Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)

Größe: px
Ab Seite anzeigen:

Download "Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)"

Transkript

1 1 Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14) Einleitung Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 11. Oktober 2013) 2 Kommunikationsnetzwerke... Daten u ij : Maximale Bitrate über Link (i, j) c ij : Kosten Übertragung ein Bit über (i, j) b kl : (Konstante) Bitrate von k nach l

2 ... Kommunikationsnetzwerke 3 Ziel Route Daten unter minimalen Kosten. Modellierung: Variablen ij : Datenrate für die Verbindung von k nach l auf Link (i, j) Können zulassen (weil Bitraten groß sind): ij R Lineares Optimierungsmodell 4 Minimiere (i,j) Link unter den Nebenbedingungen j:(j,i) Link ji j:(i,j) Link k l k ij = l c ij ij b kl (i = k) b kl (i = l) 0 sonst i, k, l ij u ij (i, j) ij 0 (i, j), k, l

3 5 (Kontinuierliche) Lineare Optimierung Optimierung von linearen Zielfunktionen unter (endlich vielen) linearen Nebenbedingungen (=,, ) in (endlich vielen) kontinuierlichen Variablen. 6 Variante Zusätzliche Daten f ij : Fixkosten für Verwendung von Link (i, j) Zusätzliche Variablen y ij {0, 1}: 1, falls Link (i, j) verwendet, sonst 0

4 Gemischt ganzzahliges Modell 7 Minimiere (i,j) Link unter den Nebenbedingungen j:(j,i) Link ji j:(i,j) Link k k l l ij = c ij ij + (i,j) Link f ij y ij b kl (i = k) b kl (i = l) 0 sonst i, k, l ij u ij y ij (i, j) xij kl 0 (i, j), k, l y ij {0, 1} (i, j) (Gemischt) Ganzzahlige Lineare Optimierung 8 Optimierung von linearen Zielfunktionen unter (endlich vielen) linearen Nebenbedingungen (=,, ) in (endlich vielen) Variablen, von denen einige nur ganzzahlige Werte annehmen dürfen.

5 (Kontinuierliche) Lineare Optimierung 9 Ganzzahlige Lineare Optimierung... 10

6 ... Ganzzahlige Lineare Optimierung 11 Mächtig (z.b. 0/1-Entscheidungsvariablen) Baut auf (kontinuierlicher) LP auf Einblick am Ende dieser VL Vertiefung: WiSem 14/15: VL Kombinatorische Optimierung SoSem 15: VL Ganzzahlige Optimierung (Kontinuierliche) Lineare Optimierung 12 Sehr gutes strukturelles Verständnis (Zertifikate, Dualität) Theoretisch effizient lösbar (polynomial) Praktisch effizient lösbar Hintergrund: Konvexität

7 13 Konvexe Optimierung 14 Portfolio-Optimierung Daten n Anlagemöglichkeiten (Anlage) Zu investierendes Kapital: K = 1 R i : Rendite Anlage i (Zufallsvariable) Variablen x i : Anteil des in Anlage i investierten Kapitals Gesamtrendite (Zufallsvariable) G(x, R) = n i=1 R ix i

8 Optimierungsmodell 15 Ziel: Maximale erwartete Rendite unter der Nebenbedingung, dass die Wahrscheinlichkeit, einen Anteil von b zu verlieren, höchstens α ist. Maximiere unter den Nebenbedingungen E[G(x, R)] n x i = 1 i=1 P[G(x, R) b] 1 α x O Optimierungsmodell (umformuliert) 16 Maximiere unter den Nebenbedingungen r, x 1, x = 1 z α x T Cx r, x b 0 x O z α : (1 α)-quantil Standardnormalverteilung C: Kovarianzmatrix (positiv definit) der normalverteilten R i r i : Erwartungswerte der R i

9 17 Konvexe Optimierung Minimierung von konvexen Zielfunktionen über konvexen (abgeschlossenen) Mengen X R n Hier: Differenzierbare Zielfunktionen Oft: X = {x X 0 g i (x) 0 für i = 1,..., m} mit einfacher konvexer Menge X 0, g i konvex 18 Inhalt Optimierung ohne Nebenbedingungen Konvexe Mengen und Kegel Optimalitätsbedingungen für konvexe Optimierungsprobleme Dualität und Konische Optimierung Polynomiale Verfahren für konvexe Optimierung Die Geometrie der Linearen Optimierung Der Simplex-Algorithmus Ganzzahlige und Kombinatorische Optimierung

