Vícekriteriální genetické algoritmy
Vícekriteriální genetické algoritmy (MOGA - Multi-objective Genetic Algorithms) rozšiřují klasické genetické algoritmy na více cílových funkcí.
Každé řešení je hodnoceno z více hledisek a výběr do další generace zohledňuje kvalitu řešení ve více dimenzích.
MOGA může zahrnovat různé dominance, vážení nebo kombinace cílů.
- Vhodné pro plánování rozvozů, kde je třeba sladit různé cíle.
- Kombinuje výhody genetického přístupu a vícekriteriální analýzy.
- Možnost paralelizace výpočtu.
- Lze upravit pro různé VRP varianty včetně časových oken.
Zajímavosti a praktická využití
- Oblíbený přístup v průmyslu pro ladění nákladů vs. rychlosti doručení.
- Vhodné pro školní projekty i složité distribuční plánování.
- Možnost kombinace s fuzzy logikou a adaptivními operátory.
Omezení a limity
Stejně jako ostatní evoluční metody, i MOGA může generovat redundantní nebo nekvalitní potomky bez silné selekce. Také výběr vhodných funkcí zpětné vazby a dominance ovlivňuje výkon.
Shrnutí
MOGA představují robustní rámec pro vícekriteriální evoluční optimalizaci, jejichž flexibilita umožňuje přizpůsobení konkrétním logistickým potřebám a omezením.
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] Coello Coello, C. A. (2000). An updated survey of GA-based multiobjective optimization techniques. ACM Computing Surveys.
[3] Řezanková, H., & Húsek, D. (2007). Kvantitativní metody v manažerském rozhodování. Praha: Professional Publishing.
Důležité odkazy
Kontakt
List Title
- kvetapapouskova@gmail.com
- Univerzitní 22, 306 14 Plzeň