Unsere Interessen und Schwerpunkte

Wir beschäftigen uns mit Methoden der stochastischen dynamischen Optimierung, d.h. mit der optimalen Wahl von Handlungsalternativen in dynamischen Systemen.  Besonderer Schwerpunkt ist hierbei die Optimierung von grossen Systemen, die nicht mehr exakt mit Hilfe von Markovschen Entscheidungsprozessen, sondern nur approximativ gelöst werden können. Die Anwendungsgebiete des sogenannten Approximate Dynamic Programming erstrecken sich hierbei vom Revenue Management bei Fluggesellschaften über das Produktionsmanagement bis zur Telekommunikation.

Anwendungsbezogene Innovationen im Bereich Revenue Management und  methodenbasierte Forschung im Bereich Approximate Dynamic Programming sind die wesentlichen, von uns verfolgten Ziele.

Veröffentlichungen

  • Barz, C. and D. Gartner (2016).  Network Air Cargo Revenue Management. Transportation Science, Vol. 50 (4), pp. 1206-1222.
  • Barz, C. and K. Rajaram (2015). Elective Patient Admission and Scheduling under Multiple Resource Constraints. Production and Operations Management, Vol. 24 (12), pp. 1907-1930.
  • Adelman, D. and C. Barz (2014). A Price-Directed Heuristic for the Economic Lot Scheduling Problem. IIE Transactions, Vol. 46, pp. 1343-1356.
  • Adelman, D. and C. Barz (2014). A Unifying Approximate Dynamic Programming Model for the Economic Lot Scheduling Problem. Mathematics of Operations Research, Vol. 39 (2), pp. 374-402.
  • Barz, C. and R. Kolisch (2014). Hierarchical Multi-Skill Resource Assignment in the Telecommunications Industry. Production and Operations Management, Vol. 23 (3), pp. 489-503.
  • Barz, C. and A. Müller (2012). Comparison and Bounds for Functions of Future Lifetimes Consistent with Mortality Tables. Insurance: Mathematics and Economics, Vol. 50, pp. 229-235.
  • Barz, C. and A. Müller (2012). A Tilting Algorithm for the Estimation of Fractional Age Survival Probabilities. Lifetime Data Analysis, Vol. 18, pp. 234-246, 2012.
  • Barz, C. and K.H. Waldmann (2007). Risk-Sensitive Capacity Control in Revenue Management. Mathematical Methods of Operations Research, Vol. 65, pp. 565-579.