Veroeffentlichung: Lizenzen, README, Colab-Entscheidung, JupyterLab im Image

Sechs Dinge, alle fuer das jetzt oeffentliche Repository.

LIZENZEN. LICENSE traegt die MIT-Lizenz fuer den Programmcode (alle .py,
Notebooks, Dockerfile, pyproject.toml), LICENSE-TEXT.md die CC BY-SA 4.0 fuer
Buchtext, PDF, Website und Diagramme. Beide Dateien nennen ausdruecklich, was
sie abdecken und was nicht - ein Codeblock im Buchtext bleibt Programmcode und
steht unter MIT. Vorher hatte das Repository gar keine Lizenz, womit
standardmaessig "alle Rechte vorbehalten" galt und niemand die 76 Programme
haette weiterverwenden duerfen.

COLAB. COLAB_BASIS_URL steht jetzt auf "". Der Platzhalter zeigte auf GitHub,
das Repository liegt auf einer eigenen Forgejo-Instanz - und Colab oeffnet
Notebooks NUR aus GitHub, Google Drive oder einem Upload. Die URL-Form
colab.research.google.com/github/... ist fest auf GitHub verdrahtet; eine
selbstgehostete Adresse dort einzusetzen ergaebe keinen Link zum eigenen
Server, sondern einen toten GitHub-Link. Der Kommentar im Quelltext ging von
GitHub aus und war damit selbst irrefuehrend; er ist ersetzt.

Verloren geht nichts: Die 25 Notebooks liegen neben der Website und bekommen
einen echten Download-Link, jetzt mit dem Hinweis, was man damit tut -
"herunterladen und in Jupyter oeffnen, in Colab hochladen oder mit dem
Kurs-Image starten".

JUPYTERLAB IM KURS-IMAGE. Neue pyproject-Gruppe [notebook] mit jupyterlab,
die Notebooks werden ins Image kopiert, und ein kleiner Startbefehl macht
beide Betriebsarten ohne --entrypoint moeglich: ohne Argument JupyterLab, mit
Argument ein einzelnes Programm. Gebaut und geprueft - Rucksack.py laeuft,
JupyterLab antwortet mit HTTP 200 und zeigt alle 25 Notebooks. Image 1,31 ->
1,46 GB. Es laeuft ohne Token, deshalb im README die Portfreigabe an
127.0.0.1 gebunden.

README KOMPLETT NEU. Es war die Bau-Anleitung eines privaten Verzeichnisses
und ist jetzt die Visitenkarte eines oeffentlichen Repositorys: was das Buch
ist, wo man es liest, drei Wege die Beispiele auszufuehren (Container,
schlanke Installation, alles auf einmal), was hier liegt, wie man baut, die
Colab-Frage, die Lizenzen und wie man mitwirkt. Alle relativen Links
geprueft: 0 tot.

.gitattributes. Ohne die Datei entschied core.autocrlf des jeweiligen
Rechners, was beim Klonen passiert - ein Windows-Leser bekam CRLF-Rauschen in
jedem Diff. Jetzt: im Repository immer LF, im Arbeitsverzeichnis passend zum
System, Binaerdateien ausdruecklich ausgenommen. Der Bestand war bereits
sauber (git add --renormalize aendert null Dateien). Zusaetzlich sind die
erzeugten Verzeichnisse als linguist-generated markiert, sonst zaehlt die
Sprachstatistik das Repository als HTML-Projekt.

PROGRESS.md: Remote-Repository als erledigt markiert, der Colab-Befund
festgehalten. CLAUDE.md um Veroeffentlichung, Lizenzen und die neuen Dateien
ergaenzt.

Geprueft: --check ohne Fehler, 0 tote README-Links, 76 Programme unveraendert,
33 pytest-Tests, pyproject baut mit acht Gruppen, PDF 759 Seiten (eine
weniger - die Colab-Zeile entfaellt in 25 Kapiteln).

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
This commit is contained in:
dschlueter 2026-09-08 14:54:04 +02:00
commit 4fa4e20b04
37 changed files with 467 additions and 258 deletions

View file

@ -2,9 +2,9 @@
# ganze Verzeichnis an den Daemon - mitsamt Website (rund 50 MB), PDF und
# Notebooks, die im Image nichts zu suchen haben.
# Erzeugte Ausgaben
# Erzeugte Ausgaben. Notebooks_04/ steht bewusst NICHT hier: Die 25 Notebooks
# gehoeren ins Image, damit JupyterLab darin etwas zu oeffnen hat.
OR_HTML_04/
Notebooks_04/
*.pdf
Operations_Research_mit_Python_Version_04.md

50
.gitattributes vendored Normal file
View file

@ -0,0 +1,50 @@
# Zeilenenden. Ohne diese Datei entscheidet die core.autocrlf-Einstellung des
# jeweiligen Rechners, was beim Klonen passiert - und ein Windows-Leser bekommt
# je nach Konfiguration entweder CRLF-Rauschen in jedem Diff oder Python-
# Dateien, die sein Editor als "gemischte Zeilenenden" anmeckert.
#
# Die Regel hier legt es fuer alle fest: Im Repository steht immer LF, im
# Arbeitsverzeichnis bekommt jeder, was zu seinem System passt.
* text=auto eol=lf
# --- Quelltext und Buchtext: ausdruecklich Text ----------------------------
*.py text diff=python
*.md text
*.txt text
*.toml text
*.yaml text
*.yml text
*.tex text
*.css text
*.js text
*.html text
*.svg text
*.ipynb text
Dockerfile text
.gitignore text
.dockerignore text
.gitattributes text
# --- Binaerdateien: niemals anfassen ---------------------------------------
# Ein versehentliches Umschreiben der Zeilenenden macht sie unbrauchbar.
*.pdf binary
*.png binary
*.jpg binary
*.jpeg binary
*.gif binary
*.webp binary
*.woff binary
*.woff2 binary
*.ttf binary
*.otf binary
*.xlsx binary
*.zip binary
# --- Was auf GitHub/Forgejo die Sprachstatistik verzerrt --------------------
# Die Website und die Notebooks sind ERZEUGT. Ohne diese Markierung zaehlt
# Linguist das Repository als ueberwiegend HTML - es ist ein Python-Projekt.
OR_HTML_04/** linguist-generated=true
Notebooks_04/** linguist-generated=true
Operations_Research_mit_Python_Version_04_Programme/** linguist-generated=true
Operations_Research_mit_Python_Version_04.md linguist-generated=true

