Simulation Dynamischer Systeme

(108017)

TypSeminar
Dozent/inProf. Dr. Daniel Fürstenau, Matthias Schulte-Althoff
SpracheDeutsch
SemesterWintersemester 2019/20
Veranstaltungsumfang
Leistungspunkte6 ECTS
RaumGarystr. 21, 14195 Berlin Hörsaal 108a
Beginn18.10.2019 | 12:00

Zielgruppe

Masterstudierende, primär Wirtschaftsinformatik 

Voraussetzungen

Es gibt keine direkten Zugangsvoraussetzungen. Die Veranstaltung wird ab dem 1. Semester im Master empfohlen. 

Für die Projektarbeit in Kleingruppen von 2 bis 3 Teilnehmer/innen sind grundlegende Programmierkenntnisse, idealerweise mit der Programmiersprache Java, vorteilhaft. Das Belegen des Kurses mit keinen oder sehr geringen Programmierkenntnissen ist möglich, jedoch mit einem Mehraufwand verbunden.

Inhalte

Die Simulation dynamischer Systeme nimmt als Hilfsmittel zur Beschreibung und Analyse komplexer Systeme einen immer größeren Stellenwert in verschiedensten praktischen und wissenschaftlichen Bereichen ein: effiziente Gestaltung von Prozessen in Transport, Produktion und Krankenhäusern, Diffusion von Informationen und Innovationen in Marketing, Vertrieb, Gesundheitswesen, etc.; ökonomisch-effiziente Gestaltung von Preisen und Services im Kontext digitaler Plattformen und Märkte; Analyse von Risiken in vernetzten Systemen wie in sicherheitskritischen IT- und Kommunikationsinfrastrukturen. Diese Beispiele zeigen die vielfältigen Anwendungsmöglichkeiten und Fragestellungen für Simulation.

Das Ziel dieses Seminars besteht darin den kompletten Lebenszyklus beim Aufbau eines Simulationssystems von Konzeption, Implementierung, Validierung, Experimentationund Analyse kennenzulernen und beispielhaft anzuwenden. Unter Simulation wird dabei die Nachbildung eines realen Systems mittels eines Modells verstanden, wobei durch gezielte Experimente am Modell Erkenntnisse über das reale System gewonnen werden sollen. 

Besondere Schwerpunkte legt das Seminar dabei auf die Agentenbasierte Simulation, welche sich zur Nachbildung komplexer adaptiver Systeme wie zum Beispiel im Finanzmarkt oder Transportmärkten, eignet, und die diskret-ereignisorientierte Simulation, mittels derer sich beispielsweise Geschäftsprozessszenarien und Warteschlangen untersuchen lassen. Außerdem legt das Seminar einen Schwerpunkt auf die Kombinationsmöglichkeiten von Simulation mit Machine-Learning-Techniken, welche immer wichtiger werden.

Das Seminar ist ausgelegt auf 8 bis max. 12 Teilnehmer. Durch die kleine Gruppengröße soll eine intensive Arbeitsatmosphäre garantiert werden. Der Arbeitsmodus der Seminareinheiten ist dabei der eines Inverted Classrooms, bei dem Lerninhalte mittels Literatur und Videosequenzen zu Hause erarbeitet und an den Präsenztagen Aufgaben besprochen und Inhalte diskutiert werden. Das Seminar wird abgeschlossen durch eine schriftliche Ausarbeitung im Umfang von 10-12 Seiten, welche die Ergebnisse einer praktischen Projektaufgabe dokumentiert. In der praktischen Anwendung wird ein marktgängiges Werkzeug (AnyLogic) eingesetzt.

Themen (Auszug)

• Simulation – Grundlegende Typen und Abgrenzung zur Optimierung

• Agentenbasierte Simulation

o Grundlagen und methodisches Vorgehen im Rahmen der Modellierung

o Parametrisierung und Wahrscheinlichkeitsverteilungen

o Validierung und Analyse von agentenbasierten Simulationsmodellen 

o Experimentation und quantitative Auswertungen

o Fallstudie: Preisbildung in einem Transportmarkt

• Diskret-ereignisorientierte Simulation

    o Grundlagen und methodisches Vorgehen im Rahmen der Modellierung

o Fallstudie: Kapazitätsoptimierung im Krankenhaus

• Simulation und Machine Learning sowie Big Data Analytics im Simulationsprozess

o Weiterführende Kombinationsmöglichkeiten

o Fallstudie: Reinforcement Learning

Literatur 

Law, A.M. (2013). Simulation Modeling and Analysis (5th edition). New York: McGraw Hill.

Wilensky, U. and Rand, W. (2015). An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo. Boston, MA: MIT Press.

Shoham, Y. and Leyton-Brown, K. (2008). MultiagentSystems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge, UK: Cambridge Univ. Press.

Tolk, A. (2015). The Next Generation of Modeling & Simulation: Integrating Big Data and Deep Learning. San Diego, CA: Proceedings of the Conference on Summer Computer Simulation.



Department Winfo
ECDF
016 DynAge_BildWort_RGB_RZ_WEB