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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 Neue Tabusuche-Heuristiken für die logistische Tourenplanung bei restringierendem Anhängereinsatz, mehreren Depots und Planungsperioden Dissertation zur Erlangung des Grades eines Doktors der Wirtschaftswissenschaft Eingereicht an der Wirtschaftswissenschaftlichen Fakultät der Universität Regensburg vorgelegt von Stephan Scheuerer Tag der Disputation: 2. April 2004 Berichterstatter: Prof. Dr. H. Steckhan und Prof. Dr. F. Lehner

2

3 Meinen Eltern

4

5 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis Symbolverzeichnis 1 Einleitung Gegenstand und Motivation Zielsetzung Aufbau Tourenplanungsprobleme Das Standardproblem der Tourenplanung (VRP) Problembeschreibung Benchmarkprobleme Überblick über Varianten von Tourenplanungsproblemen Gängige Varianten Klassikationsansätze Fokussierte Varianten von Tourenplanungsproblemen Periodische Tourenplanung (PVRP) Problembeschreibung inklusive mathematischer Formulierung Benchmarkprobleme Literaturüberblick Mehrdepot-Tourenplanung (MDVRP) vii ix xi xv

6 ii Inhaltsverzeichnis Problembeschreibung inklusive Rekurs auf die PVRP-Formulierung Benchmarkprobleme Literaturüberblick Tourenplanung bei restringierendem Anhängereinsatz (TTRP) Problembeschreibung inklusive neuer mathematischer Formulierung Benchmarkprobleme Literaturüberblick Formulierung neuer Tourenplanungsprobleme Periodische Tourenplanung bei restringierendem Anhängereinsatz (PTTRP) Problembeschreibung inklusive neuer mathematischer Formulierung Entwicklung von Benchmarkproblemen Mehrdepot-Tourenplanung bei restringierendem Anhängereinsatz (MDTTRP) Problembeschreibung inklusive Rekurs auf die PTTRP-Formulierung Entwicklung von Benchmarkproblemen Entwicklung neuer Konstruktionsverfahren für das TTRP Heuristiken für das Rundreiseproblem Bekannte Konstruktionsverfahren für das VRP Savings-Algorithmus Sweep-Algorithmus Generalized Assignment-Algorithmus Bekannte Konstruktionsverfahren für das TTRP Verfahren von Semet und Taillard Verfahren von Semet Verfahren von Chao

7 Inhaltsverzeichnis iii 3.4 Das neue TTRP-Konstruktionsverfahren T-Cluster Das neue TTRP-Konstruktionsverfahren T-Sweep Vergleich der TTRP-Konstruktionsverfahren anhand bekannter Benchmarkprobleme Tabusuche-Heuristiken für Tourenplanungsprobleme Die Metaheuristik Tabusuche Grundlagen lokaler Suchverfahren Kernidee der Tabusuche Lösungsraum und Nachbarschaft Tabustatus und Aspirationskriterium Kandidatenmenge und Akzeptanzkriterium Intensivierung und Diversifkation Bekannte Tabusuche-Heuristiken Verfahren von Osman Praxisbezogene Tabusuche von Semet und Taillard Dekompositions-Verfahren von Taillard Taburoute-Verfahren von Gendreau, Hertz und Laporte Adaptive Memory-Verfahren von Rochat und Taillard Mehrdepot-Verfahren von Renaud, Laporte und Boctor Ejection-Chain-Verfahren von Rego und Roucairol Flower-Algorithmus von Rego Netzuss-Evaluierungs-Verfahren von Xu und Kelly Vereinheitlichter Tabusuche-Algorithmus von Cordeau, Gendreau und Laporte Verfahren von Barbaroso lu und Özgür TTRP-Tabusuche von Chao BoneRoute-Verfahren von Tarantilis und Kiranoudis Granulare Tabusuche von Toth und Vigo Vergleich der fokussierten VRP-Verfahren Die Tabusuche in Bezug zu anderen Metaheuristiken

8 iv Inhaltsverzeichnis 5 Entwicklung einer Tabusuche-Heuristik für das TTRP Komponenten des Verfahrens Lösungsraum Nachbarschaftsdenition Nachbarschaftsreduktion Kandidatenmenge Tabustatus und Akzeptanzkriterium Langzeitgedächtnis Intensivierungsstrategien Sensitivitätsanalyse der Parameter Überblick und initiale Einstellungen Nachbarschaft Nachbarschaftsreduktion Kandidatenmenge Akzeptanzkriterium Langzeitgedächtnis Shifting Penalty Parameter Tabudauer Intensivierungsstrategien Entwicklung einer Tabusuche-Heuristik für das MDTTRP Modizierte Komponenten des TTRP-Verfahrens Startlösung Nachbarschaftsdenition Intensivierungsstrategien Sensitivitätsanalyse der Parameter Überblick und initiale Einstellungen Nachbarschaft Nachbarschaftsreduktion Tabudauer Intensivierungsstrategien

9 Inhaltsverzeichnis v 7 Entwicklung einer Tabusuche-Heuristik für das PTTRP Modizierte Komponenten des TTRP-Verfahrens Startlösung Nachbarschaftsdenition Nachbarschaftsreduktion Intensivierungsstrategien Sensitivitätsanalyse der Parameter Überblick und initiale Einstellungen Nachbarschaft Nachbarschaftsreduktion Tabudauer Intensivierungsstrategien Einheitliche Darstellung und Evaluation der neuen Algorithmen Einheitliche Darstellung der Lösungsverfahren Die Funktion SEARCH Einheitliche Steuerfunktion Parameterüberblick Kernelemente der neuen Tabusuche-Heuristiken Evaluation anhand von Benchmarkproblemen Ergebnisse für das TTRP Ergebnisse für das MDTTRP Ergebnisse für das PTTRP Zusammenfassung 197 A Lösungen für das TTRP 201 B Lösungen für das MDTTRP 211 C Lösungen für das PTTRP 237 D Lösungen für das MDVRP 289 E Lösungen für das PVRP 293 Literaturverzeichnis 296

10 vi Inhaltsverzeichnis

11 Abbildungsverzeichnis 2.1 Beste bekannte Lösung zu VRP-Testproblem C Beste bekannte Lösung zu PVRP-Testproblem P Beste bekannte Lösung zu MDVRP-Testproblem MD Exemplarische CVR-Route Beste bekannte Lösung zu TTRP-Testproblem T Beste bekannte Lösung zu PTTRP-Testproblem PT Beste bekannte Lösung zu MDTTRP-Testproblem MDT Exemplarischer 2-opt-Verbesserungsschritt Exemplarischer Or-opt-Verbesserungsschritt Exemplarisches Subtour Root Rening Lösungen der Heuristiken T-Cluster und T-Sweep zu TTRP- Testproblem T Exemplarischer Shift Move Exemplarischer Swap Move Optimierungsverlauf für Problem T20 mit Nachbarschaft C Optimierungsverlauf für Problem T10 mit δ = 0, I 2 -Optimierungsverlauf für Problem T5 mit µ = 5n I 3 -Optimierungsverlauf für Problem MDT4 mit µ = 5n Tendenzieller Optimierungsverlauf bei TTRP-Problemen Prozentuale Abweichung vom besten bekannten Zielfunktionswert Tendenzieller Optimierungsverlauf bei MDTTRP-Problemen Tendenzieller Optimierungsverlauf bei PTTRP-Problemen

