Literaturverzeichnis: alle Eintraege gegen Crossref geprueft

Die erste Fassung stuetzte sich bei rund 30 Eintraegen auf Kenntnis der
Standardliteratur statt auf eine Abfrage. Ein Skript hat jeden Eintrag einzeln
gegen die Crossref-API gestellt: DOIs ueber /works/{doi}, Eintraege ohne DOI
ueber die bibliografische Suche mit Aehnlichkeitsbewertung.

Ergebnis: 54 der 72 Eintraege tragen eine DOI, alle 54 loesen auf und zeigen
auf das richtige Werk. Die uebrigen 18 sind Webdokumentationen,
Institutsberichte, Konferenzbeitraege ohne DOI-Vergabe oder Buecher, die
Crossref nicht auf Buchebene fuehrt.

Zwei echte Fehler:

* Almgren & Chriss stand mit (2000) und der DOI 10.21314/JOR.2000.041 - die
  loest nicht auf. Richtig ist 2001 mit 10.21314/jor.2001.041; Band, Heft und
  Seitenzahlen stimmten.
* Rockafellar & Uryasev stand mit S. 21-42, und zwar schon in der
  Vorgaengerfassung. Der Verlagsdatensatz nennt S. 21-41.

Dazu sieben ergaenzte Buch-DOIs (Dantzig, Wolsey, Boyd/Vandenberghe, Ben-Tal
et al., Biere et al., Brandimarte/Zotteri, Powell), jede einzeln auf Verlag,
Jahr und Typ geprueft. Beim Handbook of Constraint Programming fuehrt Crossref
nur Kapitel-DOIs - statt eines geratenen Buch-DOI ist jetzt die Reihe genannt
(Foundations of Artificial Intelligence, Bd. 2).

Der lehrreichste Teil war das Verwerfen: Die Crossref-Suche liefert zu
"Network Flows" (Ahuja/Magnanti/Orlin) den Treffer 10.2307/2583863 mit 100 %
Titeluebereinstimmung - er gehoert zu einer Buchbesprechung von 1994, nicht
zum Buch. Ebenso falsch waren die Treffer zu Sutton/Barto (Rezension der
ersten Auflage, 1998), Bertsekas (1996), Kleppmann (Elsevier 2003) und dem
SCIP-Bericht (ein R-Paket). Eine automatische Uebernahme des besten Treffers
haette fuenf falsche DOIs ins Buch geschrieben; sichtbar wurde es erst beim
Abgleich von Typ, Verlag und Jahr.

Veroeffentlicht: 4 Dateien, PDF unveraendert 781 Seiten.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

OR_HTML_04/gesamtdokument.html

@@ -1356,7 +1356,10 @@
 <li><a href="#praxis-betrieb-test-und-auslieferung-von-optimierungsmodellen" id="toc-praxis-betrieb-test-und-auslieferung-von-optimierungsmodellen">Praxis: Betrieb, Test und Auslieferung von Optimierungsmodellen</a></li>
 <li><a href="#software-dokumentation-und-datenquellen" id="toc-software-dokumentation-und-datenquellen">Software, Dokumentation und Datenquellen</a></li>
 <li><a href="#verbände-normen-und-regulierung" id="toc-verbände-normen-und-regulierung">Verbände, Normen und Regulierung</a></li>
-<li><a href="#änderungsprotokoll" id="toc-änderungsprotokoll">Änderungsprotokoll</a></li>
+<li><a href="#änderungsprotokoll" id="toc-änderungsprotokoll">Änderungsprotokoll</a>
+<ul>
+<li><a href="#prüfung-gegen-crossref" id="toc-prüfung-gegen-crossref">Prüfung gegen Crossref</a></li>
+</ul></li>
 </ul></li>
 </ul>
 </nav>
