Ein Simulated Annealing-Verfahren für das Standardproblem der Tourenplanung mit Zeitfensterrestriktionen

Größe: px
Ab Seite anzeigen:

Download "Ein Simulated Annealing-Verfahren für das Standardproblem der Tourenplanung mit Zeitfensterrestriktionen"

Transkript

1 Ein Simulated Annealing-Verfahren für das Standardproblem der Tourenplanung mit Zeitfensterrestriktionen Jörg Homberger und Hermann Gehring Fachbereich Wirtschaftswissenschaft, FernUniversität Hagen, BR Deutschland Zusammenfassung Der Beitrag stellt ein Simulated Annealing-Verfahren zur Lösung des um Zeitfensterrestriktionen erweiterten Standardproblems vor. Die Zielfunktion berücksichtigt zwei Zielkriterien, die Minimierung der Fahrzeuganzahl als primäres und die Minimierung der Gesamtentfernung als sekundäres Kriterium. In der ersten Stufe eines zweistufigen Verfahrensansatzes wird daher zunächst ohne Berücksichtigung der Gesamtentfernung ein Tourenplan mit minimaler Fahrzeuganzahl berechnet. Von diesem Tourenplan ausgehend wird dann in der zweiten Stufe die von den Fahrzeugen zurückzulegende Gesamtentfernung minimiert. Der Focus des Beitrags liegt auf den in der ersten Verfahrensstufe getroffenen problembezogenen Entwurfsentscheidungen, die insbesondere die verwendeten Nachbarschaftsstrukturen und die entwickelte Kostenfunktion betreffen. Zur Bewertung des entwickelten Simulated Annealing-Verfahrens werden einschlägige Benchmarkprobleme von SOLOMON (1987) berechnet und die Ergebnisse mit den besten bekannten Lösungen verglichen. 1 Einführung und Problemformulierung Im Rahmen der Tourenplanung werden Problemstellungen untersucht, bei denen Auslieferungs- oder Sammelaufträge zu effizienten Fahrzeugtouren zusammenzufassen sind. Nachfolgend wird das um Zeitfensterrestriktionen erweiterte Standardproblem der Tourenplanung betrachtet, das auch als "Vehicle Routing Problem with Time Windows" (VRPTW) bezeichnet wird. Das VRPTW läßt sich wie folgt beschreiben (vgl. DOMSCHKE 1997): Innerhalb einer Planungsperiode sind von einem Depot aus n Kunden mit Fahrzeugen derselben Fahrzeugkapazität zu bedienen. Für jeden Kunden sind ein Bedarf, eine Bedienungsdauer und ein Zeitfenster gegeben. Der Bedarf eines Kunden ist durch genau eine Bedienung innerhalb des Kundenzeitfensters zu decken. Jedes Fahrzeug darf innerhalb der Planungsperiode nur einmal eingesetzt werden. Der früheste mögliche Abfahrzeitpunkt vom Depot sowie der späteste Zeitpunkt, zu dem ein Fahrzeug das Depot wieder erreicht haben muß, sind ebenfalls vorgegeben. Die Standorte des Depots und der Kunden sowie die kürzesten Entfernungen und die entsprechenden Fahrzeiten zwischen den einzelnen Kunden und zwischen dem Depot und den Kunden seien als bekannt vorausgesetzt. Als Optimierungsziel wird in der Literatur in der Regel mit erster Priorität die Minimierung der Fahrzeuganzahl und mit zweiter Priorität die Minimierung der von den Fahrzeugen zurückzulegende Gesamtentfernung zugrundegelegt (vgl. SOLOMON 1987). Das VRPTW ist ein kombinatorisches Optimierungsproblem, das aufgrund seiner Komplexität der Klasse der NP-schweren Problemen zuzuordnen ist (vgl. LENSTRA und RINNOY KAN 1981). In den letzten Jahren konnten mit sogenannten "modernen heuristischen Suchverfahren", wie z.b. Evolutionsstrategien (vgl. HOMBERGER 1997) und Tabu Search (vgl. TAILLARD et al. 1996), bereits gute Ergebnisse erzielt werden. Im Rahmen dieses Beitrags wird ein Simulated Annealing-Verfahren für das VRPTW vorgestellt. Der Fokus liegt auf der Beantwortung der Fragestellung, wie mit einem Nachbarschaftssuchverfahren die Fahrzeuganzahl eines Tourenplans systematisch reduziert werden kann? Zur Bewertung des entwickelten Simulated Annealing-Verfahrens werden einschlägige Benchmarkprobleme von SOLOMON (1987) berechnet und die Ergebnisse mit den besten bekannten Lösungen verglichen.

2 2 Simulated Annealing-Verfahren Der Ansatz, kombinatorische Optimierungsprobleme mit Simulated Annealing (SA) zu lösen, wurde unabhängig voneinander von KIRKPATRICK et al. (1983) und CERNY (1985) entwickelt. SA basiert auf der Grundlage des von METROPOLIS et al. (1953) entwickelten Algorithmus zur Simulation der Abkühlung von Festkörpern. Ausgehend von einer Startlösung wird im Rahmen des SA eine stochastische Nachbarschaftssuche durchgeführt. Zu diesem Zweck wird in jeder Iteration aus der Nachbarschaft N(S) der aktuellen Lösung S eine Nachbarlösung S' N(S) zufällig ausgewählt. Die Entscheidung, ob S' als Folgelösung akzeptiert wird, d.h. die Suche von der ausgewählten Nachbarlösung S' weitergeführt wird, hängt von den Kosten C(S) und C(S') der Lösungen ab. Die Nachbarlösung S' wird in jedem Fall akzeptiert, falls sie eine Verbesserung gegenüber S darstellt, d.h. niedrigere Kosten als S aufweist. Hingegen wird die Nachbarlösung S' nur mit einer Wahrscheinlichkeit akzeptiert, falls S' mit höheren Kosten als S bewertet wird. Die Wahrscheinlichkeit P = EXP(- C/T) eine schlechtere Lösung zu akzeptieren ist von der Kostendifferenz C = C(S') C(S) und dem als "Temperatur" T bezeichneten Verfahrensparameter abhängig. Der Verfahrensparameter T wird während der Suche entsprechend einem sogenannten "Kühlplan" variiert. Häufig wird eine geometrische Funktion α(t) = at, a < 1, zur Reduktion der Temperatur herangezogen. Die pro Temperatur durchzuführende Anzahl an Iterationen nrep wird gewöhnlich in Abhängigkeit der Problemgöße festgelegt. Die Entwicklung eines Simulated Annealing-Verfahrens für ein bestimmtes kombinatorisches Optimierungsproblem erfordert zum einen problemspezifische Entwurfsentscheidungen, insbesondere die Definition einer Nachbarschaftsstruktur und die Wahl einer geeigneten Kostenfunktion, sowie zum anderen generische Entwurfsentscheidungen wie z.b. die Festlegung der Starttemperatur und die Wahl eines geeigneten Kühlplans (vgl. REEVES 1993). 3 Entwickeltes Simulated Annealing-Verfahren für das VRPTW Den meisten der in der Literatur diskutierten Lösungsverfahren liegen Ansätze zugrunde, bei denen gleichzeitig die Fahrzeuganzahl und die von den Fahrzeugen zurückzulegende Gesamtentfernung minimiert wird (vgl. POTVIN und BENGIO 1996, TAILLARD et al sowie CHIANG und RUSSELL 1996). Wie RETZKO (1995) zeigt, wächst die von den Fahrzeugen zurückzulegende Gesamtentfernung, falls die Zahl der eingesetzten Fahrzeuge unter einen bestimmten Wert weiter reduziert wird. Aus diesem Grunde kann umgekehrt - ausgehend von einem gegebenen Tourenplan - die Suche nach einem Tourenplan mit einer geringeren Fahrzeuganzahl durch das gleichzeitige Verfolgen des Ziels der Verringerung der Gesamtentfernung erschwert werden. Daher wird nachfolgend ein zweiphasiger Verfahrensansatz gewählt. Während in der ersten Phase zunächst versucht wird, ohne Berücksichtigung der Gesamtentfernung einen zulässigen Tourenplan mit einer minimalen Fahrzeuganzahl zu berechnen, wird ausgehend von der in der ersten Phase berechneten Lösung in der sich anschließenden zweiten Phase die von den Fahrzeugen zurückzulegende Gesamtentfernung minimiert. Den beiden Phasen des entwickelten Simulated Annealing-Verfahrens liegen jeweils unterschiedliche Entwurfsentscheidungen zugrunde. Im Rahmen dieses Beitrags wird im wesentlichen auf die problemspezifischen Entwurfsentscheidungen der ersten Phase eingegangen. Zu Beginn des Verfahrens wird mit Hilfe des Savingsverfahren von CLARKE und WRIGHT (1964) eine zulässige Startlösung für die nachfolgende Nachbarschaftssuche berechnet. Für die iterative Berechnung von Nachbarlösungen während der ersten Phase wird hier das komplexere Konzept des "Compound-Move" verwendet. Compound-Moves setzen sich aus verschiedenen einfachen Move-Operatoren zusammen. Nach GLOVER (1991) und OSMAN (1993) stellen sie ein besonders effektives Konzept dar. Im gegebenen Fall werden zwei einfache Move-Operatoren in einen Compound-Move einbezogen: 1. Ein aus der Menge MoveSet = {Or-Opt-Move, 2Opt*-Move, 1-Single-Interchange-Move} zufällig ausgewählter Move-Operator.