View file

@ -33,7 +33,9 @@ Notebooks_04/ generiert: ein .ipynb je Kapitel
Kritik_und_Verbesserungsvorschlaege/ Quelle: Rezension, Verbesserungsvorschläge,
NEUER_TITEL.md (Vorlage des Titelblatts)
pyproject.toml Quelle: Abhängigkeiten in Gruppen
Dockerfile, .dockerignore Quelle: Kurs-Image (nur Programme)
Dockerfile, .dockerignore Quelle: Kurs-Image (Programme + JupyterLab)
LICENSE, LICENSE-TEXT.md MIT fuer Code, CC BY-SA 4.0 fuer den Text
.gitattributes LF im Repository, egal auf welchem System
pandoc-defaults-basis.yaml, pandoc/, pandoc-defaults-buch.yaml PDF-Konfiguration
```
@ -154,6 +156,23 @@ Im PDF steht stattdessen ein Hinweis auf die Website.
---
## Veroeffentlichung
Das Repository liegt oeffentlich auf <https://kitux.de/forgejo/dschlueter/operations_research>.
**`COLAB_BASIS_URL` ist bewusst leer.** Colab oeffnet Notebooks nur aus GitHub, Google Drive
oder einem Upload; die URL-Form `colab.research.google.com/github/...` ist fest auf GitHub
verdrahtet und kann eine selbstgehostete Git-Instanz nicht lesen. Statt eines toten Knopfes
bekommt jedes Kapitel einen Download-Link auf sein Notebook. Wer spaeter nach GitHub
spiegelt, traegt dort **einen** Wert ein.
Wer ohne eigene Installation rechnen will, nimmt das Kurs-Image:
`docker run --rm -p 127.0.0.1:8888:8888 or-mit-python` startet JupyterLab mit allen
25 Notebooks. Ohne Portfreigabe und mit einem Programmnamen als Argument fuehrt dasselbe
Image ein einzelnes Programm aus.
---
## Sprache
Kommentare, Ausgaben und Fließtext sind durchgängig **Deutsch** — diesen Stil beibehalten.

View file

@ -9,8 +9,8 @@
# ist mit einer lokalen Installation besser bedient (siehe README.md).
#
# docker build -t or-mit-python .
# docker run --rm or-mit-python Installationstest.py
# docker run --rm -it or-mit-python # Python-Eingabe
# docker run --rm -p 127.0.0.1:8888:8888 or-mit-python # JupyterLab
# docker run --rm or-mit-python Installationstest.py # ein Programm
# docker run --rm -v "$PWD/ausgabe:/buch/output" or-mit-python Excel_Bruecke.py
#
# Zwei Stufen: Die erste baut die Abhaengigkeiten in eine virtuelle Umgebung
@ -44,7 +44,7 @@ COPY pyproject.toml README.md ./
# Der Konflikt wird nicht durch Weglassen geloest, sondern zur Laufzeit durch
# getrennte Prozesse (Kapitel Oekosystem). Ein Image, das nur eines von beiden
# enthaelt, koennte die Haelfte der Beispiele nicht ausfuehren.
RUN pip install ".[finance,large-scale,api,dev]"
RUN pip install ".[finance,large-scale,api,dev,notebook]"
# --- Stufe 2: das eigentliche Image -----------------------------------------
FROM python:3.12-slim AS laufzeit
@ -66,14 +66,30 @@ ENV PATH="/opt/venv/bin:$PATH" \
RUN useradd --create-home --uid 1000 kurs
WORKDIR /buch
COPY --chown=kurs:kurs Operations_Research_mit_Python_Version_04_Programme/ ./
COPY --chown=kurs:kurs Notebooks_04/ ./Notebooks_04/
# Verzeichnis fuer erzeugte Dateien - als Volume einhaengbar, damit
# Excel-Ausgaben und Diagramme den Container ueberleben. Angelegt wird es
# VOR dem Benutzerwechsel, denn /buch gehoert root.
RUN mkdir -p /buch/output && chown kurs:kurs /buch/output
USER kurs
# Ohne Argument eine Python-Eingabeaufforderung, mit Argument das genannte
# Programm: 'docker run --rm or-mit-python Rucksack.py'
ENTRYPOINT ["python"]
# Ein Startbefehl, zwei Betriebsarten - damit niemand '--entrypoint' braucht:
# ohne Argument -> JupyterLab mit den 25 Kapitel-Notebooks
# mit Argument -> genau dieses Programm
RUN printf '%s\n' \
'#!/bin/sh' \
'if [ $# -eq 0 ]; then' \
' exec jupyter lab --ip=0.0.0.0 --port=8888 --no-browser \' \
' --ServerApp.token= --ServerApp.root_dir=/buch' \
'fi' \
'exec python "$@"' \
> /usr/local/bin/starte && chmod +x /usr/local/bin/starte
USER kurs
EXPOSE 8888
# JupyterLab laeuft ohne Token. Das ist fuer ein Kurs-Image auf dem eigenen
# Rechner richtig - deshalb im README die Portfreigabe an 127.0.0.1 binden
# und den Container NICHT ins offene Netz stellen.
ENTRYPOINT ["/usr/local/bin/starte"]
CMD []

39
LICENSE Normal file
View file

@ -0,0 +1,39 @@
Dieses Repository steht unter ZWEI Lizenzen. Welche gilt, hängt davon ab,
was Sie verwenden möchten:
* PROGRAMMCODE — MIT-Lizenz (unten im Wortlaut).
Betrifft: alle .py-Dateien (Beispielprogramme, Build-Skripte,
Diagrammgeneratoren), die Jupyter-Notebooks, Dockerfile, pyproject.toml
und die Konfigurationsdateien.
* BUCHTEXT UND ABBILDUNGEN — Creative Commons BY-SA 4.0.
Betrifft: alle .md-Kapitelquellen, das erzeugte PDF, die Website in
OR_HTML_04/ und die Diagramme in bilder_04/.
Wortlaut und Bedingungen: siehe LICENSE-TEXT.md.
Im Zweifel und für Mischformen (etwa ein Codeblock, der im Buchtext
abgedruckt ist): Der Code darin steht unter der MIT-Lizenz.
--------------------------------------------------------------------------
MIT License
Copyright (c) 2026 Dieter Schlüter
Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.

56
LICENSE-TEXT.md Normal file
View file

@ -0,0 +1,56 @@
# Lizenz für Buchtext und Abbildungen
**Optimierte Entscheidungsfindung mit Python** — © 2026 Dieter Schlüter
Der Buchtext und die Abbildungen stehen unter der Lizenz
**Creative Commons Namensnennung Weitergabe unter gleichen Bedingungen 4.0
International (CC BY-SA 4.0)**.
* Kurzfassung (allgemeinverständlich): <https://creativecommons.org/licenses/by-sa/4.0/deed.de>
* Verbindlicher Volltext: <https://creativecommons.org/licenses/by-sa/4.0/legalcode.de>
## Was darunter fällt
| Betroffen | Nicht betroffen |
| --- | --- |
| Die Kapitelquellen in `Operations_Research_mit_Python_Version_04/*.md` | Sämtlicher Programmcode (`*.py`, Notebooks, `Dockerfile`, `pyproject.toml`) — der steht unter der **MIT-Lizenz**, siehe `LICENSE` |
| Das erzeugte PDF | |
| Die Website in `OR_HTML_04/` | Die Schriftdateien unter `OR_HTML_04/assets/` und `katex/` — sie tragen ihre eigenen Lizenzen |
| Die Diagramme in `bilder_04/` | |
Ein Codeblock, der im Buchtext abgedruckt ist, bleibt Programmcode: Für ihn
gilt die MIT-Lizenz.
## Was Sie dürfen
**Teilen** — das Material in jedem Format vervielfältigen und weiterverbreiten.
**Bearbeiten** — es remixen, verändern und darauf aufbauen, auch kommerziell.
## Unter diesen Bedingungen
**Namensnennung.** Nennen Sie den Autor (Dieter Schlüter), verlinken Sie auf
die Lizenz und geben Sie an, ob Änderungen vorgenommen wurden. Eine
brauchbare Form:
> Nach *Optimierte Entscheidungsfindung mit Python* von Dieter Schlüter
> (<https://kitux.de/forgejo/dschlueter/operations_research>), lizenziert unter
> CC BY-SA 4.0. Bearbeitet: [was Sie geändert haben].
**Weitergabe unter gleichen Bedingungen.** Wenn Sie das Material verändern
oder darauf aufbauen, müssen Sie Ihre Beiträge unter derselben Lizenz wie das
Original verbreiten.
**Keine weiteren Einschränkungen.** Sie dürfen keine zusätzlichen Klauseln
anwenden, die anderen rechtlich etwas untersagen, was die Lizenz erlaubt.
## Was diese Lizenz nicht abdeckt
Sie erstreckt sich nicht auf Marken- und Namensrechte Dritter. Die im Buch
genannten Bibliotheken — HiGHS, Google OR-Tools, CVXPY, SciPy, Pyomo, linopy
und andere — stehen unter ihren eigenen Lizenzen; wer sie einsetzt, hält sich
an diese.
Für die Inhalte gibt es **keine Gewährleistung**. Die Modelle und Zahlen sind
Lehrbeispiele. Wer auf ihrer Grundlage betriebliche oder finanzielle
Entscheidungen trifft, tut das in eigener Verantwortung — das gilt besonders
für die Kapitel zu Finanzmärkten.

View file

@ -126,8 +126,7 @@
<p><strong>Zeitbedarf:</strong> ca. 2,5 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Strukturbruecke.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/bruecke.ipynb">bruecke.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/bruecke.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/bruecke.ipynb">bruecke.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

3
OR_HTML_04/cpsat.html generated
View file

@ -114,8 +114,7 @@
<code>Parallele_Suche.py</code><br />
<code>CP_SAT_Statusfaelle.py</code><br />
<code>Strafgewichte.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/cpsat.ipynb">cpsat.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/cpsat.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/cpsat.ipynb">cpsat.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

3
OR_HTML_04/cvar.html generated
View file

@ -110,8 +110,7 @@
