Bachelorarbeiten

Bachelorarbeiten in der Diskreten Optimierung

Bachelorarbeiten basieren in der Regel auf einem mathematischen Artikel, der in der Arbeit aufgearbeitet und in eigenen Worten wiedergegeben wird. Zusätzlich kommen oft noch kleinere Implementierungsarbeiten oder Computerexperimente hinzu.

Die Bearbeitungszeit einer Bachelorarbeit beträgt sechs Monate. Vor Beginn der Arbeit sollte unbedingt die folgende Handreichung (wird in neuem Tab geöffnet) zum Thema Bachelorarbeiten in der Diskreten Optimierung gelesen werden. Angemeldet wird die Arbeit in der Regel dann, wenn die Studierenden sich etwas in das Thema eingearbeitet haben. Für die Anfertigung der Arbeit steht im Downloadbereich (wird in neuem Tab geöffnet) des Fachbereichs eine TeX-Vorlage zur Verfügung, alternativ können Sie auch die Vorlage der Arbeitstechniken (wird in neuem Tab geöffnet) Vorlesung aus dem WS15/16 verwenden.

Voraussetzungen

Das erfolgreiche Bestehen der Veranstaltung „Einführung in die Optimierung“ wird vorausgesetzt; darüber hinaus wird die aktive Teilnahme in einem Optimierungsseminar dringend empfohlen.

Ansprechpartner

Prof. Pfetsch (wird in neuem Tab geöffnet), Prof. Disser (wird in neuem Tab geöffnet) und Mitarbeiter der Arbeitsgruppe

