Sie sind auf Seite 1von 15

Zeitschrift für Planung & Unternehmenssteuerung (2007) 18: 207–221

DOI 10.1007/s00187-007-0024-1
O R I G I N A L P A P E R

Optimierung von Spielplänen am Beispiel


der Fußball-Bundesliga-Saison 2006/07

Brigitte Werners · Thomas Wülfing

Published online: 29 June 2007


© Springer-Verlag 2007

Zusammenfassung Bundesliga-Fußball erfreut sich in Deutschland großer Beliebt-


heit. Mehr als 10 Millionen Fans strömen Jahr für Jahr in die Stadien, um die 18
besten deutschen Fußballvereine im Kampf um die Deutsche Meisterschaft live zu
erleben. Die Bedeutung eines guten und gerechten Spielplans, der die verschieden-
sten, auch wirtschaftlichen Vorstellungen von Vereinen, Verbänden, Medien und Fans
berücksichtigt, hat in den vergangenen Jahren stark zugenommen. Im vorliegenden
Artikel wird ein auf die Struktur und die Belange der Fußball-Bundesliga zuge-
schnittenes binäres lineares Optimierungsmodell entwickelt und zur Erstellung eines
Spielplans für die Saison 2006/07 genutzt. Das Modell ist als erweitertes Zuord-
nungsmodell konzipiert und berücksichtigt die verschiedenen Anforderungen, die
teils hart über Restriktionen formuliert und teils über eine Minimierungszielfunktion
abgebildet werden. Dieses Modell ist mittels Standardsoftware auf einem PC optimal
lösbar und der ermittelte Spielplan ist gemessen an den vorgegebenen Anforderungen
im direkten Vergleich dem tatsächlichen Spielplan für die Saison 2006/07 überlegen.

Optimizing schedules of the German major soccer league exemplarily


for season 2006/07

Summary Soccer enjoys great popularity in Germany. More than 10 Million fans
surge into the stadiums each year to see the best 18 soccer clubs fighting for the
German championship. The importance of a good and fair schedule which meets the
demands of clubs, associations, media and fans has considerably increased in recent
years. In this contribution, a binary linear optimization model specific to structure
and requirements of the German major soccer league is developed and used to derive

Prof. Dr. B. Werners (u) · Dipl.-Ök. T. Wülfing


Lehrstuhl für Betriebswirtschaftslehre, insbes. Unternehmensforschung und Rechnungswesen,
Fakultät für Wirtschaftswissenschaft, Ruhr-Universität Bochum, 44780 Bochum, Deutschland
e-mail: or@ruhr-uni-bochum.de

13
208 B. Werners, T. Wülfing

a schedule for the season 2006/07. The model is designed as a modified assignment
model. Different requests are considered using constraints or appropriate quantifica-
tions in the objective function. This model can be solved to optimality using standard
software tools and a PC. Considering the specific demands the resulting schedule is
superior to the actual schedule for season 2006/07.

1 Ausgangssituation

Sportarten wie Baseball, Basketball und Eishockey in den USA sowie in Europa ins-
besondere Fußball ziehen die Massen an und sind so für Medien und Sponsoren glei-
chermaßen interessant. Neben diesen Interessengruppen versuchen zudem Vereine,
Verbände und nicht zuletzt auch die Fans der Mannschaften, ihre Position zu stärken
und Anforderungen an die Gestaltung des Spielbetriebs zu stellen. Dies steigert ei-
nerseits die Komplexität der Spielplanerstellung und erhöht damit andererseits die
Attraktivität für den Einsatz quantitativer Methoden zur Planung und Optimierung.
In den vergangenen Jahren wurde bereits vielfach das Optimierungspotenzial bei
der Erstellung von Spielplänen für Sportligen und -turniere erkannt und thematisiert.1
Tabelle 1 Beispiele anwendungsorientierter Literatur zur Spielplanoptimierung
Problemtyp Algorithmus Anwendungsbereich
Bartsch/Drexl/ Minimum-Break Semi-greedy algorithm / Fußball (Erste Bundesliga,
Kröger (2006) Truncated B&B Deutschland und Österreich)
Della Croce/ Minimum-Break Integer programming Fußball
Oliveri (2006) (Serie A, Italien)
Lim/Rodrigues/ Traveling-Tournament Simulated annealing/ Testdatensätze
Zhang (2006) Hill climbing
Nemhauser/Trick Minimum-Break Integer programming/ Basketball
(1998) Enumeration (Universitäts-Liga ACC, USA)
Rasmussen (2006) Minimum-Break Integer programming/ Fußball
Benders cut (SAS Ligaen, Dänemark)
Ribeiro/Urrutia Traveling-Tournament GRASP/ Fußball
(2007) Local Search (Meisterschaft, Brasilien)
Schreuder (1992) Minimum-Break Edge-colouring/ Fußball
Clustering algorithm (Ehrendivision, Niederlande)
Van Hentenryck/ Minimum-Break Simulated Annealing/ Testdatensätze
Vergados (2005) Local Search
Yang/Huang/ Traveling-Tournament Evolutionary algorithm Baseball
Horng (2002) (Major League Baseball, USA)

Grundsätzlich werden zwei verschiedene Typen von Modellformulierungen un-


terschieden. Bei ,,Constrained-Minimum-Break-Problemen“ wird als Ziel der Op-
timierung ein Spielplan angestrebt, der die Anzahl aufeinander folgender Heim-
bzw. Auswärtsspiele minimiert. ,,Travelling-Tournament-Probleme“ werden häufig
für Sportligen angewendet, bei denen die Mannschaften regional stark verteilt sind.
Hier wird als Zielfunktion eine Minimierung der insgesamt zurückzulegenden Entfer-
1Vgl. Rasmussen/Trick (2006) für eine ausführliche Einführung in die Thematik sowie die Literaturan-
gaben in Tabelle 1 für mehrere konkrete Anwendungen.

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 209

nung bzw. der damit verbundenen Reisekosten formuliert. Dabei werden meist Serien
aufeinander folgender Heim- bzw. Auswärtsspiele akzeptiert.
Die Problemstruktur bei der Spielplanoptimierung ist eng verwandt mit Schedul-
ing- und Zuordnungsproblemen unter Berücksichtigung zusätzlicher Anforderungen.
Beide Ansätze zur Optimierung von Spielplänen sind schwierig zu lösen.2 Daher
werden zur Modelllösung nur zum Teil auf Zuordnungsmodellen basierende, opti-
mierende Verfahren der ganzzahligen Programmierung verwendet. Häufig werden
stattdessen Metaheuristiken wie Simulated Annealing, Tabu Search oder evolutionäre
Algorithmen eingesetzt, die sich in ausführlichen Untersuchungen teils als sehr ef-
fizient erwiesen haben.3 Tabelle 1 zeigt verschiedene Beiträge aus der Literatur mit
Problemtyp, verwendetem Algorithmus und Anwendungsbereich.
Der deutsche Profi-Fußball umfasst die Erste und Zweite Bundesliga, in denen
jeweils 18 Vereine an 34 Spieltagen gegeneinander antreten. Die Vermarktung der
TV-Übertragungsrechte bringt allein in der Saison 2006/07 420 Millionen Euro
ein.4 Wie der Presse zu entnehmen ist5 , setzt die Deutsche Fußball Liga GmbH
(DFL), die den Spielbetrieb der beiden höchsten deutschen Ligen verantwortet, in
der Saison 2006/07 erstmalig auf einen Spielplan, der unter Verwendung quantita-
tiver Methoden von ILOG entwickelt worden ist. Durch das Optimierungssystem von
ILOG, die überwiegend Optimierungslösungen für Finanz-, Industrie- und Logistik-
unternehmen anbieten, wurden dabei mehrere Spielpläne ermittelt und der DFL zur
endgültigen Auswahl vorgeschlagen.
Bei der Festlegung des Spielplans der Fußball-Bundesligen sind diverse Anfor-
derungen zu berücksichtigen. Zum einen sind durch internationale Wettbewerbe
(UEFA, Champions-League etc.) und Turniere (Welt- und Europameisterschaften
sowie die zugehörigen Qualifikationsspiele) einzelne Wochentage oder ganze Wo-
chenenden belegt. Zum anderen sind die Inhaber der TV-Übertragungsrechte sowie
Sponsoren bestrebt, einen möglichst guten Sendeplatz für die Bundesligaspiele zu er-
halten. Darüber hinaus sind die Interessen der Vereine und der Fans, insbesondere bei
der Bestimmung der Anstoß-Zeiten, zu beachten. Aus diesen Gründen wird vor der
eigentlichen Erstellung der Spielpläne ein Rahmenterminkalender vereinbart, der die
Daten und Anstoß-Zeiten aller Spieltage vorgibt.
Im Rahmenterminkalender der Saison 2006/07 wurde für die Erste Bundesliga
beispielsweise festgelegt, dass einige Spieltage dienstags und mittwochs jeweils um
20:00 Uhr ausgetragen werden. Der Großteil der Spiele findet allerdings an Wo-
chenenden statt. Dabei sollen pro Wochenendspieltag jeweils ein Freitagsspiel um
20:30 Uhr, sechs Samstagsspiele um 15:30 Uhr und zwei Sonntagsspiele um 17:00
Uhr angepfiffen werden. Lediglich an den letzten beiden Spieltagen der Saison finden
aus Gründen der Chancengleichheit und Manipulationssicherheit alle Spiele parallel
statt.

2 Post/Woeginger (2006) oder allgemein zur Komplexitätstheorie Wegener (2003), S. 69ff.


3 Aufgrund der Vielzahl der in der Literatur verwendeten Verfahren zur Lösung von Spielplan-Problemen
wird auf eine detaillierte Vorstellung einzelner Methoden verzichtet. Vgl. etwa Zimmermann (2005),
S. 271ff. für einen Überblick über gängige heuristische Verfahren.
4 Vgl. Quitzau (2006), S. 200 sowie Kruse (2004), S. 3 zur zeitlichen Entwicklung der Erlöse aus der

Vergabe der TV-Übertragungsrechte.


5 Vgl. etwa Pressebox (2006).

13
210 B. Werners, T. Wülfing

Bei der Planung, welche Partien freitags oder sonntags ausgetragen werden, ist
darauf zu achten, dass möglichst benachbarte Vereine gegeneinander spielen, aber
auch spannende und damit medienwirksame Spiele übertragen werden. Zudem sol-
len für die Teilnehmer an internationalen Wettbewerben durch Freitags- oder Sonn-
tagsspiele längere Ruhephasen erreicht werden. Da zum Zeitpunkt der Spielplan-
erstellung jedoch noch nicht bekannt ist, wie weit die Vereine in den internationa-
len Wettbewerben kommen werden, erfolgt die Festlegung der Paarungen für die
Freitags- und Sonntagsspiele erst während der Saison einige Wochen vor den jewei-
ligen Spielen.
Der Spielmodus der Ersten und Zweiten Bundesliga wird als ,,gespiegeltes
Double-Round-Robin-Tournament“ (DRR) bezeichnet.6 In einem Round-Robin-
Tournament trifft eine gerade Anzahl M von Mannschaften an M-1 aufeinander
folgenden Spieltagen jeweils genau einmal aufeinander. Ein gespiegeltes DRR be-
steht aus einer Hin- und einer Rückrunde, wobei jede Mannschaft gegen jeden
Gegner ein Spiel zu Hause und ein Spiel auswärts bestreitet. Die Paarungen der Hin-
runde entsprechen denen der Rückrunde. Eine Paarung, die für Spieltag t angesetzt
ist, findet in der Rückrunde an Spieltag t + M-1 mit getauschtem Heimrecht statt.
Im folgenden Kapitel werden verschiedene Anforderungen an Spielpläne und
in der Literatur verwendete Vorgehensweisen zur Spielplanoptimierung vorgestellt.
Aufbau und Funktionsweise des von ILOG verwendeten Optimierungsansatzes wur-
den bislang nicht veröffentlicht. Ebenso ist der Anforderungskatalog der DFL an den
Spielplan für die Saison 2006/07 bislang nicht zugänglich. Daher werden auf Ba-
sis verschiedener Einzelinformationen Anforderungen an den Spielplan für die Sai-
son 2006/07 der Ersten Bundesliga definiert. Ein lineares Optimierungsmodell wird
entwickelt und zur Ermittlung eines zulässigen Spielplans herangezogen. Die Qua-
lität dieses Spielplans wird abschließend durch einen Vergleich mit dem tatsächlich
gewählten Spielplan beurteilt.

