Zadania inf2

5. Optymalizacja dyskretna Na podstawie materiałów dydaktycznych oraz wiadomości z sieci internet dokonaj zwięzłego, tabelarycznego przeglądu porównawczego poznanych metaheurystyk optymalizacji dyskretnej: lokalnego przeszukiwania (otoczenia aktualnego rozwiązania), algorytmów zachłannych, przeszukiwania tabu, symulowanego wyżarzania, algorytmów genetycznych oraz algorytmów mrówkowych. W przeglądzie skup się m.in. na aspektach: heurystyki poszukiwania optimum, heurystyki dywersyfikacji rozwiązań lokalnie optymalnych, potencjalnej złożoności implementacyjnej, potencjalnej złożoności obliczeniowej, zakresu możliwych zastosowań praktycznych. 3. Symulacja modelu biznesowego Na podstawie modelu teoretycznego wybranego procesu biznesowego, opracowanego jako rozwiązanie zadania do Modułu 3.T tego kursu (część teoretyczna), napisz skrypt w języku OCTAVE, który wykona jego symulację w oparciu o przykładowe (losowe) dane wejściowe (np. strumień ilościowy dostarczeń i odbiorów z podaną rozdzielczością godzinową). Treść programu oraz wszystkie uzyskane rezultaty proszę wkleić do dokumentu tekstowego 4. Metody optymalizacji Na podstawie informacji teoretycznych, zdobytych w pracy z modułem 4/T oraz ćwiczeń zrealizowanych na forum do tegoż modułu 4/P, zaproponuj własną metodę optymalizacji jednowymiarowych funkcji ciągłych F(X). Następnie zaimplementuj realizujący ją skrypt w języku OCTAVE i za jego pomocą wykonaj odpowiednie testy skuteczności. Metoda ta może być w pełni autorska, oparta o dowolną istniejącą metodę lub być kompilacją czy modyfikacją kilku metod. 5. Problem komiwojażera Zadanie dotyczy rozwiązania tzw. problemu komiwojażera ([login to view URL]) za pomocą prostego zachłannego "algorytmu najbliższego sąsiada" ([login to view URL]). Należy wykonać następujące czynności: A. Dla wszystkich N=16 miast wojewódzkich w Polsce, uszeregowanych alfabetycznie i ponumerowanych od n=1 do n=16, zdefiniuj odległości między nimi (w kilometrach) a następnie ujmij je w formie macierzy symetrycznej D (mogą to być odległości drogowe, kolejowe lub w linii prostej - wybór definicji oraz dokładność odwzorowania odległości mają tu znaczenie drugorzędne). Uzyskana symetryczna macierz odległości D powinna mieć wymiary 16x16 elementów i same zera na głównej przekątnej. B. Zaprogramuj w języku OCTAVE wspomniany algorytm najbliższego sąsiada. Danymi wejściowymi (parametrami) dla otrzymanej procedury powinny być: zdefiniowana w p.A. symetryczna macierz odległości między miastami D oraz wskazany punkt początkowy (wierzchołek grafu) dla pracy algorytmu, o numerze n=1..16. Natomiast danymi wyjściowymi powinny być: uzyskana trasa przejścia (wektor T=[n1, n2, n3, ... n16]) oraz jej łączna długość L. C. Uruchom tak uzyskany algorytm osobno dla każdego z N=16 miast wojewódzkich (n=1..16) jako punktu początkowego poszukiwań. Uzyskane łączne długości 16-u dróg L[n], n=1..16 zestaw w tabeli. D. Porównaj i omów uzyskane rezultaty L[n]. Jak bardzo wybór punktu początkowego n wpływał na długość uzyskanej trasy? Czy masz pewność, że najkrótsza uzyskana trasa (z N=16 przeanalizowanych tras L[n] ) jest rzeczywiście trasą globalnie optymalną, tzn. najkrótszą ze wszystkich możliwych? Ile jest wszystkich możliwych tras w tym zadaniu i jakiego algorytmu (innego, niż prosty algorytm zachłanny) użył(a)byś w celu uzyskania rozwiązania możliwie najbliższego optimum? Odpowiedź uzasadnij.