Die stochastische Optimierung beschäftigt sich mit Optimierungsproblemen unter Unsicherheiten. Bei diesen Optimierungsproblemen sind einige der Eingabedaten nicht bekannt zum Zeitpunkt der Entscheidungsfindung. Die stochastische Optimierung legt nun zugrunde, dass Informationen über die Verteilung der Eingabedaten bekannt sind. Diese Informationen werden dann in die Entscheidungsmodelle einbezogen um so optimale Entscheidungen unter Unsicherheiten zu treffen.

• Stochastische Optimierung/Stochastische Programmierung
• Modellierung und Optimierung von Energieproblemen
• Dekompositionsverfahren
• Large-scale Optimierung
• Globale Optimierung
• Gemischt-Ganzzahlige (Nicht-)Lineare Optimierung / Gemischt-Ganzzahlige (Nicht-)Lineare Programmierung
• Berechnung stückweise-linearer Funktionen

• BMWK: "ARTESIS - Adaptive und robuste Transformationspfade für Europa durch Modellierung sektor-integrierter Energiesysteme". (01/24 - 12/26)

• MathSEE: „Theoretical and Empirical Analysis of Matheuristics” (10/2022 – 09/2025)

• DFG: "Berechnung von optimalen stückweise linearen Funktionen und deren Anwendungen" (6/21-5/25)

• EOSC Secretariat: "Optimal Spatiotemporal Antiviral Release under Uncertainty" (10/20-4/21)
• German Scholars Organization (GSO) und Carl-Zeiss-Stiftung (CZS): Wissenschaftler-Rückkehrprogramm (04/18-03/20)

• PGMO: "Decomposition Methods for the Non-Linear Optimal Power Flow Problem“ (9/21-8/24)

• BMWi: "En4U - Entwicklungspfade eines dezentralen Energiesystems im Zusammenspiel der Entscheidungen privater und kommerzieller Energieakteure unter Unsicherheit" (4/21-7/24)

• John Warwicker und Steffen Rebennack, "Efficient Continuous Piecewise Linear Regression for Linearising Univariate Non-Linear Functions", "IISE Transactions".
• Christian Füllner und Steffen Rebennack, "Non-convex Nested Benders Decomposition", Mathematical Programming, 196: 987-1024, 2022
• Steffen Rebennack und Vitaliy Krasko, "Piecewise Linear Function Fitting via Mixed-Integer Linear Programming", INFORMS Journal on Computing, 32(2):507-530, 2020
• Timo Lohmann und Steffen Rebennack, "Tailored Benders Decomposition for a Long-Term Power Expansion Model with Short-Term Demand Response", Management Science, 63(6):2027-2048, 2017
• Gregory Steeger und Steffen Rebennack, "Dynamic Convexification within Nested Benders Decomposition using Lagrangian Relaxation: An Application to the Strategic Bidding Problem", European Journal of Operational Research, 257(2):669-686, 2017
• Steffen Rebennack, "Combining Sampling-based and Scenario-based Nested Benders Decomposition Methods: Application to Stochastic Dual Dynamic Programming", Mathematical Programming, 156(1):343-389, 2016
• Steffen Rebennack, "Computing Tight Bounds via Piecewise Linear Functions through the Example of Circle Cutting Problems", Mathematical Methods of Operations Research, 84(1):3-57, 2016
• Timo Lohmann, Amanda S. Hering, und Steffen Rebennack, "Spatio-Temporal Hydro Forecasting of Multireservoir Inflows for Hydro-Thermal Scheduling", European Journal of Operational Research, 255(1):243-258, 2016
• Stephen M. Frank und Steffen Rebennack, "Optimal Design of Mixed AC-DC Distribution Systems for Commercial Buildings: A Nonconvex Generalized Benders Decomposition Approach", European Journal of Operational Research, 242(3):710-729, 2015
• Steffen Rebennack, "Generation Expansion Planning under Uncertainty with Emissions Quotas", Electric Power Systems Research, 114:78-85, 2014

Die komplette Liste der Veröffentlichungen finden Sie hier.