2 Anforderungen und Vorgehen bei der Spielplanoptimierung

Das Grundproblem der Spielplanerstellung kann als lineares Zuordnungsmodell ab-


gebildet werden, bei dem eine Menge von Spielpaarungen einer Menge von Spiel-
tagen zugeordnet werden muss. Erst die zusätzlichen Anforderungen, die an einen
Spielplan gestellt werden, bedingen, dass Methoden der ganzzahligen linearen Opti-
mierung anzuwenden sind. In einer Übersicht werden typische Anforderungen an die
Spielpläne von Sportligen systematisiert dargestellt.7
– Heim-Auswärts-Anforderungen: Die Festlegung der Heim- und Auswärtsspiele der
Vereine ist in der Regel ein wesentlicher Bestandteil der Spielplanerstellung. Zur
Gewährleistung eines gerechten Spielbetriebs soll weitestgehend vermieden wer-
den, dass eine Mannschaft mehrfach hintereinander zu Hause bzw. auswärts antritt.
– Top-Team-Anforderungen: Ein Spielplan sollte so aufgebaut sein, dass Mannschaf-
ten nicht mehrfach hintereinander gegen die am stärksten eingeschätzten Vereine
6 Vgl. Henz (1999), S. 545–546; Ribeiro/Urrutia (2007), S. 777.
7 Vgl. Rasmussen/Trick (2006), S. 5–6.

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 211

der Liga spielen müssen. Dies soll zu einer gleichmäßigeren und als gerecht emp-
fundenen Verteilung der vermeintlich ,,schweren“ und ,,leichten“ Spiele über die
Saison führen, sodass sich Stärke- oder Schwächeperioden einzelner Vereine nicht
übermäßig deutlich auf das Saisonergebnis auswirken.
– Spielort-Anforderungen: Finden an bestimmten Spieltagen Großereignisse statt
oder stehen Stadien nicht zur Verfügung, muss gewährleistet werden, dass die
betroffenen Vereine Auswärtsspiele haben. Ebenso können Präferenzen von Ver-
einen berücksichtigt werden, die an einem bestimmten Spieltag zu Hause spielen
möchten.
– Komplementaritäts-Anforderungen: Bei benachbarten Vereinen oder bei Mann-
schaften, die sich das gleiche Stadion teilen, muss möglicherweise sichergestellt
werden, dass keine parallelen Heimspiele stattfinden.
– Regional-Anforderungen: In Ballungsgebieten erscheint es vielfach nicht sinn-
voll, dass eine große Anzahl von Heimspielen parallel stattfindet. Durch Res-
triktionen kann eine gleichmäßigere regionale Aufteilung der Heimspiele erreicht
werden.
– Spielpaarung-Anforderungen: Insbesondere die Inhaber der TV-Übertragungs-
rechte haben ein Interesse daran, ,,große“ Spiele live zu übertragen. Durch die
Festlegung von Spielpaarungen auf bestimmte Spieltage kann beispielsweise er-
reicht werden, dass an jedem Spieltag mindestens ein ,,Klassiker“ oder ,,Derby“
stattfindet.

Die Reduzierung aufeinander folgender Heim- bzw. Auswärtsspiele wird in der Li-
teratur als ,,Constrained-Minimum-Break-Problem“ bezeichnet.8 Unter einem Break
werden dabei zwei Heim- bzw. Auswärtsspiele hintereinander verstanden. Wie durch
DE WERRA auf Basis graphentheoretischer Erkenntnisse gezeigt wird, liegt die
Anzahl von Breaks in einem gespiegelten DRR mit M Vereinen bei mindestens
3M−6.9 Durch kanonische 1-Faktorisierung wird bewiesen, dass für jede Anzahl M
zulässige Spielpläne ermittelt werden können, die diese untere Schranke erreichen.
Für M = 4 gilt zusätzlich, dass Spielpläne mit minimaler Anzahl Breaks existieren,
bei denen kein Team zwei aufeinander folgende Breaks hat. Für die deutsche Fußball-
Bundesliga mit M = 18 Mannschaften bedeutet die untere Schranke, dass Spielpläne
gefunden werden können, die mit der minimalen Anzahl von 48 Breaks auskommen.
Zur Erstellung eines Spielplans unter Berücksichtigung des Minimum-Break-
Problems sind vier Schritte identifiziert worden.10
1. Patterns werden generiert. Ein Pattern bezeichnet eine Abfolge von Heim- und
Auswärtsspielen für jeweils eine Mannschaft für eine gesamte Saison.
2. Die für den Spielplan zu verwendenden Patterns werden ausgewählt und zunächst
Platzhaltern zugeordnet.
3. Auf Basis der ausgewählten Patterns wird ein Spielplan erstellt.
4. Abschließend werden die tatsächlichen Mannschaften den Platzhaltern so zugeord-
net, dass sich ein zulässiger Spielplan ergibt.
8 Vgl. Van Hentenryck/Vergados (2005), S. 22 sowie die dort angegebene Literatur.
9 Vgl. De Werra (1981) und De Werra (1980).
10 Vgl. Rasmussen/Trick (2006), S. 10–11.

13
212 B. Werners, T. Wülfing

In der Regel werden die vier Schritte in zwei oder mehr Phasen durch den Einsatz un-
terschiedlicher Verfahren sequentiell gelöst, wobei nicht notwendigerweise die hier
dargestellte Reihenfolge der Schritte eingehalten wird.11
Der Spielplan der Ersten Bundesliga für die Saison 2006/07 soll die minimale An-
zahl von 48 Breaks enthalten. Zusätzlich ist auszuschließen, dass ein Verein mehr
als zwei Heim- oder Auswärtsspiele hintereinander hat. Durch diese Voraussetzungen
wird die Menge der Patterns, die eine zulässige Lösung ermöglichen, erheblich ein-
geschränkt. Tabelle 2 zeigt die mit einem Heimspiel beginnenden Patterns für die
Hinrunde der Saison an. Aufgrund des gespiegelten DRR entsprechen die Rückspiele
den Spieltagen der Hinrunde mit gewechseltem Heimrecht. Durch Vertauschen der
Heim- und Auswärtsspiele ergeben sich zu den abgebildeten 15 Patterns zusätzlich
die komplementären Patterns. Die Gesamtzahl der möglichen Patterns beläuft sich
somit auf 30.
Lediglich Pattern 1 und das komplementäre Pattern 16 kommen während der ge-
samten Saison ohne Breaks aus. Sämtliche weiteren Patterns haben jeweils genau ein
Break während der Hinrunde, entsprechend eines im Verlauf der Rückrunde sowie
zusätzlich von Spieltag 17 auf Spieltag 18 ein drittes Break. Die minimale Anzahl
von Breaks kann somit nur dann erreicht werden, wenn beide Patterns mit null Breaks
sowie zusätzlich 16 Patterns mit jeweils drei Breaks ausgewählt werden. Patterns mit
vier oder mehr Breaks müssen nicht betrachtet werden. Im Anschluss an die Gene-
rierung erfolgt die Auswahl der Patterns.12 Dieser Schritt sowie die weiteren Schritte
zur Erstellung eines Spielplans werden im nachfolgend beschriebenen Optimierungs-
modell simultan durchgeführt. Dabei gehen verschiedene weitere Anforderungen an
einen zulässigen Spielplan mit in die Modellierung ein. Die Indizierung der Mann-
schaften erfolgt im Modell in Anlehnung an die Vereinsschlüsselzahlen der DFL für
die Saison 2006/07.13 Tabelle 3 zeigt die Indizes der Erstligamannschaften sowie die
Platzierung in der Vorsaison. Bei den Aufsteigern wird keine Platzierung angegeben.
Tabelle 2 Auswahl von Patterns mit maximal drei Breaks im Verlauf einer Saison
Pattern / Spieltag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 H A H A H A H A H A H A H A H A H
2 H A H A H A H A H A H A H A H H A
3 H A H A H A H A H A H A H A A H A
4 H A H A H A H A H A H A H H A H A
5 H A H A H A H A H A H A A H A H A
6 H A H A H A H A H A H H A H A H A
7 H A H A H A H A H A A H A H A H A
8 H A H A H A H A H H A H A H A H A
9 H A H A H A H A A H A H A H A H A
10 H A H A H A H H A H A H A H A H A
11 H A H A H A A H A H A H A H A H A
12 H A H A H H A H A H A H A H A H A
13 H A H A A H A H A H A H A H A H A
14 H A H H A H A H A H A H A H A H A
15 H A A H A H A H A H A H A H A H A

