Optimierungsmodelle unter Ungewissheit

Vortrag im Rahmen der Ringvorlesung des Graduiertenkollegs

Prof. Dr. Werner Römisch


Zusammenfassung

Viele praktische Optimierungsprobleme in der Industrie und den Ingenieurwissenschaften enthalten unsichere Daten. In einer Reihe von Fällen existieren jedoch aus der Kenntnis der Historie weitere Informationen über diese Daten, die es ermöglichen, sie als stochastische Daten zu identifizieren und eine genäherte Rekonstruktion oder gar Schätzung der Wahrscheinlichkeitsverteilung durchzuführen. Für solche Fälle werden Modellierungszugänge diskutiert, die eine Einbeziehung dieser Information über die Wahrscheinlichkeitsverteilung ermöglichen. Beispiele aus der Planung von Stromerzeugung und -handel von Elektrizitätsfirmen bzw. der Steuerung von Buchungsprozessen von Transportunternehmen dienen zur Illustration der allgemeinen mathematischen Modelle. Die mathematischen Herausforderungen bei der Lösung solcher stochastischer Optimierungsmodelle werden diskutiert und ihre Beherrschbarkeit am Beispiel der Einsatzplanung realer Kraftwerkssysteme bei stochastischer Last illustriert.