Angebote zu "Airline" (2 Treffer)

Kategorien

Shops

Revenue Management am Beispiel von Airline Reve...
14,99 € *
ggf. zzgl. Versand

Studienarbeit aus dem Jahr 2003 im Fachbereich Informatik - Wirtschaftsinformatik, Note: gut, Universität zu Köln (Seminar für WI und OR), Veranstaltung: Hauptseminar zum Operations Research, 18 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Ziel des Revenue Managements ist es, durch den Einsatz von Methoden des Operations Research zusätzliche Erlöspotentiale, die sich insbesondere aus unterschiedlichen Preisbereitschaften der Kunden ergeben, möglichst weitgehend auszunutzen. Die Grundidee des Revenue Management ist dabei die folgende: man möchte heute etwas nicht zu einem niedrigen Preis verkaufen, wenn man es später zu einem höheren Preis verkaufen kann; gleichzeitig will man das Gut jedoch heute zu einem niedrigen Preis verkaufen, falls es andernfalls später überhaupt nicht verkauft werden kann. Damit möchte man die Erlöse aus dem Verkauf einer feststehenden Menge eines Gutes maximieren, indem man dem Kunden das Gut zu dem höchstmöglichsten Preis, den er bereit ist zu zahlen, anbietet. Die vorliegende Arbeit ist wie folgt aufgebaut: Zuerst erfolgt in Kapitel 2 eine allgemeine Einführung in das Revenue Management. Dabei werden die Komponenten des Revenue Management (Datenbeschaffung und Forecasting, Preissteuerung, Kapazitätssteuerung, und Ergebniskontrolle) allgemein erläutert und ihr Zusammenhang dargestellt. In Kapitel 3 wird dann konkret auf das älteste und am meisten verbreitete Einsatzgebiet eingegangen, das Airline Revenue Management. Dabei werden zuerst die besonderen Charakteristika des Airline Revenue Management hervorgehoben, und anschließend auf die wichtigsten Komponenten (Overbooking, Pricing und Seat Inventory Control) eingegangen. Der Schwerpunkt liegt dabei auf dem Seat Inventory Control, da hierbei die Methoden des Operations Research am Wichtigsten sind. Es werden allgemeine Modelle für das Network Revenue Management vorgestellt, bei denen vom allgemeinen stochastischen Modell auf das Integer Programming Modell und schließlich auf das Linear Programming Modell geschlossen wird. Außerdem werden 2 konkrete Methoden zur Implementierung vorgestellt, nämlich Nesting der Buchungsklassen und Bid-Preise. In Kapitel 4 schließlich wird ein Ausblick auf zukünftige Forschungsrichtungen gewährt und es werden kurz einige Inhalte erläutert, die aus Platzgründen keinen Platz in dieser Arbeit finden konnten.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Algorithm Design: Pearson New International Edi...
83,99 € *
ggf. zzgl. Versand

