SCCH: Design und Evaluierung von Meta-Heuristiken in Cutting-Stock Problemen

Cutting-Stock Probleme treten sehr häufig im industriellen Umfeld auf und effiziente Lösungen führen in der Regel zu großem wirtschaftlichen Nutzen. Traditionell erfolgt dies mit Techniken der linearen Programmierung, jedoch ist deren Einsatz bei Vorhandensein von nichtlinearen Beschränkungen und Zielfunktionen sehr begrenzt. Aus diesem Grund haben wir einen evolutionären stochastic-local-search (SLS) Algorithmus entwickelt, um Probleme dieser Art zu lösen.

Die Performance und Laufzeit des entwickelten Algorithmus hängt von der Konfiguration und Auswahl der erlaubten Optimierungsoperationen ab und ist stark von Expertenwissen getrieben. Aus diesem Grund wollen wir die Konfiguration der lokalen Optimierungsoperationen in Abhängigkeit von den Optimierungsparametern sowie bestimmten benutzerspezifischen Einschränkungen (z.B. Zeitbegrenzungen) mit Hilfe von Meta-Heuristiken bestimmen. Die Arbeit wird im Wesentlichen aus den folgenden Schritten bestehen:

• Weiterentwicklung eines bestehenden Testframeworks zur Analyse der Auswirkungen von Optimierungsoperationen auf die resultierende Performance
• Entwicklung von Vorhersage- und Identifikationsmodellen, die die Konfiguration der Optimierungsoperationen mit der resultierenden Performance in Beziehung setzen