Self-organizing migrating algorithm applied to discrete event simulation optimization

Abstract

The paper deals with testing and evaluation of a modified Self-Organizing Migrating Algorithm (SOMA) applied to different discrete event simulation models. These models are focused on real problems in industrial companies. The SOMA heuristic optimization method is derived from the Differential Evolution method, which is effective for different dimensional search spaces of the simulation models. We specify the ranges of each algorithm parameter and test all the possible combinations of settings of the algorithm within the specified ranges. We repeat the simulation optimization experiments to reduce the random behaviour of the algorithm. We propose a methodology using different evaluation criteria to analyse the SOMA behaviour of finding the optimum of an objective function specified for each discrete event simulation model.

Článek se zabývá testováním a vyhodnocením modifikovaného algoritmu SOMA (Samo-organizující se migrační algoritmus) aplikovaného na různé diskrétní simulační modely. Modely jsou zaměřeny na praktické problémy v podnikové sféře. Algoritmus heuristické optimalizační metody SOMA je odvozen od metody Diferenciální evoluce, která byla shledána efektivní při hledání optima ve vícerozměrných prohledávaných prostorech simulačních modelů. Pro účely testování byly specifikovány rozsahy pro jednotlivé parametry algoritmu. Provedli jsme testování všech přípustných kombinací nastavení parametrů algoritmu vzhledem ke specifikovaným rozsahům. Simulační experimenty jsme několikrát opakovaly za účelem redukce náhodného chování algoritmu. Byla také navržena metodika, která využívá různá hodnotící kritéria za čelem analýzy chování algoritmu SOMA při hledání optima účelové funkce. Pro každý diskrétní simulační model byla definována vlastní účelová funkce.