Worum geht es in deiner Arbeit? Nichtlineare gemischt-ganzzahlige Optimierungsprobleme (MINLPs) spielen eine zentrale Rolle bei der Modellierung komplexer Energiesysteme und industrieller Prozesse. Der direkte Einsatz integrierter MINLP-Solver ist jedoch häufig mit hoher Rechenzeit und mangelnder Skalierbarkeit verbunden. Eine alternative Herangehensweise besteht darin, das Problem in zwei Phasen zu entkoppeln: Zunächst wird das gemischt-ganzzahlige Problem (MIP) gelöst, um eine binäre Struktur zu finden, welche im Anschluss im nichtlinearen Teilproblem (NLP) verfeinert wird. Im Rahmen dieser Abschlussarbeit sollen Strategien zur effektiven Entkopplung untersucht, implementiert und bewertet werden. Ziel ist es, Bedingungen und Heuristiken zu identifizieren, unter denen dieses zweistufige Vorgehen zuverlässige und qualitativ hochwertige Lösungen liefert   Deine Aufgaben: Analyse mathematischer und struktureller Bedingungen für eine sinnvolle Entkopplung Entwicklung heuristischer Verfahren zur Priorisierung binärer Konfigurationen Untersuchung von Modellvereinfachungen zur frühzeitigen Lösungsfindung Implementierung verschiedener Strategien in Pyomo Vergleich mit integrierten MINLP-Solvern anhand von Benchmarks und Praxisbeispielen