12 viii Abbildungsverzeichnis

13 Tabellenverzeichnis 2.1 Arbeiten zur periodischen Tourenplanung Vergleich ausgewählter PVRP-Verfahren Arbeiten zur Mehrdepot-Tourenplanung Vergleich ausgewählter MDVRP-Verfahren Übersicht über die TTRP-Testdaten Übersicht über die neuen PTTRP-Testdaten Übersicht über die neuen MDTTRP-Testdaten Vergleich der Konstruktionsheuristiken Funktionsweise einer Descent-Heuristik Funktionsweise einer einfachen Tabusuche-Heuristik Vergleich ausgewählter VRP-Tabusuche-Heuristiken, Teil Vergleich ausgewählter VRP-Tabusuche-Heuristiken, Teil Parametereinstellung für das TTRP-Tuning Vergleich verschiedener Nachbarschaften ohne Root Rening Vergleich verschiedener Nachbarschaften mit Root Rening Ergebnisse für variable Nachbarschaften Ergebnisse für verschiedene Gröÿen von h Ergebnisse für verschiedene Gröÿen von ω Vergleich von BA und FBA bei verschiedenen Werten von ω Ergebnisse für verschiedene Werte von γ mit ω = Ergebnisse für verschiedene Werte von γ mit ω = Ergebnisse für verschiedene Werte von γ mit ω =

14 x Tabellenverzeichnis 5.11 Ergebnisse für verschiedene Werte von δ Ergebnisse für verschiedene Werte von θ Vergleich verschiedener Intensivierungsstrategien MDTTRP-Ergebnisse für verschiedene Nachbarschaften MDTTRP-Ergebnisse für verschiedene Gröÿen von h MDTTRP-Ergebnisse für verschiedene Gröÿen von θ MDTTRP-Ergebnisse für verschiedene Intensivierungsstrategien PTTRP-Ergebnisse für verschiedene Nachbarschaften PTTRP-Ergebnisse für verschiedene Gröÿen von h PTTRP-Ergebnisse für verschiedene Gröÿen von θ PTTRP-Ergebnisse für verschiedene Intensivierungsstrategien Funktion SEARCH Einheitliche Steuerfunktion der neuen Algorithmen Variable Parametereinstellungen Fixe Parametereinstellungen Ergebnisse für die TTRP-Testdaten Ergebnisse für die MDTTRP-Testdaten Ergebnisse für die PTTRP-Testdaten

15 Abkürzungsverzeichnis ARPD Avg BA bzgl. CVR Dp FBA FSMVRP FT GAP ID L Max Min MDTTRP Average Relative Percentage Deviation (Durchschnittliche relative prozentuale Abweichung) Average (Durchschnitt) Best Accept bezüglich Complete Vehicle Route (Fahrzeugroute eines Fahrzeuges mit Anhänger) Depot First Best Accept Fleet Size and Mix Vehicle Routing Problem Fahrzeugtyp Generalized Assignment Problem (Verallgemeinertes Zuordnungsproblem) Eindeutige Nummer Ladung Maximum Minimum Multi-Depot Truck and Trailer Routing Problem (Mehrdepot- Tourenplanungsproblem bei restringierendem Anhängereinsatz)

16 xii MDVRP MT MTVRP OMDVRP PTR PTSP PTTRP PVRP RDC RPD SDVRP ST T TC TS Abkürzungsverzeichnis Multi-Depot Vehicle Routing Problem (Mehrdepot-Tourenplanungsproblem) Maintour Multi-Trip Vehicle Routing Problem (Tourenplanungsproblem mit Mehrfacheinsatz der Fahrzeuge) Open Multi-Depot Vehicle Routing Problem (Oenes Mehrdepot-Tourenplanungsproblem) Pure Truck Route (Fahrzeugroute eines Fahrzeuges ohne Anhänger) Periodic Traveling Salesman Problem (Periodisches Rundreiseproblem) Periodic Truck and Trailer Routing Problem (Periodisches Tourenplanungsproblem bei restringierendem Anhängereinsatz) Periodic Vehicle Routing Problem (Periodisches Tourenplanungsproblem) Ratio of Demand to Capacity (Verhältnis von Angebot zu Kapazität) Relative Percentage Deviation (Relative prozentuale Abweichung) Site Dependent Vehicle Routing Problem (Ortsabhängiges Tourenplanungsproblem) Subtour Tag Truck Customer (Kunde, der nur ohne Anhänger angefahren werden kann) Tabusuche

17 Abkürzungsverzeichnis xiii TSP TT TTRP u.d.b. VC VDC VRP VRPHE VRPTW zgl. Traveling Salesman Problem (Rundreise- bzw. Handlungsreisendenproblem) Tourtyp Truck and Trailer Routing Problem (Tourenplanungsproblem bei restringierendem Anhängereinsatz) unter den Bedingungen Vehicle Customer (Kunde, der mit und ohne Anhänger angefahren werden kann) Visit Day Combination (Besuchsmuster eines Kunden) Vehicle Routing Problem (Standardproblem der Tourenplanung) Vehicle Routing Problem with Heterogeneous Vehicles (Tourenplanungsproblem mit heterogenen Fahrzeugen) Vehicle Routing Problem with Time Windows (Tourenplanungsproblem mit Zeitfenster) zugleich

18 xiv Abkürzungsverzeichnis

19 Symbolverzeichnis B( s) C i D I k M Attributmenge der Nachbarlösung s Menge aller zulässigen Besuchsmuster des Kunden i Maximale Gesamteinsatzdauer eines Fahrzeuges Intensivierungsstrategie k Kandidatenmenge N(s) Ñ(s) Nachbarschaft von s Menge aller Nachbarlösungen der Lösung s, die nicht tabu sind oder die ein Aspirationskriterium erfüllen NM,h x (s) Nachbarschaft von s für die gewählte Kandidatenmenge M, Nachbarschaftsgröÿe h und ggf. Nachbarschaftstyp x {B, I}: B Basis-Nachbarschaft, I Intensivierungs-Nachbarschaft Q Q A Q Z Fahrzeugkapazität Anhängerkapazität Zugfahrzeugkapazität a rs c(s) c ij d Konstante zur Bezeichnung, ob Tag s im Besuchsmuster r enthalten ist Gesamtdistanz der Lösung s Entfernung von Punkt i zu Punkt j Anzahl Depots

