Können Algorithmen Transportprobleme lösen? Diese Forschung befasst sich mit dem NP-schweren Problem der Fahrplanerstellung für Fahrer im öffentlichen Personennahverkehr, indem sie einen hybriden Ansatz unter Einbeziehung eines genetischen Algorithmus (GA) vorstellt. Die Rolle des GA besteht darin, eine kleine Auswahl guter Schichten abzuleiten, um eine Greedy-Heuristik für die Fahrplanerstellung zu initialisieren. Dieser Initialisierungsprozess lenkt die Heuristik auf vielversprechendere Bereiche des Lösungsraums und beschleunigt die Suche nach optimalen Fahrplänen. Eine Gruppe von Schichten, die als Entlastungskette bezeichnet wird, wird identifiziert und aufgezeichnet. Die Entlastungskette wird dann von den Nachkommen geerbt und vom GA für die Fahrplanerstellung verwendet. Der neue Ansatz wurde unter Verwendung von realen Datensätzen getestet, von denen einige sehr große Probleminstanzen darstellen. Die Ergebnisse sind im Allgemeinen besser als die von erfahrenen Planern zusammengestellten und vergleichbar mit Lösungen, die durch ganzzahlige lineare Programmierung (ILP) gefunden wurden. In einigen Fällen wurden Lösungen erhalten, wenn das ILP innerhalb praktischer Berechnungsgrenzen scheiterte. Dieser hybride Ansatz, der die Stärken evolutionärer Algorithmen und Heuristiken kombiniert, bietet ein leistungsstarkes Werkzeug zur Bewältigung komplexer Planungsherausforderungen im öffentlichen Personennahverkehr. Diese Forschung trägt zur Optimierung von Verkehrssystemen und Ressourcenmanagement bei.
Dieser Artikel wurde in Evolutionary Computation veröffentlicht und passt perfekt zum Fokus der Zeitschrift. Er stellt eine neuartige Anwendung eines genetischen Algorithmus zur Lösung eines komplexen Optimierungsproblems vor. Dies steht in direktem Einklang mit dem Umfang der Zeitschrift, Forschungsergebnisse zur evolutionären Berechnung und ihren Anwendungen zu veröffentlichen.