3 2. Ein modifizierter Or-Opt-Move, der dem Ziel der Verringerung der Fahrzeuganzahl durch weitestgehende Auflösung einer Tour dient. Die Operatoren der Menge MoveSet gehen auf folgende Autoren zurück: Dem Or-Opt-Move liegt ein Tauschkonzept von OR (1976) zugrunde. Explizit unter der Bezeichnung "Move" führten OSMAN (1993) den 1-Single-Interchange-Move und POTVIN et al. (1996) den 2Opt*-Move ein. Ausgehend von einem zulässigen Tourenplan tp wird eine zulässige Nachbarlösung in zwei Schritten berechnet. Im ersten Schritt wird mit Hilfe eines aus der Menge MoveSet zufällig gewählten Move-Operators eine zulässige Nachbarlösung tp' berechnet. Exemplarisch sei nachfolgend der Or-Opt-Move kurz beschrieben. Ein Or-Opt-Move faßt eine Ausfüge- und eine Einfügeoperation zusammen. Mittels dieser Operationen wird eine Sequenz von einem oder mehreren Kunden aus einer Tour t eines Tourenplans tp ausgefügt und anschließend an einer anderen Stelle von tp wieder eingefügt. Im Falle nur eines Kunden gilt: Ein Kunde i* wird aus der ihm bedienenden Tour t = (0,..., i*-, i*, i*+,..., 0) ausgeführt, indem die verbleibenden Kunden der Tour t unter Ausschluß des Kunden i* in der ursprünglichen Reihenfolge bedient werden. Die um den Kunden i* reduzierte Tour t 1 lautet dann: t 1 = (0,..., i*-, i*+,..., 0). Handelt es sich bei der Tour t um eine Pendeltour, d.h. das Fahrzeug bedient ausschließlich den Kunden i*, so wird der Kunde i* aus der Tour t ausgefügt, indem die Tour t aufgelöst wird. Ein ausgeführter Kunde i* wird in eine Tour t 2 des Tourenplans eingefügt, indem die Tour t 2 nur die Bedienung des Kunden i* erweitert wird. Wird die Einfügestelle durch zwei aufeinanderfolgende Orte (j, j+) bezeichnet, so gilt: t 2 = (0,..., j, j+,..., 0). Durch das Einfügen des Kunden i* ergibt sich die Tour t 3 = (0,..., j, i*, j+,..., 0). Grundsätzlich ist es nicht ausgeschlossen, daß ein Kunde wieder in die Tour eingefügt wird, aus der er ausgeführt wurde. Allerdings kann sich dann die Einfügestelle von der Ausfügestelle unterscheiden. Sowohl die Sequenz der auszufügenden Kunden als auch die Einfügeposition werden, unter Berücksichtigung der Restriktionen, zufällig ausgewählt. Im zweiten Schritt wird aus dem berechneten Tourenplan tp' mittels eines modifizierten Or-Opt- Operators die Nachbarlösung tp'' berechnet. Der modifizierte Or-Opt-Operator zielt auf die Berechnung eines Tourenplans mit einer geringeren Fahrzeuganzahl ab. Zu diesem Zweck wird versucht, diejenige Tour t s tp' des Tourenplans tp' weitestgehend aufzulösen, welche die geringste Anzahl von Kunden aufweist. t s wird nachfolgend auch als "kleinste" Tour bezeichnet. Das Einfügen von Kunden wie folgt präzisiert: Die Kunden der Tour t s werden entsprechend ihrer Bedienungsreihenfolge nacheinander in je eine Tour t t s, t tp' eingefügt, sofern die Restriktionen des VRPTW nicht verletzt werden. Existieren für einen Kunden k t s alternative Einfügestellen (i, i+) in anderen Touren, so sind zwei Fälle zu unterscheiden: Falls ein Index i+ einen Kunden bezeichnet, wird die durch das Einfügen bewirkte Verschiebung der frühestmöglichen Abfahrtszeit bei dem Kunden i+ als Entscheidungskriterium herangezogen. Falls ein Index i+ das Depot bezeichnet, dient dagegen die durch das Einfügen bewirkte Verschiebung der frühest möglichen Ankunftszeit am Depot i+ als Entscheidungskriterium. Existieren mehrere zulässige Einfügestellen mit gleicher minimaler Verschiebezeit, so wird diejenige Einfügestelle gewählt, für die die zusätzlich zu fahrende Strecke ein Minimum annimmt. Sofern kein Kunde der Tour t s wegen drohender Verletzung der Restriktionen in eine andere Tour t t s, t tp', eingefügt werden kann, wird keine Veränderung an tp' vorgenommen. Die "Kosten" eines Tourenplans tp - im weiteren Sinne - können prinzipiell durch den Zielfunktionswert, also in der ersten Phase durch die Fahrzeuganzahl CF(tp), ausgedrückt werden. In dem Fall, daß zwei zu bewertende Tourenpläne die gleiche Fahrzeuganzahl aufweisen, werden beide Tourenpläne auch mit den gleichen Kosten bewertet. Eine Entscheidung, welche Suchrichtung zu präferieren ist, kann in diesem Fall nicht ohne weiteres getroffen werden. Aus diesem Grunde wurden zwei weitere, die Kosten beschreibende Kennzahlen gewählt, welche die Aussicht auf den Erfolg der

4 Einsparung eines weiteren Fahrzeugs mit einbeziehen. Auf diese Weise wird die Suchrichtung im Hinblick auf eine bessere Zielerreichung des primären Zielkriteriums festgelegt. Die beiden zusätzlich entwickelten Kennzahlen beziehen sich auf die kleinste Tour t s eines Tourenplans tp und schätzen auf unterschiedliche Art ab, wie leicht die Tour t s im Zuge der weiteren Suche vollständig aufgelöst werden kann. Als erste, ganz einfache Kennzahl CK(tp) dient die Anzahl der Kunden, die in der Tour t s bedient werden. Unterstellt wird also, daß ein kleiner Wert für CK(tp) die vollständige Auflösung der Tour t s begünstigt. Als zweite Kennzahl CV(tp) wird die hier so bezeichnete "drohende Verletzung der Zeitfensterrestriktionen " berechnet. Mit der Kennzahl wird abgeschätzt, um wieviel Zeiteinheiten die Zeitfensterrestriktionen verletzt werden, falls man die Tour t s vollständig auflösen würde. In dem in Abb. 1 dargestellten Beispiel wird abgeschätzt, um wieviel Zeiteinheiten die Zeitfensterrestriktionen verletzt werden, wenn der Kunde k = 4 der kleinsten Tour zwischen die Orte i = 2 und i+ = 3 eingefügt wird. Geographische Darstellung einer Tour: 2 Legende: ZV 1 ZV Zeitliche Darstellung einer Tour: Zeitfenster Bedienungszeit Wartezeit Bedienungsreihenfolge t 1 t 2 t 4 t 3 sa t Depot Abb. 1. Berechnung von Zeitfensterverletzungen. Nachdem die Kunden 1 und 2 innerhalb ihres Zeitfensters bedient wurden, erreicht das Fahrzeug den eingefügten Kunden k = 4 außerhalb des Bedienungszeitfensters. Die Bedienung des Kunden wird in Bezug auf die spätest zulässigen Beginn der Bedienung um die dargestellte ZV 1 verzögert. Durch Rückwärtsrechnung ausgehend vom Depot läßt sich die späteste Ankunftszeit sa bei dem Kunden i+ = 3 für den Fall berechnen, daß das Fahrzeug gerade noch rechtzeitig zu dem Depot zurückkehrt. Kommt das Fahrzeug jedoch, wie in Abb. 1 angenommen, erst nach dem Zeitpunkt sa an, so ergibt sich eine positive Zeitdifferenz die in der Abb. 1 ebenfalls dargestellte Zeitfensterverletzung ZV 2. Durch Addition der berechneten Zeitfensterverletzungen ZV 1 und ZV 2 erhält man für das Beispiel einen Wert für die drohende Verletzung der Zeitfensterrerstriktionion, falls man die kleinste Tour auflösen würde. Über die Akzeptanz der durch einen Compound Move berechneten Nachbarlösung tp'' wird nun entsprechend der in Abb. 2 dargestellten Vorgehensweise entschieden. Sofern die berechnete Nachbar-

