Computational Logistics

Worum geht's

Du erhältst eine Python-basierte Einführung in rechnergestützte Methoden für Logistikprobleme. Du modellierst und löst klassische Optimierungsprobleme (z. B. Transport, TSP, Vehicle Routing, Losgrößen, Scheduling) mit Python und Gurobi, lernst Simulation mit simpy sowie datengetriebene Methoden und Maschinenlernen mit scikit-learn kennen und setzt grundlegende Metaheuristiken praktisch um. Am Ende kannst du passende Verfahren auswählen, implementieren und auf logistische Fragestellungen anwenden sowie Ergebnisse analysieren und präsentieren.

Was du danach kannst

• Konzepte von Heuristiken und Metaheuristiken verstehen
• Heuristische und metaheuristische Verfahren implementieren
• Ergebnisse numerisch analysieren und bewerten
• Stärken und Schwächen verschiedener Methoden einordnen
• Anwendung der Methoden auf ein praktisches Logistikproblem im Projekt
• Wissenschaftliches Schreiben und Präsentieren verbessern
• Teamarbeit und Rollenverteilung in Gruppenprojekten durchführen
• Vorbereitung auf die Masterarbeit

Aus was das Modul besteht

• VorlesungVermittlung der Theorie zu Heuristiken, Metaheuristiken und Matheuristiken
• Übungen (integriert)Praxisnahe Implementierung und Anwendung der Algorithmen
• GruppenprojektDurchgehendes Projekt mit Implementierung, numerischer Analyse, Bericht und Abschlusspräsentation

Lehrmethode

• VorlesungErläuterung der theoretischen Grundlagen
• Übung/ProgrammieraufgabenEinüben der Implementierung und Anwendung der Algorithmen
• GruppenprojektAnwendung auf ein praktisches Logistikproblem und Training wissenschaftlicher Kommunikation