طراحی یک الگوریتم ژنتیک با عملگرهایLocal Search برای حل مساله فروشنده دوره گرد درکاربردهای مسیریابی GIS

محل انتشار: همایش ژئوماتیک 89
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,398

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

GEO89_161

تاریخ نمایه سازی: 20 مهر 1389

چکیده مقاله:

یافتن بهترین مسیری که از موقعیتهای مشخصی عبور کند، از مسائل بسیار پرکاربرد درGIS است که میتواند نقش تاثیرگذاری در تصمیمگیریهای حساس مکانی داشته باشد. به همین دلیل از دیرباز تحقیقات بسیاری روی بهینهسازی این مساله با استفاده از الگوریتمهای مختلف صورت گرفته است. مساله فروشنده دورهگرد یکی از مسائل بسیار کهن در علوم کاربردی است که قبل از پیدایش GIS نیز مطرح بوده است. این مساله با ظهور تکنولوژی های جدید مانند gis کاربردهای بسیاری یافته است و روشهای جدیدی نیز برای حل آن پیشنهاد شده است. الگوریتمهای تکاملی (ژنتیک) یکی از روشهایی هستند که برای حل مسائل بهینه سازی مختلف به کار گرفته می شوند. تحقیقات نشان داده است که تلفیق روشهای جستجوی محلی(Local Search با عملگرهای ژنتیک میتواند منجر به نتایج بهتری در حل مساله فروشنده دورهگرد بشود. در این مقاله با استفاده از یک جستجوی محلی ژنتیک به حل مساله مسیریابی فروشنده دوره گرد پرداخته شده است و نتایج روشهای مختلف تولیدمثل در تکرارهای مختلف مورد بحث و بررسی قرار گرفته است.

نویسندگان

محمدرضا رجبی

دانشجوی کارشناسی ارشد سیستم های اطلاعات مکانی- دانشگاه صنعتی خواجه نصیرالدین طوسی

علی منصوریان

استادیار گروه GIS دانشگاه صنعتی خواجه نصیرالدین طوسی

عباس علیمحمدی

استادیار گروه GIS دانشگاه صنعتی خواجه نصیرالدین طوسی

بهنام تشیع

دانشجوی کارشناسی ارشد سیستم های اطلاعات مکانی- دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bentley JL (1992) Fast algorithms for geometric traveling salesman problems. ...
  • Bock F (1958) An algorithm for solving traveling salesman and ...
  • Brady RM(1985) Optimization strategies gleaned from biological evolution. Nature, 317, ...
  • Croes GA (1958) A method for solving traveling salesman problems. ...
  • Dantzig GB, Fulkerson DR, Johnson SM (1954) Solution of a ...
  • Deb _ (2001) Multi-Obj ective Optimization using Evolutionary Algorithms. Wiley, ...
  • Freisleben B, Merz P (1996) New local search operators for ...
  • Goldberg DE (1989) Genetic Algorithms in Search, Optimization, andMachine Learning. ...
  • J. H. Holland et. Al. "Induction: Processes of Inference, Learning, ...
  • Johnson DS, McGeoch LA (1997) The traveling salesman problem: A ...
  • Krasnogor N, Aragon A, Pacheco J (2006) Memetic algorithms, Metaheuristics ...
  • Li W (2005) Finding pareto-optimal set by merging atractors for ...
  • Lin S (1965) Computer solutions of the traveling salesman problem. ...
  • Lin S, Kernighan BW (1973) An effective heuristic algorithm for ...
  • M. Bakhouya and J. Gaber, _ Immune Inspired-based Optimization Algorithm: ...
  • Advanced Modeling and Optimization, Vol. 9, No. 1, 2007. ...
  • Menger K (1932) Das botenproblem. Ergebnisse Eines M athematischen Kolloquiums, ...
  • Merz P (2002) A comparison of memetic recombination operators for ...
  • Or I (1976) Traveling Salesman-Type Combinatoril Problems and their Relation ...
  • R.Kumar, P.K.Singh (2007) Pareto Evolutionary Algorithm Hybridized with Local Search ...
  • Soak SM, Ahn BH (2003) New subtour-based operator for tsp. ...
  • Tao G, Michalewicz Z (1998) Inver-over operator for the tsp. ...
  • V. Lawrence, A. Snyder and M. S. Daskin, "A random-key ...
  • نمایش کامل مراجع