Download the full version of the textbook now at textbookfull.

com

Grouping Genetic Algorithms: Advances and

Applications 1st Edition Michael Mutingi

https://textbookfull.com/product/grouping-genetic-
algorithms-advances-and-applications-1st-edition-
michael-mutingi/

Explore and download more textbook at https://textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Advances in Metaheuristics Algorithms Methods and

Applications Erik Cuevas

https://textbookfull.com/product/advances-in-metaheuristics-
algorithms-methods-and-applications-erik-cuevas/

textbookfull.com

Advances and Applications of Optimised Algorithms in Image

Processing 1st Edition Diego Oliva

https://textbookfull.com/product/advances-and-applications-of-
optimised-algorithms-in-image-processing-1st-edition-diego-oliva/

textbookfull.com

Genetic Algorithms in Java Basics Jacobson Lee Kanber

Burak

https://textbookfull.com/product/genetic-algorithms-in-java-basics-
jacobson-lee-kanber-burak/

textbookfull.com

18th edition IET wiring regulations Design and

verification of electrical installations Scaddan

https://textbookfull.com/product/18th-edition-iet-wiring-regulations-
design-and-verification-of-electrical-installations-scaddan/

textbookfull.com
Routledge handbook of security studies 2nd Edition Myriam
Dunn Cavelty (Editor)

https://textbookfull.com/product/routledge-handbook-of-security-
studies-2nd-edition-myriam-dunn-cavelty-editor/

textbookfull.com

Nonduality In Buddhism and Beyond David R. Loy

https://textbookfull.com/product/nonduality-in-buddhism-and-beyond-
david-r-loy/

textbookfull.com

Business Analytics Data Analysis Decision Making 6th

Edition S. Christian Albright

https://textbookfull.com/product/business-analytics-data-analysis-
decision-making-6th-edition-s-christian-albright/

textbookfull.com

Picture This How Pictures Work Art Books Graphic Design

Books How To Books Visual Arts Books Design Theory Books
Bang
https://textbookfull.com/product/picture-this-how-pictures-work-art-
books-graphic-design-books-how-to-books-visual-arts-books-design-
theory-books-bang/
textbookfull.com

The Manager s Legal Handbook 9th Edition Sachi Barreiro

https://textbookfull.com/product/the-manager-s-legal-handbook-9th-
edition-sachi-barreiro/

textbookfull.com
Comparative Kurdish Politics in the Middle East: Actors,
Ideas, and Interests 1st Edition Emel Elif Tugdar

https://textbookfull.com/product/comparative-kurdish-politics-in-the-
middle-east-actors-ideas-and-interests-1st-edition-emel-elif-tugdar/

textbookfull.com
Studies in Computational Intelligence 666

Michael Mutingi
Charles Mbohwa

Grouping
Genetic
Algorithms
Advances and Applications
Studies in Computational Intelligence

Volume 666

Series editor
Janusz Kacprzyk, Polish Academy of Sciences, Warsaw, Poland
e-mail: [email protected]
About this Series

The series “Studies in Computational Intelligence” (SCI) publishes new develop-

ments and advances in the various areas of computational intelligence—quickly and
with a high quality. The intent is to cover the theory, applications, and design
methods of computational intelligence, as embedded in the fields of engineering,
computer science, physics and life sciences, as well as the methodologies behind
them. The series contains monographs, lecture notes and edited volumes in
computational intelligence spanning the areas of neural networks, connectionist
systems, genetic algorithms, evolutionary computation, artificial intelligence,
cellular automata, self-organizing systems, soft computing, fuzzy systems, and
hybrid intelligent systems. Of particular value to both the contributors and the
readership are the short publication timeframe and the worldwide distribution,
which enable both wide and rapid dissemination of research output.

More information about this series at http://www.springer.com/series/7092

Michael Mutingi Charles Mbohwa
•

Grouping Genetic Algorithms

Advances and Applications

123
Michael Mutingi Charles Mbohwa
Faculty of Engineering Faculty of Engineering and the Built
Namibia University of Science and Environment
Technology University of Johannesburg
Windhoek Johannesburg
Namibia South Africa

and

Faculty of Engineering and the Built

Environment
University of Johannesburg
Johannesburg
South Africa

ISSN 1860-949X ISSN 1860-9503 (electronic)

Studies in Computational Intelligence
ISBN 978-3-319-44393-5 ISBN 978-3-319-44394-2 (eBook)
DOI 10.1007/978-3-319-44394-2
Library of Congress Control Number: 2016950866

© Springer International Publishing Switzerland 2017

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part
of the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations,
recitation, broadcasting, reproduction on microfilms or in any other physical way, and transmission
or information storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar
methodology now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this
publication does not imply, even in the absence of a specific statement, that such names are exempt from
the relevant protective laws and regulations and therefore free for general use.
The publisher, the authors and the editors are safe to assume that the advice and information in this
book are believed to be true and accurate at the date of publication. Neither the publisher nor the
authors or the editors give a warranty, express or implied, with respect to the material contained herein or
for any errors or omissions that may have been made.

Printed on acid-free paper

This Springer imprint is published by Springer Nature

The registered company is Springer International Publishing AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
This book is dedicated to operations analysts,
computational scientists, decision analysts,
and industrial engineers
Preface

Recent research trends have shown that industry is inundated with grouping
problems that require efficient computational algorithms for grouping system
entities based on specific guiding criteria. Grouping problems commonplace in
industry include vehicle routing, container loading, equal piles problem,
machine-part cell formation, cutting stock problem, job shop scheduling, assembly
line balancing, and task assignment. These problems have a group structure with
identifiable characteristic features, that is, the need to form efficient groups of
entities according to guiding criteria, and the need to allocate those groups to
specific assignees in order to satisfy the desired objectives. It is interesting to note
that, across all the spectrum of these problems, grouping and allocation criteria are
inherently very similar in nature.
The wide spectrum of real-world grouping problems, the striking similarities
between their features, and the multi-criteria decisions involved are three major
motivating factors behind the research momentum in this area. However, more
challenging issues in this field have appeared in recent researches. First, there is an
ever-growing need to address uncertainties in various grouping problem situations.
Second, decision analysts in the field often call for multi-criteria decision approa-
ches by which multiple criteria can be handled simultaneously. Third, researchers
and decision analysts have realized the need for interactive, population-based
algorithms that can provide alternative solutions rather than prescribe a single
solution to the decision maker. Examples of such approaches are tabu search,
particle swarm optimization, ant colony optimization, simulated evolution algo-
rithm, simulated metamorphosis algorithm, genetic algorithms, and grouping
genetic algorithms. Thus, in sum, recent research has emphasized the need for
development of interactive multi-criteria computational algorithms that can address
grouping problems, even in uncertain or fuzzy environments.
Evidently, notable research has focused on advances in genetic algorithms and
related hybrid approaches, with application in various problem areas. Current
research trends tend to show that there is a high potential for remarkable advances
in genetic algorithms and its variants, specifically in grouping genetic algorithms.
Genetic algorithm-based approaches offer a more user-friendly, flexible, and

vii
viii Preface

adaptable population-based approach than related algorithms. Given these advan-

tages, further developments and advances in grouping genetic algorithms are quite
promising.
The purpose of this book is to provide an account of recent research advances
and, above all, applications of grouping genetic algorithm and its variants. The
prospective audience of the book “Grouping Genetic Algorithms: Advances and
Applications” includes research students, academicians, researchers, decision ana-
lysts, software developers, and scientists. It is hoped that, by going through this
book, readers will obtain an in-depth understanding of the novel unique features
of the algorithm and apply it to specific areas of concern.
The book comprises three parts. Part I presents an in-depth reader-friendly
exposition of a wide range of practical grouping problems, and the emerging
challenges often experienced in the decision process. Part II presents recent novel
developments in grouping genetic algorithms, demonstrating new techniques and
unique grouping genetic operators that can handle complex multi-criteria decision
problems. Part III focuses on computational applications of grouping genetic
algorithms across a wide range of real-world grouping problems, including fleet
size and mix vehicle routing, heterogeneous vehicle routing, container loading,
machine-part cell formation, cutting stock problem, job shop scheduling, assembly
line balancing, task assignment, and other group technology applications. Finally,
Part IV provides concluding remarks and suggests further research extensions.

