<?xml version="1.0" encoding="UTF-8"?>
<collection xmlns="http://www.loc.gov/MARC21/slim">
<record>
  <controlfield tag="001">288114</controlfield>
  <controlfield tag="005">20240928180527.0</controlfield>
  <datafield tag="035" ind1=" " ind2=" ">
    <subfield code="a">G:(GEPRIS)259092924</subfield>
  </datafield>
  <datafield tag="024" ind1="7" ind2=" ">
    <subfield code="a">G:(GEPRIS)259092924</subfield>
    <subfield code="d">259092924</subfield>
  </datafield>
  <datafield tag="040" ind1=" " ind2=" ">
    <subfield code="a">GEPRIS</subfield>
    <subfield code="c">http://gepris.its.kfa-juelich.de</subfield>
  </datafield>
  <datafield tag="150" ind1=" " ind2=" ">
    <subfield code="a">Stochastische Optimierun beim Gastransport (B05)</subfield>
    <subfield code="y">2014 - 2022</subfield>
  </datafield>
  <datafield tag="371" ind1=" " ind2=" ">
    <subfield code="a">Professor Dr. Rüdiger Schultz</subfield>
  </datafield>
  <datafield tag="450" ind1=" " ind2=" ">
    <subfield code="a">DFG project G:(GEPRIS)259092924</subfield>
    <subfield code="w">d</subfield>
    <subfield code="y">2014 - 2022</subfield>
  </datafield>
  <datafield tag="510" ind1="1" ind2=" ">
    <subfield code="a">Deutsche Forschungsgemeinschaft</subfield>
    <subfield code="0">I:(DE-588b)2007744-0</subfield>
    <subfield code="b">DFG</subfield>
  </datafield>
  <datafield tag="550" ind1=" " ind2=" ">
    <subfield code="0">G:(GEPRIS)239904186</subfield>
    <subfield code="a">TRR 154: Mathematische Modellierung, Simulation und Optimierung am Beispiel von Gasnetzwerken</subfield>
    <subfield code="w">t</subfield>
  </datafield>
  <datafield tag="680" ind1=" " ind2=" ">
    <subfield code="a">Das Vorhaben zielt auf die Vertiefung des Verständnisses von Struktur und Algorithmik neuer nichtlinearer stationärer stochastischer Modelle zur Optimierung in Gasnetzen und, darauf aufbauend, die Entwicklung einer Algorithmik für stochastische Gasnetzmodelle mit reduzierter zeitdiskreter Dynamik. Dazu sind neue Modellansätze der stochastischen Optimierung zu finden und zu analysieren, welche gegenüber vorhandenen die Einbeziehung von Nichtlinearität und Risikoaversion auch bei hoher Dimension auf numerisch zulässige Weise gestatten.</subfield>
  </datafield>
  <datafield tag="909" ind1="C" ind2="O">
    <subfield code="o">oai:juser.fz-juelich.de:954857</subfield>
    <subfield code="p">authority:GRANT</subfield>
    <subfield code="p">authority</subfield>
  </datafield>
  <datafield tag="980" ind1=" " ind2=" ">
    <subfield code="a">G</subfield>
  </datafield>
  <datafield tag="980" ind1=" " ind2=" ">
    <subfield code="a">AUTHORITY</subfield>
  </datafield>
  <datafield tag="909" ind1="C" ind2="O">
    <subfield code="o">oai:juser.fz-juelich.de:954857</subfield>
  </datafield>
</record>
</collection>