Einführung in die Optimierung

Konzepte, Methoden und Anwendungen

AvJakob Bossek,Christian Grimme

E-bok

Tyska, 2018

489 kr

Läs direkt i Bokus Reader – eller ladda ned till din enhet

Beskrivning

Dieses Lehrbuch vermittelt einen breiten und grundlegenden Einblick in die Methoden der mathematischen Optimierung. Im Fokus stehen Algorithmen, verschiedene Optimierungsprobleme und ihre Komplexität sowie nützliche Lösungsmethoden. Dabei haben die Autoren, Informatiker und Optimierungsexperten der Westfälischen Wilhelms-Universität Münster, die Konzepte ausführlich und leicht verständlich dargestellt und außerdem viel Wert auf die Anwendung der Problemstellungen und Lösungsverfahren auf Beispielfälle gelegt. Denn ob Bauteile passend gemacht, Personaleinsatz effizient geplant oder Transportnetzwerke effektiv gestaltet werden sollen – immer geht es um die Verbesserung von Systemen und die strukturierte Durchführung dieser Optimierung. Das Fachgebiet der mathematischen Optimierung wird daher auch häufig als Operations Research oder Unternehmensforschung bezeichnet.

Das Buch beginnt mit einer Einführung in die Grundbegriffe der Optimierung und die Graphentheorie und erläutert zunächst lineare Problemformulierungen sowie den Simplex-Algorithmus als zentrales Lösungsverfahren. Anschließend werden nichtlineare Problemstellungen und zumeist heuristische Verfahren beschrieben. Hier liegt der Schwerpunkt auf Evolutionären Algorithmen, einer Klasse von randomisierten Optimierungsverfahren, die bei der Lösung komplizierter ingenieurtechnischer Probleme immer mehr an Bedeutung gewinnen.

Am Schluss des Buchs betrachten die Autoren das Thema aus der Perspektive der Entscheidungs- und Spieltheorie. Denn die Optimierung, wie sie in den vorangehenden Kapiteln betrachtet wird, ist genau genommen ein Spezialfall der Entscheidungstheorie.

Der Band enthält zahlreiche Übungsaufgaben mit Lösungen, die die Autoren in ihren Vorlesungen erprobt haben. Alle praktischen Problemstellungen werden durch Lösungsimplementierungen in der Programmiersprache Python (ab Version 3) und, wo möglich, mit realen Datensätzen ergänzt. Zahlreiche praktische Beispiele und Anwendungsfälle, auch aus der aktuellen Forschung, stehen als vertiefendes Begleitmaterial online zur Verfügung.