10 Literatur R. J. Vanderbei Linear Programming Springer, J. Matousek und B. Gärtner Using and Understanding Linear Programming Springer, V. Chvatal Linear Programming Freeman, D. Bertsimas and J. N. Tsitsiklis Introduction to Linear Optimization Athena, Literatur 20 G. B. Dantzig Linear Programming and Extensions Princeton University Press, 1998 (1963). A. Ruszcynski Nonlinear Optimization Princeton University Press, 2006 A. Schrijver Theory of Linear and Integer Programming Wiley, M. Grötschel, L. Lovàsz, A. Schrijver Geometric Algorithms and Combinatorial Optimization. Springer, 1988.

11 Folien 21 Empfehlung: Zur VL mitbringen (Notizen) Ergänzen Tafelanschrift Folien sind kein Skript Organisatorisches 22 Vorlesung Dienstag 13:15-14:45 G22A-203 Mittwoch 11:15-12:45 G Übungen Verantwortlich: Matthias Walter Donnerstag, 15:00-16:30 (G03-214) Leistungsnachweis Klausur (Übung letzte VL-Woche) Teilnahmenvoraussetzungen Übungspunkte, Vorrechnen Details in Übungen Modulprüfung September 2014 (Februar/März 2014) In der Regel: Gemeinsam mit Numerik

Lineare Optimierung. Volker Kaibel Fakultät für Mathematik Institut für Mathematische Optimierung Otto-von-Guericke Universität Magdeburg

Lineare Optimierung. Volker Kaibel Fakultät für Mathematik Institut für Mathematische Optimierung Otto-von-Guericke Universität Magdeburg Lineare Optimierung Volker Kaibel Fakultät für Mathematik Institut für Mathematische Optimierung Otto-von-Guericke Universität Magdeburg VL 1: Einführung 10. April 2007 Überblick Optimierung unter Nebenbedingungen

Mehr

Diskrete Optimierung

Diskrete Optimierung Diskrete Optimierung Mi 10-12, C118, Sand Dr. Stephanie Reifferscheid Universität Tübingen, WSI 12. Oktober 2011 Dr. Stephanie Reifferscheid Diskrete Optimierung 12. Oktober 2011 1 / 17 Technisches Erreichbarkeit

Mehr

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

Mehr

3. Grundlagen der Linearen Programmierung

3. Grundlagen der Linearen Programmierung 3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations

Mehr

Die Verbindung von Linearer Programmierung und Graphentheorie

Die Verbindung von Linearer Programmierung und Graphentheorie Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der

Mehr

Einführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298

Einführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Kapitel 1 Einführung Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Inhalt Inhalt 1 Einführung Was ist Operations Research? Planungsprozess im OR Peter Becker (H-BRS) Operations

Mehr

Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht

Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung

Mehr

4. Dynamische Optimierung

4. Dynamische Optimierung 4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger

Mehr

Institut für Telematik Universität zu Lübeck. Programmieren. Kapitel 0: Organisatorisches. Wintersemester 2008/2009. Prof. Dr.

Institut für Telematik Universität zu Lübeck. Programmieren. Kapitel 0: Organisatorisches. Wintersemester 2008/2009. Prof. Dr. Institut für Telematik Universität zu Lübeck Programmieren Kapitel 0: Organisatorisches Wintersemester 2008/2009 Prof. Dr. Christian Werner 1-2 Überblick Ziele Inhaltsüberblick Ablauf der Veranstaltung

Mehr

Lineare Programmierung

Lineare Programmierung Lineare Programmierung WS 2003/04 Rolle der Linearen Programmierung für das TSP 1954: Dantzig, Fulkerson & Johnson lösen das TSP für 49 US-Städte (ca. 6.2 10 60 mögliche Touren) 1998: 13.509 Städte in

Mehr

Operations Research II

Operations Research II Operations Research II Einführung in die kombinatorische Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Wintersemester 2015/16 Peter Becker (H-BRS) Operations Research

