Rucksackprobleme in der Praxis – schnelle Entscheidungen schwer gemacht

ZusammenfassungUnternehmen sind häufig mit Situationen konfrontiert, in denen schnell Entscheidungen bezüglich der Auswahl mehrerer Handlungsalternativen gefunden werden müssen. Mathematische Verfahren können hierbei unterstützen, z. B. für die Ermittlung einer ersten Diskussionsbasis. Verfügbare Softwarelösungen errechnen zwar häufig optimale Ergebnisse, zeigen jedoch Schwächen bei der praktischen Anwendbarkeit. So ist eine Einarbeitung in komplexe Optimierungssoftware für die teilweise sporadisch auftretenden Probleme in der Regel für Unternehmen nicht möglich, unter anderem auch unter Anbetracht der teilweise hohen Kosten der Standardsoftware und dem benötigten hohen Einarbeitungsaufwand. Gerade Problemstellungen in Fachbereichen, die nicht auf mathematische Problemlösung spezialisiert sind, münden daher regelmäßig in Ineffizienzen. Basierend auf den in der Literatur diskutierten Lösungsansätzen wurde ein praxisorientierter Ansatz zur Entscheidungsunterstützung für Rucksackprobleme bzw. 0–1 Probleme mithilfe von Genetischen Algorithmen (GA) entwickelt und technisch in Microsoft Excel® umgesetzt. Ein Praxistest bei einem chinesischen Textilunternehmen belegt erhöhte Effektivität und Effizienz. Die Software kann kostenfrei nach MIT Lizenz unter http://www.solvega.de/ heruntergeladen werden.

[1]  Uli Kutter,et al.  Literatur. , 1941, Subjekt.

[2]  S. Senju,et al.  An Approach to Linear Programming with 0--1 Variables , 1968 .

[3]  Li Zeng,et al.  A Review and Comparison of Genetic Algorithms for the 0-1 Multidimensional Knapsack Problem , 2015, Int. J. Oper. Res. Inf. Syst..

[4]  Andreas Otto,et al.  Understanding the robustness of optimal FMCG distribution networks , 2013, Logist. Res..

[5]  G. Raidl,et al.  An improved genetic algorithm for the multiconstrained 0-1 knapsack problem , 1998, 1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98TH8360).

[6]  Jens Gottlieb,et al.  On the Effectivity of Evolutionary Algorithms for the Multidimensional Knapsack Problem , 1999, Artificial Evolution.

[7]  Paolo Toth,et al.  New trends in exact algorithms for the 0-1 knapsack problem , 2000, Eur. J. Oper. Res..

[8]  G. Raidl Weight-codings in a genetic algorithm for the multi-constraint knapsack problem , 1999, Proceedings of the 1999 Congress on Evolutionary Computation-CEC99 (Cat. No. 99TH8406).

[9]  Hans-Jürgen Zimmermann Operations-Research : Methoden und Modelle ; für Wirtschaftsingenieure, Betriebswirte, Informatiker , 2008 .

[10]  Hermann Gehring,et al.  Path Tracing in Genetic Algorithms Applied to the Multiconstrained Knapsack Problem , 2001, EvoWorkshops.

[11]  Andreas Drexl,et al.  A simulated annealing approach to the multiconstraint zero-one knapsack problem , 1988, Computing.

[12]  John E. Beasley,et al.  A Genetic Algorithm for the Multidimensional Knapsack Problem , 1998, J. Heuristics.

[13]  S. Martello,et al.  Dynamic Programming and Strong Bounds for the 0-1 Knapsack Problem , 1999 .

[14]  Arnaud Fréville,et al.  The multidimensional 0-1 knapsack problem: An overview , 2004, Eur. J. Oper. Res..