Wirtualne laboratoria optymalizacji heurystycznej – wykorzystanie algorytmów mrówkowych

Abstract

W życiu codziennym spotykamy się z różnego rodzaju problemami heurystycznymi. Do ich rozwiązania możemy stosować istniejące już deterministyczne metody optymalizacji. Istnieje jednak wiele zdarzeń kombinatorystycznych o niezwykle wysokiej złożoności obliczeniowej, dla których deterministyczne metody rozwiązania nie są do zaakceptowania, ponieważ ich złożoność i koszt obliczeniowy przekracza możliwości obliczeniowe najszybszych nawet komputerów. Wtedy dla inżyniera, pragnącego w rozsądnym czasie znaleźć rozwiązanie jeżeli nie optymalne, to przynajmniej suboptymalne, odpowiednim narzędziem stają się metody heurystyczne. Szukanie rozwiązania za ich pomocą sprowadza się do wygenerowania i zastosowania zbioru reguł kierujących procesem przeszukiwania przestrzeni rozwiązań. Istnieje kilka różnych paradygmatów pozwalających na generowanie szeregu algorytmów heurystycznych. Paradygmaty te nazywane są metaheurystykami, ponieważ nie definiują konkretnych algorytmów ale opisują ogólne podejścia. W ramach takiego podejścia istnieje możliwość szerokiego wariantowania poszczególnych reguł, co w rezultacie prowadzi do różnych algorytmów należących jednak do wspólnej rodziny.