Johannesburg, South Africa Michael Mutingi

Charles Mbohwa
Contents

Part I Introduction
1 Exploring Grouping Problems in Industry . . . . . . . . . . . . . . . . . . . . 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Identifying Grouping Problems in Industry . . . . . . . . . . . . . . . . . 5
1.2.1 Cell Formation in Manufacturing Systems . . . . . . . . . . . 5
1.2.2 Assembly Line Balancing . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Job Shop Scheduling . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Vehicle Routing Problem . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.5 Home Healthcare Worker Scheduling . . . . . . . . . . . . . . 10
1.2.6 Bin Packing Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.7 Task Assignment Problem . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.8 Modular Product Design . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.9 Group Maintenance Planning. . . . . . . . . . . . . . . . . . . . . 15
1.2.10 Order Batching . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.11 Team Formation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.12 Earnings Management . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.13 Economies of Scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.14 Timetabling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.15 Student Grouping for Cooperative Learning . . . . . . . . . 22
1.2.16 Other Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Extant Modeling Approaches to Grouping Problems . . . . . . . . . 23
1.4 Structure of the Book . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Complicating Features in Industrial Grouping Problems . . . . . . . . . 31
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Research Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Research Findings. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.4 Complicating Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.1 Model Conceptualization . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.2 Myriad of Constraints . . . . . . . . . . . . . . . . . . . . . . . . . . 37

ix
x Contents

2.4.3 Fuzzy Management Goals . . . . . . . . . . . . . . . . . . . . . . . 38

2.4.4 Computational Complexity . . . . . . . . . . . . . . . . . . . . . . 39
2.5 Suggested Solution Approaches . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

Part II Grouping Genetic Algorithms

3 Grouping Genetic Algorithms: Advances for Real-World
Grouping Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2 Grouping Genetic Algorithm: An Overview . . . . . . . . . . . . . . . . 46
3.2.1 Group Encoding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3 Crossover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3.1 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.2 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4 Grouping Genetic Algorithms: Advances and Innovations . . . . . 50
3.4.1 Group Encoding Strategies . . . . . . . . . . . . . . . . . . . . . . 50
3.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.4.3 Selection Strategies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4.4 Rank-Based Wheel Selection Strategy . . . . . . . . . . . . . . 54
3.4.5 Crossover Strategies . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4.6 Mutation Strategies . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4.7 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4.8 Replacement Strategies . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.4.9 Termination Strategies . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.5 Application Areas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4 Fuzzy Grouping Genetic Algorithms: Advances for Real-World
Grouping Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2 Preliminaries: Fuzzy Logic Control . . . . . . . . . . . . . . . . . . . . . . 69
4.3 Fuzzy Grouping Genetic Algorithms: Advances
and Innovations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.3.1 FGGA Coding Scheme . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.3.3 Fuzzy Fitness Evaluation . . . . . . . . . . . . . . . . . . . . . . . . 72
4.3.4 Fuzzy Genetic Operators . . . . . . . . . . . . . . . . . . . . . . . . 74
4.3.5 Fuzzy Dynamic Adaptive Operators . . . . . . . . . . . . . . . 80
4.3.6 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.4 Potential Application Areas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
Contents xi

Part III Research Applications

5 Multi-Criterion Team Formation Using Fuzzy Grouping
Genetic Algorithm Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.2 Related Approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.3 The Multi-Criterion Team Formation Problem . . . . . . . . . . . . . . 91
5.3.1 Problem Description . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3.2 Fuzzy Multi-Criterion Modeling . . . . . . . . . . . . . . . . . . 92
5.4 A Fuzzy Grouping Genetic Algorithm Approach . . . . . . . . . . . . 94
5.4.1 Group Encoding Scheme . . . . . . . . . . . . . . . . . . . . . . . . 94
5.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.4.3 Fuzzy Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.4.4 Selection and Crossover . . . . . . . . . . . . . . . . . . . . . . . . 96
5.4.5 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.4.6 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.4.7 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.5 Experimental Tests and Results . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.5.1 Experiment 1: Teaching Group Formation . . . . . . . . . . . 101
5.5.2 Experiment 2: Comparative FGGA Success Rates . . . . . 102
5.5.3 Experiment 3: Further Extensive Computations . . . . . . . 102
5.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6 Grouping Learners for Cooperative Learning: Grouping
Genetic Algorithm Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.2 Related Literature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.3 Cooperative Learners’ Grouping Problem . . . . . . . . . . . . . . . . . . 109
6.4 A Grouping Genetic Algorithm Approach . . . . . . . . . . . . . . . . . 110
6.4.1 Group Encoding Scheme . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4.3 Selection and Crossover . . . . . . . . . . . . . . . . . . . . . . . . 112
6.4.4 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.4.5 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.4.6 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.5 Computational Results and Discussions . . . . . . . . . . . . . . . . . . . 116
6.5.1 Preliminary Experiments . . . . . . . . . . . . . . . . . . . . . . . . 116
6.6 Comparative Results: GGA and Other Approaches. . . . . . . . . . . 117
6.6.1 Further Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.7 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
xii Contents

7 Optimizing Order Batching in Order Picking Systems:

Hybrid Grouping Genetic Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.2 Order Batching Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.2.1 Description of the Problem . . . . . . . . . . . . . . . . . . . . . . 123
7.2.2 Problem Formulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.3 Related Solution Approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.3.1 Routing Heuristics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
7.3.2 Mathematical Programming Techniques . . . . . . . . . . . . 127
7.3.3 Constructive Heuristics . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.3.4 Metaheuristics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.4 Hybrid Grouping Genetic Algorithm for Order Batching . . . . . . 128
7.4.1 Group Encoding Scheme . . . . . . . . . . . . . . . . . . . . . . . . 128
7.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7.4.3 Selection and Crossover . . . . . . . . . . . . . . . . . . . . . . . . 129
7.4.4 Mutation with Constructive Insertion . . . . . . . . . . . . . . . 131
7.4.5 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.4.6 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.5 Computation Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7.6 Computational Results and Discussions . . . . . . . . . . . . . . . . . . . 135
7.6.1 Preliminary Experiments . . . . . . . . . . . . . . . . . . . . . . . . 135
7.6.2 Further Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
7.7 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8 Fleet Size and Mix Vehicle Routing: A Multi-Criterion
Grouping Genetic Algorithm Approach. . . . . . . . . . . . . . . . . . . . . . . 141
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
8.2 Fleet Size and Mix Vehicle Routing Problem Description . . . . . 142
8.3 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
8.3.1 Vehicle Routing: A Background . . . . . . . . . . . . . . . . . . 143
8.3.2 Approaches to Fleet Size and Mix Vehicle Routing . . . 144
8.4 Multi-Criterion Grouping Genetic Algorithm Approach . . . . . . . 145
8.4.1 GGA Encoding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
8.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
8.4.3 Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
8.4.4 Crossover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
8.4.5 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
8.4.6 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
8.4.7 Diversification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
8.4.8 GGA Computational Implementation . . . . . . . . . . . . . . . 153
Contents xiii

8.5 Computational Tests and Discussions . . . . . . . . . . . . . . . . . . . . . 154

8.5.1 Computational Experiments . . . . . . . . . . . . . . . . . . . . . . 154
8.5.2 Computational Results and Discussions . . . . . . . . . . . . . 154
8.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
9 Multi-Criterion Examination Timetabling: A Fuzzy Grouping
Genetic Algorithm Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9.2 The Examination Timetabling Problem . . . . . . . . . . . . . . . . . . . . 162
9.3 Related Approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
9.4 Fuzzy Grouping Genetic Algorithm for Multi-Criterion
Timetabling. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
9.4.1 Group Encoding Scheme . . . . . . . . . . . . . . . . . . . . . . . . 165
9.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
9.4.3 Fuzzy Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
9.4.4 Fuzzy Controlled Genetic Operators . . . . . . . . . . . . . . . 168
9.4.5 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
9.5 Numerical Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.6 Results and Discussions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.7 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
10 Assembly Line Balancing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
10.2 Assembly Line Balancing: Problem Description . . . . . . . . . . . . . 184
10.3 Approaches to Assembly Line Balancing . . . . . . . . . . . . . . . . . . 186
10.4 A Hybrid Grouping Genetic Algorithm Approach . . . . . . . . . . . 187
10.4.1 Encoding Scheme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
10.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
10.4.3 Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
10.4.4 Crossover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
10.4.5 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
10.4.6 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
10.4.7 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
10.5 Computational Tests and Results . . . . . . . . . . . . . . . . . . . . . . . . 191
10.5.1 Computational Results: Small-Scale Problems . . . . . . . . 192
10.5.2 Computational Results: Large-Scale Problems . . . . . . . . 193
10.5.3 Overall Computational Results . . . . . . . . . . . . . . . . . . . 195
10.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
11 Modeling Modular Design for Sustainable Manufacturing:
A Fuzzy Grouping Genetic Algorithm Approach . . . . . . . . . . . . . . . 199
11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.2 Sustainable Manufacturing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
xiv Contents

11.3 Modular Product Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200

11.4 Fuzzy Grouping Genetic Algorithm Approach . . . . . . . . . . . . . . 202
11.4.1 Group Encoding Scheme . . . . . . . . . . . . . . . . . . . . . . . . 202
11.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.4.3 Fitness Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
11.4.4 Fuzzy Dynamic Adaptive Operators . . . . . . . . . . . . . . . 205
11.4.5 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
11.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12 Modeling Supplier Selection Using Multi-Criterion Fuzzy
Grouping Genetic Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.2 Related Literature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
12.3 A Subcontractor Selection Example . . . . . . . . . . . . . . . . . . . . . . 216
12.4 A Fuzzy Multi-Criterion Grouping Genetic Algorithm . . . . . . . . 218
12.4.1 FGGA Coding Scheme . . . . . . . . . . . . . . . . . . . . . . . . . 219
12.4.2 Initialization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
12.4.3 Fuzzy Fitness Evaluation . . . . . . . . . . . . . . . . . . . . . . . . 220
12.4.4 Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
12.4.5 Adaptive Crossover . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
12.4.6 Adaptive Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
12.4.7 Adaptive Two-Point Inversion . . . . . . . . . . . . . . . . . . . . 224
12.4.8 Replacement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
12.4.9 Termination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
12.5 Summary and Further Research . . . . . . . . . . . . . . . . . . . . . . . . . 226
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227

Part IV Conclusions and Extensions

13 Further Research and Extensions . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
13.2 Extension of the Application Domain . . . . . . . . . . . . . . . . . . . . . 232
13.3 Further Extensions to Grouping Genetic Algorithms . . . . . . . . . 234
13.3.1 Variants of Grouping Genetic Operators . . . . . . . . . . . . 234
13.3.2 Hybridizing GGA with Heuristic Algorithms . . . . . . . . 234
13.3.3 Further Use of Domain-Specific Heuristics . . . . . . . . . . 235
13.4 Concluding Remarks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
13.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
 Part I
Introduction
Chapter 1
Exploring Grouping Problems in Industry

