Es sind Kenntnisse wie sie in Stochastische Entscheidungsmodelle I [2550679] vermittelt werden wünschenswert.

• Waldmann, K.H., Stocker, U.M. (2012): Stochastische Modelle - eine anwendungsorientierte Einführung, Springer, 2. Auflage
• Puterman, M.L. (1994): Markov Decision Processes: Discrete Stochastic Dynamic Programming; John Wiley

Warteschlangen, Stochastische Entscheidungsprozesse.

Die Lehrveranstaltung wird nicht regelmäßig angeboten. Das für zwei Studienjahre im Voraus geplante Lehrangebot kann im Internet nachgelesen werden.

Gesamtaufwand bei 4,5 Leistungspunkten: ca. 135.0 Stunden

Präsenzzeit: 30 Stunden

Vor ? und Nachbereitung der LV: 45.0 Stunden

Prüfung und Prüfungsvorbereitung: 60.0 Stunden

Die Teilnehmer sollen durch den Kurs in die Lage versetzt werden Markovsche Entscheidungsprozesse als Analyseinstrument zur Steuerung und Optimierung zufallsabhängiger dynamischer Systeme einzusetzen und auf konkrete Problemstellungen anzupassen. Praxisorientierte Fallstudien im Bereich der Energiewirtschaft, des Revenue Managements und der Logistik veranschaulichen die Einsatzgebiete Markovscher Entscheidungsprozesse. Notwendige mathematische Instrumente, theoretische Grundlagen, Optimalitätskriterien, und die Lösung der Optimalitätsgleichung werden vorgestellt. Insbesondere die Entwicklung einfach strukturierter Entscheidungsregeln, die einerseits eine bessere Akzeptanz beim Anwender finden und andererseits eine effizientere Berechenbarkeit ermöglichen werden diskutiert. Die fakultative Rechnerübung unter Einsatz der Programmiersprache Java umfasst eine praxisnahe Fallstudie, die den Teilnehmern ein realistisches Bild von der Optimierung stochastischer Systeme vermittelt.

Die Erfolgskontrolle erfolgt in Form einer 60 min. schriftlichen Prüfung (nach §4(2), 1 SPO). Die Leistung der freiwilligen Rechnerübung kann als Erfolgskontrolle anderer Art (nach §4(2), 3 SPO) zur Verbesserung der Klausurnote um einen 2/3 Notenschritt herangezogen werden.