Zusammenfassung
Wird ein reales Entscheidungsproblem in Form eines mathematischen Optimierungsmodells abgebildet, so muß der Entscheidungsträger in der Lage sein, allen Koeffizienten der Zielfunktion(en) und der Restriktionsfunktionen und allen Restriktionsgrenzen eine eindeutig bestimmte reelle Zahl zuzuordnen. In vielen praktischen Anwendungsfällen reichen die Informationen des Entscheidungsträgers nicht aus, um diesen hohen Anforderungen zu genügen. Insbesondere Daten, die erst in der Zukunft realisiert werden, lassen sich zumeist nur größenordnungsmäßig prognostizieren. Dabei existieren i. a. nicht nur Vorstellungen über Bandbreiten für diese vagen Daten, sondern auch über unterschiedliche Realisierungschancen der in Betracht kommenden Werte. Solche unsicheren Daten lassen sich adäquat durch Fuzzy Sets modellieren. Es liegt daher nahe, vage. Daten in mathematischen Optimierungsmodellen durch Fuzzy-Größen auszudrücken.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1993 Springer-Verlag Heidelberg
About this paper
Cite this paper
Rommelfanger, H. (1993). Mathematische Optimierung mit Fuzzy Daten. In: Hansmann, KW., Bachem, A., Jarke, M., Katzenberger, W.E., Marusev, A. (eds) DGOR / ÖGOR. Operations Research Proceedings 1992, vol 1992. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-78196-4_94
Download citation
DOI: https://doi.org/10.1007/978-3-642-78196-4_94
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-56642-7
Online ISBN: 978-3-642-78196-4
eBook Packages: Springer Book Archive