In den vergangenen beiden Wochen haben an der TU Dresden zwei Methoden-Kurse für Doktorand:innen im Rahmen des Saxon Doctoral Prgram in Management Research stattgefunden. Neben Mitarbeiter:innen der Professur für BWL, insb. Industrielles Management nahmen Promovierende der Professur für BWL, insb. Energiewirtschaft sowie der Professur für Numerik der Optimierung teil und ermöglichten einen ausgezeichneten Wissensaustausch.

© Florian Linß

Den Auftakt machte Prof. Dr. Bismark Singh von der University of Southampton mit einem zweitägigen Seminar am 6. und 7. August zum Thema Chance-Constrained Programming (CPP). Mit dieser Methode können Unsicherheiten von beschränkenden Restriktionen eines Optimierungsmodells abgebildet werden. Das heißt, im Gegensatz zur traditionellen Optimierung, bei der die Nebenbedingungen deterministisch (d. h. mit garantierter Sicherheit) erfüllt werden müssen, müssen bei der CCP einige Nebenbedingungen nur mit einer bestimmten Wahrscheinlichkeit erfüllt werden. Dies ist besonders nützlich in Situationen, in denen bestimmte Parameter unsicher sind oder Schwankungen unterliegen, wie z. B. im Energiemanagement, im Lieferkettenmanagement oder im Ingenieurwesen. Nach einer kurzen Einführung in das Themengebiet wurden konkrete Lösungsansätze besprochen, welche die sieben teilnehmenden Mitarbeitern unserer Professur künftig anwenden können, um Unsicherheiten in ihren Modellen zu integrieren. Professor Singh ist darüber hinaus aktueller Distinguished Research Fellow an der TU Dresden und verbringt einen einmonatigen Forschungsaufenthalt in Kooperation mit Jun.-Prof. Dr. Becker.

© Florian Linß

Der zweite Kurs am 9. und 12. August wurde von Prof. Alexandra Newman von der Colorado School of Mines - aktuelle Editor-in-Chief für das INFORMS Journal on Applied Analytics - über fortgeschrittene Methoden der ganzzahligen Optimierung abgehalten. Nachdem sich der erste Tag um die effiziente Modellformulierung eines Optimierungsproblems drehte, lag der Fokus des zweiten Tages auf gezielten Lösungsverfahren zur effizienten Beschränkung und Erkundung des Lösungsraumes. Besonders durch zahlreiche Beispiele aus Forschung und Praxis konnten auch hier nützliche Erfahrungen für eigene Forschungsarbeiten gesammelt werden.