arvutiteaduse instituudi lõputööderegister


Metaheuristilised meetodid jätkusuutlike tarneahelate optimeerimiseks
Nimi Hendrik Parik
Kokkuvõte Jätkusuutlike tarneahelate mudelite optimeerimine on kõrgdimensiooniline mitme-eesmärgiline optimeerimisülesanne. Tarneahela optimeerimise põhieesmärgiks on vähendada erinevaid kulusid. Jätkusuutlike tarneahelate kulud võib jaotada majanduslikeks, keskkonnaalasteks ja sotsiaalseteks kuludeks. Taoliste ülesannete lahendamiseks saab kasutada metaheuristilisi meetodeid.
Töös kirjeldatakse ja kasutatakse ehtsal tarneahelal põhinevat mudelit. Seejärel kohandatakse erinevad metaheuristilised meetodid mudeli optimeerimiseks ning tuuakse välja optimeerimise tulemused. Töö käigus selgus, et geneetilised algoritmid saavad eraldiseisvatest meetoditest tarneahela optimeerimisega kõige paremini hakkama. Teisteks eraldiseisvateks metaheuristilisteks meetoditeks olid simuleeritud lõõmutamine ja osakeste parve optimeerimine. Geneetilise algoritmi teostus andis eraldiseisva meetodina ainukesena sobivaid lahendusi. Teised eraldiseisvad meetodid ei andnud piisava kvaliteediga tulemusi. Eraldiseisvaid metaheuristilisi meetodeid kombineeriti ka hübriidmeetoditeks.
Esimeseks hübriidmeetodiks oli geneetilise algoritmi ja osakeste parve optimeerimise kooslus. Teiseks hübriidmeetodiks oli geneetilise algoritmi ja simuleeritud lõõmutamise kooslus. Simuleeritud lõõmutamisega hübriidmeetod ei suutnud ületada geneetilise algoritmi faasis saavutatud tulemust. Leiti, et osakeste parve optimeerimise meetod suutis parandada hübriidi esimeses faasis geneetilise algoritmi poolt saadud tulemust. Katsete käigus selgus, et geneetilise algoritmi ja osakeste parve optimeerimise hübriidmeetod saavutas keskmiselt paremaid tulemusi, kui eraldiseisev geneetiline algoritm.
Lõputöö keel inglise
Lõputöö tüüp Bakalaureus - Informaatika
Juhendaja(d) Stefania Tomasiello
Kaitsmise aasta 2022
PDF