1.1 Introduction

In many real-world industry settings, it is often desirable to improve the perfor-

mance of systems, processes, and products by partitioning items into groups, based
on suitable decision criteria. For instance, in logistics management, decision makers
wish to minimize the overall transportation costs, the number of vehicles used, and
the average waiting time experienced by the customer (Taillard 1999; Potvin and
Bengio 1996). To achieve this, it is important to ensure that customers are portioned
into efficient groups to be visited by a set of vehicles. As such, it is important to
optimize grouping of customers to be visited by each vehicle, while considering the
size, type, and capacity of the available vehicles. Similarly, when assigning a set of
tasks to a team of workers, it is crucial to form cost-effective and efficient groups of
tasks that can be assigned to workers in an optimal manner. Furthermore, manu-
facturers may want to find the best way to group parts with similar characteristics so
that similar parts can be produced using specific processes in specific departments.
Some other well-known problems include bin packing problem, load balancing (or
equal piles) problem, and machine cell formation problem in group technology. The
major task in these problem situations is to group (or partition or cluster) a set of
items into disjointed subsets or groups, in some optimal or near-optimal manner.
Such problems are commonplace across a wide range of industries, from manu-
facturing to service industry. In this book, these problem situations are called
grouping problems.
It is important to note at this point that grouping problems are known to be
combinatorial, hard and computationally difficult to solve (Taillard 1999; Potvin
and Bengio 1996; Moghadam and Seyedhosseini 2010). On the other hand, it is
also important to realize that grouping problems have common grouping features
and characteristics that can be potentially be exploited in order to develop more
effective solution approaches. In a nutshell, further studies on the various types of
grouping problems in the literature revealed interesting facts as outlined below:

© Springer International Publishing Switzerland 2017 3

M. Mutingi and C. Mbohwa, Grouping Genetic Algorithms,
Studies in Computational Intelligence 666,
DOI 10.1007/978-3-319-44394-2_1
4 1 Exploring Grouping Problems in Industry

1. The optimization of grouping problems is usually defined in terms of the

composition of the groups of items and the overall array of all the groups;
2. Grouping problems possess a grouping structure that can be utilized for
developing effective computational algorithms;
3. Grouping problems are highly combinatorial in nature, NP-hard, and compu-
tationally expensive;
4. Grouping problems are highly constrained, which adds to their computational
complexity; and
5. Some of the variables of grouping problems are not precise, so much so that
fuzzy modeling is a useful option.
Due to their computational complexity, the use of heuristics, expert systems, and
metaheuristic approaches are a viable option for solving various grouping problems.
Examples of these approaches are tabu search, particle swarm optimization
(Mutingi and Mbohwa 2014a, b, c), genetic algorithms, grouping genetic algorithm
(Mutingi and Mbohwa 2013a, b), and other evolutionary algorithms.
Genetic algorithm (GA) is a potential solution approach for this class of prob-
lems (Rochat and Taillard 1995; Badeau et al. 1997). GA is a metaheuristic
approach based on the philosophy of genetics and natural selection. In its operation,
GA encodes candidate solutions into chromosomes (or strings) and improves the
strings by copying strings according to their objective function values and swap-
ping partial chromosomes to generate successive solutions that improve over time.
Its distinctive feature is the use of probabilistic genetic operators as tools to guide
the search toward regions of the search space with likely improvement. Grouping
genetic algorithm (GGA), originally developed by Falkenauer (1992), is a modi-
fication of the conventional genetic algorithms for addressing grouping problems.
Some recent remarkable improvements and applications of the GGA exist in the
literature (Mutingi et al. 2012; Mutingi 2013; Mutingi and Mbohwa 2013a, b).
Given the complexities of grouping problems, and their widespread occurrences
in real-world industry, developing flexible, efficient, and effective solution methods
is vital. The purpose of this chapter is to explore and identify grouping problems
and explain their grouping characteristics. In this vein, the learning outcomes for
the chapter are as follows:
1. To be able to identify various types of grouping problems and their common
characteristics;
2. To develop an understanding of how to exploit grouping features of grouping
problems for effective modeling; and
3. To understand the various modeling approaches for grouping problems and to
open up research avenues for more efficient hybrid approaches.
The rest of this chapter is organized as follows: The next section identifies
typical grouping problems in industry, their group structures, and shows how the
problems lend themselves to grouping algorithms. Section 1.3 outlines past mod-
eling approaches for grouping problems. Finally, concluding remarks and further
research prospects are presented in Sect. 1.4.
1.2 Identifying Grouping Problems in Industry 5

1.2 Identifying Grouping Problems in Industry

In this section, a number of grouping problems from a wide range of industry

settings are explored and identified, briefly illustrating their group structure and
how they lend themselves to grouping genetic algorithm approaches. It was
observed in this study that many of these problems loosely fall into subcategories
such as manufacturing systems, logistics and supply chain, healthcare services,
design, and other services. Some of them, such as team formation, timetabling, and
economics, frequently occur across several types of industries. Table 1.1 provides a
summary of these problems, together with selected references for further reading.
It is interesting to note that grouping problems are prevalent in a wide range of
industry types. Several, if not all of these, problems possess similar characteristics
and, therefore, lend themselves to a common group modeling and solution
approach. By taking advantage of the knowledge of the common characteristics of
the problems, a flexible computational algorithm can be developed for solving the
problems. Such a computational algorithm is expected to be flexible and robust
enough to be adapted to a wide range of problems with little or no fine-tuning.
Apart from the ease of adaptation to problem situations, the algorithm is expected to
be able to solve large-scale industrial problems within a reasonable time frame. In
most industry settings, such as logistics, decision makers may need to make
decisions on real time, or at least within a short space of time, so much so that
efficient and flexible decision support is extremely crucial. In view of these and
other related reasons, developing an efficient, flexible, and adaptable grouping
algorithm is imperative and significant.

1.2.1 Cell Formation in Manufacturing Systems

Cellular manufacturing is a lean system of making groups of products, each group

with products that are similar in shape, size, and processing characteristics in a cell.
A cell defines a group of team members, workstations, or equipment that are
grouped together to facilitate operations by eliminating setup costs between oper-
ations. Cell formation has a direct positive impact on the planning activities of a
manufacturing system and is aimed at improving efficiency and productivity of the
manufacturing system (Filho and Tiberti 2006; Mutingi et al. 2012; Mutingi and
Onwubolu 2012). Machines are grouped together into efficient clusters, each
operating on a product family with little or no inter-cell movement of the products.
Figure 1.1 provides an example of a cellular manufacturing system and its group
representation. Assume that the system is one of the solutions to cell formation
problem. Part (a) indicates that the manufacturing system consists of 3 cells, that is,
cell 1, cell 2, and cell 3, where each cell comprises machine groups (1,3,4), (2,6),
and (5,7,8), respectively. Part (b) shows the group structure or group representation
6 1 Exploring Grouping Problems in Industry

Table 1.1 Identified grouping problems in industry

No. Grouping problems Selected references
1 Assembly line balancing Rubinovitz and Levitin (1995), Sabuncuoglu et al. (2000a, b)
2 Bin packing Falkenauer (1996), Kaaouache and Bouamama (2015)
3 Job shop scheduling Chen et al. (2012), Phanden et al. (2012), Luh et al. (1998)
4 Cell formation De Lit et al. (2000), Onwubolu and Mutingi (2001), Filho and
Tiberti (2006)
5 Container loading Althaus et al. (2007), Joung and Noh (2014)
6 Heterogeneous fixed fleet Gendreau et. (1999a, b), Tutuncu (2010), Tarantilis et al.
Vehicle Routing (2003, 2004)
7 Cutting stock/material cutting Onwubolu and Mutingi (2003), Rostom et al. (2014), Hung
et al. (2003)
8 Fleet size and Mix Vehicle Liu et al. (2009), Brandao (2008), Renaud and Boctor (2002)
Routing
9 Equal piles problem Falkenauer (1995), Rekiek et al. (1999)
10 Group maintenance planning Li et al. (2011), Van Do et al. (2013), Gunn and Diallo (2015),
De Jonge et al. (2016)
11 Handicapped person Rekiek et al. (2006)
transportation
12 Task assignment Cheng et al. (2007), Mutingi and Mbohwa (2014a, b, c),
Tarokh et al. (2011)
13 Home healthcare scheduling Mutingi and Mbohwa (2014a, b, c)
14 Multiple traveling salesperson Kivelevitch and Cohen (2013), Carter and Ragsdale (2006),
Bektas (2006)
15 Modular product design Yu et al. (2011), Kreng and Lee (2004), Chen and Martinez
(2012)
16 Order batching Henn and Wäscher (2012), Henn (2012)
17 Pickup and delivery Parragh et al. (2008), Chen (2013), Wang and Chen (2013)
18 Site/facility location Pitaksringkarn and Taylor (2005a, b), Yanik et al. (2016)
19 Wi-fi network deployment Landa-Toress et al. (2013), Agustın-Blas et al. (2011a, b)
20 Student/learners grouping Chen et al. (2012a, b), Wessner and Pfister (2001), Baker and
Benn (2001)
21 Team formation Wi et al. (2009), Strnad and Guid (2010), Dereli et al. (2007)
22 Timetabling Dereli et al. (2007), Pillay and Banzhaf (2010), Rakesh et al.
(2014)
23 Reviewer group construction Chen et al. (2011), Hettich and Pazzani (2006)
24 Estimating discretionary Höglund (2013), Back et al. (1996), Bartov et al. (2000)
accruals
25 Economies of scale Falkenauer (1993, 1994)
26 Customer Grouping Sheu (2007), Chan (2008), Ho et al. (2012)
1.2 Identifying Grouping Problems in Industry 7

of the system. By considering process flows and the parts to be manufactured,

multiple manufacturing system configurations can be generated and evaluated.
In the presence of numerous possible configurations, this leads to a highly
combinatorial optimization problem that is computationally expensive (Onwubolu
and Mutingi 2001).

