Advertisement

Zusammenfassung

“The general job-shop problem is a fascinating challenge. Although it is easy to state, and to visualize what is required, it is extremely difficult to make any progress whatever toward a solution. Many proficient people have considered the problem, and all have come away essentially empty-handed. Since this frustration is not reported in the literature, the problem continues to attract investigators, who just cannot believe that a problem so simply structured can be so difficult, until they have tried it.”1

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Conway, Maxwell und Miller [39, S.103]Google Scholar
  2. 2.
    Branch-and-Bound-Algorithmen beschreiben z.B. Barker und McMahon [14], Carlier und Pinson [34] [36], Applegate und Cook [7], Brucker, Jurisch und Sievers [30].Google Scholar
  3. 3.
    vgl. Paredis und van Rij [116], Caseau und Laburthe [37] [38], Pesch und Tetzlaff (118]Google Scholar
  4. 4.
    vgl. Martin und Shmoys [106, S.389], Blaźewicz, Domschke und Pesch [20, S.6]Google Scholar
  5. 5.
    vgl. Mehlhorn [108, S.215], Nemhauser und Wolsey [113, S.358], Schrijver [138, S.360], Mattfeld [107, S.23]Google Scholar
  6. 6.
    vgl. Applegate und Cook [7]Google Scholar
  7. 7.
    vgl. Kallrath [87, S.184]Google Scholar
  8. 8.
    Verbesserungen dieser Heuristik beschreiben Dauzère-Péres und Lassere [42] sowie Balas, Lenstra und Vazacopoulos [13]. Ramudhin und Marier [126] erweitern diese Heuristik zur Lösung verallgemeinerter Shop-Scheduling-Probleme.Google Scholar
  9. 9.
    vgl. Storer, Wu und Vaccari [153], [154], Vaessens, Aarts und Lenstra [158]Google Scholar
  10. 10.
    vgl. Taillard [156], Huring, Jurisch und Thole [82], Nowicki und Smutnicki [115]Google Scholar
  11. 11.
    vgl. Biegel und Davern [18], Falkenauer und Bouffouix [62], Starkweather, Whitley, Mathias und McDaniel [151], Storer, Wu und Vaccari [152], Bean [16], Pesch [117], Dorndorf und Pesch [56] sowie Davis [45], Bagchi, Uckun, Miyabe und Kawa-Mura [8], Nakano und YamadA [111] — letztere zitiert nach Kurbel und Rohmann [94, S.592f.].Google Scholar
  12. 12.
    vgl. Aarts, van Laarhoven, Lenstra [95] sowie zusätzlich mit Ulder [1]; Kurbel und Rohmann [94, S.585f.]Google Scholar
  13. 13.
    Sabuncuoglu und Gurgun [132] geben einen Überblick über Literatur zur Lösung von Scheduling-Problemen mit neuronalen Netzen. Kurbel [93] vergleicht ein Verfahren auf der Basis neuronaler Netze mit herkömmlichen Verfahren.Google Scholar
  14. 14.
    Einführungen in neuere Schnittebenenverfahren und ihre Anwendungsgebiete geben u.a. Hoffman und Padberg [74] [75], van Roy und Wolsey [131], Jünger und Reinelt [84] sowie Jünger, Reinelt und Thienel [85].Google Scholar
  15. 15.
    Applegate und Cook [7, S.152]Google Scholar
  16. 16.
    vgl. Balas [12], Dyer und Wolsey [61], Wolsey [165], Queyranne und Wang [125], Lasserre und Queyranne [98], Nemhauser und Savelsbergh [112], Queyranne [123], van den Akker, van Hoesel und Savelsbergh [4], van den Akker [3], Queyranne und Schulz [124], van den Akker, Hurkens und Savelsbergh [5], Schulz [139]Google Scholar
  17. 17.
    vgl. Dinkelbach [48, S.12], [50, S.31], [52, Sp.930]. Vgl. auch Dinkelbach und Kleine [53, S.20] sowie Kleine [90, S.5].Google Scholar
  18. 18.
    Die Zielfunktionsrichtung wird hier o.B.d.A. als zu minimierend gewählt. Die Zielfunktion Z kann aber durch Multiplikation mit -1 in eine zu maximierende Zielfunktion z überführt werden (vgl. auch Dinkelbach [52, Sp.931]).Google Scholar
  19. 19.
    vgl. u.a. Bruhns und Appelrath [32, S.518], MacCarthy und Liu [104, S.721], Zschocke [166, S.286] sowie Schmidt [136, S.40] zu den Vorteilen formaler mathematischer Modelle.Google Scholar
  20. 20.
    Rinnooy Kan [127, S.36]: “A natural way to attack machine scheduling problems is to formulate them as mathematical programming models.”Google Scholar
  21. 21.
    Blazewicz, Dror und Węglarz [21, S.283JGoogle Scholar
  22. 22.
    vgl. Schmidt [134, S.38]Google Scholar
  23. 23.
    vgl. Hagelschuer [72, S.8], Dinkelbach und Kleine [53, S.22]Google Scholar
  24. 24.
    Nemhauser und Wolsey [113, S.14]Google Scholar
  25. 25.
    Kallrath [88, S.23]. Vgl. auch Barnhart, Johnson, Nemhauser, Sigismondi und Vance [15], Williams [163, S.202].Google Scholar
  26. 26.
    Jeroslow [83, S.5] belegt dies: “Starting in the late 1960’s, when experience with solving mixed-integer programs (MIPs) began to accumulate, it was empirically observed that different algebraic representations of the same MIP constraint condition could behave very differently in computation. In one algebraic formulation, a given MIP could be intractible, while the same MIP might be easily solvable with another fomulation. In addition, the easily-solved formulation might involve many more variables and constraints than the intractible one. This latter fact was not consistent with experience from linear programming, and suggested that some new features of MIP formulations could override representation size as a key to computational tractibility of MIP.”Google Scholar
  27. 27.
    Müller-Mereach [110, Sp.43]Google Scholar
  28. 28.
    Die Modelle sind beschrieben in Bowman [23], Wagner [159] und Manne [105].Google Scholar
  29. 29.
    Manne [105, S.222]Google Scholar
  30. 30.
    Bowman [23, S.621]Google Scholar
  31. 31.
    Wagner [159, S.131]Google Scholar
  32. 32.
    Manne [105, S.222]Google Scholar
  33. 33.
    vgl. Morton und Pentico [109, S.24]Google Scholar
  34. 34.
    Seelbach [141, Sp.25]Google Scholar
  35. 35.
    vgl. Siegel [147, S.130], Seelbach [142, Sp.9], Brüggemann [31, S.61]Google Scholar
  36. 36.
    vgl. auch Bellman, Esogbue und Nabeshima [17, S.289]Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1997

Authors and Affiliations

  • Thomas Latz

There are no affiliations available

Personalised recommendations