Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Possibilistic Framework for Multi-objective Optimization Under Uncertainty Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

8. Application of Genetic Algorithm for Solving Bilevel Linear Programming Problems

verfasst von : M. Ait Laamim, A. Makrizi, E. H. Essoufi

Erschienen in: Bioinspired Heuristics for Optimization

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Bilevel linear programming problem is a special class of nonconvex optimization problems which involves two levels with a hierarchical organization structure. In this paper, we present a genetic algorithm (GA) based approach to solve the bilevel linear programming (BLP) problem. The efficiency of this approach is confirmed by comparing the results with Kuo and Han’s method HGAPSO consisting of a hybrid of GA and particle swarm optimization algorithm (PSO) in Kuo and Han (Applied Mathematical Modelling 35:3905–3917, 2011, [15]) using four problems in the literature and an example of supply chain model. These results show that the proposed approach provides the optimal solution and outperforms HGAPSO for most test problems adopted from the literature.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Multi-capacitated Location Problem: A New Resolution Method Combining Exact and Heuristic Approaches Based on Set Partitioning
Nächstes Kapitel Adapted Bin-Packing Algorithm for the Yard Optimization Problem
Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
An optimization modeling software.
 
Literatur
1.
Ait Laamim, M., Makrizi, A., & Essoufi, E. H. (2017) Genetic algorithm for solving a linear bilevel program. In 5th International Congress of the SM2A, March 16–18, 2017, Meknes, Morocco.
2.
Bard, J. (1984). Optimality conditions for the bilevel programming problem. Naval Research Logistics, 31, 13–26.MathSciNetCrossRef
3.
Bard, J. (1991). Some properties of the bilevel programming problem. Journal of Optimization Theory and Applications, 68, 371–378.MathSciNetCrossRef
4.
Bard, J. (1998). Practical bilevel optimization. algorithms and applications. Boston: Kluwer Academic Publishers.CrossRef
5.
Bard, J. F., & Falk, J. E. (1982). An explicit solution to the multi-level programming problem. Computers and Operations Research, 9, 77–100.MathSciNetCrossRef
6.
Ben-Ayed, O., & Blair, C. E. (1990). Computational difficulties of bilevel linear programming. Operations Research, 38, 556–560.MathSciNetCrossRef
7.
Ben-Ayed, O., Boyce, D. E., & Blair, C. E. (1988). A general bilevel linear programming formulation of the network design problem. Transportation Research, 22, 311–318.MathSciNetCrossRef
8.
Bracken, J., & McGill, J. (1973). Mathematical programs with optimization problems in the constraints. Operations Research, 21, 37–44.MathSciNetCrossRef
9.
Calvete, H. I., Galé, C., & Mateo, P. M. (2008). A new approach for solving linear bilevel problems using genetic algorithms. European Journal of Operational Research, 188, 14–28.MathSciNetCrossRef
10.
Dempe, S. (2002). Foundations of bilevel programming. Boston: Kluwer Academic Publishers.MATH
11.
Gendreau, M., Marcotte, P., & Savard, G. (1996). A hybrid tabu-ascent algorithm for the linear bilevel programming problem. Journal of Global Optimization8, 217–233.
12.
Goldberg, D. (2002). The design of innovation: lessons from and for competent genetic algorithms. Boston: Kluwer Academic Publishers.CrossRef
13.
Hansen, P., Jaumard, B., & Savard, G. (1992). New branch-and-bound rules for linear bilevel programming. SIAM Journal on Scientific and Statistical Computing, 13, 1194–1217.MathSciNetCrossRef
14.
Hejazi, S. R., Memarian, A., Jahanshahloo, G., & Sepehri, M. M. (2002). Linear bi-level programming solution by genetic algorithm. Computers and Operations Research, 29, 1913–1925.MathSciNetCrossRef
15.
Kuo, R. J., Han, Y. S. (2011). A hybrid of genetic algorithm and particle swarm optimization for solving bi-level linear programming problem - A case study on supply chain model. Applied Mathematical Modelling 35, 3905–3917.
16.
Mathieu, R., Pittard, L., & Anandalingam, G. (1994). Genetic algorithm based approach to bi-level linear programming. Operations Research, 28, 1–21.
17.
Michalewicz, Z. (1996). Genetic algorithms \(+\) data structures \(=\) evolution programs (3rd ed.). Berlin: Springer.
18.
Sahin, K. H., & Ciric, A. R. (1998). A dual temperature simulated annealing approach for solving bilevel programming problems. Computers and chemical engineering, 23, 11–25.CrossRef
19.
Simaan, M., & Cruz, J. P. (1973). On the Stackelberg strategy in nonzero-sum games. Journal of Optimization Theory and Applications, 11, 533–555.MathSciNetCrossRef
20.
Stackelberg, H. (1952). The theory of the market economy. Oxford: Oxford University Press.
21.
Talbi, E. G. (2013). A taxonomy of metaheuristics for bi-level optimization. Metaheuristics for bi-level optimization (Vol. 482, pp. 1–39). Berlin: Springer.CrossRef
22.
Wang, G. M., Wang, X. J., Wan, Z. P., & Chen, Y. L. (2005). Genetic algorithms for solving linear bilevel programming. In Proceedings of the Sixth International Conference on Parallel and Distributed Computing Applications and Technologies (PDCAT’05). China: IEEE.
Metadaten
Titel
Application of Genetic Algorithm for Solving Bilevel Linear Programming Problems
verfasst von
M. Ait Laamim
A. Makrizi
E. H. Essoufi
Copyright-Jahr
2019
Buch
Bioinspired Heuristics for Optimization

Print ISBN: 978-3-319-95103-4

Electronic ISBN: 978-3-319-95104-1

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-95104-1_8