Advanced Algorithms Groep: EII7AAb Studenten: Clermond de Hullu, Wiebren Wolthuis, Simon Wels en Maik Gosenshuis
Inhoudsopgave Manhattan probleem Iteratie 3 Sprint 5 Sprint 6 Demo Vragen 2
Manhattanprobleem 3 Vorige iteraties TSP problematiek Vier koeriers Verdeling van de plattegronden Wat meten we ?
Sprint 5 4 Mierenkolonieoptimalisatie Rank Based Ant System Cycles instelbaar Meetplan Manhattan solver Eerste opzet clustering
Ant colony 5 Rank based ant system Gevonden routes worden gesorteerd Update sterkte afhankelijk van de rank Motivatie Cykels instelbaar
Cykels 6
Meetplan 7 Verschillende instellingen Factoren Tijd De lengte van de route Optimaal? 50 metingen Gebruik van verschillende datasets
Voorbeeld datasets 8
Sprint 6 9 Manhattan solver Verbetering clustering Hybrid Manhattan solver Analyse algoritmen Geautomatiseerd meten Meetplan uitvoeren
Eerste aanpak clustering 10
Quadrant Manhattan Solver 11
Center Cluster Generator 12
2Opt Center Cluster Generator 13
Hybrid Cluster Manhattan Solver 14
Structuur 15
GUI 16
Conclusies metingen 17 Resultaten wijken af Populaties en hun invloed 2-opt Genetisch versus mieren Goede en slechte resultaten, waarop moeten we ons focussen?
Demo 18
Vragen ? 19