Využití metaheuristických metod v optimalizačních úlohách v dopravě

Abstract

Doktorská práce se zaměřuje na výzkum použití genetických algoritmů pro lokačně trasovací úlohy. Lokačně trasovací úlohy kombinují dva problémy diskrétní optimalizace - lokační úlohu a úlohu okružních jízd. Cílem lokačně trasovacích úloh je najít umístění několika dep a současně stanovit optimální trasy k zajištění obsluhy zákazníků. Oba podproblémy stejně jako kombinované lokačně trasovací úlohy patří do třídy NP těžkých úloh, pro které je použití exaktních metod jen velmi omezené. Heuristické a metaheuristické metody, mezi které patří i genetické algoritmy, jsou často využívány v případě, kdy exaktní algoritmy selhávají. Genetické algoritmy mohou najít přibližné řešení v rozumném čase a byly úspěšně aplikovány pro různé problémy diskrétní optimalizace. Doktorská práce definuje a popisuje charakteristiky a varianty lokačně trasovacích úloh a představuje metody používané k jejich řešení. Hlavním přínosem práce je návrh genetického algoritmu pro zvolenou variantu lokačně trasovacích úloh, jeho implementace, testování a vyhodnoceníThe thesis focuses on the research of use of genettic algorithms for location-routing problems. Location-routing problems combine two problems from discrete optimization - the facility location problem an the vehicle routing problem. The goal of the location-routing problem is to find a location of a number of depots together with optimal routes to serve the customers. Both subproblems as well as the location-routing problems belong to NP-hard class of problems for which the use of exact algorithms is very limited. Heuristic and metaheuristic methods that include genetic algorithms are often employed in these cases when exact algorithms fail. Genetic algorithms can find approximate solution in reasonable time and have been successfully applied for various problems from descrete optimization. The thesis defines and describes the characteristics and variants of LRP, summarises methods used for finding a solution of LRP. The main contribution of the thesis lies in the design of a genetic algorithm for chosen variants of LRP, its implementation, testing and evaluation.