Rys. 4. Proponowane rozwiązanie problemu dostawy dla 400 miast, z ograniczeniem długości ścieżki do 25 miast, odnalezione po 690 sekundach obliczeń. Jak widać na rysunku, program został uruchomiony w 6-ciu osobnych wątkach. Na mapie zawsze widzimy najlepsze znalezione rozwiązanie spośród rozwiązań generowanych przez wszystkie wątki.
Napisana przez nas aplikacja pozwoliła nam poznać działanie i ideę algorytmów genetycznych. Ponieważ podczas implementacji napotykaliśmy na pewne problemy z samym działaniem algorytmu, nieocenioną pomocą okazała się graficzna reprezentacja postępów pracy algorytmu. Dało nam to możliwość określenia czy kolejne generacje dokonują optymalizacji i co najważniejsze byliśmy w stanie ocenić czy algorytm faktycznie dąży do wyników optymalnych.
Przy pomocy naszego projektu niestety nie byliśmy w stanie ocenić wydajności samego algorytmu, przy takim typie zadań, poprzez porównania go z innymi metodami optymalizacyjnymi.
Zauważalną cechą jest zdecydowanie fakt, jak wiele modyfikacji można dokonać w samym algorytmie w celach optymalizacyjnych - bardzo zależało nam na zoptymalizowaniu algorytmu pod względem czasowym. Uważamy, że uzyskany efekt w postaci stosunku szybkości do otrzymanych wyników jest bardzo zadowalający.
Wikipedia.org
Eioba.pl
Obitko.com