5 lösung tp'' N(tp) bezüglich einer der drei Kennzahlen CF, CK oder CV eine Verbesserung gegenüber der aktuellen Lösung tp darstellt, wird diese als neue aktuelle Lösung akzeptiert und die Suche von tp'' fortgeführt. In dem Fall, daß die Nachbarlösung sowohl einen größeren Wert CK als auch einen größeren Wert CV aufweist, wird die Nachbarlösung nur mit einer, in der Abb. 2 angegebenen Wahrscheinlichkeit akzeptiert. Es sei ergänzend bemerkt, daß sich die Fahrzeuganzahl CF aufgrund der verwendeten Move-Operatoren nicht vergrößern kann. CF := CF(tp'') - CF(tp); CK := CK(tp'') - CK(tp); CV := CV(tp'') - CV(tp); IF ( ( CF < 0) OR ( CK < 0) OR ( CV < 0) ) THEN ELSE Bestimme Zufallszahl R [0,1) IF ( EXP (- CV/ T) > R ) tp := tp''; THEN tp := tp''; ELSE Abb. 2. Akzeptanz einer Nachbarlösung. Was die generischen Entwurfsentscheidungen der ersten Phase anbelangt, sei bemerkt, daß im wesentlichen die Konzepte von VAN LAARHOVEN und AARTS (1987) angewandt werden. Wie einführend bereits beschrieben, wird die Temperatur entsprechend der Funktion α(t) = at reduziert. Die für jede Temperatur durchzuführende Anzahl an Abkühlungsschritten nrep(n) = bn wird in Abhängigkeit der Problemgröße n festgelegt. Die Phase 1 wird abgebrochen, sobald eines der nachfolgenden Stoppkriterien erfüllt ist: (1) Innerhalb von ks Kühlschritten erfolgte keine Auflösung einer Tour. (2) Die Temperatur fällt unter den kritischen Wert T min. (3) Die Auflösung einer weiteren Tour ist aufgrund der begrenzten Ladekapazitäten der Fahrzeuge nicht möglich. Auf die Entwurfsentscheidungen der zweiten Phase wird in diesem Beitrag nicht eingegangen. Hinsichtlich der Problematik, die Gesamtentfernung zu minimieren, sei auch auf die zahlreich in der Literatur vorhandenen Ansätze hingewiesen [vgl. TAILLARD et al und GLOVER 1991]. 3 Evaluierung Nachfolgend wird kurz auf die Festlegung der Verfahrensparameter eingegangen und die erzielte Lösungsqualität beschrieben. Im Rahmen einer durchgeführten Parameterstudie haben sich die in der folgenden Tab. 1 dargestellten Parameterwerte als geeignet herausgestellt. Diese wurden für alle Problemberechnungen beibehalten. T 0 A b ks T min Tab. 1. Parameterwerte. Berechnet wurden die von SOLOMON (1987) beschriebenen 56 Probleminstanzen, die in der Literatur üblicherweise zur Verfahrensbewertung herangezogen werden. Die Ergebnisse wurden mit den besten

6 bekannten Lösungen verglichen. Alle Problemberechnungen wurden auf einem PC (Pentium- Prozessor, 200 MHz) durchgeführt. Mit dem entwickelten Simulated Annealing-Verfahren konnte für 55 Probleminstanzen die jeweils geringste bekannte Fahrzeuganzahl gefunden werden. Andere aus der Literatur bekannten Verfahren ermitteln jeweils für eine geringere Anzahl von Probleminstanzen die bzgl. des primären Zielkriteriums "Fahrzeuganzahl" besten bekannten Lösungen (vgl. Homberger). Der Tab. 2 sind die Werte für die kumulierte Fahrzeuganzahl, die mit den aus der Literatur bekannten Lösungsverfahren berechnet wurden, zu entnehmen. Referenzverfahren Kumulierte Fahrzeuganzahl Kumulierte Gesamtentfernung Homberger und Gehring (1998) / beschriebenes SA Homberger und Gehring (1997) Taillard et al. (1996) Bachem et al. (1997) Rochat und Taillard (1995) Thangiah et al. (1995) Potvin et al. (1996) Chiang und Russell (1996) Potvin und Bengio (1996) Kontoravdis und Bard (1995) Tab. 2. Vergleich kumulierter Ergebnisse für die 56 Problembeispiele von SOLOMON (1987). Um die Robustheit des entwickelten Simulated Annealing-Verfahren zu bewerten, wurde jede Probleminstanz fünf mal berechnet. Jede der fünf Berechnungen einer Probleminstanz wurde mit unterschiedlichen Zufallszahlen durchgeführt. Im folgenden wird die einmalige Berechnung aller Probleminstanzen als Berechnungslauf bezeichnet. In der Tab. 3 werden für den besten und den schlechtesten der fünf Berechnungsläufe die kumulierte Fahrzeuganzahl und die zur Ermittlung der besten Lösungen benötigte mittlere Rechenzeit angegeben. Bester Berechnungslauf Schlechtester Berechnungslauf Kumulierte Fahrzeuganzahl Mittlere Rechenzeit Kumulierte Fahrzeuganzahl Mittlere Rechenzeit sec sec Tab. 3. Vergleich des besten und des schlechtesten Berechnungslaufs. Die skizzierten Ergebnisse zeigen, daß die beschriebene erste Phase des entwickelten Simulated Annealing-Verfahrens gut geeignet ist, für Probleminstanzen des VRPTW Lösungen mit einer geringen Fahrzeuganzahl in kurzer Rechenzeit zu berechnen. Literatur Bachem, A.; Bodmann, M.; Bolz, G.; Emden-Weinert, T.; Erdmann, A.; Kiahaschemi, M.; Monien, B.; Prömel, H. J.; Schepers, J.; Schrader, R.; Schulze, J.; Tschöke, S. (1997): Verbundprojekt PARALOR: Parallele Algorithmen zur Wegeoptimierung in Flugplanung und Logistik. Universität Köln, Angewandte Mathematik und Informatik, Report No , Köln Cerny, V. (1985): Thermodynamical approach to the traveling salesman problem: An efficient simulation algorithm. Journal of Optimization theory and application 45: 41-51

