 |
| Detailinformationen |
| Anmeldevoraussetzungen |
KS Operations Research und IK Operations Research
|
| Quellcurriculum |
Masterstudium Wirtschaftsinformatik 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden kennen die existierenden exakten Lösungskonzepte, die in Anwendungen der Logistik zum Einsatz kommen. Sie können Planungsprobleme der Logistik als Mixed Integer Programme formulieren, exakte Lösungsverfahren unter Einbindung von kommerziellen Solver Tools selbst designen, implementieren, testen, evaluieren und validieren.
|
|
| Fertigkeiten |
Kenntnisse |
- Learning Outcome 2 (LO2): Die Studierenden sind in der Lage, die Grundlegen Konzepte der gemischt-ganzzahligen Programmierung zu erklären
- Learning Outcome 3 (LO3): Die Studierenden sind in der Lage, einen exakten Lösungsalgorithmus basierend auf gemischt-ganzzahligen Programmiertechniken für ein gegebenes Problem aus der Logistik selbst zu entwickeln.
- Learning Outcome 4 (LO4): Die Studierenden sind in der Lage, den entwickelten Lösungsalgorithmus mit Hilfe kommerzieller Software für gemischt-ganzzahlige Programmierung zu implementieren.
- Learning Outcome 5 (LO5): Die Studierenden sind in der Lage, den implementierten Ansatz anhand von Benchmark-Daten zu evaluieren.
- 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 wichtige Konzepte der gemischt-ganzzahligen Programmierung, wie z.B. Modellierungstechniken, branch-and-bound, branch-and-cut, column generation, branch-and price, valid inequalities
|
|
| 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 |
- L. Wolsey, Integer Programming, current edition
- M. Conforti, G. Cornuejols, G. Zambelli, Integer Programming, current edition
- H. P. Williams, Model Building in Mathematical Programming, current edition
- Desaulniers, Desrosiers, Solomon: Column Generation, Springer, 2005.
Zusätzliche Literatur wird im Kurs bekannt gegeben.
|
| Lehrinhalte wechselnd? |
Nein |
| Frühere Varianten |
Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
2WCLOOP: SE Computational Logistics: Optimierung (2013S-2014S)
|
|