20 xvi Symbolverzeichnis d i e i f(s) g(s) h (i, k, l) m m 1 n nr q i q(s) r rc r( s) s s s s s t y Servicezeit des Kunden i Bedienfrequenz des Kunden i Evaluierungsfunktion für Lösung s ohne Häugkeitsstrafe Evaluierungsfunktion für Lösung s unter Berücksichtigung einer Häugkeitsstrafe Parameter zur Bestimmung der Nachbarschaftsgröÿe Attribut das Kunde i einer Tour zu Root k in Route l zuordnet Anzahl Fahrzeuge pro Depot und Tag Anzahl Fahrzeuge mit Anhänger pro Depot und Tag Anzahl Kunden Anzahl an maximal möglichen Routen Angebots- bzw. Nachfragemenge des Kunden i Überkapazität der Lösung s Besuchsmuster eines Kunden Anzahl der Root-Kandidaten (Anzahl VC-Kunden plus Depots) Häugkeitsstrafe für die Nachbarlösung s Aktuelle Lösung Nachbarlösung von s Beste Nachbarlösung von s Beste gefundene Lösung Beste bekannte Lösung Anzahl Tage Zähler für die Anzahl an Neustarts auf s

21 Symbolverzeichnis xvii 2 opt Or opt Einsparung in Distanz nach Durchführung eines 2-opt- Verbesserungsverfahrens Einsparung in Distanz nach Durchführung eines Or-opt- Verbesserungsverfahrens α Shifting Penalty Parameter δ γ η η θ θ λ λ λ Parameter zur Adjustierung von α Parameter zur Adjustierung der Häugkeitsstrafe Globales Iterationenlimit Lokales Iterationenlimit in Funktion SEARCH Tabudauer Parameter zum Adjustieren der Tabudauer Globaler Iterationenzähler Lokaler Iterationenzähler in Funktion SEARCH Iteration bei der s in Funktion SEARCH gefunden wurde µ Parameter für die maximale Anzahl Iterationen ohne Verbesserung von s ν i π Maximale Anzahl Kunden in einem verschobenen Teilstück (i = 1, 2) bzw. Schalter für die Anwendung des Root Rening (i = 3) und Inter-Tag Moves (i = 4) Gewichtungsparameter für die T-Cluster Heuristik ρ ikl ρ( s) τ ikl τ( s) Absolute Häugkeit, wie oft Kunde i in eine Tour zu Root k und Route l neu in die Lösung aufgenommen wurde Relative Häugkeit des betrachteten Moves Tabustatus von Kunde i zu einer Tour des Root k in Route l Tabustatus von Nachbarlösung s

22 xviii ω Symbolverzeichnis Parameter zur Bestimmung der Gröÿe der Kandidatenmenge M N R R + Mächtigkeit der Menge M Menge der natürlichen Zahlen Menge der reellen Zahlen Menge der reellen Zahlen, die gröÿer oder gleich null sind Unendlich [a; b] {x R a x b} round(x) x kaufmännisch gerundet

23 Kapitel 1 Einleitung 1.1 Gegenstand und Motivation Gegenstand der logistischen Tourenplanung ist die Aufgabe, für die Fahrzeuge eines Fuhrparks die Fahrzeugtouren zu geographisch verteilten Kunden kostenminimal zu bestimmen. Für ein typisches 1 Tourenplanungsproblem gilt es dabei die Touren so zu planen, dass jeder Kunde von genau einem Fahrzeug bedient wird, jede Tour im Fahrzeugdepot beginnt und endet und die Kapazität eines Fahrzeuges nicht überschritten wird. Dantzig und Ramser [Dan59] waren die ersten, die 1959 diese Problemstellung adressierten. Sie betrachteten die Distribution von Treibsto und entwickelten eine erste mathematische Formulierung sowie einen algorithmischen Lösungsansatz. Seitdem wurden hunderte von Modellen und Algorithmen für die optimale und approximative Lösung verschiedenster Varianten von Tourenplanungsproblemen vorgestellt. Vor allem die in den letzten Jahrzehnten rasante Entwicklung leistungsfähiger Personalcomputer hat dazu beigetragen, dass mittlerweile Dutzende von Softwarepaketen zur logistischen Tourenplanung existieren und diese in vielen Bereichen ihren Einsatz nden. Golden, Assad und Wasil [Gol02] beschreiben beispielsweise Anwendungen in den Bereichen der Abfallbeseitigung, der Lebensmittel- und Getränkedistribution sowie in der Milch- und Zeitungsindustrie. Werden diese Probleme 1 Vgl. das Standardproblem der Tourenplanung in Kapitel

24 2 Kapitel 1 Einleitung durch Anwendung von Lösungstechniken des Operations Research gelöst, so sind Kosteneinsparungen im Bereich von 5% bis 20% der gesamten Transportkosten keine Seltenheit [Tot02b]. Dadurch kommt der logistischen Tourenplanung als Bestandteil der Distributionslogistik eine entscheidende Bedeutung zu, will man die gesamte logistische Wertschöpfungskette optimal gestalten. Das Interesse an Lösungsverfahren für die logistische Tourenplanung ist aber nicht nur motiviert durch deren praktische Relevanz, sondern auch durch die Herausforderung, die die Tourenplanung aus mathematischer Sicht darstellt. Bereits das Standardproblem der Tourenplanung, wie es in Kapitel beschrieben wird, ist ein äuÿerst schwer zu lösendes, sog. NP-schwieriges kombinatorisches Optimierungsproblem 2. Bei der Klasse der NP-schwierigen Probleme wird vermutet, dass für kein Problem dieser Klasse ein exaktes Lösungsverfahren existiert, dessen Zeitbedarf nicht exponentiell zur Problemgröÿe wächst [Gar79]. Obwohl eine Reihe gröÿerer Tourenplanungsprobleme nachweisbar optimal gelöst werden konnte [Nad02], existiert derzeit kein exaktes Verfahren 3, welches in der Lage wäre, Problemstellungen mit mehr als 50 Kunden durchwegs optimal zu lösen [Tot98a, Nad02]. Aus diesem Grund werden zur Lösung gröÿerer Probleme meistens approximative Lösungstechniken, sog. Heuristiken eingesetzt. Reeves [Ree93a, S. 6] deniert eine Heuristik als a technique which seeks good (i.e. near-optimal) solutions at a reasonable computational cost without being able to guarantee either feasibility or optimality, or even in many cases to state how close to optimality a particular feasible solution is. Heuristische Lösungstechniken zur Tourenplanung können dabei in zwei Klassen untergliedert werden. Dies sind zum einen problemspezische Konstruktionsheuristiken, die zumeist zwischen 1960 und 1990 entwickelt wurden, und zum anderen Metaheuristiken, die v.a. in den letzten Jahren starke Aufmerksamkeit erfuhren. 2 Als kombinatorische Optimierung wird die mathematische Untersuchung zum Aunden einer optimalen Anordnung, Gruppierung, Reihenfolge oder Auswahl von diskreten, in der Anzahl beschränkten Objekten bezeichnet [Law76, S. 1]. Für die meisten kombinatorischen Optimierungsprobleme gilt, dass sie meist leicht zu beschreiben, aber äuÿerst schwer zu lösen sind. 3 Für einen Überblick über exakte Verfahren zur Tourenplanung wird verwiesen auf Laporte [Lap92b], Bodin, Maniezzo und Mingozzi [Bod99], Naddef und Rinaldi [Nad02], Bramel und Simchi-Levi [Bra02] sowie Toth und Vigo [Tot02d, Tot04b].