1.2.2 Assembly Line Balancing

In assembly line balancing, individual work elements or tasks are assigned to

workstations so that unit assembly cost is minimized as much as possible (Scholl
1999; Sabuncuoglu et al. 2000a, b; Scholl and Becker 2006). Line balancing
decisions have a direct impact on the cost-effectiveness of a production process. As
such, it is of utmost importance to develop optimal or near-optimal practical
solution procedures that can assist decision makers in assembly line balancing
decisions, yet with minimal computational requirements.
Figure 1.2 shows a diagraph for a typical line balancing problem and its group
representation. The problem consists of 6 different tasks to be allocated to 3
workstations. As illustrated, task groups (1,2), (3,4), and (4,6) are allocated to
workstations 1, 2, and 3, respectively. Howbeit, there are several possible solutions
that may be generated. The problem becomes highly combinatorial, demanding
high computation requirements.

Fig. 1.1 A cellular

manufacturing system and its
1
group representation 3
2
cell 1
cell 2
6
4

5 cell 3 7

(a) Cell manufacturing system

Machines 1,3,4 2,6 5,7,8

Cells 1 2 3
(b) Group structure
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
8 1 Exploring Grouping Problems in Industry

Fig. 1.2 A typical line

balancing problem and its 2 Workstation 3
6
grouping representation Workstation 1
4

3
5
Workstation 2

(a) Line balancing problem

Tasks 1,2 3,5 4,6

Workstations 1 2 3

(b) Grouping representation

Due to the combinatorial nature of the assembly line balancing problem,

metaheuristic algorithms, such as genetic algorithm, tabu search, simulated
annealing, and particle swarm intelligence, are the most viable solution methods to
the problem. Iterative metaheuristic approaches can offer reliable solutions within
reasonable computational times.

1.2.3 Job Shop Scheduling

The assignment of tasks in a flexible job shop problem environment is more

challenging than the classical job shop problem. This requires proper selection of
machines from a set of given machines to process each operation. The problem is
best defined by three important features: the set of jobs, the set of machines, and the
flexibility specification. These are defined as follows:
1. Jobs. J = {J1, J2, …, Jn} is a set of n independent jobs to be scheduled. Each job
Ji consists of a sequence operation to be performed one after the other according
to a given sequence. All jobs are assumed to be available at time 0.
2. Machines. M = {m1, m2, …, mm} is a set of m machines. Every machine pro-
cesses only one operation at a time. All machines are assumed to be available at
time 0.
3. Flexibility specification: The problem generally falls into two categories,
namely: (a) total flexibility, where each operation can be processed on any of the
machines; and (b) partial flexibility, where each operation can be performed
only on a subset of the machines.
Further to the above definition of the key features, the following simplifying
assumptions are essential for formulation of the flexible job shop scheduling
environment:
1.2 Identifying Grouping Problems in Industry 9

1. Every job operation is performed on one and only one machine at any given
point in time;
2. The processing times of the operations are machine-dependent, and the
machines are independent from each other;
3. Once started, each operation must be performed to completion without
interruption;
4. Setup times are of machines are included in the job processing time of the job;
and
5. The transportation time of jobs between machines are negligible and are
included in the processing times.
Table 1.2 illustrates a job shop problem with 3 machines to process 3 jobs upon
which 8 operations are to be performed. For instance, operation 11, 12, and 13
represent the first, second, and third operations of job 1, respectively. Machines
capable of performing each operation are as shown. The objective is twofold: (i) to
assign each operation to an appropriate machine, which is a routing problem, and
(ii) to sequence the operations on specific machines, which is a sequencing prob-
lem, so that make-span and the total working time of machines (total workload) are
minimized. This becomes a complex multi-criteria optimization problem that
demands significant computational resources.
Figure 1.3 represents a typical solution to the problem, where operations 11, 13,
and 31 are performed on machine m1, operations 21, 23, and 12 are performed on
m2, while 22 and 32 are done on m3. A group representation scheme of the solution
is shown in (b).
Figure 1.3 represents a typical solution to the problem, where operations 11, 13,
and 31 are performed on machine m1, operations 21, 23, and 12 are performed on
m2, while 22 and 32 are done on m3. A group representation scheme of the solution
is shown in (b).

1.2.4 Vehicle Routing Problem

In transportation and distribution, planning for vehicle routing is a major challenge

to decision makers in the logistics industry. In order to provide cost-effective and
satisfactory delivery (and pickup) services to customers, it is important to optimize
the routing of vehicles (Taillard 1999; Mutingi and Mbohwa 2012, b). The vehicle
routing problem (VRP) is a hard combinatorial problem that seeks to assign a set of

Table 1.2 A job shop problem with 3 machines and 3 jobs with 8 operations
Jobs J1 J2 J3
Operations 11 12 13 21 22 23 31 32
Machines m1, m2, m3 m1, m2 m1, m2, m3 m1, m2, m3 m1, m3 m1, m2, m3 m1, m2, m3 m2, m3
10 1 Exploring Grouping Problems in Industry

Fig. 1.3 A typical job shop

problem with 3 machines and
3 jobs
m1

Operations: 11, 13, 31

m2 m3

Operations: 21, 23, 12 Operations: 22, 32

(a) Job shop operations

Operations 11,13,31 21,23,12 22,32

Machines m1 m2 m3
(b) Group structure

groups of customers to a set of vehicles or drivers, so as to minimize the total costs

incurred in visiting all the customers, subject to a number of constraints, such as
follows: (i) use no more vehicles than those available; (ii) satisfy customer demand;
(iii) visit each customer exactly once; (iv) vehicle routes start and finish at the
depot; and (v) vehicle capacity is not violated. In most cases, the main objective is
to minimize the total delivery costs incurred (Gendreau et al. 1999a, b; Mutingi
2013).
Figure 1.4 illustrates a typical vehicle routing schedule, where part (a) shows a
diagraph for the problem, and part (b) shows the group representation of the
problem. The nodes represent 7 customer locations, and the arcs represent the
distances between the customers, and from the depot (denoted by node 0). The
schedule comprises 7 customers that are assigned to 3 available vehicles or drivers.
Further, customer groups (1, 2), (3, 4, 5), and (6,7) are assigned to vehicles v1, v2,
and v3, respectively. The sequence of customers in each group represents the
sequence of customer visits or the direction of the route. This situation is similar to
routing of healthcare workers in a homecare environment (Mutingi and Mbohwa
2013a, b) and handicapped person transportation problems (Rekiek et al. 2006).

1.2.5 Home Healthcare Worker Scheduling

As aging populations continue to increase in most countries, healthcare authorities

continue to face increasing demand for home-based medical care. Most families
prefer their patients to be treated at their homes, rather than at retirement homes and
hospitals (Mutingi and Mbohwa 2013a, b). With the ever-increasing demand for
1.2 Identifying Grouping Problems in Industry 11

Fig. 1.4 A typical vehicle

4
routing schedule
3 20 70
2
5

13 6
40 20 21

18 12
1 7
21 18
0

(a) A diagraph for a vehicle routing problem

Operations 1,2 3,4,5 6,7

Machines v1 v2 v3

(b) Group structure

home healthcare services, many service providers are struggling to find

cost-effective and efficient schedules to meet the expectations of the customers, the
management goals, as well as the desires of the healthcare workers. Home
healthcare service provides continue to expand. Consequently, healthcare worker
scheduling has become a large-scale combinatorial problem, inundated with a
myriad of constraints that have to be taken into account, including patients’ pref-
erences, visiting time windows, or travel times depending on the mode of transport.
Figure 1.5 presents a schematic of the home healthcare worker scheduling
problem. In general, the problem is defined thus a set of m available care workers
are given the responsibility to visit n patients for home-based medical care. Each
caregiver k (k = 1, 2, …, m) is supposed to serve a group of patients, where each
patient j (j = 1,2…, n) is to be visited within a given time window defined by
earliest start and latest start times, ej and lj, respectively. The aim is to minimize the
overall costs of visiting clients (Mutingi and Mbohwa 2013a, b). In this vein, a
penalty cost is incurred whenever a caregiver reaches the client earlier than ej or
later than lj. If aj denotes the caregiver’s arrival time at patient j, and pe and pl
denote the unit penalty costs incurred when the caregiver arrives too early or too
late, respectively, then max[0, ej − aj] and max[0, aj − lj] have to be minimized, to
maximize patient satisfaction. Furthermore, worker preferences should be taken
into account, if schedule quality is to be maximized (Mutingi and Mbohwa 2013a,
b). However, since planning for home healthcare schedules is especially compu-
tationally expensive, effective and efficient algorithms are very important.
12 1 Exploring Grouping Problems in Industry

Fig. 1.5 Homecare worker 4

schedule and its group
2 5
structure 3
w2
w1 6

w3
1
0

(a) Home healthcare care worker scheduling

patients 1,2,3 4,5 6

workers w1 w2 w3

(b) Group structure

1.2.6 Bin Packing Problem

In bin packing, objects of different volumes and shapes must be packed into a finite
number of bins, where each bin has a specific volume. Oftentimes, the goal is to
ensure that the wasted space or number of bins used are minimized as much as
possible (Allen et al. 2011; Pillay 2012). According to computational complexity
theory, the bin packingproblem is a NP-complete problem that is computationally
expensive and highly combinatorial, when formulated as a decision problem (Pillay
2012). Figure 1.6 presents an illustrative example of the bin packing problem and
its group structure. In part (a), the problem shows three bins, that is, b1, b2, and b3,
which are packed with groups of objects (1, 4, 8), (5, 6), and (2, 3, 7), respectively.
This information can be presented conveniently in a group structure as indicated in
part (b).

