Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Menetrend optimalizálása genetikus algoritmussal Készítette: Svigruha Gergely BSc Konzulens: Kovács Dániel László MIT Budapesti Műszaki és Gazdaságtudományi.

Hasonló előadás


Az előadások a következő témára: "Menetrend optimalizálása genetikus algoritmussal Készítette: Svigruha Gergely BSc Konzulens: Kovács Dániel László MIT Budapesti Műszaki és Gazdaságtudományi."— Előadás másolata:

1 Menetrend optimalizálása genetikus algoritmussal Készítette: Svigruha Gergely BSc Konzulens: Kovács Dániel László MIT Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Evolúciós algoritmusok intelligens ágensek optimalizálására

2 Tartalom Probléma Lehetséges megközelítések Genetikus algoritmusok A probléma egy megoldása Teszteredmények Összefoglalás és kitekintés

3 Kiindulási probléma Menetrend optimalizálása

4 Feladat kiírás Konkretizálások –Csak busz járatok –A menetrend ezen járatok egy elrendezése –Csak járat csatlakozásra optimalizál „Olyan rendszer készítése, amely optimalizálja egy tömegközlekedési hálózat menetrendjét!” Bizonyos előre megadott szakaszok mentén minimalizáljuk az áthaladás költségét Költség az áthaladási idő

5 A feladat modellje Város úthálózata  irányított gráf Időbeli késleltetés  élsúlyok Járatok  körök a gráfban Állomások  kitüntetett csúcsok a gráfban Teszt utak  utak a gráfban Buszok száma –Hozzárendelés az egyes járatokhoz Lehetséges megközelítések Analitikus Heurisztikus Keresési módszerek Lágy számítási módszerek Genetikus algoritmus Genetikus algoritmusok előnyeiGenetikus algoritmus hátrányai Kezelhető komplexitásVéges időben általában szuboptimális Egyszerű megvalósításNem triviális paraméter beállítások Konvergál a globális optimumhoz

6 Genetikus algoritmusok Egyed  génlánc Populáció –Általában fix méretű Fitness  minden egyedre jellemző „jósági” számérték Generáció Szelekció –Rulett kerék módszer –Legjobb n egyed –Elitizmus Kereszteződés –Egy / több pontú –Valószínűség Mutáció –Valószínűség Leállási feltételek Genetikus operátorok

7 Specifikáció és implementáció Specifikáció –Egyed  Menetrend(Járat elrendezés)  körök halmaza Gén  Egy adott járat  Egy adott kör a gráfban –Fitness  adott járat elrendezés mellett összesített várakozási idő várható értéke a súlyozott teszt utak mentén –Szelekció  rulett kerék módszer, elitizmus –Kereszteződés  egy pontú –Mutáció  véletlen kör keresése (séta) a gráfban Implementáció Szoftver platform: MATLAB Gyors, egyszerű fejlesztés Támogatás a hatékony algoritmus implementációkhoz Probléma generáló program C#-ban

8 Tesztek, értékelés Paraméterek hangolása tapasztalatok alapján –P m : –P c : 0.5 –Populáció mérete: Futási idő Ha a gráf méretével arányosan növeljük a teszt utak és a járatok számát, akkor O(n 3 ) Csak a gráf méretével lineárisan arányos

9 Összefoglalás és kitekintés Evolúciós algoritmusok (főképp genetikus) megismerése Modell megtervezése Algoritmusok megtervezése, összevetése (mutáció, szelekció) MATLAB-os implementáció Véletlen probléma generátor készítése Batch tesztek, értékelések, paraméter hangolások Grafikus probléma szerkesztő További terveim Kevésbé elnagyolt modell Napszakok figyelembe vétele Járatokhoz kapacitás rendelése Több típusú járat Más fajta költség értelmezések Implementáció hatékonyabbá tétele Ergonomikusabb GUI Több szálúvá tétel Más programnyelvek, platformok használata

10 Köszönöm a figyelmet! Kérdések ?


Letölteni ppt "Menetrend optimalizálása genetikus algoritmussal Készítette: Svigruha Gergely BSc Konzulens: Kovács Dániel László MIT Budapesti Műszaki és Gazdaságtudományi."

Hasonló előadás


Google Hirdetések