Navigation

DE/EN

Dieter Weninger

Dieter Weninger
  • Organisation: Department Mathematik
  • Abteilung: Lehrstuhl für Angewandte Mathematik (Gemischt-ganzzahlige lineare und nichtlineare Optimierung)
  • Telefonnummer: +49 9131 85-67188
  • Faxnummer: +49 9131 85-67162
  • E-Mail: dieter.weninger@math.uni-erlangen.de
  • Adresse:
    Cauerstraße 11
    91058 Erlangen
    Raum 03.386

Projekte

  • Dekompositionsmethoden für ganzzahlig-kontinuierliche Optimalsteuerung (A05) (2018 - 2022)
    (Drittmittelfinanzierte Gruppenförderung – Teilprojekt)
    Titel des Gesamtprojektes: TRR 154: Mathematische Modellierung, Simulation und Optimierung am Beispiel von Gasnetzwerken
    Laufzeit: 01-07-2018 - 30-06-2022
    Mittelgeber: DFG / Sonderforschungsbereich / Transregio (SFB / TRR)
    Ziel ist die Entwicklung mathematischer Verfahren zur Lösung ganzzahlig-kontinuierlicher Optimalsteuerungsprobleme auf Transportnetzwerken mittels Dekomposition. Auf der obersten Hierarchieebene (Master) stehen ganzzahlige, auf der untersten kontinuierliche Variablen im Mittelpunkt. Neben Schnittebenen soll das Sub-Problem auch Disjunktionen an den Master übergeben, um somit nicht konvexe Optimalsteuerungsprobleme global lösen zu können. Der Schwerpunkt liegt insgesamt auf der mathematischen Analyse strukturierter MINLPs vor dem Hintergrund hierarchischer Modelle.
  • Development of new Linear and Integer Programming Techniques to solve Supply Chain Management Problems
    (Drittmittelfinanzierte Einzelförderung)
    Laufzeit: 01-03-2010 - 01-03-2013
    Mittelgeber: Industrie
    Supply Chain Management (SCM) deals with the combination of procurement, production, storage, transport and delivery of commodities. Problems of this kind occur in all kinds of industry branches. Since the integrated planning of these processes contains a high potential for optimization it is of great importance for the companies’ efficiency.The method of choice to find optimal solutions in SCM is linear and integer programming. Nevertheless, there are big challenges to overcome – concerning both hardware and algorithms – due to very detailed and therefore large models. Additionally there may occur numerical difficulties that standard techniques cannot deal with.As a consequence, the problem’s mathematical formulation has to be done carefully and new methods need to be implemented to improve the performance of MIP algorithms.

Publikationen

  • , , , , , , , , , , , , , , , , , , , , , :
    The SCIP Optimization Suite 5.0
    ()
    (Techreport)
  • , , , , , , , , , , , , , , , , , , , , :
    The SCIP Optimization Suite 4.0
    ()
    (Techreport)

Lehre

Übung (UE)

  • Übung zur Linearen und Kombinatorischen Optimierung

    Bei Bedarf kann auch ein alternativer Übungstermin angeboten werden. Absprache in der ersten Vorlesung.

    • Mi 8:00-10:00, Raum Übung 1 / 01.250-128
    • Di 12:00-14:00, Raum 04.363
    • Mi 14:00-16:00, Raum Übung 1 / 01.250-128

Vorlesung (VORL)

Hauptseminar (HS)