Detailansicht
A genetic algorithm approach to the mobile locker location problem (MLLP)
Simon Urhofer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Betriebswirtschaft
Betreuer*in
Jan Fabian Ehmke
DOI
10.25365/thesis.77640
URN
urn:nbn:at:at-ubw:1-18019.00672.520294-1
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In dieser Masterarbeit wird ein Genetischer Algorithmus (GA) Ansatz für das Mobile Locker Location Problem (MLLP) vorgestellt, ein neuartiges Problem im Last-Mile-Distributionssektor, das die Zuteilung von Mobile Parcel Lockers (MPLs) betrifft. Ein neuartiger GA wurde entwickelt und so konfiguriert, dass seine Ergebnisse mit denen eines exakten Solvers verglichen werden können. Durch eine Reihe von Experimenten hat der vorgeschlagene GA seine Fähigkeit unter Beweis gestellt, optimale Lösungen für kleinere Instanzen und akzeptable Ergebnisse für größere, komplexere Instanzen zu generieren, wobei er unter bestimmten Bedingungen einen exakten Solver in Bezug auf die Laufzeiteffizienz übertrifft. Die Ergebnisse dieser Arbeit unterstreichen das Potenzial des GA bei der Anwendung an realen Last-Mile-Problemen und bieten wertvolle Erkenntnisse für die zukünftige Forschung im Bereich der Logistikoptimierung.
Abstract
(Englisch)
This master thesis introduces a Genetic Algorithm (GA) approach to the Mobile Locker Location Problem (MLLP), a novel problem in the last-mile distribution sector concerning the allocation of Mobile Parcel Lockers (MPLs). An original GA has been developed and configured in a way to test its results with those of an exact solver. Through a series of experiments, the proposed GA demonstrated its capability to generate optimal solutions for smaller instances and reasonable results for larger, more complex instances, outperforming an exact solver under certain conditions in terms of runtime efficiency. The findings of this thesis highlight the GA's potential in real-world applications, offering valuable insights for future research in the area of logistics optimization.
Schlagwörter
Schlagwörter
(Deutsch)
Genetic Algorithm Mobile Parcel Locker Mobile Locker Location Problem Last-Mile Distribution Logistik
Schlagwörter
(Englisch)
Genetic Algorithm Mobile Parcel Locker Mobile Locker Location Problem Last-Mile Distribution Logistics
Autor*innen
Simon Urhofer
Haupttitel (Englisch)
A genetic algorithm approach to the mobile locker location problem (MLLP)
Paralleltitel (Deutsch)
Ein genetischer Algorithmus (GA) Ansatz an das Mobile Locker Location Problem (MLLP)
Publikationsjahr
2024
Umfangsangabe
54 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jan Fabian Ehmke
Klassifikation
85 Betriebswirtschaft > 85.99 Betriebswirtschaft. Sonstiges
AC Nummer
AC17428937
Utheses ID
74116
Studienkennzahl
UA | 066 | 915 | |