Die Vorlesung wird erst einmal als Online-Veranstaltung stattfinden.
Die Videos zur Vorlesung finden Sie hier. Videos werden jeweils zu Beginn der Woche verfügbar gemacht und decken den Stoff der beiden Vorlesungen in der jeweiligen Woche ab. Falls sich das Format der Vorlesung ändern sollte (d.h. Streaming der Vorlesung oder Präsenzvorlesung), so wird dies ebenfalls auf dieser Seite rechtzeitig angekündigt.
Falls es bei einer Aufzeichnung der Vorlesung und der Bereitstellung von Videos bleibt, so wird in demnächst ein Zoom-Meeting (oder BigBlueButton-Meeting) zum Vorlesungstermin am Dienstag (16.15-17.45 Uhr) angeboten. In diesem Meeting können jeweils die Vorlesungsinhalte der vorherigen Woche besprochen werden. Details dazu finden Sie demnächst auf dieser Web-Seite.
Bitte melden Sie sich zur Vorlesung im LSF an.
Die ursprünglich gepanten Präsenztermine
Montag: 08:15-10:00, Seminarraumgebäude 1 - 1.001
Dienstag: 16:15-18:00, Seminarraumgebäude 1 - 1.001
fallen bis auf weiteres aus!
Übungstermin
siehe Übungsseite
Es wurde eine E-Mail an angemeldete Teilenehmer/Teilnehmerinnen verschickt, mit Informationen zum Zugang zur Big Blue Button Sitzung für MAO.
Basiskenntnisse in Wahrscheinlichkeitsrechnung und Statistik, sowie Programmierkenntnisse.
Viele reale Probleme werden heute mit Hilfe von Modellen analysiert und bewertet. Damit ersetzt die rechnergestützte und modellbasierte Analyse immer mehr das Experimentieren an realen Objekten. Dies gilt in sehr unterschiedlichen Anwendungsgebieten, wie dem Entwurf und Betrieb technischer Systeme, der Analyse ökonomischer Entscheidungen, der Untersuchung physikalischer Phänomene, der Vorhersage des zukünftigen Klimas oder auch der Interaktion in sozialen Gruppen. Auch wenn die einzelnen Anwendungsgebiete stark differieren, basiert ihre rechnergestützte Behandlung doch auf einer formalisierten Darstellung in Form eines mathematischen Modells und der anschließenden Analyse und Optimierung oder Verbesserung des Modells.
Die Vorlesung gibt eine Einführung in das weite Gebiet der modellgestützten Analyse und Optimierung. Nach einer generellen Einführung in die Konzepte der Modellbildung und Systemanalyse werden unterschiedliche Modelltypen klassifiziert.
Daran anschließend beschäftigt sich die Vorlesung im zweiten Teil mit der Modellgestützten Analyse von Systemen. Die Vorlesung legt einen Schwerpunkt auf der Modellbildung und Simulation ereignisdiskreter stochastischer Systeme. In diesem Bereich werden neben verschiedenen Modelltypen insbesondere Ansätze zur stochastischen Modellierung und die zugehörige Simulations-/Analysemethodik eingeführt.
Der dritte Teil der Vorlesung ist der Optimierung von Systemen gewidmet. Hierliegt der Schwerpunkt auf diskreten Optimierungsproblemen. Es werden unterschiedliche Problemvarianten definiert, an Hand von Beispielen motiviert und zugehörige Optimierungsverfahren vorgestellt. Neben der klassischen linearen Optimierung werden die ganzzahlige lineare Optimierung, Scheduling-Probleme und die dynamische Programmierung behandelt.
Folien und Skript zur Vorlesung werden als .pdf-Dateien vorlesungsbegleitend zur Verfügung gestellt. Es sei darauf hingewiesen, dass das Studium der Folien kein Ersatz für den Besuch der Vorlesung sein kann, da die Folien den Inhalt der Vorlesung nicht vollständig wiedergeben! Neben den Folien gibt es ein Skript zur Vorlesung, das weitere Literaturhinweise enthält.
Z.Z. ist das Skript vom letzten Jahr zugreifbar. Im Laufe des Semsters wird aktualisierte Versionen bereitgestellt. Grundlegende Änderungen sind dabei nicht geplant.
Das Skript zur Vorlesung (Version März 2020)
Zwar existieren zu den einzelnen Teilbereichen der Vorlesung sehr gute und umfassende Bücher, es gibt aber leider kein Lehrbuch, in dem der Stoff der Vorlesung mehr oder weniger vollständig abgedeckt wird. Für die einzelnen Teilbereiche sind einzelne Kapitel (!) der folgenden Bücher empfehlenswert:
Zusätzliche Lehrbücher zur Modellierung und SImulation:
Zusätzliche Lehrbücher zur Optimierung: