Uni Wien:Computational Optimisation UE (Gutjahr, Rath)

Daten

Vortragende	Prof. Gutjahr, Dr. Rath
ECTS	3 / 1
Letzte Abhaltung	22W
Sprache	English
Links	ufind:052314

Zuordnungen

Bachelor Informatik	Modul Data Analysis (Gebundenes Wahlfach)
Master Informatik	Modul Data Analysis (Gebundenes Wahlfach)
Master Business Analytics	Modul Data Science Electives (Gebundenes Wahlfach)
Master Computational Science	Modul Specialisation (Gebundenes Wahlfach)

Inhalt

Das ist die begleitende Übung zur Vorlesung Uni Wien:Computational Optimisation VO (Gutjahr, Rath). Hier geht es vor allem um lineare Optimierung und das Lösen der entsprechenden Probleme, sowohl exakt mit Branch and Bound/Cutting Planes/..., als auch heuristisch.

Ablauf

Die ersten paar Einheiten sind Vorträge, wo allgemein in das Thema eingeführt wird.

Anschließend müssen zwei Projekte implementiert werden, siehe unten unter "Projekt".

Es wird eine begleitende Vorlesung angeboten, die man gleichzeitig absolvieren sollte. Siehe Uni_Wien:Computational_Optimisation_VO_(Gutjahr,_Rath).

Benötigte/Empfehlenswerte Vorkenntnisse

Man sollte im Idealfall Einführung in Mathematische Modellierung bereits absolviert haben, dann tut man sich leichter. Für die Übung notwendig ist es aber eher nicht (für die Vorlesung schon eher).

Vortrag

Findet in den ersten paar Einheiten statt und ist recht gut gemacht. Die Folien werden auch alle auf Moodle veröffentlicht. Die restlichen Einheiten sind entweder Fragerunden, wenn man ein Problem beim Implementieren des Projekts hat, oder Präsentationen. Ich würde die Anwesenheit in den ersten paar Einheiten auf jeden Fall empfehlen, da man dort wertvolle Infos für die Projekte bekommt.

Projekt

Es sind 2 Projekte zu implementieren, nämlich Lösungsverfahren für komplexe Probleme, wie beispielsweise (bzw. empfohlenerweise) entweder das Traveling-Salesman-Problem oder das Knapsack-Problem (andere Probleme kann man nach Absprache mit dem Vortragenden ggf. auch wählen). Die Projekte sind entweder alleine oder zu zweit machbar, wobei sich bei uns alle für Einzelprojekte entschieden haben.

Bei Projekt 1 ist ein exaktes Lösungsverfahren zu verwenden, bei Projekt 2 ein heuristischer Algorithmus. Man kann entweder für beide Projekte dasselbe Problem verwenden, oder aber auch verschiedene Probleme. Die Ergebnisse muss man jeweils präsentieren.

Bei der Umsetzung hat man extrem große Freiheiten; die Programmiersprache kann man sich aussuchen, ebenso wie die verwendeten Frameworks etc. Für Dr. Rath ist es sogar in Ordnung, wenn man einen bestehenden Solver verwendet und diesen "nur" analysiert bzw. Ergebnisse vergleicht etc., man kann aber (so wie ich) auch einen Algorithmus selbst implementieren und diesen sowie die Implementierung und Ergebnisse präsentieren.

Beim heuristischen Algorithmus sind Plots empfehlenswert, die die Konvergenz zeigen (also den Wert der Zielfunktion über die Iterationen).

Prüfung, Benotung

Es gibt keine Prüfung, nur die zwei Projekte und die Präsentationen dieser werden gewertet. Die Benotung ist sehr sehr nett, es ist ziemlich einfach, eine gute Note zu bekommen.

Dauer der Zeugnisausstellung

noch offen

Zeitaufwand

Je nachdem, wie groß man das Projekt anlegt, von wenig bis sehr hoch. Das kann man sich ziemlich selbst aussuchen.

Unterlagen

Werden auf Moodle bereitgestellt.

Tipps

• Es wird vom Vortragenden empfohlen, für den exakten Algorithmus das 0-1-Knapsack-Problem zu verwenden und für die Heuristik das Traveling-Salesperson-Problem. Das ist sicher auch gut, weil er hier jeweils auf die entsprechenden Algorithmen genauer eingeht und Beispiele herzeigt.
• Eine andere Idee ist es aber, für beide Projekte dasselbe Problem zu verwenden (so wie ich). Das hat den Vorteil, dass man einerseits das Problem bereits kennt, und andererseits in der zweiten Präsentation die Lösungen auch gut vergleichen kann.

Verbesserungsvorschläge / Kritik

noch offen

Materialien

Diese Seite hat noch keine Anhänge, du kannst aber neue hinzufügen.