Mathematische OSS in der Praxis: Logik, Optimierung, Graphentheorie und mehr mit SageMath
None
SageMath (kurz Sage) vereint die Stärken vieler Open-Source-Libraries – von hochspezialisierten Computeralgebrasystemen über numerische Bibliotheken bis zu Graphentheorie-Paketen – alles unter einem einheitlichen Python-Interface. Aber wie wendet man sie auf reale Probleme an?
Im Vortrag möchte ich meine Praxiserfahrung aus über 10 Jahren Forschung im Bereich Computermathematik teilen – von graphentheoretischen Fragestellungen bis zur Performance-Skalierung vom Laptop zu tausenden Cluster-Nodes.
Insbesondere werden wir den Fokus auf sogenannte "Mixed Integer Programs" (MIP) legen, da viele praktische Fragestellungen wie Zuweisungs-, Packing- oder Routingprobleme sich als solche abbilden lassen. Standardmäßig nutzt Sage den OSS-Solver GLPK, kann jedoch auch kommerzielle Solver wie Gurobi verwenden (sobald eingerichtet, braucht es lediglich einen Parameter wie ```solver="gurobi"```). Wichtig ist das Bewusstsein, dass viele Optimierungsprobleme NP-schwer sind – man braucht also oft einen anderen Zugang, eine alternative Formulierung, eine Relaxierung oder eine andere Methodik wie SAT- oder SMT-Solver, um weiterzukommen.
Licensed to the public under https://creativecommons.org/licenses/by/4.0/