Detailansicht
Bikriterielle ungleichheits-averse Standortoptimierung für Hilfseinrichtungen in Erdbebenregionen
Raphael Rath
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Magisterstudium Statistik
Betreuer*in
Walter Gutjahr
DOI
10.25365/thesis.54331
URN
urn:nbn:at:at-ubw:1-15624.11327.704459-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Im Falle einer Naturkatastrophe hat die Bereitstellung von medizinischer Versorgung, Nahrungsmitteln und einer sicheren Unterkunft höchste Priorität. Um diese Grundversorgung gewährleisten zu können, müssen Katastrophenpläne erstellt und Standorte für Notversorgungseinrichtungen ausgewählt werden. In dieser Arbeit wird ein Modell zur optimalen Standortbestimmung in Erdbebenregionen entwickelt. Dabei soll einerseits die Effizienz maximiert und gleichzeitig die Ungleichheit minimiert werden. Durch die Berücksichtigung mehrerer Erdbebenszenarien mit bestimmten Eintrittswahrscheinlichkeiten können diese beiden Gesichtspunkte nun sowohl ex ante, als auch ex post, d.h. vor bzw. nach dem Eintreten des Erdbebens, betrachtet werden. Das entwickelte Modell besteht aus einer ex ante, sowie einer ex post Zielfunktion, welche Linearkombinationen aus der mittleren zurückzulegenden Distanz (dadurch wird Effizienz garantiert) und der „Gini’s mean absolute difference“ (ein Maß für Ungleichheit) sind. Beide Zielfunktionen werden anhand des adaptive epsilon constraint Algorithmus verknüpft, wodurch man alle pareto optimalen Lösungen für die vorliegende Problemstellung erhält. In zwei Anwendungsbeispielen werden die Ergebnisse des Modells für simulierte Daten ausführlich diskutiert. Anschließend wird eine Laufzeitanalyse durchgeführt und es werden Ergebnisse für verschiedene Parameter-settings verglichen. Die Entscheidungsfindung bei der StandortwahlwirddurchdieAuswahlmöglichkeitausmehrerenparetooptimalenLösungen erleichtert und bleibt gleichzeitig flexibel. Je nach Präferenzen und Gegebenheiten kann somit für eine vorliegende Problemstellung die beste Lösung aus dem Set aller optimalen Lösungen gewählt werden.
Abstract
(Englisch)
The top priority in the case of a natural disaster is the provision of medical care, food and a safe shelter. Disaster plans have to be set up and locations for shelters have to be chosen in order to be able to guarantee the provision of those basic supplies. In this work a model for the optimal selection of shelter locations in earthquake areas is developed. For this purpose, the efficiency is maximised and at the same time inequality is minimised. Furthermore, different earthquake scenarios are taken into consideration and therefore efficiency and inequality can be measured ex ante and ex post, which means before or after the event of an earthquake. The model consists of an ex ante and an ex post objective function, which are linear combinations of the mean distance (which measures efficiency) and the gini’s mean absolute difference (which measures inequality). Both objective functions are combined using the adaptive epsilon constraint algorithm, yielding all pareto optimal solutions. Using simulated data the results of two sample applications are discussed. Additionally, a runtime analysis is conducted and the results for different parameter settings are compared. The decision for the best shelter location is supported by the possibility to be able to choose between multiple pareto optimal solutions while remaining flexible. Depending on preferences and the givencircumstances,the best fitting solution can be chosen amongst these to fall optimal solutions.
Schlagwörter
Schlagwörter
(Deutsch)
Optimierung Standortoptimierung Notversorgunseinrichtung Naturkatastrophe Erdbeben Ungleichheit avers bikriteriell
Autor*innen
Raphael Rath
Haupttitel (Deutsch)
Bikriterielle ungleichheits-averse Standortoptimierung für Hilfseinrichtungen in Erdbebenregionen
Publikationsjahr
2018
Umfangsangabe
VI, 67 Seiten : Diagramme
Sprache
Deutsch
Beurteiler*in
Walter Gutjahr
Klassifikationen
31 Mathematik > 31.99 Mathematik: Sonstiges ,
54 Informatik > 54.76 Computersimulation
AC Nummer
AC15181859
Utheses ID
48006
Studienkennzahl
UA | 066 | 951 | |