@@ -33084,7 +33087,7 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <li>★★★ <strong>Nocedal, J. &amp; Wright, S. J. (2006):</strong> <em>Numerical Optimization</em> (2. Aufl.). Springer, New York. DOI: 10.1007/978-0-387-40065-5 [Numerik der Optimierung] <em>Warum Verfahren numerisch scheitern: Konditionierung, Schrittweitensteuerung, Konvergenzraten. Die Grundlage des Abschnitts über Skalierung und Ruiz-Equilibrierung.</em></li>
 <li>★★ <strong>Hillier, F. S. &amp; Lieberman, G. J. (2021):</strong> <em>Introduction to Operations Research</em> (11. Aufl.). McGraw-Hill, New York. [OR-Überblick] <em>Breite Einführung inklusive Warteschlangen, Entscheidungsmodellen und Simulation — die Themen, die dieses Buch bewusst auslässt.</em></li>
 <li>★★ <strong>Kallrath, J. (2021):</strong> <em>Business Optimization Using Mathematical Programming</em> (2. Aufl.). Springer, Cham. DOI: 10.1007/978-3-030-73237-0 [Modellierungspraxis] <em>Der Brückenschlag von der betrieblichen Fragestellung zum Modell, mit ausführlichem Katalog industrieller Anwendungsfälle. Nächster Nachbar zu <a href="#kap-modellierung">Kapitel 4</a>.</em></li>
-<li>★ <strong>Dantzig, G. B. (1963):</strong> <em>Linear Programming and Extensions.</em> Princeton University Press. [Historisch] <em>Das Originalwerk des Erfinders des Simplex-Algorithmus. Historisch bedeutend, für die tägliche Arbeit heute entbehrlich.</em></li>
+<li>★ <strong>Dantzig, G. B. (1963):</strong> <em>Linear Programming and Extensions.</em> Princeton University Press. DOI: 10.1515/9781400884179 [Historisch] <em>Das Originalwerk des Erfinders des Simplex-Algorithmus. Historisch bedeutend, für die tägliche Arbeit heute entbehrlich.</em></li>
 </ul>
 <h2 id="modellierung-in-python-bibliotheken-und-modellierungsschichten">Modellierung in Python: Bibliotheken und Modellierungsschichten</h2>
 <p><em>Zu <a href="#kap-oekosystem">Kapitel 3</a>.</em></p>
@@ -33099,7 +33102,7 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <h2 id="lineare-und-ganzzahlige-optimierung">Lineare und ganzzahlige Optimierung</h2>
 <p><em>Zu <a href="#kap-lp">Kapitel 5</a> und <a href="#kap-milp">Kapitel 6</a>.</em></p>
 <ul>
-<li>★★★ <strong>Wolsey, L. A. (2020):</strong> <em>Integer Programming</em> (2. Aufl.). Wiley, Hoboken. [Ganzzahlige Optimierung] <em>Branch-and-Bound, Branch-and-Cut, Polyedertheorie, Formulierungsstärke. Die Begründung dafür, warum ein kleines <span class="math inline">M</span> besser ist als ein großes.</em></li>
+<li>★★★ <strong>Wolsey, L. A. (2020):</strong> <em>Integer Programming</em> (2. Aufl.). Wiley, Hoboken. DOI: 10.1002/9781119606475 [Ganzzahlige Optimierung] <em>Branch-and-Bound, Branch-and-Cut, Polyedertheorie, Formulierungsstärke. Die Begründung dafür, warum ein kleines <span class="math inline">M</span> besser ist als ein großes.</em></li>
 <li>★★★ <strong>Conforti, M., Cornuéjols, G. &amp; Zambelli, G. (2014):</strong> <em>Integer Programming.</em> Springer, Cham. DOI: 10.1007/978-3-319-11008-0 [Ganzzahlige Optimierung] <em>Modernere Darstellung als Wolsey, mit ausführlicher Behandlung von Schnittebenen und totaler Unimodularität.</em></li>