11 Vgl. die in Tabelle 1 angegebene Literatur.


12 Vgl. Miyashiro/Iwasaki/Matsui (2002) für notwendige Bedingungen an eine zulässige Pattern-
Auswahl.
13 Vgl. Deutsche Fußball Liga (2006).

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 213

Tabelle 3 Vereinsschlüsselzahlen und Platzierung in der Saison 2005/06


Mannschaft Platzierung
Saison 2005/06
1 FC Bayern München 1
2 Hertha BSC Berlin 6
3 Borussia Mönchengladbach 10
4 Werder Bremen 2
5 VfB Stuttgart 9
6 TSV Alemannia Aachen -
7 Hamburger SV 3
8 Borussia Dortmund 7
9 Hannover 96 12
10 Arminia Bielefeld 13
11 FC Schalke 04 4
12 1. FC Nürnberg 8
13 Bayer 04 Leverkusen 5
14 FC Energie Cottbus -
15 VfL Wolfsburg 15
16 VfL Bochum -
17 Eintracht Frankfurt 14
18 FSV Mainz 05 11

3 Mathematisches Optimierungsmodell zur Spielplanerstellung

Die Optimierung des Spielplans für die Saison 2006/07 der Ersten Bundesliga wird
durch das folgende mathematische Modell dargestellt. Zunächst werden die verwen-
deten Indizes, Daten und Entscheidungsvariablen definiert.

Indizes und Indexmengen


i = 1, . . . , I : Spielpaarungen
m = 1, . . . , M : Mannschaften
p = 1, . . . , P : Patterns
t = 1, . . . , T : Spieltage (Hinrunde)
Daten
A pt : Binärwert 1, wenn bei Pattern p an Spieltag t ein Auswärtsspiel angesetzt
ist, sonst 0 (komplementär zu H pt )
H pt : Binärwert 1, wenn bei Pattern p an Spieltag t ein Heimspiel angesetzt ist,
sonst 0 (komplementär zu A pt )
TE AMim : Binärwert 1, wenn Mannschaft m an Spielpaarung i beteiligt ist, sonst 0
TOPim : Binärwert 1, wenn Spielpaarung i für Mannschaft m ein Spiel gegen eine
der fünf besten Mannschaften ist, sonst 0
Entscheidungsvariablen
x it : Binärvariable, die angibt, ob Spielpaarung i an Spieltag t ausgetragen wird
ym p : Binärvariable, die angibt, ob Mannschaft m das Pattern p zugeordnet wird

13
214 B. Werners, T. Wülfing

z mt : Binärvariable, die angibt, ob Mannschaft m an den Spieltagen t und t+1 je-


weils gegen eine der fünf besten Mannschaften antritt
Die verschiedenen Anforderungen, die an den Spielplan für die Saison 2006/07
der Ersten Bundesliga gestellt werden, sind in diesem Modell durch Restriktionen
abgebildet. Durch eine Minimierungszielfunktion wird zusätzlich sichergestellt, dass
unter Einhaltung der übrigen Anforderungen die Anzahl der aufeinander folgenden
Spiele gegen die fünf besten Mannschaften der Vorsaison möglichst gering ausfällt.
Durch die Entscheidungsvariable z mt , die den Wert 1 annimmt, wenn Mannschaft m
an den Spieltagen t und t+1 jeweils gegen eine Top 5-Mannschaft antritt, werden
diese Fälle gekennzeichnet. In der Zielfunktion (1) wird die Zahl der aufeinander fol-
genden Spiele über alle Teams aufsummiert. Hierbei wird berücksichtigt, dass durch
den Index t nur die Spieltage der Hinrunde betrachtet werden, die Rückrunde al-
lerdings analog abläuft. Entsprechend werden die Variablen mit zwei multipliziert,
lediglich die Spiele des 17. und 18. Spieltages gehen einfach ein, da der Übergang
von Spieltag 34 auf den ersten Spieltag der nächsten Saison unerheblich ist.


M T
−1 
M
minimiere 2 · z mt + z mT (1)
m=1 t=1 m=1

Eine Minimierung der Zielfunktion, die nur für eine oder wenige Mannschaften zu
einer Häufung aufeinander folgender Spiele gegen die fünf Topgegner führt, wird als
,,unfair“ angesehen. Daher wird die Anzahl durch Restriktion (2) auf maximal zwei
aufeinander folgende Spiele je Mannschaft begrenzt. Die Entscheidungsvariable darf
somit für jede Mannschaft höchstens einmal im Verlauf der Hinrunde den Wert 1
annehmen.


T
z mt = 1 ∀m = 1, ..., M (2)
t=1

Insgesamt finden in einem DRR M · (M − 1) Spiele statt, in der ersten Bundesliga


sind es somit pro Saison 306 Spiele. Jede Begegnung von zwei Mannschaften findet
einmal in der Hin- und einmal in der Rückrunde statt. Da die zweite Saisonhälfte bei
einem gespiegelten DRR analog zur ersten abläuft, muss durch die binäre Entschei-
dungsvariable x it nur die Zuordnung der 153 Spielpaarungen zu den Spieltagen der
Hinrunde stattfinden. Die Variable nimmt den Wert 1 an, wenn Paarung i auf Spiel-
tag t gelegt wird. Das Rückspiel dieser Begegnung ist damit automatisch auf den
Spieltag t+17 terminiert. Jede Spielpaarung muss exakt einem Spieltag der Hinrunde
zugewiesen werden, was durch Zuordnungsbedingung (3) dargestellt wird.


