Vergleich von stochastischer Programmierung und Online-Optimierung bei unterschiedlichen Eingabeverteilungen

  • Typ:Bachelorarbeit, Masterarbeit
  • Beschreibung: Sowohl mit der Online-Optimierung als auch mit der zwei- bzw. mehrstufigen stochastischen Programmierung lassen sich sequentielle Optimierungsprobleme lösen. Aufgrund der Unkenntnis zukünftiger Eingaben gibt es kein natürliches Optimalitätskonzept für diese Klasse von Problemen und in der Praxis sind sowohl Online-Optimierung als auch stochastische Programmierung als heuristische Verfahren anzusehen. Bei der stochastischen Programmierung ist dies v.a. damit begründet, dass die angenommenen Wahrscheinlichkeitsverteilungen in der Regel nicht exakt den realisierten Wahrscheinlichkeitsverteilungen entsprechen. Online-Algorithmen in ihrer Form ohne Lookahead hingegen beziehen keinerlei Informationen über die Zukunft in die Entscheidungsfindung mit ein. Die Frage, die sich stellt, ist, ob die stochastische Programmierung auch bei Variation der Eingabeverteilungen sinnvolle Ergebnisse liefert oder ob die stochastische Programmierung sehr sensitiv auf die Variation von Eingabeverteilungen reagiert. Deshalb soll in dieser Arbeit anhand ausgewählter Beispiele die Robustheit von stochastischen Programmierungsmodellen getestet werden und der Robustheit von Online-Algorithmen gegenüber gestellt werden.

    Anforderungen: Recherchearbeit, Modellierung, Programmierung

    Ansprechpartner: Fabian Dunke

    Bearbeitungsstatus: frei