Вирішення задачі оптимального розміщення обладнання методом генетичних алгоритмів
Анотація
Задачі логістики є невід'ємною частиною діяльності багатьох підприємств та організацій у всьому світі. Вирішення цих завдань вимагає ефективного управління ресурсами, оптимального розміщення та транспортування. Для математичного моделювання логістичних задач використовується математичне програмування. Використано оптимізаційну задачу цілочисельного (дискретного) програмування - задачу про розміщення обладнання. Точний розв’язок задачі розміщення обладнання NP-складний. Розглядаються наближені розв’язки за допомогою евристичних алгоритмів.
Евристичні техніки оптимізації, використовуються у вирішенні складних комбінаторних задач. Генетичний алгоритм є підходом, який відображає природний еволюційний процес, що відбувається в світі живих організмів,. Зокрема схрещування, мутації та селекції (природного відбору) при розвитку популяцій живих істот. У популяції кожен індивід кодує рішення задачі що обчислюється у свій геном. Наступні покоління створюються через оператори рекомбінації властивостей батьків та випадкових варіацій властивостей через мутації. Для вибору кращого рішення використовується функція пристосованості. Більш пристосовані індивіди мають більший шанс на продовження роду. Генетичні алгоритми завдяки паралелізованій конструкції та функції придатності є цінними інструментами для пошуку розв’язку складних задач. Основним завданням при використанні генетичних алгоритмів є пошук початкових значень параметрів алгоритму, а також доцільності зміни параметрів після розрахунку декількох поколінь.
Для задачі про оптимальне розміщення обладнання розглянуто наближений розв’язок за допомогою генетичних алгоритмів. Запропонований набір початкових параметрів генетичного алгоритму. Отриманні результати можуть використовуватися для дослідження та вирішення логістичних проблем
Посилання
2. Posawang, Pitiphoom & Phosaard, Satidchoke & Pattara-atikom, Wasan. (2010). Perception-Based Road Traffic Congestion Classification Using Neural Networks and Decision Tree. 10.1007/978-90-481-8776-8_21.
3. Hakimi, S. L. (1964). "Optimum Locations of Switching Centers and the Absolute Centers and Medians of a Graph". Operations Research. 12 (3): 450–459.
4. Kariv, O.; Hakimi, S. L. (December 1979). "An Algorithmic Approach to Network Location Problems. I: The p-Centers". SIAM Journal on Applied Mathematics. 37 (3): 513–538.
5. Gonzalez, Teofilo F. (1985). "Clustering to minimize the maximum intercluster distance". Theoretical Computer Science. 38: 293–306.