T
x it = 1 ∀i = 1, ..., I (3)
t=1

Ein zulässiger Spielplan erfordert, dass jede Mannschaft pro Spieltag exakt ein Spiel
haben muss. Der Wert TEAMim ist 1, falls Mannschaft m an Spielpaarung i betei-
ligt ist. Durch Restriktion (4) wird die Beteiligung jeder Mannschaft an genau einer

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 215

Paarung für jeden Spieltag sichergestellt.



I
TE AMim · x it = 1 ∀m = 1, ..., M; t = 1, ..., T (4)
i=1

Für jede Mannschaft ist zu bestimmen, wann sie zu Hause antritt und wann sie
Auswärtsspiele bestreitet. In diesem Modell erfolgt dies durch die Zuordnung der
Patterns. Die Entscheidungsvariable ym p gibt an, ob Mannschaft m Pattern p zuge-
ordnet wird. Jeder Mannschaft ist exakt ein Pattern aus der zuvor ermittelten Liste
zuzuordnen.

P
ym p = 1 ∀m = 1, ..., M (5)
p=1

Damit die minimale Anzahl Breaks von 16 für die Hinrunde bzw. 48 für die gesamte
Saison erreicht werden kann, müssen die beiden Patterns ohne Breaks zugeordnet
werden. Dabei ist zu beachten, dass kein Pattern häufiger als einmal zugeordnet
werden darf, da Mannschaften mit dem gleichen Pattern nie gegeneinander spielen
könnten. Entsprechend der Tabelle 2 werden durch Restriktion (6) die Patterns 1
und 16 ohne Break zugeordnet.

M
ym p = 1 ∀ p ∈ {1; 16} (6)
m=1

Die übrigen Patterns der Liste haben über die gesamte Saison verteilt jeweils drei
Breaks. Auch diese Patterns werden durch Restriktion (7) jeweils höchstens einer
Mannschaft zugeordnet.

M
ym p ≤ 1 ∀ p ∈ {2...15; 17...30} (7)
m=1

Bei der Zuordnung einer Spielpaarung zu einem Spieltag muss gewährleistet wer-
den, dass von den beiden antretenden Mannschaften genau eine ein Heimspiel und
die andere ein Auswärtsspiel hat. Die Variable x it kann, wie in den Restriktionen (8)
und (9) dargestellt, nur dann den Wert 1 annehmen, wenn eines der beteiligten Teams
einem Pattern zugeordnet ist, der an Spieltag t ein Heimspiel vorsieht und gleichzei-
tig die andere Mannschaft aufgrund ihres Patterns ein Auswärtsspiel hat. Die in das
Modell eingehenden Daten A pt und H pt sind komplementär; für alle Pattern p und
Spieltage t gilt die Gleichung A pt + H pt = 1. Die Berücksichtigung beider Werte in
den Restriktionen dient daher lediglich der besseren Anschaulichkeit.
⎛ ⎞

M P
x it ≤ ⎝TE AMim · H pt · ym p ⎠ ∀i = 1, ..., I; t = 1, ..., T (8)
m=1 p=1

⎛ ⎞

M 
P
x it ≤ ⎝TE AMim · A pt · ym p ⎠ ∀i = 1, ..., I; t = 1, ..., T (9)
m=1 p=1

13
216 B. Werners, T. Wülfing

Bei der Erstellung des Spielplans für die Saison 2006/07 müssen zusätzlich zwei
Komplementaritäts-Anforderungen berücksichtigt werden.14 So sollen Eintracht
Frankfurt und der FSV Mainz 05 am selben Spieltag nicht beide ein Heimspiel haben.
Auch Borussia Dortmund und der FC Schalke 04 sollen ihre Heimspiele an un-
terschiedlichen Spieltagen austragen, da ansonsten keine ausreichende Anzahl von
Sicherheitskräften zur Verfügung steht. Die Restriktionen (10) und (11) stellen si-
cher, dass den jeweils betroffenen Mannschaften komplementäre Patterns zugeordnet
werden. Ist eine der beiden Mannschaften einem Pattern zugeordnet, so muss die
andere Mannschaft zwingend dem komplementären Pattern zugeordnet sein, damit
beide Klammerausdrücke jeweils null ergeben.
   
y17; p − y18; p+15 + y17; p+15 − y18; p = 0 ∀ p = 1, ..., 15 (10)

   
y8; p − y11; p+15 + y8; p+15 − y11; p = 0 ∀ p = 1, ..., 15 (11)

Eine Regional-Anforderung betrifft die Situation rund um das Ruhrgebiet, wo in der


Saison 2006/07 sechs Erstligamannschaften und darüber hinaus drei Zweitligisten
spielen. Um Ballungen in diesem Gebiet zu vermeiden, sollen pro Spieltag höchstens
drei der Erstligavereine Borussia Mönchengladbach, TSV Alemannia Aachen,
Borussia Dortmund, FC Schalke 04, Bayer 04 Leverkusen und VfL Bochum ein
Heimspiel austragen, was durch Restriktion (12) berücksichtigt wird.


P
 
H pt · y3; p + y6; p + y8; p + y11; p + y13; p + y16; p ≤ 3 ∀t = 1, ..., T (12)
p=1

Eine Spielort-Anforderung ist durch Restriktion (13) zu erfüllen. Traditionell startet


der Meister der vergangenen Saison mit einem Heimspiel in die neue Saison.


P
H p;1 · y1; p = 1 (13)
p=1

Weitere Spielort-Anforderungen resultieren aus verschiedenen Wünschen der Ver-


eine. In der Saison 2006/07 konnte der VfL Bochum nicht zu Hause beginnen, da
die Rasenheizung des Stadions noch nicht fertig gestellt war. Entsprechend schreibt
Restriktion (14) für den VfL Bochum am ersten Spieltag ein Auswärtsspiel vor. Auf-
grund der Weltreiterspiele, die 2006 in Aachen stattfanden, sollte dort am Wochen-
ende des dritten Spieltages kein Heimspiel ausgetragen werden. Durch Restriktion
(15) wird für den TSV Alemannia Aachen somit ein Auswärtsspiel vorgegeben.


P
A p;1 · y16; p = 1 (14)
p=1

14Diese und die folgenden Anforderungen wurden verschiedenen Presseberichten entnommen.


Vgl. Pressebox (2006) und Süddeutsche Zeitung (2006).

