Menü
Positionsanzeige
Inhalt

[ 926LOMACLOS14 ] SE Computational Logistics: Optimierung
Versionsauswahl
Es ist eine neuere Version 2020W dieser LV im Curriculum Masterstudium Economic and Business Analytics 2024W vorhanden.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
6 ECTS M2 - Master 2. Jahr Betriebswirtschaftslehre Sophie Parragh 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Wirtschaftsinformatik 2019W
Ziele Die Studierenden besitzen Kenntnisse über existierende exakte Lösungskonzepte, die in Anwendungen der Logistik zum Einsatz kommen. Sie kennen die Konzepte der Modellierung von Mixed Integer Programmen. Sie sind in der Lage Mixed Integer Programme für Logistikanwendungen selbst zu designen. Darüber hinaus sind sie in der Lage einfache Optimierungstechniken für Planungsprobleme selbst zu designen, zu implementieren und zu testen. Außerdem besitzen sie Kenntnis über die Evaluierung von exakten Ergebnissen.
Lehrinhalte Modellierung von Mixed Integer Programmen, Umsetzung in einem kommerziellen Solver, Branch and Bound Verfahren, Branch and Cut Verfahren, Column Generation, Branch and Price.
Beurteilungskriterien Vortrag der Projektarbeit, Klausur
Lehrmethoden Hausübungsbeispiele, Projektarbeit
Abhaltungssprache Englisch
Literatur Suhl, Mellouli: Optimierungssysteme, Springer, 2006.

Grünert, Irnich: Optimierung im Transport, Band I, Grundlagen, Shaker Verlag, 2005.

Korte, Vygen: Combinatorial Optimization - Theory and Algorithms, 5th Edition. Springer, 2010.

Desaulniers, Desrosiers, Solomon: Column Generation, Springer, 2005.

Zusätzliche Literatur wird jedes Semester bekannt gegeben.

Lehrinhalte wechselnd? Nein
Frühere Varianten Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
2WCLOOP: SE Computational Logistics: Optimierung (2013S-2014S)
Präsenzlehrveranstaltung
Teilungsziffer 25
Zuteilungsverfahren Zuteilung nach Vorrangzahl