Fig. 1.6 A bin packing Bin b1 Bin b2 Bin b3

problem and its representation
1
4 2
5 3
8
6 7
Waste Waste Waste
=0 =1 =2
(a) A typical bin packing problem

Objects 1,4,8 5,6 2,3,7

Bins b1 b2 b3

(b) Group structure

Random documents with unrelated
content Scribd suggests to you:
The Project Gutenberg eBook of In de
Hollandsche Branding
This ebook is for the use of anyone anywhere in the United
States and most other parts of the world at no cost and with
almost no restrictions whatsoever. You may copy it, give it away
or re-use it under the terms of the Project Gutenberg License
included with this ebook or online at www.gutenberg.org. If you
are not located in the United States, you will have to check the
laws of the country where you are located before using this
eBook.

Title: In de Hollandsche Branding

Een Jongensboek van de Zee

Author: Jan Feith

Illustrator: Pieter Das

Release date: March 20, 2024 [eBook #73212]

Language: Dutch

Original publication: Amsterdam: Scheltens & Giltay, 1917

Credits: Produced by R.G.P.M. van Giesen

*** START OF THE PROJECT GUTENBERG EBOOK IN DE

HOLLANDSCHE BRANDING ***
{Illustratie: kaft}
IN DE HOLLANDSCHE BRANDING

IN DE HOLLANDSCHE
BRANDING
EEN JONGENSBOEK VAN DE ZEE
DOOR
JAN FEITH

ILLUSTRATIES EN BANDTEEKENING
VAN

PIETER DAS

AMSTERDAM -- SCHELTENS & GILTAY

INHOUD
 EEN WOORD VOORAF 1
HET VERHAAL VAN EEN LEVENSREDDER 7
IN DEN ONDERZEEËR 25
VAN EEN AMERIKAANSCHEN KAPITEIN EN EEN 39
LEUKEN SCHEEPSDOKTER
HOLLANDSCHE SCHEEPSSPREEKWOORDEN 52
MET DE KONINGIN AAN BOORD VAN EEN ONZER 57
OORLOGSSCHEPEN
'N TOCHTJE MET DE NIEUWE REDDINGBOOT 69
OP EEN "REUZE"-SCHIP 81
STUURSTOEL-OPSCHRIFTEN 94
ALS JE ZEEZIEK BENT 97
EEN OVERLEVENDE VAN SHIMONOSEKI 105
VAN OUDE UITHANGBORDEN 116
DE MILLIOENEN VAN DE LUTINE 119
HET VERHAAL VAN EEN ZEILTOCHT, DAT ZOO 150
VROOLIJK BEGINT EN ZOO DROEVIG EINDIGT

EEN WOORD VOORAF!

O!... Jongens, die zee!...

Ben jullie even dol op de zee als ik?

 Voor mij is ze aanbiddelijk!

Ik aanbid de zee met een diepe vereering, met een kinderlijk

ontzag, met een geheim verlangen, met de vrome liefde als tot iets
hoogers...

Elken keer, dat ik weer naar zee ging, voelde ik 't als een
blijdschap, als een goede boodschap!

Het is wel natuurlijk, dat ik meer dan eens tot de zee mocht
uitgaan. Als je schrijver van je beroep bent, zooals ik, dan is het
van-zelf-spre-kend, dat je pad niet steeds leidt langs de glad-
geëffende banen van het aard-oppervlak. Even[a20] goed als je je
soms in een vliegtoestel wel hebt te verheffen boven de aarde en
boven het onderwerp, dat je te beschrijven zult hebben voor krant of
boek, — even goed moet je er niet tegen opzien, je in te schepen,
hetzij aan boord van het bottertje van een Zuiderzee-visschersman,
dan wel in het gevolg van H.M. de Koningin, wanneer deze een
bezoek gaat brengen aan een harer oorlogschepen op de reede;
hetzij het een proeftocht geldt met de nieuwe reddingboot van
Nieuwediep, dan wel of je moet afdalen in de nauwe en duistere
diepten van een onzer onderzeeërs; hetzij je als vacantie-uitstapje
een reis-om-de-wereld maakt, met minstens een viertal groote
wereld-zeeën onderweg, dan wel of je naast je schippertje staat
kringetjes te spuwen in het water, samen zeilende op een
gemoedelijk kruistochtje langs onze prachtige Nederlandsche
wateren; hetzij het toeval je in aanraking brengt met een
merkwaardig oud type, die in zijn tijd, een halve eeuw geleden,
jongens! in Japan een der groote heldendaden onzer Nederlandsche
marine meevocht, dan wel of zoo'n verweerde zeerob uit Den Helder
je staat te vertellen de zelf doorleefde gebeurtenis[a21]sen van zijn
half duizend geredde menschenlevens, bij minstens een vier dozijn
schipbreuken.

In dezen eigenaardigen tijd moet iemand zich geschikt trachten te

maken, om onder de meest ongewone omstandigheden te kunnen
mee doen. We moeten alle ons zelven, en ook elkaar, wat zien te
ontbolsteren. Wie weet wat het lot met ons voor heeft? Wie zal jullie
vooruit zeggen, waar je nog eenmaal je leven zult hebben te leven?

Weet iemand welke hemelstreken hem later tot verblijf zullen

strekken? Alle elementen zullen hem vertrouwd moeten zijn. Aan
vele haarden zal hij wellicht zijn beenen eens moeten uitstrekken.
Wie zegt, of zijn levenslot hem niet beschoor, dat hij op velerlei
legersteden in de vier windstreken eenmaal zijn rust zal hebben te
zoeken! En onder welken hemel der vijf werelddeelen zal hij straks
het eigen dak moeten spreiden?

Moeten we dan niet vroegtijdig ons vertrouwd leeren maken juist

met de zee?

Is niet de zee een der voornaamste deelen van de wereld?... Leeft

en werkt men niet op zee?... Is niet de zee de voornaamste grens
van ons Nederland?... Was niet de roem, en[a22] is niet de hoop van
ons land de zee?.... Was niet telkens weer de zee de grootste
verschrikking van ons bedreigde vaderland?... En tegelijk, is er iets
wat wij onstuimiger liefhebben dan diezelfde zee?

O! als ik lees in oude of in nieuwe boeken van zeereizen, dan wil ik

dadelijk zèlf de zee op. Wanneer ik sta bij winter of zomer aan het
fel-bewogen of stille strand, dan overvalt me telkens weer als iets
onweerstaanbaars die drang naar de zee.

En steeds weer verlang ik er naar, dit groote, geheimzinnige,

lokkende, alles-belovende, wijde water te bevaren!

Zoo ben ik wel een weinig de zee gaan leeren kennen. Ik weet van
onze eigen zeeën; onze prachtige, roerige Noord-Zee, maar ook,
midden in ons land, die soms zoo drieste Zuider-Zee. Ook andere
zeeën heb ik leeren kennen, vele andere, en oneindig veel grootere
dan die daar achter de onze liggen; zoo aanschouwde ik daarginds
ook nieuwe, vreemde, schoone landen, gelegen aan de bonte, volle,
weinig bekende stranden dier zeeën.[a23]
 En nu wilde ik mijn Nederlandschen jongens van dit alles gaan
vertellen, een verhaal van hier, een herinnering van daar.

Weet jullie welke bedoeling ik daarmede heb? Slechts deze:

Ik wil jullie óók wat van mijn liefde voor de zee schenken; ik
wensch, dat al onze Nederlandsche jongens de zee kennen; ik
verlang, dat er niet één van jullie zal zijn, die niet heeft leeren
begrijpen welke banden ons land aan de zee binden.

En om jullie, Nederlandsche jongens, wat nader te brengen tot die

zee, daarom schreef ik voor jullie mijn jongensboek van de zee.

[a24]
 Dorus Rijkers heeft me aan het Heldersche station van den
ochtendtrein afgehaald. Hij droeg een paar medailles op z'n jas
geprikt, want daaraan zou ik hem — zooals hij me had geschreven
— herkennen; .... alsof je zoo'n ruigen ringbaard, zoo'n zeewolf op
z'n Zondagsch, zoo'n verweerden zeerob, die daar heel
ongemakkelijk op zijn te nauwe bottines te schommelen staat, niet
zonder dàt in zicht zou gekregen hebben!

Dorus Rijkers — die officieel Theodorus heet maar op straat door

elken kwajongen en lichtmatroos van Nieuwediep met "Opa" wordt
aan geroepen — heeft me door Den Helder geloods naar de haven,
waar, in een net steenen huisje[a27] de reddingboot ligt van de
"Noord- en Zuid-Hollandsche Redding Maatschappij."

Dorus Rijkers heeft me daarna heel de stad door gekoerst naar zijn
huisje achter den hoogen zeedijk; daar ligt-ie bij z'n getrouwde
dochter in den kost, heel knap, heel best, heel naar het genoegen
van den ouwen man, — zoolang 't met de verdiensten wat meevalt.
Want zonder nu te willen weeklagen, sta je toch raar te kijken, hoe
zoo'n kerel, met 'n veertigtal reddingen op z'n naam, met een rits
medailles en getuigschriften, op z'n ouwen dag nog moeite heeft,
met de vletterij uit 't water z'n eerlijke boterham op te halen.