25 Kapitel 1 Einleitung 3 Konstruktionsheuristiken liefern im Allgemeinen Lösungen guter Qualität bei verhältnismäÿig kurzen Rechenzeiten. Darüber hinaus können diese Techniken meist relativ einfach angepasst werden, um der Vielfalt an praxisrelevanten Restriktionen zu begegnen. Deswegen nden diese Methoden auch heute noch eine weite Verbreitung in kommerziellen Softwarepaketen zur logistischen Tourenplanung [Sch97, Bak02]. Eine der bekanntesten Konstruktionsheuristiken zur Lösung von Tourenplanungsproblemen ist die 1964 von Clarke und Wright [Cla64] vorgestellte Savings-Heuristik 4. Metaheuristiken sind die neueste Entwicklung in approximativen Suchmethoden zur Lösung komplexer Optimierungsprobleme. Sie sind in der Lage, Lösungen zu schwierigen kombinatorischen Optimierungsproblemen zu nden, bei denen sich problemspezische Konstruktionsheuristiken als ineektiv erweisen. Der Begri Metaheuristik wurde von Glover [Glo86] eingeführt und bezeichnet allgemein eine Strategie, die untergeordnete Heuristiken leitet oder modiziert um im Verlauf der Lösungsndung lokale Optima 5 zu überwinden und eine robuste Durchsuchung des Lösungsraumes 6 zu gewährleisten. Die meisten Metaheuristiken beinhalten Konzepte aus dem Bereich der künstlichen Intelligenz oder Analogien zu physikalischen, biologischen oder evolutionären Prozessen. Die Familie der Metaheuristiken 7 umfasst z.b. Genetische Algorithmen, Simulated Annealing, Tabusuche, Ameisensysteme, Scatter Search und Path Relinking, Greedy Randomized Adaptive Search Procedures, Variable Neighborhood Search und Guided Local Search. Aus all diesen Techniken erwies sich insbesondere die Metaheuristik Tabusuche als äuÿerst ezient und eektiv zur Lösung von Tourenplanungsproblemen [Gen02b, Cor02a, Gol98]. Viele Varianten 8 der Tourenplanung unterscheiden sich jeweils nur marginal voneinander. Trotz der augenscheinlichen Ähnlichkeit dieser Probleme wei- 4 Vgl. Kapitel Vgl. Kapitel Als Lösungsraum wird hier die Menge aller zulässigen Lösungen bezeichnet. 7 Für einen umfassenden Überblick zu Metaheuristiken wird verwiesen auf Glover und Kochenberger [Glo03a], Reeves [Ree93a, Ree96], Osman und Kelly [Osm96b], Aarts und Lenstra [Aar97a], Pardalos und Resende [Par02], Gendreau und Potvin [Gen02c], Stützle [Stü99] und Blum und Roli [Blu01]. 8 Eine Vorstellung gängiger Varianten erfolgt in Kapitel 2.

26 4 Kapitel 1 Einleitung sen sie oft wesentliche strukturelle Unterschiede auf, was insbesondere auf die Entwicklung geeigneter Heuristiken groÿen Einuss hat. 9 Daher können viele der in den letzten Jahrzehnten entwickelten speziellen Algorithmen 10 nicht von einem Problem auf ein anderes übertragen werden. Die Entwicklung von Heuristiken erfolgt deswegen meist konkret für eine ganz spezielle Problemstellung. Zentraler Gegenstand dieser Arbeit ist die -trotz groÿer Praxisrelevanz 11 - bisher selten behandelte Tourenplanung bei restringierendem Anhängereinsatz (Truck and Trailer Routing Problem, TTRP) 12. Bei diesem Problemtyp besitzt eine Teilmenge der vorhandenen Fahrzeuge einen Anhänger, welcher im Verlauf einer Route an ausgewählten Parkplätzen abgestellt werden kann bzw. muss. Das An- und Abkoppeln eines Anhängers wird erforderlich, da ein Teil der Kunden zwingend eine Bedienung ohne Anhänger verlangt. Beispiele hierfür sind Kunden im innerstädtischen Bereich oder in bergigen Gegenden. Neben der Zuordnung der Kunden zu den Fahrzeugen stellt sich bei der Planung einer Fahrzeugroute daher insbesondere die Frage, wo und wie oft Anhänger geparkt und in welchem Teil der Route bzw. in welcher Reihenfolge die Kunden eines Fahrzeuges bedient werden. Das TTRP kann deshalb auch als ein kombiniertes Standort- und Tourenplanungsproblem 13 angesehen werden. Die Problemstellung gewinnt insofern an Bedeutung, als sie Elemente anderer bekannter Varianten der Tourenplanung beinhaltet, wie z.b. heterogene Fahrzeugtypen. Darüber hinaus können beispielsweise das Standardproblem der Tourenplanung 14 oder das Tourenplanungsproblem mit Mehrfacheinsatz der Fahrzeuge 15 als TTRP abgebildet und somit mit einem Lösungsverfahren für das TTRP ebenfalls gelöst werden. 9 Heuristische Techniken adressieren meist nicht ein mathematisches Modell, sondern direkt die problemspezische, kombinatorische Natur eines Problems. 10 Die Begrie Algorithmus, Verfahren und Heuristik werden im Rahmen dieser Arbeit synonym verwendet. 11 Vgl. z.b. Steckhan [Ste97a], Semet und Taillard [Sem93] und Stöckl [Stö87]. 12 Eine detaillierte Beschreibung ndet sich in Kapitel Vgl. Kapitel Vgl. Kapitel Vgl. Kapitel

