Lernziele:

Studierende besitzen nach dem Besuch der Veranstaltung die Fähigkeit technisch-ökonomische Problemstellungen zu erkennen und diese hinsichtlich ihrer Komplexität einzuordnen. Sie kennen die grundlegenden Prinzipien zur Konstruktion heuristischer Optimierungsverfahren und verfügen über fundierte Kenntnisse etablierter heuristischer Optimierungsansätze. Die Studierenden können Heuristiken selbständig zur Lösung praktischer Problemstellungen anwenden.


Inhalte:

  • Komplexität von Optimierungsproblemen
  • Heuristische Lösungsverfahren
  • Lokale Suchverfahren (Hill Climbing, Tabu Search, Simulated Annealing)
  • Populationsbasierte Verfahren (Genetische Algorithmen, Ameisenalgorithmen, Particle Swarm Optimization)
  • Constraint Propagation
  • Verkürzte Enumerationsverfahren

Literatur:

  • Domschke, W. (1997): Logistik: Rundreisen und Touren, 4. Auflage
  • Glover, F., Kochenberger, G. A. (2003): Handbook of Metaheuristics
  • Goldberg, D. E. (1989): Genetic Algorithms in Search, Optimization, and Machine Learning
  • Hoos, H. H., Stützle, T. (2005): Stochastic Local Search – Foundations and Applications
  • Michalewicz, Z. Fogel, D. B. (2004): How to Solve It: Modern Heuristics
 

Kontakt  Sitemap  Impressum
© TU Clausthal 2017