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse

Mehr

Periodische Fahrpläne und Kreise in Graphen

Periodische Fahrpläne und Kreise in Graphen Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf

Mehr

Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung

Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung Teil II Optimierung Gliederung 9 Einführung, Klassifizierung und Grundlagen 10 Lineare Optimierung 11 Ganzzahlige und kombinatorische Optimierung 12 Dynamische Optimierung Literatur: zu 10-12: Neumann,

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Informatikgrundlagen (WS 2015/2016)

Informatikgrundlagen (WS 2015/2016) Informatikgrundlagen (WS 2015/2016) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde

Mehr

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Hier findet ihr alle Informationen rund um s Studium in den Sozialwissenschaften: http://www.uni-trier.de/index.php?id=46199 Prüfungsordnung:

Hier findet ihr alle Informationen rund um s Studium in den Sozialwissenschaften: http://www.uni-trier.de/index.php?id=46199 Prüfungsordnung: Sowi (KF), Sozi (HF), Sozi (NF) 06.06.2013 Hier findet ihr alle Informationen rund um s Studium in den Sozialwissenschaften: http://www.uni-trier.de/index.php?id=46199 Prüfungsordnung: http://www.uni-trier.de/index.php?id=29150

Mehr

Studienplan TECHNIKPÄDAGOGIK AUFBAUSTUDIENGANG Anhang C. Universitätsstr. 38 Tel. 7816-392 e-mail: ulrich.hertrampf@informatik.uni-stuttgart.

Studienplan TECHNIKPÄDAGOGIK AUFBAUSTUDIENGANG Anhang C. Universitätsstr. 38 Tel. 7816-392 e-mail: ulrich.hertrampf@informatik.uni-stuttgart. Seite C1 Wahlpflichtfach: Informatik Entwurf, VC, 24.9.03 Studienberatung: Prof. Hertrampf Universitätsstr. 38 Tel. 7816-392 e-mail: ulrich.hertrampf@informatik.uni-stuttgart.de lfd. Nr. Sem. Lehrveranstaltungen

Mehr

Vorlesung Grundzüge der Wirtschaftsinformatik W1311 Fakultät für Wirtschaftswissenschaften

Vorlesung Grundzüge der Wirtschaftsinformatik W1311 Fakultät für Wirtschaftswissenschaften Vorlesung Grundzüge der Wirtschaftsinformatik W1311 Fakultät für Wirtschaftswissenschaften Lernziele Nach dieser Veranstaltung sollten Sie einen Gesamtüberblick über die Wirtschaftsinformatik, die von

Mehr

Inhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII

Inhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................

Mehr

Informationen für Studierende anderer Fachbereiche mit angestrebtem Diplom- oder Magisterabschluss

Informationen für Studierende anderer Fachbereiche mit angestrebtem Diplom- oder Magisterabschluss Prof. Dr. Elisabeth Allgoewer Fachbereich Volkswirtschaftslehre Informationen für Studierende anderer Fachbereiche mit angestrebtem Diplom- oder Magisterabschluss (ohne Lehramtsstudiengänge) Stand: 29.11.2010

Mehr

Algorithmik - Kompaktkurs

Algorithmik - Kompaktkurs Algorithmik - Kompaktkurs Sommersemester 2012 Steffen Lange 0/1, Folie 1 2012 Prof. Steffen Lange - HDa/FbI - Algorithmik Organisatorisches Vorlesung Folien im Netz (/* bitte zur Vorlesung mitbringen */)

Mehr

Optimierung Optimization. Vorlesung 01

Optimierung Optimization. Vorlesung 01 Optimierung Optimization Vorlesung 01 Organisatorisches skopalik@mail.upb.de Büro: F1.209 (Sprechstunde nach Vereinbarung) Vorlesung: Freitags, 11:15 12:45, F0 053 Übungen: Dienstags, 13:15 14:00, F0 053

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Masterstudiengänge am Institut für Informatik

Masterstudiengänge am Institut für Informatik Masterstudiengänge am Institut für Informatik Hintergrund: Informatikerausbildung für Wissenschaft und Industrie im Informationszeitalter wird die Informatik immer stärker zur Schlüsseldisziplin am Arbeitsmarkt

