Dieser Audiobeitrag wird von der Universität Erlangen-Nürnberg präsentiert.

Gut, also wir fangen eine kleine Runde an. Mein Name ist Reimund Hemecker. Mein Vorschlag

wäre, dass wir vielleicht ein bisschen persönlicher zu machen zum Blue übergehen.

Ich habe einen Vorschlag, wenn es okay ist für euch. Und ich möchte euch etwas erzählen die Woche

über mein ehemaliges Forschungsgebiet ist letztendlich in so diesem Buch geendet.

Es sind also drei Autoren, mein ehemaliger Mentor Jesus de Loera und mein Kollege Matthias Köppe.

Die beiden sitzen jetzt in Davis, Kalifornien und denen geht es bestimmt ganz gut wettermäßig hier,

also auch jetzt. Und wir haben uns jahrelang beschäftigt mit algebraschen und geometrischen

Ideen in der ganzzeitigen Optimierung und das ist also das was typischerweise nicht an der Uni in

Optimierung unterrichtet wird. Jetzt wäre für mich natürlich ganz spannend was für ein Background

ihr habt, damit ich mal weiß was ich voraussetzen kann und was nicht. Und halberst mal ganz gut.

Also das dreht er optimiert, ja super.

Okay, dein Name?

Vanessa.

Wie sieht es aus mit Algebras? Weißt du was ein Ideal ist? Ein Kopenkörper?

Ich weiß gar nicht was das bei euch ist, aber hast du schon mal gehört was ein Ring ist?

Ja, das ist Sebastian.

Gut, danke.

Ja, das ist gut. Und an Algebra?

Ja, auch die Algebra.

Okay, also Körper und so sind auch schon dabei. Gut. Mein Name wäre?

Antonia.

Sebastian.

Gut, ja dann wird es ja richtig spannend, weil dann kann ich euch ja erst mal ein bisschen

erzählen wie sich das einordnet in das was ihr schon kennt. Also diskrete Optimierung,

ich sag mal lineare Diskrete Optimierung beschäftigt sich ja mit der Minimierung von einer Zielfunktion

unter gewissen linearen Nebenbedingungen. Und da haben wir mehrere Ansätze wie wir da

rangehen können. Also welche Standardform wir da wählen ist eher erstmal egal für

den Moment. Wir haben also nicht einen Polyeder gegeben. Und wir interessieren uns jetzt

für all die ganzteiligen Lösungen, die eine gewisse lineare Funktion minimieren. Sagen

wir mal in diese Richtung wird minimiert. Und ja, wenn wir Ganzteiligkeit vergessen

würden, dann ist das ein lineares Optimierungsproblem und wir würden hier in einer Ecke landen,

also auf jeden Fall eine optimale Ecke dabei, solange es natürlich Ecken gibt. Und wenn

wir also die Ganzteiligkeit auch mit hinzunehmen, wird das Problem gleich wesentlich schwerer.

Ja, weil im schlimmsten Fall die optimale Lösung nicht mal auf dem Rand von diesem

Polyeder liegt. Gut, dann machen wir noch weiter mit der Vorstellungsrunde. Also mein Name

ist Reimund Hemmecke, ich bin also einer der Autoren dieses Buches da und ja, erzähle

euch hier, also wird mein Du hier bleiben, wenn das okay ist auch für dich. Und ich erzähle

euch diese Woche etwas über mein altes Forschungsgebiet. Und wie sieht es bei dir mit den Vorkenntnissen

aus, Optimierung, Algebra? Ja, ich bin Doktorat am Martin-Gerstund, das ist jetzt der Optimierungsbund,

ich habe aber noch nicht das Spiel eingefahren, also ich würde es nicht erklären. Okay, gut,

dein Name ist? Dennis. Antonia Vanessa. Ich hoffe ich behalte es. Okay, also, also alles

Experten hier in der diskreten Optimierung, mehr oder weniger, also schon mal gehört,

ja. Okay, es gibt ganz verschiedene Ansätze, wie man da rangehen kann. Welche denn? Ach

so, ich sollte gleich dazu sagen, der Unterschied zwischen Vorlesung und Übung wird bei mir

erfließend sein, das heißt, ich werde in die Vorlesung Übung einbauen, in die Übung

auch Dinge, die man wissen könnte. Also es sollte, von daher kann man ruhig eine etwas

entspannter Atmosphäre hier machen. So, wie sieht es aus? Was könnte man hier machen,

um einer optimalen Lösung heranzukommen? Ja, nur dummerweise, wir kennen ja nur die Ungleichung,

wir würden also die Ecke hier treffen. Die ist aber nicht ganz zahlig. Gut, also erste