Simulation als betriebliche Entscheidungshilfe pp 182-197 | Cite as
Tourenplanung mit Selbstorganisierenden Netzen
Zusammenfassung
Die möglichen Einsatzgebiete von Künstlichen Neuronalen Netzen (KNN) für betriebswirtschaftliche Aufgabenstellungen sind äusserst vielfältig. Im Bereich des Operations Research bilden Ansätze für Rundreiseprobleme bisher einen Schwerpunkt. In diesem Artikel soll diskutiert werden, wie ein solcher Ansatz zu erweitern ist, um auch Tourenplanungsprobleme bearbeiten zu können. Dazu wird zunächst, basierend auf dem Modell der selbstorganisierenden Karten, ein für einfache Tourenplanungsprobleme verwendbares Grundmodell hergeleitet. Die Leistungsfähigkeit dieses Modells ist anschliessend an verschiedenen Literaturbeispielen zu testen. Im folgenden werden dann Möglichkeiten aufgezeigt, das Modell zu erweitern, um eine zusätzliche Restriktion (Zeitrestriktion) bzw. eine veränderte Zielfunktion (Kostenminimierung) berücksichtigen zu können.
Preview
Unable to display preview. Download preview PDF.
Literatur
- [1]Hopfield, J. und Tank, D., Neural Computation of Decisions in Optimization Problems, in: Biological Cybernetics, 5 (1985), S. 141–152.Google Scholar
- [2]Kohonen, T., Self-organizing and Associative Memory, 2. Auflage, New York u.a., 1988.Google Scholar
- [3]Retzko, R. und Schumann, M., Einsatzmöglichkeiten von Künstlichen Neuronalen Netzen für Rundreiseprobleme im Vergleich mit alternativen Verfahren, Arbeitsbericht Nr. 9, Göttingen, 1994.Google Scholar
- [4]Roth, B., Die Anwendung der Methoden der Neuronalen Netze auf ein Distributionsplanungsproblem, Diplomarbeit, Hamburg, 1992.Google Scholar
- [5]Allinson, N.M., Self-Organising Maps and their Applications, in: Taylor, J.G. und Mannion, C.L.T. (Hrsg.), Theory and Applications of Neural Networks, London u.a., 1990, S. 101-118.Google Scholar
- [6]Fort, J.C., Solving a Combinatorial Problem via Self-Organizing Process: An Application of the Kohonen Algorithm to the Traveling Salesman Problem, in: Biological Cybernetics, 58 (1988), S. 33–40.CrossRefGoogle Scholar
- [7]Ritter, H., Martinetz, T. und Schulten,K., Neuronale Netze-Eine Einführung in die Neuroinformatik selbstorganisierender Netzwerke, 2. erweiterte Auflage, Bonn u.a., 1991.Google Scholar
- [8]Köhle, M., Neurale Netze, Wien u.a., 1990.Google Scholar
- [9]Christofides, N. und Eilon, S., An Algorithm for the Vehicle Dispatching Problem, in: Operations Research Quarterly, 20 (1969), S. 309–318.CrossRefGoogle Scholar
- [10]Christofides, N., Mingozzi, A. und Toth, P., Combinatorial Optimization, Chichester u.a., 1979.Google Scholar
- [11]Paessens, H., The Savings Algorithm for the Vehicle Routing Problem, in: European Journal of Operational Research, 34 (1988), S. 336–344.CrossRefGoogle Scholar
- [12]Taillard, E., Parallel Iterative Search Methods for Vehicle Routing Problems, ORWP 92/03, Department of Mathematics, Ecole Polytechnique Fédérale de Lausanne, Switzerland.Google Scholar
- [13]Osman, I.H., Metastrategy Simulated Annealing and Tabu Search Algorithms for the Vehicle Routing Problem, in: Annals of Operations Research, (1993) 41, S. 421–451.CrossRefGoogle Scholar
- [14]Fisher, M.L., Optimal Solution of Vehicle Routing Problems using Minimum K-Trees, in: Operations Research, 4 (1994), S. 626–642.CrossRefGoogle Scholar
- [15]Domschke, W., Logistik: Rundreisen und Touren, 3. Auflage, München u.a., 1990.Google Scholar
- [16]Ryan, D.M., Hjorring, C. und Glover, F., Extensions of the Petal Method for Vehicle Routeing, in: Journal of the Operational Society, 44 (1993), S. 289–296.Google Scholar
- [17]Bundeszentralgenossenschaft Strassenverkehr (BZG): Fahrzeugkostenrechnung für LKW und Lastzüge, bearbeitet vom BZG-Beratungsdienst, Frankfurt (Main), o. Jg.Google Scholar
- [18]Diruf, G., Probleme und Entwicklungstendenzen der computergestützten Tourenplanung, in: Zeitschrift für Planung, o. Jg. (1990) 1, S. 5–23.Google Scholar