GENERATING AND OPTIMIZING SCHEDULES USING GENETIC ALGORITHM

U ovom radu opisan je postupak generiranja i optimizacije rasporeda zaposlenika tvrtke korištenjem genetskog algoritma. Općenito, evolucijsko računanje već se dugo koristi za rješavanja ovakvih tipova problema gdje je potrebno pretraživati velika područja svih mogućih rješenja u najkraćem mogućem roku. Budući da su takvi optimizacijski problemi najčešće kompleksnosti "NP-hard", "brute force" pristup nije primjenjiv jer obično košta previše procesorskog vremena. U rješavanju našeg problema koristili smo sve genetske operatore (selekcija, križanja i mutacija), dok je za potrebe implementacije razvijena aplikacija u programskom jeziku Java. Dobiveni rezultati u gotovo svim slučajevima predstavljaju optimalna rješenja (rasporede), a kada nije moguće doći do optimalnog rješenja, naš pristup daje jedno ili više rješenja koja su najbliža traženom optimumu. Pojedini genetski operatori i dobiveni rezultati opisani su u nastavku.This paper describes the process of generating and optimizing company employee schedules using genetic algorithm. In general, evolutionary computing has long been used to solve these types of problems where it is necessary to search large areas of all possible solutions in the shortest possible time. Since such optimization problems are most often of "NP-hard" complexity, the "brute force" approach is not applicable because it usually costs too much CPU time. In solving our problem, we used all genetic operators (selection, crossover, and mutation), while for the needs of implementation, an application in the Java programming language was developed. The obtained results in almost all cases represent optimal solutions (schedules), and when it is not possible to reach the optimal solution, our approach gives one or more solutions that are closest to the required optimum. The individual genetic operators and the obtained results are described below