Title (deu)
Prognose der Anzahl von Pareto-optimalen Lösungen für bikriterielles Facility Location Problem
Author
Richard Simek
Advisor
Walter Gutjahr
Assessor
Walter Gutjahr
Abstract (deu)
Die Grundidee dieser Arbeit liegt darin, dass ein einfaches bikriterielles Facility Location Problem zugrundegelegt wird. Es kann sich zum Beispiel um ein Standortauswahl-Problem handeln. Bei Standortauswahl-Problem können verschiedene
Kriterien eine Rolle spielen. In dieser Arbeit werden zwei Kriterien ausgewählt.
Einerseits wird ein Kostenkriterium anderseits Coverage-Kriterium gewählt. Weiter wird anhand einer kleinen Stichprobe von Näherungslösungen die Anzahl der Pareto-Optima
der gesamten Lösungsmenge vorhersagt. Das geschieht in folgenden vier Schritten.
Zuerst werden mit Hilfe von lokaler Suche unter zufälligen Chebyshev-Gewichtsvektoren die lokalen Pareto-Minima bestimmt. Danach wird die Anzahl aller lokalen Pareto-
Minima mit Hilfe der Rückfangmethode geschätzt. Im nächsten Schritt wird für die lokalen Pareto-Minima eine Dichtefunktion geschätzt (Kernschätzer-Technik). Als Kernschätzer kann man einen zweidimensionalen Gaussian Kernel verwenden. Zuletzt
werden Zufallspunkte aus der geschätzten Dichte gezogen und unter diesen Punkte werden globale Pareto-Minima bestimmt. Durch Mitteln über eine größere Anzahl von
Versuchen erhält man einen Schätzwert für die Anzahl der globalen Pareto-Minima.
Keywords (deu)
PrognoseFacility Location ProblemParetoAnzahlSchätzwertTestinstanz
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1270139
rdau:P60550 (deu)
VI, 109 Bl. : graph. Darst.
Number of pages
119
Association (deu)
Title (deu)
Prognose der Anzahl von Pareto-optimalen Lösungen für bikriterielles Facility Location Problem
Author
Richard Simek
Abstract (deu)
Die Grundidee dieser Arbeit liegt darin, dass ein einfaches bikriterielles Facility Location Problem zugrundegelegt wird. Es kann sich zum Beispiel um ein Standortauswahl-Problem handeln. Bei Standortauswahl-Problem können verschiedene
Kriterien eine Rolle spielen. In dieser Arbeit werden zwei Kriterien ausgewählt.
Einerseits wird ein Kostenkriterium anderseits Coverage-Kriterium gewählt. Weiter wird anhand einer kleinen Stichprobe von Näherungslösungen die Anzahl der Pareto-Optima
der gesamten Lösungsmenge vorhersagt. Das geschieht in folgenden vier Schritten.
Zuerst werden mit Hilfe von lokaler Suche unter zufälligen Chebyshev-Gewichtsvektoren die lokalen Pareto-Minima bestimmt. Danach wird die Anzahl aller lokalen Pareto-
Minima mit Hilfe der Rückfangmethode geschätzt. Im nächsten Schritt wird für die lokalen Pareto-Minima eine Dichtefunktion geschätzt (Kernschätzer-Technik). Als Kernschätzer kann man einen zweidimensionalen Gaussian Kernel verwenden. Zuletzt
werden Zufallspunkte aus der geschätzten Dichte gezogen und unter diesen Punkte werden globale Pareto-Minima bestimmt. Durch Mitteln über eine größere Anzahl von
Versuchen erhält man einen Schätzwert für die Anzahl der globalen Pareto-Minima.
Keywords (deu)
PrognoseFacility Location ProblemParetoAnzahlSchätzwertTestinstanz
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1270140
Number of pages
119
Association (deu)
License
Citable links
Other links
Managed by
Details
Metadata
Export formats
Universitätsring 1, 1010 Wien | T
T +43-1-4277-0