Mehr

Schranken für zulässige Lösungen

Schranken für zulässige Lösungen Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung

Mehr

Optimierung. Florian Jarre Josef Stoer. Springer

Optimierung. Florian Jarre Josef Stoer. Springer 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Florian Jarre Josef Stoer Optimierung Springer Inhaltsverzeichnis

Mehr

A Anhang zu den 5, 6, 11-14

A Anhang zu den 5, 6, 11-14 Ordnung für die Prüfung im Masterstudiengang naturwissenschaftliche Informatik 25 A Anhang zu den 5, 6, 11-14 Das Studium gliedert sich wie folgt: Zwei bzw. drei Angleichungmodule mit insgesamt 27 LP.

Mehr

Lineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen

Lineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Einführung Standard- und Schlupfformen Simplex Algorithmus Matthias Zwicker Universität Bern Frühling 2009 2 Beispiel: Wahlkampf Ziel: mit möglichst wenig Werbung eine gewisse

Mehr

Datenstrukturen und Algorithmen

Datenstrukturen und Algorithmen Datenstrukturen und Algorithmen Sommersemester 2013 1 1 O. Einführung 0.1 Organisatorisches 0.2 Überblick 2 0.1 Organisatorisches DSAL Team Veranstaltungen & Termine Kommunikation Materialien Übungsbetrieb

Mehr

Algorithmen und Berechnungskomplexität I

Algorithmen und Berechnungskomplexität I Institut für Informatik I Wintersemester 2010/11 Organisatorisches Vorlesung Montags 11:15-12:45 Uhr (AVZ III / HS 1) Mittwochs 11:15-12:45 Uhr (AVZ III / HS 1) Dozent Professor für theoretische Informatik

Mehr

Einführung in die empirische Wirtschaftsforschung. Wintersemester 2015/2016 Syllabus

Einführung in die empirische Wirtschaftsforschung. Wintersemester 2015/2016 Syllabus Einführung in die empirische Wirtschaftsforschung Wintersemester 2015/2016 Syllabus Prof. Dr. Almut Balleer Lehr- und Forschungsgebiet Empirische Wirtschaftsforschung RWTH Aachen Kursbeschreibung Dieser

Mehr

Produktion und Logistik Klausuren im Wintersemester 2014/15 Donnerstag, den 05.03.2015 von 09.00 bis 14.00 Uhr

Produktion und Logistik Klausuren im Wintersemester 2014/15 Donnerstag, den 05.03.2015 von 09.00 bis 14.00 Uhr Produktion und Logistik Klausuren im Wintersemester 2014/15 Donnerstag, den 05.03.2015 von 09.00 bis 14.00 Uhr Anmeldung: Die Anmeldung ist über das jeweilige Prüfungsamt vorzunehmen. Raumzuordnung: Die

Mehr

Orientierungseinheit für Bachelor Studienanfänger Angewandte Informatik Fachschaft Informatik WS 2014/2015

Orientierungseinheit für Bachelor Studienanfänger Angewandte Informatik Fachschaft Informatik WS 2014/2015 Orientierungseinheit für Bachelor Studienanfänger Angewandte Informatik Fachschaft Informatik WS 2014/2015 1 OBaS Inhalt Teil 1: Prüfungsordnung wie studiert man? Studium wie studierst du? Teil 2: Gremien

Mehr

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen

Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag

Mehr

Organisatorische Infos zum Studium Was muss ich wissen? Was finde ich wo? Was muss ich erledigen?

