Evoluční algoritmy s nepřímou reprezentací

Abstract

Tato práce navrhuje rozšíření evolučního algoritmu IREANN s cílem zvýšit jeho výkonnost v kombinatorických optimalizačních problémech, konkrétně v problému CARP (Capacitated Arc Routing Problem). Rozšíření umožňuje, aby se během výpočtu sdílely cenné informace o vynikajících vlastnostech řešení napříč celou populací. Tento pravidelně aplikovaný mechanismus šíření informací vylepšuje heuristiku nejbližšího souseda, a tím zlepšuje celkové optimalizační schopnosti algoritmu. Účinnost těchto úprav je empiricky testována pomocí standardních referenčních datových sad CARP.

This thesis proposes an extension to the IREANN evolutionary algorithm to enhance its performance in combinatorial optimization problems, specifically the Capacitated Arc Routing Problem (CARP). The extension allows valuable information about superior solution features to be shared across the entire population during computation. This propagation mechanism, applied periodically, enhances the nearest neighbor heuristic, thereby improving the overall optimization capabilities of the algorithm. The effectiveness of these modifications is empirically tested using standard CARP benchmark datasets.