Andreas Bärmann – Department Mathematik

$Andreas Bärmann$

Organisation: Department Mathematik
Abteilung: Lehrstuhl für Angewandte Mathematik (Gemischt-ganzzahlige lineare und nichtlineare Optimierung)
Telefonnummer: +49 9131 85-67159
Faxnummer: +49 9131 85-67162
E-Mail: andreas.baermann@math.uni-erlangen.de
Adresse:

Cauerstraße 11
91058 Erlangen

Raum 03.344

Projekte

Reduced Order Modelling, Simulation and Optimization of Coupled systems
(Drittmittelfinanzierte Gruppenförderung – Teilprojekt)
Titel des Gesamtprojektes: Reduced Order Modelling, Simulation and Optimization of Coupled systems
Laufzeit: 01-09-2017 - 31-08-2021
Mittelgeber: EU - 8. Rahmenprogramm - Horizon 2020
URL: https://www.romsoc.eu/

→Mehr Informationen

Publikationen

Bärmann A., Büsing C., Liers F.:
Globalized Robust Optimization with Gamma-Uncertainties
(2019)
URL: http://www.optimization-online.org/DB_HTML/2019/06/7253.html
(Techreport)

Bärmann A.:
An Optimal Expansion Strategy for the German Railway Network Until 2030
In: Fink A, Fügenschuh A, Geiger MJ (Hrsg.): Operations Research Proceedings 2016, Cham: 2018
Bärmann A., Gellermann T., Merkert M., Schneider O.:
Staircase Compatibility and its Applications in Scheduling and Piecewise Linearization
In: Discrete Optimization 29 (2018), S. 111-132
ISSN: 1572-5286
DOI: 10.1016/j.disopt.2018.04.001
URL: http://www.sciencedirect.com/science/article/pii/S1572528618300306
Bärmann A., Liers F.:
Aggregation Methods for Railway Network Design Based on Lifted Benders Cuts
In: Borndörfer R, Klug T, Lamorgese L, Mannino C, Reuther M, Schlechte T (Hrsg.): Handbook of Optimization in the Railway Industry, Cham: Springer International Publishing, 2018, S. 47--72
ISBN: 978-3-319-72153-8
DOI: 10.1007/978-3-319-72153-8_3

Bärmann A., Martin A., Schneider O.:
A comparison of performance metrics for balancing the power consumption of trains in a railway network by slight timetable adaptation
In: Public Transport 9 (2017), S. 95-113
ISSN: 1613-7159
DOI: 10.1007/s12469-017-0160-4
Bärmann A., Martin A., Schuelldorf H.:
A Decomposition Method for Multiperiod Railway Network Expansion - With a Case Study for Germany
In: Transportation Science (2017)
ISSN: 0041-1655
DOI: 10.1287/trsc.2017.0747
Bärmann A., Pokutta S., Schneider O.:
Emulating the Expert: Inverse Optimization through Online Learning
In: Precup D, Teh YW (Hrsg.): Proceedings of the 34th International Conference on Machine Learning (ICML), International Convention Centre, Sydney, Australia: 2017
URL: http://proceedings.mlr.press/v70/barmann17a.html

Bärmann A., Heidt A., Martin A., Pokutta S., Thurner C.:
Polyhedral approximation of ellipsoidal uncertainty sets via extended formulations: a computational case study
In: Computational Management Science 13 (2015), S. 151-193
ISSN: 1619-697X
DOI: 10.1007/s10287-015-0243-0
Bärmann A., Liers F., Martin A., Merkert M., Thurner C., Weninger D.:
Solving Network Design Problems via Iterative Aggregation
In: Mathematical Programming Computation 7 (2015), S. 189-217
ISSN: 1867-2957
DOI: 10.1007/s12532-015-0079-1

Lehre

Übung (UE)

Tutorial zu Diskrete Optimierung I
- Mi 14:00-16:00, Raum Übung 5 / 01.254-128

Vorlesung (VORL)

Diskrete Optimierung I

Vormals "Theoretische Grundlagen der Diskreten Optimierung"
- Mi 10:00-12:00, Raum H12