Organisatorische Infos zum Studium Was muss ich wissen? Was finde ich wo? Was muss ich erledigen? Organisatorische Infos zum Studium Was muss ich wissen? Was finde ich wo? Was muss ich erledigen? 02.10.2014 Informationen auf der Homepage Hochschule allgemein: http://www.haw-landshut.de/home.html Informationen

Mehr

Einführung für Studierende im. Bachelorstudiengang Mathematik und Anwendungsgebiete. 20. Oktober 2015 Prof. Dr. Stefan Schröer

Einführung für Studierende im. Bachelorstudiengang Mathematik und Anwendungsgebiete. 20. Oktober 2015 Prof. Dr. Stefan Schröer Einführung für Studierende im Bachelorstudiengang Mathematik und Anwendungsgebiete 20. Oktober 2015 Prof. Dr. Stefan Schröer Homepage: Informieren Sie sich auf unseren Webseiten! Mathematisches Institut

Mehr

Aufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung

Aufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung - 1 - Aufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung 1. Die Tabelle mit den Werten und Gewichten der Gegenstände, sowie die Spalte mit der Anzahl ist vorgegeben und braucht nur eingegeben zu werden

Mehr

Einführung in die Informatik

Einführung in die Informatik Einführung in die Informatik Einleitung Organisatorisches, Motivation, Herangehensweise Wolfram Burgard Cyrill Stachniss 0.1 Vorlesung Zeit und Ort: Mo 16.00 18.00 Uhr Gebäude 101, HS 00-026 Informationen

Mehr

Mathematisch-algorithmische Grundlagen für Big Data

Mathematisch-algorithmische Grundlagen für Big Data Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2016

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Prüfungszeiten für den Studiengang Bachelor of Science in Psychologie

Prüfungszeiten für den Studiengang Bachelor of Science in Psychologie Prüfungszeiten für den Studiengang Bachelor of Science in Psychologie Stand: 1.12.2014 Die folgende Übersicht enthält einen Rahmenterminplan für die Prüfungszeiten nach der Änderung der Prüfungsordnung,

Mehr

Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen

Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen Verwendung von LS-OPT zur Generierung von Materialkarten am Beispiel von Schaumwerkstoffen Katharina Witowski (DYNAmore GmbH) Peter Reithofer (4a engineering GmbH) Übersicht Problemstellung Parameteridentifikation

Mehr

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Lineare Codes Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Codes Ein Code ist eine eindeutige Zuordnung von Zeichen

Mehr

Optimierung I. Dr. Ulf Lorenz F2.413

Optimierung I. Dr. Ulf Lorenz F2.413 Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2005/06 20.2.2006 Prof. Dr. Jörg Rambau Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:

Mehr

Entscheidungsunterstützende Systeme

Entscheidungsunterstützende Systeme Entscheidungsunterstützende Systeme (WS 015/016) Klaus Berberich (klaus.berberich@htwsaar.de) Rainer Lenz (rainer.lenz@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de)

Mehr

Mathematik-Klausur vom 16.4.2004

Mathematik-Klausur vom 16.4.2004 Mathematik-Klausur vom 16..200 Aufgabe 1 Die Wucher-Kredit GmbH verleiht Kapital zu einem nominellen Jahreszinsfuß von 20%, wobei sie die anfallenden Kreditzinsen am Ende eines jeden Vierteljahres der

Mehr

Kapitel 5: Dynamisches Programmieren Gliederung

Kapitel 5: Dynamisches Programmieren Gliederung Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen

Mehr

Lernende Suchmaschinen

Lernende Suchmaschinen Lernende Suchmaschinen Qingchui Zhu PG 520 - Intelligence Service (WiSe 07 / SoSe 08) Verzeichnis 1 Einleitung Problemstellung und Zielsetzung 2 Was ist eine lernende Suchmaschine? Begriffsdefinition 3

Mehr

Studien- und Prüfungsordnung Beifach Angewandte Informatik

Studien- und Prüfungsordnung Beifach Angewandte Informatik Studien- und sordnung für das Beifach Angewandte Informatik der Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik der Universität Mannheim vom 11.06.2012 (Bekanntmachungen des Rektorats Nr.

