Zur Seitenansicht
 

Titelaufnahme

Titel
Online resource leasing
AutorMarkarian, Christine
BeteiligteScheideler, Christian In der Gemeinsamen Normdatei der DNB nachschlagen
PrüferMeyer auf der Heide, Friedhelm In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2014
HochschulschriftPaderborn, Univ., Diss., 2014
Anmerkung
Tag der Verteidigung: 08.07.2014
Verteidigung2014-07-08
SpracheEnglisch
DokumenttypDissertation
URNurn:nbn:de:hbz:466:2-16656 Persistent Identifier (URN)
Dateien
Online resource leasing [1.26 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

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.

Zusammenfassung (Englisch)

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.