Detailseite
Projekt Druckansicht

Methoden und Software zur Lösung gemischt-ganzzahliger Optimierungsmodelle für das Supply Chain Planning

Antragstellerin Professorin Dr. Leena Suhl
Fachliche Zuordnung Accounting und Finance
Förderung Förderung von 2010 bis 2013
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 160175172
 
Erstellungsjahr 2014

Zusammenfassung der Projektergebnisse

Das abgeschlossene Forschungsprojekt betrachtete ursprünglich Methoden und Algorithmen zur effizienten Lösung von gemischt-ganzzahligen Supply-Chain Problemen. Nach der Sichtung der Literatur hat sich ergeben, dass insbesondere die Einbindung von stochastischer Programmierung zu robusteren Lösungen führen kann, wenn die vorhandenen Unsicherheiten mittels mehrstufiger stochastischer Programme modelliert werden. Die vorhandenen Lösungs- und Modellierungsmethoden für diese Art von Problemen waren nicht ausreichend um in der Realität vorkommenden Probleme angemessen zu behandeln. Somit ergab sich die Notwendigkeit der Entwicklung einer Modellierungsumgebung für stochastische Programme sowie die Entwicklung eines Lösungsalgorithmus mit neuen Beschleunigungstechniken. Die Evaluierung der entwickelten Methoden auf einem umfangreichen, aus der Literatur bekannten, Testset stellt bereits eine eigenständige Forschungsleistung dar. Zu den erweiterten Methoden zählt unter anderem Level Dekomposition mit verschiedenen Distanzmaßen, Optimalitätsschnittkonsoliderung, Optimalitätsschnittgenerierung nach Bedarf sowie die Kombination der Optimalitätsschnittaggregation mit den anderen Techniken. Für mehrstufige Programme wurden dynamische Ablaufprotokolle untersucht, die zu einer Lösungszeitreduktion führen können. Die intensive Evaluation hat zu einern state-of-the-art Code geführt, der in der Lage ist stochastische Programme effizient zu lösen. Durch die vielen verschiedenen implementierten Techniken lässt sich der Code durch Parameter variieren, um die jeweiligen Probleme effektiv zu lösen.

Projektbezogene Publikationen (Auswahl)

  • Stochastic Extensions to FlopC++ ICSP 2010, Halifax, Kanada, 2010
    Christian Wolf and Achim Koberstein
  • Stochastic Extensions to FlopC++. International Conference on Operations Research 2010, München, 2010
    Christian Wolf and Achim Koberstein
  • Adaptive Multicut Aggregation Applied to the Nested L-shaped Method. Informs 2011 Annual Meeting, Charlotte, USA, 2011
    Christian Wolf and Achim Koberstein
  • Stochastic Extensions to FlopC++. In Bo Hu, Karl Morasch, Stefan Pickl, and Markus Siegle, editors, Operations Research Proceedings 2010, pages 333-338. Springer, 2011
    Christian Wolf, Achim Koberstein, and Tim Helge Hultberg
  • Dynamic Sequencing and Cut Consolidation for the Parallel Hybrid-Cut Nested L-Shaped Method. VOCAL 2012, Veszprem, Ungarn, 2012
    Christian Wolf and Achim Koberstein
  • Multicut Aggregation in Nested Benders Decomposition for Multi-Stage Stochastic Linear Programs with Recourse. APMOD 2012, Paderborn, 2012
    Christian Wolf and Achim Koberstein
  • Multicut Aggregation in Nested Benders Decomposition for Multi-Stage Stochastic Linear Programs with Recourse. In Leena Suhl, Gautam Mitra, Cormac Lucas, Achim Koberstein, and Lars Beckmann, editors, Applied Mathematical Optimization and Modeling APMOD 2012 Extended Abstracts, volume 8, pages 135-138. DS&OR Lab, 2012
    Christian Wolf and Achim Koberstein
  • Sequencing Protocols and Cut Consolidation for the Parallel Hybrid-Cut Nested L-Shaped Method. International Conference on Operations Research 2012, Hannover, 2012
    Christian Wolf and Achim Koberstein
  • A computational study of on-demand accuracy level decomposition for two-stage stochastic programs. ICSP 2013, Bergamo, Italien, 2013
    Christian Wolf, Csaba Fabian, Achim Koberstein, and Leena Suhl
  • Dynamic sequencing and cut consolidation for the parallel hybrid-cut nested L-shaped method. European Journal of Operational Research, 230(1):143-156, 2013
    Christian Wolf and Achim Koberstein
    (Siehe online unter https://doi.org/10.1016/j.ejor.2013.04.017)
  • Applying oracles of on-demand accuracy in two-stage stochastic programming - a computational study. European Journal of Operational Research, Volume 239, Issue 2, 1 December 2014, Pages 437-448
    Christian Wolf, Csaba Fabian, Achim Koberstein, and Leena Suhl
    (Siehe online unter https://doi.org/10.1016/j.ejor.2014.05.010)
 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung