Wahlpflichtvorlesung Modellgestützte Analyse und Optimierung

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. Es werden dazu ereignisdiskrete und kontinuierliche Modelle unterschieden. Ereignisdiskrete Systeme werden oftmals zur Analyse technischer Systeme eingesetzt, während kontinuierliche Modelle besser zur Beschreibung physikalischer Zusammenhänge geeignet sind. 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. Zur ereignisdiskreten Simulation und zur Analyse diskreter Systeme: 1. J. Banks, J. S. Carson, B. L. Nelson, D. M. Nicol: Discrete Event Simulation. Prentice Hall 2000 oder 2. A. M. Law, W. D. Kelton: Simulation Modeling and Analysis. McGraw Hill 2000. Zur Optimierung: 1. K. Neumann, M. Morlock: Operations Research. Hanser 2002. 2. 2. D. Bertsekas, Dynamic Programming and Optimal Control Vol. I & II, Athena Scientific 2007 3. Z. Michalewicz, D. B. Fogel: How to solve it: Modern heuristics. Springer 2004. weitere Literatur auf der Web-Seite zur Vorlesung. Informatik Technische Universität Dortmund SoSe 2012 Lehrstuhl Informatik IV Univ.-Prof. Dr. Dipl.-Inform. Buchholz Peter Dipl Inform