Korrekturläsa min diskussion och slutsats

Hej!
Först nu såg jag att du redan skrivit en inledande förklaring i en tidigare tråd. Den behöver man.

Min fråga är vilka vänder du dig till? Enbart de väldigt intresserade och som går eller leder exakt den utbildning du går?
Vänder du dig till fler så bör du nog ändra en del. Sedan kanske du redan tidigare har förklarat alla begrepp och gjort tydligt alla hänvisningar, men det syns ju inte i det här utdraget.

Om vi tittar på första stycket:

1) Två heuristiker har använts. Finns de beskrivna tidigare i materialet? Finns källhänvisningar?
2) Tillordnings och handelsresande problem. Är de alltså skrivna för att lösa handelsresandes färdrutter?
3)  Autonoma fordon. Är det enskilda fordon som åsyftas?
4)  Personen Maaroji. Har du tdigare förklarat hans Heuristik och finns källhänvisning?
5)  Gruppnod. Är det den fysiska platsen? I det här fallet hyllplatsen?

Jag vet inte om min frågeställning är relevant, men med enbart gymnasiestudier och ett livs erfarenhet så är det väl ungefär så långt jag kan hjälpa dig.
Om det är till hjälp så läser jag gärna resten också.

Edit: OK nu har jag sett att du har ytterligare 5 trådar om detta, men jag inväntar ditt svar, innan jag läser igenom dem.

Hej igen!

Allt som du har nämnt tidigare i första stycket har beskrivits tidigare. Syftet är enbart språket( böjningar osv), Om det är rätt skrivit.

Undrar om du har tid att läsa min rapport ? Det skulle vara jätte snällt, för då får du hela bilden. :) 

Mvh

Jag vänder till alla och till de intressanta som vill läsa och kolla om språket är rätt

alexander19961, du kan redigera dina inlägg om ingen annan har svarat i tråden efter att du gjort ett inlägg. Då slipper vi situationer där det ser ut som att du spammar tråden. /Moderator

Det skulle vara lättare att peka på fel ifall din text gick att kopiera.

1.   Diskussion
 
För att kunna minimera tideffekten i varje experiment har två heuristiker använts. Dessa heuristiker används för att lösa tillordnings- och handelsresandeproblem. Enligt tidigare studier fanns flera olika heuristiker som kan kombineras ihop för att lösa samplanering mellan flera autonoma fordon. Vissa heuristiker ger bättre lösningar medan andra sämre lösningar på grund av att olika heuristiker har olika egenskaper och kan användas på flera olika sätt, beroende på problemtypen. Första heuristiken som togs fram var en modifierad version av Maaroju heuristik utan kostnadsmatris. Denna heuristik användes eftersom problemet inte baserades på en förbestämd kostnad. Heuristiken anses vara passande i det aktuella problemet eftersom experimenten utgick från att tilldela jämnt antal gruppnoder till respektive fordon. Närmaste granne algoritmen används sedan för att beräkna rutten som fordonen kan färdas för att utföra förflyttningsuppdrag. Heuristiker garanterar inte att lösningen till problemet är optimal men är tillräckligt bra lösning för ändamålet. Detta resulterar till att resultatet kan byggas på lösningar som skulle kunna vara bättre.
 
Testdata för nätverket påverkar heuristiken eftersom den bestämmer i vilken ordning fordonen ska färdas till respektive gruppnod för att utföra förflyttningsuppdrag. Ett nätverk med utsprida gruppnoder ger en bättre förståelse över hur heuristiken kan hitta en bra lösning, eftersom avståndet mellan varje gruppnod varierar.
 
Troligtvis är det lättare för heuristiken att hitta lösningar nära optimum när antalet autonoma fordon ökar för att utföra ett antal gruppnoder. Detta visas tydligt i figur 7 att tidseffekten är väldigt hög när ett autonomt fordon som utförde 30 gruppnoder. När antalet autonoma fordon ökar och antal gruppnoder jämnfördelad till respektive fordon, minskar tidseffekten för att utföra 30 gruppnoder enligt figur 8 och 9. När flera autonoma fordon används för att utföra gruppnoder anges flera tidseffekter. I det här experimentet används tidseffekten för fordon två för att jämföra med resultat med ett autonomt fordon på grund av att tidseffekten på fordon två är den faktiska tiden där alla gruppnoder slutförs.
 
