TY - RPRT A1 - Gnegel, Fabian A1 - Fügenschuh, Armin A1 - Hagel, Michael A1 - Leyffer, Sven A1 - Stiemer, Marcus ED - Fügenschuh, Armin T1 - A solution framework for linear PDE-constrained mixed-integer problems N2 - We present a general numerical solution method for control problems with PDE-defined state variables over a finite set of binary or continuous control variables. We show empirically that a naive approach that applies a numerical discretization scheme to the PDEs (and if necessary a linearization scheme) to derive constraints for a mixed-integer linear program (MILP) leads to systems that are too large to be solved with state-of-the-art solvers for MILPs, especially if we desire an accurate approximation of the state variables. Our framework comprises two techniques to mitigate the rise of computation times with increasing discretization level parameters: First, the linear system is solved for a basis of the control space in a preprocessing step. Second, certain constraints are just imposed on demand via the IBM ILOG CPLEX feature of a lazy constraint callback. These techniques are compared with an approach where the relations obtained by the discretization of the continuous constraints are directly included in the MILP. We demonstrate our approach on two examples: modeling of the spread of wildfire and the mitigation of water contamination. In both examples the computational results demonstrate that the solution time is significantly reduced by our methods. In particular, the dependence of the computation time on the size of the spatial discretization of the PDE is significantly reduced. N2 - Wir präsentieren eine allgemeine numerische Lösungsmethode für Steuerungsprobleme mit PDE-definierten Zustandsvariablen über einer endlichen Menge von binären oder kontinuierlichen Steuerungsvariablen. Wir zeigen empirisch, dass ein naiver Ansatz, der ein numerisches Diskretisierungsschema auf die PDEs anwendet (und erforderlichenfalls ein Linearisierungsschema), um Nebenbedingungen für ein gemischt-ganzzahliges lineares Programm (MILP) abzuleiten, zu Systemen führt, die zu groß sind, um selbst mit modernen MILP-Lösern gelöst zu werden, insbesondere wenn eine genaue Approximation der Zustandsvariablen gewünscht ist. Unser Ansatz umfasst zwei Techniken, um den Anstieg der Rechenzeiten mit zunehmender Feinheit der Diskretisierung abzumildern: Erstens wird das lineare System in einem Vorverarbeitungsschritt in den Variablen des Kontrollraums gelöst. Zweitens werden bestimmte Einschränkungen nur bei Bedarf über die IBM ILOG CPLEX-Funktion einer verzögerten Nebenbedingungs-Generierung zur Instanz hinzugefügt. Diese Techniken werden mit einem Ansatz verglichen, bei dem die durch die Diskretisierung der kontinuierlichen Nebenbedingungen erhaltenen Beziehungen direkt in das MILP einbezogen werden. Wir zeigen unseren Ansatz an zwei Beispielen: Modellierung der Ausbreitung eines Waldbrands und Minderung einer Wasserverschmutzung. In beiden Beispielen zeigen die Berechnungsergebnisse, dass die Lösungszeit durch unsere Methoden erheblich verkürzt wird. Insbesondere wird die Abhängigkeit der Rechenzeit von der Größe der räumlichen Diskretisierung der PDE deutlich reduziert. T3 - Cottbus Mathematical Preprints - 8,2019 KW - Mixed-integer linear programming KW - Partial differential equations KW - Finite-element methods KW - Convection-diffusion equation KW - Global optimal control KW - Gemischt-ganzzahlige lineare Programmierung KW - Globale Optimalsteuerung KW - Konvektions-Diffusions-Gleichung KW - Finite-Elemente-Methode KW - Partielle Differentialgleichungen KW - Optimale Kontrolle KW - Finite-Elemente-Methode KW - Lineare Optimierung KW - Konvektions-Diffusionsgleichung Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-50453 SN - 2627-6100 ER - TY - RPRT A1 - Schmidt, Johannes A1 - Fügenschuh, Armin A1 - Böschow, Moritz M. T1 - Sports league scheduling with minitournaments T1 - Planung von Sportligen mit Miniturnieren N2 - In amateur or youth sports leagues, the teams play all matches during their leisure time. Thus, a schedule with a smaller number of game days is preferred and the teams are willing to partly renounce on the fairness for this by playing minitournaments instead of single matches. In this format, multiple teams meet at