Die Berücksichtigung stochastischer Einflüsse gewinnt in der Tourenplanung zunehmend an Bedeutung. Typische Beispiele sind im Zeitverlauf sukzessiv hinzukommende Aufträge oder stochastisch variierende Abnahmemengen der Kunden, wie sie etwa bei Kurier-, Express- und Paketdiensten auftreten. Typischerweise kann der Planer seine Entscheidungen nach Bekanntwerden neuer Information modifizieren, sodass von einem mehrstufigen Entscheidungsproblem unter Unsicherheit ausgegangen werden kann. Aufgrund der Auswirkung getroffener Entscheidungen auf zukünftige Problemstellungen kann nur eine antizipierende Planung das vorhandene Optimierungspotenzial voll ausschöpfen. Grundlage einer antizipierenden Planung ist die Modellierung der mehrstufigen Probleme als Markov Entscheidungsprozess. Darauf aufbauend sind grundlegend effiziente Planungsverfahren zu erforschen. Ausgangspunkt dabei sind die jüngsten Fortschritte auf dem Gebiet der Approximativen Dynamischen Programmierung. Im Fokus des Forschungsvorhabens steht der Transfer der Approximativen Dynamischen Programmierung in den Anwendungsbereich der Tourenplanung sowie im Rahmen dessen, die Weiterentwicklung der Approximativen Dynamischen Programmierung.
DFG Programme
Research Grants