7 Chiang, W.; Russell, R. A. (1996): Simulated annealing metaheuristics for the vehicle routing problem with time windows. Annals of Operations Research 63: 3-27 Clarke, G. and Wright, J. W. (1964) Scheduling of vehicles from a central depot to a number of delivery points. Operations Research 12: Domschke, W. (1997): Logistik: Rundreisen und Touren. 4. Aufl. Oldenbourg, München Glover, F. (1991) Multilevel tabu search and embedded search neighborhoods for the traveling salesman problem. Working paper, Graduate School of Business and Administration, University of Colorado, Boulder, Colorado. Homberger, J. (1997): Zwei Evolutionsstrategien für das Standardproblem der Tourenplanung mit Zeitfensterrestriktionen. In: Biethahn, J.; Hönerloh, A.; Kuhl, J.; Leisewitz, M.-C.; Nissen, V.; Tietze, M. (Hrsg.): Betriebswirtschaftliche Anwendung des Softcomputing. Vieweg, Wiesbaden Kirkpatrick, S.; Gelatt Jr., C. D.; Vecchi, M. P. (1983): Optimization by simulated annealing. Science 220: Kontoravdis, G.; Bard, J. F. (1995): A GRASP for the vehicle routing problem with time windows. ORSA Journal on Computing 7: Lenstra, J.; Rinnooy Kan, A. (1981): Complexity of vehicle routing and scheduling problems. Networks 11: Metropolis, N.; Rosenbluth, M.; Rosenbluth, A.; Teller, A.; Teller, E. (1953): Equation of state calculations by fast computing machines. Journal of Chemical Physics 21: Or, I. (1976) Traveling salesman-type combinatorial problems and their relation to the logistics of blood banking. Ph.D. thesis, Department of Industrial Engineering and Management Science, Northwestern University, Evanston, IL Osman, I. H. (1993) Metastrategy simulated annealing and tabu search algorithms for the vehicle routing problem. Annals of Operations Research 41: Potvin, J.-Y.; Kervahut, T.; Garcia, B.-L.; Rousseau, J.-M. (1996): The vehicle routing problem with time windows, part 1: Tabu search. INFORMS Journal on Computing 8: Potvin, J.-Y.; Bengio, S. (1996): The vehicle routing problem with time windows, part 2: Genetic search. INFORMS Journal on Computing 8: Reeves C. R. (1993): Modern heurstic techniques for combinatorial problems. John Wiley & Sons, Inc, New York Retzko R. (1995): Flexible Tourenplanung mit selbstorganisierenden Neuronalen Netzen. Unitext, Göttingen Rochat, Y.; Taillard, E. D. (1995): Probabilistic diversification and intensification in local search for vehicle routing. Universität Montreal, Centre de recherche sur la transportation, CRT-95-13, Montreal Solomon, M. M. (1987): Algorithms for the vehicle routing and scheduling problems with time window constraints. Operations Research 35: Taillard, E. D.; Badeau, P.; Gendreau, M.; Guertin, F.; Potvin, J.-P. (1996): A tabu search heuristic for the vehicle routing problem with soft time windows. Universität Montreal, Centre de recherche sur la transportation, CRT-95-66, Montreal Thangiah, S. R.; Osman, I. H.; Sun, T. (1995): Metaheuristics for vehicle routing problems with time windows. Research Report No: UKC/IMS/OR94/8. Institute of Mathematics and Statistics, University of Kent. Van Laarhoven, P. J. M.; Aarts E. H. L. (1987): Simulated annealing: Theory and applikations. D. Reidel Publishing Company,. Dordrecht VERÄNDERUNGEN

8 3.1 Erste Verfahrensphase Zu Beginn des Verfahrens werden mit Hilfe des Savingsverfahrens von Clarke und Wright eine zulässige Startlösung für die nachfolgende Nachbarschaftssuche berechnet. Die der Nachbarschaftssuche zugrunde liegenden problembezogenen Entwurfsentscheidungen, insbesondere die verwendete Nachbarschaftsstruktur und die Kostenfunktion, sowie die durch den Kühlplan festgelegten verfahrensbezogenen Entwurfsentscheidungen werden nun beschrieben. Nachbarschaftsstruktur Kostenfunktion Kühlplan 3.2 Zweite Verfahrensphase Ausgehend von dem in der ersten Verfahrensphase berechneten besten Tourenplan wird in der zweiten Verfahrensphase die Gesamtentfernung minimiert. Die zu diesem Zweck für die zweite Verfahrensphase getroffenen Entwurfsentscheidungen werden nachfolgend kurz beschrieben. Im Unterschied zur ersten Verfahrensphase wird bei der Berechnung einer Nachbarlösung auf die Anwendung des modifizierten Or-Opt-Moves verzichtet. In jeder Iteration wird lediglich ein aus der Menge MoveSet = {Or-Opt-Move, 2Opt*-Move, 1-Single-Interchange-Move} zufällig ausgewählter Move-Opertator angewendet. Die Kosten eines Tourenplans werden in der zweiten Phase durch die Gesamtentfernung ce(tp) ausgedrückt. Eine berechnete Nachbarlösung tp' wird auf jeden Fall akzeptiert, sofern sie eine geringere Gesamtentfernung als tp aufweist, also ce(tp') < ce(tp) gilt. In dem Fall, daß die Nachbarlösung tp' eine Verschlechterung gegenüber tp darstellt, also ce > 0 mit ce = ce(tp') - ce(tp) gilt, wird tp' mit der Wahrscheinlichkeit p = EXP(- ce / t) akzeptiert. Die Temperatur wird zu Beginn der zweiten Phase neu initialisiert. Die Berechnung der neuen Starttemperatur und deren Variation werden entsprechend den Konzepten von Van Laarhoven und Aarts nach einem polynomialen Kühlplan durchgeführt. Wie die Tab. 2 zeigt, konnte mit dem entwickelten Simulated Annealing-Verfahren bzgl. des primären Zielkriteriums "Fahrzeuganzahl" die besten Werte berechnet werden. Ein Vergleich bzgl. des sekundären Zielkriteriums "Gesamtentfernung" ist bei unterschiedlicher Fahrzeuganzahl nur bedingt möglich, da die Einsparung eines Fahrzeugs eine Erhöhung der Fahrstrecke zwingend voraussetzen kann. Dennoch ist festzustellen, daß die Verfahren von Taillard sowie Rochat und Taillard bessere Werte bzgl. des sekundären Zielkriteriums erzielen konnten.

9 Die skizzierten Ergebnisse zeigen, daß die hier im Vordergrund stehende erste Phase des entwickelten Simulated Annealing-Verfahrens gut geeignet ist, für Probleminstanzen des VRPTW Lösungen mit einer geringen Fahrzeuganzahl zu berechnen. Darüber hinaus kann die mit der zweiten Phase erzielte Gesamtentfernung als ordentlich bezeichnet werden, so daß insgesamt mit der zweiphasigen Konzeption des Simulated Annealing Verfahrens ein geeigneter Lösungsansatz für Probleminstanzen des VRPTW vorgestellt wurde.

10 Im Vergleich des besten mit dem schlechtesten Berechnungslauf fällt auf, daß die berechneten kumulierten Werte für die Fahrzeuganzahl lediglich um zwei Fahrzeuge voneinander abweichen. In Bezug auf die mit dem besten Berechnungslauf insgesamt erzielte Fahrzeuganzahl beträgt die Abweichung lediglich 0.5%. Die erste Phase des Simulated Annealing kann somit als sehr robust bezeichnet werden.

11 Um die Lösungsqualität bzgl. der Gesamtentfernung besser beurteilen zu können, wurde daher ein Vergleich mit den besten von Taillard berechneten Lösungen für die 51 Probleminstanzen durchgeführt, bei denen die gleiche Fahrzeuganzahl vorlag. Für die Probleminstanzen (außer R104, R110, R112, R207 und RC202) konnte mit dem Verfahren von Taillard eine kumulierte Gesamtentfernung von Einheiten, mit dem Simulated Annealing eine kumulierte Gesamtentfernung von Einheiten berechnet werden. Insgesamt ist zu bemerken, daß für die in Tab. 4 aufgeführten Probleminstanzen neue Bestlösungen bezüglich der Gesamtentfernung berechnet wurden. Probleminstanz Bestes Literaturergebnis Beste berechnete Lösung (vgl. Taillard 1996) R , ,80 R , ,73 R , ,46 R , ,40 R , ,11 R , ,84 R , ,47 R , ,65 R , ,12 R , ,38 R , ,05 RC , ,09 RC , ,28 RC , ,82 RC , ,04 Tab. 4: Neue Bestlösungen

Heuristiken im Kontext von Scheduling

Heuristiken im Kontext von Scheduling Heuristiken im Kontext von Scheduling Expertenvortrag CoMa SS 09 CoMa SS 09 1/35 Übersicht Motivation Makespan Scheduling Lokale Suche Weitere Metaheuristiken Zusammenfassung Literatur CoMa SS 09 2/35

Mehr

Motivation. Problemstellung. Lösungsansätze. Fazit und Ausblick. Dipl. Wi.-Inf. Thomas Huth. Problemstellung. Lösungsansätze. Fazit und Ausblick

