Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

Computational Bounds for Elevator Control Policies by Large Scale Linear Programming

URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-opus4-13787

Titelangaben

Heinz, Stefan ; Rambau, Jörg ; Tuchscherer, Andreas:
Computational Bounds for Elevator Control Policies by Large Scale Linear Programming.
Bayreuth , 2013 . - 29 S.

Volltext

[thumbnail of Heinz Rambau Tuchscherer_PolicyEvaluationElevator.pdf]
Format: PDF
Name: Heinz Rambau Tuchscherer_PolicyEvaluationElevator.pdf
Version: Veröffentlichte Version
Verfügbar mit der Lizenz Creative Commons BY-NC-ND 3.0: Namensnennung, nicht kommerziell, keine Bearbeitung
Download (243kB)

Abstract

We computationally assess policies for the elevator control problem by a new column-generation approach for the linear programming method for discounted infinite-horizon Markov decision problems. By analyzing the optimality of given actions in given states, we were able to provably improve the well-known nearest-neighbor policy. Moreover, with the method we could identify an optimal parking policy. This approach can be used to detect and resolve weaknesses in particular policies for Markov decision problems.

Weitere Angaben

Publikationsform: Preprint, Postprint
Zusätzliche Informationen (öffentlich sichtbar): msc: 90-XX
Dies ist eine revidierte Fassung von urn:nbn:de:bvb:703-opus-8615, die in Mathematical Methods of Operations Research erscheint und online bereits unter doi:10.1007/s00186-013-0454-5 verfügbar ist.
Keywords: Operations Research; column generation; performance guarantee; Markov decision problem; bounds; large scale
Themengebiete aus DDC: 500 Naturwissenschaften und Mathematik
Institutionen der Universität: Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut
Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Sprache: Englisch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-opus4-13787
Eingestellt am: 24 Apr 2014 14:37
Letzte Änderung: 28 Mrz 2019 10:22
URI: https://epub.uni-bayreuth.de/id/eprint/109

Downloads

Downloads pro Monat im letzten Jahr