Vad är Simons beslutsmodell?

Simons modell bygger på förutsättningen att beslut utslag null. Beslutsfattande i Simons modell präglas av begränsad informationsbearbetning och användning av reglerna. Simmons beslutsmodell fyra faser
1) intelligens fas
2) konstruktionsfasen
3) val fas
4) genomförandefasen
Inledningsvis kommer problemet och vi är i intelligens fas tänkande av problemet som det gäller och då vi försöker ta reda på vad lösningen på det givna problemet och sedan vi gå till design fas. I design-fasen hur och metod att lösa problemet är tänkt och vi försöker faktiskt analysera problemet, vi försöker hitta algoritmerna och det sätt som faktiskt kan lösa problemet och därför använder vi den genetiska algoritmen för att hitta en lösning på det givna problemet. Efter att hitta den metod som skall tillämpas på viss problemet flyttar vi till val fas och här kommer det verkliga arbetet med att hitta den bästa algoritmen. Här försöker vi hitta den bästa algoritmen från given uppsättning algoritm har vi möjlighet att välja algoritmer som "ACO" algoritm som kallas myra koloni optimering algoritmen eller vi har valet av att hitta algoritmen som simulerade glödgning (SA) är en liknande global optimering teknik som korsar Sök utrymmet genom att testa slumpmässiga mutationer på en individuell lösning. En mutation som ökar konditionen accepteras alltid. En mutation som sänker fitness accepteras probabilistically baserat på skillnaden i fitness och en minskande temperatur parameter. I SA språkbruk talar en av söker den lägsta energin istället för maximal användbarhet. SA kan också användas inom en standard GA algoritm genom att starta med en relativt hög frekvens av mutation och minska den över tiden längs ett visst schema. Efter att ha beslutat att genetiska algoritmen är den lämpligaste algoritmen för programmering vi flytta till nästa steg som är den implemetation fasen här den verkliga implemeation av slotuin görs vi implemet den given lösningen med hjälp av algoritmen geneteic enligt det givna problemet.

I viss problemet en lista över 26 artiklar ges har de alla olika pris, olika vikter och olika volymer. Problemet säger att vi måste hitta de artiklar som kan monteras det givna utrymmet av behållaren antalet objekt valt att monteras det givna utrymmet skall vara sådan att vikten och volymen av de markerade objekten inte bör mer än den totala tillåtna volymen och vikt i behållaren.
Vården måste tas så att den totala vikten och volymen av de markerade objekten inte bör överstiga mer än den tillåtna vikten och volymen.   Simmons beslutsmodell fyra faser
1) intelligens fas
2) konstruktionsfasen
3) val fas
4) genomförandefasen
Inledningsvis kommer problemet och vi är i intelligens fas tänkande av problemet som det gäller och då vi försöker ta reda på vad lösningen på det givna problemet och sedan vi gå till design fas. I design-fasen hur och metod att lösa problemet är tänkt och vi försöker faktiskt analysera problemet, vi försöker hitta algoritmerna och det sätt som faktiskt kan lösa problemet och därför använder vi den genetiska algoritmen för att hitta en lösning på det givna problemet. Efter att hitta den metod som skall tillämpas på viss problemet flyttar vi till val fas och här kommer det verkliga arbetet med att hitta den bästa algoritmen. Här försöker vi hitta den bästa algoritmen från given uppsättning algoritm har vi möjlighet att välja algoritmer som "ACO" algoritm som kallas myra koloni optimering algoritmen eller vi har valet av att hitta algoritmen som simulerade glödgning (SA) är en liknande global optimering teknik som korsar Sök utrymmet genom att testa slumpmässiga mutationer på en individuell lösning. En mutation som ökar konditionen accepteras alltid. En mutation som sänker fitness accepteras probabilistically baserat på skillnaden i fitness och en minskande temperatur parameter. I SA språkbruk talar en av söker den lägsta energin istället för maximal användbarhet. SA kan också användas inom en standard GA algoritm genom att starta med en relativt hög frekvens av mutation och minska den över tiden längs ett visst schema. Efter att ha beslutat att genetiska algoritmen är den lämpligaste algoritmen för programmering vi flytta till nästa steg som är den implemetation fasen här den verkliga implemeation av slotuin görs vi implemet den given lösningen med hjälp av algoritmen geneteic enligt det givna problemet.

I viss problemet en lista över 26 artiklar ges har de alla olika pris, olika vikter och olika volymer. Problemet säger att vi måste hitta de artiklar som kan monteras det givna utrymmet av behållaren antalet objekt valt att monteras det givna utrymmet skall vara sådan att vikten och volymen av de markerade objekten inte bör mer än den totala tillåtna volymen och vikt i behållaren.
Vården måste tas så att den totala vikten och volymen av de markerade objekten inte bör överstiga mer än den tillåtna vikten och volymen.