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 217


P
A p;3 · y6; p = 1 (15)
p=1

Durch den Wert TOPim wird angegeben, ob eine Spielpaarung i für Mannschaft m
ein Spiel gegen eine der fünf bestplatzierten Mannschaften der vergangenen Saison
ist. Spielt Mannschaft m an zwei aufeinander folgenden Spieltagen gegen Top-5-
Mannschaften, wird durch die Restriktionen (16) und (17) die entsprechende Variable
z mt auf 1 festgesetzt.


I
 
z mt + 1 ≥ TOPim · x it + x i;t+1 ∀m = 1, ..., M; t = 1, ..., 16 (16)
i=1


I
 
z m;17 + 1 ≥ TOPim · x i;17 + x i;1 ∀m = 1, ..., M (17)
i=1

Abschließend werden sämtliche Entscheidungsvariablen als Binärvariablen dekla-


riert.

x it ∈ {0; 1} ∀i = 1, ..., I; t = 1, ..., T (18)

ym p ∈ {0; 1} ∀m = 1, ..., M; p = 1, ..., P (19)

z mt ∈ {0; 1} ∀m = 1, ..., M; t = 1, ..., T (20)

4 Modellergebnisse und Fazit

Das vorgestellte mathematische Optimierungsmodell zur Erstellung eines zulässigen


Spielplans für die Erste Fußball-Bundesliga besteht aus ca. 3.500 binären Entschei-
dungsvariablen und mehr als 6.000 Restriktionen und wurde unter Verwendung von
XPress-MP optimal gelöst.15 Auch andere spezialisierte Solver sind zur Lösung
grundsätzlich geeignet.16 Die Laufzeit des Modells lag bei knapp unter 30 Minu-
ten, ist allerdings in hohem Maße von Anzahl und Ausprägung der verschiedenen
Anforderungen abhängig.17 Sind zusätzlich zum gefundenen Spielplan weitere (op-
timale) Alternativ-Pläne anzugeben, um dem Entscheider eine Auswahlmöglichkeit
zu bieten, kann eine Sensitivitätsanalyse durchgeführt werden. Teilweise lässt sich
aber auch bereits durch Vertauschen zweier Mannschaften mit komplementären
15 XPress-MP in der Version 2003 ist ein Produkt der DASH Optimization. Vgl. Guéret/Prins/Sevaux
(2002) zu einer detaillierten Darstellung der Möglichkeiten zur Optimierung mit XPress-MP.
16 Vgl. z.B. Werners (2006), S. 119ff.
17 Die Berechnungen wurden auf einem PC mit AMD Athlon XP 3000+ Prozessor mit 2,17 GHz und

1024 MB RAM durchgeführt.

13
218 B. Werners, T. Wülfing

Patterns ein weiterer zulässiger optimaler Spielplan erzeugen. So können bei-


spielsweise die Vereine VfB Stuttgart und Hamburger SV im durch das Mo-
dell ermittelten Spielplan vertauscht werden, da für beide Mannschaften keine
Sonder-Beschränkungen (z.B. Ruhrgebietsrestriktion) vorliegen, die Heim- oder
Auswärtsspiele an einzelnen Spieltagen vorschreiben.
In Tabelle 4 wird der durch das Modell ermittelte Spielplan dargestellt. Da-
bei werden die Gegenmannschaften für die jeweiligen Spieltage der Hinrunde mit
den Vereinsschlüsselzahlen bezeichnet. Durch + wird ein Heimspiel, durch – ein
Auswärtsspiel gegen diese Mannschaft angezeigt. So soll beispielsweise der FC Bay-
ern München am ersten Spieltag zu Hause gegen Mannschaft 12, den 1. FC Nürnberg,
spielen. Die Spielpaarungen der Rückrunde finden analog zur Hinrunde jeweils mit
vertauschtem Heimrecht statt. Die grau unterlegten Felder zeigen Breaks im Verlauf
der Hin- und entsprechend auch der Rückrunde an.

Tabelle 4 Spielplan der Saison 2006/07 als Ergebnis des Optimierungsmodells


Team / Spieltag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 FC Bayern München +12 –17 +13 –8 +15 –6 +9 +5 –18 +3 –11 +2 –4 +16 –7 +10 –14
2 Hertha BSC Berlin +16 –4 +14 –7 +8 –10 +17 –9 +12 –15 +5 –1 +6 –13 +18 –3 +11
3 Bor. Mönchengladbach +10 –16 +17 –14 +7 –8 +13 -12 +6 –1 +15 –5 +18 –9 +11 +2 –4
4 Werder Bremen –18 +2 –16 +11 +10 –14 +7 –17 +13 –8 +6 –15 +1 –12 +9 –5 +3
5 VfB Stuttgart +8 –7 +6 –13 +12 –17 +15 –1 +9 +18 –2 +3 –11 +14 –16 +4 –10
6 TSV Alemannia Aachen +17 –12 –5 +15 –9 +1 –18 +11 –3 +14 –4 +16 –2 +7 –10 +8 –13
7 Hamburger SV –11 +5 –18 +2 –3 +16 –4 +10 –14 –17 +13 –12 +8 –6 +1 –15 +9
8 Borussia Dortmund –5 +15 –9 +1 –2 +3 –11 +14 –10 +4 –16 +18 –7 +17 +13 –6 +12
9 Hannover 96 +14 –13 +8 –12 +6 –15 –1 +2 –5 +16 –18 +11 –10 +3 –4 +17 –7
10 Arminia Bielefeld –3 +18 –11 +16 –4 +2 +14 –7 +8 –13 +12 –17 +9 –15 +6 –1 +5
11 FC Schalke 04 +7 –14 +10 –4 +17 –13 +8 –6 +15 –12 +1 –9 +5 –18 –3 +16 –2
12 1. FC Nürnberg –1 +6 –15 +9 –5 +18 –16 +3 –2 +11 –10 +7 -14 +4 –17 +13 –8
13 Bayer 04 Leverkusen –15 +9 –1 +5 –18 +11 –3 +16 –4 +10 –7 +14 -17 +2 –8 –12 +6
14 FC Energie Cottbus –9 +11 –2 +3 –16 +4 –10 –8 +7 –6 +17 –13 +12 –5 +15 –18 +1
15 VfL Wolfsburg +13 –8 +12 –6 –1 +9 –5 +18 –11 +2 –3 +4 –16 +10 –14 +7 –17
16 VfL Bochum –2 +3 +4 –10 +14 –7 +12 –13 +17 –9 +8 –6 +15 –1 +5 –11 +18
17 Eintracht Frankfurt –6 +1 –3 +18 –11 +5 –2 +4 –16 +7 –14 +10 +13 –8 +12 –9 +15
18 FSV Mainz 05 +4 –10 +7 –17 +13 –12 +6 –15 +1 –5 +9 –8 –3 +11 –2 +14 –16

