Heuristiken

Semi-Greedy-
Heuristiken
2.3 Varianten
Aufgrund der großen Beliebtheit des Greedy-Algorithmus wurden Ende der
1980er Jahre mehrere Varianten entwickelt, welche in vielen Fällen zu besseren
Lösungen führen.
Semi-Greedy-Heuristiken [] fügen in jedem Schritt nicht unbedingt die Lösungskomponente
mit dem höchsten Greedy-Funktionswert f(e) hinzu, sondern bewerten
die möglichen Lösungskomponenten und fügen die besten in eine Kandidatenliste
ein.
Es werden nur die Elemente der hinzugefügt, die im Fall einer Minimierung dem
Kriterium
f(e)≤ fmin + α · (fmax − fmin)
genügen, wobei α ∈ [0, 1], f¡sub¿max¡/sub¿ der bisher schlechteste sowie f¡sub¿min¡/sub¿
der bisher beste Greedy-Funktionswert sind.
Die Aufnahme einer neuen Komponente hängt somit von diesen beiden Greedy-
Funktionswerten ab. Aus der so verwalteten Kandidatenliste wird zufällig ein
Element ausgewählt und der bisherigen Teillösung hinzugefügt.
GRASP GRASP (Greedy Randomized Adaptive Search Procedure) ist eine Metaheuristik,
die systematisch Greedy-Konstruktionsheuristiken randomisiert, um viele
gute Startlösungen für die nachfolgende lokale Suche zu generieren.
GRASP ist ein iterativer Prozess mit den zwei Teilschritten Lösungskonstruktion
und lokale Suche. Die lokale Suche auf der Basis von Greedy-Startlösungen
weist eine geringere Varianz der erzielten Lösungsgüte als die lokale Suche auf
Basis von zufälligen Startwerten [].
Die einzelnen Lösungskomponenten werden wie bei den Semi-Greedy-Heuristiken
in einer Kandidatenliste vorgehalten. Die Auswahl für diese Liste erfolgt auf
Grundlage eines Auswahlkriteriums. Dieses hängt also vom Ergebnis der lokalen
Suche ab und wird nach jeder Iteration aktualisiert .
7