В статье рассматривается использование эвристических алгоритмов для задач оптимизации. Описаны
алгоритмы стохастических оптимизаций, которые составляют основные свойства метаэвристики и ее классов. В
общем виде описаны эволюционные алгоритмы. В частности, приведены основные шаги и свойства генетических
алгоритмов.
Основная цель предлагаемой статьи – это решение проблемы маршрутизации транспортных средств с
использованием метаэвристического алгоритма. Проблема маршрутизации транспортных средств является
сложной комбинаторной NP-полной задачей оптимизации. Показано, что метаэвристический подход к решению
проблемы позволяет получить субоптимальное решение без исследования всего пространства возможных
решений. Генетический алгоритм входит в группу эволюционных алгоритмов. Кратко даны определения
свойственным для генетического алгоритма терминам: ген, хромосома, особи (потомок), популяция, операторы
потомков, скрещивание, мутация, кроссовер. Описывается применение теории конечных автоматов в
генетическом алгоритме. Предложены терминология и схема генетического алгоритма при решении различных задач.