TY - THES

T1 - Genetische Algorithmen zur Lösung eines Human Ressource Allocation Problems

AU - Zechmann, Ole

N1 - gesperrt bis null

PY - 2020

Y1 - 2020

N2 - Die vorliegende Diplomarbeit befasst sich mit einem speziellen Human Resource Allocation Problem, bei welchem eine gegebene Menge von Ressourcen auf eine ebenfalls gegebene Menge von Stationen zu verteilen ist, wobei für jede Ressource bekannt ist, welche Leistung sie auf den verschiedenen Stationen erbringen kann. Die Stationen können dabei auch so verbunden sein, dass auf einer Station nur dann eine Leistung erbracht werden kann, wenn sie von ihren Vorgängerstationen ausreichend versorgt wird und gleichermaßen ihre Erzeugnisse auch an nachfolgende Stationen weitergeben kann. Durch diese Verknüpfungen entsteht ein Netzwerk, dessen maximaler Fluss die Leistung des Systems darstellt. Zur Ermittlung des maximalen Flusses wird ein Modell eingeführt, mit welchem sich aus den gegebenen Stationen und Ressourcen ein Digraph konstruieren lässt, dessen Kantenkapazitäten abhängig von der Zuteilung der Ressourcen auf die Stationen sind. Pufferspeicher zwischen verbundenen Stationen, eine bereits bestehende Initialbelegung, sowie auf den Stationen zu erfüllende Mindestleistungen, werden von dem Modell ebenfalls berücksichtig. Das Auffinden eines Graphen mit einem möglichst großen maximalen Fluss ist das zentrale Ziel dieser Arbeit. Zu diesem Zweck werden genetische Algorithmen vorgestellt und gezeigt, wie sich die Lösungen des vorliegenden Problems als Individuen eines solchen modellieren lassen. Mit Hilfe dieser genetischen Algorithmen soll, aus den unzähligen möglichen Zuweisungen, eine möglichst gute gefunden werden. Die Qualität der durch die genetischen Algorithmen erzielten Lösungen wird anhand ausgewählter Testprobleme analysiert.

AB - Die vorliegende Diplomarbeit befasst sich mit einem speziellen Human Resource Allocation Problem, bei welchem eine gegebene Menge von Ressourcen auf eine ebenfalls gegebene Menge von Stationen zu verteilen ist, wobei für jede Ressource bekannt ist, welche Leistung sie auf den verschiedenen Stationen erbringen kann. Die Stationen können dabei auch so verbunden sein, dass auf einer Station nur dann eine Leistung erbracht werden kann, wenn sie von ihren Vorgängerstationen ausreichend versorgt wird und gleichermaßen ihre Erzeugnisse auch an nachfolgende Stationen weitergeben kann. Durch diese Verknüpfungen entsteht ein Netzwerk, dessen maximaler Fluss die Leistung des Systems darstellt. Zur Ermittlung des maximalen Flusses wird ein Modell eingeführt, mit welchem sich aus den gegebenen Stationen und Ressourcen ein Digraph konstruieren lässt, dessen Kantenkapazitäten abhängig von der Zuteilung der Ressourcen auf die Stationen sind. Pufferspeicher zwischen verbundenen Stationen, eine bereits bestehende Initialbelegung, sowie auf den Stationen zu erfüllende Mindestleistungen, werden von dem Modell ebenfalls berücksichtig. Das Auffinden eines Graphen mit einem möglichst großen maximalen Fluss ist das zentrale Ziel dieser Arbeit. Zu diesem Zweck werden genetische Algorithmen vorgestellt und gezeigt, wie sich die Lösungen des vorliegenden Problems als Individuen eines solchen modellieren lassen. Mit Hilfe dieser genetischen Algorithmen soll, aus den unzähligen möglichen Zuweisungen, eine möglichst gute gefunden werden. Die Qualität der durch die genetischen Algorithmen erzielten Lösungen wird anhand ausgewählter Testprobleme analysiert.

KW - Genetische Algorithmen

KW - Human Resource Allocation Problem

KW - maximaler Fluss

KW - Genetic Algorithms

KW - Human Resource Allocation Problem

KW - maximum flow

M3 - Masterarbeit

ER -