Menü
Positionsanzeige
Inhalt

[ 926LOMACLOS14 ] SE Computational Logistics: Optimierung
Versionsauswahl
Es ist eine neuere Version 2025W dieser LV im Curriculum Masterstudium Economic and Business Analytics 2025W vorhanden.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
6 ECTS M2 - Master 2. Jahr Betriebswirtschaftslehre Sophie Parragh 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Anmeldevoraussetzungen KS Operations Research und IK Operations Research
Quellcurriculum Masterstudium Wirtschaftsinformatik 2020W
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 entwickeln und exakte Lösungsverfahren unter Einbindung von kommerziellen Solver Tools selbst zu designen, zu implementieren und zu testen. Außerdem besitzen sie Kenntnis über die Evaluierung und Valdierung der Ergebnisse.
Lehrinhalte Modellierung von Mixed Integer Programmen für Logistikanwendungen, Branch and Bound Verfahren, Branch and Cut Verfahren, Column Generation, Branch and Price.
Beurteilungskriterien Projektarbeit, Präsentation, Klausur
Lehrmethoden Übungsbeispiele, 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