186.190 Optimization in Transport and Logistics
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2024S, VU, 2.0h, 3.0EC
TUWEL

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Präsenz

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage die Grundlagen der Modellierung, Algorithmen, Operations Research, heuristische Optimierung zu verstehen und anzuwenden. Fortgeschrittene Optimierungstechniken: Branch-and-Cut, Branch-and-Price, Metaheuristik. Der Fokus liegt auf klassischen Transportproblemen wie TSP, Fahrzeugrouting, Versand.

Inhalt der Lehrveranstaltung

Grundlagen: Modellierung, Algorithmen, Operations Research, Heuristische Optimierung. Fortgeschrittene Methoden der Optimierung: Branch-and-Cut, Branch-and-Price, Metaheuristiken. Klassische Probleme der Transportlogistik: TSP, Vehicle Routing, Shipment Didaktisches Vorgehen: - wöchentlich stattfindende Vorlesung - begleitende Übung - abschließende mündliche Vorlesungsprüfung

Methoden

Die VU wird geblockt an ausgewählten Terminen abgehalten. Zusätzlich zu den Vorlesungseinheiten werden an einem Termin nach Vorbereitung durch die Studierenden in Heimarbeit Rechenbeispiele durchgenommen. Eine Programmieraufgabe dient zur Festigung der Lehrinhalte. Die VU wird mit einer Prüfung abgeschlossen.

 

Prüfungsmodus

Schriftlich und Mündlich

Weitere Informationen

ECTS-Breakdown:

15h  Vorlesung
10h  Übung (Beispiele)
15h  Programmierübung I
15h  Programmierübung II
20h  Prüfungsvorbereitung und Prüfung
------------------------------------------------------
75h Gesamt

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Mo.16:00 - 20:0004.03.2024 - 24.06.2024Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Optimization in Transport and Logistics - Einzeltermine
TagDatumZeitOrtBeschreibung
Mo.04.03.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.11.03.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.18.03.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.08.04.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.15.04.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.22.04.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.29.04.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.06.05.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.13.05.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.27.05.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.03.06.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.10.06.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.17.06.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics
Mo.24.06.202416:00 - 20:00Seminarraum FAV 01 C (Seminarraum 188/2) VU Optimization in Transport and Logistics

Leistungsnachweis

The exam will be based on the material covered during the course.

LVA-Anmeldung

Von Bis Abmeldung bis
23.02.2024 00:00 31.03.2024 00:00 31.03.2024 00:00

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 645 Data Science Gebundenes Wahlfach
066 926 Business Informatics Gebundenes Wahlfach
066 931 Logic and Computation Gebundenes Wahlfach
066 937 Software Engineering & Internet Computing Gebundenes Wahlfach

Literatur

  • Toth, Paolo, and Daniele Vigo, eds. Vehicle routing: problems, methods, and applications. Vol. 18. Siam, 2014.
  • Gendreau, M., & Potvin, J. Y. (2010). Handbook of metaheuristics (Vol. 2). New York: Springer.

Vorkenntnisse

Voraussetzungen:

  • Kenntnisse über grundlegende Algorithmen und Datenstrukturen
  • Kenntnisse der linearen Algebra und Analysis, insbesondere Grundkenntnisse zu Mengenlehre, Metriken, Folgen und Reihen

Sprache

Englisch