Studienarbeit aus dem Jahr 2001 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1, 3, Universitä t Leipzig (Institut fü r Empirische Wirtschaftsforschung), Veranstaltung: Operations Research, Sprache: Deutsch, Abstract: Die dynamische Programmierung (DP) ist ein allgemeines Prinzip zur Lö sung mehrstufiger oder sequentieller Entscheidungsprobleme. Sie bietet Lö sungsmö glichkeiten fü r Entscheidungsprobleme, bei denen eine Folge voneinander abhä ngiger Entscheidungen getroffen werden kann, um fü r das Gesamtproblem ein Optimum zu erzielen.
Das Besondere an der DP liegt demnach in der sequentiellen Lö sung eines in mehrere Stufen (bzw. Perioden) aufgeteilten Entscheidungsprozesses. Dabei werden auf jeder Stufe jeweils nur die dort existierenden Entscheidungsalternativen betrachtet.
Bei vielen aus der Praxis stammenden dynamischen Optimierungsproblemen treten jedoch auch stochastische Einflü sse auf. Bei Lagerhaltungsproblemen ist z. B. die Nachfrage oft mit groß en Unsicherheiten verbunden, so dass die Nachfragemenge und somit auch der Lagerbestand als Zufallsgrö ß en anzusehen sind.
Stochastische dynamische Optimierungsprobleme sind i. d. R. wesentlich komplizierter als die entsprechenden deterministischen Probleme.
Markov-Entscheidungsprozesse stellen das Kernstü ck der stochastischen dynamischen Programmierung dar und werden fü r die Lö sung von Optimierungsproblemen mit unendlich groß em (Planungs-) Horizont genutzt.
Die (stochastische) dynamische Programmierung erscheint zwar kompliziert, hat aber den Vorteil, dass viele Bedingungen und (Kosten-) Einflü sse problemlos mit berü cksichtigt werden kö nnen.
Wenn mehrere Produkte gleichzeitig betrachtet werden, steigt der Rechenaufwand jedoch sehr stark an. Dafü r eignen sich die Modelle der Linearen Programmierung und teilweise auch die Modelle der Flussmaximierung in Graphen (einschließ lich des Transportsystems) besonders gut.
Unter den verschiedenen mö glichen Lö sungsverfahren ist je nach auftretender Problemstellung das vorteilhafteste auszuwä hlen. Erweist sich ein Problem fü r die Anwendung dieser Methoden jedoch als zu schwierig, bilden die heuristischen Verfahren einen weiteren Lö sungsweg.
