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/Stochastische_Optimierung.py

@@ -0,0 +1,119 @@
+#!/usr/bin/env python3
+
+# Stochastische_Optimierung.py
+"""
+Kapitel Unsicherheit: Two-Stage Stochastic Programming mit CVXPY.
+
+Eigenschaften:
+  * Die Analyse am Ende wird BERECHNET statt fest verdrahtet
+  * Vergleich gegen drei Alternativen: Mittelwert, Worst Case, perfekte Voraussicht
+  * Kennzahl EVPI (Wert perfekter Information) wird ausgewiesen
+"""
+
+import cvxpy as cp
+import numpy as np
+import pandas as pd
+
+SZENARIEN = ["Ruhig", "Volatil", "Crash"]
+WAHRSCHEINLICHKEIT = np.array([0.50, 0.30, 0.20])
+BEDARF = np.array([100.0, 250.0, 500.0])
+
+KOSTEN_VORAB = 40.0
+KOSTEN_SPOT = 120.0
+KOSTEN_LEERLAUF = 5.0
+
+S = len(SZENARIEN)
+
+
+def loese_stochastisch():
+    """Zweistufiges Modell: eine Vorabentscheidung, szenarioabhaengige Korrektur."""
+    x = cp.Variable(nonneg=True, name="Basiskapazitaet")        # Stufe 1
+    y_spot = cp.Variable(S, nonneg=True, name="Spot_Zukauf")    # Stufe 2
+    y_leer = cp.Variable(S, nonneg=True, name="Leerlauf")       # Stufe 2
+
+    # Kopplung: Basis + Zukauf - Leerlauf == Bedarf (je Szenario)
+    nebenbedingungen = [x + y_spot[s] - y_leer[s] == BEDARF[s] for s in range(S)]
+
+    erwartete_korrektur = sum(
+        WAHRSCHEINLICHKEIT[s] * (KOSTEN_SPOT * y_spot[s] + KOSTEN_LEERLAUF * y_leer[s])
+        for s in range(S))
+
+    problem = cp.Problem(cp.Minimize(KOSTEN_VORAB * x + erwartete_korrektur),
+                         nebenbedingungen)
+    problem.solve()
+    return problem, x, y_spot, y_leer
+
+
+def kosten_bei(kapazitaet):
+    """Erwartete Gesamtkosten fuer eine fest vorgegebene Kapazitaet."""
+    unter = np.maximum(BEDARF - kapazitaet, 0.0)
+    ueber = np.maximum(kapazitaet - BEDARF, 0.0)
+    je_szenario = KOSTEN_VORAB * kapazitaet + KOSTEN_SPOT * unter + KOSTEN_LEERLAUF * ueber
+    return float(WAHRSCHEINLICHKEIT @ je_szenario)
+
+
+if __name__ == "__main__":
+    problem, x, y_spot, y_leer = loese_stochastisch()
+    kapazitaet = float(x.value)
+    mittelwert = float(WAHRSCHEINLICHKEIT @ BEDARF)
+
+    print("=" * 82)
+    print("     STOCHASTISCHE TWO-STAGE OPTIMIERUNG (KAPAZITAETSPLANUNG)")
+    print("=" * 82)
+    print(f"Status: {problem.status}")
+    print(f"Erwarteter Bedarf (Mittelwert):   {mittelwert:.1f} Einheiten")
+    print(f"Optimale Stufe-1-Kapazitaet x*:   {kapazitaet:.1f} Einheiten")
+    print(f"Minimale erwartete Gesamtkosten:  {problem.value:,.2f} EUR\n")
+
+    tabelle = pd.DataFrame({
+        "Szenario": SZENARIEN,
+        "Wahrsch.": [f"{p*100:.0f} %" for p in WAHRSCHEINLICHKEIT],
+        "Bedarf": BEDARF,
+        "Basis genutzt": [min(kapazitaet, b) for b in BEDARF],
+        "Spot-Zukauf": np.round(y_spot.value, 1),
+        "Leerlauf": np.round(y_leer.value, 1),
+        "Kosten (EUR)": [f"{KOSTEN_VORAB*kapazitaet + KOSTEN_SPOT*y_spot.value[s] + KOSTEN_LEERLAUF*y_leer.value[s]:,.0f}"
+                         for s in range(S)],
+    })
+    print(tabelle.to_string(index=False))
+
+    # --- Vergleich mit Alternativstrategien (berechnet, nicht behauptet) --
+    print("\n" + "-" * 82)
+    print("Vergleich verschiedener Planungsstrategien:")
+    print(f"{'Strategie':<34} {'Kapazitaet':>11} {'Erw. Kosten':>14} {'Mehrkosten':>13}")
+    print("-" * 82)
+
+    optimal = problem.value
+    strategien = [
+        ("Stochastisch optimal", kapazitaet),
+        ("Naiv: Mittelwert einsetzen", mittelwert),
+        ("Vorsichtig: Worst Case abdecken", float(BEDARF.max())),
+        ("Optimistisch: Bestfall", float(BEDARF.min())),
+    ]
+    for name, kap in strategien:
+        kosten = kosten_bei(kap)
+        print(f"{name:<34} {kap:>11.1f} {kosten:>14,.0f} "
+              f"{kosten - optimal:>+13,.0f}")
+
+    # --- EVPI: Was waere perfekte Voraussicht wert? ----------------------
+    # Bei perfekter Information wuerde man je Szenario genau den Bedarf kaufen.
+    kosten_perfekt = float(WAHRSCHEINLICHKEIT @ (KOSTEN_VORAB * BEDARF))
+    evpi = optimal - kosten_perfekt
+    print("-" * 82)
+    print(f"Kosten bei perfekter Voraussicht:      {kosten_perfekt:>10,.0f} EUR")
+    print(f"Wert perfekter Information (EVPI):     {evpi:>10,.0f} EUR "
+          f"({evpi/optimal*100:.1f} % der Kosten)")
+    print("  -> So viel duerfte eine perfekte Bedarfsprognose hoechstens kosten.")
+
+    # --- Automatische Interpretation --------------------------------------
+    print("-" * 82)
+    if kapazitaet > mittelwert + 1e-6:
+        print(f"Analyse: Der Solver waehlt {kapazitaet:.0f} Einheiten und damit MEHR als")
+        print(f"den Mittelwert ({mittelwert:.0f}), weil Unterdeckung ({KOSTEN_SPOT:.0f} EUR)")
+        print(f"deutlich teurer ist als Leerlauf ({KOSTEN_LEERLAUF:.0f} EUR).")
+    elif kapazitaet < mittelwert - 1e-6:
+        print(f"Analyse: Der Solver waehlt {kapazitaet:.0f} und damit WENIGER als den")
+        print(f"Mittelwert ({mittelwert:.0f}) - Leerlauf ist hier teurer als Zukauf.")
+    else:
+        print("Analyse: Kapazitaet entspricht dem Mittelwert (symmetrische Kosten).")
+    print("=" * 82)