Go to page
 

Bibliographic Metadata

Title
Online resource leasing
AuthorMarkarian, Christine
ParticipantsScheideler, Christian
ExaminerMeyer auf der Heide, Friedhelm
Published2014
Institutional NotePaderborn, Univ., Diss., 2014
Annotation
Tag der Verteidigung: 08.07.2014
Defended on2014-07-08
LanguageEnglish
Document TypesDissertation (PhD)
URNurn:nbn:de:hbz:466:2-16656 
Files
Online resource leasing [1.26 mb]
Links
Reference
Classification
Abstract (German)

Auf vielen Markten beobachten wir eine Verschiebung vom Konzept des Kaufens zu demdes Leasings. Dabei stellt letzteres einen wesentlichen Katalysator fur den Erfolg derMarkte dar. Als Folge dieser Verschiebung befassen wir uns in dieser Thesis mit demKonzept des Leasings aus einer algorithmischen Perspektive. Insbesondere entwerfen wirtheoretische Modelle, untersuchen ihre inharente Schwierigkeit und erarbeiten beweisbargute (und haug optimale) und eziente Algorithmen mit dem Ziel einen Umgang mitechten Leasing-Situationen zu ermoglichen.Eine wesentliche Problematik, mit der sich viele der betrachteten Markte konfrontiertsehen, ist die Unsicherheit bezuglich der zukunftigen Nachfrage. Man betrachte beispielsweiseeinen Subunternehmer, der kostspielige Ressourcen von anderen Unternehmenleast, um diese an seine Kunden zu vermieten. Der Subunternehmer konnte lange/teureLeasings fur eine Ressource nutzen und anschlieend bemerken, dass keine weiteren Anfragenfur diese Ressource gestellt werden. Auf der anderen Seite konnte sich der Subunternehmerfur kurze Leasings entscheiden und daraufhin feststellen, dass ein langeresLeasing gunstiger gewesen ware. Um diese Schwierigkeit zu erfassen, sind unsere Algorithmen vornehmlich online undermoglichen somit Losungen ohne die Zukunft im Voraus zu kennen.

Abstract (English)

Many markets have seen a shift from the idea of buying and moved to leasing instead.Arguably, the latter has been a major catalyst for their success. In the wake of this shift,we study in this thesis leasing concepts from an algorithmic perspective. In particular,we design theoretic models, study their inherent diculty, and devise provably good(often optimal), ecient algorithms, with the goal to cope with real-world resourceleasing scenarios.A major diculty faced by most of these markets is the uncertainty of future demands.Consider a subcontractor who leases expensive resources from other companies to rentthem out to clients. The subcontractor may buy long/expensive leases for some resource,just to realize later on that no more requests are issued for this resource in subsequenttime steps. Or, the subcontractor may buy short leases, just to notice later on thathaving bought a longer lease would have cost less.In attempt to capture this diculty, our algorithms tend to be online, thus providingsolutions in the present without knowing the future.