Motivation. Problemstellung. Lösungsansätze. Fazit und Ausblick. Dipl. Wi.-Inf. Thomas Huth. Problemstellung. Lösungsansätze. Fazit und Ausblick Dynamische Aspekte in der mehrperiodischen Tourenplanung Doktorandenkolloquium Sonnenberg, März M 2007 1 Motivation Dynamische Aspekte in der Tourenplanung werden zunehmend wichtiger Gründe dafür sind

Mehr

Recent Advances in Business Computing and Operations Research (RAIBCOR)

Recent Advances in Business Computing and Operations Research (RAIBCOR) Recent Advances in Business Computing and Operations Research (RAIBCOR) Prof. Dr. Stefan Bock Wirtschaftsinformatik und Operations Research Schumpeter School of Business and Economics 21. Oktober 2011

Mehr

Routen- & Tourenplanung

Routen- & Tourenplanung Prof. Dr.-Ing. Bernd NOCHE Mustafa GÜLLER, M.Sc. Routen- & Tourenplanung Lehrstuhl für Fabrikorganisation Technische Universität Dortmund Leonhard-Euler-Str. 5 44227 Dortmund Telefon: +49 (0) 231 755-5773

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Entwicklung eines Planungswerkzeuges für die Tourenplanung von Außendienstmitarbeitern

Entwicklung eines Planungswerkzeuges für die Tourenplanung von Außendienstmitarbeitern Entwicklung eines Planungswerkzeuges für die Tourenplanung von Außendienstmitarbeitern Günter KIECHLE, Karl DÖRNER und Andreas WAGNER Zusammenfassung Im vorliegenden Beitrag wird ein Lösungsverfahren für

Mehr

Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren

Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren Hochflexibles Workforce Management: Herausforderungen und Lösungsverfahren Dissertation zur Erlangung des akademischen Gerades eines Doktors der Wirtschaftswissenschaften ( Doctor rerum politicarum") an

Mehr

Recent Advances in Business Computing and Operations Research (RAIBCOR)

Recent Advances in Business Computing and Operations Research (RAIBCOR) Recent Advances in Business Computing and Operations Research (RAIBCOR) Prof. Dr. Stefan Bock 31.10.2008 / 07.11.2008 Bergische Universität Wuppertal Wirtschaftsinformatik und Operations Research Agenda

Mehr

Tourenplanung mit Zeitfenstern für mehrere Fahrzeuge

Tourenplanung mit Zeitfenstern für mehrere Fahrzeuge Diplomarbeit Tourenplanung mit Zeitfenstern für mehrere Fahrzeuge Philipp Kindermann Betreuer: Dr. Joachim Spoerhase Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Effiziente Algorithmen und wissensbasierte

Mehr

Systeme 1. Kapitel 5. Scheduling

Systeme 1. Kapitel 5. Scheduling Systeme 1 Kapitel 5 Scheduling Scheduling Verteilung und Zuweisung von begrenzten Ressourcen an konkurrierende Prozesse Beispiel: -> Zeitablaufsteuerung Zwei Prozesse zur gleichen Zeit rechenbereit auf

Mehr

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests Masterarbeit zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Masterstudiengang Wirtschaftswissenschaft

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Metriken - ein unverzichtbarer Begleiter für Software-Prozess-Verbesserungen

Metriken - ein unverzichtbarer Begleiter für Software-Prozess-Verbesserungen Metriken - ein unverzichtbarer Begleiter für Software-Prozess-Verbesserungen Dipl.-Math. Hermann Will QADVICE Software+System Qualität Jamnitzerstr. 2, 81543 München hermann.will@qadvice.de Zusammenfassung.

Mehr

Dieter SÜSS und Klaus MACHATA

Dieter SÜSS und Klaus MACHATA Globaler Optimierungsalgorithmus für überlagerungsfreie Darstellung von Objekten in der neuen Elektronischen Unfallsteckkarte des Kuratorium für Verkehrssicherheit Dieter SÜSS und Klaus MACHATA Zusammenfassung

Mehr

Seminar Komplexe Objekte in Datenbanken

Seminar Komplexe Objekte in Datenbanken Seminar Komplexe Objekte in Datenbanken OPTICS: Ordering Points To Identify the Clustering Structure Lehrstuhl für Informatik IX - Univ.-Prof. Dr. Thomas Seidl, RWTH-Aachen http://www-i9.informatik.rwth-aachen.de

Mehr

Minimierung von Fahrzeiten und Treibhausgasen im Holztransport

Minimierung von Fahrzeiten und Treibhausgasen im Holztransport Minimierung von Fahrzeiten und Treibhausgasen im Holztransport Universität für Bodenkultur Wien Institut für Produktionswirtschaft und Logistik Vergleich eines matheuristischen Lösungsverfahrens mit einer

Mehr

Recent Advances in Business Computing and Operations Research (RAIBCOR)

Recent Advances in Business Computing and Operations Research (RAIBCOR) Recent Advances in Business Computing and Operations Research (RAIBCOR) Prof. Dr. Stefan Bock Wirtschaftsinformatik und Operations Research Schumpeter School of Business and Economics 25. April 2014 Business

Mehr

Approximationsalgorithmen

Approximationsalgorithmen Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert

Mehr

Physik und Chemie der Minerale

Physik und Chemie der Minerale Physik und Chemie der Minerale Phasendiagramme Mehrere Komponenten Segregation, konstitutionelle Unterkühlung Keimbildung Kinetik des Kristallwachstums Kristallzüchtung Literaturauswahl D.T.J Hurle (Hrsg.):

Mehr

Master Logistik. Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3. Anzahl der SWS.

Master Logistik. Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3. Anzahl der SWS. Modulnummer 8 a 8 c Modultitel / Bezeichnung der Lehrveranstaltung Vertiefungsmodul Verfahren und IT-Systeme 1-3 Kurzbezeichnung Semeste Anzahl der SWS Häufigkeit des - r 12 Angebots 1 oder 2 jedes Semester/jedes

Mehr

Quantitative Entscheidungsunterstützung Themen für Gruppenarbeiten

Quantitative Entscheidungsunterstützung Themen für Gruppenarbeiten Quantitative Entscheidungsunterstützung Themen für Gruppenarbeiten Dr. Philipp Baumann Prof. Dr. Norbert Trautmann Mario Gnägi Universität Bern Herbstsemester 2014 Gliederung Marketing Portfolio-Selektion

Mehr

Fortgeschrittene Produktionsplanung. Professor Dr. Frank Herrmann und Professor Dr. Alexander Söder (weitere Kollegen können die Vorlesung halten)

Fortgeschrittene Produktionsplanung. Professor Dr. Frank Herrmann und Professor Dr. Alexander Söder (weitere Kollegen können die Vorlesung halten) Modulbezeichnung VT / BS 2 Modulniveau Kürzel M.Sc. FPP Untertitel Lehrveranstaltungen Studiensemester Modulverantwortliche(r) Dozent(in) Sprache Zuordnung zum Curriculum Lehrform/SWS Arbeitsaufwand in

Mehr

Genetische Algorithmen

Genetische Algorithmen Genetische Algorithmen zur Lösung kombinatorischer Optimierungsprobleme aus dem Bereich Produktion und Logistik S. Häckel, S. Lemke TU Chemnitz Fakultät für Wirtschaftswissenschaften Professur für Produktionswirtschaft

Mehr

Binäre lineare Optimierung mit K*BMDs p.1/42

Binäre lineare Optimierung mit K*BMDs p.1/42 Binäre lineare Optimierung mit K*BMDs Ralf Wimmer wimmer@informatik.uni-freiburg.de Institut für Informatik Albert-Ludwigs-Universität Freiburg Binäre lineare Optimierung mit K*BMDs p.1/42 Grundlagen Binäre

Mehr

Universität Erlangen-Nürnberg Lehrstuhl Prof. Mertens. Habib Lejmi

Universität Erlangen-Nürnberg Lehrstuhl Prof. Mertens. Habib Lejmi Universität Erlangen-Nürnberg Lehrstuhl Prof. Mertens Habib Lejmi Ein Beitrag zur Integration der Tourenplanung auf e-marktplätzen am Beispiel einer Abwicklungs-Plattform in der Möbelindustrie Äußerer

Mehr

IWW-Studienprogramm. Aufbaustudium. Modul XX: Informationsbasiertes Supply Chain Management