one of them and play against each other, reducing the number of necessary game days and required referees at the cost of unevenly distributed home field advantages. The travel times of all teams now depend on their assignment to the respective minitournaments and the choice of the home team. We present a binary linear optimization model to schedule a sports league as a double Round Robin tournament with minitournaments and most evenly distributed home field advantages, yielding a feasible league schedule with minimal total traveling distances for all teams. After adjusting orbital shrinking to break the occurring symmetries in the possible assignments, we discuss the computational efficiency and evaluate an existing schedule for the "Basketball Senioren Landesliga Brandenburg" amateur basketball league in Germany. N2 - In Amateur- oder Jugendsportligen tragen die Mannschaften alle Spiele in ihrer Freizeit aus. Daher wird ein Spielplan mit einer geringeren Anzahl von Spieltagen bevorzugt, und die Mannschaften sind bereit, dafür teilweise auf die Fairness zu verzichten, indem sie Miniturniere anstelle von Einzelspielen spielen. Bei diesem Format treffen sich mehrere Mannschaften an einem Spieltag und spielen gegeneinander, wodurch die Anzahl der notwendigen Spieltage und der benötigten Schiedsrichter reduziert wird, allerdings auf Kosten eines ungleich verteilten Heimvorteils. Die Reisezeiten aller Mannschaften hängen nun von ihrer Zuordnung zu den jeweiligen Miniturnieren und der Wahl der Heimmannschaft ab. Wir stellen ein binäres lineares Optimierungsmodell vor, um eine Sportliga als doppeltes Round-Robin-Turnier mit Miniturnieren und möglichst gleichmäßig verteilten Heimvorteilen zu planen. Das Ziel ist ein zulässiger Ligaplan mit minimalen Gesamtreisezeiten für alle Mannschaften. Nach der Anpassung der "orbital shrinking"-Methode, um die auftretenden Symmetrien in den möglichen Zuordnungen zu brechen, diskutieren wir die rechnerische Effizienz und evaluieren einen bestehenden Spielplan für die Basketball Senioren Landesliga Brandenburg in Deutschland. T3 - Cottbus Mathematical Preprints - 33, 2025 KW - Discrete optimization KW - Linear optimization KW - Orbital shrinking KW - Sport scheduling KW - Diskrete Optimierung KW - Lineare Optimierung KW - Sportligenplanung KW - Lineare Optimierung KW - Diskrete Optimierung KW - Wettkampfklasse KW - Amateursport KW - Jugendsport KW - Spielplan Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-70293 ER - TY - RPRT A1 - Ocloo, Valentina E. A1 - Fügenschuh, Armin A1 - Pamen, Olivier M. ED - Fügenschuh, Armin T1 - A new mathematical model for a 3D container packing problem N2 - Wir betrachten das Problem der Einzelcontainerpackung eines Unternehmens, das seine Kunden bedienen muss, indem es zuerst die Produkte in Kartons legt und diese dann in einen Container lädt. Für dieses Problem entwickeln und lösen wir ein lineares gemischt-ganzzahliges Modell. Unser Modell berücksichtigt geometrische Randbedingungen, beispielsweise Überlappungsverbote, Orientierungs-Bedingungen und Randbedingungen für die relative Positionierung der Kartons. Wir betrachten auch die Erweiterung des Modells durch die Integration der Schwerpunktsabweichung der Packung vom Containermittelpunkt. Das Modell wurde an einer großen Anzahl von realen Instanzen getestet, die bis zu 41 Kartons enthalten. In den meisten Fällen wurden optimale Lösungen erzielt bzw. nah-optimale Lösungen mit beweisbar kleiner Optimalitätslücke. N2 - We address the single container packing problem of a company that has to serve its customers by first placing the products in boxes and then loading the boxes into a container. We approach the problem by developing and solving mixed-integer linear models. Our models consider geometric constraints that feature non-overlapping constraints, box orientation constraints, dimensionality constraints, relative packing position constraints, and linearity constraints. We also develop an extension of the models by integrating load balance and the deviation of the center of gravity. We tested the models on a broad set of real instances involving up to 41 boxes and obtained optimal solutions in most cases and very small gaps when optimality could not be proven. T3 - Cottbus Mathematical Preprints - 12, 2020 KW - Container packing problem KW - Mixed-integer programming KW - Box orientation KW - Non-overlapping KW - Center of gravity deviation KW - Optimierungsproblem KW - Container KW - Lineare Optimierung KW - Logistik Y1 - 2020 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-50880 SN - 2627-6100 ER - TY - RPRT A1 - Zell, Sascha A1 - Schneidereit, Toni A1 - Fügenschuh, Armin A1 - Breuß, Michael T1 - Advanced search and rescue operations for drowning swimmers using autonomous unmanned aircraft systems : location optimization, flight trajectory planning and image-based localization T1 - Fortgeschrittene Such- und Rettungseinsätze für ertrinkende Schwimmer mit autonomen unbemannten Flugsystemen : Standortoptimierung, Flugtrajektorienplanung und bildgestützte Lokalisierung N2 - Drowning is among the most prevalent causes of death from unintentional injuries worldwide. Because of the time-sensitive nature of swimming accidents and the shortage of lifeguard staff resulting in unsupervised swimming areas, interest in supportive rescue methods increases. In this paper, we propose an autonomous Unmanned Aircraft System (UAS) usable by Emergency Medical Service (EMS) providers in swimmer rescue scenarios additionally to Standard Rescue Operation (SRO) equipment. The UAS consists of Unmanned Aerial Vehicles (UAVs) and purpose-built hangars located near the swimming area to store the UAVs. When receiving an alert, the UAVs autonomously navigate to the emergency site to conduct a Search and Rescue (S&R) operation for the drowning person. We introduce a Mixed-Integer Linear Programming (MILP) model to address the Facility Location Problem (FLP), assisting with identification of accessibility-optimal UAV hangar placements near the swimming area. Additionally, we present a MILP model to optimize the UAV flight trajectories in advance of the operation, allowing for efficient coordination of a heterogeneous UAV fleet. We apply the presented MILP models to a real-world scenario in the Lusatian Lake District using the state-of-the-art commercial solver CPLEX to solve the instances. Furthermore, we present a method for automated image-based swimmer localization using the state-of-the-art neural network You Only Look Once (YOLO). Finally, we use a Discrete-Event Simulation (DES) approach to quantify how much time is saved by using additional resources. N2 - Ertrinken ist weltweit eine der häufigsten Todesursachen durch unbeabsichtigte Verletzungen. Aufgrund der zeitkritischen Natur von Badeunfällen und des Personalmangels an Rettungsschwimmern, der in vielen unbewachten Badegebieten resultiert, steigt das Interesse an unterstützenden innovativen Rettungsmethoden. In diesem Beitrag stellen wir ein autonomes unbemanntes Luftfahrzeugsystem (Unmanned Aircraft System - UAS) vor, das von Rettungsdiensten bei der Rettung von Schwimmern zusätzlich zu Standard-Rettungsmitteln eingesetzt werden kann. Das UAS besteht aus unbemannten Luftfahrzeugen (Unmanned Aerial Vehicles - UAVs) und speziell angefertigten Hangars, die in der Nähe des Schwimmbereichs aufgestellt werden, um darin die UAVs zu lagern. Sobald ein Alarm eingeht, navigieren die UAVs autonom zum Unfallort, um eine Such- und Rettungsaktion (Search and Rescue - S&R) für die ertrinkende Person durchzuführen. Wir stellen ein gemischt-ganzzahliges lineares Programm (Mixed-Integer Linear Program - MILP) vor, um das Standortproblem (Facility Location Problem - FLP) zu lösen, welches die Identifizierung zeitoptimaler UAV-Hangarstandorte in der Nähe des Schwimmbereichs ermöglicht. Außerdem stellen wir ein MILP zur Optimierung von Flugtrajektorien der UAVs im Vorfeld der Mission vor, was eine effiziente Koordination einer heterogenen UAV-Flotte ermöglicht. Wir wenden die vorgestellten MILP-Modelle auf ein reales Szenario im Lausitzer Seenland an und verwenden den modernen kommerziellen Löser CPLEX, um Optimallösungen der Instanzen zufinden. Darüber hinaus stellen wir eine Methode zur automatischen bildbasierten Lokalisierung von Schwimmern vor, die das moderne neuronale Netzwerk You Only Look Once (YOLO) verwendet. Schließlich verwenden wir ereignisorientierte Simulation (Discrete-Event Simulation - DES), um zu quantifizieren, wie viel Zeit durch die Verwendung zusätzlicher Ressourcen eingespart wird. T3 - Cottbus