Zusammenfassung
In diesem Kapitel werden die gängigen Ansätze zur Berücksichtigung von Unsicherheit in der Literatur evaluiert und anhand von zwei Fallstudien demonstriert. Bei einem Vorgehen wird das Optimierungsproblem erst dann gelöst, wenn konkrete Werte für jeden zufälligen Parameter bekannt sind (Wait-and-see-Lösung). Bei einem weiteren wird jeder stochastische Parameter durch einen deterministischen Ersatzwert ersetzt (Ersatzwertprobleme). Der nach der Einschätzung in der Literatur wichtigste Ansatz, die Kompensation bzw. das Bestrafen des Defizits, wird eingeführt und eine allgemeine Formulierung solcher Kompensationsprobleme, einschließlich alternativer Darstellungen, wird vorgestellt. Ihre Vorteilhaftigkeit gegenüber dem Chance-Constrained-Ansatz wird erläutert. Kompensationsmaßnahmen sind zentrale Modellierungsaufgaben, wie anhand eines stochastischen Losgrößenproblems demonstriert wird. Zur Lösung von Kompensationsprobleme werden zufällige Werte durch (sehr viele) deterministische Einzelwerte ersetzt, so dass ein deterministisches Optimierungsproblem entsteht, welches auf die übliche Weise gelöst wird. Solche Einzelwerte entstehen durch Approximationen stetiger Verteilungen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Herrmann, F. (2022). Optimierungsansätze bei Unsicherheit. In: Lineare Optimierung unter Unsicherheit. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-34581-5_4
Download citation
DOI: https://doi.org/10.1007/978-3-658-34581-5_4
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-34580-8
Online ISBN: 978-3-658-34581-5
eBook Packages: Business and Economics (German Language)