Read more
Dieses Buch könnte interessant für Sie sein, falls Sie über eine solide mathematische Ausbildung verfügen und nun Anwendungsprobleme mit Hilfe von Optimierungsmodellen lösen möchten, ohne sich zuvor jahrelang mit der zugehörigen Theorie zu beschäftigen.
Ein lineares gemischt-ganzzahliges Optimierungsproblem kann heute etwa 500 Milliarden Mal schneller gelöst werden als zu Beginn der 90er Jahre und lässt sich in leicht zu erlernenden Programmiersprachen wie Python formulieren. Da Sie Optimierungsalgorithmen für Real-World-Anwendungen in der Regel nicht selbst schreiben werden, lassen wir diesen Aspekt außen vor und wenden uns stattdessen der wunderschönen Welt der Modellierung zu. Sie lernen, echte Anwendungen in der Sprache der Mathematik zu beschreiben und implementieren alle vorgestellten Modelle in Python, um sie anschließend von bereits existierenden Solvern lösen lassen. Dieses anwendungsnahe Vorgehen soll Sie befähigen, selbst Optimierungsprobleme in der Praxis zu lösen.
List of contents
1 Einführung.- 2 Mathematische Grundlagen und Konvexität.- 3 Unrestringierte quadratische Optimierungsmodelle.- 4 Lineare Optimierungsmodelle.- 5 Gemischt-ganzzahlige lineare Optimierungsmodelle.- 6 Gemischt-ganzzahlige quadratische Optimierungsmodelle.- 7 Fortgeschrittene Modellierungstechniken.- 8 Optimierungsmodelle in der Praxis.
About the author
Prof. Dr. Nathan Sudermann-Merx ist Professor an der Dualen Hochschule Baden-Württemberg Mannheim und leitet dort den Studiengang "Informatik mit Ausrichtung Machine Learning". In Forschung und Lehre beschäftigt er sich mit mathematischen Modellen im Bereich der Optimierung und des Machine Learnings. Zuvor war er in global agierenden Unternehmen als Experte für Mathematische Optimierung tätig und ist parallel zu seinen akademischen Tätigkeiten weiterhin in Industrieprojekten aktiv.
Summary
Dieses Buch könnte interessant für Sie sein, falls Sie über eine solide mathematische Ausbildung verfügen und nun Anwendungsprobleme mit Hilfe von Optimierungsmodellen lösen möchten, ohne sich zuvor jahrelang mit der zugehörigen Theorie zu beschäftigen.
Ein lineares gemischt-ganzzahliges Optimierungsproblem kann heute etwa 500 Milliarden Mal schneller gelöst werden als zu Beginn der 90er Jahre und lässt sich in leicht zu erlernenden Programmiersprachen wie Python formulieren. Da Sie Optimierungsalgorithmen für Real-World-Anwendungen in der Regel nicht selbst schreiben werden, lassen wir diesen Aspekt außen vor und wenden uns stattdessen der wunderschönen Welt der Modellierung zu. Sie lernen, echte Anwendungen in der Sprache der Mathematik zu beschreiben und implementieren alle vorgestellten Modelle in Python, um sie anschließend von bereits existierenden Solvern lösen lassen. Dieses anwendungsnahe Vorgehen soll Sie befähigen, selbst Optimierungsprobleme in der Praxis zu lösen.
