Wetenschappelijke vergelijking van (meta)heuristische algoritmes: een aanpak gebaseerd op longitudinale analyse.

Optimalisatieproblemen komen voor in een breed scala van zakelijke omgevingen, zoals logistiek en supply chain management, de financiële sector en de gezondheidszorg. Bedrijven in deze domeinen ondersteunen veel van hun beslissingen met behulp van krachtige optimalisatiemethoden. Zodoende kunnen ze niet alleen rendabel en concurrerend, maar ook milieuvriendelijker opereren. Metaheuristieken worden beschouwd als de dominante benadering voor de meeste praktische optimalisatieproblemen. Echter, het ontbreekt momenteel aan een wetenschappelijk verantwoorde methode om de optimalisatie die deze algoritmen verrichten, te analyseren. Alle bestaande werkwijzen zijn gebaseerd op het beginsel van een problematische algoritmische race: metaheuristieken worden geëvalueerd op één willekeurig punt in de tijd. Optimalisatie is echter geen race, maar een complex proces dat een grondige evaluatie gedurende de gehele uitvoering verdient. Het blijkt dat een analyse met deze overwegingen reeds meer dan 40 jaar in klinisch onderzoek wordt uitgevoerd. Deze benadering, zogenaamde longitudinale analyse, wordt vaak gebruikt om experimenten te evalueren ter bepaling van de effectiviteit van nieuwe behandelingen (waarbij meerdere individuen meerdere malen onderzocht). Het belangrijkste doel van dit voorstel is een degelijke methodologie, op basis van de strenge aanpak van longitudinale analyse, te ontwikkelen om zodoende (meta)heuristieken op een wetenschappelijk verantwoorde wijze te evalueren. De methodologie zal worden ontwikkeld als een open source softwarepakket, zodat onderzoekers de methoden op een eenvoudige en gebruiksvriendelijke manier kunnen toepassen.

Trefwoorden:META-HEURISTIEKEN

Disciplines:Toegepaste wiskunde, Statistische en numerieke methoden