Resultatet från experimenten tydliggör att tidsskillnaden för respektive fordon skiljer sig mycket mellan varandra. Detta kan bero på att det valda nätverket som användes i denna rapport var slumpmässigt och inte ett traditionellt lagernätverk. I figur 6 visar en utformning av det valda nätverket där positionen för respektive gruppnod genereras med hjälp av testdata som består av två kolumnvektorer. Positionen för en gruppnod i ett lager har stor betydelse eftersom den kan påverka tidseffekten för varje autonomt fordon. I figuren kan man se att gruppnoderna är utsprida, vilket gör att avståndet mellan varje gruppnod är inte lika långa. Detta innebär att fordon som färdas mellan gruppnoder kan ta längre eller kortare tid beroende på utformning av nätverket. En annan faktor som kan påverka tidseffekten är placeringen av depå. Genom att ändra placering på depån påverkas ordningen av gruppnoder som ska genomföras.
 
Införandet av fler autonoma fordon medför investeringskostnad som måste jämföras med tidseffekten som görs. I figur 10 visas det att tidseffekten avtar ju fler autonoma fordon som redan används, för att utföra antal gruppnoder. Figuren visar också tidsskillnaden när antalet autonoma ökar kan varieras. Det intresseväckande med resultatet var när antalet autonoma fordon ökar från ett till tre minskar tideffekten, jämfört med när antalet fordon ökar från tre till sex samt från sex till tio. Varför det inte finns någon signifikant skillnad i det fallet är svårt att säga. Detta kan bero på att avståndet till varje gruppnod varierar. Vissa fordon kan bli tilldelade en gruppnod som ligger längst bort från depån. På så sätt ackumuleras tidseffekten.
 
För att avgöra om lösningar från heuristiken kan förbättras gjordes ett antal slumpmässigt byte av gruppnoder mellan tre autonoma fordon. I figur 11 ger en inblick över vilka tidseffekter som den modifierade Maaroju heuristik och Närmaste granne algoritm hittar under alla iterationer i en replikation. Heuristiken finner i iteration 29 en lösning som har en betydligt bättre tidseffekt än den initiala tiden. Därefter hittas en ny bästa lösning sju gånger vid olika iterationer, som varje gång förbättras tidseffekten marginellt jämfört med den föregående bästa lösning. Eftersom slumpmässigt byte av gruppnoder gjordes, går det inte att förutspå när en ny bästa lösning hittas. Därmed skulle en förbättring av experimenten vara att öka antalet iterationer att fler lösningar kan hittas.
 
En förbättringsmöjlighet för tidseffekt var att utgå från ett traditionellt lagernätverk. Eftersom nätverket anpassar till en verklig lagerlayout, det vill säga nätverket skulle vara mycket bättre i verklighetskoppling. Ytterligare förbättring är att undersöka för ännu fler heuristiker exempelvis genetik algoritm och insättningsheuristiker. Detta hade då kunnat jämföra resultaten mellan heuristikerna samt dra slutsatser krig de olika faktorer som påverkar resultatet. Ytterligare förbättring ligger dock inte inom tidsramen för rapporten.
 
 
 
 
8.   Slutsats
 
Slutsatserna baseras på metoden som är begränsad under givna förutsättningar. Under experimenten var testdata tvungna att antas, eftersom både lagernätverk och autonoma fordon var fiktiva. Detta resulterar till att flera slutsatser kan dras från resultatet.
 
Det finns ett stort antal heuristiker som tidigare har lämpat sig och används för att lösa samplanering med flera autonoma fordon. Vissa heuristiker täcker endast ruttplanering för autonoma fordon medan andra täcker tilldelning av gruppnoder. Den implementerade heuristiken är den modifierade Maaroju heuristik utan kostnadsmatris och Närmaste granne algoritmen. Heuristiken lämpade sig väl för problemet i rapporten, men kan också implementeras till annan typ av lagernätverk och med ännu fler antal autonoma fordon.
 
Resultat visar att det finns en tidsförbättring när antalet autonoma fordon ökar för att utföra antal gruppnoder. Däremot uppstod det en stor tidsskillnad mellan respektive fordon trots att gruppnoderna var jämnfördelade. Faktorerna som antas påverka tidsskillnaden är utformning av nätverket och placeringen av depå. Hur mycket faktorerna påverkar tidsskillnad är svårt att säga. Resultatet från heuristiken visar även att genom ett antal slumpmässigt byte av gruppnoder kan nya bästa lösningar hittas.
 
Hur tidsskillnaden förändras när antalet autonoma fordon ökar för att utföra gruppnoder har också undersökts. Slutsatsen som kan dras är att tidseffekten minskas ju fler autonoma fordon som används för att utföra gruppnoder.
 
 
 

Jag tycker den här meningen är obegriplig: "Detta visas tydligt i figur 7 att tidseffekten är väldigt hög när ett autonomt fordon som utförde 30 gruppnoder".

Vad menar du med "När flera autonoma fordon används för att utföra gruppnoder anges flera tidseffekter"? Jag skulle gärna se en definition av termen "tidseffekt" över huvud taget, men vad betyder "anges" i den meningen?

