 |
| Detailinformationen |
| Quellcurriculum |
Masterstudium Wirtschaftsinformatik 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden kennen die existierenden heuristischen und metaheuristischen Lösungskonzepte, die in Anwendungen der Logistik zum Einsatz kommen und können diese an eine gewählte Problemstellung anpassen, implementieren und auf Datensätze anwenden, statistisch evaluieren und entsprechende Handlungsempfehlungen ableiten.
|
|
| Fertigkeiten |
Kenntnisse |
- Learning Outcome 2 (LO2): Die Studierenden sind in der Lage, die Funktionsweise von metaheuristischen Lösungsverfahren zu erklären.
- Learning Outcome 3 (LO3): Die Studierenden sind in der Lage, einen metaheuristischen Ansatz für eine gewählte Problemstellung selbst zu entwickeln.
- Learning Outcome 4 (LO4): Die Studierenden sind in der Lage, einen entwickelten metaheuristischen Ansatz in einer passenden Programmiersprache zu implementieren.
- Learning Outcome 5 (LO5): Die Studierenden sind in der Lage, ihren Ansatz auf Datensätze anzuwenden, statistisch zu evaluieren und zu validieren.
- Learning Outcome 6 (LO6): Die Studierenden sind in der Lage die entwickelte Methode schriftlich wie mündlich, nach wissenschaftlichen Kriterien, strukturiert und auf leicht zugängliche Art und Weise zu beschreiben und die erzielten Ergebnisse aufzubereiten, um Handlungsempfehlungen abzuleiten.
|
- Learning Outcome 1 (LO1): Die Studierenden kennen die wichtigsten metaheuristischen Konzepte: Variable Neighborhood Search, Adaptive Large Neighborhood Search, Tabu Search, Simulated Annealing, Genetische Algorithmen.
|
|
| Beurteilungskriterien |
Insgesamt haben die Studierenden die Möglichkeit, 100 Punkte zu erreichen (Projektarbeit + Präsentation).
1. Klausur: Nach dem ersten inhaltlichen Teil erfolgt eine Klausur zu den behandelten Inhalten.
2. Projektarbeit: In Kleingruppen wird ein Thema erarbeitet, ein metaheuristisches Lösungsverfahren entwickelt und implementiert und die erzielten Ergebnisse werden in einer Seminararbeit zusammengefasst.
3. Präsentation: Problemstellung, Lösungsverfahren und Ergebnisse werden vorgestellt.
Synchronisation von Lernergebnissen und Bewertung:
- LO1: Exam
- LO2: Projektarbeit+Präsentation
- LO3: Projektarbeit+Präsentation
- LO4: Projektarbeit+Präsentation
- LO5: Projektarbeit+Präsentation
- LO6: Projektarbeit+Präsentation
|
| Lehrmethoden |
Der Kurs verwendet eine Kombination aus verschiedenen Lehrmethoden, um
1. die Motivation und Aufmerksamkeit der Studierenden zu maximieren.
2. die Lernziele auf die didaktisch beste Weise zu erreichen.
Dies beinhaltet Folgendes:
- Informationsinput durch den*die Lehrende*n, unterstützt durch Folien und Literatur
- Erarbeitung von Inhalten in Zusammenarbeit mit den Studierenden.
- Erarbeitung einer Themenstellung im Rahmen einer Projektarbeit in Kleingruppen.
- Diskussion in der Gruppe.
|
| Abhaltungssprache |
Englisch |
| Literatur |
Burke, Kendall: Search Methodologies, Introductory Tutorials in Optimization and Decision Support Techniques. Springer. 2005
Gendreau, Potvin: Handbood of Metaheuristics, 2nd Edition. Springer. 2010.
Hoos, Stützle: Stochastic Local Search - Foundations and Applications. Elsevier. 2005.
|
| Lehrinhalte wechselnd? |
Nein |
| Frühere Varianten |
Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
2WCLOME: SE Computational Logistics: Metaheuristiken (2013W-2014S)
|
|