27 Kapitel 1 Einleitung Zielsetzung Das vorrangige Ziel dieser Arbeit ist die Entwicklung von Lösungsverfahren für das TTRP. Dies beinhaltet insbesondere die Entwicklung neuer ezienter Konstruktionsheuristiken für das TTRP Die neuen Heuristiken sollen bewusst einfach konzipiert werden, um einerseits eine leichte Integration einer Vielzahl zusätzlicher Restriktionen zu ermöglichen und andererseits eine einfache Implementierung zu gewährleisten. Diese Punkte werden von den bekannten TTRP- Konstruktionsheuristiken nur zum Teil erfüllt. Entwicklung einer neuen Tabusuche-Heuristik für das TTRP Die bekannten heuristischen Lösungsverfahren für Tourenplanungsprobleme mit Anhängereinsatz behandeln entweder zu dem in dieser Arbeit untersuchten TTRP abweichende Problemstellungen oder beschränken sich vereinfachend auf eine Untersuchung lediglich einer Teilmenge aller möglichen zulässigen Lösungen 16. Letzteres geschieht meist durch Annahme zusätzlicher Restriktionen 17, die den Lösungsraum des TTRP erheblich einschränken. Dadurch ist jedoch das Aunden eines globalen Optimums für die eigentliche Problemstellung nicht mehr gewährleistet. Die neu zu entwickelnde Heuristik soll dies in ezienter Weise dennoch sicherstellen. Des Weiteren soll das TTRP bei Vorhandensein zusätzlicher Restriktionen betrachtet werden. Folgende neue Tourenplanungsprobleme sollen hierbei Beachtung nden: 16 Vgl. Kapitel Chao [Cha02] lässt beispielsweise im Verlauf der von ihm vorgestellten Tabusuche keine Modikation der Anzahl an Subtouren zu.

28 6 Kapitel 1 Einleitung Erweiterung des TTRP um mehrere Planungsperioden Beim periodischen Tourenplanungsproblem 18 (Periodic Vehicle Routing Problem, PVRP) ist ein Planungshorizont von mehreren Tagen gegeben und jedem Kunden eine Menge an zulässigen Bedienmustern zugeteilt, die jeweils bestimmen, an welchen Tagen des Planungshorizonts die Bedienung des Kunden zu erfolgen hat. Es gilt, einen kostenminimalen Tourenplan für alle Tage des Planungshorizonts zu nden, so dass gegebene Restriktionen eingehalten und insbesondere für jeden Kunden genau ein zulässiges Bedienmuster gewählt wird. Bei der periodischen Tourenplanung bei restringierendem Anhängereinsatz (Periodic Truck and Trailer Routing Problem, PTTRP) wird das TTRP um diesen Sachverhalt erweitert. Erweiterung des TTRP um mehrere Depots Wohingegen die meisten Tourenplanungsprobleme von genau einem Fahrzeugdepot ausgehen, in dem sich alle verfügbaren Fahrzeuge be- nden und von dem aus alle Touren starten und enden, behandelt das Mehrdepot-Tourenplanungsproblem 19 (Multi-Depot Vehicle Routing Problem, MDVRP) die Existenz mehrerer Fahrzeug-Depots. Es gilt, einen gesamtkostenminimalen Tourenplan zu nden, bei dem jeder Kunde von genau einem Depot aus bedient wird. Das Mehrdepot- Tourenplanungsproblem bei restringierendem Anhängereinsatz (Multi- Depot Truck and Trailer Routing Problem, MDTTRP) greift diese Problemerweiterung um mehrere Depots auf. Diese Formen der Problemerweiterung wurden gewählt, da sie einerseits motiviert werden durch reale Anforderungen aus der Praxis (vgl. z.b. Steckhan [Ste97a] und Stöckl, Haisch und Betz [Stö87]), zum anderen wegen den mathematisch-strukturellen Eigenschaften der resultierenden Probleme. Beide neuen Problemtypen können als komplexe mehrstuge Tourenplanungsprobleme gesehen werden. Als mehrstuges Tourenplanungsproblem wird hierbei ein Tourenplanungsproblem bezeichnet, das dem Standardproblem 18 Eine detaillierte Beschreibung ndet sich in Kapitel Eine detaillierte Beschreibung ndet sich in Kapitel

29 Kapitel 1 Einleitung 7 der Tourenplanung, wie es in Kapitel 2.1 beschrieben wird, eine weitere Entscheidungsstufe hinzufügt [Cha02]. Das TTRP, das MDVRP oder das PVRP sind Beispiele für derartige Problemstellungen. Eine Verknüpfung von an sich mehrstugen Tourenplanungsproblemen erscheint deshalb als interessantes Studienobjekt, da durch die zahlreichen Interdependenzen der einzelnen Entscheidungsstufen der Schwierigkeitsgrad bei der Tourenplanung weiter erhöht und das Aunden einer optimalen bzw. einer nahe am globalen Optimum liegenden Lösung weiter erschwert wird. Gerade in der Praxis sind Verknüpfungen dieser Art jedoch oftmals gegeben. Dennoch existieren bislang lediglich wenige Studien, die sich derartigen komplexen, praxisrelevanten Problemerweiterungen widmen. Diese Arbeit soll einen Beitrag in diese Richtung leisten, indem für die neuen Problemstellungen jeweils ein Tabusuche-Verfahren entwickelt wird. Schlieÿlich sollen die neu zu entwickelnden Heuristiken anhand von Benchmarkproblemen evaluiert und -soweit möglich- bekannten Verfahren gegenübergestellt werden. Hierzu ist die Denition neuer Benchmarkprobleme für das PTTRP und MDTTRP notwendig. 1.3 Aufbau In Kapitel 2 wird zuerst das Standardproblem der Tourenplanung und anschlieÿend der Variantenreichtum von logistischen Tourenplanungsproblemen beispielhaft aufgezeigt. Fokussiert dargestellt werden die periodische und Mehrdepot-Tourenplanung sowie das TTRP. Des Weiteren werden die neuen Tourenplanungsprobleme PTTRP und MDTTRP erstmalig deniert und für jedes der Probleme neue Benchmarkprobleme präsentiert. Für das TTRP und PTTRP wird jeweils eine neue mathematische Formulierung vorgestellt, wobei letztere auch die Abbildung der MDTTRP-Problemstellung ermöglicht. Eine Anwendung der Metaheuristik Tabusuche setzt eine (möglichst gute) initiale Lösung des zu behandelnden Problems voraus. Für das TTRP wurden daher zwei Konstruktionsverfahren neu entwickelt. Kapitel 3 stellt diese

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

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

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

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

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

Ein Simulated Annealing-Verfahren für das Standardproblem der Tourenplanung mit Zeitfensterrestriktionen Ein Simulated Annealing-Verfahren für das Standardproblem der Tourenplanung mit Zeitfensterrestriktionen Jörg Homberger und Hermann Gehring Fachbereich Wirtschaftswissenschaft, FernUniversität Hagen, BR

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

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

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

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

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 der operativen Produktionsplanung und. Lagerhaltung in heterogenen Produktionssystemen. Dissertation. zur Erlangung des Grades eines

Optimierung der operativen Produktionsplanung und. Lagerhaltung in heterogenen Produktionssystemen. Dissertation. zur Erlangung des Grades eines Optimierung der operativen Produktionsplanung und Lagerhaltung in heterogenen Produktionssystemen Dissertation zur Erlangung des Grades eines Dr. rer. pol. der Fakultät für Wirtschaftswissenschaften der

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

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

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

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

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

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Seminararbeit

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Seminararbeit Universität Passau Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Seminararbeit "E-Recruiting und die Nutzung von Social Media zur Rekrutierung von externen

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

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

PageRank-Algorithmus

PageRank-Algorithmus Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.