August 6, 2009 Author, Jon Kleinberg, was recently cited in the New York Times for his statistical analysis research in the Internet age. Algorithm Design introduces algorithms by looking at the real-world problems that motivate them. The book teaches students a range of design and analysis techniques for problems that arise in computing applications. The text encourages an understanding of the algorithm design process and an appreciation of the role of algorithms in the broader field of computer science. Features + Benefits Focus on problem analysis and design techniques. Discussion is grounded in concrete problems and examples rather than abstract presentation of principles, with representative problems woven throughout the text. Over 200 well crafted problems from companies such as Yahoo!® and Oracle®. Each problem has been class tested for usefulness and accuracy in the authors´ own undergraduate algorithms courses. Broad coverage of algorithms for dealing with NP-hard problems and the application of randomization, increasingly important topics in algorithms. Algorithm Design Jon Kleinberg and Eva Tardos Table of Contents 1 Introduction: Some Representative Problems 1.1 A First Problem: Stable Matching 1.2 Five Representative Problems Solved Exercises Excercises Notes and Further Reading 2 Basics of Algorithms Analysis 2.1 Computational Tractability 2.2 Asymptotic Order of Growth Notation 2.3 Implementing the Stable Matching Algorithm using Lists and Arrays 2.4 A Survey of Common Running Times 2.5 A More Complex Data Structure: Priority Queues Solved Exercises Exercises Notes and Further Reading 3 Graphs 3.1 Basic Definitions and Applications 3.2 Graph Connectivity and Graph Traversal 3.3 Implementing Graph Traversal using Queues and Stacks 3.4 Testing Bipartiteness: An Application of Breadth-First Search 3.5 Connectivity in Directed Graphs 3.6 Directed Acyclic Graphs and Topological Ordering Solved Exercises Exercises Notes and Further Reading 4 Divide and Conquer 4.1 A First Recurrence: The Mergesort Algorithm 4.2 Further Recurrence Relations 4.3 Counting Inversions 4.4 Finding the Closest Pair of Points 4.5 Integer Multiplication 4.6 Convolutions and The Fast Fourier Transform Solved Exercises Exercises Notes and Further Reading 5 Greedy Algorithms 5.1 Interval Scheduling: The Greedy Algorithm Stays Ahead 5.2 Scheduling to Minimize Lateness: An Exchange Argument 5.3 Optimal Caching: A More Complex Exchange Argument 5.4 Shortest Paths in a Graph 5.5 The Minimum Spanning Tree Problem 5.6 Implementing Kruskal´s Algorithm: The Union-Find Data Structure 5.7 Clustering 5.8 Huffman Codes and the Problem of Data Compression *5.9 Minimum-Cost Arborescences: A Multi-Phase Greedy Algorithm Solved Exercises Excercises Notes and Further Reading 6 Dynamic Programming 6.1 Weighted Interval Scheduling: A Recursive Procedure 6.2 Weighted Interval Scheduling: Iterating over Sub-Problems 6.3 Segmented Least Squares: Multi-way Choices 6.4 Subset Sums and Knapsacks: Adding a Variable 6.5 RNA Secondary Structure: Dynamic Programming Over Intervals 6.6 Sequence Alignment 6.7 Sequence Alignment in Linear Space 6.8 Shortest Paths in a Graph 6.9 Shortest Paths and Distance Vector Protocols *6.10 Negative Cycles in a Graph Solved Exercises Exercises Notes and Further Reading 7 Network Flow 7.1 The Maximum Flow Problem and the Ford-Fulkerson Algorithm 7.2 Maximum Flows and Minimum Cuts in a Network 7.3 Choosing Good Augmenting Paths *7.4 The Preflow-Push Maximum Flow Algorithm 7.5 A First Application: The Bipartite Matching Problem 7.6 Disjoint Paths in Directed and Undirected Graphs 7.7 Extensions to the Maximum Flow Problem 7.8 Survey Design 7.9 Airline Scheduling 7.10 Image Segmentation 7.11 Project Selection 7.12 Baseball Elimination *7.13 A Further Direction: Adding Costs to the Matching Problem Solved Exercises Exercises Notes and Further Reading 8 NP and Computational Intractability 8.1 Polynomial-Time Reductions 8.2 Reductions via ´´Gadgets´´: The Satisfiability Problem 8.3 Efficient Certification and the Definition of NP 8.4 NP-Complete Problems 8.5 Sequencing Problems 8.6 Partitioning Problems 8.7 Graph Coloring 8.8 Numerical Problems 8.9 Co-NP and the Asymmetry of NP 8.10 A Partial Taxonomy of Hard Problems Solved Exercises Exercises Notes and Further Reading 9 PSPACE: A Class of Problems Beyond NP 9.1 PSPACE 9.2 Some Hard Problems in PSPACE 9.3 Solving Quantified Problems and Games in Polynomial Space 9.4 Solving the Planning

Anbieter: buecher.de
Stand: 20.07.2019
Zum Angebot