Mathematical Preprints - 31, 2024 KW - Unmanned Aerial Vehicle KW - Unmanned Aircraft System KW - Water Rescue KW - Mixed-Integer Linear Programming KW - You Only Look Once KW - Drohne KW - Drohnenhangar KW - Wasserrettung KW - Gemischt-ganzzahlige Programmierung KW - Standortoptimierung KW - Drohne KW - Wasserrettung KW - Lineare Optimierung Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-68669 ER - TY - RPRT A1 - Zell, Sascha A1 - Fügenschuh, Armin T1 - Optimizing autonomous unmanned aircraft system deployment locations for enhanced wildfire detection and monitoring T1 - Standortoptimierung autonomer unbemannter Flugsysteme zur fortgeschrittenen Erkennung und Beobachtung von Waldbränden N2 - The increase in the frequency and severity of wildfires as a symptom of climate change requires innovative methods of wildfire fighting. For this reason, we propose a framework for an autonomous Unmanned Aircraft System (UAS), consisting of a fleet of Micro Air Vehicles (MAVs) stored in purpose-built hangars. The intention is to deploy the UAS as the first responder to an alarm and have the sensor-equipped MAVs monitor the target area even before other standard firefighting vehicles have arrived. The focus of this paper is primarily on the development and application of a location-allocation optimization Mixed-Integer Linear Programming (MILP) model that selects different MAV and hangar types and locates them, with the objective of approaching the target area as quickly as possible while guaranteeing a certain monitoring time at the scene. The model is applied to a large, sparsely populated, rural operational area, around a third of which consists of forest in the South of Brandenburg, Germany. The spatial demand is measured through an easily reproducible and transferable open data approach. Finally, several instances with different fixed numbers of hangars and MAVs to be set up are solved by the commercial state-of-the-art solver CPLEX and analyzed for their computation time. N2 - Die Zunahme der Häufigkeit und Schwere von Waldbränden als Symptom des Klimawandels erfordert innovative Methoden der Waldbrandbekämpfung. Für diesen Zweck nutzen wir ein autonomes unbemanntes Luftfahrtsystem (Unmanned Aricraft System - UAS), das aus einer Flotte von Drohnen besteht, die in eigens dafür errichteten Hangars gelagert werden. Ziel ist, das UAS als Erstreaktion bei einem Alarm einzusetzen und die mit Sensoren ausgestatteten Drohnen das Zielgebiet beobachten zu lassen, noch bevor die ersten Einsatzkräfte vor Ort eintreffen. Der Fokus dieses Papers liegt in erster Linie auf der Entwicklung und Anwendung eines Modells der gemischt-ganzzahligen Programmierung (Mixed-Integer Linear Programming - MILP) zur Optimierung der Standortzuweisung. Es werden verschiedene Drohnen- und Hangartypen auswählt und platziert, mit dem Ziel, die Einsatzbereiche so schnell wie möglich anzufliegen und gleichzeitig eine bestimmte Beobachtungszeit am Einsatzort zu garantieren. Das Modell wird auf ein großes, dünn besiedeltes, ländliches Einsatzgebiet, das zu etwa einem Drittel aus Wald besteht, im Süden von Brandenburg, Deutschland angewendet. Die räumliche Nachfrage wird durch einen leicht reproduzierbaren und übertragbaren Ansatz mittels Open Data gemessen. Schließlich werden mehrere Instanzen mit unterschiedlichen festgelegten Anzahlen von Hangars und aufzustellenden MAVs mit dem kommerziellen State-of-the-Art Solver CPLEX gelöst und auf ihre Rechenzeit hin analysiert. T3 - Cottbus Mathematical Preprints - 32, 2025 KW - Mixed-lnteger linear programming KW - Unmanned aircraft systems KW - Micro air vehicles KW - Autonomous wildfire monitoring KW - Location-allocation optimization KW - Gemischt-ganzzahlige Programmierung KW - Drohnen KW - Drohnenhangar KW - Standortproblem KW - Autonome Waldbrandbekämpfung KW - Waldbrand KW - Überwachung KW - Drohne (Flugkörper) KW - Autonomes System KW - Standortproblem KW - Lineare Optimierung Y1 - 2025 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-69422 N1 - This paper is a preprint that will be published as a post-conference proceedings of the Optimization and Wildfire Conference (O&W) that took place in Luso, Portugal, 2024 in "Lecture Notes in Operations Research" by Springer. https://doi.org/10.1007/978-3-032-03108-2 ER -