Algorithms for Pure Categorical Optimization

dc.contributor.authorOskar Eklund
dc.contributor.authorDavid Ericsson
dc.contributor.authorLiljenberg, Astrid
dc.contributor.authorÖstberg, Adam
dc.contributor.departmentChalmers tekniska högskola / Institutionen för matematiska vetenskapersv
dc.contributor.departmentChalmers University of Technology / Department of Mathematical Sciencesen
dc.date.accessioned2019-07-05T11:53:52Z
dc.date.available2019-07-05T11:53:52Z
dc.date.issued2019
dc.description.abstractOptimeringsproblem 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.
dc.identifier.urihttps://hdl.handle.net/20.500.12380/256997
dc.language.isoeng
dc.setspec.uppsokPhysicsChemistryMaths
dc.subjectMatematik
dc.subjectMathematics
dc.titleAlgorithms for Pure Categorical Optimization
dc.type.degreeExamensarbete för kandidatexamensv
dc.type.degreeBachelor Thesisen
dc.type.uppsokM2
Ladda ner