Übersicht
Worum es bei diesem Projekt geht.
Formalisiere das Problem als gewichtete Set-Cover-Variante mit Kapazitäts-Constraints. Implementiere (1) den klassischen Greedy mit H_n-Approximation als Lehrbuch-Baseline, (2) einen LP-Relaxations-und-Rundungs-Ansatz, (3) eine problem-spezifische Heuristik mit lokaler Suche. Vergleiche Lösungsqualität (relativer Abstand zur ILP-Optimallösung auf 30 historischen Tagen) und Laufzeit. Liefere Code, einen 10-seitigen Bericht mit Approximations-Beweis für die Greedy-Variante und Empfehlung für den Produktiveinsatz.
Das Briefing
Was Du tust und was Du zeigst.
Liefere einen Approximations-Algorithmus für ein gewichtetes Set-Cover-Problem mit Kapazitäts-Constraints — beweisbare Gütegarantie plus empirische Lösungsqualität unter 5 Prozent vom ILP-Optimum.
Earning criteria — what you'll demonstrate
- Approximations-Algorithmen mit Gütegarantien aus Lehrbuch in Code überführen
- LP-Relaxation und randomisiertes Runden als Werkzeug verstehen und anwenden
- Lösungsqualität gegen exakte ILP-Lösungen quantitativ bewerten
- Trade-offs zwischen Garantie-basierten und heuristischen Ansätzen begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenNoch eine Sache