Algorithms for Pure Categorical Optimization

Examensarbete för kandidatexamen

Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12380/256997
Download file(s):
There are no files associated with this item.
Type: Examensarbete för kandidatexamen
Bachelor Thesis
Title: Algorithms for Pure Categorical Optimization
Authors: Oskar Eklund
David Ericsson
Liljenberg, Astrid
Östberg, Adam
Abstract: Optimeringsproblem med kategoriska variabler är vanligt förekommande exempelvis inom bilindustrin och andra industrier där mekaniska komponenter ska väljas ut och kombineras på gynnsamma sätt. Avsaknaden av naturlig ordning på beslutsvariablerna gör att kategoriska optimeringsproblem oftast är svårare att lösa än diskreta eller kontinuerliga problem. Det är därför viktigt att ta fram metoder som löser kategoriska optimeringsproblem. Den här rapporten presenterar tre olika algoritmer som kan användas för att lösa kategoriska optimeringsproblem: en lokalsökningsalgoritm, en globalsökningsalgoritm, och en genetisk algoritm. Dessutom presenteras två olika omgivningsdefintioner att använda ihop med lokalsökningsalgoritmen, en diskret, och en kategorisk. Algoritmerna implementerades i Matlab och testades på två olika kategoriska optimeringsproblem: ett artificiellt problem, och ett balkproblem. De framtagna algoritmerna applicerades på ett stort antal instanser av testproblemen och deras prestanda utvärderades med hjälp av prestandaprofiler och dataprofiler. Lokalsökningsalgoritmen utrustad med den kategoriska omgivningen presterade bäst av de testade algoritmerna.
Keywords: Matematik;Mathematics
Issue Date: 2019
Publisher: Chalmers tekniska högskola / Institutionen för matematiska vetenskaper
Chalmers University of Technology / Department of Mathematical Sciences
URI: https://hdl.handle.net/20.500.12380/256997
Collection:Examensarbeten för kandidatexamen // Bachelor Theses



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.