- Learning Outcome 2 (LO2): Die Studierenden sind in der Lage, die behandelten quantitativen Modellierungs- und Lösungsansätze des gewählten Themengebiets zu erklären.
- Learning Outcome 3 (LO3): Die Studierenden sind in der Lage, die passenden algorithmischen Ansätzen auszuwählen, anzuwenden und anzupassen.
- Learning Outcome 4 (LO4): Die Studierenden sind in der Lage, Planungs- und Entscheidungsprobleme (sowohl die behandelte also auch neue Varianten) des Themengebiets strukturiert mathematisch zu formulieren.
- Learning Outcome 5 (LO5): Die Studierenden sind in der Lage, die behandelten Modelle zu implementieren, teilweise auch auf Datensätzen anzuwenden und die erhaltenen Ergebnisse zu prüfen und zu interpretieren.
|
Learning Outcome 1 (LO1): Die Studierenden kennen die verschiedenen gemischt-ganzzahligen Modellierungsansätze (mixed integer programming) und die jeweiligen exakten und heuristischen Optimierungsmethoden für strategische und operative Planungs- und Entscheidungsprobleme.
Abhängig vom Themengebiet werden unterschiedliche, für das Spezialgebiet wesentliche, Problemstellungen, Modelle, Lösungsansätze und Konzepte gelehrt und deren Anwendung auf Praxisprobleme diskutiert. Beispielhaft sind hier zwei Spezialgebiete angeführt:
Spezialgebiet „Transportlogistik“: Die Studierenden kennen Modellierungs- und Lösungsansätze für längerfristige taktische Planungsprobleme der Warenverteilplanung sowie der kurzfristig operativen Planung (Traveling Salesman Problem, Vehicle Routing Problem und Varianten davon).
Spezialgebiet „Multi-Objective Optimization“: Die Studierenden kennen Modellierungs- und Lösungsansätze für Planungs- und Entschiedungsprobleme mit mehrfacher Zielsetzung, z.B. Standortplanung unter Berücksichtigung von Kosten und CO2-Ausstoß oder Distributionsplanung im Disaster Relief Kontext.
|