<p><strong>Programme:</strong><br />
<code>VaR_CVaR_Demo.py</code><br />
<code>CVaR_Portfolio.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/cvar.ipynb">cvar.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/cvar.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/cvar.ipynb">cvar.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -109,8 +109,7 @@
<p><strong>Zeitbedarf:</strong> ca. 3 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Spaltengenerierung.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/dekomposition.ipynb">dekomposition.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/dekomposition.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/dekomposition.ipynb">dekomposition.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -110,8 +110,7 @@
<p><strong>Programme:</strong><br />
<code>Bellman_Minimalbeispiel.py</code><br />
<code>Mehrperiodige_Order_Execution.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/dynamische-programmierung.ipynb">dynamische-programmierung.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/dynamische-programmierung.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/dynamische-programmierung.ipynb">dynamische-programmierung.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -114,8 +114,7 @@
<code>Brute_Force_Vergleich.py</code><br />
<code>Bausteine_Vorlage.py</code><br />
<code>Excel_Bruecke.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/einfuehrung.ipynb">einfuehrung.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/einfuehrung.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/einfuehrung.ipynb">einfuehrung.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -113,8 +113,7 @@
<code>Finanzdaten_Ledoit_Wolf.py</code><br />
<code>Kovarianz_Falle.py</code></p>
<p><strong>⚠️ Überspringen Sie dieses Kapitel nicht.</strong> Wer direkt bei Markowitz (<a href="markowitz.html#kap-markowitz">Kapitel 19</a>) einsteigt, erhält absurde Portfoliogewichte und weiß nicht, warum.</p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/finanzdaten.ipynb">finanzdaten.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/finanzdaten.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/finanzdaten.ipynb">finanzdaten.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -112,8 +112,7 @@
<code>Visualisierung_Loesungsraum.py</code><br />
<code>Konvexitaet_Demo.py</code><br />
<code>Skalierung_Kondition.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/fundament.ipynb">fundament.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/fundament.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/fundament.ipynb">fundament.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -3114,8 +3114,7 @@ Alles bereit — Sie können mit dem ersten Kapitel beginnen.</code></pre>
<code>Brute_Force_Vergleich.py</code><br />
<code>Bausteine_Vorlage.py</code><br />
<code>Excel_Bruecke.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/einfuehrung.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/einfuehrung.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/einfuehrung.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:einfuehrung-schnellstart">1.1 In 5 Minuten gelöst</h2>
@ -4421,8 +4420,7 @@ Deckungsbeitrag: 18600 EUR</code></pre>
<code>Visualisierung_Loesungsraum.py</code><br />
<code>Konvexitaet_Demo.py</code><br />
<code>Skalierung_Kondition.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/fundament.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/fundament.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/fundament.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:fundament-schnellstart">2.1 In 5 Minuten gelöst</h2>
@ -5592,8 +5590,7 @@ und runden Sie Solver-Ergebnisse NIE ohne Toleranzpruefung.
<code>Solver_Wahl.py</code><br />
<code>Modellierungsschichten.py</code><br />
<code>Vektorisierte_Modellgenerierung.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/oekosystem.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/oekosystem.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/oekosystem.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:oekosystem-schnellstart">3.1 In 5 Minuten gelöst</h2>
@ -6933,8 +6930,7 @@ Groesse Variante Aufbau Loesen Aufba
<p><strong>Zeitbedarf:</strong> ca. 3 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Vom_Wunsch_zum_Modell.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/modellierung.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/modellierung.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/modellierung.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:modellierung-schnellstart">4.1 In 5 Minuten gelöst</h2>
@ -7889,8 +7885,7 @@ Lesart C (weich): loesbar - 66,000 EUR Deckungsbeitrag, 1 Stammauftrag abgelehnt
<code>Sensitivitaetsanalyse.py</code><br />
<code>Dualitaet_Nachweis.py</code><br />
<code>Toleranzen_und_Entartung.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/lp.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/lp.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/lp.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:lp-schnellstart">5.1 In 5 Minuten gelöst</h2>
@ -9354,8 +9349,7 @@ brauchbare Aussage. Ein erfundener Einzelwert ist es nicht.</code></pre>
<code>Solverstatus_und_Gap.py</code><br />
<code>Warmstart_Effekt.py</code><br />
<code>Big_M_Falle.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/milp.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/milp.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/milp.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:milp-schnellstart">6.1 In 5 Minuten gelöst</h2>
@ -11027,8 +11021,7 @@ funktioniert immer.
<code>Parallele_Suche.py</code><br />
<code>CP_SAT_Statusfaelle.py</code><br />
<code>Strafgewichte.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/cpsat.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/cpsat.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/cpsat.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:cpsat-schnellstart">7.1 In 5 Minuten gelöst</h2>
@ -12730,8 +12723,7 @@ Nebenbedingungen. Alles, was einen Preis hat, wird irgendwann gekauft.
<code>Zuordnung_Ungarisch.py</code><br />
<code>VRP_Flotten_Routing.py</code><br />
<code>VRP_Kapazitaetsfalle.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/graphen.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/graphen.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/graphen.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:graphen-schnellstart">8.1 In 5 Minuten gelöst</h2>
@ -13674,8 +13666,7 @@ plausibel aussieht.
<code>Simulated_Annealing.py</code><br />
<code>Metaheuristik_vs_Exakt.py</code><br />
<code>Large_Neighborhood_Search.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/metaheuristiken.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/metaheuristiken.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/metaheuristiken.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:metaheuristiken-schnellstart">9.1 In 5 Minuten gelöst</h2>
@ -15245,8 +15236,7 @@ Abstand zum Optimum.
<p><strong>Zeitbedarf:</strong> ca. 3 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Spaltengenerierung.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/dekomposition.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/dekomposition.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/dekomposition.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:dekomposition-schnellstart">10.1 In 5 Minuten gelöst</h2>
@ -16093,8 +16083,7 @@ Mutterrolle 5,600 mm, 13 bestellte Breiten, 219 Zuschnitte.
<code>KKT_Nachweis.py</code><br />
<code>Entropie_Maximierte_Allokation.py</code><br />
<code>Lokale_Optima_Multistart.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/qp-nlp.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/qp-nlp.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/qp-nlp.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:qp-nlp-schnellstart">11.1 In 5 Minuten gelöst</h2>
@ -17270,8 +17259,7 @@ The objective is not DCP. Its following subexpressions are not: QuadForm(...)</c
<code>Stochastische_Optimierung.py</code><br />
<code>Robuste_Optimierung.py</code><br />