"Därmed skulle en förbättring av experimenten vara att öka antalet iterationer att fler lösningar kan hittas" Menar du "så att fler ..."?

Vad betyder det att "utföra en gruppnod"?

Gruppnod= hyllningsplats 

Det här är för ett fordon, när jag implementerar in 3 fordon så kommer de 30 gruppbilder att delas in till 10 gruppnod var för varje fordon. Det är det jag menas med ”anges”.

ja precis så att fler, efter som oavsett mina algoritm ger aldrig en optimal lösning.

Det är kombinationerna "ange tidseffekt" och "utföra gruppnod" som jag inte förstår.

autonoma fordon utföra olika uppdrag med hjälp av flera gruppnoder i en lagermiljö. En gruppnod beskriver ett uppdrag i en nätverksmodell som hämtar upp en vara på ett ställe och sedan lämnar av på ett annat ställe i samma gruppnod.

tidseffekten är den tiden det tar för varje n fordon att utföra olika uppdrag.

Vet inte om du förstod vad jag menar nu..

alexander19961 skrev:

Undrar om du har tid att läsa min rapport ? Det skulle vara jätte snällt, för då får du hela bilden. :) 

 

Mvh

Nu har jag läst igenom alla trådarna i frågan och förstår mycket bättre vad du skriver om.
Det finns väl lite språkliga småfel här och var, men inte så att det påverkar texten mycket negativt.
Jag vet inte om ni har tillgång till en handledare på Universitetet, men alltid finns det väl någon som kan hjälpa dig att se om det duger som det är?
En fråga har jag om meningen som innehåller "handelsresandeproblem" vart har du hämtat den? Är det någon som skrivit om det tidigare som du hänvisar till?
I det här sammanhanget du skriver om borde det väl mer handla om "varuförflyttning"?

I mina ögon ett väldigt ambitiöst projekt som imponerar. Hoppas att det går bra för dig? Det skulle vara mycket intressant att se slutresultatet sedan.

Undrar om vilka språkliga småfel har du stött på under läsningen ? :)

alexander19961 skrev:

1.   Diskussion
 
För att kunna minimera tidseffekten i varje experiment har två heuristiker använts. Dessa heuristiker används för att lösa tillordnings- och handelsresandeproblem. Enligt tidigare studier finns flera olika heuristiker som kan kombineras ihop för att lösa samplanering mellan flera autonoma fordon. Vissa heuristiker ger bättre lösningar medan andra ger sämre lösningar på grund av att olika heuristiker har olika egenskaper och kan användas på flera olika sätt, beroende på problemtypen. Första heuristiken som togs fram var en modifierad version av Maaroju heuristik utan kostnadsmatris. Denna heuristik användes eftersom problemet inte baserades på en förutbestämd kostnad. Heuristiken anses vara passande i det aktuella problemet eftersom experimenten utgick från att tilldela ett jämnt antal gruppnoder till respektive fordon. Närmaste granne algoritmen används sedan för att beräkna rutten som fordonen kan färdas för att utföra förflyttningsuppdragen. Heuristiker garanterar inte att lösningen till problemet är optimal men är en tillräckligt bra lösning för ändamålet. Detta resulterar till att resultatet kan byggas på lösningar som skulle kunna vara bättre.
 
Testdata för nätverket påverkar heuristiken eftersom den bestämmer i vilken ordning fordonen ska färdas till respektive gruppnod för att utföra förflyttningsuppdrag. Ett nätverk med utsprida gruppnoder ger en bättre förståelse över hur heuristiken kan hitta en bra lösning, eftersom avståndet mellan varje gruppnod varierar.
 
Troligtvis är det lättare för heuristiken att hitta lösningar nära optimum när antalet autonoma fordon ökar för att utföra ett antal gruppnoder. Detta visas tydligt i figur 7 att tidseffekten är väldigt hög när ett autonomt fordon som utförde 30 gruppnoder. När antalet autonoma fordon ökar och antal gruppnoder är jämnfördelade till respektive fordon, minskar tidseffekten för att utföra 30 gruppnoder enligt figur 8 och 9. När flera autonoma fordon används för att utföra gruppnoder anges flera tidseffekter. I det här experimentet används tidseffekten för fordon två för att jämföra med resultat med ett autonomt fordon på grund av att tidseffekten på fordon två är den faktiska tiden där alla gruppnoder slutförs.
 
