Optimering ved hjælp af metaheuristikker

• Løse komplekse og/eller store optimeringsproblemer med metaheuristikker
• Identificere, hvilke metaheuristikker der er velegnede til et konkret optimeringsproblem
• Repræsentere et konkret problem på en måde, så det kan løses med en metaheuristik
• Specialisere en metaheuristik, så den kan anvendes til et konkret optimeringsproblem
• Implementere en metaheuristik, så den kan anvendes til et konkret optimeringsproblem
• Afprøve en metaheuristik, så dens effektivitet kan evalueres pålideligt
• Beskrive skriftligt anvendelsen af en metaheuristik på en specifik problemstilling
• Forstå forskellen mellem diversificerings- og intensiveringsstrategier anvendt af de forskellige metaheuristikker

Mange vigtige optimeringsproblemer kan ikke løses ved hjælp af standardløsere, fordi problemerne er for store eller for komplekse.

En pragmatisk tilgang er derfor at benytte specialdesignede algoritmer til at undersøge et stort antal løsninger for at finde en god og brugbar løsning. Denne type 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 forskellige optimeringsproblemer. Disse kaldes metaheuristikker. 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
– ILS

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.

• 6 – 20 (man 13-17)

42101, Introduktion til Operations Analyse og programmerings erfaring. Der kan forventes en høj programmeringsbyrde.

Forelæsninger, øvelser og projektarbejde.