 <li>★★ <strong>Klotz, E. &amp; Newman, A. M. (2013):</strong> <em>Practical guidelines for solving difficult mixed integer linear programs.</em> In: <em>Surveys in Operations Research and Management Science</em> 18(1–2), S. 18–32. DOI: 10.1016/j.sorms.2012.12.001 [Ganzzahlige Optimierung] <em>Was zu tun ist, wenn ein Modell nicht fertig rechnet — Skalierung, Formulierung, Symmetrie. Die Literaturgrundlage von <a href="#anhang-fehlerdiagnose">Anhang C</a>.</em></li>
 <li>★★ <strong>Achterberg, T. (2009):</strong> <em>SCIP: solving constraint integer programs.</em> In: <em>Mathematical Programming Computation</em> 1(1), S. 1–41. DOI: 10.1007/s12532-008-0001-1 [Solver: SCIP] <em>Beschreibt die Verbindung von MILP und Constraint Programming in einem Solver.</em></li>
@@ -33116,10 +33119,10 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <h2 id="constraint-programming-und-scheduling">Constraint Programming und Scheduling</h2>
 <p><em>Zu <a href="#kap-cpsat">Kapitel 7</a>.</em></p>
 <ul>
-<li>★★★ <strong>Rossi, F., van Beek, P. &amp; Walsh, T. (Hrsg., 2006):</strong> <em>Handbook of Constraint Programming.</em> Elsevier, Amsterdam. [Constraint Programming] <em>Nach wie vor das Referenzwerk zu Propagation, globalen Constraints und Suchstrategien.</em></li>
+<li>★★★ <strong>Rossi, F., van Beek, P. &amp; Walsh, T. (Hrsg., 2006):</strong> <em>Handbook of Constraint Programming.</em> Foundations of Artificial Intelligence, Bd. 2. Elsevier, Amsterdam. [Constraint Programming] <em>Nach wie vor das Referenzwerk zu Propagation, globalen Constraints und Suchstrategien.</em></li>
 <li>★★★ <strong>Perron, L. &amp; Furnon, V.:</strong> <em>OR-Tools CP-SAT Solver Documentation.</em> Google. <a href="https://developers.google.com/optimization/cp">developers.google.com/optimization/cp</a> [Solver: CP-SAT] <em>Die einzige vollständige Beschreibung des im Buch benutzten Solvers. Der Abschnitt zu <code>AddNoOverlap</code> und <code>AddCumulative</code> deckt sich mit <a href="#kap-cpsat">Kapitel 7</a>.</em></li>
 <li>★★ <strong>Laborie, P., Rogerie, J., Shaw, P. &amp; Vilím, P. (2018):</strong> <em>IBM ILOG CP Optimizer for scheduling.</em> In: <em>Constraints</em> 23(2), S. 210–250. DOI: 10.1007/s10601-018-9281-x [Scheduling] <em>Intervallvariablen und Ressourcenprofile aus Sicht des konkurrierenden Solvers — lehrreich für das Verständnis der Modellierungsprimitive.</em></li>
-<li>★★ <strong>Biere, A., Heule, M., van Maaren, H. &amp; Walsh, T. (Hrsg., 2021):</strong> <em>Handbook of Satisfiability</em> (2. Aufl.). IOS Press, Amsterdam. [SAT] <em>Die Grundlage dessen, was CP-SAT unter der Haube tut: Conflict-Driven Clause Learning, Klausellernen, Neustarts.</em></li>
