Celočíselná optimalizace založená na simulaci pomocí lokálního vyhledávání

Integer simulation based optimization by local search

journal article - other

en

Simulation-based optimization combines simulation experiments used to evaluate the objective and/or constraint functions with an optimization algorithm. Compared with classical optimization, simulation based optimization brings its specific problems and restrictions. These are discussed in the paper. Evaluation of the objective function is based on time consuming, typically repeated simulation experiments. So we believe that the main objective in selecting the optimization algorithm is minimization of the number of objective function evaluations. In this paper we concentrate on integer optimization that is typical in simulation context. Local search algorithms that try to minimize the number of objective function evaluations are described. Examples with both analytical and simulationbased objective functions are used to demonstrate the performance of the algorithms.

Ve srovnání s klasickou optimalizací, optimalizace založená na simulaci přináší své specifické problémy a omezení. Vyhodnocení účelové funkce je často založeno na časově náročných, obvykle opakovaných simulačních experimentech. Proto se zaměřujeme na hlavní cíl, kterým je při výběru optimalizačního algoritmu minimalizace výpočtů hodnot účelové funkce. Zabýváme se celočíselnou optimalizací, které je typická v kontextu simulace. Jsou popsány algoritmy lokálního prohledávání zohledňující výše popsaný problém. Uvedené příklady slouží k ilustraci navržených algoritmů.

Simulation-based optimization combines simulation experiments used to evaluate the objective and/or constraint functions with an optimization algorithm. Compared with classical optimization, simulation based optimization brings its specific problems and restrictions. These are discussed in the paper. Evaluation of the objective function is based on time consuming, typically repeated simulation experiments. So we believe that the main objective in selecting the optimization algorithm is minimization of the number of objective function evaluations. In this paper we concentrate on integer optimization that is typical in simulation context. Local search algorithms that try to minimize the number of objective function evaluations are described. Examples with both analytical and simulationbased objective functions are used to demonstrate the performance of the algorithms.

Celočíselná optimalizace, lokální prohledávání, simulace

Integer optimization; Local search; Simulation

30.05.2010

1877-0509

1

1

1341–1348

8