Eignung schwarmintelligenter Verfahren für die betriebliche Entscheidungsunterstützung

Diese Arbeit untersucht die beiden schwarmintelligenten Verfahren Ant Colony Optimization und Particle Swarm Optimization, die in den letzten Jahren, gerade im Vergleich zu etablierten Metaheuristiken wie der Genetischen Algorithmen, immer mehr an Bedeutung gewonnen haben. Da beide Verfahren im betriebswirtschaftlichen Kontext aber bisher nur unzureichend eingesetzt wurden, werden die Eigenschaften der Verfahren anhand zweier beispielhafter Problemstellungen unterschiedlicher Problemklassen untersucht und bewertet. Bei dem betrachteten kontinuierlichen Problem handelt es sich um das Modell eines stochastischen Lagerhaltungssystems, für welches optimale Sicherheitsbestände und Bestellmengen zweier Produkte bestimmt werden müssen, um am Ende des Planungszeitraumes das eingesetzte Gesamtkapital zu maximieren. Die zweite untersuchte Problemstellung behandelt die Gestaltung möglichst überschneidungsfreier universitärer Stundenpläne für die LehrerInnenausbildung anhand eines aktuellen und praktischen Beispiels der Universität Göttingen. Bei beiden Problemstellungen werden sowohl für die ACO als auch für die PSO zunächst geeignete Parametereinstellungen bestimmt, mit denen die Verfahren ausführlicheren Untersuchungen unterzogen werden. Anhand von Bewertungskriterien wird die Güte der Ergebnisse für beide SI Verfahren bei Anwendung auf die beiden Problemstellungen beurteilt, um daraus eine übergreifende Einschätzung der Ergebnisse abzuleiten. Es stellt sich heraus, dass beide Verfahren nicht nur für den Problembereich, für den sie ursprünglich entwickelt wurden, gute Ergebnisse erzielen, sondern auch in der Adaption und dem Einsatz auf die jeweils anderen Problembereiche geeignet sind. Anhand der erzielten Ergebnisse lässt sich ein Verhalten beider SI Verfahren beobachten, welches den Anwender im Vorfeld von ähnlichen Untersuchungen in die Lage versetzt, auf Grund¬lage zweier Eigenschaften eines der Verfahren auszuwählen. So ist für die Zielvorgabe Lösungsqualität die ACO besser geeignet, da sie in beiden Untersuchungen sehr gute Lösungen bei vergleichsweise hohem Aufwand erzielt. Wenn dagegen ein schnelles Erreichen einer guten Lösung höhere Priorität besitzt, weist die PSO Vorteile auf, da sie innerhalb einer kürzeren Zeit und mit geringerem Aufwand Lösungen bereitstellt, die als gut bezeichnet werden können. Die Ergebnisse dieser Arbeit zeigen an zwei Beispielen unterschiedlicher Problemstellungen, dass SI Verfahren erfolgreich zur Lösungsfindung sowie der Optimierung betriebswirtschaftlicher Problemstellungen eingesetzt und zur Entscheidungsunterstützung herangezogen werden können. Dabei wird deutlich, dass die beiden untersuchten Verfahren unterschiedliche Qualitäten besitzen. Diese Unterschiede erweisen sich bei übergreifender Betrachtung beider Problembereiche sowohl bei der PSO als auch bei der ACO als konsistent.