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Doing Economics with the Computer Sommersemester 2002. Excel Solver 1

Doing Economics with the Computer Sommersemester 2002. Excel Solver 1 Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte

Mehr

Lineare Optimierung Ergänzungskurs

Lineare Optimierung Ergänzungskurs Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen

Mehr

Einführung in die Informatik

Einführung in die Informatik Einführung in die Informatik Einleitung Organisatorisches, Motivation, Herangehensweise Wolfram Burgard 1.1 Vorlesung Zeit und Ort: Dienstags 10:00-12:00 Uhr Donnerstags 10:00-12:00 Uhr Gebäude 101 HS

Mehr

Programmierung. Prof. Dr. Michael Hanus mh@informatik.uni-kiel.de, Tel. 880-7271, R. 706 / CAP-4

Programmierung. Prof. Dr. Michael Hanus mh@informatik.uni-kiel.de, Tel. 880-7271, R. 706 / CAP-4 Programmierung Prof. Dr. Michael Hanus mh@informatik.uni-kiel.de, Tel. 880-7271, R. 706 / CAP-4 Fabian Reck fre@informatik.uni-kiel.de, Tel. 880-7262, R. 701 / CAP-4 Institut für Informatik Christian-Albrechts-Universität

Mehr

Umgekehrte Kurvendiskussion

Umgekehrte Kurvendiskussion Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen

Mehr

Bachelor- und Master-Studium Informatik

Bachelor- und Master-Studium Informatik Bachelor- und Master-Studium Informatik Wissenswertes für Erstsemestler Prof. Dr. Till Tantau Studiengangsleiter MINT-Studiengänge 8. Oktober 2012 Gliederung Wie sollten Sie richtig studieren? Der Bachelor-Studiengang

Mehr

Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben

Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben Technische Universität Kaiserslautern Prof Dr Sven O Krumke Dr Sabine Büttner MSc Marco Natale Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben Aufgabe 1 (Konvertieren

Mehr

Organisatorisches. Ökonometrie I Michael Hauser WS15/16

Organisatorisches. Ökonometrie I Michael Hauser WS15/16 1 / 12 Organisatorisches Ökonometrie I Michael Hauser WS15/16 2 / 12 Web-Seite zum Kurs Web-Seite des Kurses: Auf der Web-Seite finden sie die organisatorischen Regelungen, den Terminplan und Regeln zum

Mehr

(Lineare) stochastische Optimierung

(Lineare) stochastische Optimierung (Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Wissenschaftliche Grundlagen des Mathematischen Schulstoffs IV. Die erste Stunde. Die erste Stunde

Wissenschaftliche Grundlagen des Mathematischen Schulstoffs IV. Die erste Stunde. Die erste Stunde Wissenschaftliche Grundlagen des Mathematischen Schulstoffs IV Was ist ist Mathematik? Der Inhalt Geometrie (seit (seit Euklid, ca. ca. 300 300 v. v. Chr.) Chr.) Die Die Lehre vom vom uns uns umgebenden

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Studiengang «StudG» Klausur Marketing & Management Science WS 2012/2013. Studienfach: Abschluss:

Studiengang «StudG» Klausur Marketing & Management Science WS 2012/2013. Studienfach: Abschluss: Univ.-Prof. Dr. Jost Adler Univ.-Prof. Dr. Gertrud Schmitz Studiengang «StudG» Klausur Marketing & Management Science WS 202/203 Datum: «Datum» Beginn/Ort: «Beginn» / «Ort» Bearbeitungszeit: 60 Minuten

Mehr

Spieltheoretischer Ansatz für selbstorganisierende Systeme

Spieltheoretischer Ansatz für selbstorganisierende Systeme Spieltheoretischer Ansatz für selbstorganisierende Systeme Institut für Informatik 27. Juni 2006 Inhaltsverzeichnis 1 Ziel des Aufsatz 2 Geschichte 3 Einführung 4 Das Spiel Experiment 5 Konzepte zur Lösung

Mehr

Aufgabenblatt 7 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015

Aufgabenblatt 7 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015 Universität Bern Bern, den 27. März 2015 Professur für Quantitative Methoden der BWL Schützenmattstr. 14, 3012 Bern Prof. Dr. Norbert Trautmann, Oliver Strub E-Mail: oliver.strub@pqm.unibe.ch Hinweis:

Mehr

Einführung in statistische Auswertungsverfahren. B Erz 2012 AC#02. Bernhard Mierswa. Universität Erfurt - Erziehungswissenschaftliche Fakultät

Einführung in statistische Auswertungsverfahren. B Erz 2012 AC#02. Bernhard Mierswa. Universität Erfurt - Erziehungswissenschaftliche Fakultät Einführung in statistische Auswertungsverfahren B Erz 2012 AC#02 Bernhard Mierswa Universität Erfurt - Erziehungswissenschaftliche Fakultät 06. November 2013 07. November 2013 Ich studiere in der Haupt-