Abgeschlossene Arbeiten

  • Analyse und Test von Algorithmen zum Lösen des ressourcenbeschränkten kürzeste-Wege-Problems auf Monoiden
    (Prof. Pfetsch)
  • Generative Netzwerke
    (Prof. Pfetsch)
  • Algorithmus zur Lösung des Steinerbaumproblems
    (Prof. Pfetsch)
  • Robuste regret kombinatorische Optimierung für kürzeste Wege Probleme
    (Prof. Pfetsch)
  • Solving all-pair shortest path by single-source computations: Theory and Practice
    (Prof. Pfetsch)
  • Online Dial-a-Ride
    (Prof. Disser)
  • Solutions for Knapsack problem with conflict and forcing graphs of bounded clique-width
    (Prof. Pfetsch)
  • Algorithmen zur Lösung des Survivable-Network-Design-Problems
    (Prof. Pfetsch)
  • Algorithmus zur Bestimmung von kürzesten Pfaden zwischen allen Knotenpaaren mittels Berechnung von kürzesten Pfaden zwischen einzelnen Knoten
    (Prof. Pfetsch)
  • Genetische Algorithmen zum Lösen des Dial-a-Ride Problems
    (Prof. Disser)
  • Lösungen des geradlinigen Distanzproblems
    (Prof. Pfetsch)
  • Planung der Aufteilung von Prozessoren mit linearer Verlangsamung
    (Prof. Pfetsch)
  • Minimum equivalent precedence relation systems
    (Prof. Pfetsch)
  • Optimale Anordnung von statistisch abhängigen Tests
    (Prof. Pfetsch)
  • Komplexität der Burning-Zahl eines Graphen
    (Prof. Pfetsch)
  • Exact algorithms for the solution of the grey pattern quadratic assignment problem
  • (Prof. Pfetsch)
  • Beweis einer O(log2k) Schranke für das K-Server Problem auf HST's
    (Prof. Disser)
  • Algorithmen für nichtlineare und stochastische ressourcen-beschränke kürzeste Wege
    (Prof. Pfetsch)
  • Containment of Virus Expansion in Graphs
    (Prof. Disser)
  • State of the Art for the List Update Problem
    (Prof. Disser)
  • Shortest Distances on Undirected Graphs
    (Prof. Pfetsch)
  • Blockierende Vereinigungen von Arboreszenzen
    (Prof. Pfetsch)
  • Efficient recovery of block-sparse signals
    (Prof. Pfetsch)
  • Matching Interdiction
    (Prof. Pfetsch)
  • Effiziente Lösungen für gewichtsbalancierte Partitionierungsprobleme
    (Prof. Pfetsch)
  • Approximation algorithms for maximum K-vertex cover
    (Prof. Pfetsch)
  • Machine Learning for Fraud Detection in E-Commerce
    (Prof. Pfetsch)
  • Kürzeste Wege für planare Graphen
    (Prof. Pfetsch)
  • Überdeckungsprobleme in Kanten- und Knoten-gewichteten Graphen
    (Prof. Pfetsch)
  • Über das robuste kürzeste Wege Problem
    (Prof. Pfetsch)
  • Ein Algorithmus zur Lösung parametrischer Flussmaximierungsprobleme
    (Prof. Pfetsch)
  • The K-Server Problem
    (Prof. Disser)
  • Single machine scheduling with supporting tasks
    (Prof. Pfetsch)
  • Eine Testumgebung für online Dial-a-Ride on the line
    (Prof. Disser)
  • Anchored rectangle and square packings
    (Prof. Pfetsch)
  • Improving Bounds for Incremental Maximization
    (Prof. Disser)
  • Routing in Netzwerken mit Kapazitäten
    (Prof. Pfetsch)
  • Belegungsplanung mit ressourcenabhängigen Bearbeitungszeiten
    (Prof. Pfetsch)
  • Polynomielle Approximationsschemata für das budgetierte Matching-Problem und das budgetierte Matroid-Intersektions-Problem
    (Prof. Pfetsch)
  • Polynomieller Netzwerksimplexalgorithmus für Kosten-minimale Flüsse
    (Prof. Pfetsch)
  • Scheduling Unrelated Parallel Machines and Graph Balancing
    (Prof. Pfetsch)
  • Berechnung kürzester Wege auf Flächen
    (Prof. Pfetsch)
  • Max Flows in O(nm) Time, or Better
    (Prof. Pfetsch)
  • Optimale Approximation mit stückweise affinen Modellen
    (Prof. Pfetsch)
  • Gewichts-beschränkte kürzeste Wege Probleme
    (Prof. Pfetsch)
  • Der Seitenflächen-Algorithmus für lineare Optimierungsprobleme
    (Prof. Pfetsch)
  • Compact Flows
    (Prof. Pfetsch)
  • Solving Combinatorial Optimization Problems via Inclusion-Exclusion
    (Prof. Pfetsch)
  • The Stoer-Wagner algorithm for minimum cuts in undirected graphs
    (Prof. Pfetsch)
  • A recognition algorithm for unit interval graphs
    (Prof. Pfetsch)
  • Approximationsalgorithmen für das Scheduling auf parallelen Maschinen
    (Prof. Pfetsch)
  • Differences between maximum degrees and clique numbers in graphs
    (Prof. Pfetsch)
  • Image Segmentation via Minimum Cuts in Planar Graphs
    (Prof. Pfetsch)
  • MPEC-basierte Heuristiken für L0 -Minimierung
    (Prof. Pfetsch)
  • Solving Covering Problems with Violations and Probabilistic Constraints
    (Prof. Pfetsch)
  • Modelle des Steinerbaumproblems
    (Prof. Pfetsch)
  • Approximationsalgorithmen für verallgemeinerte Flüsse
    (Prof. Pfetsch)
  • Nichtnull-Strukturen von Hesse-Matrizen und Sternfärbung
    (Prof. Pfetsch)
  • Least Infeasible Flows
    (Prof. Pfetsch)
  • Robuste Optimierungsansätze für das Flugzeugumlaufproblem
    (Prof. Pfetsch)
  • Investigation of a parametric active set method applied to linear programs
    (Prof. Pfetsch)
  • Reducing Linear Programs to Basis Pursuit
    (Prof. Pfetsch)
  • Neue Algorithmen für verallgemeinerte Netzwerkflüsse
    (Prof. Pfetsch)
  • Lösung von konvexen Mehrgüterflussproblemen
    (Prof. Pfetsch)
  • Der Algorithmus von Truemper für verallgemeinerte Netzwerke
    (Prof. Pfetsch)
  • Algorithmen für Flüsse über die Zeit
    (Prof. Pfetsch)
  • Applications of Minimal Cuts in Graphs in Image Segmentation
    (Prof. Pfetsch)
  • Sparsification of matrices
    (Prof. Pfetsch)
  • Methoden zur Dünnbesetzung von Matrizen und ihre Auswirkungen auf die Performanz von l1-Lösern
    (Prof. Pfetsch)
  • Untersuchung der Eindeutigkeit der dünn besetztesten Lösungen linearer Gleichungssysteme
    (Prof. Pfetsch)
  • Vergleich des Orthogonal Matching und Basis Pursuit
    (Prof. Pfetsch)
  • Partiätsbedingungs-Codes mit geringer Dichte und Compressed Sensing
    (Prof. Pfetsch)
  • Experimentelle Untersuchung des Verfahrens von Juditsky und Nemirovski
    (Prof. Pfetsch)
  • Terminierungskriterien bei SPGL1 und CPLEX
    (Prof. Pfetsch)
  • Projektionen zur Lösung von l1-Problemen
    (Prof. Pfetsch)
  • Analyse und praktische Tests für Nesterov's Algorithmus (NESTA)
    (Prof. Pfetsch)
  • Optimales Schätzen von OD-Matrizen
    (Prof. Pfetsch)
  • Verallgemeinerung geometrischer Schnittebenen
    (Prof. Pfetsch)
  • Integrierte Klassifikation von Hyperebenen und Merkmal-Auswahl
    (Prof. Pfetsch)
  • Homotopy method for l1-minimization
    (Prof. Pfetsch)
  • Die Zhang und Donoho Kriterien zur Rekonstruktion via l1-Minimierung
    (Prof. Pfetsch)
  • Über dünnbesetzte Repräsentanten in beliebigen redundanten Basen
    (Prof. Pfetsch)
  • Dünnbesetzte Repräsentanten in Paaren von Basen
    (Prof. Pfetsch)
  • Empirische Untersuchung der Exact Recovery Condition (ERC)
    (Prof. Pfetsch)