optimierung mit Fokus auf ökonomischen und organisatorischen Aufgaben. Bei der Optimierung soll durch geeignete Auswahl von Parametern oder Steuerungsgrößen eine bestimmte Kostenfunktion maximiert oder minimiert werden. In der Lehrveranstaltung erfolgt eine Einführung in die Modellierung von Problemen sowie in grundlegende Algorithmen. Der Inhalt umfasst Theorie und Praxis, die Anwendung und Implementierung von Software in geeigneten Sprachen oder Softwaresystemen sowie die Interpretation der Ergebnisse.

Lernziele:

Die Studierenden sind in der Lage,

• Probleme des Operations Research zu modellieren
• Problemklassen zu erkennen
• Eigenschaften dieser Problemklassen zu formulieren
• geeignete Algorithmen auszuwählen, ggfs. anzupassen und anzuwenden
• deren Grundprinzipien zu formulieren
• entsprechende Software auszuwählen, zu benutzen oder zu erstellen
• und erhaltene Ergebnisse zu interpretieren.

Lehrinhalte:

Es erfolgt eine Einführung in Methoden des Operations Research z. B. für

• Lineare Optimierungsprobleme
• Quadratische Optimierungsprobleme
• Mehrkriterielle Optimierung
• Netzwerk- und Flussprobleme.

Behandelte Algorithmen sind u. a.

• Simplex-Algorithmus
• Innere-Punkte-Methode
• Algorithmen von Ford-Fulkerson, Edmonds-Karp und Dinic.

Der Stoff kann sich von Semester zu Semester leicht unterscheiden. Es werden Softwaresysteme wie GAMS, die Programmiersprachen Python oder R sowie Java benutzt.

Weitere Voraussetzungen:

Programmierkenntnisse in Java und in Python oder R.

Prüfungsleistung:

Mündliche Prüfung, Bedingung zur Zulassung: erfolgreiches Bearbeiten von Übungsaufgaben.

Lehr- und Lernmethoden:

• Vorlesung
• Selbststudium anhand von Online-Material
• Fragestunden und Präsentation zum Stoff in Gruppen
• Kleingruppenübungen
• selbständiges Bearbeiten von theoretischen und Programmeraufgaben

Verwendbarkeit:

• Wahlpflicht BSc. und MSc. Wirtschaftsinformatik
• Wahlpflicht BSc. und MSc. Informatik

Literatur:

• D. G. Luenberger/Y. Ye - "Linear and Nonlinear Programming" Springer
• F. Jarre, J. Stoer - "Optimierung" Springer
• C. Papadimitriou, K. Steiglitz - "Combinatorial Optimization: Algorithms and Complexity"

Verweise:

Kommentar:

Hinweis für Studierende der Wirtschaftsinformatik: Im Unterschied zum Modul "Operations Research" des Instituts für Betriebswirtschaftslehre (AG Supply Chain Management) werden hier (außer beim Thema Lineare Optimierung) andere Probleme behandelt. Beim Thema Lineare Optimierung wird etwas mehr auf die Theorie eingegangen sowie ein weiterer Algorithmus vorgestellt. Insgesamt legt das Modul mehr den Fokus auf Aspekte der Informatik und teilweise der Mathematik.