Optimierte Entscheidungsfindung mit Python

Von der mathematischen Modellierung zu praktischen intelligenten Lösungen für Betrieb, Technik und Finanzmärkte

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
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. 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.

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 und seine Gruppen — die Grundausstattung trägt den Großteil des Buchs:

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:

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.

---

Was hier liegt

Pfad	Rolle
Operations_Research_mit_Python_Version_04/	Quelle: 36 Kapiteldateien (inkl. 5 Teil-Synthesen) + Build-Skripte
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 Beispielprogramme
Notebooks_04/	generiert: ein Jupyter-Notebook je Kapitel

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 — sonst gehen sie beim nächsten Bau verloren.

---

Das Buch selbst bauen

Alle Befehle werden in diesem Verzeichnis ausgeführt; die Skripte leiten ihre Pfade aus der eigenen Position ab.

# nur prüfen: Struktur, Querverweise, Codezäune, harte Nummern, Lesekette
python3 Operations_Research_mit_Python_Version_04/build_version_04.py --check

# Gesamtdokument, PDF und Website
python3 Operations_Research_mit_Python_Version_04/build_version_04.py --pdf --html

# 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

--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

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 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.

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.

---

Notebooks und Google Colab

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.

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
Buchtext und Abbildungen — .md-Kapitel, PDF, Website, Diagramme	CC BY-SA 4.0	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. Was geplant war, steht in PLAN.md; was erreicht ist und woran man das nachprüft, in 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.