+<li>★★ <strong>Biere, A., Heule, M., van Maaren, H. &amp; Walsh, T. (Hrsg., 2021):</strong> <em>Handbook of Satisfiability</em> (2. Aufl.). Frontiers in Artificial Intelligence and Applications, Bd. 336. IOS Press, Amsterdam. DOI: 10.3233/FAIA336 [SAT] <em>Die Grundlage dessen, was CP-SAT unter der Haube tut: Conflict-Driven Clause Learning, Klausellernen, Neustarts.</em></li>
 </ul>
 <h2 id="graphen-flüsse-und-tourenplanung">Graphen, Flüsse und Tourenplanung</h2>
 <p><em>Zu <a href="#kap-graphen">Kapitel 8</a>. Neuer Abschnitt.</em></p>
@@ -33147,7 +33150,7 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <h2 id="konvexe-und-nichtlineare-optimierung">Konvexe und nichtlineare Optimierung</h2>
 <p><em>Zu <a href="#kap-qp-nlp">Kapitel 11</a>.</em></p>
 <ul>
-<li>★★★ <strong>Boyd, S. &amp; Vandenberghe, L. (2004):</strong> <em>Convex Optimization.</em> Cambridge University Press. [Konvexe Optimierung] <em>Referenzwerk für konvexe Mengen, KKT-Bedingungen, QP und SDP; die theoretische Basis von CVXPY. Frei verfügbar unter <a href="https://web.stanford.edu/~boyd/cvxbook/">stanford.edu/~boyd/cvxbook</a>.</em></li>
+<li>★★★ <strong>Boyd, S. &amp; Vandenberghe, L. (2004):</strong> <em>Convex Optimization.</em> Cambridge University Press. DOI: 10.1017/CBO9780511804441 [Konvexe Optimierung] <em>Referenzwerk für konvexe Mengen, KKT-Bedingungen, QP und SDP; die theoretische Basis von CVXPY. Frei verfügbar unter <a href="https://web.stanford.edu/~boyd/cvxbook/">stanford.edu/~boyd/cvxbook</a>.</em></li>
 <li>★★ <strong>Kraft, D. (1988):</strong> <em>A Software Package for Sequential Quadratic Programming.</em> DFVLR-FB 88-28, Deutsche Forschungs- und Versuchsanstalt für Luft- und Raumfahrt, Köln. [Nichtlineare Optimierung] <em>Die Originalarbeit zu SLSQP — dem Verfahren hinter <code>scipy.optimize.minimize</code>.</em></li>
 <li>★★ <strong>Lobo, M. S., Vandenberghe, L., Boyd, S. &amp; Lebret, H. (1998):</strong> <em>Applications of second-order cone programming.</em> In: <em>Linear Algebra and its Applications</em> 284(1–3), S. 193–228. DOI: 10.1016/S0024-3795(98)10032-0 [Konische Optimierung] <em>Warum sich Risikoschranken und Normbedingungen als SOCP schreiben lassen — die Grundlage der Chance-Constraints-Formulierung in <a href="#kap-unsicherheit">Kapitel 12</a>.</em></li>
 </ul>
@@ -33155,7 +33158,7 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <p><em>Zu <a href="#kap-unsicherheit">Kapitel 12</a> und <a href="#kap-supplychain">Kapitel 17</a>. Aus dem früheren Block „Konvexe, nichtlineare und robuste Optimierung” herausgelöst und erweitert.</em></p>
 <ul>
 <li>★★★ <strong>Birge, J. R. &amp; Louveaux, F. (2011):</strong> <em>Introduction to Stochastic Programming</em> (2. Aufl.). Springer, New York. DOI: 10.1007/978-1-4614-0237-4 [Stochastische Optimierung] <em>Das Standardwerk zur zweistufigen Optimierung, Szenariobäumen und dem Wert perfekter Information (EVPI).</em></li>
-<li>★★★ <strong>Ben-Tal, A., El Ghaoui, L. &amp; Nemirovski, A. (2009):</strong> <em>Robust Optimization.</em> Princeton University Press. [Robuste Optimierung] <em>Die geschlossene Darstellung der robusten Gegenstücke und ihrer konischen Umformung.</em></li>
