Reinforcement Learning in der Logistik

Die Lehrveranstaltung bietet eine praxisorientierte Einführung in das Reinforcement Learning mit Python. Zunächst werden grundlegende Konzepte der Pythonprogrammierung sowie zentrale Bibliotheken wie PyTorch, Gymnasium und Stable Baselines vorgestellt. Darauf aufbauend lernen die Studierenden wichtige RL-Methoden kennen und verstehen deren Funktionsweise, darunter value-basierte und policy-gradient-basierte Ansätze.

Im Mittelpunkt steht die praktische Umsetzung: Die Studierenden implementieren einfache RL-Agenten in Python, führen Trainings durch und lernen, die dabei entstehenden Ergebnisse zu analysieren und einzuordnen. Ergänzend werden grundlegende Konzepte neuronaler Netze behandelt und in den Kontext des Reinforcement Learnings eingeordnet, auch anhand anwendungsnaher Beispiele aus der Logistik.

Ein begleitendes Programmierprojekt fördert das eigenständige Arbeiten an konkreten Problemstellungen. Die Ergebnisse werden präsentiert und gemeinsam diskutiert, sodass neben fachlichen Fähigkeiten auch der konstruktive Umgang mit Feedback und die sichere Vorstellung eigener Lösungen gestärkt werden.