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.
Litteraturhenvisninger:
Search Methodologies, Edmund K. Burke & Graham Kendall, ISBN
0-387-23460-8
