Pokročilá evoluční optimalizace úloh typu TSP

Abstract

Práce řeší problém obchodního cestujícího pomocí evolučního algoritmu, konktrétně pomocí genetického algoritmu. Jedná se o hybrid genetického algoritmu s využitím lokálního prohledávacího algoritmu a dalších vylepšení, které nám pomohou vylepšit výsledky. Problémy obchodního cestujícího budou řešeny od 20 měst až po 25 tisíc měst. V kapitole s experimenty jsem zjistil nejvhodnější nastavení všech parametrů v programu a řádně otestoval jejich přínos. V další části kapitoly s experimenty jsem zjistil jakých výsledků dosahují genetické algoritmy. V poslední části jsem porovnal vývoj hodnoty fitness různých variant genetických algoritmů a různých variant operátorů křížení, také jsem porovnal časovou náročnost. Navrhnul jsem další možná vylepšení ať už lokálních prohledávacích algoritmů či jiného přístupu k řešení TSP.This paper solves the traveling salesman problem using an evolutionary algorithm, specifically a genetic algorithm. It is a hybrid of the genetic algorithm, using a local search algorithm and other enhancements that further improve the results obtained. The traveling salesman problem will be solved from 20 cities to 25,000 cities. In the experiments chapter, I have determined the best settings for all the parameters in the program and properly tested their appropriateness. In the next part of the experiments chapter, I found out the performance of the full version of the genetic algorithm and its variants. In the last section, I compared the evolution of fitness values of different variants of genetic algorithms and different variants of crossover operators, I also compared the time consumption. I suggested further possible improvements either to the local search algorithm or to another approach to solve the TSP.