Die steigende Nachfrage nach Express-Delivery-Service (EDS) sowie starker Marktwettbewerb veranlassen die EDS-Dienstleister, ihre Service-Qualität zu verbessern, indem sie ihre derzeitigen Netzwerke modifizieren. Gegenstand der vorliegenden, projektbasierten Dissertation ist die strategische Planung eines großmaßstäblichen, multimodalen und zeitbestimmten EDS-Netzwerks für einen Top-Anbieter für landesweiten EDS in China, basierend auf seinem derzeitigen Netzwerk.

Es wird ein Luft-Boden-Netzwerk eingeführt, mit einer vollständig vernetzten, sternförmigen Struktur, um interstädtische Über-Nacht Lieferung zwischen entwickelten Städten Chinas anzubieten. Die entsprechenden mathematischen Modelle kombinieren das Problem der geographischen Festlegung der Hubs und der damit einhergehenden Fixkosten mit dem Problem des Set-Covering. Dabei wird die Summe der Fixtenkosten der Hubs und der Transportkosten minimiert, mit der Bedingung, dass alle Knotenpunkte des Netzwerks (engl. demand nodes) von ihren „Heimat-Hubs" versorgt werden. Zunächst wird das grundsätzliche Modell mit linearen Flugkosten vorgestellt. Dieses wird sodann um die zusätzliche Berücksichtigung der Entscheidungsprobleme der Auswahl einer Fluggesellschaft bzw. Anschaffung einer eigenen Flugzeugflotte erweitert. Dabei wird eine Kostenwahlfunktion für das Hubnetzwerk zugrundegelegt. Es werden zwei erweiterte Modelle untersucht, eines mit optimaler Flugzeugflottenzusammenstellung (Ext.1) und das andere unter der Bedingung der Beibehaltung der aktuellen Flottenzusammenstellung (Ext.2).

Wegen der Ausmaße der zu untersuchenden Fälle wurde zur Lösung der gestellten Aufgabe auf hybride GAs zurückgegriffen, um gute Lösungen in vertretbarer Zeit zu bekommen, aber ohne die Garantie, die optimalen Lösungen zu finden. Im Einzelen hat das Problem drei Entscheidungsbereiche: Entscheidungen zur Standortwahl für die Hubs, zur Zuordnung der Nachfrage und schließlich zur Auswahl des Luftfrachtdienstes. Für jeden Entscheidungsbereich wird ein spezifischer Algorithmus vorgeschlagen, nämlich GAs, lokale Such-Heuristiken bzw. binäre Programmierung. Diese drei Algorithmen durchlaufen sukzessive einen vorgegebenen hierarchischen Ablaufplan, um das ursprüngliche Problem zu lösen. Um die Performance der Algorithmen zu verbessern, werden 5 Verbesserungstechniken entwickelt, die auf verschiedene Rechenschritte des ursprünglichen Algorithmus angewendet werden.

Rechentests werden durchgeführt, um die Performance hinsichtlich der Rechenzeit und Effektivität der Algorithmen zu beurteilen. Tests in kleinem Maßstab mit Datenmaterial von CAB sollen die Gesamtperformance des entwickelten Algorithmus durch Vergleich der vorgeschlagenen Lösungen mit den durch CPLEX erzielten optimalen Lösungen evaluieren. Tests unter großmaßstäblichen Bedingungen mit dem AP-Datenmaterial und Projektdaten dienen der Evaluierung der Performance der entwickelten Verbesserungstechniken. Da weder die optimalen Lösungen noch Lösungen von anderen Algorithmen für Fälle mit großem Ausmaß zur Verfügung stehen, um als Benchmark zu dienen, wird die Performance der angepassten Algorithmen mit derjenigen der einfachen GAs verglichen; mit Varianzen und Koeffizienten, um informationen über die Stabilität der Algorithmen zu bekommen, bzw. mit T-Tests, um die Zuverlassigkeit der Ergebnisse zu überprüfen.

Die Modelle und angepassten GAs werden auf reale Fallbeispiele im Rahmen des Projekts angewendet. Es wird gezeigt, wie Inputdaten gesammelt und modifiziert werden und wie auftretenden Problemen begegnet werden kann. Durch Analyse und Vergleich der Resultate von Ext.1 und Ext.2 werden nicht nur einige wichtige Eigenschaften des Netzwerks aufgezeigt, sondern es werden auch einige allgemeine Schlussfolgerungen gezogen sowie eine dynamische aktualisierte Strategie für die Flugzeugflotte erarbeitet. Schließlich soll Entscheidern durch Entwicklung von Szenarien geholfen werden, kritische Faktoren zu erkennen, Unsicherheiten zu beseitigen und zwischen Kosten, Risiken und Nutzen abzuwägen.