Dorus Rijkers heeft me ook op stap genomen den hoogen zeedijk

langs, me daarover gekuierd, verrekijker in de hand, en dan weer
dat ding voor m'n oogen gehouden, om me 'n indruk te geven van
den toestand buitengaats, ja, eigenlijk daar vlak voor je. 'n Zacht
kabbeltje van golfslag tegen den steenen dijkvoet, maar wijders 'n
glad, bijna rimpelloos water, van dezen kant tot den verren overkant,
waar 't bij helderen winterdag wit schemert van Texels strand; en
verder naar buiten — "zie je die boei? en daarachter die tweede?
[a28] ... daar ligt 't vaargat tussche door!" — zoover als je kunt
kijken met 't bloote oog, is dat nu 'n vriendelijke, gladde zee.
 Als hij je niet gewezen had met z'n hand, en je daarbij den kijker
niet voor je oogen had gedrukt, om de goeie richting voor je vast te
stellen, dan zou je niet eens gelet hebben op zoo'n enkelen
onrustigen golfslag over het verre water, in den vaargeul tusschen
den dijk en het overliggende strand van Texel — "dat is nou die
Onrustplaat" — en nog verder buitengaats, tegen den lichten
horizon, een verre smalle schuim[a31]lijn — "en gunder daar dat zijn
nou die Haaksgronde, waar je wel van gehoord mot hebbe?"

"Niet genoeg!" zei ik; "daarom is 't me juist te doen, schipper... En

hoe haal je ze daar met je reddingboot af?... En hoeveel schepen
heb je daar al aan den grond zien zitten?.... En hoeveel man heb je
er wel in den storm van hun verongelukte schuiten opgepikt?"

Toen is hij uit zich zelf gaan vertellen.

In het schuitenhuis van de reddingboot vertelde hij al, terwijl hij de

reparatie van de boot inspecteerde na den laatsten knauw, die dat
ding had opgeloopen bij de redding van de bemanning van de
ELFRIEDE; nog niet zoo lang geleden, 't was half Januari geweest.

Hij vertelde al, terwijl we daar langs den hoogen, kouden dijk
scharrelden, om zicht te krijgen, door den kijker, op wat er nog te
zien lag aan wrakken op de verre Haaksgronden.

Thuis vertelde hij nog door, in den familiekring gezeten, theeblad

gezellig op tafel, van sigarenwalm de kamer vol; en Rijkers, telkens
deftig z'n bril op den neus geschoven, als z'n dochter 't beter wou
weten, omdat die netjes en[a32] trouw, met jaartal en
scheepsnaam, van al zijn reddingen aanteekening had gehouden op
'n pampier.

De schipper van de reddingboot vertelde:

"... Eerst kan ik je dat wel vertelle van de "Turbo"... Dat 's al weer
wat jaartjes gelee', in de winter van 1908... Die liep z'n eige vast op
de Noorder Haaks... Toen 't bericht uit de vuurtore van Huisduin aan
de have van Nieuwediep was overgebracht, hadde de twee
sleepboote al stoom op, en al m'n jonges al in de reddingboot... 't
Was zoo'n vuile nacht — afijn, met mooi weer heb ik ze d'r nooit
hoeve af te hale! — en donker als de hel... Maar nou mot je 's
luistere wat dan zoo'n groot schip van 6000 ton waard is, as de zee
'm goed in z'n body te pakke hèt!.... Laat dat schip nou 's avonds om
zeve uur gestoote hebbe, en late we nou om half nege uur op
sleeptouw van de "Atlas" naar buite gegaan zijn... Toen we d'r om 'n
uur of nege in de buurt van de "Turbo" zitte — want 't is nog 'n knap
eind van de have naar de Haaksgronde — toen leit me die
kanjer[a33] van 'n schuit al in twee!... Maar nou mot je me geloove,
zooas ik je ankijk: niet gewoon met 'n barst over z'n buitewand,
maar gebroke in twee stukke, twee losse helfte, zoodat m'n manne
en ik denke, datte d'r daar twee schuite met mekaar in aanvaring
zijn geweest en dwars op mekaar vast zitte... Maar nog geen half
uur later hêt de zee de twee helfte zoetjes opgenome, en zet ze 'n
twee honderd meter van mekaar... Is maar om je 'n aperpoo te geve
van wat zoo'n stormzee uit 't noordwest kàn!

"Kortom, we zitte daar zoo effe te koekeloere, omdat op allebei die

halve schepe nog mensche aan boord ware. De "Atlas" houdt er z'n
zoeklicht op, en we zien op allebei de dekke zoo'n troepje manne...
Toevallig ligge we 't dichtst bij 't wrak, dat 't voorschip geweest mot
zijn; we lage met de sleepboot bove de wind en bezuie de stroom...
En meteen vechte we de reddingboot door de branding heen.... Daar
sting me 'n zee, brokke water als stadhuize... 'Maar we rake bij 't
wrak, en prakkiseere 'n lijntje aan boord... We werke om m'n eigen
boot vrij te houe, want dat is de heele foef, om je[a34] eige gevaar
geen moment uit 't oog te verlieze ... — want als je boot lek slaat op
zoo'n wrak, nou, dan benne niet alleen die andere drenkelinge, maar
dan ben je met je eige volk ook verkouwe!... —

Langs de lijn hale we d'r acht binne onze reddingboot, stokers en

olielui... "Wat stinke jullie naar de petrolie," snuif ik zoo. We dachte,
dat ze olie op de golve hadde gestort.... Maar 't bleek 'n
Engelschman te zijn, die van Rusland voer met tanklading petrolie,
en door 't breke van de schuit dreef me daar de zee vol van die
stinkolie... Tussche twee haakjes: we hebben in De Helder veertien
dage die zelfde lucht in[a37] de kokker gehouwe, en de dooie
vissche en vogels lage voor 't oprape langs 't strand.

"Ik ben nog an die redding toe... Ik zal eerst die acht geredde
manne an boord van de "Atlas" afzette, die 'n paar honderd vaam
buiten de felle branding lei...

Maar met die gekke zee, die dol te keer gaat, krijg 'k 'n jens van de
sleepboot en slaat ie met z'n kont m'n helmhout stuk, ... met schaaf
an 't roer, en de helft van onze rieme an splinters, om niet te spreke
van al de verdere[a40] averij... Ik krijg m'n boot toch langszij van de
sleepboot en die geredde kruipe wel an boord... Maar nog acht zitte
d'r op dat voorschip, en de storm wier nog kwajer... Zoo was d'r
geen beginne an... Die arme bliksems moste we in de steek late, en
de "Atlas" sleept onze reddingboot foelspiet naar Nieuwediep.... —
"Reddingboot defek!" roept de kaptein de haven in. Hou nou toch je
mond!" roep ik er overheen. "Ben ik de schipper van de reddingboot,
of jij?" En in nog geen halfuur heb ik m'n schuit weer klaar... Sleept
de "Atlas" ons weer naar buite... Wat zal ik je daar nou veel van
vertelle?... Die andere acht krege we d'r ook af... En de zestien man
van 't achter-schip wete we an boord van de "Herkulus" te
scharrele... Opgeteld hebbe we 's morgens half zeve die heele
ekiepaasje van de "Turbo", met geen mannetje te weinig, an de wal
gebracht...

"Maar de "R e n o w" is de kwaaiste van allemaal geweest.... Die

redding leit al weer langer terug — in 1887 — maar die staat me
nog duidelijker voor m'n herinnering. En z'n eerste stuur[a41]man,
die toen onder m'n ooge verdronk, die mot ik nog altijd met dat
belabberde witte gezicht en z'n rooje kinbaardje voor me zien...
"Help me?" riep-ie op z'n Duitsch, want 't was 'n Duitsche bark. Maar
we mochte 't niet wage 'm te redde; hij was uit de mast geslage en
tussche 't wrak van 't schip gespoeld, en daar mocht ik de
reddingboot in zoo'n dolle zee niet tussche brenge, want aan alle
kante stake de scheepsbinte als de slagtande van 'n beest in 't
rond... Van dat schip was er toen al niks meer over. Ze sprake aan
de wal al van 'n v e r g e e f s c h e redding, omdat de reddingboot
terug had gemotte... Ik kon er m'n manne de derde keer niet meer
in krijge... "'t Is niet te doen, schipper!", zeije ze, en dat ware toch
geen kinders. Toen krijg ik de jongens van de loods-leerlinge aan de
rieme en we late d'r ons weer heen sleepe. Dat was de vierde tocht
in drie dagen, en nog altijd hinge daar buite op de uiterste punt van
de Razende Bol, wat wij de Pannekoek noeme, in de enkele mast,
die nog overend stond, die laatste manne van de ekiepaasje van de
"R e n o w". 't Was 'n driemaster, met rijst voor Hamburg; maar z'n
fokkie en[a42] groote mast ware al dadelik over boord geslage. Ze
hadde zich vastgebonde, zoo goed as 't ging. Ja! 'n jong van zestien
jaar glee' er de laatste maal, dat we d'r aan kome, dood uit de mast;
die was van pure ellende omgekomme...
 Langs 'n lijntje krijg ik zoo verbinding met 'n stuk ankerketting en
daar langs konne we die laatste schipbreukelinge binne de
reddingboot hale...[a45] In vier tochte, met 'n drie-daagsche
onverminderde storm uit noordwest, hadde we d'r dus vijf-en-twintig
man levend afgehaald... En van de vorige Duitsche Keizer heb ik
toen 'n gouwe horloosie met inschrift gekrege en in dat zelfde jaar
ook Broeder in de Nederlandsche Leeuw... Maar ik was twee-en-
zestig uur aan één stuk niet uit de kleere geweest, en alsmaar
vechte tege die storm. Zoodat 'n kapitein van de mariniers me onder
m'n arm neemt en me naar z'n kamer brengt en me heete koffie en
'n cognakkie te drinke geeft. Toen zou ik naar m'n huis gaan, heel
aan de andere kant van de stad, bij de windinrichting; maar daar
krijgt ten leste de moeiheid me te pakke. En wat met me gebeurd is
weet ik niet, maar ik wor' wakker en daar staat me 'n agent van
politie voor me, en ik zit op 'n stoep. — "Wat is dat nou, Rijkers?"
vraagt die agent; die dacht zeker dat ik 'n stuk in m'n kraag had of
dat ik daar m'n roes zat uit te slape; "waarom slaap je niet thuis?" —
"Nou," zeg ik zoo, "ik ben net opweg, agent, maar 't schijnt me
onder de hand te zijn overvalle." — "Vooruit maar, omdat jij 't bent!"
zeit ie; hij dacht stellig dat ik sikker[a46] was, want toen ik opstond,
om naar huis te gaan, waggelde ik op m'n beene... Zóó moei was ik!

