Memeettiset algoritmit aikataulutusongelmien ratkaisussa
Lindgren, Ville (2018-09-11)
Memeettiset algoritmit aikataulutusongelmien ratkaisussa
Lindgren, Ville
(11.09.2018)
Tätä artikkelia/julkaisua ei ole tallennettu UTUPubiin. Julkaisun tiedoissa voi kuitenkin olla linkki toisaalle tallennettuun artikkeliin / julkaisuun.
Turun yliopisto
Tiivistelmä
Aikataulutusongelmiin kuuluu laaja valikoima erilaisia ongelmia, joissa tarkoituksena on löytää optimaalinen suoritusjärjestys erilaisille tapahtumille kiinnitettyinä ajanjaksoina. Ajanjaksolle voidaan aikatauluttaa tapahtumia vain ajanjaksolla vapaina olevien resurssien mukaan. Aikataulutusonglmien laajuudesta johtuen aikataulutusongelmia ratkotaan usein metaheuristisilla optimointimenetelmillä.
Tässä tutkielmassa keskitytään esittelemään memeettisiä algoritmeja aikataulutusongelmien ratkaisussa. Memeettinen algoritmi on metaheuristinen optimointimenetelmä, joka yhdistää populaatiopohjaista evoluutioalgoritmia, kuten geneettistä algoritmia, paikallisiin hakumenetelmiin. Paikallisen haun vuoksi populaatio koostuu lokaaleista optimipisteistä. Tämä muuttaa geneettisen haun, eli risteytyksen ja mutaation roolia memeettisessä algoritmissa verrattuna tavalliseen evoluutioalgoritmiin. Paikallisen haun ja geneettisen haun on toimittava yhteistyössä toisiaan tukien.
Keskeinen aihe tutkielmassa on memeettisen algoritmin suunnitteluperiaatteet yleisessä tapauksessa ja aikataulutusongelmiin sovellettaessa. Lopuksi suoritetaan lyhyt tapaustutkimus, jossa suunnitteluperiaatteiden noudattamista analysoidaan käytännön sovelluksessa. Tutkielma on luonteeltaan teoreettinen. Tärkeimmät lähdeteokset ovat teoksen Recent advances in memetic algorithms artikkelit Memetic evolutionary algorithms , Towards robust memetic algorithms ja The design of memetic algorithms for scheduling and timetabling problems.
Tässä tutkielmassa keskitytään esittelemään memeettisiä algoritmeja aikataulutusongelmien ratkaisussa. Memeettinen algoritmi on metaheuristinen optimointimenetelmä, joka yhdistää populaatiopohjaista evoluutioalgoritmia, kuten geneettistä algoritmia, paikallisiin hakumenetelmiin. Paikallisen haun vuoksi populaatio koostuu lokaaleista optimipisteistä. Tämä muuttaa geneettisen haun, eli risteytyksen ja mutaation roolia memeettisessä algoritmissa verrattuna tavalliseen evoluutioalgoritmiin. Paikallisen haun ja geneettisen haun on toimittava yhteistyössä toisiaan tukien.
Keskeinen aihe tutkielmassa on memeettisen algoritmin suunnitteluperiaatteet yleisessä tapauksessa ja aikataulutusongelmiin sovellettaessa. Lopuksi suoritetaan lyhyt tapaustutkimus, jossa suunnitteluperiaatteiden noudattamista analysoidaan käytännön sovelluksessa. Tutkielma on luonteeltaan teoreettinen. Tärkeimmät lähdeteokset ovat teoksen Recent advances in memetic algorithms artikkelit Memetic evolutionary algorithms , Towards robust memetic algorithms ja The design of memetic algorithms for scheduling and timetabling problems.