Im Reisefieber – kurze Rundreisen und abwechslungsreiche Spaziergänge

 

Freitag, 11. Oktober 2019

 

Die Herbstferien stehen vor der Tür. Viele von euch haben sicher schon so einige Ausflüge mit Freunden zu Freizeitparks geplant. Und sicher kennt ihr die folgende Situation: Bevor es richtig losgehen kann, seid ihr erst einmal stundenlang unterwegs, um alle Freunde abzuholen. Die Fahrzeit hängt dabei davon ab, in welcher Reihenfolge ihr eure Freunde abholt. Da ihr lieber im Freizeitpark als im Auto seid, möchtet ihr die Dauer dieser Rundreise natürlich so kurz wie möglich gestalten. Ein solches Problem bezeichnen wir als Optimierungsproblem und es lässt sich – wie wir sehen werden – mit Mathematik lösen.

Im Freizeitpark angekommen, macht ihr euch erst einmal auf den Weg, um möglichst viele Attraktionen zu besuchen. Meistens passiert dabei folgendes: man kommt immer wieder an denselben Attraktionen vorbei. Andere spannende Bereiche seht ihr überhaupt nicht. Etwas langweilig. Damit so etwas in Zukunft nicht mehr passiert, werden wir lernen, wie man einen Spaziergang bestimmt, auf dem man möglichst schnell überall vorbeikommt. Dabei werden wir sogenannte Algorithmen – Kochrezepte zum Lösen eines Optimierungsproblems – kennenlernen und in die Welt der Graphen eintauchen.

Am Ende der Kinderuni werdet ihr sicherlich

  • nie mehr zu viel Zeit zum Abholen eurer Freunde im Auto verbringen
  • nie mehr planlos durch einen Freizeitpark laufen
  • und nie mehr Angst vor Mathematik haben
 

Die Dozentin

Christina Büsing ist seit 2016 Juniorprofessorin für Robuste Planung in der medizinischen Versorgung an der RWTH Aachen. In ihrer Forschung beschäftigt sie sich, wie mit Hilfe von mathematischen Methoden und Algorithmen Optimierungsprobleme aus der Praxis effizient gelöst werden können. Dabei hat sie besonders Fragestellungen aus dem Gesundheitswesen im Blick: Wie können Mobile Arztpraxen sinnvoll eingesetzt werden oder wie kann die Notdienstplanung der Apotheken in NRW optimal gestaltet werden. Da bei diesen Problemen immer bestmögliche Entscheidungen unter großen Unsicherheiten getroffen werden müssen, untersucht sie, wie diese Unsicherheiten in den Optimierungsprozess integriert werden können.