Mehr

Studienplan für den Diplomstudiengang Mathematik

Studienplan für den Diplomstudiengang Mathematik Universität Stuttgart Fakultät Mathematik und Physik Studienplan für den Diplomstudiengang Mathematik Februar 2005 Der Diplomstudiengang Mathematik gliedert sich in den ersten und den zweiten Studienabschnitt

Mehr

LINGO: Eine kleine Einführung

LINGO: Eine kleine Einführung LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach

Mehr

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1 IV. Spieltheorie 1. Gegenstand der Spieltheorie 2. Einführung in Matrixspiele 3. Strategien bei Matrixspielen 4. Weitere Beispiele 5. Mögliche Erweiterungen H. Weber, FHW, OR SS07, Teil 7, Seite 1 1. Gegenstand

Mehr

Aufabe 7: Baum-Welch Algorithmus

Aufabe 7: Baum-Welch Algorithmus Effiziente Algorithmen VU Ausarbeitung Aufabe 7: Baum-Welch Algorithmus Florian Fest, Matr. Nr.0125496 baskit@generationfun.at Claudia Hermann, Matr. Nr.0125532 e0125532@stud4.tuwien.ac.at Matteo Savio,

Mehr

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung

Mehr

Vermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg.

Vermeiden Sie es sich bei einer deutlich erfahreneren Person dranzuhängen, Sie sind persönlich verantwortlich für Ihren Lernerfolg. 1 2 3 4 Vermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg. Gerade beim Einstig in der Programmierung muss kontinuierlich

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

Mehr

Projektbericht: Aufzeichnung von Buchführung Bilanzierung Wirtschaftsprüfung II

Projektbericht: Aufzeichnung von Buchführung Bilanzierung Wirtschaftsprüfung II Projektbericht: Aufzeichnung von Buchführung Bilanzierung Wirtschaftsprüfung II TU-Online plus II Projekt im Wintersemester 2011/2012 Projektverantwortliche: Prof. Dr. Reiner Quick FG Rechnungswesen, Controlling

Mehr

Frankreich-Studien I (Sprache, Literatur, Landeskunde) 1. Studieneinheit Frankreich-Studien I (Sprache, Literatur, Landeskunde) 2.

Frankreich-Studien I (Sprache, Literatur, Landeskunde) 1. Studieneinheit Frankreich-Studien I (Sprache, Literatur, Landeskunde) 2. Frankreich-Studien I (Sprache, Literatur, Landeskunde) 1. Studieneinheit Frankreich-Studien I (Sprache, Literatur, Landeskunde) 2. Fachgebiet / Romanistik (Französisch) / Verantwortlich Prof. Dr. Isabella

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Die Informatik-Studiengänge

Die Informatik-Studiengänge Die Informatik-Studiengänge Wissenswertes für Erstsemestler Prof. Dr. Till Tantau Studiendekan MINT-Studiengänge 11. Oktober 2010 Gliederung Wie sollten Sie richtig studieren? Der Bachelor-Studiengang

Mehr

Bachelor of Science Wirtschaftsinformatik

Bachelor of Science Wirtschaftsinformatik WISO- STUDIENBERATUNGZENTRUM www.wiso.uni-koeln.de/wiso-sbz.html wiso-beratung@uni-koeln.de WIRTSCHAFTS- UND SOZIALWIS- SENSCHAFTLICHE FAKULTÄT UNIVERSITÄT ZU KÖLN Bachelor of Science Wirtschaftsinformatik

Mehr

myfactory.microsoft IE Browsereinstellungen für myfactory.businessworld

myfactory.microsoft IE Browsereinstellungen für myfactory.businessworld yfactory.businessworl myfactory.microsoft IE Browsereinstellungen für myfactory.businessworld Seiwert GmbH professionelle Software Lösungen Werrastraße 7 60486 Frankfurt am Main Tel. 069/70760000 Fax 069/70760010

