Zusammenfassung
Im vorliegenden Beitrag wird gezeigt, wie mehrstufige Entscheidungen des Logistikmanagements mit Hilfe neuerer approximativer dynamischer Programmierungsmethoden optimiert werden können. Den Schlüssel dazu bilden maschinelle Lernansätze, die an dieser Stelle im Rahmen eines petrinetzbasierten Modells eingesetzt werden. Durch die Kombination maschineller Lernansätze mit einem Algorithmus zur zeitlich verschränkten Konstruktion und Analyse von Erreichbarkeitsgraphen des zugrunde liegenden Petrinetzes werden die Dimensionsund Bewertungsprobleme traditioneller Lösungsansätze vermieden. Am Beispiel eines mehrstufigen Entscheidungsproblems der Losgrößenplanung werden die Anwendungspotenziale des theoretischen Konzeptes abschließend demonstriert.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2004 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Sackmann, D., Bogaschewsky, R. (2004). Petrinetzbasierte Losgrößenplanung für mehrstufige Entscheidungsprobleme mit Hilfe approximativer dynamischer Programmierungsmethoden. In: Spengler, T., Voß, S., Kopfer, H. (eds) Logistik Management. Physica, Heidelberg. https://doi.org/10.1007/978-3-7908-2689-0_2
Download citation
DOI: https://doi.org/10.1007/978-3-7908-2689-0_2
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-0121-7
Online ISBN: 978-3-7908-2689-0
eBook Packages: Springer Book Archive