+<li>★★★ <strong>Ben-Tal, A., El Ghaoui, L. &amp; Nemirovski, A. (2009):</strong> <em>Robust Optimization.</em> Princeton University Press. DOI: 10.1515/9781400831050 [Robuste Optimierung] <em>Die geschlossene Darstellung der robusten Gegenstücke und ihrer konischen Umformung.</em></li>
 <li>★★★ <strong>Bertsimas, D. &amp; Sim, M. (2004):</strong> <em>The Price of Robustness.</em> In: <em>Operations Research</em> 52(1), S. 35–53. DOI: 10.1287/opre.1030.0065 [Robuste Optimierung] <em>Quelle des Budgeted-Uncertainty-Ansatzes: Der Parameter <span class="math inline">\Gamma</span> regelt stufenlos, wie vorsichtig die Lösung wird.</em></li>
 <li>★★ <strong>Nemirovski, A. &amp; Shapiro, A. (2007):</strong> <em>Convex Approximations of Chance Constrained Programs.</em> In: <em>SIAM Journal on Optimization</em> 17(4), S. 969–996. DOI: 10.1137/050622328 [Chance Constraints] <em>Zeigt, wann sich eine Wahrscheinlichkeitsbedingung konvex annähern lässt — und wann nicht.</em></li>
 <li>★★ <strong>Charnes, A. &amp; Cooper, W. W. (1959):</strong> <em>Chance-Constrained Programming.</em> In: <em>Management Science</em> 6(1), S. 73–79. DOI: 10.1287/mnsc.6.1.73 [Chance Constraints] <em>Die Originalarbeit, die den Begriff geprägt hat.</em></li>
@@ -33164,7 +33167,7 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <h2 id="dynamische-programmierung-und-sequenzielle-entscheidungen">Dynamische Programmierung und sequenzielle Entscheidungen</h2>
 <p><em>Zu <a href="#kap-dynamische-programmierung">Kapitel 13</a>. Neuer Abschnitt.</em></p>
 <ul>
-<li>★★★ <strong>Powell, W. B. (2022):</strong> <em>Reinforcement Learning and Stochastic Optimization: A Unified Framework for Sequential Decisions.</em> Wiley, Hoboken. [Dynamische Programmierung] <em>Ordnet dynamische Programmierung, approximative Verfahren und bestärkendes Lernen in einen gemeinsamen Rahmen — genau die Einordnung, die <a href="#kap-dynamische-programmierung">Kapitel 13</a> am Schluss vornimmt.</em></li>
+<li>★★★ <strong>Powell, W. B. (2022):</strong> <em>Reinforcement Learning and Stochastic Optimization: A Unified Framework for Sequential Decisions.</em> Wiley, Hoboken. DOI: 10.1002/9781119815068 [Dynamische Programmierung] <em>Ordnet dynamische Programmierung, approximative Verfahren und bestärkendes Lernen in einen gemeinsamen Rahmen — genau die Einordnung, die <a href="#kap-dynamische-programmierung">Kapitel 13</a> am Schluss vornimmt.</em></li>
 <li>★★★ <strong>Bertsekas, D. P. (2017):</strong> <em>Dynamic Programming and Optimal Control, Vol. I</em> (4. Aufl.). Athena Scientific, Belmont. [Dynamische Programmierung] <em>Die mathematisch strenge Darstellung des Optimalitätsprinzips und der Rückwärtsinduktion.</em></li>
 <li>★★ <strong>Sutton, R. S. &amp; Barto, A. G. (2018):</strong> <em>Reinforcement Learning: An Introduction</em> (2. Aufl.). MIT Press, Cambridge. [Reinforcement Learning] <em>Der Standardtext zum lernenden Gegenstück. Frei verfügbar auf der Seite der Autoren.</em></li>