In analoger Darstellung zeigt Tabelle 5 den durch ILOG ermittelten und von der
DFL ausgewählten tatsächlichen Spielplan der Saison 2006/07.
In Tabelle 6 erfolgt auf Basis der Anforderungen, die an das mathematische Opti-
mierungsmodell gestellt worden sind, ein Vergleich der beiden Spielpläne.
In beiden Spielplänen werden nicht mehr als die minimale Anzahl von Breaks
benötigt. Im vorgeschlagenen Optimierungsmodell ist die Top-Team-Anforderung
vollständig umgesetzt. Keine Mannschaft hat zwei aufeinander folgende Spiele ge-
gen die Top-5-Mannschaften der Vorsaison. Im tatsächlichen Spielplan der Saison
2006/07 treten hingegen 35 solcher Fälle auf. Hertha BSC Berlin und der FSV Mainz
05 müssen jeweils vier Mal zwei Spiele hintereinander gegen Top-5-Mannschaften
absolvieren. Borussia Dortmund und der TSV Alemannia Aachen haben sogar drei
aufeinander folgende Begegnungen gegen die bestplatzierten Mannschaften der Vor-
saison.

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 219

Tabelle 5 Tatsächlicher Spielplan der Saison 2006/07


Team / Spieltag 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 FC Bayern München +8 –16 +12 –10 +6 –15 +2 –4 +17 –11 +9 –13 +5 –7 +3 +14 –18
2 Hertha BSC Berlin –15 +9 –7 +11 –18 +5 –1 +3 –14 +12 –10 +16 –8 +6 –4 –13 +17
3 Bor. Mönchengladbach +14 –12 +10 –6 +8 –4 +15 –2 +13 –17 +11 –7 +9 –5 –1 +18 –16
4 Werder Bremen –9 +13 –11 +5 –7 +3 –16 +1 –18 +14 –12 +8 –6 +10 +2 –17 +15
5 VfB Stuttgart +12 –10 +8 –4 +17 –2 +13 –15 +11 –6 +7 –9 –1 +3 –18 +16 –14
6 TSV Alemannia Aachen –13 +11 –9 +3 –1 +16 –18 +14 –10 +5 –8 +12 +4 –2 +17 –15 +7
7 Hamburger SV +10 –14 +2 –8 +4 –17 +11 –13 +9 –15 –5 +3 –18 +1 –16 +12 –6
8 Borussia Dortmund –1 +18 –5 +7 –3 +9 –14 +16 –12 +10 +6 –4 +2 –17 +15 –11 +13
9 Hannover 96 +4 –2 +6 –15 +13 –8 +17 –11 –7 +16 –1 +5 –3 +18 –14 +10 –12
10 Arminia Bielefeld –7 +5 –3 +1 –16 +14 –12 +18 +6 –8 +2 –17 +15 –4 +13 –9 +11
11 FC Schalke 04 +17 –6 +4 –2 +15 –13 –7 +9 –5 +1 –3 +18 –14 +16 –12 +8 –10
12 1. FC Nürnberg –5 +3 –1 +16 –14 +18 +10 –17 +8 –2 +4 –6 +13 –15 +11 –7 +9
13 Bayer 04 Leverkusen +6 –4 +15 –17 –9 +11 –5 +7 –3 +18 –16 +1 –12 +14 –10 +2 –8
14 FC Energie Cottbus –3 +7 –16 +18 +12 –10 +8 –6 +2 –4 +17 –15 +11 –13 +9 –1 +5
15 VfL Wolfsburg +2 –17 –13 +9 –11 +1 –3 +5 –16 +7 –18 +14 –10 +12 –8 +6 –4
16 VfL Bochum –18 +1 +14 –12 +10 –6 +4 –8 +15 –9 +13 –2 +17 –11 +7 –5 +3
17 Eintracht Frankfurt –11 +15 –18 +13 –5 +7 –9 +12 –1 +3 –14 +10 –16 +8 –6 +4 –2
18 FSV Mainz 05 +16 –8 +17 –14 +2 –12 +6 –10 +4 –13 +15 –11 +7 –9 +5 –3 +1
Tabelle 6 Vergleich der Spielpläne hinsichtlich der gestellten Anforderungen
Kriterium Optimierungsmodell Spielplan 2006/07
Anzahl Breaks 48 (optimal) 48 (optimal)
Anzahl zwei Spiele 0 (optimal) 35
hintereinander gegen Top-5-Mannschaften
Keine parallelen Heimspiele ja ja
Eintracht Frankfurt und FSV Mainz 05
Anzahl parallele Heimspiele 0 (optimal) 4
Borussia Dortmund und FC Schalke 04
Anzahl Spieltage mit mehr als drei 0 (optimal) 8
parallelen Heimspielen von
,,Ruhrgebiet“-Vereinen
Meister startet mit Heimspiel ja ja
Vfl Bochum auswärts ja ja
am ersten Spieltag
TSV Alemannia Aachen auswärts ja ja
am dritten Spieltag

Während das Optimierungsmodell parallele Heimspiele für Borussia Dortmund


und den FC Schalke 04 untersagt, spielen beide Mannschaften im tatsächlichen Spiel-
plan an vier Spieltagen gleichzeitig zu Hause. Hier muss entsprechend sichergestellt
werden, dass die Vereine an unterschiedlichen Wochentagen antreten, wodurch aller-
dings die Zuordnungsmöglichkeiten bei der Festlegung der Freitags- und Sonntags-
spiele eingeschränkt werden. Auch die Regional-Anforderung, dass höchstens drei
Erstligisten aus dem Großraum Ruhrgebiet parallel Heimspiele haben sollen, wird im
tatsächlichen Spielplan für die Saison 2006/07 an acht Spieltagen nicht beachtet.
Auf Basis der berücksichtigten Anforderungen an den Spielplan der Saison
2006/07 der Ersten Bundesliga zeigt sich, dass die aus dem Optimierungsmodell
resultierende Variante dem tatsächlichen Spielplan überlegen ist. Möglicherweise

