Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Künstliche Intelligenz Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Zukunftswerkstatt Sales Excellence 2025 | 08. Mai 2025

KI als Booster im Vertrieb

Lernen Sie von Digital-Experten, wie der gezielte Einsatz von KI-Unterstützung Ihrem Unternehmen in vielen Bereichen hilft, im Vertrieb einen Schritt voraus zu sein. Jetzt wieder live vor Ort teilnehmen in Frankfurt am Main!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

7. Dynamische Vorausschauhorizonte

verfasst von : Jan Brinkmann

Erschienen in: Aktives Ausgleichen von Bike-Sharing-Systemen

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Wie Ghiani et al. (2009), Voccia et al. (2017) festgestellt haben, hat die Länge eines Vorausschauhorizonts einen erheblichen Einfluss auf die Qualität einer Lösung eines stochastisch-dynamischen Optimierungsproblems. Daher darf der Vorausschauhorizont weder zu kurz noch zu lang sein. Genauer gesagt muss der Vorausschauhorizont mit dem Anfragemuster übereinstimmen. In BSS haben wir es mit raum-zeitlichen Anfragesmustern zu tun (Abschn. 2.​4). Daher befassen wir uns in diesem Kapitel mit Vorausschauhorizonten für LAs, die sich im Laufe des Tages ändern. Wir definieren eine dynamische LA (DLA) als eine LA mit individuell für bestimmte Zeiträume des Zeithorizonts ausgewählten Vorausschauhorizonten. Zu diesem Zweck verwenden wir ein Verfahren, das ursprünglich von Brinkmann et al. (2019a) eingeführt wurde.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Vorausschauende Politiken
Nächstes Kapitel Fallstudien
Fußnoten
1
„Eine Iteration der Approximationsphase einer VFA“, Abschn. 4.​2.​3, S. 38.
 
2
„Überblick über eine vorausschauende Politik“, Abschn. 6.​1, S. 51.
 
3
Daher führt die Einführung von Perioden zu einer Aggregation des Zustandsraums. In Abschn. 10.​2 werden fortgeschrittene Techniken zur Aggregation des Zustandsraums erörtert.
 
4
Nur eine Anmerkung zum besseren Verständnis: In unserem Beispiel haben wir 24 Perioden. Daher aktualisieren wir nach jeder Trajektorie 24 Werte.
 
5
„Unterlegen“ im Sinne von höheren Approximationen.
 
6
In der deterministisch-statischen Optimierung ist die Boltzmann-Exploration als Teil des lokalen Suchalgorithmus Simulated Annealing bekannt (Aarts und Korst 1989).
 
7
Da kleine Werte auf bessere Horizonte hinweisen, werden negative Größen verwendet. Bei Maximierungsproblemen braucht man keine negativen Größen.
 
8
Der Faktor 0,01 ist ein Tuning-Parameter. Vorläufige Experimente haben gezeigt, dass mit dieser Einstellung gute Ergebnisse erzielt werden.
 
9
In den Fallstudien (Kap. 8) verwenden wir Zeiträume von einer Stunde Länge.
 
Literatur
Aarts E, Korst J (1989) Simulated annealing and Boltzmann machines. Wiley, New YorkMATH
Powell WB (2011) Approximate dynamic programming: solving the curses of dimensionality, 2. Aufl. Wiley, New YorkCrossRefMATH
Metadaten
Titel
Dynamische Vorausschauhorizonte
verfasst von
Jan Brinkmann
Copyright-Jahr
2023
Buch
Aktives Ausgleichen von Bike-Sharing-Systemen

Print ISBN: 978-3-031-16535-1

Electronic ISBN: 978-3-031-16536-8

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-3-031-16536-8_7

Premium Partner

    Bildnachweise