null Skip to main content

✨ Buy more, save 5% Ends

Lineare Optimierung Unter Unsicherheit: Eine Einführung (German Edition)

Lineare Optimierung Unter Unsicherheit: Eine Einführung (German Edition)

$45.95
New condition
(No reviews yet) Write a Review
Physical book delivery

Shipping calculated at checkout.

Estimated delivery
Adding to cart… The item has been added
Product Details
Author:
Frank Herrmann
Publisher:
Springer Gabler
Publication Date:
Jun 28, 2022
Number of pages:
313 pages
Language:
German
Binding:
Paperback/Business & Economics
ISBN-10:
3658345802
ISBN-13:
9783658345808

Overview

Gegenstand dieses Buches sind die in der Literatur und auch in der aktuellen Forschung verwendeten Ansätze der linearen Optimierung unter Unsicherheit. Im Mittelpunkt stehen Kompensationsprobleme und ihre Alternativen wie „Chance Constrained“-Probleme oder Sensitivitätsanalysen bzw. ihre Erweiterung, die parametrische Optimierung. Diese Ansätze werden mathematisch präzise beschrieben und ihre charakteristischen Eigenschaften werden anhand von leicht nachrechenbaren Fallstudien erläutert. Da durch Kompensationsprobleme häufig die besten Resultate erzielt werden, werden mit diesen Abstraktionen von konkreten Problemen in Unternehmen gelöst. Das Buch wendet sich an Doktoranden und Studierende mit ausgeprägtem Interesse an der optimalen Lösung von Problemen, insbesondere aus dem Bereich der Produktionsplanung, sowie generell an Wissenschaftler und Experten in Unternehmen, die eine Einführung in die lineare Optimierung unter Unsicherheit suchen.


  • | Author: Frank Herrmann
  • | Publisher: Springer Gabler
  • | Publication Date: Jun 28, 2022
  • | Number of Pages: 313 pages
  • | Language: German
  • | Binding: Paperback/Business & Economics
  • | ISBN-10: 3658345802
  • | ISBN-13: 9783658345808

Reviews

0 Reviews

Write a Review

No reviews yet.

Share your experience and help another reader choose their next book.

Discover your next great book

Get new releases, reader favourites, and special offers delivered to your inbox.