Наведено класифікацію методів розв'язання задач комбінаторної оптимізації (ЗКО) на основі понять метаевристик першого та другого роду. Розроблений підхід дозволяє класифікувати не лише існуючі, але й розроблювані алгоритми комбінаторної оптимізації (АКО). Розроблено нові наближені алгоритми стохастичного локального пошуку, які належать до метаевристик першого роду. Запропоновано підхід до побудови гібридних алгоритмів на базі генетичних алгоритмів і GS-алгоритмів, які відносяться до метаевристик другого роду. Проведено теоретичний аналіз ефективності та досліджено практичну застосовність розроблених алгоритмів. Розроблено математичну модель оптимізації прийняття рішень за планування технологічних процесів на великому металургійному комбінаті (МК), яка враховує найбільш суттєві обмеження та технологічні норми на типовому МК.

  Завантажити