At give en grundig introduktion i brugen af meta-heuristikker som værktøjer til løsning af praktske optimerings problemer, hvor der foretages en afvejning af tid og løsnings kvalitet
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Løse komplekse og/eller store optimerings problemer med meta-heuristikker.
Identificere hvilke meta-heuristiker der er velegnede vil til et konkret optimerings problem.
Repræsentere et konkret problem på en sådan måde at det kan løses med en meta-heuristik.
Specialisere en meta-heuristik så denne kan anvendes til et konkret optimerings problem.
Implementere en meta-heuristik så denne kan anvendes til et konkret optimerings problem.
Fin tune en meta-heuristik så denne fungere bedst muligt.
Afprøve en meta-heuristik så dennes effektivitet kan evalueres pålideligt.
Rapportere fyldestgørende om en udviklet meta-heuristik.
Kursusindhold:
Mange vigtige optimerings problemer kan ikke løses vha. standard løsere fordi problemerne er for store eller for komplexe.
En pragmatisk tilgangsvinkel er så at benytte special designede algoritmer til at undersøge et stort antal løsninger for at finde en god brugbar løsning. Denne type af algoritmer kaldes heuristikker. Disse garanterer ikke, at den optimale løsning identificeres, men beregner en god løsning. Der eksistere et antal generelle heuristik-skabeloner, som kan anvendes til en stor mængde af forskellige optimerings problmer. Disse kaldes meta-heuristikker. I dette kursus vil et antal af disse blive præsenteret og gennemgået for de studerende: - Simuleret nedkøling - Genetiske algoritmer/evolutionære algoritmer - TABU søgning - GRASP - Myre søgning
Siden dette felt af algoritmer er under konstant udvikling, udvikler indholdet sig løbende.
Litteratur:
Search Methodologies, Edmund K. Burke & Graham Kendall, ISBN 0-387-23460-8
