Informatik-Spektrum

, Volume 40, Issue 2, pp 165–171 | Cite as

Algorithmic Economics und Operations Research

  • Susanne Albers
  • Martin Bichler
  • Felix Brandt
  • Peter Gritzmann
  • Rainer Kolisch
HAUPTBEITRAG ALGORITHMIC ECONOMICS UND OPERATIONS RESEARCH
  • 96 Downloads

Zusammenfassung

Die Informatik hat viele Wissenschaften grundlegend beeinflusst, die Wirtschaftswissenschaften in besonders hohem Maße. Vor allem die enormen Fortschritte der Algorithmik und der mathematischen Optimierung haben großen Einfluss auf Theorie und Praxis. Neben traditionellen Anwendungen des Operations Research in der Ablauf- oder Tourenplanung ermöglichen diese Fortschritte völlig neue Anwendungen, und sie spielen für Geschäftsmodelle der digitalen Wirtschaft eine wichtige Rolle. Die Schnittstelle zwischen Informatik, Mathematik und Wirtschaftswissenschaften hat sich im Münchner Umfeld von Universitäten und Industrie in den vergangenen Jahren sehr dynamisch entwickelt. Der vorliegende Artikel gibt verschiedene Beispiele, wie Algorithmen und neue Ansätze der Optimierung sowohl betriebswirtschaftliche Probleme lösen (erster Teil) als auch Entwicklungen der wirtschaftswissenschaftlichen Theorie beeinflussen (zweiter Teil). Sie zeugen von einer neuen, einer ,,informatischen“ Art, wirtschaftliche Prozesse zu gestalten und zu erklären, die auch international großen Auftrieb erhält.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Albers S (2009) On the value of coordination in network design. SIAM J Comput 38(6):2273–2302MathSciNetCrossRefMATHGoogle Scholar
  2. 2.
    Albers S, Eilts S, Even-Dar E, Mansour Y, Roditty L (2014) On Nash equilibria for a network creation game. ACM T Econ Comput 2(1):2MATHGoogle Scholar
  3. 3.
    Albers S, Lenzner P (2013) On approximate Nash equilibria in network design. Internet Math 9(4):384–405MathSciNetCrossRefMATHGoogle Scholar
  4. 4.
    Alpers A, Brieden A, Gritzmann P, Lyckegaard A, Poulsen HF (2015) Generalized balanced power diagrams for 3D representations of polycrystals. Philos Mag 95:1016–1028CrossRefGoogle Scholar
  5. 5.
    Anshelevich E, Dasgupta A, Kleinberg J, Tardos E, Wexler T, Roughgarden T (2008) The price of stability for network design with fair cost allocation. SIAM J Comput 38(4):1602–1623MathSciNetCrossRefMATHGoogle Scholar
  6. 6.
    Anshelevich E, Dasgupta A, Tardos É, Wexler T (2008) Near-optimal network design with selfish agents. Theor Comput 4(1):77–109MathSciNetCrossRefMATHGoogle Scholar
  7. 7.
    Aziz H, Brandt F, Elkind E, Skowron P (2017) Computational social choice: The first ten years and beyond. In: Steffen B, Woeginger G (eds) Computer Science Today, vol 10000, Lecture Notes in Computer Science (LNCS). SpringerGoogle Scholar
  8. 8.
    Bichler M, Goeree J (eds) (2017) Handbook of Spectrum Auction Design. Cambridge University PressGoogle Scholar
  9. 9.
    Bikhchandani S, Ostroy JM (2002) The package assignment model. J Econ Theor 107(2):377–406MathSciNetCrossRefMATHGoogle Scholar
  10. 10.
    Bixby RE (2012) A brief history of linear and mixed-integer programming computation. Documenta Mathematica pp 107–121Google Scholar
  11. 11.
    Borgwardt S, Brieden A, Gritzmann P (2014) Geometric clustering for the consolidation of farmland and woodland. Math Intell 36:37–44MathSciNetCrossRefMATHGoogle Scholar
