Metaheuristikkar

Mål:

Emnet tar sikte på å gi oversikt over moderne (meta)heuristiske optimeringsmetodar som er eigna til å løyse praktiske optimeringsproblem.

Innhald:

Emnet tar for seg metaheuristiske optimeringsalgoritmar. Tema som blir dekka inkluderer heuristikkar og tilnærmingsalgoritmar, lokalsøk, simulert størkning, tabu-søk, genetiske algoritmar, maurkolonioptimering, partikkelsverm, søk i variabel omegn, adaptivt søk i stor omegn, hybride algoritmar og matematisk baserte heuristikkar. Emnet inneheld eit spekter av praktiske optimeringsproblem som casestudiar.

Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:

Kunnskapar

• Studenten har ei grunnleggjande forståing av korleis metaheuristikkar kan brukast for å finne gode løysinger for reknekrevjande optimeringsproblem.
• Studenten kjenner dei grunnleggjande eigenskapane til ulike metaheuristikkar.

Ferdigheiter

• Studenten er i stand til å implementere ein metaheuristikk på eit gitt problem.
• Studenten kan forklare fordelar og ulemper ved å leggke til ulike komponentar i ein metaheuristisk optimeringsalgoritme.

Generell kompetanse

• Studenten kan forklare for kva type problem, metaheuristikkar kan / bør brukast
• Studenten kan forklare skilnaden mellom intensivering og diversifisering i metaheuristisk samanheng