Optimering ved hjælp af metaheuristikker

• 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.

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.

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

Forelæsninger, øvelser og projektarbejde.