Direct to Dean

Metaheuristic Techniques

เทคนิคเมตาฮิวริสติก

4(4-0-12)

วิชาบังคับก่อน : ไม่มี

เทคนิคเมตาฮิวริสติกและเลือกเทคนิคที่เหมาะสมสัมพันธ์กับปัญหาระบบการผลิต การประเมินความเหมาะสมสำหรับเทคนิคเมตาฮิวริสติกต่าง ๆ หัวข้ออัลกอริทั่มอิงเส้นทาง ได้แก่ เทคนิคปีนภูเขา เทคนิคตาบูเสริช และเทคนิคอบอ่อน และ หัวข้ออัลกอริทัมอิงประชากร ได้แก่ เทคนิคเจนเนติกอัลกอริทั่มผ่านการเขียนภาษาทางคอมพิวเตอร์

เค้าโครงรายวิชา

  1. บทนำเข้าสู่พื้นฐานของเมตาฮิวริสติก (8 ชม.)
  2. อัลกอริทั่มสำหรับการสร้างและปรับปรุงผลเฉลยด้วยวิธีเมตาฮิวริสติก (8 ชม.)
  3. อัลกอริทั่มอิงพื้นฐานเส้นทาง เทคนิคปีนภูเขา เทคนิคตาบูเสริช เทคนิคอบอ่อน (8 ชม.)
  4. อัลกอริทั่มอิงประชากร เจนเนติกอัลกอริทั่ม (8 ชม.)
  5. การประเมินทางเลือกของวิธีเมตาฮิวริสติกที่เหมาะสม (8 ชม.)
  6. การเขียนเมตาฮิวริสติกสำหรับปัญหามากกว่าหนึ่งจุดประสงค์ (8 ชม.)

ผลสัมฤทธิ์การเรียนรู้

  1. ประยุกต์ใช้เทคนิคเมตาฮิวริสติกทั้งอัลกอริทั่มอิงเส้นทางและอัลกอริทั่มอิงประชากรเพื่อหาผลเฉลยที่ดีที่สุดของแบบจำลองได้
  2. เขียนโครงร่างโครงการวิจัยเบื้องต้นเกี่ยวกับการนำการวิเคราะห์ระบบและการหาค่าใกล้เคียงค่าที่ดีที่สุดไปใช้งานและการสืบค้นงานวิจัยหรือบทความวิชาการได้

 

Metaheuristic Techniques

Prerequisite : None

A survey of selected metaheuristic techniques, constructive metaheuristic algorithm, path-based algorithm such as hill claiming technique, tabu searching technique, simulated and annealing technique and population-based algorithm such as genetic algorithm, implementing metaheuristics from problems throughout the computer, metaheuristics to solve the near-optimization model based on problems in the class assignments.

Course Outline

  1. Introduction to Traditional Methods. (8 hr.)
  2. Constructive and Improvement algorithms. (8 hr.)
  3. Path-based and Population-based algorithms. (8 hr.)
  4. Evolutionary algorithms. (8 hr.)
  5. Multiple objective metaheuristics. (8 hr.)
  6. Practice in models related to near optimization problems. (8 hr.)

Learning Outcomes

  1. Implement the metaheuristic techniques both path-based and population-based algorithm to solve the optimization models.
  2. Compose the model by applying the metaheuristic techniques to solve problems and searching academic papers based on problems in class assignments.