English | Log ind

42137 Optimering ved hjælp af metaheuristikker

2022/2023

OBS: Tilmelding til kurset er garanteret under den regulær tilmeldingsperiode. Eftertilmelding ville være tilladt så længe der er plads i autitoriet. Så snart auditoriet er fuldt så ville der blive lukket for tilmelding, og den åbnes ikke igen.
Kursusinformation
Optimization using metaheuristics
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
F2A (man 13-17)
Campus Lyngby
Forelæsninger, øvelser og projektarbejde.
13-uger
F2A
Skriftlig eksamen og bedømmelse af opgave(r)
Samlede vurdering baseret på en helhedsvurdering af afleverede opgaver og en skriftlig eksamen.
Skriftlig eksamen: 3 timer
Alle hjælpemidler er tilladt :

Skriftlig eksamen med lukket internet

7-trins skala , intern bedømmelse
02101/02102/02105/02110/02158/02393/02614/02635 , Af the ovenstående 8 kurser skal der minimum være taget 10 ECTS, for at kunne tage dette kursus. Under kurset skal den studerende implementere sin egen meta-heuristik i et effektivt standard sprog, f.eks.C#, Java, C/C++ o.l. men IKKE MatLab, Python, R eller GAMS. Alt kursusmateriale vil være baseret på programmeringssprog Julia.
42101 , Introduktion til Operations Analyse og programmerings erfaring. Der kan forventes en høj programmeringsbyrde.
Thomas Jacob Riis Stidsen , Lyngby Campus, Bygning 358, Tlf. (+45) 4525 4449 , thst@dtu.dk
Dario Pacino , Lyngby Campus, Bygning 358, Tlf. (+45) 4525 1512 , darpa@dtu.dk
42 Institut for Teknologi, Ledelse og Økonomi
I studieplanlæggeren
Overordnede kursusmål
At give en grundig introduktion i brugen af meta-heuristikker som værktøjer til løsning af praktiske optimeringsproblemer, 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 optimeringsproblemer med meta-heuristikker.
  • Identificere hvilke meta-heuristiker, der er velegnede til et konkret optimeringsproblem.
  • 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 optimeringsproblem.
  • Implementere en meta-heuristik, så denne kan anvendes til et konkret optimeringsproblem.
  • Fintune en meta-heuristik, så denne fungerer bedst muligt.
  • Afprøve en meta-heuristik, så dennes effektivitet kan evalueres pålideligt.
  • Rapportere fyldestgørende om en udviklet meta-heuristik.
Kursusindhold
Mange vigtige optimeringsproblemer kan ikke løses vha. standard løsere fordi problemerne er for store eller for komplekse.

En pragmatisk tilgangsvinkel er så at benytte specialdesignede 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 eksisterer et antal generelle heuristik-skabeloner, som kan anvendes til en stor mængde af forskellige optimeringsproblmer. 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
- ALNS

Siden dette felt af algoritmer er under konstant udvikling, udvikler indholdet sig løbende. Øvelserne i faget vil bruge computersproget Julia, så kendskab til Julia før kurset, vil være en fordel.
Sidst opdateret
13. marts, 2023