11.04.2026 –, HS i2 Sprache: Deutsch
SageMath (kurz Sage) vereint die Stärken vieler Open-Source-Libraries – von hochspezialisierten Computeralgebrasystemen über numerische Bibliotheken bis zu Graphentheorie-Paketen – alles unter einem einheitlichen Python-Interface. Aber wie wendet man sie auf reale Probleme an?
Im Vortrag möchte ich meine Praxiserfahrung aus über 10 Jahren Forschung im Bereich Computermathematik teilen – von graphentheoretischen Fragestellungen bis zur Performance-Skalierung vom Laptop zu tausenden Cluster-Nodes.
Insbesondere werden wir den Fokus auf sogenannte "Mixed Integer Programs" (MIP) legen, da viele praktische Fragestellungen wie Zuweisungs-, Packing- oder Routingprobleme sich als solche abbilden lassen. Standardmäßig nutzt Sage den OSS-Solver GLPK, kann jedoch auch kommerzielle Solver wie Gurobi verwenden (sobald eingerichtet, braucht es lediglich einen Parameter wie solver="gurobi"). Wichtig ist das Bewusstsein, dass viele Optimierungsprobleme NP-schwer sind – man braucht also oft einen anderen Zugang, eine alternative Formulierung, eine Relaxierung oder eine andere Methodik wie SAT- oder SMT-Solver, um weiterzukommen.
Ich habe den Informatik-Master an der TU Graz und mein Doktorat am Institut für Mathematik an der TU Berlin abgeschlossen. In den letzten 10 Jahren (PhD und PostDoc) habe ich im Schnittbereich Informatik-Mathematik geforscht und konnte mehrere jahrzehntealte offene Probleme lösen, darunter das Empty Hexagon Problem von Erdős und mehrere Vermutungen von Grünbaum aus den 1970ern. Dazu habe ich intensiv mit mathematischer OSS wie SageMath und SAT-Solvern gearbeitet, parallelisiert auf Clustern.
Website: https://manfredscheucher.github.io/