Zusammenfassung
Klassische Programmierungsmodelle benötigen eindeutig bestimmte Koeffizienten und Restriktionsgrenzen. Um eine Fehlmodellierung zu vermeiden ist daher in der Regel eine umfangreiche Informationsaufhahme und -verarbeitung notwendig. Oft wird man dennoch bei Realproblemen einige der Modellparameter nur größenordnungsmäßig angeben können. Während in den klassischen Modellen nur der Weg bleibt, diese ungenauen Größen durch „Mittelwerte“ zu ersetzen, bieten Fuzzy-Modelle die Möglichkeit, die subjektiven Vorstellungen eines Entscheiders so genau zu modellieren, wie ein Entscheider dies ausdrücken will und kann. Das Risiko, mit einem falschen Bild der Realität zu arbeiten und Lösungen auszuwählen, die nicht dem Realproblem entsprechen, wird somit deutlich reduziert.
Dem Informationsaufwand bei der Modellierung realer Probleme in Form von deterministischen und stochastischen Modellen steht außerdem entgegen, daß die Lösung letztlich nur von wenigen Restriktionen abhängt und gerade bei größeren Systemen sich im Nachhinein die Mehrzahl der Informationen als unnötig herausstellt. Dieses Informationsbeschaf-fungsdilemma wird dadurch bedingt, daß in klassischen Modellen das Wissen darüber, welche Informationen exakt sein müssen und wo vage Informationen ausreichen, erst nach Berechnung der Lösung vorliegt.
In diesem Beitrag soll anhand von linearen Mehrziel-Programmierungsproblemen demonstriert werden, daß sich das Informationsbeschaffungsdilemma realer Programmierungsprobleme durch eine Modellierung als Fuzzy-System in Kombination mit einem interaktiven Lösungsprozeß adäquat lösen läßt. Bei der Beschreibung des Realproblems durch ein Fuzzy-System werden zunächst nur die Informationen genutzt, die vorhanden sind oder mit wenig Aufwand beschafft werden können. Dann wird in den ersten Lösungsschritten die Lage der optimalen Lösung anvisiert. Dabei erhält man die Erkenntnis, welche Restriktionen letztlich die Lösung begrenzen. Unter Abwägung von Kosten und Nutzen können dann zusätzliche Informationen zielgerichtet beschafft werden, um die Lösung genauer zu bestimmen.
Zusätzlich soll in dieser Arbeit aufgezeigt werden, daß einige interaktive Fuzzy-Lösungsalgorithmen, wie z.B. FUPAL, die Möglichkeit bieten auch gemischt ganzzahlige (Mehrziel-) Programmierungsprobleme zu lösen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturhinweise
Kivijärvi H.; Korhonen P.; Wallenius J. (1986), “Operations Research and its practice in Finland”, Interfaces 16, 53–59
Lilien G. (1987), “MS/OR: A mid-life crises”, Interfaces 17, 53–59
Meyer zu Seihausen H. (1989), “Repositioning OR’s Products in the Market”, Interfaces 19, 79–87
Rommelfanger H. (1988), Entscheiden bei Unschärfe — Fuzzy Decision Support-Systeme, Springer Verlag Berlin Heidelberg, Second edition 1994
Rommelfanger H. (1991), Stochastic Programming with Vague Data. In: Annales Universitatis Scientiarum Budapestinensis de Rolando Eötvös Nominatae Sectio Computatorica 12, 213–221
Rommelfanger H. (1995), FULPAL 2.0 — An Interactive Algorithm for Solving Multicriteria Fuzzy Linear Programs Controlled by Aspiration Levels. In: Scheigert D. (Ed.) Methods of multicriteria decision theory. Pfalzakademie Lamprecht, 21–34
Rommelfanger H. (2000), Interactive fuzzy-project planning with flexible extended addition. In: Ruan D. a.o.(Eds.) Intelligent Techniques and Soft Computing in Nuclear Science and Engineering, World Scientific Publishing Co., Singapore, 62–71
Rommelfanger H.; Keresztfalvi T. (1991), “Multicriteria Fuzzy Optimization Based on Yager’s Parametrized T-Norm”, Foundations of Computing and Decision Sciences 16, 99–110
Rommelfanger H.; Slowinski R. (1998), Fuzzy Linear Programming with single or multiple Objective Functions. In: Slowinski R. (Ed.) Fuzzy Sets in Decision Analysis, Operations Research and Statistics, Kluwer Academic Publishers, Norwell, Massachusetts, 179–213
Simon H.A. (1955), A behavioral model of rational choice. Quarterly Journal of Economics 69, 99–118
Tingley G.A (1987), “Can MS/OR sell itself well enough?”, Interfaces 17, 41–52
Yager R.R. (1980), On a general class of fuzzy connectives. Fuzzy Sets and Systems 3, 235–242
Zadeh L.A. (81965), Fuzzy Sets, Information and Control 8, 338–353
Author information
Authors and Affiliations
Editor information
Rights and permissions
Copyright information
© 2003 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Rommelfanger, H.J. (2003). Die Stärken von Fuzzy-Optimierungsmodellen in praktischen Anwendungen. In: Habenicht, W., Scheubrein, B., Scheubrein, R. (eds) Multi-Criteria- und Fuzzy-Systeme in Theorie und Praxis. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-81539-2_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-81539-2_5
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-7864-4
Online ISBN: 978-3-322-81539-2
eBook Packages: Springer Book Archive