<code>Chance_Constraints.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/unsicherheit.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/unsicherheit.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/unsicherheit.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:unsicherheit-schnellstart">12.1 In 5 Minuten gelöst</h2>
@ -18419,8 +18407,7 @@ Anteil ueber 11,34 Tage: 95.5 %</code></pre>
<p><strong>Programme:</strong><br />
<code>Bellman_Minimalbeispiel.py</code><br />
<code>Mehrperiodige_Order_Execution.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/dynamische-programmierung.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/dynamische-programmierung.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/dynamische-programmierung.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:dynamische-programmierung-schnellstart">13.1 In 5 Minuten gelöst</h2>
@ -19288,8 +19275,7 @@ Abweichung DP zur analytischen Loesung: 5.788 % (Diskretisierung: 1000 Stueck)
<p><strong>Zeitbedarf:</strong> ca. 4 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Mehrziel_Pareto.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/mehrziel.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/mehrziel.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/mehrziel.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:mehrziel-schnellstart">14.1 In 5 Minuten gelöst</h2>
@ -19977,8 +19963,7 @@ e(x) \le \varepsilon
<p><strong>Zeitbedarf:</strong> ca. 3,5 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Predict_then_Optimize.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/prognose.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/prognose.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/prognose.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:prognose-schnellstart">15.1 In 5 Minuten gelöst</h2>
@ -20724,8 +20709,7 @@ Kosten statt auf Fehler trainiert.
<p><strong>Zeitbedarf:</strong> ca. 2,5 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Strukturbruecke.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/bruecke.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/bruecke.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/bruecke.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:bruecke-schnellstart">16.1 In 5 Minuten gelöst</h2>
@ -21395,8 +21379,7 @@ u_s \ge \ell_s^\top w - \gamma, \quad u_s \ge 0
<p><strong>Zeitbedarf:</strong> ca. 4 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Kraftwerkseinsatz.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/supplychain.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/supplychain.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/supplychain.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:supplychain-schnellstart">17.1 In 5 Minuten gelöst</h2>
@ -22179,8 +22162,7 @@ zweistufig 111111222222222222222111 (39 Blockstunden)</code></pre>
<code>Finanzdaten_Ledoit_Wolf.py</code><br />
<code>Kovarianz_Falle.py</code></p>
<p><strong>⚠️ Überspringen Sie dieses Kapitel nicht.</strong> Wer direkt bei Markowitz (<a href="#kap-markowitz">Kapitel 19</a>) einsteigt, erhält absurde Portfoliogewichte und weiß nicht, warum.</p>
<p><strong>Notebook:</strong> <code>Notebooks_04/finanzdaten.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/finanzdaten.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/finanzdaten.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:finanzdaten-schnellstart">18.1 In 5 Minuten gelöst</h2>
@ -23032,8 +23014,7 @@ Ausfallraten und jede andere geschaetzte Groesse.
<code>Diversifikation_Demo.py</code><br />
<code>Markowitz_CVXPY.py</code><br />
<code>Renditeschaetzung_Falle.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/markowitz.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/markowitz.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/markowitz.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:markowitz-schnellstart">19.1 In 5 Minuten gelöst</h2>
@ -24010,8 +23991,7 @@ Drei praktische Konsequenzen:
<p><strong>Programme:</strong><br />
<code>VaR_CVaR_Demo.py</code><br />
<code>CVaR_Portfolio.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/cvar.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/cvar.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/cvar.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:cvar-schnellstart">20.1 In 5 Minuten gelöst</h2>
@ -24667,8 +24647,7 @@ CVaR: Portfolio 101.33 vs. Summe 159.24 -&gt; subadditiv (kohaerent)
<code>Backtest_Fallen.py</code><br />
<code>Data_Snooping.py</code></p>
<p><strong>⚠️ Keine Anlageberatung.</strong> Dieses Kapitel demonstriert Methodik an realen Daten, keine handelbare Strategie. <a href="#sec:handelsmaschine-vom-backtest-zum-betrieb">Abschnitt 21.7</a> erklärt ausführlich, warum ein guter Backtest noch lange keine funktionierende Strategie ist.</p>
<p><strong>Notebook:</strong> <code>Notebooks_04/handelsmaschine.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/handelsmaschine.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/handelsmaschine.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:handelsmaschine-schnellstart">21.1 In 5 Minuten gelöst</h2>
@ -25728,8 +25707,7 @@ von allen Fehlversuchen genau einen: den erfolgreichsten.
<code>Betriebsueberwachung.py</code><br />
<code>or_kern.py</code><br />
<code>Solverwechsel_CPSAT_HiGHS.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/praxisfallen.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/praxisfallen.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/praxisfallen.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:praxisfallen-schnellstart">22.1 In 5 Minuten gelöst</h2>
@ -28148,8 +28126,7 @@ sichtbar wird, und gibt Zeit zum Handeln.
<code>Mutationstest.py</code><br />
<code>Benchmark_Skalierung.py</code><br />
<code>Optimierungsdienst.py</code></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/testing.ipynb</code><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/testing.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <code>Notebooks_04/testing.ipynb</code></p>
</blockquote>
<hr />
<h2 id="sec:testing-schnellstart">23.1 In 5 Minuten gelöst</h2>

View file

@ -112,8 +112,7 @@
<code>Zuordnung_Ungarisch.py</code><br />
<code>VRP_Flotten_Routing.py</code><br />
<code>VRP_Kapazitaetsfalle.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/graphen.ipynb">graphen.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/graphen.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/graphen.ipynb">graphen.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -112,8 +112,7 @@
<code>Backtest_Fallen.py</code><br />
<code>Data_Snooping.py</code></p>
<p><strong>⚠️ Keine Anlageberatung.</strong> Dieses Kapitel demonstriert Methodik an realen Daten, keine handelbare Strategie. <a href="#sec:handelsmaschine-vom-backtest-zum-betrieb">Abschnitt 21.7</a> erklärt ausführlich, warum ein guter Backtest noch lange keine funktionierende Strategie ist.</p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/handelsmaschine.ipynb">handelsmaschine.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/handelsmaschine.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/handelsmaschine.ipynb">handelsmaschine.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

3
OR_HTML_04/lp.html generated
View file

@ -124,8 +124,7 @@
<code>Sensitivitaetsanalyse.py</code><br />
<code>Dualitaet_Nachweis.py</code><br />
<code>Toleranzen_und_Entartung.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/lp.ipynb">lp.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/lp.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/lp.ipynb">lp.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -111,8 +111,7 @@
<code>Diversifikation_Demo.py</code><br />
<code>Markowitz_CVXPY.py</code><br />
<code>Renditeschaetzung_Falle.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/markowitz.ipynb">markowitz.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/markowitz.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/markowitz.ipynb">markowitz.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -109,8 +109,7 @@
<p><strong>Zeitbedarf:</strong> ca. 4 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Mehrziel_Pareto.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/mehrziel.ipynb">mehrziel.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/mehrziel.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/mehrziel.ipynb">mehrziel.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -111,8 +111,7 @@