Mehr

Einleitung. Kapitel 1. 1.1 Motivation

Einleitung. Kapitel 1. 1.1 Motivation 1 Kapitel 1 Einleitung 1.1 Motivation Verkehrswege auf der Straße, auf Schienen, zu Wasser oder in der Luft erhalten in der heutigen Zeit eine immer stärker werdende Bedeutung. So leisten die Gestaltung

Mehr

Yvonne Höfer-Diehl. Hochs chulcontrolling. %ur Sicherung der Lehreffektivität

Yvonne Höfer-Diehl. Hochs chulcontrolling. %ur Sicherung der Lehreffektivität Yvonne Höfer-Diehl Hochs chulcontrolling %ur Sicherung der Lehreffektivität Verlag Dr. Kovac Hamburg 2014 XV Inhaltsverzeichnis Geleitwort Vorwort Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis

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

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus

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

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

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

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

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

Planung und Messung der Datenqualität in Data-Warehouse-Systemen

Planung und Messung der Datenqualität in Data-Warehouse-Systemen Planung und Messung der Datenqualität in Data-Warehouse-Systemen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der Würde eines

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

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

Katholische Universität Eichstätt-Ingolstadt. Wirtschaftswissenschaftliche Fakultät

Katholische Universität Eichstätt-Ingolstadt. Wirtschaftswissenschaftliche Fakultät Katholische Universität Eichstätt-Ingolstadt Wirtschaftswissenschaftliche Fakultät Der Nutzen betrieblicher Weiterbildung für Großunternehmen. Eine empirische Analyse unter bildungsökonomischen Aspekten

Mehr

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung

Mehr

Kundenintegration im Innovationsprozess

Kundenintegration im Innovationsprozess Tomass Grass Kundenintegration im Innovationsprozess Identifikation von Problemfeldern in IT-Unternehmen anhand von Fallstudienanalysen Dissertation zur Erlangung des Doktorgrades Dr. rer. pol. Vorgelegt

Mehr

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische

Mehr

3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002)

3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) 3. Entscheidungsbäume Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) (aus Wilhelm 2001) Beispiel: (aus Böhm 2003) Wann sind Entscheidungsbäume

Mehr

Kostenminimierung in Speichernetzwerken

Kostenminimierung in Speichernetzwerken Reihe: Quantitative Ökonomie Band 159 Herausgegeben von Prof. Dr. Eckart Bomsdorf, Köln, Prof. Dr. Wim Kösters, Bochum, und Prof. Dr. Winfried Matthes, Wuppertal Dr. Martin Noppenberger Kostenminimierung

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

Hochschule Heilbronn Technik Wirtschaft Informatik

Hochschule Heilbronn Technik Wirtschaft Informatik Hochschule Heilbronn Technik Wirtschaft Informatik Studiengang Electronic Business (EB) Diplomarbeit (280000) Evaluierung und Einführung eines Web Content Management Systems bei einem internationalen und

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfungsgebiet: MWiWi 1.6 Logistik- und Informationsmanagement Wirtschaftsinformatik Modul

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

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

Zentrale versus dezentrale Transportplanung Eine vergleichende Analyse für Multi-Depot Tourenplanungsprobleme

Zentrale versus dezentrale Transportplanung Eine vergleichende Analyse für Multi-Depot Tourenplanungsprobleme Autoreninformation: Zentrale versus dezentrale Transportplanung Eine vergleichende Analyse für Multi-Depot Tourenplanungsprobleme Prof. Dr. Christof Weinhardt BWL-Wirtschaftsinformatik, Justus-Liebig-Universität

Mehr

Antwortzeitverhalten von Online Storage Services im Vergleich

Antwortzeitverhalten von Online Storage Services im Vergleich EPOD Encrypted Private Online Disc Antwortzeitverhalten von Online Storage Services im Vergleich Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee

Mehr

Neuere Ansätze zur Tourenplanung auf digitalen Straßenkarten

Neuere Ansätze zur Tourenplanung auf digitalen Straßenkarten Neuere Ansätze zur Tourenplanung auf digitalen Straßenkarten Dr. Felix Hahne Curt Nowak M.Sc. hahne@bwl.uni-hildesheim.de nowak@bwl.uni-hildesheim.de Stiftung Universität Hildesheim Institut für Betriebswirtschaft

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr

2 Definitionen und Rahmenbedingungen für die Messung von Familieneinfluss 13

2 Definitionen und Rahmenbedingungen für die Messung von Familieneinfluss 13 Inhaltsverzeichnis xv_ INHALTSVERZEICHNIS /. Geleitwort vii 2. Geleitwort ix VORWORT ABKÜRZUNGSVERZEICHNIS SYMBOLVERZEICHNIS. TABELLENVERZEICHNIS ABBILDUNGSVERZEICHNIS FORMELVERZEICHNIS xi xxi xxv xxvii

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

Erklärungsmodelle der Wissens(ver)teilung in Unternehmen im. Kontext der individuellen Nutzenmaximierung. - Darstellung anhand von Fallbeispielen -

Erklärungsmodelle der Wissens(ver)teilung in Unternehmen im. Kontext der individuellen Nutzenmaximierung. - Darstellung anhand von Fallbeispielen - Erklärungsmodelle der Wissens(ver)teilung in Unternehmen im Kontext der individuellen Nutzenmaximierung - Darstellung anhand von Fallbeispielen - S. Alexander Kelm S. Alexander Kelm Erklärungsmodelle der

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

Inhaltsübersicht... V. Inhaltsverzeichnis... VI. Abbildungsverzeichnis... XIII. Tabellenverzeichnis... XVII. Abkürzungsverzeichnis...

Inhaltsübersicht... V. Inhaltsverzeichnis... VI. Abbildungsverzeichnis... XIII. Tabellenverzeichnis... XVII. Abkürzungsverzeichnis... Inhaltsübersicht V Inhaltsübersicht Inhaltsübersicht... V... VI Abbildungsverzeichnis... XIII Tabellenverzeichnis... XVII Abkürzungsverzeichnis... XVIII 1 2 3 4 5 6 7 8 9 Einleitung... 1 Grundlagen...