 <li>★ <strong>Bellman, R. (1957):</strong> <em>Dynamic Programming.</em> Princeton University Press. [Historisch] <em>Das Originalwerk. Für die praktische Arbeit heute durch Powell und Bertsekas ersetzt.</em></li>
@@ -33190,16 +33193,16 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <li>★★★ <strong>Pochet, Y. &amp; Wolsey, L. A. (2006):</strong> <em>Production Planning by Mixed Integer Programming.</em> Springer, New York. DOI: 10.1007/0-387-33477-7 [Produktionsplanung] <em>Losgrößen, Rüstkosten, mehrstufige Stücklisten — die Modellbausteine hinter dem Produktionsteil des Buchs.</em></li>
 <li>★★★ <strong>Morales, J. M., Conejo, A. J., Madsen, H., Pinson, P. &amp; Zugno, M. (2014):</strong> <em>Integrating Renewables in Electricity Markets: Operational Problems.</em> Springer, New York. DOI: 10.1007/978-1-4614-9411-9 [Energiewirtschaft] <em>Kraftwerkseinsatz und Reservevorhaltung unter Einspeiseunsicherheit — der Anwendungsrahmen von <a href="#kap-supplychain">Kapitel 17</a>.</em></li>
 <li>★★ <strong>Van den Bergh, J., Beliën, J., De Bruecker, P., Demeulemeester, E. &amp; De Boeck, L. (2013):</strong> <em>Personnel scheduling: A literature review.</em> In: <em>European Journal of Operational Research</em> 226(3), S. 367–385. DOI: 10.1016/j.ejor.2012.11.029 [Personaleinsatzplanung] <em>Systematik der Modellvarianten für Schicht-, Dienst- und Vertretungspläne; Grundlage mehrerer Projekte der Projektwerkstatt.</em></li>
-<li>★★ <strong>Brandimarte, P. &amp; Zotteri, G. (2007):</strong> <em>Introduction to Distribution Logistics.</em> Wiley, Hoboken. [Supply Chain] <em>Verbindet Bestandsführung, Standortwahl und Tourenplanung — die drei Entscheidungen, die im Buch getrennt behandelt und im Supply-Chain-Kapitel zusammengeführt werden.</em></li>
+<li>★★ <strong>Brandimarte, P. &amp; Zotteri, G. (2007):</strong> <em>Introduction to Distribution Logistics.</em> Wiley, Hoboken. DOI: 10.1002/9780470170052 [Supply Chain] <em>Verbindet Bestandsführung, Standortwahl und Tourenplanung — die drei Entscheidungen, die im Buch getrennt behandelt und im Supply-Chain-Kapitel zusammengeführt werden.</em></li>
 </ul>
 <h2 id="quantitative-finanzmathematik">Quantitative Finanzmathematik</h2>
 <p><em>Zu <a href="#kap-finanzdaten">Kapitel 18</a>, <a href="#kap-markowitz">Kapitel 19</a>, <a href="#kap-cvar">Kapitel 20</a> und <a href="#kap-handelsmaschine">Kapitel 21</a>.</em></p>
 <ul>
 <li>★★★ <strong>Markowitz, H. (1952):</strong> <em>Portfolio Selection.</em> In: <em>The Journal of Finance</em> 7(1), S. 77–91. DOI: 10.2307/2975974 [Portfoliotheorie] <em>Die Arbeit, die das Zusammenspiel von Rendite und Kovarianz zum Optimierungsproblem gemacht hat.</em></li>