"In 1893 had ik ook 'n goeie winter, want de reddingboot haalt er
bij drie verschillende gelegenhede, kort na mekaar, de drenkelinge
van drie schuite, die me door de storm al weer op de Haaksgronde
ware gesmakt; dat ware twee Engelsche boote en een Deen. En van
die laatste Engelschman, de "W a n d d l e", haal ik er 23 af... Toen
kreeg ik 'n boodschap van 't havenkantoor, met de complimente uit
Engeland "en of de schipper van de Nieuwediepsche reddingboot d'r
's wou optelle, hoeveel Engelsche hij al aan wal had gebracht?"

"Nou, wie telt dat zoo precies?... Als 't stormt met stukke water as
kanonschote, en hardstikkend nacht, met die vuile, witte branding
om je heen, dan kijk of vraag je niet of dat 'n Engelschman is, of 'n
Duitscher!... Maar m'n dochter had 't waschlijstje bijgehouwe, en die
gaat aan 't telle, en ze zeit:

"Vader, 't zijn d'r 195, die je d'r van af 1872 met je eige vlet en
later met de reddingboot en[a47] Gods hulp heb magge redde..." —
"Mot je me nou!" vraag ik.

Ook noemt ze me de name van al die schuite, en jawel, dat ware 'r
krek 'n dozijn reddinge, die ik me stuk voor stuk scherp kon
herinnere; want dat cijfer van drenkelinge zal ook wel goed zijn
geweest. Toen kreeg ik weer zoo'n medalje met 'n getuigschrift... Ik
had er vòòr die tijd al een van de Koning van de Belse, 't
burgerkruis, ook met 'n getuigschrift, omdat we zeve man van 'n
Belsche visscherschuit, de smak "F e r d i n a n d e s" — dat is geweest
in 1887 — in 'n vliegende storm van de Haaks hadde afgehaald...
Afijn, ik had d'r al meer van die medaljes met de getuigschrifte d'r
bij, want die heb m'n dochter altijd voor de arigheid bewaard...

"Zoo is d'r een van de manne hier uit De Helder, Dirk heette-ie, en
de meeste reddinge had-ie in m'n reddingboot aan de rieme gezete;
die zit nou in 't Prins-Hendrik-gesticht; wel twintig of dertig groote
reddinge hêt die Dirk samen met me mee gemaakt, maar niks weet-
ie d'r meer van, omdat al z'n getuigschrifte weg benne... Dat 's toch
jammer, want wat hou je d'r anders van[a48] over?... De premies,
die zijn zoo vet niet, dat je daarvan potte kan; dat eet je onder de
hand zoo op... En 'n andere herinnering als zoo'n pampier in 'n lijstje
hou' je dus niet over...

"Hier heb ik 'n Italiaansche opvarende, van 'n Engelsche schuit

gehaald... Dat is nog kort gelee', en de medalje van de Koning
Moeder — ik had d'r al een met 't portret van 't Koninginnetje —
daar staat op "Heldenmoed en Naastenliefde"; die kreeg ik in 1907
met de redding van de "N i n a P a t o n"...

"Die zat te rije in de storm op de Razende[a51] Bol; 37 man hale

we d'r met de vlet af, en 'n kwaje redding omdat 't donkere nacht
was en je dan de meeste moeite heb, met zoo'n ruwe boel om je
heen, net precies te weten hòè je ze hebbe mot... As je ze niet
benadere kan bòve wind en bòve stroom, laat 't dan maar... En altijd
je door de sleepboot tot op 'n paar honderd vaam late trekke, en
dan met de rieme of met 't zeil d'r op af, liefst dwars door de gekke
branding, wat daar altijd maar op de Haaks raast.

"Met die "N i n a P a t o n" was 't al zóó slim, dat 't water met
brokke over de luike beukte... Maar al de bemanning krijge we in de
reddingboot... Hoewel niet alles in eens, snap je wel?... De groote
moeite heb je trouwens om dan weer uit de buurt van 't wrak te
komme en je geredde mensche an boord van de sleepboot over te
zette... Nou, bij die keer dat we de laatste lading zulle gaan hale,
krijg ik twee vrouwe an boord, de hofmeesteres en 'n zuster van
d'r... Die sla ik 'n touw om d'r middel en ik bind ze achterin de
reddingboot naast me vast... Dat ware 'n paar flinke meide... Geen
kik gave ze...[a52] Want toen hebbe we nog werk gehad om ons
eige lijf te berge... Daar was zóó'n geweld van water om ons heen,
dat ik alleen maar de boot z'n kop recht op de zee kon houe... 't Was
wel klare dag, maar zoo vuil weer, dat de sleepboot ons kwijt is... En
omdat ik ook geen kans meer zie, 'm te bereike, tracht ik op eige
gelegenheid m'n reddingboot tussche de Kapermeule-boei bij de
Onrustplaat, en boei nommer negen van 't Westgat te loodse... Nou,
dat lappe m'n jonges 'm handig, alsof 't God behaagt, zoodat we na
wat tobbe weer knap alleenig thuis komme.

"Anderhalf uur later komt de sleepboot "Hercules" binne, met de

boodschap, dat de reddingboot omgeslage mot zijn, want dat ie
geen spoor van ons had kunne terugvinde... En zooals die keek,
toen we daar al an de wal stonde... Maar wat ik je eigelijk wou
vertelle van die twee vrouwe; Zweedsche ware 't, en geen woord
gesproke of gelamenteerd, zoolang we daar tege de storm an 't
vechte ware...

"Maar toen ze de volgende dag met de trein weg zoue gaan,

beginne ze in-eens an 't station te zinge... Toen bleke 't twee
vrouwelijke Heil[a53]soldaatjes te zijn. En ter eere van de redders
zonge ze voor ons 'n dankgebed an Onze Lieve Heer..."

[a54]

Bestaat er nog wel één jongen ter wereld, die na dezen

vreeslijksten aller schrikkelijke oorlogen te water en te land, n i e t
zou gehoord hebben van een onderzee-boot?

Geen krant kun je opnemen, of er staat weer het geen of ander

staaltje van kranigheid of boosaardigheid te lezen, uitgehaald door
een der duikbooten van een der elkaar beoorlogende
mogendheden...

Maar ik denk er niet aan, in jullie boek over de zee een beschrijving
te geven van al hetgeen een onderzeeër al voor nuttigs en voor
kwaads heeft uitgericht in de betrekkelijk weinige jaren, sedert dit
scheepstype in gebruik is genomen.[a57]
 Toch wil ik jullie jongens iets vertellen over de inrichting van zoo'n
onderzee-vaarder, en als jullie naar me wilt luisteren wil ik jullie ook
vertellen van een tocht, welken ik aan boord van een onzer
Nederlandsche duikbooten onder water heb meegemaakt.

Eerst enkele woorden, om jullie een eenvoudig, maar duidelijk

beeld te geven van zoo'n boot.

Het best laat zich een onderzeeër vergelijken met een reusachtige,
holle sigaar, maar een, waarin zich menschen bevinden, om de
verschillende werktuigen te bedienen en om torpedo's onder water
af te schieten.

Het doel, dat deze vaartuigen beoogen, is het aanvallen van

vijandelijke schepen, door, in hun nabijheid gekomen, een of meer
torpedo's te schieten, of zooals de technische term luidt: te
lanceeren.

Dit naderbij-komen doen ze niet openlijk, zooals de boven water

varende oorlogschepen, voornamelijk dus als de eigenlijke torpedo-
booten, — maar ongezien, onder-gedoken, verscholen onder het
water, naderen ze tot ze kans zien, den onder[a58]water-aanval te
wagen. Zelf blijven ze dus meestal onzichtbaar en dus... ontrefbaar.

Buiten het bereik van den vijand zal echter een onderzee-boot
gewoonlijk boven water varen; dan doet ze het meest denken aan
het scheepstype, dat torpedoboot heet. In dit geval worden de
schroeven door petroleum-motoren gedreven. Doch zoodra de boot
zich heeft laten zakken onder het water-oppervlak, wordt zoo'n
manier van voortbewegen bezwaarlijk; deze heeft dus plaats door
middel van electriciteit.

Voordat de boot gaat duiken, wordt alles wat aan dek staat, als
hekwerk, luchtkokers, enz. zooveel mogelijk opgeborgen. De
bemanning, welke beperkt is tot de hoogst-noodige hulpkrachten,
verdwijnt in de boot. Alle openingen worden zorgvuldig luchtdicht
gesloten.

Nu wordt het water binnengelaten in een paar afzonderlijk

daarvoor ingerichte afdeelingen; door het water-gewicht zinkt de
boot, totdat ze bijna onder water is verdwenen. Wanneer nu de
schroeven in beweging worden gebracht en de boot vooruitgaat, kan
men door middel van de[a59] horizontale roeren de boot op alle
gewenschte diepten onder water bewegen.

