Optimierung industrieller Logistikprozesse mit Verfahren der Schwarmintelligenz und rekurrenten neuronalen Netzen
Zusammenfassung
In der Logistik spielen effiziente Optimierungsalgorithmen sowie präzise Prognoseverfahren eine zentrale Rolle. Schwarmbasierte Optimierung findet robuste Optima unter komplexen Randbedingungen und passt sich dynamischen Veränderungen an. Rekurrente neuronale Netze erlauben konsistente Mehrschrittprognosen von komplexen Dynamiken. Erfahrungen aus realen industriellen Logistikprojekten beweisen die Praxistauglichkeit dieser fortschrittlichen Methoden.
- Vollständige Referenz
- BibTeX
Runkler, T. A., Grothmann, R. & Bamberger, J.,
(2010).
Optimierung industrieller Logistikprozesse mit Verfahren der Schwarmintelligenz und rekurrenten neuronalen Netzen.
KI - Künstliche Intelligenz: Vol. 24, No. 2.
Springer.
(S. 149-152).
DOI: 10.1007/s13218-010-0029-z
@article{mci/Runkler2010,
author = {Runkler, Thomas A. AND Grothmann, Ralph AND Bamberger, Joachim},
title = {Optimierung industrieller Logistikprozesse mit Verfahren der Schwarmintelligenz und rekurrenten neuronalen Netzen},
journal = {KI - Künstliche Intelligenz},
volume = {24},
number = {2},
year = {2010},
,
pages = { 149-152 } ,
doi = { 10.1007/s13218-010-0029-z }
}
author = {Runkler, Thomas A. AND Grothmann, Ralph AND Bamberger, Joachim},
title = {Optimierung industrieller Logistikprozesse mit Verfahren der Schwarmintelligenz und rekurrenten neuronalen Netzen},
journal = {KI - Künstliche Intelligenz},
volume = {24},
number = {2},
year = {2010},
,
pages = { 149-152 } ,
doi = { 10.1007/s13218-010-0029-z }
}
Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.1007/s13218-010-0029-z
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISSN: 1610-1987
Datum: 2010
Typ: Text/Journal Article