-<li>★★★ <strong>Rockafellar, R. T. &amp; Uryasev, S. (2000):</strong> <em>Optimization of Conditional Value-at-Risk.</em> In: <em>Journal of Risk</em> 2(3), S. 21–42. DOI: 10.21314/JOR.2000.038 [Risikomaße] <em>Der Satz, der die CVaR-Minimierung in ein lineares Programm überführt.</em></li>
+<li>★★★ <strong>Rockafellar, R. T. &amp; Uryasev, S. (2000):</strong> <em>Optimization of Conditional Value-at-Risk.</em> In: <em>Journal of Risk</em> 2(3), S. 21–41. DOI: 10.21314/JOR.2000.038 [Risikomaße] <em>Der Satz, der die CVaR-Minimierung in ein lineares Programm überführt.</em></li>
 <li>★★★ <strong>Ledoit, O. &amp; Wolf, M. (2004):</strong> <em>A well-conditioned estimator for large-dimensional covariance matrices.</em> In: <em>Journal of Multivariate Analysis</em> 88(2), S. 365–411. DOI: 10.1016/S0047-259X(03)00096-4 [Kovarianzschätzung] <em>Quelle des von <code>scikit-learn</code> verwendeten Shrinkage-Ziels (skalierte Einheitsmatrix).</em></li>
 <li>★★★ <strong>Cornuéjols, G., Peña, J. &amp; Tütüncü, R. (2018):</strong> <em>Optimization Methods in Finance</em> (2. Aufl.). Cambridge University Press. DOI: 10.1017/9781107297340 [Finanzoptimierung] <em>Die Brücke zwischen Optimierungstheorie und Finanzanwendung; deckt QP, SOCP und robuste Portfolios ab.</em></li>
-<li>★★★ <strong>Almgren, R. &amp; Chriss, N. (2000):</strong> <em>Optimal Execution of Portfolio Transactions.</em> In: <em>Journal of Risk</em> 3(2), S. 5–39. DOI: 10.21314/JOR.2000.041 [Orderausführung] <em>Das Modell hinter dem Beispiel zur optimalen Orderausführung in <a href="#kap-dynamische-programmierung">Kapitel 13</a>.</em></li>
+<li>★★★ <strong>Almgren, R. &amp; Chriss, N. (2001):</strong> <em>Optimal Execution of Portfolio Transactions.</em> In: <em>Journal of Risk</em> 3(2), S. 5–39. DOI: 10.21314/jor.2001.041 [Orderausführung] <em>Das Modell hinter dem Beispiel zur optimalen Orderausführung in <a href="#kap-dynamische-programmierung">Kapitel 13</a>.</em></li>
 <li>★★ <strong>Ledoit, O. &amp; Wolf, M. (2003):</strong> <em>Improved estimation of the covariance matrix of stock returns with an application to portfolio selection.</em> In: <em>Journal of Empirical Finance</em> 10(5), S. 603–621. DOI: 10.1016/S0927-5398(03)00007-0 [Kovarianzschätzung] <em>Die frühere Arbeit mit dem Konstant-Korrelations-Ziel.</em></li>
 <li>★★ <strong>DeMiguel, V., Garlappi, L. &amp; Uppal, R. (2009):</strong> <em>Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?</em> In: <em>Review of Financial Studies</em> 22(5), S. 1915–1953. DOI: 10.1093/rfs/hhm075 [Portfoliotheorie] <em>Die Studie, die 1/N als ernstzunehmenden Vergleichsmaßstab etabliert hat — der Grund, warum im Buch jeder Optimierer gegen sie antreten muss.</em></li>
 <li>★★ <strong>López de Prado, M. (2018):</strong> <em>Advances in Financial Machine Learning.</em> Wiley, Hoboken. [Backtesting] <em>Backtest-Overfitting, Deflated Sharpe Ratio, Denoising der Kovarianzmatrix. Die Literaturgrundlage der fünf Selbsttäuschungen des Backtestens.</em></li>
@@ -33241,5 +33244,15 @@ Insgesamt 2874 Solveraufrufe fuer die gesamte Diagnose.
