Modul 31-MM34 Data Science in Operations Research

Students learn to apply quantitative methods of decision making in the field of Operations Research and Data Science for solving real-world decision problems. Students will be able to identify optimization problems present in many industrial contexts and model them using linear mathematical models and (meta)heuristics. Students will be able to identify appropriate solution methods for problems and provide advice/results to decision makers. Students will utilize hybrid techniques utilizing Data Science and Operations Research.

Die Studierenden erlernen, quantitative Methoden der Entscheidungsfindung im Bereich Operations Research und Data Science zur Lösung realer Entscheidungsprobleme anzuwenden. Die Studierenden sind in der Lage, Optimierungsprobleme in vielen industriellen Zusammenhängen zu identifizieren und mit Hilfe linearer mathematischer Modelle und (Meta-)Heuristiken zu modellieren. Die Studierenden sind in der Lage, geeignete Lösungsansätze für Probleme zu identifizieren und Entscheidungsträger zu beraten. Die Studierenden werden hybride Techniken mit Hilfe von Data Science und Operations Research anwenden.

The module covers the mathematical modeling of optimization problems with a special focus on the domain of logistics. "Classic" Operations Research problems are presented and constraint types/modeling tricks are discussed, e.g., logical constraints and piecewise linearization. Furthermore, network models are covered along with special matrix structures. The branch-and-bound algorithm and its generalization, branch-and-cut, are presented as solution methods for the constructed models. Numerous heuristics and metaheuristics are presented and analyzed, such as Genetic Algorithms, Ant Colony Optimization, Simulated Annealing, Tabu Search, etc. Algorithm configuration and selection techniques are covered, as well as hybridized methods using these approaches within metaheuristics and mixed integer-linear solvers. When possible, guest lectures from industrial experts provide further insight into the application of course techniques in the real world.

Das Modul behandelt die mathematische Modellierung von Optimierungsproblemen mit besonderem Fokus auf den Bereich der Logistik. "Klassische" Operations Research-Probleme werden vorgestellt und Constraint-Typen/Modellierungstricks diskutiert, z.B. logische Constraints und stückweise Linearisierung. Darüber hinaus werden Netzwerkmodelle und spezielle Matrixstrukturen abgedeckt. Der Branch-and-Bound-Algorithmus und seine Verallgemeinerung, Branch-and-Cut, werden als Lösungsmethoden für die konstruierten Modelle vorgestellt. Zahlreiche Heuristiken und Metaheuristiken werden vorgestellt und analysiert, wie z.B. genetische Algorithmen, Ameisenkolonieoptimierung, simulierte Abkühlung, Tabusuche, etc. Algorithmenkonfiguration und Auswahltechniken werden ebenso behandelt wie hybridisierte Methoden, die diese Ansätze in der Metaheuristik und in gemischten ganzzahligen linearen Solvern verwenden. Nach Möglichkeit geben Gastvorträge von Industrieexperten weitere Einblicke in die Anwendung der erlernten Kurstechniken in der Praxis.

• Students should have basic knowledge of programming.
• Knowledge of linear algebra is helpful, but not necessary.

• Die Studierenden sollten über Programmiergrundkenntnisse verfügen.
• Kenntnisse der linearen Algebra sind hilfreich, aber nicht notwendig.

—