<code>Simulated_Annealing.py</code><br />
<code>Metaheuristik_vs_Exakt.py</code><br />
<code>Large_Neighborhood_Search.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/metaheuristiken.ipynb">metaheuristiken.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/metaheuristiken.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/metaheuristiken.ipynb">metaheuristiken.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

3
OR_HTML_04/milp.html generated
View file

@ -114,8 +114,7 @@
<code>Solverstatus_und_Gap.py</code><br />
<code>Warmstart_Effekt.py</code><br />
<code>Big_M_Falle.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/milp.ipynb">milp.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/milp.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/milp.ipynb">milp.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -109,8 +109,7 @@
<p><strong>Zeitbedarf:</strong> ca. 3 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Vom_Wunsch_zum_Modell.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/modellierung.ipynb">modellierung.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/modellierung.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/modellierung.ipynb">modellierung.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -112,8 +112,7 @@
<code>Solver_Wahl.py</code><br />
<code>Modellierungsschichten.py</code><br />
<code>Vektorisierte_Modellgenerierung.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/oekosystem.ipynb">oekosystem.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/oekosystem.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/oekosystem.ipynb">oekosystem.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -116,8 +116,7 @@
<code>Betriebsueberwachung.py</code><br />
<code>or_kern.py</code><br />
<code>Solverwechsel_CPSAT_HiGHS.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/praxisfallen.ipynb">praxisfallen.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/praxisfallen.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/praxisfallen.ipynb">praxisfallen.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -109,8 +109,7 @@
<p><strong>Zeitbedarf:</strong> ca. 3,5 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Predict_then_Optimize.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/prognose.ipynb">prognose.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/prognose.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/prognose.ipynb">prognose.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -125,8 +125,7 @@
<code>KKT_Nachweis.py</code><br />
<code>Entropie_Maximierte_Allokation.py</code><br />
<code>Lokale_Optima_Multistart.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/qp-nlp.ipynb">qp-nlp.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/qp-nlp.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/qp-nlp.ipynb">qp-nlp.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -109,8 +109,7 @@
<p><strong>Zeitbedarf:</strong> ca. 4 Stunden.</p>
<p><strong>Programme:</strong><br />
<code>Kraftwerkseinsatz.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/supplychain.ipynb">supplychain.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/supplychain.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/supplychain.ipynb">supplychain.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -112,8 +112,7 @@
<code>Mutationstest.py</code><br />
<code>Benchmark_Skalierung.py</code><br />
<code>Optimierungsdienst.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/testing.ipynb">testing.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/testing.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/testing.ipynb">testing.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -113,8 +113,7 @@
<code>Stochastische_Optimierung.py</code><br />
<code>Robuste_Optimierung.py</code><br />
<code>Chance_Constraints.py</code></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/unsicherheit.ipynb">unsicherheit.ipynb</a><br />
<a href="https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/unsicherheit.ipynb">In Google Colab öffnen</a></p>
<p><strong>Notebook:</strong> <a href="Notebooks_04/unsicherheit.ipynb">unsicherheit.ipynb</a> — herunterladen und in Jupyter öffnen, in Colab hochladen oder mit dem Kurs-Image starten</p>
</blockquote>
</div>
<hr />

View file

@ -738,8 +738,7 @@ Diese Zeichen kommen erst in den Kapiteln vor, die über das klassische LP hinau
> `Bausteine_Vorlage.py`\
> `Excel_Bruecke.py`
>
> **Notebook:** `Notebooks_04/einfuehrung.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/einfuehrung.ipynb)
> **Notebook:** `Notebooks_04/einfuehrung.ipynb`
---
@ -1767,8 +1766,7 @@ Ein Programm, das abstürzt, ist harmlos — Sie sehen sofort, dass etwas nicht
> `Konvexitaet_Demo.py`\
> `Skalierung_Kondition.py`
>
> **Notebook:** `Notebooks_04/fundament.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/fundament.ipynb)
> **Notebook:** `Notebooks_04/fundament.ipynb`
---
@ -2891,8 +2889,7 @@ und runden Sie Solver-Ergebnisse NIE ohne Toleranzpruefung.
> `Modellierungsschichten.py`\
> `Vektorisierte_Modellgenerierung.py`
>
> **Notebook:** `Notebooks_04/oekosystem.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/oekosystem.ipynb)
> **Notebook:** `Notebooks_04/oekosystem.ipynb`
---
@ -4025,8 +4022,7 @@ Groesse Variante Aufbau Loesen Aufba
> **Programme:**\
> `Vom_Wunsch_zum_Modell.py`
>
> **Notebook:** `Notebooks_04/modellierung.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/modellierung.ipynb)
> **Notebook:** `Notebooks_04/modellierung.ipynb`
---
@ -4758,8 +4754,7 @@ Fällt Ihr Problem durch das Diagramm hindurch — nichtlineare Zielfunktion, un
> `Dualitaet_Nachweis.py`\
> `Toleranzen_und_Entartung.py`
>
> **Notebook:** `Notebooks_04/lp.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/lp.ipynb)
> **Notebook:** `Notebooks_04/lp.ipynb`
---
@ -5958,8 +5953,7 @@ brauchbare Aussage. Ein erfundener Einzelwert ist es nicht.
> `Warmstart_Effekt.py`\
> `Big_M_Falle.py`
>
> **Notebook:** `Notebooks_04/milp.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/milp.ipynb)
> **Notebook:** `Notebooks_04/milp.ipynb`
---
@ -7570,8 +7564,7 @@ funktioniert immer.
> `CP_SAT_Statusfaelle.py`\
> `Strafgewichte.py`
>
> **Notebook:** `Notebooks_04/cpsat.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/cpsat.ipynb)
> **Notebook:** `Notebooks_04/cpsat.ipynb`
---
@ -9183,8 +9176,7 @@ Nebenbedingungen. Alles, was einen Preis hat, wird irgendwann gekauft.
> `VRP_Flotten_Routing.py`\
> `VRP_Kapazitaetsfalle.py`
>
> **Notebook:** `Notebooks_04/graphen.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/graphen.ipynb)
> **Notebook:** `Notebooks_04/graphen.ipynb`
---
@ -10115,8 +10107,7 @@ plausibel aussieht.
> `Metaheuristik_vs_Exakt.py`\
> `Large_Neighborhood_Search.py`
>
> **Notebook:** `Notebooks_04/metaheuristiken.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/metaheuristiken.ipynb)
> **Notebook:** `Notebooks_04/metaheuristiken.ipynb`
---
@ -11490,8 +11481,7 @@ Genau deshalb bekommt sie ein eigenes Kapitel: [Kapitel 10](#kap-dekomposition).
> **Programme:**\
> `Spaltengenerierung.py`
>
> **Notebook:** `Notebooks_04/dekomposition.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/dekomposition.ipynb)
> **Notebook:** `Notebooks_04/dekomposition.ipynb`
---
@ -12217,8 +12207,7 @@ Zwei weitere Kapitel schließen sich an, weil sie dieselbe Voraussetzung aufgebe
> `Entropie_Maximierte_Allokation.py`\
> `Lokale_Optima_Multistart.py`
>
> **Notebook:** `Notebooks_04/qp-nlp.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/qp-nlp.ipynb)
> **Notebook:** `Notebooks_04/qp-nlp.ipynb`
---
@ -13336,8 +13325,7 @@ else:
> `Robuste_Optimierung.py`\
> `Chance_Constraints.py`
>
> **Notebook:** `Notebooks_04/unsicherheit.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/unsicherheit.ipynb)
> **Notebook:** `Notebooks_04/unsicherheit.ipynb`
---
@ -14520,8 +14508,7 @@ Der szenariobasierte Weg kennt diese Fälle, weil sie in den Daten stehen. Er ko
> `Bellman_Minimalbeispiel.py`\
> `Mehrperiodige_Order_Execution.py`
>