Mehr

Vorlesung 3 MINIMALE SPANNBÄUME

Vorlesung 3 MINIMALE SPANNBÄUME Vorlesung 3 MINIMALE SPANNBÄUME 72 Aufgabe! Szenario: Sie arbeiten für eine Firma, die ein Neubaugebiet ans Netz (Wasser, Strom oder Kabel oder...) anschließt! Ziel: Alle Haushalte ans Netz bringen, dabei

Mehr

Histogramme in der Datenbankoptimierung. Marian Marx 26.06.2008

Histogramme in der Datenbankoptimierung. Marian Marx 26.06.2008 Histogramme in der Datenbankoptimierung Marian Marx 26.06.2008 Inhaltsverzeichnis 1. Histogramme im Allgemeinen 1.1 Definition Histogramm 1.2 Beispiel Histogramm 2. Histogramme in der Datenbankoptimierung

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

Die Cantor-Funktion. Stephan Welz

Die Cantor-Funktion. Stephan Welz Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser

Mehr

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas

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

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

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Masterarbeit

Universität Passau. Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth. Masterarbeit Universität Passau Betriebswirtschaftslehre mit Schwerpunkt Internationales Management Prof. Dr. Carola Jungwirth Masterarbeit "Identifikation von Erfolgsfaktoren für eine Facebook- Recruiting-Strategie"

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Vergleich verschiedener Optimierungsansätze

Vergleich verschiedener Optimierungsansätze Vergleich verschiedener Optimierungsansätze Inhaltsverzeichnis 1 Einleitung... 2 2 Welchen Nutzen schafft munio?... 3 3 Analysen... 3 3.1 Schritt 1: Optimierung anhand von Indizes... 3 3.2 Schritt 2: Manuell

Mehr

Kundenbindung im gewerblichen Automobilmarkt

Kundenbindung im gewerblichen Automobilmarkt Andreas Meyer Kundenbindung im gewerblichen Automobilmarkt Eine empirische Kausalanalyse it einem Geleitwort von Prof. Dr. Frank Wimmer GABLER RESEARCH XI Inhaltsverzeichnis Inhaltsübersicht t IX Inhaltsverzeichnis

Mehr

Entwicklung einer Software zur optimierten Auslagerung in einem Medikamentenlager

Entwicklung einer Software zur optimierten Auslagerung in einem Medikamentenlager Diplomarbeit zum Thema Entwicklung einer Software zur optimierten Auslagerung in einem Medikamentenlager zur Erlangung des akademischen Grades Diplom-Informatiker (FH) vorgelegt dem Fachbereich Informatik

Mehr

Diskussion eines hybriden Projektmanagements im Vergleich zu klassischem und agilem Projektmanagement. Bachelorarbeit

Diskussion eines hybriden Projektmanagements im Vergleich zu klassischem und agilem Projektmanagement. Bachelorarbeit Diskussion eines hybriden Projektmanagements im Vergleich zu klassischem und agilem Projektmanagement Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

Scheinaufgabe im Fach Web Engineering

Scheinaufgabe im Fach Web Engineering Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Verteilte Systeme Scheinaufgabe im Fach Web Engineering Thomas Thüm 07. August 2006 Matrikel: 171046 Lehrveranstaltung: Web

Mehr

Heuristiken zur Ein-Depot-Tourenplanung. Barbara König

Heuristiken zur Ein-Depot-Tourenplanung. Barbara König Heuristiken zur Ein-Depot-Tourenplanung Barbara König Technische Universität München Institut für Informatik Diplomarbeit Heuristiken zur Ein-Depot-Tourenplanung Barbara König Aufgabensteller/Betreuer:

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Universität OLDENBURG

Universität OLDENBURG CARL VON > OSSIETZKY Universität OLDENBURG Fakultät II - Informatik, Wirtschafts- und Rechtswissenschaften Department für Informatik Föderierte ERP-Systeme auf Basis von Web Services Dissertation zur Erlangung

Mehr

Die Bilanzierung von Commodity-Hedges nach International Financial Reporting Standards (IFRS)

Die Bilanzierung von Commodity-Hedges nach International Financial Reporting Standards (IFRS) Die Bilanzierung von Commodity-Hedges nach International Financial Reporting Standards (IFRS) DISSERTATION der Universität St. Gallen, Hochschule fllr Wirtschafts-, Rechts- und Sozialwissenschaften (HSG)

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Parallele und funktionale Programmierung Wintersemester 2013/14. 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr

Parallele und funktionale Programmierung Wintersemester 2013/14. 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr 8. Übung Abgabe bis 20.12.2013, 16:00 Uhr Aufgabe 8.1: Zeigerverdopplung Ermitteln Sie an folgendem Beispiel den Rang für jedes Listenelement sequentiell und mit dem in der Vorlesung vorgestellten parallelen

Mehr

Die Auflösung von Aktienfonds

Die Auflösung von Aktienfonds Björn Zollenkop Die Auflösung von Aktienfonds Eine empirische Untersuchung für den deutschen Kapitalmarkt it einem Geleitwort von Prof. Dr. Wolfgang Harbrecht GABLER RESEARCH IX Inhaltsübersicht Geleitwort

Mehr

Inhaltsverzeichnis. Vorüberlegungen... 292

Inhaltsverzeichnis. Vorüberlegungen... 292 IX Geleitwort... V Vorwort... VII... IX Abbildungsverzeichnis...XIII Tabellenverzeichnis... XV Abkürzungsverzeichnis... XVII Symbolverzeichnis... XXI 1 Bedeutung eines Supply Chain Safety Managements für

Mehr

Studierende der Wirtschaftsinformatik / Betriebswirtschaft

Studierende der Wirtschaftsinformatik / Betriebswirtschaft Attributname Name des LO Autor Zielgruppe Vorwissen Lernziel Beschreibung Dauer der Bearbeitung des LOs Keywords Beschreibung Überblick Materialwirtschaft FH-Vorarlberg Studierende der Wirtschaftsinformatik

Mehr

Open Source ERP-Systeme: eine wirtschaftliche Alternative für KMU? Diplomarbeit

Open Source ERP-Systeme: eine wirtschaftliche Alternative für KMU? Diplomarbeit Open Source ERP-Systeme: eine wirtschaftliche Alternative für KMU? Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover

Mehr

Supply Chain Management und Advanced Planning

Supply Chain Management und Advanced Planning Christoph Kilger Herbert Meyr Herausgeber Supply Chain Management und Advanced Planning Konzepte, Modelle und Software 4y Springer Inhaltsverzeichnis Vorwort, Christoph Kilger und Herbert Meyr 1 Einführung