 <p><strong>Zur Vorgabe „bevorzugt Werke ab 2018”:</strong> Sie ließ sich nur teilweise einlösen, und zwar aus der Sache heraus. In weiten Teilen des Operations Research sind die maßgeblichen Werke älter — Ahuja/Magnanti/Orlin (1993) zu Netzwerkflüssen, Boyd/Vandenberghe (2004) zur konvexen Optimierung, Ehrgott (2005) zur Mehrkriterialität, Birge/Louveaux (2011) zur stochastischen Programmierung. Sie durch jüngere, aber weniger maßgebliche Titel zu ersetzen hätte die Liste verschlechtert. Neuer als 2018 ist konsequent dort, wo sich das Feld tatsächlich bewegt hat: Solver-Benchmarks, Python-Bibliotheken und lernbasierte Optimierung.</p>
 <p><strong>Neue Themenabschnitte: zwölf.</strong> Sie entsprechen Kapiteln, die in der Vorgängerfassung keinen eigenen Literaturblock hatten: <em>Modellierung in Python</em>, <em>Lineare und ganzzahlige Optimierung</em>, <em>Moderne Solver und Benchmarks</em>, <em>Graphen, Flüsse und Tourenplanung</em>, <em>Metaheuristiken</em>, <em>Spaltengenerierung und Dekomposition</em>, <em>Optimierung unter Unsicherheit</em>, <em>Dynamische Programmierung</em>, <em>Mehrkriterielle Optimierung</em>, <em>Lernbasierte Optimierung</em>, <em>Supply Chain, Energie und Produktionsplanung</em> sowie <em>Praxis: Betrieb, Test und Auslieferung</em>. Der frühere Block „Konvexe, nichtlineare und robuste Optimierung” wurde dabei geteilt, weil das Buch Unsicherheit in einem eigenen Kapitel behandelt.</p>
 <p><strong>Nicht angelegt wurden zwei erwogene Abschnitte:</strong> <em>Diskrete Ereignissimulation</em> und <em>Cloud-basierte Solver-Nutzung</em>. Beide Themen kommen im Buch nicht vor — eine Literaturliste soll das Buch erschließen und nicht darüber hinausweisen. Der API-gestützte Betrieb eines Solvers ist stattdessen im Praxisblock erfasst.</p>
+<h3 id="prüfung-gegen-crossref">Prüfung gegen Crossref</h3>
+<p>Alle Einträge wurden einzeln gegen die Crossref-API geprüft — bei einem Literaturverzeichnis ist eine erfundene oder falsch zitierte Quelle der schwerste Fehler, weil der Leser sie sucht und nicht findet.</p>
+<p><strong>54 der 72 Einträge tragen eine DOI. Alle 54 lösen auf und zeigen auf das richtige Werk.</strong> Die übrigen 18 sind Webdokumentationen, Institutsberichte, Konferenzbeiträge ohne DOI-Vergabe oder Bücher, die Crossref nicht auf Buchebene führt.</p>
+<p>Dabei gefunden und berichtigt:</p>
+<ul>
+<li><strong>Almgren &amp; Chriss</strong> war mit <em>(2000)</em> und der DOI <code>10.21314/JOR.2000.041</code> angegeben. Diese DOI löst nicht auf. Richtig ist <strong>2001</strong> mit <code>10.21314/jor.2001.041</code>; Band, Heft und Seitenzahlen stimmten.</li>
+<li><strong>Rockafellar &amp; Uryasev</strong> war mit <em>S. 21–42</em> angegeben — bereits in der Vorgängerfassung. Der Verlagsdatensatz nennt <strong>S. 21–41</strong>.</li>
+<li><strong>Sieben Buch-DOIs ergänzt</strong> (Dantzig, Wolsey, Boyd/Vandenberghe, Ben-Tal et al., Biere et al., Brandimarte/Zotteri, Powell), jede einzeln auf Verlag, Jahr und Typ geprüft.</li>
+<li><strong>Ein Crossref-Treffer wurde verworfen:</strong> Zu <em>Network Flows</em> (Ahuja/Magnanti/Orlin) liefert die Suche <code>10.2307/2583863</code> — das ist eine Buchbesprechung von 1994, nicht das Buch. Der Eintrag bleibt ohne DOI.</li>
+</ul>
 </body>
 </html>