Resultatet från experimenten tydliggör att tidsskillnaden för respektive fordon skiljer sig mycket mellan varandra. Detta kan bero på att det valda nätverket som användes i denna rapport var slumpmässigt och inte ett traditionellt lagernätverk. I figur 6 visas en utformning av det valda nätverket där positionen för respektive gruppnod genereras med hjälp av testdata som består av två kolumnvektorer. Positionen för en gruppnod i ett lager har stor betydelse eftersom den kan påverka tidseffekten för varje autonomt fordon. I figuren kan man se att gruppnoderna är utsprida, vilket gör att avståndet mellan varje gruppnod inte är lika långa. Detta innebär att fordon som färdas mellan gruppnoder kan ta längre eller kortare tid beroende på utformning av nätverket. En annan faktor som kan påverka tidseffekten är placeringen av depån. Genom att ändra placering på depån påverkas ordningen av gruppnoder som ska genomföras.
 
Införandet av fler autonoma fordon medför en investeringskostnad som måste jämföras med den tidseffekten som görs. I figur 10 visas det att tidseffekten avtar ju fler autonoma fordon som redan används, för att utföra antal gruppnoder. Figuren visar också att tidsskillnaden när antalet autonoma ökar kan varieras. Det intresseväckande med resultatet är att när antalet autonoma fordon ökar från ett till tre så minskar tidseffekten, jämfört med när antalet fordon ökar från tre till sex samt från sex till tio. Varför det inte finns någon signifikant skillnad i det fallet är svårt att säga. Detta kan bero på att avståndet till varje gruppnod varierar. Vissa fordon kan bli tilldelade en gruppnod som ligger längst bort från depån. På så sätt ackumuleras tidseffekten.
 
För att avgöra om lösningar från heuristiken kan förbättras gjordes ett antal slumpmässiga byten av gruppnoder mellan tre autonoma fordon. I figur 11 ges en inblick över vilka tidseffekter som den modifierade Maaroju heuristik och Närmaste granne algoritm hittar under alla iterationer i en replikation. Heuristiken finner i iteration 29 en lösning som har en betydligt bättre tidseffekt än den initiala tiden. Därefter hittas en ny bästa lösning sju gånger vid olika iterationer, som varje gång förbättrar tidseffekten marginellt jämfört med den föregående bästa lösningen. Eftersom slumpmässigt byte av gruppnoder gjordes, så går det inte att förutspå när en ny bästa lösning hittas. Därmed skulle en förbättring av experimenten vara att öka antalet iterationer så att fler lösningar kan hittas.
 
En förbättringsmöjlighet för tidseffekten var är att utgå från ett traditionellt lagernätverk. Eftersom nätverket anpassas till en verklig lagerlayout, det vill säga nätverket skulle vara mycket bättre i en verklighetskoppling. Ytterligare förbättring är kan vara att undersöka för ännu fler heuristiker, exempelvis genetik algoritm och insättningsheuristiker. Detta hade då kunnat användas för att jämföra resultaten mellan olika heuristikerna samt att dra slutsatser kring de olika faktorer som påverkar resultaten. Ytterligare förbättringar ligger dock inte inom tidsramen för rapporten.
 
 
 
 
8.   Slutsats
 
Slutsatserna baseras på metoden som är begränsad under givna förutsättningar. Under experimenten var testdata tvungna att antas, eftersom både lagernätverk och autonoma fordon var fiktiva. Detta resulterar till i att flera slutsatser kan dras från resultatet.
 
Det finns ett stort antal heuristiker som tidigare har lämpat sig tillämpats och används för att lösa samplanering med flera autonoma fordon. Vissa heuristiker täcker endast ruttplanering för autonoma fordon medan andra täcker tilldelning av gruppnoder. Den implementerade heuristiken är den modifierade Maaroju heuristik utan kostnadsmatris och Närmaste granne algoritmen. Heuristiken lämpade sig väl för problemet i rapporten, men kan också implementeras till en annan typ av lagernätverk och med ännu fler antal autonoma fordon.
 
Resultat visar att det finns en tidsförbättring när antalet autonoma fordon ökar för att utföra antal gruppnoder. Däremot uppstod det en stor tidsskillnad mellan respektive fordon trots att gruppnoderna var jämnfördelade. Faktorerna som antas påverka tidsskillnaden är utformningen av nätverket och placeringen av depån. Hur mycket faktorerna påverkar tidsskillnaden är svårt att säga. Resultatet från heuristiken visar även att genom ett antal slumpmässiga byten av gruppnoder kan nya bättre lösningar hittas.
 
Hur tidsskillnaden förändras när antalet autonoma fordon ökar för att utföra gruppnoder har också undersökts. Slutsatsen som kan dras är att tidseffekten minskas ju fler autonoma fordon som används för att utföra gruppnoder.
 
 
 

Hej som du ser har jag strukit en del och lagt till annat med kursiv fet text.
Det är bara förslag från min sida och det är möjligt att någon annan ser på det på ett annat sätt?

Verkligen ett bra underlag och intressanta slutsatser!!!