IWW-Studienprogramm. Aufbaustudium. Modul XX: Informationsbasiertes Supply Chain Management IWW-Studienprogramm Aufbaustudium Modul XX: Informationsbasiertes Supply Chain Management von Univ.-Prof. Dr. Dr. h. c. Günter Fandel Professor an der FernUniversität in Hagen 1 I. Gliederung 1 Advanced

Mehr

Neue Tabusuche-Heuristiken für die logistische Tourenplanung bei restringierendem Anhängereinsatz, mehreren Depots und Planungsperioden

Neue Tabusuche-Heuristiken für die logistische Tourenplanung bei restringierendem Anhängereinsatz, mehreren Depots und Planungsperioden Neue Tabusuche-Heuristiken für die logistische Tourenplanung bei restringierendem Anhängereinsatz, mehreren Depots und Planungsperioden Dissertation zur Erlangung des Grades eines Doktors der Wirtschaftswissenschaft

Mehr

Approximation in Batch and Multiprocessor Scheduling

Approximation in Batch and Multiprocessor Scheduling Approximation in Batch and Multiprocessor Scheduling Tim Nonner IBM Research Albert-Ludwigs-Universität Freiburg 3. Dezember 2010 Scheduling Zeit als Ressource und Beschränkung Formaler Gegeben sind Jobs

Mehr

Recent Advances in Business Computing and Operations Research (RAIBCOR)

Recent Advances in Business Computing and Operations Research (RAIBCOR) Recent Advances in Business Computing and Operations Research (RAIBCOR) WS 2015/16 Prof. Dr. Stefan Bock Wirtschaftsinformatik und Operations Research Schumpeter School of Business and Economics 30. Oktober

Mehr

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani

Mehr

Institut für Wirtschaftsinformatik Lehrstuhl Decision Support Prof. Dr. Dirk Christian Mattfeld Simulation und Optimierung von Bike-Sharing-Systemen

Institut für Wirtschaftsinformatik Lehrstuhl Decision Support Prof. Dr. Dirk Christian Mattfeld Simulation und Optimierung von Bike-Sharing-Systemen Simulation und Optimierung von Bike-Sharing-Systemen DoWoNo 2011 Viola Ricker Was ist Bike-Sharing? Bike-Sharing: Fahrräder als nachhaltiges, individuelles, öffentliches Verkehrsmittel Gängigerweise Bereitstellung

Mehr

Wirtschaftsmathematik in Maastricht Sabine Piana

Wirtschaftsmathematik in Maastricht Sabine Piana Besucherzentrum Bonnefantenstraat 2 Öffnungszeiten: Mo Fr von 10:00 18:00 und Sa von 10:00 16:00 Telefon: +31 43 3885388 (Mo Fr von 9:00 12:30 und 13:30 17:00) Startschuss Abi, Gelsenkirchen, 18. Oktober

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Prozesse und Scheduling

Prozesse und Scheduling Betriebssysteme für Wirtschaftsinformatiker SS04 KLAUSUR Vorbereitung mit Lösungen / Blatt 1 Prozesse und Scheduling Aufgabe 1 : Scheduling Gegeben seien die folgenden Prozesse und die Längen des jeweiligen

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

Kostenmaße. F3 03/04 p.188/395

Kostenmaße. F3 03/04 p.188/395 Kostenmaße Bei der TM nur ein Kostenmaß: Ein Schritt (Konfigurationsübergang) kostet eine Zeiteinheit; eine Bandzelle kostet eine Platzeinheit. Bei der RAM zwei Kostenmaße: uniformes Kostenmaß: (wie oben);

Mehr

Neue Lösungsansätze zur Transportdisposition und -steuerung

Neue Lösungsansätze zur Transportdisposition und -steuerung Neue Lösungsansätze zur Transportdisposition und -steuerung Andreas Kudernatsch Institut für 1 Ausgangssituation: - seit der Einführung des Containers im Seeverkehr stetige Wachstumszahlen Beispiel Hafen

Mehr

9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen

9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen 9.4 Binäre Suchbäume Erweiterung: Einfügen an der Wurzel Standardimplementierung: Der neue Schlüssel wird am Ende des Suchpfades angefügt (natürlich, weil zuerst festgestellt werden muss, ob der Schlüssel

Mehr

Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation

Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation - für Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation Zeit- und Ressourcenplanung leicht gemacht - Unterstützung durch Simulation Thomas Hanne *, Patrick Lang, Stefan Nickel,

Mehr

Der linke Teilbaum von v enthält nur Schlüssel < key(v) und der rechte Teilbaum enthält nur Schlüssel > key(v)

Der linke Teilbaum von v enthält nur Schlüssel < key(v) und der rechte Teilbaum enthält nur Schlüssel > key(v) Ein Baum T mit Knotengraden 2, dessen Knoten Schlüssel aus einer total geordneten Menge speichern, ist ein binärer Suchbaum (BST), wenn für jeden inneren Knoten v von T die Suchbaumeigenschaft gilt: Der

Mehr

DIPLOMARBEIT. Titel der Diplomarbeit. Anwendung eines Standardsoftwarepaketes für die Lösung von Tourenplanungsproblemen. Verfasserin.

DIPLOMARBEIT. Titel der Diplomarbeit. Anwendung eines Standardsoftwarepaketes für die Lösung von Tourenplanungsproblemen. Verfasserin. DIPLOMARBEIT Titel der Diplomarbeit Anwendung eines Standardsoftwarepaketes für die Lösung von Tourenplanungsproblemen Verfasserin Tirza Hizgilov angestrebter akademischer Grad: Magistra der Sozial- und

Mehr

Grundlagen der Programmierung 2. Parallele Verarbeitung

Grundlagen der Programmierung 2. Parallele Verarbeitung Grundlagen der Programmierung 2 Parallele Verarbeitung Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 27. Mai 2009 Parallele Algorithmen und Ressourcenbedarf Themen: Nebenläufigkeit,

Mehr

VHDL Verhaltensmodellierung

VHDL Verhaltensmodellierung VHDL Verhaltensmodellierung Dr.-Ing. Matthias Sand Lehrstuhl für Informatik 3 (Rechnerarchitektur) Friedrich-Alexander-Universität Erlangen-Nürnberg WS 2008/2009 VHDL Verhaltensmodellierung 1/26 2008-10-20

Mehr

Artificial Life und Multiagentensysteme

Artificial Life und Multiagentensysteme Vortrag im Rahmen des Seminars: Artificial Life und Multiagentensysteme Prof. Dr. Winfried Kurth Sommersemester 2003 Prognose von Zeitreihen mit GA/GP Mathias Radicke, Informatikstudent, 10. Semester Gliederung

Mehr

Untersuchungen zum Thema Tracking Error

Untersuchungen zum Thema Tracking Error Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors

Mehr

Sortieren. Eine Testmenge erstellen

Sortieren. Eine Testmenge erstellen Sortieren Eine der wohl häufigsten Aufgaben für Computer ist das Sortieren, mit dem wir uns in diesem Abschnitt eingeher beschäftigen wollen. Unser Ziel ist die Entwicklung eines möglichst effizienten

Mehr

Grundlagen und Basisalgorithmus

Grundlagen und Basisalgorithmus Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg

Mehr

Untersuchung der Zusammenhänge zwischen der gebauten Struktur einer Stadt und der

Untersuchung der Zusammenhänge zwischen der gebauten Struktur einer Stadt und der Ein agentenbasiertes t Simulationsmodell ll zur Untersuchung der Zusammenhänge zwischen der gebauten Struktur einer Stadt und der sozialen Organisation ihrer Bevölkerung Reinhard König, Informatik in der

Mehr

Agile Vorgehensmodelle in der Softwareentwicklung: Scrum

Agile Vorgehensmodelle in der Softwareentwicklung: Scrum C A R L V O N O S S I E T Z K Y Agile Vorgehensmodelle in der Softwareentwicklung: Scrum Johannes Diemke Vortrag im Rahmen der Projektgruppe Oldenburger Robot Soccer Team im Wintersemester 2009/2010 Was

