- Многокритериальный метаэвристический алгоритм для распределенной оптимизации хранения электроэнергии(arXiv)
Автор: Рико Шраге, Пол Хендрик Тиманн, Астрид Ниссе
Аннотация:: оптимизация распределенного графика накопления энергии представляет собой проблему. Такие алгоритмы часто предполагают входной набор, содержащий все возможные расписания, или, соответственно, требуют эффективного поиска в пространстве расписаний. Вряд ли это возможно сделать с накопителем энергии из-за его высокой гибкости. В этой статье проблема представлена подробно и решается с помощью метаэвристического алгоритма, который генерирует предварительный выбор расписаний. Для достижения этой цели представлены три вклада: во-первых, разработано расширение для оптимизации распределенного расписания, позволяющее проводить одновременную оптимизацию. Во-вторых, эволюционный алгоритм предназначен для создания оптимизированных расписаний. В-третьих, алгоритм расширен за счет включения произвольного локального критерия. Показано, что представленный подход подходит для планирования накопления электроэнергии в реальных домашних хозяйствах и производствах с различными типами генераторов и накопителей.
2. AutoOpt: методологическая основа автоматического проектирования метаэвристических алгоритмов для задач оптимизации(arXiv)
Автор:Ци Чжао, Бай Янь, Юхуэй Ши
Вывод:метаэвристика — это не зависящие от градиента и независимые от проблем методы поиска. Они добились огромного успеха в решении различных проблем оптимизации в научных кругах и промышленности. Разработка автоматизированных метаэвристических алгоритмов является многообещающей альтернативой искусственным разработкам. В этой статье предлагается методологическая основа AutoOpt для автоматического проектирования метаэвристических алгоритмов для задач оптимизации. AutoOpt состоит из: (1) двухуровневого критерия для оценки производительности разработанных алгоритмов; (2) общая схема пространства решений, из которого будут разрабатываться алгоритмы; (3) смешанное графическое и числовое представление для представления разработанных алгоритмов; и (4) безмодельный метод проведения процесса проектирования. AutoOpt приносит пользу академическим исследователям и практическим пользователям, пытающимся разработать метаэвристические алгоритмы для задач оптимизации. Практический пример демонстрирует эффективность и действенность AutoOpt
3.Метаэвристический алгоритм для задач с независимым набором больших максимальных весов(arXiv)
Автор:Юаньюань Дун, Эндрю В. Голдберг, Александр Ноэ, Никос Пароцидис, Маурисио Г. К. Резенде, Квико Спэн
Аннотация. Руководствуясь реальным приложением маршрутизации транспортных средств, мы рассматриваем задачу о независимом наборе максимального веса: для заданного графа, взвешенного по узлам, найти набор независимых (взаимно несмежных) узлов, вес узла которых сумма максимальная. Некоторые из графов, представленных в этом приложении, большие, с сотнями тысяч узлов и сотнями миллионов ребер. Для решения задач такого размера мы разрабатываем новый алгоритм локального поиска, который представляет собой метаэвристику в рамках жадного рандомизированного адаптивного поиска (GRASP). Этот алгоритм, который мы называем METAMIS, использует более широкий набор простых операций локального поиска, чем ранее описанный в литературе. Мы вводим структуры данных, которые делают эти операции эффективными. Введен новый вариант перекомпоновки пути, чтобы избежать локальных оптимумов, а также новый альтернативный локальный поиск с увеличением пути, который улучшает производительность алгоритма. Мы сравниваем реализацию нашего алгоритма с современным открытым кодом на общедоступных наборах тестов, включая некоторые крупные экземпляры с сотнями миллионов вершин. Наш алгоритм в целом конкурентоспособен и превосходит этот общедоступный код на экземплярах маршрутизации больших транспортных средств. Мы надеемся, что наши результаты приведут к еще более совершенным алгоритмам MWIS.
