GRASP with Hybrid Path Relinking for Bi-Objective Winner Determination in Combinatorial Transportation Auctions

The procurement of transportation services via large-scale combinatorial auctions involves a couple of complex decisions whose outcome highly influences the performance of the tender process. This paper examines the shipper's task of selecting a subset of the submitted bids which efficiently trades off total procurement cost against expected carrier performance. To solve this bi-objective winner determination problem, we propose a Pareto-based greedy randomized adaptive search procedure (GRASP). As a post-optimizer we use a path relinking procedure which is hybridized with branch-and-bound. Several variants of this algorithm are evaluated by means of artificial test instances which comply with important real-world characteristics. The two best variants prove superior to a previously published Pareto-based evolutionary algorithm.

Mathematical methods for the configuration of transportation systems with a focus on continuous and modular matrix conveyors

The lack of flexibility in logistic systems currently on the market leads to the development of new innovative transportation systems. In order to find the optimal configuration of such a system depending on the current goal functions, for example minimization of transport times and maximization of the throughput, various mathematical methods of multi-criteria optimization are applicable. In this work, the concept of a complex transportation system is presented. Furthermore, the question of finding the optimal configuration of such a system through mathematical methods of optimization is considered.

Multi-Channel-Learning (MCL)

Lerneinheiten müssen stark variierenden Anforderungen gerecht werden. Neben unterschiedlichen Lerntypen spielen vor allem auch die Umfeldbedingungen eine wesentliche Rolle, in denen Lernprozesse stattfinden. Faktoren wie z. B. die Tagesform führen letztlich dazu, dass nicht einmal für eine einzelne Person konstante Lernpräferenzen herrschen. Mit diesem Beitrag wird vorgeschlagen, zur Lösung des Problems einer Mehrkanalstrategie zu folgen. Allerdings sind spezifische Eigenschaften von Learning-Content-Systemen (LCS) notwendig, um ein sog. Multi-Channel-Learning (MCL) zu ermöglichen. Diese Eigenschaften werden im Beitrag anhand von Informationsmodellen beschrieben werden. Sie sollen als Referenzmodell dienen, das sowohl bei der Entwicklung als auch bei der Auswahl und Anpassung von LCS hilfreich sein kann. Das Referenzmodell wird deduktiv abgeleitet und anhand praktischer Anwendungen geprüft. Vorgestellt werden sowohl Anwendungs- als auch Organisationssysteme, die nach dem Modell realisiert worden sind. Auf dieser Grundlage kann schließlich eine Nutzenabschätzung des Modells für das Multi-Channel-Learnings vorgenommen werden.