Version 04 als eigenes Repository

Erster Commit des Strangs "Optimierte Entscheidungsfindung mit Python"
(Version 04). Die Historie der 71 Commits bis zur Trennung bleibt im
uebergeordneten Repository OR_mit_Python liegen, das ab jetzt nur noch
Version_03 (eingefroren) verwaltet und Version_04/ ignoriert.

Bewusst kein "git subtree split": Der Pfad Version_04/ existiert erst seit
der Verzeichnistrennung, ein Split braechte daher nur 7 der 41 einschlaegigen
Commits - eine Teilhistorie, die vollstaendig aussieht und es nicht ist.

Stand: 5 Teile, 23 Kapitel, 5 Anhaenge, 292 Abschnitte, 703 Querverweise,
325 Indexmarken, 73 Beispielprogramme, 32 SVGs, 4 Plotly-Figuren,
25 Notebooks, PDF mit 715 Seiten.

Zusaetzlich in diesem Commit:

* pyproject.toml mit Abhaengigkeitsgruppen finance, large-scale, api,
  figures, dev, empfehlungen. Die abgedruckte requirements.txt bleibt
  unveraendert daneben bestehen. ortools steht in der Grundausstattung,
  highspy erst in [large-scale] - so kann der HiGHS-Symbolkonflikt bei der
  schlanken Installation gar nicht erst auftreten.

* Dabei zwei Funde: graphviz wird von erzeuge_architektur_diagramme.py
  importiert, fehlt aber in requirements.txt (jetzt in [figures]); pymoo
  steht in requirements.txt, wird aber von keinem Programm importiert,
  sondern nur im Kapitel Metaheuristiken empfohlen (jetzt in
  [empfehlungen]).

* NEUER_TITEL.md nach Kritik_und_Verbesserungsvorschlaege/ verschoben - es
  ist die Vorlage des Titelblatts, kein Bestandteil des Werks. Die beiden
  Fundstellen in PROGRESS.md und erzeuge_titelseite.py nachgezogen.

* PROGRESS.md nannte noch den Untertitel der ersten Fassung; auf den
  tatsaechlichen aus erzeuge_titelseite.py korrigiert.

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

OR_HTML_04/programme/Solver_Wahl.py

@@ -0,0 +1,73 @@
+#!/usr/bin/env python3
+
+# Solver_Wahl.py
+"""
+Kapitel Oekosystem: Entscheidungshilfe zur Solverwahl.
+Beantwortet drei Fragen und empfiehlt Bibliothek + Backend.
+"""
+
+from dataclasses import dataclass
+
+
+@dataclass
+class Problem:
+    diskrete_entscheidungen: bool   # Ja/Nein-Variablen, Zuordnungen, Reihenfolgen?
+    zielfunktion: str               # "linear" | "quadratisch" | "konvex" | "beliebig"
+    routing: bool = False           # Fahrzeuge, Depots, Zeitfenster?
+    groesse: str = "klein"          # "klein" (<10^3 Var.) | "gross"
+    wiederholte_laeufe: bool = False
+
+
+def empfehle(p: Problem) -> tuple[str, str, str]:
+    """Gibt (Bibliothek, Backend, Begründung) zurück."""
+    if p.routing:
+        return ("ortools.constraint_solver (Routing)", "Routing Engine",
+                "Spezialisierte Heuristiken für VRP/TSP schlagen jedes selbstgebaute Modell.")
+
+    if p.diskrete_entscheidungen:
+        if p.zielfunktion in ("linear",) and not p.routing:
+            if p.groesse == "gross":
+                return ("highspy", "HiGHS Branch-and-Cut",
+                        "MILP mit ökonomischer Struktur (Fixkosten, Kardinalität).")
+            return ("ortools.sat (CP-SAT)", "CP-SAT",
+                    "Logische Regeln und Zuweisungen: CP-SAT propagiert sehr effizient.")
+        return ("ortools.sat (CP-SAT)", "CP-SAT",
+                "Diskrete Struktur dominiert; CP-SAT verarbeitet auch nichtlineare Logik.")
+
+    if p.zielfunktion == "linear":
+        if p.wiederholte_laeufe or p.groesse == "gross":
+            return ("highspy", "HiGHS Dual Simplex",
+                    "Modell einmal aufbauen, Parameter ändern, wiederholt lösen.")
+        return ("scipy.optimize.linprog", "HiGHS",
+                "Kleinstes Setup, keine zusätzliche Abhängigkeit.")
+
+    if p.zielfunktion in ("quadratisch", "konvex"):
+        return ("cvxpy", "Clarabel / OSQP",
+                "Konvexität wird automatisch geprüft; Portfolio-Standard.")
+
+    return ("scipy.optimize.minimize", "SLSQP / trust-constr",
+            "Nicht konvex: nur lokales Optimum, Startpunkt variieren und vergleichen!")
+
+
+BEISPIELE = {
+    "Vertretungsplan Schule":        Problem(True,  "linear", groesse="klein"),
+    "Produktionsplanung (LP)":       Problem(False, "linear", groesse="klein"),
+    "Produktionsplanung, 50k Var.":  Problem(False, "linear", groesse="gross"),
+    "Portfolio Markowitz":           Problem(False, "quadratisch"),
+    "Portfolio mit max. 5 Titeln":   Problem(True,  "quadratisch"),
+    "Liefertouren mit Zeitfenstern": Problem(True,  "linear", routing=True),
+    "Entropie-Allokation (NLP)":     Problem(False, "beliebig"),
+    "Backtest, 60x neu optimieren":  Problem(False, "konvex", wiederholte_laeufe=True),
+}
+
+if __name__ == "__main__":
+    print("=" * 92)
+    print("  SOLVER-EMPFEHLUNG")
+    print("=" * 92)
+    for name, p in BEISPIELE.items():
+        lib, backend, grund = empfehle(p)
+        print(f"\n{name}")
+        print(f"   -> Bibliothek: {lib}")
+        print(f"      Backend:    {backend}")
+        print(f"      Grund:      {grund}")
+    print("\n" + "=" * 92)