|
|
Evoluční optimalizace nákladní přepravy
Beránek, Michal ; Drahošová, Michaela (oponent) ; Bidlo, Michal (vedoucí práce)
Práce se zabývá problémem optimalizace nákladní přepravy. Cílem je minimalizace nákladů spojených s přepravou, které vyplývají z ujeté vzdálenosti. Při správném naplánování tras lze tyto náklady výrazně snížit, obzvlášť když se jedná o velký počet zákazníků, které je potřeba obsloužit. Tato práce se soustředí na řešení pomocí evolučních algoritmů, což jsou metody optimalizace založené na principech evoluce. Hlavní zaměření je na problém směrování vozidel s omezenou heterogenní flotilou vozidel. V práci je představeno několik evolučních algoritmů a jejich výsledky jsou porovnány. Nejlepší z nich, evoluční strategie používající lokální prohledávání blízkého okolí, dosahuje podobných, pro některé konkrétní úlohy i lepších výsledků, než jiné existující evoluční algoritmy, vytvořené pro řešení stanoveného problému.
|
|
|
Evoluční optimalizace nákladní přepravy
Beránek, Michal ; Drahošová, Michaela (oponent) ; Bidlo, Michal (vedoucí práce)
Práce se zabývá problémem optimalizace nákladní přepravy. Cílem je minimalizace nákladů spojených s přepravou, které vyplývají z ujeté vzdálenosti. Při správném naplánování tras lze tyto náklady výrazně snížit, obzvlášť když se jedná o velký počet zákazníků, které je potřeba obsloužit. Tato práce se soustředí na řešení pomocí evolučních algoritmů, což jsou metody optimalizace založené na principech evoluce. Hlavní zaměření je na problém směrování vozidel s omezenou heterogenní flotilou vozidel. V práci je představeno několik evolučních algoritmů a jejich výsledky jsou porovnány. Nejlepší z nich, evoluční strategie používající lokální prohledávání blízkého okolí, dosahuje podobných, pro některé konkrétní úlohy i lepších výsledků, než jiné existující evoluční algoritmy, vytvořené pro řešení stanoveného problému.
|
|
|
Akcelerace heuristických metod diskrétní optimalizace na GPU
Pecháček, Václav ; Jaroš, Jiří (oponent) ; Pospíchal, Petr (vedoucí práce)
Práce se zabývá řešením diskrétních optimalizačních úloh. Zaměřuje se na zkrácení doby výpočtu s využitím heuristických metod a paralelismu. Teoretický základ tvoří kombinace algoritmů ant colony optimization (ACO) a lokálního prohledávání k-optimization. Platformu použitou při implementaci pak představuje technologie Nvidia CUDA umožňující efektivní provádění obecných výpočtů na moderních grafických čipech. Návrh využívá případové studie v podobě známého problému obchodního cestujícího (TSP). Řešení je založeno na rozdělení úlohy na podproblémy s pomocí techniky tour-based partitioning, paralelním zpracování jednotlivých částí a jejich opětovném spojení. Vytvořený paralelní kód dokáže provádět výpočet více než sedmnáctkrát rychleji než jeho sekvenční verze.
|
host ::
RSS.