Optimization Implementation in Production and Transportation (OPT)
|
Dozenten
|
Vorlesung:Janis S. Neufeld & Marlin Ulmer
Übung: Aheli Das & Jonas Stein
|
|
Ansprechpartner
|
|
|
Semester
|
Sommersemester
|
|
Umfang und Art
|
2 SWS Vorlesung / 2 SWS Übung
|
|
Prüfungsleistung
|
Schriftliche Klausur (60 min); 5 CP
|
|
Vorlesung / Übung
|
Aktuelle Informationen zu Terminen und Ablauf finden Sie im LSF und im Elearning |
|
Sprache
|
Englisch
|
|
Inhalt der Lehrveranstaltung
|
Ziel der Vorlesung ist es, das notwendige Hintergrundwissen und die praktischen Fähigkeiten zu vermitteln, um Optimierungsprobleme aus dem Bereich der Produktion und Logistik mit rechnergestützten Methoden zu lösen. Die Vorlesung gliedert sich in zwei Teile:
Im ersten Teil geht es um die Modellierung und Umsetzung deterministischer Planungsprobleme aus Produktion und Logistik. Wir werden diskutieren:
- Grundlegende und fortgeschrittene Modellierungstechniken der gemischt-ganzzahligen Programmierung
- Praktische Implementierung und Lösung von linearen Programmen mit Gurobi und seiner Python-API
- Anwendung von Konzepten und Methoden zur Lösung von realistischen Planungsproblemen mit Hilfe von mathematischen Solvern
- Bei Bedarf wird Material zum Erwerb von Python-Grundkenntnissen im Selbststudium zur Verfügung gestellt
Der zweite Teil konzentriert sich auf die Implementierung stochastischer und dynamischer Probleme und Methoden. Wir werden diskutieren:
- Erstellung einer Simulationsumgebung für dynamische Probleme in Python
- Praktische Umsetzung verschiedener intuitiver Entscheidungsstrategien
- Implementierung von Strategien unter Verwendung von Vorhersagen oder Szenarien
- Implementierung von Methoden des Reinforcement Learning
- Diese Vorlesung ist autark. Der theoretische Hintergrund der dynamischen Methoden und weitere Details werden jedoch in der Vorlesung Einführung in dynamische Entscheidungsprobleme vermittelt.
|