> **Notebook:** `Notebooks_04/dynamische-programmierung.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/dynamische-programmierung.ipynb)
> **Notebook:** `Notebooks_04/dynamische-programmierung.ipynb`
---
@ -15237,8 +15224,7 @@ Bei dynamischer Programmierung entscheidet eine einzige Frage über Erfolg oder
> **Programme:**\
> `Mehrziel_Pareto.py`
>
> **Notebook:** `Notebooks_04/mehrziel.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/mehrziel.ipynb)
> **Notebook:** `Notebooks_04/mehrziel.ipynb`
---
@ -15904,8 +15890,7 @@ Diese Zahl ist mit etwas vergleichbar, das das Unternehmen ohnehin kennt: dem in
> **Programme:**\
> `Predict_then_Optimize.py`
>
> **Notebook:** `Notebooks_04/prognose.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/prognose.ipynb)
> **Notebook:** `Notebooks_04/prognose.ipynb`
---
@ -16561,8 +16546,7 @@ Er hat drei Abschnitte, und Sie können nach jedem aufhören:
> **Programme:**\
> `Strukturbruecke.py`
>
> **Notebook:** `Notebooks_04/bruecke.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/bruecke.ipynb)
> **Notebook:** `Notebooks_04/bruecke.ipynb`
---
@ -17177,8 +17161,7 @@ Eine Analogie ist nur so nützlich wie die Grenzen, die man ihr zieht. Drei Ding
> **Programme:**\
> `Kraftwerkseinsatz.py`
>
> **Notebook:** `Notebooks_04/supplychain.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/supplychain.ipynb)
> **Notebook:** `Notebooks_04/supplychain.ipynb`
---
@ -17875,8 +17858,7 @@ Das ist keine akademische Feinheit, sondern die reale Lage der Energiewirtschaft
>
> **⚠️ Überspringen Sie dieses Kapitel nicht.** Wer direkt bei Markowitz ([Kapitel 19](#kap-markowitz)) einsteigt, erhält absurde Portfoliogewichte und weiß nicht, warum.
>
> **Notebook:** `Notebooks_04/finanzdaten.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/finanzdaten.ipynb)
> **Notebook:** `Notebooks_04/finanzdaten.ipynb`
---
@ -18690,8 +18672,7 @@ e 0: \mathbf{w}^ op\mathbf{S}\mathbf{w} = 0$ | „In genau diesen Richtungen mis
> `Markowitz_CVXPY.py`\
> `Renditeschaetzung_Falle.py`
>
> **Notebook:** `Notebooks_04/markowitz.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/markowitz.ipynb)
> **Notebook:** `Notebooks_04/markowitz.ipynb`
---
@ -19585,8 +19566,7 @@ Drei praktische Konsequenzen:
> `VaR_CVaR_Demo.py`\
> `CVaR_Portfolio.py`
>
> **Notebook:** `Notebooks_04/cvar.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/cvar.ipynb)
> **Notebook:** `Notebooks_04/cvar.ipynb`
---
@ -20251,8 +20231,7 @@ if __name__ == "__main__":
>
> **⚠️ Keine Anlageberatung.** Dieses Kapitel demonstriert Methodik an realen Daten, keine handelbare Strategie. [Abschnitt 21.7](#sec:handelsmaschine-vom-backtest-zum-betrieb) erklärt ausführlich, warum ein guter Backtest noch lange keine funktionierende Strategie ist.
>
> **Notebook:** `Notebooks_04/handelsmaschine.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/handelsmaschine.ipynb)
> **Notebook:** `Notebooks_04/handelsmaschine.ipynb`
---
@ -21204,8 +21183,7 @@ Sechs Kapitel, zwei Branchen, die sich für unvergleichbar halten. Die Werkstatt
> `or_kern.py`\
> `Solverwechsel_CPSAT_HiGHS.py`
>
> **Notebook:** `Notebooks_04/praxisfallen.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/praxisfallen.ipynb)
> **Notebook:** `Notebooks_04/praxisfallen.ipynb`
---
@ -23482,8 +23460,7 @@ sichtbar wird, und gibt Zeit zum Handeln.
> `Benchmark_Skalierung.py`\
> `Optimierungsdienst.py`
>
> **Notebook:** `Notebooks_04/testing.ipynb`\
> [In Google Colab öffnen](https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main/Notebooks_04/testing.ipynb)
> **Notebook:** `Notebooks_04/testing.ipynb`
---

View file

@ -79,13 +79,22 @@ NOTEBOOK_VERZ = os.path.join(BASIS, NOTEBOOK_NAME)
# Leerstring => es werden keine Colab-Badges erzeugt, nur lokale
# Notebook-Hinweise.
#
# ACHTUNG BEIM VEROEFFENTLICHEN: Der Pfad danach lautet 'Notebooks_04/<name>.ipynb'
# und wird relativ zur REPOSITORY-WURZEL aufgeloest. Seit der Trennung von
# Version 03 und 04 ist das Version_04/ - der Pfad stimmt also, sobald dieses
# Verzeichnis die Wurzel des neuen Repositorys ist. Zu aendern sind nur
# Kontoname und Repository-Name in der URL unten. Die 25 Badges auf den
# Kapitelseiten haengen daran; ein falscher Wert faellt erst beim Klicken auf.
COLAB_BASIS_URL = "https://colab.research.google.com/github/dschlueter/or-mit-python/blob/main"
# WARUM HIER EIN LEERSTRING STEHT: Das Repository liegt auf einer eigenen
# Forgejo-Instanz, und Colab kann Notebooks NUR aus GitHub, aus Google Drive
# oder aus einem Upload oeffnen. Die URL-Form
# 'colab.research.google.com/github/<konto>/<repo>/...' ist fest auf GitHub
# verdrahtet - eine selbstgehostete Adresse dort einzusetzen ergibt keinen
# Link zum eigenen Server, sondern einen toten GitHub-Link.
#
# Verloren geht dadurch nichts: Die 25 Notebooks liegen neben der Website in
# OR_HTML_04/Notebooks_04/ und bekommen einen echten Download-Link. Wer sie
# ohne eigene Installation ausfuehren will, nimmt das Kurs-Image
# (docker run -p 8888:8888 or-mit-python) - siehe README.md.
#
# Wer spaeter doch nach GitHub spiegelt, traegt hier die Basis-URL ein; der
# Pfad danach lautet 'Notebooks_04/<name>.ipynb' und wird relativ zur
# Repository-Wurzel aufgeloest, stimmt also unveraendert.
COLAB_BASIS_URL = ""
# Reihenfolge der Kapitel im Gesamtdokument
DATEIEN = [
@ -1885,6 +1894,10 @@ def ergaenze_notebook_hinweis(text: str, notebook: str | None,
lokal = (f"[{notebook}]({NOTEBOOK_NAME}/{notebook})" if als_link
else f"`{NOTEBOOK_NAME}/{notebook}`")
zeilen = [f"> **Notebook:** {lokal}"]
if als_link and not COLAB_BASIS_URL:
# Ohne Colab-Knopf soll wenigstens dastehen, was man mit der Datei tut.
zeilen[0] += (" \u2014 herunterladen und in Jupyter \u00f6ffnen, in Colab "
"hochladen oder mit dem Kurs-Image starten")
if COLAB_BASIS_URL:
ziel = f"{COLAB_BASIS_URL}/{NOTEBOOK_NAME}/{notebook}"
zeilen.append(f"> [In Google Colab öffnen]({ziel})")

View file

@ -1345,13 +1345,20 @@ Teilhistorie, die vollständig aussieht und es nicht ist. Volle Historie ginge n
### Was von außen kommen muss
1. **Remote-Repository anlegen und pushen.**
2. **Danach `COLAB_BASIS_URL`** in `build_version_04.py` (Zeile 88) auf Kontoname und
Repository-Namen setzen. Der Wert dort ist ein **Platzhalter**
(`dschlueter/or-mit-python`); die 25 Colab-Badges hängen daran, und ein falscher Wert
fällt erst beim Klicken auf. Danach `--html` neu bauen.
3. **Veröffentlichen.** `OR_HTML_04/` ist selbstgenügsam und direkt auf einen Webserver
kopierbar.
1. ✅ **Remote-Repository angelegt und gepusht** — <https://kitux.de/forgejo/dschlueter/operations_research>,
öffentlich, Branch `main`.
2. ✅ **`COLAB_BASIS_URL` geklärt — und zwar anders als geplant.** Der Platzhalter zeigte auf
GitHub, das Repository liegt auf einer eigenen Forgejo-Instanz. Colab öffnet Notebooks
**nur** aus GitHub, Google Drive oder einem Upload; die URL-Form
`colab.research.google.com/github/…` ist fest auf GitHub verdrahtet. Eine
selbstgehostete Adresse dort einzusetzen ergäbe keinen Link zum eigenen Server, sondern
einen toten GitHub-Link — der Kommentar im Quelltext („zu ändern sind nur Kontoname und
Repository-Name") ging von GitHub aus und war damit selbst irreführend.
Die Konstante steht jetzt auf `""`: Die Colab-Zeile entfällt, der **Download-Link auf das
Notebook bleibt**, ergänzt um den Hinweis, was man damit tut. Ein späterer GitHub-Spiegel
braucht weiterhin nur diesen einen Wert.
3. ⏳ **Veröffentlichen.** `OR_HTML_04/` ist selbstgenügsam und direkt auf einen Webserver
kopierbar. Sobald die Adresse feststeht, gehört sie ins README.
### Bewusst zurückgestellt (aus `Verbesserungen_02/_03`)

290
README.md
View file

@ -1,12 +1,108 @@
# Optimierte Entscheidungsfindung mit Python — Version 04
# Optimierte Entscheidungsfindung mit Python
Quellen, Build-Werkzeuge und Ausgaben des Lehrbuchs *Optimierte Entscheidungsfindung mit Python*
(Autor: Dieter Schlüter). Dieses Verzeichnis ist die Wurzel: Alle Skripte leiten ihre Pfade
daraus ab, und alle Befehle unten werden **hier** ausgeführt.
*Von der mathematischen Modellierung zu praktischen intelligenten Lösungen für Betrieb,
Technik und Finanzmärkte*
> Dies ist die Bau-Anleitung für das Repository. Der Wegweiser **für Leserinnen und Leser des
> Buchs** — Aufbau, Lernpfade, Voraussetzungen — steht in
