Tilbake til søkeresultatene

F-INF-Naturvitenskap, informatikk

Large scale egenvalue problems

Tildelt: kr 2,2 mill.

Algoritmer og programvare for store egenverdiproblemer er i rask utvikling og ARPACK fra Rice University er betraktet som beste programvare. Det er velkjent at regularisering så som Tikhonov regularisering er ekvivalent med et minste kvadratproblem med en a priori (entropi) begrensning. Dette problemet er igjen ekvivalent med et egenverdiproblem hvor metodene som benyttes i ARPACK er spesielt hensiktsmessige. I prosjektet vil vi sammen med utviklerne av ARPACK ved Rice University, videreutvikle ARPACK slik at store inversproblemer kan løses. Dette gir oss mulighet til regularisering av "ill-posed" problemer med begrensninger så som ikke negative løsninger. I det generelle ruteplanleggingsproblemet skal gitte kvanta av et produkt leveres av en flåte med kjøretøyer til en mengde kunder. Målet er å finne ruter som hvert kjøretøy skal følge slik at hver kunde får sin etterspørsel dekket, og totale kjørekostnade r minimeres. I det problemet som skal studeres antar vi at levering bare kan finne sted innenfor tidsvinduer. Å løse slike problem har vist seg å være meget krevende. Vi vil utvikle, analysere og implementere metoder for å løse ruteplanleggingsproblem med tidsvindu ved hjelp av metaheuristiske metoder basert på søylegenerering. Stabilitet av metoden vil bli forsøkt analysert gjennom egenverdiene beregnet av ARPACK.

Budsjettformål:

F-INF-Naturvitenskap, informatikk

Temaer og emner

Ingen temaer knyttet til prosjektet