Kooperační genetické algoritmy
(anglicky: Cooperative genetic algorithms)
V tomto přístupu je každý dopravce, sklad nebo subjekt vnímán jako samostatný „jedinec“ v genetické populaci. Tito jedinci spolu nesoutěží, ale spolupracují – výsledné řešení je složeno z jejich kombinovaných tras nebo strategií. Evoluce podporuje synergie mezi partnery.
- Vhodné pro komplexní VRP s více zúčastněnými.
- Podporuje adaptaci a sdílení strategií mezi partnery.
- Možnost postavit různé subjekty proti sobě nebo do aliancí.
- Lze integrovat s vícekriteriálním rozhodováním.
Zajímavosti a praktická využití
- Používáno ve výzkumných experimentech pro kolaborativní supply chain planning.
- Inspirace z biologických populací s kooperací místo soutěže.
- Zajímavé pro modelování konfliktních zájmů partnerů s vyjednáváním.
Omezení a limity
Návrh genetických operátorů musí zohlednit různé cíle a omezení partnerů. Bez správné konstrukce hrozí, že evoluce nebude vést ke skutečné spolupráci, ale k chaotickému míchání řešení.
Shrnutí
Kooperační genetické algoritmy nabízejí originální a biologicky inspirovaný způsob, jak dosáhnout spolupráce mezi nezávislými logistickými aktéry. Vhodné pro pokročilé výukové i výzkumné aplikace.
Zdroje:
[1] Sánchez, M., Juan, A. A., Faulin, J., Pérez-Bernabeu, E., & Riera, D. (2012). Collaborative route planning for distributed logistics using biased randomization and cooperative metaheuristics. Transportation Research Part E: Logistics and Transportation Review, 48(6), 1732–1742.
[2] Molina, J., Lozano, M., García-Sánchez, P., Herrera, F., & S´anchez, A. (2007). A memetic algorithm for solving a multi-objective vehicle routing problem with time windows: A case study. Lecture Notes in Computer Science, 4403, 691–700.
[3] Doerner, K. F., Hartl, R. F., & Reimann, M. (2007). Cooperative ant colony metaheuristics for distributed multi-depot VRPs. In Lecture Notes in Computer Science (Vol. 4638, pp. 46–57).
Důležité odkazy
Kontakt
List Title
- kvetapapouskova@gmail.com
- Univerzitní 22, 306 14 Plzeň