Semester | |
Modulnummer | INF-ALG-03 |
Veranstaltungsnr. | INF-ALG-003, INF-ALG-004 |
Studiengänge | Master Wirtschaftsinformatik, Master Informations-Systemtechnik, Master Informatik |
IBR Gruppe | ALG (Prof. Fekete) |
Art | Vorlesung/Übung |
Dozent | |
Assistent | |
LP | 5 |
SWS | 2+1+1 |
Ort & Zeit | Vorlesung: Dienstag, 15:00 - 16:30, SN 19.3, Große Übung: Montag, 15:00 - 16:30, 14-täglich, SN 19.3 Kleine Übung: Dienstag, 9:45 - 11:15, 14-täglich, IZ161 |
Beginn | Voraussichtliche Starttermine: Erste Vorlesung: 24. Okt. Erste große Übung: 13. Nov Erste kleine Übung: 21. Nov |
Voraussetzungen | keine |
Scheinerwerb | Studienleistung: Erfolgreiche Bearbeitung von mindestens 50 Prozent der Hausaufgaben. Prüfungsleistung: Mündliche Prüfung. |
Inhalt | Thema ist lineare und ganzzahlige Optimierung. Die Studierenden erlernen, gegebene Probleme als solche Programme zu formulieren und zu lösen, sowie die theoretischen Aspekte dahinter: - Lineare Optimierung
- Simplexalgorithmus
- Dualität
- Ganzzahlige Optimierung
|
Termine | [ Kalender abonnieren | Kalender herunterladen ] | Datum | Beschreibung |
---|
24.10.2017, 15:00 Uhr | 1. Vorlesung (SN19.3) | 31.10.2017, 13:15 Uhr | Ausgabe 1. Hausaufgabe | 07.11.2017, 15:00 Uhr | 2. Vorlesung (SN19.3) | 13.11.2017, 15:00 Uhr | 1. Große Übung (SN19.3) | 14.11.2017, 13:15 Uhr | Abgabe 1. Hausaufgabe, Ausgabe 2. Hausaufgabe (IZ) | 14.11.2017, 15:00 Uhr | 3. Vorlesung (SN19.3) | 21.11.2017, 09:45 Uhr | 1. Kleine Übung (IZ161) | 21.11.2017, 15:00 Uhr | 4. Vorlesung (SN19.3) | 27.11.2017, 15:00 Uhr | 2. Große Übung (SN19.3) | 28.11.2017, 13:15 Uhr | Abgabe 2. Hausaufgabe, Ausgabe 3. Hausaufgabe (IZ) | 28.11.2017, 15:00 Uhr | 5. Vorlesung (SN19.3) | 05.12.2017, 09:45 Uhr | 2. Kleine Übung (IZ161) | 05.12.2017, 15:00 Uhr | 6. Vorlesung (SN19.3) | 11.12.2017, 15:00 Uhr | 3. Große Übung (+Vorlesung) (SN19.3) | 12.12.2017, 13:15 Uhr | Abgabe 3. Hausaufgabe, Ausgabe 4. Hausaufgabe (IZ) | 12.12.2017, 15:00 Uhr | 7. Vorlesung (+Übung) (SN19.3) | 19.12.2017, 09:45 Uhr | 3. Kleine Übung (IZ161) | 19.12.2017, 15:00 Uhr | 8. Vorlesung (SN19.3) | 08.01.2018, 15:00 Uhr | 4. Große Übung (SN19.3) | 09.01.2018, 13:15 Uhr | Abgabe 4. Hausaufgabe, Ausgabe 5. Hausaufgabe (IZ) | 09.01.2018, 15:00 Uhr | 9. Vorlesung (SN19.3) | 16.01.2018, 09:45 Uhr | 4. Kleine Übung (IZ161) | 16.01.2018, 15:00 Uhr | 10. Vorlesung (SN19.3) | 23.01.2018, 13:15 Uhr | Abgabe 5. Hausaufgabe (IZ) | 23.01.2018, 09:45 Uhr | 5. Große Übung (IZ161) | 23.01.2018, 15:00 Uhr | 11. Vorlesung (SN19.3) | 29.01.2018, 15:00 Uhr | 5. Kleine Übung (SN19.3) | 30.01.2018, 15:00 Uhr | 12. Vorlesung (SN19.3) |
|
Literatur/Links | - Ein Skript aus dem Wintersemester 2008/09 (Wir planen dieses Skript während des Semesters zu aktualiseren.)
- A. Schrijver: Theory of Linear and Integer Programming, Wiley-Interscience Series in Discrete Mathematics and Optimization, John Wiley & Sons, 1998 (s-tlip-98, BibTeX)
- V. Chvátal: Linear Programming, Series of Books in the Mathematical Sciences, W.H. Freeman, 1983 (c-lp-83, BibTeX)
- Einführung in die Mathematische Optimierung - Burkard und Zimmermann Freier Zugang im Uni-Netzwerk. Gut für den Einstieg.
- B. Korte and J. Vygen: Combinatorial Optimization: Theory and Algorithms, Algorithms and Combinatorics, Springer, 2005 (kv-cota-05, BibTeX)
Dieses Buch ist aber eher als Nachschlagewerk zu betrachten. Für den Einstieg sind obige Bücher vermutlich besser geeignet. - Viele der umfassenden Einstiegswerke für Informatiker enthalten ein Kapitel zu Linear Programming. z.B. Introduction to Algorithms - Cormen et al.
|
AktuellesDieser Kurs startet mit der ersten Vorlesung am 24. Oktober.The mailinglist has been reseted on 12. October. If you have subscribed before, please recheck if you really are on this list.
HausaufgabenÜbungDas restliche Material wurde über die Mailingliste verschickt. Mailingliste Es gibt eine Mailingliste zu dieser Vorlesung, in die sich Teilnehmer bitte eintragen. Bei Problemen bitte an Dominik Krupke wenden. Hinweise zu LP-Lösern Im Laufe des Kurses werden einige Aufgaben zu CPLEX gestellt. Jedoch kann man diese Aufgaben mit jedem oben genannten LP-Löser bearbeiten. Ein kurzer Einsteiger-Guide ist das CPLEX1x1. Ein guter Startpunkt ist dieses Beispiel. Die offizielle Dokumentation findet ihr hier. Darüber hinaus gibt es eine kurze Einführung in ZIMPL, SoPlex und SCIP. IBM ILOG CPLEX (cplex ) ist kommerziell, die SCIP Optimization Suite (scip , soplex , zimpl ) ist freie Software und kann kostenfrei auf diversen Betriebssystemen installiert werden. Insbesondere ist dort das ZIMPL User Guide verfügbar. Um nur mal schnell in LP- und IP-Solver reinzuschnuppern muss man nicht gleich ein komplexes Program installieren. Es gibt auch einen Javascript Port des GLPK. Dieser wird aber nicht annährend die Leistungsfähigkeit von richtigen Solvern haben. |