Tackling Industrial-Scale Supply Chain Problems by Mixed-Integer Programming

Beitrag in einer Fachzeitschrift


Details zur Publikation

Autorinnen und Autoren: Gamrath G, Gleixner A, Koch T, Miltenberger M, Kniasew D, Schlögel D, Martin A, Weninger D
Zeitschrift: Journal of Computational Mathematics
Verlagsort: Takustr. 7, 14195 Berlin
Jahr der Veröffentlichung: 2019
ISSN: 0254-9409
Sprache: Englisch


Abstract

SAP's decision support systems for optimized supply network planning rely on mixed-integer programming as the core engine to compute optimal or near-optimal solutions. The modeling flexibility and the optimality guarantees provided by mixed-integer programming greatly aid the design of a robust and future-proof decision support system for a large and diverse customer base. In this paper we describe our coordinated efforts to ensure that the performance of the underlying solution algorithms matches the complexity of the large supply chain problems and tight time limits encountered in practice.


FAU-Autorinnen und Autoren / FAU-Herausgeberinnen und Herausgeber

Martin, Alexander Prof. Dr.
Lehrstuhl für Angewandte Mathematik (Gemischt-ganzzahlige lineare und nichtlineare Optimierung)
Weninger, Dieter Dr.
Lehrstuhl für Angewandte Mathematik (Gemischt-ganzzahlige lineare und nichtlineare Optimierung)


Einrichtungen weiterer Autorinnen und Autoren

Konrad-Zuse-Zentrum für Informationstechnik / Zuse Institute Berlin (ZIB)
SAP AG/SAP SE


Zitierweisen

APA:
Gamrath, G., Gleixner, A., Koch, T., Miltenberger, M., Kniasew, D., Schlögel, D.,... Weninger, D. (2019). Tackling Industrial-Scale Supply Chain Problems by Mixed-Integer Programming. Journal of Computational Mathematics.

MLA:
Gamrath, Gerald, et al. "Tackling Industrial-Scale Supply Chain Problems by Mixed-Integer Programming." Journal of Computational Mathematics (2019).

BibTeX: 

Zuletzt aktualisiert 2019-14-08 um 16:38