> [`Operations_Research_mit_Python_Version_04/README.md`](Operations_Research_mit_Python_Version_04/README.md).
Ein Lehrbuch über Operations Research mit Python: **23 Kapitel in 5 Teilen, 5 Anhänge,
141 Aufgaben mit vollständigen Lösungen, 76 lauffähige Beispielprogramme, 25 Jupyter-Notebooks,
33 Diagramme — 760 PDF-Seiten.** Von der linearen Programmierung über Constraint Programming
und Metaheuristiken bis zu Portfoliooptimierung, CVaR und dem Weg vom Prototyp in den Betrieb.
Autor: **Dieter Schlüter** · Lizenz: MIT (Code) und CC BY-SA 4.0 (Text)
> **Der Grundsatz des Buchs:** Jede abgedruckte Ausgabe stammt aus einem echten Lauf des
> danebenstehenden Programms, jede Zahl im Text ist gerechnet und nicht geschätzt. Allein
> beim Nachbauen von zehn Diagrammen kamen so sieben Fehler ans Licht, die beim Hinsehen
> niemand bemerkt hatte.
---
## Das Buch lesen
| Format | Wo |
| --- | --- |
| **PDF**, 760 Seiten | [`Operations_Research_mit_Python_Version_04.pdf`](Operations_Research_mit_Python_Version_04.pdf) |
| **Website** — eine Seite je Kapitel, mit Volltextsuche, Stichwortverzeichnis und vier interaktiven Plotly-Figuren | `OR_HTML_04/index.html` im Browser öffnen |
| **Ein einziges HTML-Dokument** | `OR_HTML_04/gesamtdokument.html` |
Die Website ist selbstgenügsam — alle Verweise zeigen auf Unterverzeichnisse (`assets/`,
`bilder_04/`, `katex/`, `Notebooks_04/`). Der Ordner lässt sich unverändert auf einen
Webserver kopieren, ohne Konfiguration.
**Wegweiser durch den Inhalt** — Aufbau, Lernpfade, Voraussetzungen:
[`Operations_Research_mit_Python_Version_04/README.md`](Operations_Research_mit_Python_Version_04/README.md).
Vier rollenbezogene Einstiege (Entscheider, Ingenieure, Investoren, Studierende) stehen im
Vorwort des Buchs.
---
## Die Beispiele ausführen — drei Wege
### 1. Im Container, ohne etwas zu installieren
Der empfohlene Weg zum Ausprobieren. Das Kurs-Image bringt alle Solver in geprüften
Versionen mit.
```bash
docker build -t or-mit-python .
# JupyterLab mit allen 25 Kapitel-Notebooks -> http://127.0.0.1:8888
docker run --rm -p 127.0.0.1:8888:8888 or-mit-python
# oder ein einzelnes Programm
docker run --rm or-mit-python Installationstest.py
docker run --rm or-mit-python Rucksack.py
# Ergebnisdateien behalten (Excel-Mappen, Diagramme)
docker run --rm -v "$PWD/ausgabe:/buch/output" or-mit-python Excel_Bruecke.py
```
JupyterLab läuft im Image **ohne Zugangstoken** — für den eigenen Rechner richtig, und
deshalb steht oben `127.0.0.1:8888:8888` statt `8888:8888`: So ist der Dienst nur lokal
erreichbar. Stellen Sie den Container nicht ins offene Netz.
Das Image führt die Programme aus, **es baut das Buch nicht**: pandoc, xelatex und inkscape
wären zusammen über ein Gigabyte ohne Nutzen für jemanden, der rechnen will.
### 2. Schlanke lokale Installation
Über [`pyproject.toml`](pyproject.toml) und seine Gruppen — die Grundausstattung trägt den
Großteil des Buchs:
```bash
python3 -m venv .venv && source .venv/bin/activate
pip install -e . # numpy, scipy, pandas, matplotlib, openpyxl, pydantic, ortools, cvxpy
pip install -e ".[finance]" # scikit-learn, yfinance — Teil IV
pip install -e ".[large-scale]" # highspy, Pyomo, linopy, polars
pip install -e ".[api]" # fastapi, uvicorn, httpx — Kapitel Testen
pip install -e ".[notebook]" # jupyterlab
pip install -e ".[figures]" # plotly, graphviz — nur zum Neuerzeugen der Diagramme
pip install -e ".[dev]" # pytest
```
**`ortools` steht in der Grundausstattung, `highspy` erst in `[large-scale]`.** Das ist
Absicht: Beide bringen eine eigene HiGHS-Kopie mit und vertragen sich nicht im selben
Prozess. Wer nur die Grundausstattung installiert, kann in den Konflikt gar nicht geraten.
Die drei Programme, die beide brauchen, isolieren sie zur Laufzeit in getrennten Prozessen —
`ProcessPoolExecutor` mit `spawn` und `max_tasks_per_child=1`, erklärt im Kapitel „Das
Python-Ökosystem für OR".
### 3. Alles auf einen Schlag
So wie im Buch abgedruckt, über
[`requirements.txt`](Operations_Research_mit_Python_Version_04_Programme/requirements.txt):
```bash
pip install -r Operations_Research_mit_Python_Version_04_Programme/requirements.txt
```
> **Prüfen Sie die Installation, bevor Sie anfangen:**
> `python3 Operations_Research_mit_Python_Version_04_Programme/Installationstest.py`
> meldet für jedes Paket Version und Status und löst je Solver-Familie ein Mini-Modell.
**Vier der 76 Programme brauchen Internet** (Kursdaten über `yfinance`):
`CVaR_Portfolio.py`, `Finanzdaten_Ledoit_Wolf.py`, `Markowitz_CVXPY.py`,
`QuantitativeTradingEngine.py`. Alle übrigen laufen offline.
---
@ -15,29 +111,31 @@ daraus ab, und alle Befehle unten werden **hier** ausgeführt.
| Pfad | Rolle |
| --- | --- |
| `Operations_Research_mit_Python_Version_04/` | **Quelle**: 36 Kapiteldateien (inkl. 5 Teil-Synthesen) + Build-Skripte |
| `bilder_04/` | **Quelle**: Diagramme (SVG/PNG) + `erzeuge_*.py`-Generatoren |
| `bilder_04/` | **Quelle**: 33 Diagramme (SVG) + 16 `erzeuge_*.py`-Generatoren |
| `Kritik_und_Verbesserungsvorschlaege/` | **Quelle**: die Rezensionen und Vorschläge, die den Umbau ausgelöst haben |
| `pyproject.toml`, `Dockerfile`, `.dockerignore` | **Quelle**: Abhängigkeitsgruppen und Kurs-Image |
| `pandoc-defaults-*.yaml`, `pandoc/` | **Quelle**: Konfiguration des PDF-Baus |
| `PLAN.md` / `PROGRESS.md` | **Quelle**: Ziel des Umbaus und erreichter Stand |
| `Operations_Research_mit_Python_Version_04.md` | generiert: Gesamtdokument (Pandoc-Eingabe) |
| `Operations_Research_mit_Python_Version_04.pdf` | generiert: PDF, 760 Seiten |
| `OR_HTML_04/` | generiert: **Mehrseiten-Website** — dieser Ordner wird veröffentlicht |
| `Operations_Research_mit_Python_Version_04_Programme/` | generiert: 76 lauffähige Beispielprogramme |
| `Operations_Research_mit_Python_Version_04_Programme/` | generiert: 76 Beispielprogramme |
| `Notebooks_04/` | generiert: ein Jupyter-Notebook je Kapitel |
| `PLAN.md` / `PROGRESS.md` | das Ziel des Umbaus und der erreichte Stand |
| `pyproject.toml` | Abhängigkeiten in Gruppen (`finance`, `large-scale`, `api`, …) |
| `Dockerfile`, `.dockerignore` | zweistufiges Kurs-Image (führt die Programme aus, baut nicht das Buch) |
| `pandoc-defaults-*.yaml`, `pandoc/` | Konfiguration des PDF-Baus |
**Nur die als *Quelle* markierten Verzeichnisse werden von Hand bearbeitet.** Alles andere
wird erzeugt und bei jeder inhaltlichen Änderung neu gebaut — insbesondere gehören
Programmänderungen in den Kapitel-Codeblock, nicht in das Programme-Verzeichnis.
wird erzeugt und bei jeder inhaltlichen Änderung neu gebaut. Insbesondere gehören
**Programmänderungen in den Kapitel-Codeblock**, nicht in das Programme-Verzeichnis — sonst
gehen sie beim nächsten Bau verloren.
---
## Bauen
## Das Buch selbst bauen
Alle Befehle werden **in diesem Verzeichnis** ausgeführt; die Skripte leiten ihre Pfade aus
der eigenen Position ab.
```bash
cd Version_04
# nur prüfen: Struktur, Querverweise, Codezäune, harte Nummern
# nur prüfen: Struktur, Querverweise, Codezäune, harte Nummern, Lesekette
python3 Operations_Research_mit_Python_Version_04/build_version_04.py --check
# Gesamtdokument, PDF und Website
@ -45,115 +143,89 @@ python3 Operations_Research_mit_Python_Version_04/build_version_04.py --pdf --ht
# Beispielprogramme aus den Kapiteln extrahieren
python3 Operations_Research_mit_Python_Version_04/extract_programme_04.py
# ein Diagramm neu erzeugen (braucht die Gruppe [figures], teils 'dot')
python3 bilder_04/erzeuge_kondition.py
```
Die Website ist danach in `OR_HTML_04/` vollständig und **selbstgenügsam** — alle Verweise
zeigen auf Unterverzeichnisse (`assets/`, `bilder_04/`, `katex/`, `Notebooks_04/`). Der Ordner
lässt sich unverändert auf einen Webserver kopieren.
`--check` prüft mehr als die Struktur: fehlende Codezäune, tote Dateilinks, eine gebrochene
Lesekette, Lösungsabschnitte mit falscher Aufgabenzahl — und **jede von Hand geschriebene
Nummer**, die der Build selbst vergeben müsste. Diese Regel ist die in diesem Projekt am
häufigsten verletzte; acht Fälle wurden nachträglich gefunden, und jeder hat eine eigene
Prüfung hinterlassen.
---
### Externe Werkzeuge
## Voraussetzungen
**Python-Pakete** — alles auf einen Schlag, wie im Buch abgedruckt
([`requirements.txt`](Operations_Research_mit_Python_Version_04_Programme/requirements.txt)):