Mehr

Master-Studiengang Technische Kybernetik

Master-Studiengang Technische Kybernetik Infoveranstaltung für Bachelor-Studierende 2./4. Semester Master-Studiengang Technische Kybernetik Prof. Dr.-Ing. Frank Allgöwer Institut für Systemtheorie und Regelungstechnik 7. Juli 2010 Um was geht

Mehr

2. Information zum 1. Studienjahr im. Diplomstudiengang Mathematik. Bachelor/Master-Studiengang Mathematik und Anwendungsgebiete

2. Information zum 1. Studienjahr im. Diplomstudiengang Mathematik. Bachelor/Master-Studiengang Mathematik und Anwendungsgebiete 2. Information zum 1. Studienjahr im Diplomstudiengang Mathematik Bachelor/Master-Studiengang Mathematik und Anwendungsgebiete an der Heinrich-Heine Universität Düsseldorf www.mathematik.uni-duesseldorf.de

Mehr

Aufgabenblatt 6 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015

Aufgabenblatt 6 zur Lehrveranstaltung Quantitative Methoden der Betriebswirtschaftslehre I Frühjahrssemester 2015 Universität Bern Bern, den. März Professur für Quantitative Methoden der BWL Schützenmattstr., Bern Prof. Dr. Norbert Trautmann, Oliver Strub E-Mail: oliver.strub@pqm.unibe.ch Aufgabenblatt 6 zur Lehrveranstaltung

Mehr

Programmieren Tutorium Wintersemester 2008/2009

Programmieren Tutorium Wintersemester 2008/2009 Micha Bruns, Philipp Tölle, Markus Roth 1 Programmieren Tutorium Wintersemester 2008/2009 Markus Roth Tutorium Nr. 10 28.10.2008 Micha Bruns, Philipp Tölle, Markus Roth 2 Übersicht Organisatorisches Über

Mehr

Studieren an der Freien Universität Berlin

Studieren an der Freien Universität Berlin Freie Universität Berlin Fachbereich Mathematik & Informatik Institut für Informatik Studieren an der Freien Universität Berlin Studiengang: Bachelor of Science Mathematik Monobachelor -Studiengang Mathematik

Mehr

Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst

Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Systemaspekte Verteilter Systeme Wintersemester 2004/05

Systemaspekte Verteilter Systeme Wintersemester 2004/05 Systemaspekte Verteilter Systeme Wintersemester 2004/05 Odej Kao Institut für Informatik Universität Paderborn Prof. Dr. Odej Kao Dozent AG Betriebssysteme und Verteilte Systeme Fürstenallee 11, F2.101

Mehr

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität

Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Aufgabenblatt 4: Der Trade-off zwischen Bankenwettbewerb und Bankenstabilität Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe

Mehr

FAQs zum Bachelorstudiengang Informatik PO-Version 2010. Allgemeine Informationen zum Bachelorstudiengang Informatik

FAQs zum Bachelorstudiengang Informatik PO-Version 2010. Allgemeine Informationen zum Bachelorstudiengang Informatik FAQs zum Bachelorstudiengang Informatik PO-Version 2010 Allgemeine Informationen zum Bachelorstudiengang Informatik Wann kann das Studium begonnen werden? Im Winter- und Sommersemester Ist das Studium

Mehr

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung

Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen

Mehr

Diskrete Modellierung

Diskrete Modellierung Diskrete Modellierung Wintersemester 2013/14 Prof. Dr. Isolde Adler Letzte Vorlesung: Korrespondenz zwischen der Page-Rank-Eigenschaft und Eigenvektoren zum Eigenwert 1 der Page-Rank-Matrix Markov-Ketten

Mehr

Vorlesung Dokumentation und Datenbanken Klausur

Vorlesung Dokumentation und Datenbanken Klausur Dr. Stefan Brass 5. Februar 2002 Institut für Informatik Universität Giessen Vorlesung Dokumentation und Datenbanken Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises

Mehr

Bochum, den. geb. am: in Matr. Nr.:

Bochum, den. geb. am: in Matr. Nr.: Anmeldung zur Betr.: Diplomvorprüfung in Mathematik Ich beantrage die Zulassung zur Diplomvorprüfung im Fach Mathematik. Ich studiere das Fach Mathematik seit dem SS/WS und bin im Diplomstudiengang Mathematik

Mehr