Genetické algoritmy
Genetické algoritmy (GA) využívají principy evoluce – výběr, křížení, mutaci – pro iterativní zlepšování populace řešení.
Každé řešení je reprezentováno jako „chromozom“ a algoritmus postupně vytváří novou generaci, která kombinuje prvky úspěšných předků.
- Univerzální rámec použitelný pro VRP, TSP i vícekriteriální úlohy.
- Silná schopnost prohledávat rozsáhlý prostor řešení.
- Lze snadno kombinovat s lokálními heuristikami (např. 2-opt).
Zajímavosti a praktická využití
- Používají se při rozvrhování posádek a plánování velkoobjemových rozvozů.
- Vhodné pro řešení s měkkými omezeními (např. preferencemi zákazníků).
- Významná role v bioinspiraci a výuce optimalizace.
Omezení a limity
Nevýhodou bývá nízká stabilita výsledků bez důkladného ladění parametrů (velikost populace, míra mutace atd.).
GA může generovat i velmi nekvalitní potomky, pokud není dobře omezena prostorová nebo strukturální variabilita.
Shrnutí
Genetické algoritmy jsou flexibilní a silný nástroj pro hledání řešení složitých optimalizačních úloh.
Jejich schopnost kombinovat různé části řešení z nich činí jeden z nejpoužívanějších algoritmů v oblasti VRP.
Zdroje:
[1] Toth, P., & Vigo, D. (Eds.). (2014). Vehicle Routing: Problems, Methods, and Applications (2nd ed.). Philadelphia: Society for Industrial and Applied Mathematics (SIAM).
[2] Řezanková, H., & Húsek, D. (2007). Kvantitativní metody v manažerském rozhodování. Praha: Professional Publishing.
[3] Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization and Machine Learning. Reading, MA: Addison-Wesley.
Důležité odkazy
Kontakt
List Title
- kvetapapouskova@gmail.com
- Univerzitní 22, 306 14 Plzeň