Description:

Gerade im Dienstleistungsbereich ist aufgrund der oftmals beschränkten Kapazität häufig die Berücksichtigung des Zeitablaufes in mathematischen Modellen erforderlich, etwa wenn Kunden zufällig nacheinander eintreffen. Dies wird von Modellen der stochastischen dynamischen Optimierung abgebildet. In der Regel lassen sich jedoch dynamische Optimierungsprobleme für praxisrelevante Instanzen aufgrund der Komplexität nicht exakt lösen, so dass auf Ansätze des Approximate Dynamic Programming zurückgegriffen wird. Abschließend thematisieren wir den Zielkonflikt zwischen dem Ausnutzen eines bestehenden Wissensstandes und der Erlangung zusätzlichen Wissens durch kurzfristig suboptimale Entscheidungen. So kann beispielsweise ein Anbieter durch das gezielte Ausprobieren sehr hoher oder niedriger Preise seine Nachfrageprognose verbessern.

Learning Targets:

Die Studierenden besitzen einen Überblick über die zentralen Aspekte der Optimierung zeitlich verteilter Entscheidungen in unsicheren Umgebungen. Sie kennen verbreitete Modellierungsansätze und Zielkriterien am Beispiel typischer Fragestellungen aus dem Dienstleistungsbereich.

Darüber hinaus sind sie in der Lage, die Ansätze auf ihre Anwendbarkeit auf neue Problemstellungen zu beurteilen und ggf. auch einzusetzen. Um auch in praxisrelevanten Problemgrößen den Rechenaufwand zu beherrschen sind sie mit grundlegenden Techniken des modernen Approximate Dynamic Programming (ADP) vertraut.

Outline:

• Beispielhafte Anwendungen von Dynamischer Optimierung im Dienstleistungsbereich
• Deterministische Dynamische Optimierung
• Stochastische Dynamische Optimierung
• Approximative Dynamic Programming (ADP)

Literature:

Sie finden alle Folien in Moodle. Das notwendige Passwort zu Moodle finden Sie spätestens 1 Woche vor Vorlesungsbeginn unter "Material".

Weitere Literaturhinweise werden in Laufe der Veranstaltung bekannt gegeben.

Links:

Bitte melden Sie sich als Teilnehmer der Veranstaltung in Moodle an. Das Passwort finden Sie unter "Material".
Der Link wird spätestens eine Woche vor Semesterbeginn hinzugefügt.

Material:

Login via Shibboleth

• The course material is only available to a restricted user group. You are either not logged in or not in the usergroup.