Using metaheuristics for the transportation problem

Cílem práce je aplikace ACO optimalizačních technik na úlohu obchodního cestujícího a dopravní úlohu. V teoretické části práce je provedena literární rešerše dané problematiky. Dopravní úloha je pojednávána z různých pohledů, jednak z pohledu teorie grafů a také z pohledu teorie složitosti. Dále jsou popsány hlavní typy dopravních úloh včetně metod jejich řešení. Hlavní část práce je věnována metodám hejnové inteligence ve vztahu k dopravní úloze. Metody hejnové inteligence jsou zde zevrubně popsány včetně jejich biologického pozadí. Hlavní pozornost je věnována metodám optimalizace pomocí kolonií mravenců (ACO). Jsou uvedeny hlavní používané algoritmy ACO optimalizace, a metody jak postupovat, chceme li takový algoritmus navrhnout. Praktická část práce je věnována studiu jednoho z původních ACO algoritmů ? Ant System algoritmu.Byl studován vliv parametrů ? a ? které představují relativní význam feromonové stopy a heuristické informace (vzdálenosti). Byly zkoumány možnosti studia ACO optimalizace navržené v programu Matlab na jednoprocesorovém počítači, tyto se ukázaly jako omezené, charakter úlohy vyžaduje paralelní prostředí. Přínosem práce je zjištění, že na rozdíl od výše citované práce použitá implementace algoritmu dává dobré výsledky v širokém rozmezí parametrů ? a ?. Dále byly potvrzeny některé vlastnosti ACO optimalizace uváděné v literatuře, jako je postupné zhoršování průměrného výkonu mravenců po určité době běhu. Dalším zajímavým poznatkem bylo zjištění že zcela nepatrná změna ve způsobu generování náhodného prvku v rozhodovacím mechanismu má vliv na celkový průběh optimalizace