Teneinde den kapitein in staat te stellen, te zien wat er boven

water voorvalt — opdat hij zich kan overtuigen of het oogenblik
reeds gekomen is, om een vijandelijk schip te naderen en aan te
vallen, wellicht ook of het beter is zoo'n vijandelijk oorlogschip te
ontwijken — steekt boven het dek van de boot een lange buis uit.
Wanneer de duikboot niet te diep onder het zee-oppervlak vaart, kan
men door deze holle buis, met behulp van verschillend-gestelde
lenzen en spiegeltjes, beneden in den commando-toren precies zien
wat er aan de oppervlakte van het water voorvalt.

Zoo'n toestel heet — zooals elke jongen tegenwoordig wel weet,

want hoeveel jongens zijn er niet, die zelfs bij hun speelgoed zoo'n
ding bezitten, waarmee je, zonder zelf gezien te worden, om een
hoekje kunt kijken — een periskoop.

Dit is wel een van de voornaamste hulpmiddelen voor den kapitein,

om uit te kijken. Zakt de duikboot dieper onder water, zoodat ook
het bovenste puntje van den periskoop onder water is verdwenen,
dan moet hij op zijn kompas varen.[a60]

Verder bevinden zich aan boord natuurlijk de toestellen voor het

lanceeren der torpedo's, en de verschillende machines en reservoirs,
daartoe noodig. Zoodat er voor de bemanning maar heel weinig
ruimte overblijft. Daarbij komt nog, dat de luchtverversching daar
beneden nog al wat te wenschen overlaat. Immers, je kunt geen
lucht van buiten toelaten, zoolang het vaartuig zich onder water
bevindt. Dus moet men zich maar behelpen door lucht te tappen uit
de aan boord zijnde luchtreservoirs, gevuld met saâm-geperste
lucht.

Toch bestaat er, al die onaangenaamheden bij elkaar genomen,

veel minder gevaar voor ongelukken onder dan boven water.
Bijvoorbeeld is men er betrekkelijk veilig tegen stormgevaar,
wanneer de boot onder gedoken is. Daartegenover staan natuurlijk
weer een aantal kwade kansen, die je op een boven water varend
schip niet loopt.

Over dit alles behoef ik jullie, met je voldoende ontwikkelde

jongensverbeeldingskracht, niet uitvoeriger te onderhouden. Ik
denk, dat jullie het veel belangrijker vindt, te lezen, hoe ik zelf eens
zoo'n duiktocht meemaakte?[a61]

Ik meldde me daartoe aan de Vlissingsche haven, waar een

luitenant-ter-zee onzer Nederlandsche marine, die kapitein is van de
daar voor anker liggende onderzeeër, me aan de sluis opwachtte, om
me dadelijk uit te noodigen, mij aan boord te begeven van dat
wonderlijke ding, dat op alles geleek... behalve op een schip.
 Uit het nauwe ijzeren torentje, even uitstulpend boven het glad-
stalen dek, wenkte de commandant me, hem naar omlaag te volgen.
[a64]

"Welkom aan boord van den "Luctor"!... en u gaat dus zoo 's
mee?... en toch ook o n d e r water?"

"Graag!" antwoordde ik, en nauwelijks was ik beneden, of boven

onze hoofden werd op het torentje het deksel al dichtgeschroefd.

Daardoor kwam er van boven geen licht meer; boven mijn hoofd
hoorde ik tegen de stalen dekplaten de pruttelende geluidjes van
klotsend water. Ik begreep, dat de duikboot al zinkende moest zijn.
De bevelen van den commandant volgden elkaar snel en scherp op.

Elk bevel werd door een der bemanning beantwoord.

 "Midscheepstank is vol, meneer!...." — "Buitenboordskleppen zijn
dicht, meneer!" — "Hoofdballast-tank is vol, meneer!..."

"De boot helt naar bakboordzijde;.... geef stuurboordzijde-tank nog

wat... Is de voortank leeg?"

"Bijna leeg, meneer!" — "Zet 'm dan af." — "Ja, meneer!"

Daarna sprak niemand meer.

De motor ratelde met fellen donderrommel,[a65] zoodat de echo's

met scherpen dreun langs de stalen wanden rondspookten; ... uit
een hoek siste het; ... dan was het, of de haastende slagen van den
motor zachter en doffer klonken; ... alle geluid scheen zich op te
lossen, weg te doezelen als in een droom... Het hamerde tegen m'n
slapen, omdat de saâm-geperste lucht het ademhalen bemoeilijkte;
maar na een minuut of wat was ik aan dit gevoel gewend.

En nu lette ik verder uitsluitend op het groote wijzerbord,

waarlangs een naald regelmatig voortschoof, dan vooruit, dan
achteruit, nu eens naar het cijfer 15, dan weer terug naar de 10.

Ik wist, dat dit de diepte in voeten aangaf, waarop we nu onder

water voeren. Soms helde de boot sterk naar voren, zoodat ik het
lichaam mee moest laten hellen; dan wees de voorkant weer
omhoog, zoodat ik achteruit moest leunen om in evenwicht te
blijven. En bij elke beweging omlaag trachtte ik het onaangename
gevoel van mij af te zetten, dat mijn niet meer te openen kerker
voor goed, steeds lager, steeds dieper in de waterkuil gleed...

Dit duurde een half uur, een uur, anderhalf[a66] uur?... Ik weet het
niet meer. Doch het scheen eindeloos. Tot dan eindelijk een korte,
driftige machine-bel tingde, en dadelijk stond de motor stil. Tegelijk
klonken weer de korte bevelen van den commandant naar het
bedieningspersoneel.
 De matrozen werkten haastig en handig; ... het siste door de dikke
buizen langs de wanden; ... in de peilglazen daalde het water; ...
met zenuwachtige stoten schokte de naald over het wijzerbord, dat
ik nog steeds bestaarde.

Maar dan klonk er boven me, in het nauwe torentje, een zacht
geknars; daar tuimelde een eerste schemerende lichtstraal van
omhoog; en ook een frissche luchtstoot streek van boven tot ons
neer.

Reeds klauterden de zeelaarzen van den commandant door het

kokertje naar het dek; uit het tunneltje riep hij naar me, of ik hem
niet wilde volgen?

Door de toren-opening stroomde die goede sterke lucht van de zee

als een krachtige stortvloed omlaag; ik moest er tegenin klimmen.

Toen, vlak over den rand van het dek-torentje, zag ik haar weer: de
zee!

Ze lag kalm, met stil gekartel van goud-ge[a67]kamde golfjes; als

een maatloos koepelend dak welfde zich daarboven de blauwe effen
hemel.

En ineens stuwde het gezonde bloed naar mijn wangen terug,

zoodat die koele kloeke commandant spottend naar me riep:

"Daar beken je weer kleur!... Je had straks toch geen last van
zeeziekte?"

Neen, ik weet zeker, dat het ditmaal geen zeeziekte geweest was;
maar ik jokte er maar liever om, en antwoordde hem, dat ik me
straks een beetje onpleizierig had gevoeld. Ik zei dit maar, omdat
het wat dwaas zou geweest zijn, tegenover dien wakkeren
zeeofficier, over een gevoel van angst te hebben moeten spreken.

Hij liet me ook niet aan het woord.

 "Zooals je hebt gezien, is er eigenlijk niets aan, om zoo'n duikpartij
mee te maken aan boord van een onderzeeër!..."

Van verre kwam de torpedo-boot "W a j a n g" full-speed op ons af;

de zwarte rook-slierten joegen er achter aan.

"Weet je wat," overlegde m'n duikboot-commandant; "als je onze

duikbeweging nu eens goed wilt zien, dan laat ik je aan boord van
de "W a [a68] j a n g" afzetten. Straks duikt de "L u c t o r" nog eens
voor je, en dan kun je alles van boord prachtig zien. Afgesproken?"

Reeds praaide hij den commandant van de torpedoboot, of die me

wilde komen opnemen.
 En zoo heb ik dan de tweede duikproef kunnen zien van af het
andere schip.[a71]

Daar zag ik van het dek van den "W a j a n g" wat er nu gebeurde
aan boord van m'n onderzeeër. Eerst kwamen de matrozen uit het
torentje gekropen, takelden het verschansinkje af, gaven de koperen
stangen naar omlaag; dan verdwenen ze één voor één van het
dekje; het laatst wipte de commandant zijn zeelaarzen over den
rand van het torentje, daalde in het nauwe kokertje af. Dan sloot
weer langzaam het deksel boven hem dicht.

Eenige minuten bleef de onderzeeër zoo varen, een streep van het
glimmende dekje boven water, het eenzame torentje er boven-uit,
met een klein vlokkig schuimkopje voor den boeg, en wat wild water
achter zijn schroef. Het leek aldus een vreemd en geheimzinnig,
eigenlijk een onbeheerd vaartuig, een schepping van Jules Verne,
zooals dit vaartuig daar nu zonder menschelijk leven erop of erin,
voort schoof door de zee.

Nu begon langzaam het torentje te zakken; het dekje was het eerst
verdwenen, dan dompelde ineens het torentje onder, ... een smal wit
randje, — en niets meer.

Dit duurde weer een half uur; misschien lan[a72]ger, wellicht

korter. Het scheen me alweer een eeuwigheid...

Ik wist wat daar onder water nu gebeurde!... Ik kon ze me

voorstellen, die zwijgende, moedige, kerels, ieder bij zijn eigen
toestel, klaar bij de kranen en hefboomen; het turen naar de
peilglazen, het staren op het wijzerbord, waarlangs de naald
regelmatig voortschokte ... vooruit .... achteruit... En midden in het
vaartuigje, in het nauwe torentje, de commandant, het stuurwiel in
de handen, en hoe zijn bevelen kalm en kort naar beneden klinken
moesten, om eentonig herhaald te worden door de matrozen en
machinisten.