Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Metaeuristiche per la costruzione degli orari dei corsi universitari

Il lavoro di tesi è inquadrato nell'attività di ricerca svolta dal Metaheuristics Network, una rete di addestramento alla ricerca finanziata dal programma Improving Human Potential della Cominutà Europea. Cinque metaeuristiche (Ant Colony Optimization, Computazione Evolutiva, Ricerca Locale Iterata, Tabu Search e Simulated Annealing) sono state studiate, implementate e confrontate nelle stesse condizioni sperimentali, per la risoluzione di una riduzione del problema della Compilazione degli Orari dei Corsi Universitari.
Le nostre implementazioni sono state quattro: un algoritmo Ant Colony System per l'approccio Ant Colony Optimization, un algoritmo di Ricerca Locale Iterata, un Algoritmo Memetico e un Meta-Algoritmo Genetico per l'approccio di Computazione Evolutiva.
I contributi originali sono stati:
- La realizzazione della prima implementazione in letteratura di un approccio Ant Colony Optimization al problema della Compilazione degli Orari dei Corsi Universitari.
- L'implementazione di F-Race, una metodologia sperimentale per la configurazione automatica delle metaeuristiche.
- I risultati dei confronti delle cinque metaeuristiche implementate all'interno del Metaheuristics Network sono stati presentati all'edizione del 2002 di The International Series of Conferences on the Practice and Theory of Automated Timetabling -
PATAT. Tale lavoro è stato selezionato per la pubblicazione in un volume della collana Lecture Notes in Computer Science.
- I risultati del confronto di MAX - MIN Ant System e Ant Colony System, due implementazioni della metaeuristica Ant Colony Optimization, sono stati presentati alla conferenza internazionale EvoCOP 2003. Tale lavoro è stato selezionato per la pubblicazione nel volume 2611 della collana Lecture Notes in Computer Science.

I risultati mostrano che nessuna metaeuristica, tra quelle implementate, è migliore su tutte le istanze del problema considerato. Inoltre, anche quando le istanze sono molto simili, dal punto di vista del generatore che le produce, non è possibile prevedere quale sarà la metaeuristica migliore, anche se emergono alcune tendenze quando ci concentriamo su istanze di una particolare classe. I risultati evidenziano quanto sia difficile trovare la migliore metaeuristica, anche per classi molto ristrette del problema.

Mostra/Nascondi contenuto.
Introduzione Il lavoro che presentiamo in questa tesi é stato svolto all'interno dell'at-tività del Metaheuristics Network,1 una rete di addestramento alla ricercananziata dal programma Improving Human Potential della Comunità Eu-ropea.2 Composta inizialmente da sei partecipanti, coinvolge attualmentecinque istituzioni: IRIDIA - Univeristé Libre de Bruxelles - Bruxelles - Belgio INTELLEKTIK - Technische Universität Darmstadt - Darm-stadt - Germania ECRG - Napier University - Edimburgo - Regno Unito IDSIA - Manno - Svizzera ANTOPTIMA - Lugano - Svizzera è entrata nella rete nel 2001.Due istituti hanno lasciato la rete rispettivamente dopo uno e due anni: COG-Technische Universiteit Eindhoven - Eindhoven - PaesiBassi ha lasciato la rete il 31.08.2001; EUROBIOS - Parigi - Francia ha lasciato la rete il 31.08.2002.1http://www.metaheuristics.org2Contratto numero HPRN-CT-1999-00106.

Tesi di Laurea

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Max Manfrin Contatta »

Composta da 181 pagine.

 

Questa tesi ha raggiunto 1443 click dal 20/03/2004.

Disponibile solo in CD-ROM.