  12. 12.
    Brandl F, Brandt F, Geist C (2016) Proving the incompatibility of efficiency and strategyproofness via SMT solving. In: Proceedings of the 25th International Joint Conference on Artificial Intelligence (IJCAI). AAAI Press, pp 116–122Google Scholar
  13. 13.
    Brandl F, Brandt F, Seedig HG (2016) Consistent probabilistic social choice. Econometrica 84(5):1839–1880MathSciNetCrossRefGoogle Scholar
  14. 14.
    Brandt F, Conitzer V, Endriss U, Lang J, Procaccia A (eds) (2016) Handbook of Computational Social Choice. Cambridge University PressGoogle Scholar
  15. 15.
    Brandt F, Geist C (2016) Finding strategyproof social choice functions via SAT solving. J Artif Intell Res 55:565–602MathSciNetMATHGoogle Scholar
  16. 16.
    Brieden A, Gritzmann P, Klemm F (2017) Electoral district design via constrained clustering. Eur J Oper Res (in revision)Google Scholar
  17. 17.
    Carlsson JG, Carlsson E, Devulapalli R (2014) Balancing workloads of service vehicles over a geographic territory. In: IEEE/RSJ Intern. Conf. Intelligent Robots and Systems, pp 209–216Google Scholar
  18. 18.
    Conway RW, Maxwell WL, Miller LW (1967) Theory of Scheduling. Addison-WesleyGoogle Scholar
  19. 19.
    Cortes J (2010) Coverage optimization and spatial load balancing by robotic sensor networks. IEEE T Autom Control 55:749–754MathSciNetCrossRefGoogle Scholar
  20. 20.
    Diebold F, Bichler M (2017) Matching with indifferences: a comparison of algorithms in the context of course allocation. Eur J Oper Res 260(1):268–282MathSciNetCrossRefGoogle Scholar
  21. 21.
    Fabrikant A, Luthra A, Maneva E, Papadimitriou C, Shenker S (2003) On a network creation game. In: Proceedings of the 22nd Annual Symposium on Principles of Distributed Computing (PODC). ACM Press, pp 347–351Google Scholar
  22. 22.
    Fadaei S, Bichler M (2017) Generalized assignment problem: truthful mechanism design without money. Oper Res Lett 45:72–76MathSciNetCrossRefGoogle Scholar
  23. 23.
    Frey M, Kolisch R, Artigues C (2017) Column generation for outbound baggage handling at airports. Transport Sci (accepted)Google Scholar
  24. 24.
    Goetzendorff A, Bichler M, Shabalin P, Day RW (2015) Compact bid languages and core pricing in large multi-item auctions. Manage Sci 61(7):1684–1703CrossRefGoogle Scholar
  25. 25.
    Gritzmann P, Klee V (2017) Computational convexity. In: Handbook of Discrete and Computational Geometry, chapt 37, 3rd edn. Chapman & Hall/CRCGoogle Scholar
  26. 26.
    Nisan N, Roughgarden T, Tardos E, Vazirani V (2007) Algorithmic Game Theory. Cambridge University Press, CambridgeCrossRefMATHGoogle Scholar
  27. 27.
    Petrakis I, Ziegler G, Bichler M (2012) Ascending combinatorial auctions with allocation constraints: on game theoretical and computational properties of generic pricing rules. Inform Syst Res 24(3):768–786CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2017

Authors and Affiliations

  • Susanne Albers
    • 1
  • Martin Bichler
    • 1
  • Felix Brandt
    • 1
  • Peter Gritzmann
    • 2
  • Rainer Kolisch
    • 3
  1. 1.Fakultät für InformatikTU MünchenMünchenDeutschland
  2. 2.Zentrum für Mathematik, Zweitmitglied InformatikMünchenDeutschland
  3. 3.School of Management, Zweitmitglied InformatikMünchenDeutschland

Personalised recommendations