Mehr

Technischer Regulierungsstandard zur Behandlung von Kreditrisikoanpassungen

Technischer Regulierungsstandard zur Behandlung von Kreditrisikoanpassungen Technischer Regulierungsstandard zur Behandlung von Kreditrisikoanpassungen Michael Mertens Inhalt Einleitung... 1 Spezifische und allgemeine Kreditrisikoanpassungen... 1 Anwendungsbereiche... 3 Berücksichtigung

Mehr

Ein Decision Support System zur kooperativen Tourenplanung in Verbünden unabhängiger Transportdienstleister

Ein Decision Support System zur kooperativen Tourenplanung in Verbünden unabhängiger Transportdienstleister Ein Decision Support System zur kooperativen Tourenplanung in Verbünden unabhängiger Transportdienstleister Sascha Dahl, Ulrich Derigs WINFORS -Seminar f ür Wirtschaftsinformatik und Operations Research

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Business Computing and Operations Research (RAIBCOR)

Business Computing and Operations Research (RAIBCOR) Recent Advances in Business Computing and Operations Research (RAIBCOR) WS 2014 / 2015 Prof. Dr. Stefan Bock Wirtschaftsinformatik und Operations Research Schumpeter Schoolof of Business and Economics

Mehr

Entwurf und simulative Bewertung eines Verfahrens zur Behandlung von Engpässen in Bandwidth-Broker-gesteuerten DiffServ- Netzwerken

Entwurf und simulative Bewertung eines Verfahrens zur Behandlung von Engpässen in Bandwidth-Broker-gesteuerten DiffServ- Netzwerken Einleitungsvortrag zur Diplomarbeit: Entwurf und simulative Bewertung eines Verfahrens zur Behandlung von Engpässen in Bandwidth-Broker-gesteuerten DiffServ- Netzwerken --- Bernd Wollersheim --- --- wollersh@informatik.uni-bonn.de

Mehr

Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen

Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Referat von Guido RECKE Institut für Agrarökonomie der Georg-August-Universität Göttingen Platz der Göttinger Sieben

Mehr

Algorithmische Methoden für schwere Optimierungsprobleme

Algorithmische Methoden für schwere Optimierungsprobleme Algorithmische Methoden für schwere Optimierungsprobleme Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund

Mehr

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28. PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt

Mehr

Echtzeitfähige Ereignisgetriebene Scheduling-Strategien

Echtzeitfähige Ereignisgetriebene Scheduling-Strategien Friedrich-Alexander-Universität Erlangen-Nürnberg Ausgewählte Kapitel eingebetteter Systeme Echtzeitfähige Ereignisgetriebene Scheduling-Strategien Sven Kerschbaum 1. Einführung Bei einem eingebetteten

Mehr

Effiziente Lokale Suche für Vehicle Routing und Scheduling Probleme mit Ressourcenbeschränkungen

Effiziente Lokale Suche für Vehicle Routing und Scheduling Probleme mit Ressourcenbeschränkungen Effiziente Lokale Suche für Vehicle Routing und Scheduling Probleme mit Ressourcenbeschränkungen Von der Fakultät für Wirtschaftswissenschaften der Rheinisch-Westfälischen Technischen Hochschule Aachen

Mehr

Lösung des Kleinste-Quadrate-Problems

Lösung des Kleinste-Quadrate-Problems Lösung des Kleinste-Quadrate-Problems Computergestützte Statistik Lisakowski, Christof 15.05.2009 Lisakowski, Christof ()Lösung des Kleinste-Quadrate-Problems 15.05.2009 1 / 34 Themen 1 Problemstellung

Mehr

Franz Rothlauf. Working Paper 6 / 2004 Juli 2004

Franz Rothlauf. Working Paper 6 / 2004 Juli 2004 Entwicklung eines Entscheidungsunterstützungssystems für die Planung von Schnittstellentests im Rahmen der Qualitätssicherung von komponentenbasierter Unternehmenssoftware Franz Rothlauf Working Paper

Mehr

University of Tirana

University of Tirana University of Tirana Address: Sheshi Nënë Tereza ; www.unitir.edu.al Tel: 04228402; Fax: 04223981 H.-D. Wenzel, Lehrstuhl Finanzwissenschaft, OFU Bamberg 1 University of Tirana The University of Tirana

Mehr

Optimierungsverfahren in der Transportlogistik

Optimierungsverfahren in der Transportlogistik Optimierungsverfahren in der Transportlogistik Jakob Puchinger 1 1 Dynamic Transportation Systems, arsenal research Jakob Puchinger (arsenal research) Optimierungsverfahren in der Transportlogistik 1 /

Mehr

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09. Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme

Mehr

3. Ziel der Vorlesung

3. Ziel der Vorlesung 3. Ziel der Vorlesung Der Zweck der Vorlesung ist das Studium fundamentaler Konzepte in der Algorithmentheorie. Es werden relevante Maschinenmodelle, grundlegende und höhere Datenstrukturen sowie der Entwurf

Mehr

Minuten [1, 4 ] Mathematische

Minuten [1, 4 ] Mathematische Anlage: Übersicht über die Module und Prüfungen im Bachelorstudiengang Wirtschaftsinformatik (Information Systems and Management) an der Hochschule für angewandte Wissenschaften - Fachhochschule München

Mehr

Kompakte Graphmodelle handgezeichneter Bilder

Kompakte Graphmodelle handgezeichneter Bilder Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Authentizierung und Bilderkennung Inhaltsverzeichnis Seminar Mustererkennung WS 006/07 Autor: Stefan Lohs 1 Einleitung 1 Das graphische Modell.1

Mehr

Optimales Scheduling mit Hilfe von Constraint-Netzen

Optimales Scheduling mit Hilfe von Constraint-Netzen Optimales Scheduling mit Hilfe von Constraint-Netzen Susanne Heipcke 1+2, Josef Kallrath 1, Matthias Bücker 3 und Stefan Brode 1 1 BASF-AG, ZXA/ZC, Kaiser-Wilhelm-Str. 52, 67056 Ludwigshafen 2 Katholische

Mehr

BEST PRACTICES MARKTKOMMUNIKATION

BEST PRACTICES MARKTKOMMUNIKATION BUSINESS IN THE FAST LANE BEST PRACTICES MARKTKOMMUNIKATION für Bestandskunden Kontakt: bestpractice@next-level-integration.com Best Practices Marktkommunikation für Bestandskunden Next Level Integration

Mehr

Detecting Near Duplicates for Web Crawling

Detecting Near Duplicates for Web Crawling Detecting Near Duplicates for Web Crawling Gurmeet Singh Manku et al., WWW 2007* * 16th international conference on World Wide Web Detecting Near Duplicates for Web Crawling Finde near duplicates in großen

Mehr

IWW Studienprogramm. Aufbaustudium. Modul XX: Informationsbasiertes Supply Chain Management. Lösungshinweise zur 3. Musterklausur

IWW Studienprogramm. Aufbaustudium. Modul XX: Informationsbasiertes Supply Chain Management. Lösungshinweise zur 3. Musterklausur Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen IWW Studienprogramm Aufbaustudium Modul XX: Informationsbasiertes Supply Chain Management

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

Use-Cases. Bruno Blumenthal und Roger Meyer. 17. Juli 2003. Zusammenfassung

Use-Cases. Bruno Blumenthal und Roger Meyer. 17. Juli 2003. Zusammenfassung Use-Cases Bruno Blumenthal und Roger Meyer 17. Juli 2003 Zusammenfassung Dieses Dokument beschreibt Netzwerk-Szenarios für den Einsatz von NetWACS. Es soll als Grundlage bei der Definition des NetWACS

Mehr

Welche der folgenden Aussagen gelten? a) Im allgemeinen gilt: ein Deadlock tritt auf gdw. der Resource-Allocation Graph einen Zykel

Welche der folgenden Aussagen gelten? a) Im allgemeinen gilt: ein Deadlock tritt auf gdw. der Resource-Allocation Graph einen Zykel Aufgabe 1 (5 Punkte) (Multiple Choice) Beantworten Sie folgende Fragen durch Ankreuzen der richtigen Antwort. Für jede falsche Antwort wird ein Punkt abgezogen (es werden minimal 0 Punkte vergeben). Welche

Mehr

(Prüfungs-)Aufgaben zum Thema Scheduling

(Prüfungs-)Aufgaben zum Thema Scheduling (Prüfungs-)Aufgaben zum Thema Scheduling 1) Geben Sie die beiden wichtigsten Kriterien bei der Wahl der Größe des Quantums beim Round-Robin-Scheduling an. 2) In welchen Situationen und von welchen (Betriebssystem-)Routinen

Mehr

Informatik Biber. Lehrmittel für die informatische Bildung an der Sekundarstufe I. Lehrpersonenkommentar

Informatik Biber. Lehrmittel für die informatische Bildung an der Sekundarstufe I. Lehrpersonenkommentar Informatik Biber Lehrmittel für die informatische Bildung an der Sekundarstufe I Lehrpersonenkommentar Inhaltsverzeichnis Optimieren Wie finde ich die beste Rundreise? 3 Ausgangskompetenz 3 Umsetzungsvorschläge

Mehr

Fotios Filis. Monte-Carlo-Simulation

Fotios Filis. Monte-Carlo-Simulation Fotios Filis Monte-Carlo-Simulation Monte-Carlo-Methoden??? Spielcasino gibt Namen Monte Carlo war namensgebend für diese Art von Verfahren: Erste Tabellen mit Zufallszahlen wurden durch Roulette-Spiel-Ergebnisse

Mehr

Algorithmische Modelle als neues Paradigma

Algorithmische Modelle als neues Paradigma Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo

Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo 2011 Kennfeldverbreiterung eines Radialverdichters für Abgasturbolader durch multidisziplinäre CFD-FEM-Optimierung mit FINE /Turbo Th. Hildebrandt, L. Gresser, M. Sievert Inhaltsverzeichnis 01 02 03 04

Mehr

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal

Mehr

Cleanroom Fog Generators Volcano VP 12 + VP 18

Cleanroom Fog Generators Volcano VP 12 + VP 18 Cleanroom Fog Generators Volcano VP 12 + VP 18 Description & Functional Principle (Piezo Technology) Cleanrooms are dynamic systems. People and goods are constantly in motion. Further installations, production

Mehr

Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal

Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Simulation und Optimierung von Bike-Sharing Systemen Vollversammlung der Graduiertenschule OMaR, Oktober 2011, TU Clausthal Viola Ricker Bike-Sharing Bereitstellung von Fahrrädern als öffentliches Verkehrsmittel

Mehr

Die SCM-Initiative der SAP: Supply Chain Modellierung und Planung mit dem SAP APO unter Verwendung von optimierenden Planungsverfahren

Die SCM-Initiative der SAP: Supply Chain Modellierung und Planung mit dem SAP APO unter Verwendung von optimierenden Planungsverfahren Die SCM-Initiative der SAP: Supply Chain Modellierung und Planung mit dem SAP APO unter Verwendung von optimierenden Planungsverfahren Gerald Heisig SAP AG / SCM RIG SAP AG 2000 Optimierungsverfahren im

Mehr

Aufabe 7: Baum-Welch Algorithmus

Aufabe 7: Baum-Welch Algorithmus Effiziente Algorithmen VU Ausarbeitung Aufabe 7: Baum-Welch Algorithmus Florian Fest, Matr. Nr.0125496 baskit@generationfun.at Claudia Hermann, Matr. Nr.0125532 e0125532@stud4.tuwien.ac.at Matteo Savio,

Mehr

Sequential Pattern Analysis und Markov-Modelle. Christian Weiß Institut für Angewandte Mathematik und Statistitik Universität Würzburg

Sequential Pattern Analysis und Markov-Modelle. Christian Weiß Institut für Angewandte Mathematik und Statistitik Universität Würzburg Sequential Pattern Analysis und Markov-Modelle. Christian Weiß Institut für Angewandte Mathematik und Statistitik Universität Würzburg Sequential Pattern Analysis Historische Aspekte Data Mining als Teildisziplin

Mehr

VHDL Verhaltensmodellierung

VHDL Verhaltensmodellierung VHDL Verhaltensmodellierung Dr.-Ing. Volkmar Sieh Lehrstuhl für Informatik 3 (Rechnerarchitektur) Friedrich-Alexander-Universität Erlangen-Nürnberg SS 2013 VHDL Verhaltensmodellierung 1/18 2013-01-11 Inhalt

Mehr

Monte Carlo Simulationen

Monte Carlo Simulationen Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 2014 INSTITUT FÜR EXPERIMENTELLE KERNPHYSIK (IEKP) KIT Universität des Landes Baden-Württemberg und

Mehr

Stochastisches Scheduling

Stochastisches Scheduling Hauptseminar Scheduling Stochastisches Scheduling Matthias Rahlf Technische Universität München rahlf@in.tum.de Zusammenfassung. Dieses Papier bietet einen Einblick in das Feld des stochastischen Schedulings.

Mehr

SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S

SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Regelstudienplan SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Propädeutikum 1 1 Grundlagen der Informatik I Informatik und

Mehr

Proseminar. Spieltheorie. Sommersemester 2015

Proseminar. Spieltheorie. Sommersemester 2015 Proseminar Spieltheorie Sommersemester 2015 Informationen bei: Prof. Dr. Martin Möhle Eberhard Karls Universität Tübingen Mathematisches Institut Tel.: 07071/29-78581 Vortragsübersicht Teil I: Allgemeine

Mehr

Einsatz der Mehrkörpersimulation in Verbindung mit Computertomographie in der Produktentwicklung

Einsatz der Mehrkörpersimulation in Verbindung mit Computertomographie in der Produktentwicklung Einsatz der Mehrkörpersimulation in Verbindung mit Computertomographie in der Produktentwicklung Hintergrund Bei komplexen Baugruppen ergeben sich sehr hohe Anforderungen an die Tolerierung der einzelnen

Mehr

Multidisziplinäre und verteilte Simulationen in der Industrie

Multidisziplinäre und verteilte Simulationen in der Industrie Multidisziplinäre und verteilte Simulationen in der Industrie Marc Lob Forum»Virtualisierung und Grid Computing«Stuttgart, 27. Mai 2008 Inhalt Gekoppelte Multi-Physics-Simulation Reconfigurable Computing

Mehr

Institut für Produktionsmanagement. Studienführer - SBWL Produktionsmanagement

Institut für Produktionsmanagement. Studienführer - SBWL Produktionsmanagement Institut für Produktionsmanagement Studienführer - Produktionsmanagement Stand: Januar 2015 Inhaltsverzeichnis 1 Ausbildungsziel... 2 2 Berufsbilder... 2 3 Lehrveranstaltungsprogramm der... 3 3.1 Aufnahmekriterien

Mehr

Standortplanung. 3.1 Beliebige Standorte... 95 3.1.1 Ein Standort... 95 3.1.2 Mehrere Standorte... 106

Standortplanung. 3.1 Beliebige Standorte... 95 3.1.1 Ein Standort... 95 3.1.2 Mehrere Standorte... 106 Standortplanung 3.1 Beliebige Standorte... 95 3.1.1 Ein Standort... 95 3.1.2 Mehrere Standorte... 106 3 3.2 Bestimmte Standorte... 112 3.2.1 Formulierung Basismodell... 113 3.2.2 Lösung Basismodell...

Mehr

11 DYNAMISCHES GRUNDWASSERMANAGEMENT- SYSTEM

11 DYNAMISCHES GRUNDWASSERMANAGEMENT- SYSTEM Kapitel 11: Dynamisches Grundwassermanagementsystem 227 11 DYNAMISCHES GRUNDWASSERMANAGEMENT- SYSTEM 11.1 Übersicht Das entwickelte Optimierungssystem für instationäre Verhältnisse lässt sich in der praktischen

Mehr

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

F E M M Faculty of Economics and Management Magdeburg

F E M M Faculty of Economics and Management Magdeburg OTTO-VON-GUERICKE-UNIVERSITY MAGDEBURG FACULTY OF ECONOMICS AND MANAGEMENT Tourenplanung für den Menübringdienst des Deutschen Roten Kreuzes Magdeburg - Eine Fallstudie Heike Haussner Jessica Knauel Gerhard

Mehr

Grundlagen verteilter Systeme

Grundlagen verteilter Systeme Universität Augsburg Insitut für Informatik Prof. Dr. Bernhard Bauer Wolf Fischer Christian Saad Wintersemester 08/09 Übungsblatt 5 26.11.08 Grundlagen verteilter Systeme Lösungsvorschlag Aufgabe 1: Erläutern

Mehr