13
220 B. Werners, T. Wülfing

werden abweichende oder zusätzliche Anforderungen an den Spielplan gestellt. In


diesem Fall wären eine Modellmodifikation mit erneuter Optimierung und ein an-
schließender Vergleich auf Basis der tatsächlichen Anforderungen interessant.
Eine Hinzunahme weiterer Restriktionen erhöht die Gefahr, dass kein zulässiger
Spielplan ermittelt werden kann. In einem solchen Fall oder bei einer als zu stark
bewerteten Erhöhung des Zielfunktionswerts ist zu entscheiden, ob einzelne weni-
ger kritische Restriktionen – z.B. die Ruhrgebietsrestriktion von max. 3 auf max. 4
Heimspiele – gelockert werden können, um den Alternativenraum zu erweitern.
Bei näherer Betrachtung der Struktur des tatsächlichen Spielplans für die Saison
2006/07 zeigt sich eine systematische Anordnung der Patterns im Verlauf der Hin-
runde. Insgesamt wurden neun verschiedene Patterns gewählt, wobei jeweils zwei
auf Basis des Vereinsschlüssels aufeinander folgenden Mannschaften jeweils kom-
plementäre Patterns zugeordnet wurden. Ebenfalls auffällig ist, dass bei den zuge-
ordneten Patterns mit Break jeweils die ungeraden Mannschaften mit einem Heim-
spiel in die Saison starten. Die Systematik bei der Patternzuordnung könnte dadurch
begründet sein, dass bei der Erstellung des Spielplans auf ein sequentielles heuris-
tisches Verfahren zurückgegriffen worden ist.
Im Vergleich zur in der Literatur herangezogenen Vorgehensweise, Spielpläne se-
quentiell zu erstellen, führt die simultane Spielplanerstellung des beschriebenen Mo-
dells in akzeptabler Rechenzeit zur optimalen Lösung. Grundlage hierfür ist, dass die
Anzahl der zur Auswahl stehenden Patterns durch die Anforderungen stark reduziert
werden kann. Wird die Minimierung der Breaks nicht oder nur in abgeschwächter
Form als Bedingung festgelegt, können auch Patterns mit vier oder mehr Breaks pro
Saison gewählt werden. Die Zahl der Zuordnungsvariablen von Patterns zu Mann-
schaften vergrößert sich dadurch erheblich, wodurch auch die Laufzeit des Modells
stark ansteigt. Jedoch lassen sich mit den hier berücksichtigten Patterns die gestellten
Anforderungen erfüllen und es bleibt noch Spielraum für zusätzlich Wünsche, sodass
für diese Anwendung das vorgeschlagene Optimierungsmodell und die Lösung mit-
tels Standardsoftware gegenüber heuristischen Ansätzen vorzuziehen ist.

Literatur

Bartsch, T., Drexl, A., Kröger, S. (2006): Scheduling the professional soccer leagues of Austria and
Germany. Computers & Operations Research 33(7), 1907–1937
De Werra, D. (1981): Scheduling in sports. In: Hansen, P. (Ed.): Studies on graphs and discrete program-
ming. Elsevier, Amsterdam, S 381–395
De Werra, D. (1980): Geography, games and graphs. Discrete applied mathematics 2, 327–337
Della Croce, F., Oliveri, D. (2006): Scheduling the Italian football league: An ILP-based approach.
Computers & Operations Research 33(7), 1963–1974
Deutsche Fußball Liga GmbH (2006): Vereinsschlüsselzahlen 1. Bundesliga Saison 2006/07,
http://www.dfl.de/media/native/dfl/schluesselzahlen-bl.pdf, abgerufen am 14.10.2006
Henz, M. (1999): Constraint-based round robin tournament planning. In: De Schreye, D. (Ed): Procee-
dings of the International Conference on Logic Programming. The MIT Press, Cambridge, Mass.,
S 545–557
Miyashiro, R., Iwasaki, H., Matsui T. (2002): Characterizing feasible pattern sets with a minimum num-
ber of breaks, Working Paper METR 2002-14, Department of Mathematical Informatics, University
of Tokyo, 2002
Nemhauser, G.L., Trick, M.A. (1998): Scheduling a major college basketball conference. Operations
Research 46(1), 1–8

13
Optimierung von Spielplänen am Beispiel der Fußball-Bundesliga-Saison 2006/07 221

Guéret, C., Prins, C., Sevaux, M. (2002): Applications of optimization with Xpress-MP. John Wiley &
Sons, Blisworth
Kruse, J. (2004): Ökonomische Konsequenzen des Spitzensports im öffentlich-rechtlichen und im priva-
ten Fernsehen, Diskussionspapier Nr. 26, Universität der Bundeswehr, Hamburg
Lim, A., Rodrigues, B., Zhang, X. (2006): A simulated annealing and hill-climbing algorithm for the
traveling tournament problem. European Journal of Operational Research 174(3), 1459–1478
Post, G., Woeginger, G.J. (2006): Sports tournaments, home-away assignments, and the break minimiza-
tion problem. Discrete Optimization 3(2), 165–173
Pressebox (2006): Bundesliga startet mit ,,idealem Spielplan“, http://www.pressebox.de/pressemeldungen
/ilog-deutschland-gmbh/boxid-71532.html, abgerufen am 14.10.06
Quitzau, J. (2006): Zufall als Spielgestalter – Der übersehene Erfolgsfaktor im Profifußball und seine
wettbewerbspolitischen Implikationen. WiSt Wirtschaftswissenschaftliches Studium 35(4), 200–205
Rasmussen, R.V. (2006): Scheduling a triple round robin tournament for the best Danish soccer league,
Working Paper No. 2006/1, Department of Operations Research, University of Aarhus
Rasmussen, R.V., Trick, M.A. (2006): Round robin scheduling – A survey, Working Paper No. 2006/2,
Department of Operations Research, University of Aarhus
Ribeiro, C.C., Urrutia, S. (2007): Heuristics for the mirrored traveling tournament problem. European
Journal of Operational Research 179(3), 775–787
Schreuder, J.A.M. (1992): Combinatorial aspects of construction of competition Dutch professional
soccer leagues. Discrete Applied Mathematics 35, 301–312
Süddeutsche Zeitung (2006): Der Spielplan der Bundesligasaison – Tausendundeine Kleinigkeit,
http://www.sueddeutsche.de/sport/bundesliga/artikel/110/83027/article.html, abgerufen am 14.10.06
Van Hentenryck, P., Vergados, Y. (2005): Minimizing breaks in sport scheduling with local search.
Proceedings of the 15th International Conference on Automated Planning and Scheduling, 22–29
Wegener, I. (2003): Komplexitätstheorie: Grenzen der Effizienz von Algorithmen. Springer, Berlin et al.
Werners, B. (2006): Grundlagen des Operations Research. Springer, Berlin et al.
Yang, J.T., Huang, H.D., Horng, J.T. (2002): Devising a cost effective baseball scheduling by evolutio-
nary algorithms. Proceedings of the 2002 Congress on Evolutionary Computation, 1660–1665
Zimmermann, H.-J. (2005): Operations Research: Methoden und Modelle. Vieweg, Wiesbaden

13