Forschung

Prof. Dr. Marc Goerigk forscht zu mathematischer Optimierung und Datenwissenschaft. Die Forschung von Prof. Goerigk befasst sich insbesondere mit der Thematik, wie sich mit datengesteuerten Algorithmen bestmögliche Entscheidungen berechnen lassen, wenn noch Unsicherheiten bestehen. Spezialgebiet sind Methoden der robusten kombinatorischen Optimierung.

Aktuelle Forschungsprojekte

ROMAE: Robuste Optimierungsmodelle und Algorithmen mit explorierbarer Unsicherheit

Um Entscheidungen zu finden, die auch in der Praxis nützlich sind, ist der passende Umgang mit Unsicherheit nötig. Mit dem Konzept der robusten Optimierung wurde ein leistungsfähiges Instrumentarium entwickelt, um Lösungen zu finden, die gegen eine bestimmte Menge von Szenarien abgesichert sind.

Abgeschlossene Forschungsprojekte

OWA Regret - Neue Methoden für die Entscheidungsfindung unter Ungewissheit

Entscheidungen müssen allgegenwärtig getroffen werden, aber nur selten sind alle Informationen verfügbar, um mit Sicherheit die beste Alternative bestimmen zu können.

Entscheidungen unter Ungewissheit, bei denen nur mögliche Ergebnisse ohne Wahrscheinlichkeiten bekannt sind, treten zum Beispiel natürlich auf, wenn historische Daten zur Entscheidungsfindung zur Verfügung stehen.

NIMROp: Neue Unsicherheitsmodelle für die Robuste Optimierung

Die Zukunft ist unbekannt und Prognosen werden verwendet, Messdaten sind ungenau, und Störungen können einen Plan unbrauchbar machen. Selten sind alle Informationen über das Entscheidungsproblem verfügbar.

Lehrstuhl für Business Decisions und Data Science

ROMAE: Robuste Optimierungsmodelle und Algorithmen mit explorierbarer Unsicherheit

OWA Regret - Neue Methoden für die Entscheidungsfindung unter Ungewissheit

NIMROp: Neue Unsicherheitsmodelle für die Robuste Optimierung