Login
- Original title:
- Combinatorial Optimization Augmented Machine Learning
- Translated title:
- Maschinelles Lernen und kombinatorische Optimierung in hybriden Pipelines
- Author:
- Jungel, Kai Simon
- Year:
- 2025
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Management
- Institution:
- Professur für Business Analytics and Intelligent Systems (Prof. Schiffer)
- Advisor:
- Schiffer, Maximilian (Prof. Dr.)
- Referee:
- Schiffer, Maximilian (Prof. Dr.); van Heeswijk, Wouter (Prof. Dr.)
- Language:
- en
- Subject group:
- WIR Wirtschaftswissenschaften
- TUM classification:
- WIR 750; WIR 547
- Abstract:
- The thesis deals with a novel end-to-end learning paradigm combining machine learning (ML) and combinatorial optimization (CO) in a hybrid pipeline. The goal is to apply these hybrid pipelines to real-world problems in the realm of transport optimization. The thesis shows that these hybrid pipelines can outperform classical CO and ML approaches in various contextual optimization problems, e.g., stochastic optimization and supervised learning problems.
- Translated abstract:
- Die Arbeit beschäftigt sich mit einem neuartigen Lernparadigma, das maschinelles Lernen (ML) und kombinatorischische Optimierung (CO) in einer hybriden Pipeline verbindet. Das Ziel ist die Anwendung solcher hybriden Pipelines auf reale Probleme in der Transportoptimierung. Die Arbeit zeigt, dass diese hybriden Pipelines in verschiedenen Problemklassen bessere Ergebnisse erzielen können als klassiche Anwendungen aus CO und ML.
- WWW:
- https://mediatum.ub.tum.de/?id=1759760
- Date of submission:
- 31.10.2024
- Oral examination:
- 11.04.2025
- File size:
- 8691526 bytes
- Pages:
- 158
- Urn (citeable URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250411-1759760-0-4
- Last change:
- 08.05.2025
BibTeX