Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Michael Schwind EUS-Übung Kombinatorische Auktionen.

Slides:



Advertisements
Ähnliche Präsentationen
Präsentiert von Torben Pastuch
Advertisements

Entscheidungsunterstützungssysteme IWI Frankfurt 2004
Seminarankündigung für das SS04
Kristina Jostock, Birgit Steffen
Software-Agenten zur Entscheidungsunterstützung
Simulation von Preisverhandlungen: CA
Simulationsansätze in der BWL: Erstellung eines eigenen Projekts
Entscheidungsunterstützungssysteme -
Gebotssprachen bei kombinatorischen Auktionen
Entscheidungsunterstützungssysteme IWI Frankfurt 2004
Christian Scheideler SS 2009
Peter-Michael Schmidt, Stuttgart 2002
G.Heyer Algorithmen und Datenstrukturen II 1 Algorithmen und Datenstrukturen II Wintersemester 2000 / 2001 Prof. Dr. Gerhard Heyer Institut für Informatik.
2. Kapitel: Komplexität und Komplexitätsklassen
Simulated Annealing Marco Block & Miguel Domingo Seminar : Maschinelles Lernen und Markov KettenSommersemester 2002.
Algorithmen und Komplexität
1/21 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – Reinforcement Learning in MAS Projektgruppe KIMAS Reinforcement Learning in MAS Marc Pannenberg.
Klaus Volbert 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Sommersemester 2004.
Anwendung und Visual Basic
Management großer Softwareprojekte - Auswertung der Fragebögen - Prof. Dr. Holger Schlingloff Humboldt-Universität zu Berlin, Institut für Informatik Fraunhofer.
Informierte Suche.
Heuristiken Automatic Problem Solving Institut für Informatik
Lernende Agenten Seminar Softwareagenten Wintersemester 2001/2002 Norman Neuhaus.
WS 06/07 Algorithmentheorie 01 - Einleitung Prof. Dr. Th. Ottmann Tobias Lauer.
Genetische Algorithmen
Entscheidungsunterstützungssysteme IWI Frankfurt 2003
Algorithmen und Komplexität
Projektgruppe SEROSE AG-Monien Selfish Routing in Sokoban Environments
3. März 2000LS VI Workshop: Kalibrierung und Optimierung1/20 Kalibrierung und Optimierung in simulierten Multiagentensystemen Christoph Oechslein.
Was sind Histogramme? (1)
Willkommen zu Vorlesung
Thema: Fibonacci-Zahlen
Praktikum Künstliche Intelligenz
Übung zur Vorlesung Künstliche Intelligenz
Machine Learning Was wir alles nicht behandelt haben.
Kombinatorische Optimierung mit Ameisensystemen
Effiziente Algorithmen
Durchschnittsberechnung –
Effiziente Algorithmen
Optimierungs- Algorithmen
Computational Thinking Online Algorithmen [Was ist es wert, die Zukunft zu kennen?] Kurt Mehlhorn Konstantinos Panagiotou.
Adaptive Systeme-2 Grundlagen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/ /23.1.
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Graphen Kombinatorik, Zufall, Algorithmen

Bedarf Zeit.
USA Sa Anreise Frankfurt (11:20Uhr)/ Berlin (11:00 Uhr) über beide 12:00 Uhr in: London (13:40Uhr) nach NY (16:10Uhr) Hotel.
Eine Hilfe zum Verständnis der Finite-Elemente-Methode
3D-Vogel MultiMedia GDV Seminar (Wi 01/02) Abschlusspräsentation vom Projektteilnehmer: Christian Fichter Betreuer: Jody Weissmann.
Schwimmen : Die Anzahl 2: Die Bestzeit.
Unsere Idee zur Optimierung des Versandes von Büchern
GIS-Seminar WS00/01 Routen- und Tourenplanung
Vom Neuron bis zur Boltzmann Maschine Miguel Domingo & Marco Block Seminar : Maschinelles Lernen und Markov KettenSommersemester 2002.
Diskrete Mathe II Übung IKG - Übung Diskrete Mathe II – Jörg Schmittwilken 2 Gruppeneinteilung Gruppe A: Mo 12:00 – 12:45 Uhr –bis einschließlich.
Anwendung der Ellipsoidmethode in der Kombinatorischen Optimierung
Hier wird Wissen Wirklichkeit Organic Computing – Teil 3c, Folie 1 - Prof. Dr. Uwe Brinkschulte Middleware:in verschiedenen Kontexten gebrauchter Begriff,
Map Labeling mittels Simulated Annealing und Genetischen Algorithmen Seminar Label Placement Leiter: Dr. A. Wolff Referent: Tim Hoffmann Trassenheide 16./17.Juni.
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Design und Optimierung optischer Systeme durch Neuronale Netze und Genetische Algorithmen.
Mechanik I Lösungen.
Tutorium Programmieren I.
Kleines 1x1 ABCD Aufgaben Kleines 1x1 A · 8 = Lösung.
 Präsentation transkript:

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Michael Schwind EUS-Übung Kombinatorische Auktionen

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 Klausurrelevanter Stoff Lokale Optimierung, Heuristiken: A*… Agenten: Reputationsmodell entfällt Genetische Algorithmen, Simulated Annealing COSA: entfällt ANT-Optimierung SWARM: entfällt Yield Management, Reinforcement Learning Kombinatorische Auktionen Literatur: Reinforcement Learning zur Lösung multidimensionaler Yield- Management Probleme, (Wendt, Schwind 2002)

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Liefernetz Dallas Phoenix Long Beach Omaha Seattle Chicago Atlanta Camden Philadelphia

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Logistiker1 Dallas Phoenix Long Beach Omaha Seattle Chicago Atlanta Camden Philadelphia

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Logistiker 2 Seattle

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Logistiker 3 Dallas Phoenix Long Beach Omaha Seattle Chicago Atlanta Camden Philadelphia

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Logistiker, Versender Logistiker RouteRestriktion 1CA A D LB S O CH 5 t 2PHI A D O CH 7 t 3A D LB S PHO 11 t Versender Strecke, Menge 1 (Dallas)(D,S,10) (D,PHO,2) (D,O,5) (D,CH,3) 2 (Camden)(CA,A,2) (CA,LB,5) (CA,O,2) 3 (Philadelphia)(PHI,D,3) (PHI,CH,2) (PHI,S,5)

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Gebote Logistiker Gebote Logistiker Bestehende Aufträge 1(A,D, 2) (S,O,1) 2(PHI,D,4) (O,CH,3) 3(A, D,3) (LB,S,5) (S,PHO,4) Für welche Strecken geben die Logistiker sinnvoll Gebote in welcher Quantität ab ?

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Unbepreiste Gebote Logistiker Gebote 1 (D,S,5) OR ((D,O,4) XOR (D,CH,3)) AND (CA,A,2) XOR (CA,LB,3) XOR (CA,O,5)… 2 (D,O,5) XOR (D,CH,3) XOR (PHI,D,3) XOR (PHI,CH,2) … 3 (D,S,6) XOR (D,PHO,2) … Logistiker RestriktionBestehende Aufträge 15t(A,D, 2) (S,O,1) 27t(PHI,D,4) (O,CH,3) 311t(A, D,3) (LB,S,5) (S,PHO,4) Sinnvolle Gebote:

Entscheidungsunterstützungssysteme IWI Frankfurt 2004 CA-Aufgabe Bepreiste Gebote Logistiker Gebote 1 (D,S,5,550) OR ((D,O,4,560) XOR (D,CH,3,450)) OR (CA,A,2,70) XOR (CA,LB,3,440) XOR (CA,O,5,1200)… 2 (D,O,5,150) XOR (D,CH,3,210) XOR (PHI,D,3,170) XOR (PHI,CH,2,220) … 3 (D,S,6,600) XOR (D,PHO,2,320) … Beispiel Gebote mit Bepreisung: Notation: (start, ziel, fracht, preis) Berechnen Sie das Winner-Determination-Problem des Logistikauktionators im Auftrag der Versender mit Hilfe des Greedy- Algorithmus unter Verwendung des Preis/ Ladungsverhältnisses.