Mehr

Beschaffung. Prof. Dr. Martin Moog. Lehrstuhl für Forstliche Wirtschaftslehre

Beschaffung. Prof. Dr. Martin Moog. Lehrstuhl für Forstliche Wirtschaftslehre Beschaffung Begriffe des Beschaffungswesens Optimierung der Bestellmenge bei kontinuierlichem Verbrauch (Andler sche Formel) Optimierung der Bestellmenge bei diskontinuierlichem Verbrauch (WILO-Verfahren,

Mehr

Kursmaterial: Geld und Kredit

Kursmaterial: Geld und Kredit Handout : Die Entstehung von Geld in einer Tauschwirtschaft Prof. Dr. Thomas Lux Lehrstuhl für Geld, Währung und Internationale Finanzmärkte Institut für Volkswirtschaftslehre Universität Kiel Kursmaterial:

Mehr

Gültigkeitsmodell der elektronischen Arztausweise und Laufzeit der Zertifikate

Gültigkeitsmodell der elektronischen Arztausweise und Laufzeit der Zertifikate Seite 1 von 6 Autor: G. Raptis Gültigkeitsmodell der elektronischen Arztausweise und Laufzeit der Zertifikate Gültigkeitsmodelle beschreiben den Algorithmus nach dem ein Client oder Dienst entscheidet,

Mehr

Forschen und Wissen - Wirtschaftswissenschaften. Thilo Edinger. Cafeteria-Systeme

Forschen und Wissen - Wirtschaftswissenschaften. Thilo Edinger. Cafeteria-Systeme Forschen und Wissen - Wirtschaftswissenschaften Thilo Edinger Cafeteria-Systeme Ein EDY-gestützter Ansatz zur Gestaltung der Arbeitnehmer-Entlohnung D 29 (Diss. Universität Erlangen-Nürnberg) GCA-Verlag

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

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

1 E in leitu n g 1 1.1 M otivation... 1 1.2 Ziel der Arbeit... 3 1.3 Aufbau der Arbeit... 4

1 E in leitu n g 1 1.1 M otivation... 1 1.2 Ziel der Arbeit... 3 1.3 Aufbau der Arbeit... 4 vii Inhaltsverzeichnis 1 E in leitu n g 1 1.1 M otivation... 1 1.2 Ziel der Arbeit... 3 1.3 Aufbau der Arbeit... 4 2 G ru n d lagen des R even u e M an agem en ts 7 2.1 Einführung und Begriffsdefinitionen...

Mehr

IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen. Bachelorarbeit

IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen. Bachelorarbeit IT-Sicherheit mobiler Applikationen zur Unterstützung von Geschäftsprozessen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft der

Mehr

E-Learning 2.0 und Social Software Vernetzt lernt es sich besser?!

E-Learning 2.0 und Social Software Vernetzt lernt es sich besser?! Fakultät für Elektrotechnik, Informatik und Mathematik Institut für Informatik Fachgebiet Didaktik der Informatik E-Learning 2.0 und Social Software Vernetzt lernt es sich besser?! Studienarbeit für den

Mehr

Über dieses Buch. Kapitel 1. 1.1 Einleitung

Über dieses Buch. Kapitel 1. 1.1 Einleitung Kapitel 1 Über dieses Buch 1.1 Einleitung Dieses Buch behandelt das Vorgehensmodell Kanban und seinen Einsatz in Softwareentwicklungsprojekten. Kanban ist ein Vorgehensmodell der schlanken Softwareentwicklung

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

15 Optimales Kodieren

15 Optimales Kodieren 15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen

Mehr

Internationale Erfolgsabgrenzung beim Global Trading mit Finanzinstrumenten

Internationale Erfolgsabgrenzung beim Global Trading mit Finanzinstrumenten Internationale Erfolgsabgrenzung beim Global Trading mit Finanzinstrumenten DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der

Mehr

Routing Information Protocol (RIP), Open Shortest Path First (OSPF)

Routing Information Protocol (RIP), Open Shortest Path First (OSPF) Albert-Ludwigs-Universität Freiburg WS 2007/08 Institut für Informatik Lehrstuhl für Rechnernetze und Telematik Seminararbeit Routing Information Protocol (RIP), Open Shortest Path First (OSPF) Martin

Mehr

Ameisenkolonien und evolutionäre Algorithmen zur Lösung logistischer Probleme

Ameisenkolonien und evolutionäre Algorithmen zur Lösung logistischer Probleme Ameisenkolonien und evolutionäre Algorithmen zur Lösung logistischer Probleme Prof. Dr. Thomas Bousonville Hochschule für Technik und Wirtschaft des Saarlandes - Saarland University of Applied Sciences

Mehr

Branch-and-Bound. Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir

Branch-and-Bound. Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir Effiziente Algorithmen Lösen NP-vollständiger Probleme 289 Branch-and-Bound Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir 1.

Mehr

Software Strategien zur weiteren Optimierung der Kommissionierung

Software Strategien zur weiteren Optimierung der Kommissionierung Software Strategien zur weiteren Optimierung der Kommissionierung als Ergänzung zu der angeboten Hardware dem elektronischen Kommissionierboard und der Multiple-Order-Picking Abwicklung Genial einfach..

Mehr

Microsoft Excel 2010 Solver

Microsoft Excel 2010 Solver Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Solver Solver in Excel 2010 Seite 1 von 11 Inhaltsverzeichnis Einleitung... 2 Solver installieren... 2 Die Problemstellung

Mehr

Inhaltsverzeichnis. Erster Teil: Konzeption quantitativer Planung. Vorwort Danksagungen Abbildungsverzeichnis Tabellenverzeichnis

Inhaltsverzeichnis. Erster Teil: Konzeption quantitativer Planung. Vorwort Danksagungen Abbildungsverzeichnis Tabellenverzeichnis Wolf gang Berens / Werner Delfmann Walter Schmitting Quantitative Planung Grundlagen, Fallstudien, Lösungen 4., überarbeitete und erweiterte Auflage ^2004 Schäffer-Poeschel Verlag Stuttgart XI Vorwort

Mehr

Umsetzung von DEA in Excel

Umsetzung von DEA in Excel Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten

Mehr

.wvw. Identifikation kritischer Erfolgsfaktoren deutscher Lebensversicherungsunternehmen auf Basis einer Jahresabschlußanalyse.

.wvw. Identifikation kritischer Erfolgsfaktoren deutscher Lebensversicherungsunternehmen auf Basis einer Jahresabschlußanalyse. Passauer Reihe Risiko, Versicherung und Finanzierung Band 15 Herausgegeben von Prof. Dr. Bernhard Kromschröder Prof. Dr. Jochen Wilhelm Identifikation kritischer Erfolgsfaktoren deutscher Lebensversicherungsunternehmen

Mehr