INF2538 Kombinatorische Optimierung: Algorithmen und Anwendungen

Modulverantwortliche
  • Prof. Dr. Michael Elberfeld
Lehrende
  • Prof. Dr. Michael Elberfeld
Vorausgesetzte Module
Kurzbeschreibung

Diese Veranstaltung befähigt Studierende praktische Aufgabenstellungen als Optimierungsprobleme zu modellieren, Lösungen zu entwickeln und diese anzuwenden. Der Fokus liegt hierbei auf Zuordnungs-, Planungs- und Transportproblemen sowie deren Lösung durch optimale Entscheidungen.

Inhalte
  • Algorithmische Optimierungsverfahren: Branch-and-Bound, Approximationsalgorithmen, Flussalgorithmen, Lineare und Constraint Programmierung.
  • Typische Problemstellungen und Modellierungen: Zuordnungs-, Transport und Planungsprobleme.
  • Einordnung und Abgrenzung des optimierten Entscheidens im Hinblick auf andere Datenanalysemethoden (beschreibende, vorhersagende, vorschreibende Analyse).
  • Anwendung von Optimierungsverfahren mit Hilfe von Datenintegration und Visualisierung
Qualifikations- und Lernziele

Fachkompetenzen

  • Die Studierenden können typische Optimierungsprobleme benennen und diese beschreiben.
  • Sie können grundlegende Lösungsverfahren für Optimierungsprobleme sowie deren algorithmische Eigenschaften erklären.
  • Sie können Optimierungsprobleme mit geeigneten Lösungsverfahren in Beziehung setzen.
  • Sie können das optimierte Entscheiden von anderen Schritten der Datenanalyse abgrenzen.

Methodenkompetenzen (fachlich & überfachlich)

  • Die Studierenden können Optimierungsverfahren auf die Anwendung hin anpassen, implementieren und testen.

Sozialkompetenzen

  • Die Studierenden können in Gruppen erfolgreich zusammenarbeiten.
  • Sie können die eigene Arbeit schriftlich dokumentieren und in Kurzvorträgen vorstellen.

Selbstkompetenzen

  • Die Studierenden können eigenständig geeignete Lösungsverfahren für Optimierungsaufgaben entwickeln und anwenden.
ECTS-Leistungspunkte (CrP)
  • 6 CrP
  • Arbeitsaufwand 180 Std.
  • Präsenzzeit 60 Std.
  • Selbststudium 120 Std.
Lehr- und Lernformen
  • 4 SWS
  • Seminaristischer Unterricht 4 SWS
Studiensemester
  • Bioinformatik (B.Sc. 2022)
  • Informatik (B.Sc. 2022)
  • Ingenieur-Informatik (B.Sc. 2022)
Dauer
1 Semester
Häufigkeit des Angebots
Einmal im Jahr
Unterrichtssprache
Deutsch
Bonuspunkte

Nein

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsleistungen

Prüfungsvorleistung:

Hausübungen (Die Anzahl der Hausübungen wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung:

Klausur, mündliche Prüfung oder Projekt (Art des Leistungsnachweises wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Benotung
Die Bewertung des Moduls erfolgt gemäß §§ 9, ggf. 12 (Teilleistungen), ggf. 18 (Arbeiten, Kolloquien) der Allgemeinen Bestimmungen (Teil I der Prüfungsordnung).
Verwendbarkeit
Gemäß § 5 der Allgemeinen Bestimmungen (Teil I der Prüfungsordnung) Verwendbarkeit in allen Bachelorstudiengänge der THM möglich.
Literatur, Medien
  • Cormen et al.: Introduction to Algorithms. MIT Press.
  • Papadimitriou, C.: Combinatorial Optimization. Algorithms and Complexity. Dover.
  • Dechter, R.: Constraint Processing. Morgan Kaufmann.
  • Hamacher, H.W.; Klamroth K.: Lineare Optimierung und Netzwerkoptimierung. Vieweg.

Rechtliche Hinweise