Prognozowanie popytu ma na celu przede wszystkim obniżenie kosztów działalności przedsiębiorstwa: magazynowania oraz utraty sprzedaży związanej z niedoborami. Duży stopień skomplikowania otoczenia biznesowego sprawia, że prognozowanie popytu za pomocą modeli deterministycznych może nie przynosić oczekiwanych rezultatów. Wówczas należy posłużyć się modelami stochastycznymi. Jednym z takich modeli jest algorytm genetyczny.

Algorytm genetyczny – wykorzystanie praw przyrody w ekonomii

Algorytm genetyczny jest próbą wykorzystania doskonałych praw przyrody w ekonomii. Podobnie jak w biologii, używa się pojęć: gen, chromosom, populacja, mutacja, czy krzyżowanie.

Proces optymalizacji zatowarowania rozpoczyna się od stworzenia losowej populacji chromosomów. Każdy chromosom zawiera geny, czyli zmienne, które będą podlegały modyfikacjom. Geny muszą spełniać ograniczenia modelu danych, jednak są zakodowane w postaci kolejnych liczb naturalnych. Dla każdego chromosomu z populacji sprawdzany jest stopień jego dostosowania przy zastosowaniu metody ruletki.

W kolejnym kroku losuje się chromosomy do krzyżowania. Im lepsze dostosowanie, tym większa szansa wylosowania, czyli przetrwania. Krzyżowanie to wymiana genów pomiędzy poszczególnymi chromosomami.

Wyselekcjonowane i skrzyżowane chromosomy mogą podlegać dalszym mutacjom. Mutacja polega na wylosowaniu nowej wartości genu dla wybranych chromosomów.

Po zakończeniu mutacji wskazywane są chromosomy do przetrwania z pary: rodzic, dziecko, w wyniku czego powstaje nowa generacja populacji. Część chromosomów została, inne zniknęły, bądź zmieniły się na skutek krzyżowania i mutacji. Nowa generacja ponownie poddana jest całemu procesowi. W kolejnych iteracjach będą powstawały nowe populacje z chromosomami coraz lepiej dostosowanymi do otaczającego środowiska.

… a gdzie go zastosować?

Algorytmy genetyczne mają zastosowanie w sytuacjach, gdy nie są znane sposoby rozwiązywania problemu, natomiast można ocenić jakość rozwiązania. Przykładem wykorzystania może być minimalizacja funkcji kosztów zatowarowania sieci sprzedaży. Jeśli przyjmiemy, że koszt zależy od wielkości partii oraz częstotliwości zamówienia, wówczas chromosom będzie składał się z 2 genów. Optymalizacją będzie znalezienie wystarczająco dobrej kombinacji tych wartości, która pomoże zminimalizować zadaną funkcję kosztów. Niewątpliwą zaletą algorytmu genetycznego jest szybkość uzyskania zadowalających rezultatów. Oczywiście im więcej zmiennych w funkcji, tym mechanizm staje się bardziej skomplikowany. Jednak moc obliczeniowa dzisiejszych komputerów pozwala na rozwiązywania nietrywialnych problemów.

Prognozowanie popytu nie jest jedyną dziedziną, w której znakomicie sprawdza się algorytm genetyczny. Można go stosować m.in. w szeroko pojętych: informatyce, inżynierii, chemii, matematyce, elektronice, telekomunikacji i wielu innych.

Podobne