```bash
python3 -m venv .venv && source .venv/bin/activate
pip install -r Operations_Research_mit_Python_Version_04_Programme/requirements.txt
```
Wer eine schlanke Umgebung möchte, nimmt stattdessen [`pyproject.toml`](pyproject.toml) mit
seinen Gruppen — die Grundausstattung trägt den Großteil des Buchs:
```bash
pip install -e . # numpy, scipy, pandas, matplotlib, openpyxl, pydantic, ortools, cvxpy
pip install -e ".[finance]" # scikit-learn, yfinance
pip install -e ".[large-scale]" # highspy, Pyomo, linopy, polars
pip install -e ".[api]" # fastapi, uvicorn, httpx
pip install -e ".[figures]" # plotly, graphviz — nur zum Neuerzeugen der Diagramme
pip install -e ".[dev]" # pytest
```
**`ortools` steht in der Grundausstattung, `highspy` erst in `[large-scale]`.** Das ist
Absicht: Beide bringen eine eigene HiGHS-Kopie mit und vertragen sich nicht im selben
Prozess. Wer die Grundausstattung installiert, kann in den Konflikt gar nicht geraten —
`cvxpy` zieht `highspy` **nicht** nach, erkennt es aber, sobald `[large-scale]` es
mitgebracht hat.
`graphviz` fehlt in der `requirements.txt` — es wird allein von
`bilder_04/erzeuge_architektur_diagramme.py` gebraucht, nicht von den Beispielprogrammen,
und steht darum nur in `[figures]`.
### Oder im Container
Wer nichts installieren will, baut das Kurs-Image:
```bash
docker build -t or-mit-python .
docker run --rm or-mit-python Installationstest.py
docker run --rm or-mit-python Rucksack.py
docker run --rm -it or-mit-python # Python-Eingabe
docker run --rm -v "$PWD/ausgabe:/buch/output" or-mit-python Excel_Bruecke.py
```
Zweistufiger Bau: Die erste Stufe übersetzt die Abhängigkeiten in eine virtuelle Umgebung
und braucht dafür einen Compiler, die zweite kopiert nur das Ergebnis — die Bauumgebung
landet nicht im Image. Enthalten sind die Gruppen `finance`, `large-scale`, `api` und `dev`;
`figures` fehlt bewusst, weil es zusätzlich Graphviz verlangt und nur dem Neuerzeugen der
Diagramme dient.
**Das Image führt die Programme aus, es baut das Buch nicht.** Für PDF und Website braucht
es pandoc, xelatex und inkscape — zusammen über ein Gigabyte, ohne Nutzen für jemanden, der
die Beispiele durchrechnen will.
Zwei Punkte, die nicht offensichtlich sind: Das Image enthält `ortools` **und** `highspy`,
obwohl sie sich nicht gemeinsam importieren lassen — der Konflikt wird zur Laufzeit durch
getrennte Prozesse gelöst, nicht durch Weglassen. Und `libgomp1` muss im schlanken
Basis-Image nachinstalliert werden, sonst scheitert der erste Solveraufruf mit
`libgomp.so.1: cannot open shared object file`.
**Externe Werkzeuge**, je nachdem, was gebaut werden soll:
| Werkzeug | wofür | ohne es |
| Werkzeug | Wofür | Ohne es |
| --- | --- | --- |
| `pandoc` (≥ 3.0) | PDF und Website | `--pdf`/`--html` scheitern; `--check` läuft |
| `xelatex` + `texindy` | PDF | kein PDF; Website unberührt |
| `inkscape` | SVG-Grafiken im PDF | LaTeX bricht bei `\includesvg` ab |
| `dot` (Graphviz) | 5 der 15 Bildgeneratoren | nur beim Neuerzeugen dieser Diagramme nötig |
| `dot` (Graphviz) | 5 der 16 Bildgeneratoren | nur beim Neuerzeugen dieser Diagramme nötig |
**`OR_HTML_04/katex/`** ist externes Material und wird von keinem Skript erzeugt. Fehlt es,
bleiben die Formeln auf der Website ungesetzt.
---
## Zwei Werte, die beim Veröffentlichen zu setzen sind
1. **`COLAB_BASIS_URL`** in `Operations_Research_mit_Python_Version_04/build_version_04.py`.
Sie trägt Kontoname und Repository-Name; die 25 Colab-Badges auf den Kapitelseiten hängen
daran. Der Pfadteil `Notebooks_04/…` wird relativ zur Repository-Wurzel aufgelöst und
stimmt bereits. Ein Leerstring schaltet die Badges ab.
2. Nichts weiter. Alle übrigen Pfade sind relativ.
**Warum die PDF-Konfiguration doppelt vorliegt:** `pandoc-defaults-basis.yaml` ist eine Kopie
der Benutzerdatei `~/.config/pandoc/defaults.yaml` — mit **relativem** Pfad auf
`pandoc/header-includes.tex` statt des absoluten, der dort steht. Ohne diese Kopie könnte ein
frischer Klon kein PDF bauen. `build_version_04.py` bevorzugt sie und fällt auf die
Benutzerdatei zurück, falls sie fehlt.
---
## Warum die PDF-Konfiguration doppelt vorliegt
## Notebooks und Google Colab
`pandoc-defaults-basis.yaml` ist eine Kopie der Benutzerdatei
`~/.config/pandoc/defaults.yaml` (Schriften, Geometrie, Seitenlayout) — mit **relativem**
Pfad auf `pandoc/header-includes.tex` statt des absoluten, der dort steht. Ohne diese Kopie
könnte ein frischer Klon kein PDF bauen. `build_version_04.py` bevorzugt sie und fällt auf
die Benutzerdatei zurück, falls sie fehlt.
Jedes Kapitel hat ein Notebook in `Notebooks_04/`, und die Website verlinkt es zum
Herunterladen. Einen **Colab-Knopf gibt es bewusst nicht**: Colab öffnet Notebooks nur aus
GitHub, aus Google Drive oder aus einem Upload — eine selbstgehostete Git-Instanz kann es
nicht lesen. Wer ohne eigene Installation rechnen will, nimmt das Kurs-Image (Weg 1); wer
Colab bevorzugt, lädt die `.ipynb` herunter und dort hoch.
`pandoc-defaults-buch.yaml` enthält die projektspezifischen Überschreibungen
(Inhaltsverzeichnis und Nummerierung werden im Markdown selbst erzeugt, `-shell-escape` für
`\includesvg`). Die eigentliche Buchtypografie steht in `bilder_04/or_pdf_header.tex`.
Sollte das Repository später zusätzlich auf GitHub gespiegelt werden, genügt **ein** Wert:
`COLAB_BASIS_URL` in `build_version_04.py`. Der Pfad dahinter stimmt bereits.
---
## Lizenz
Zwei Lizenzen, je nachdem, was Sie verwenden:
| Was | Lizenz | Datei |
| --- | --- | --- |
| **Programmcode** — alle `.py`, Notebooks, `Dockerfile`, `pyproject.toml` | MIT | [`LICENSE`](LICENSE) |
| **Buchtext und Abbildungen**`.md`-Kapitel, PDF, Website, Diagramme | CC BY-SA 4.0 | [`LICENSE-TEXT.md`](LICENSE-TEXT.md) |
Ein Codeblock, der im Buchtext abgedruckt ist, bleibt Programmcode: Für ihn gilt MIT.
Die verwendeten Bibliotheken (HiGHS, Google OR-Tools, CVXPY, SciPy, Pyomo, linopy und
andere) stehen unter ihren eigenen Lizenzen. Für die Inhalte gibt es **keine
Gewährleistung** — die Modelle sind Lehrbeispiele; wer auf ihrer Grundlage betriebliche oder
finanzielle Entscheidungen trifft, tut das in eigener Verantwortung.
---
## Mitwirken
Fehler, Unklarheiten und Verbesserungsvorschläge sind willkommen. Besonders hilfreich:
* **Eine Zahl, die nicht stimmt.** Jede abgedruckte Ausgabe soll aus einem echten Lauf
stammen — ergibt Ihrer etwas anderes, ist das ein Fund. Bitte mit Python- und
Paketversion.
* **Eine Stelle, an der das Buch etwas behauptet, statt es zu zeigen.**
* **Ein Beispiel aus Ihrem Arbeitsalltag**, das ein Muster besser erklärt als das im Buch.
Wer selbst etwas ändert: Programmänderungen gehören in den **Kapitel-Codeblock**, danach
`extract_programme_04.py` laufen lassen. Vor dem Absenden `--check`. Die Konventionen stehen
kurz in `CLAUDE.md` und ausführlich in `PLAN.md` Abschnitt 9.
---
## Verlauf
Version 04 baut das Werk vom Nachschlagewerk zum Kursbegleiter um; alle sechs Phasen sind
abgeschlossen. **Was geplant war, steht in [`PLAN.md`](PLAN.md); was erreicht ist und woran
man das nachprüft, in [`PROGRESS.md`](PROGRESS.md)** — einschließlich der Funde unterwegs und
der Regeln, die sich daraus ergeben haben. Wer hier weiterarbeitet, liest beide zuerst.
Version 04 baut das Werk vom Nachschlagewerk zum Kursbegleiter um. **Was geplant war, steht
in [`PLAN.md`](PLAN.md); was erreicht ist und woran man das nachprüft, in
[`PROGRESS.md`](PROGRESS.md)** — einschließlich aller Funde unterwegs und der Regeln, die
sich daraus ergeben haben. Wer hier weiterarbeitet, liest beide zuerst.
Bis Version 03 hieß das Buch *Operations Research mit Python*.

View file

@ -91,6 +91,12 @@ dev = [
"pytest>=8.0",
]
# Die 25 Kapitel-Notebooks im Browser ausfuehren - ohne dass jemand etwas
# installieren muss. Das Kurs-Image (Dockerfile) bringt diese Gruppe mit.
notebook = [
"jupyterlab>=4.0",
]
# pymoo wird im Buch als Bibliothek fuer genetische Algorithmen empfohlen
# (Kapitel Metaheuristiken), aber von keinem Beispielprogramm importiert.
# Deshalb steht es hier eigenstaendig und nicht in der Grundausstattung.
@ -99,7 +105,7 @@ empfehlungen = [
]
alles = [
"or-mit-python[finance,large-scale,api,figures,dev,empfehlungen]",
"or-mit-python[finance,large-scale,api,figures,dev,notebook,empfehlungen]",
]
[tool.setuptools]