رویکردی نوین برای حل مساله فروشنده دوره گرد با استفاده از موازی سازی الگوریتم های کیاتیکی ژنیتک، رقابت استعماری و شبیه سازی تبرید

مساله فروشنده دوره گرد (TSP) جزء مساله های برتری است که بطور گسترده توسط ریاضیدانان و دانشمندان علوم مختلف مورد مطالعه قرار گرفته و یکی از مسادل مشهور بهینه سازی ترکیبی است. اساس آن به این صورت می باشد که یک فروشنده دوره گرد می خواهد به N شهر برود و کالای خود را به فروش برساند، به طوری که از هر شهر فقط یک بار عبور کند و از تمام شهرها گذشته باشد و در نهایت کمترین مسیر را طی کند. تا کنون الگوریتمی ارائه نشده که بتواند این مساله را در زمان چند جمله ای حل کند، در نتیجه این مساله از رده مسائل NP-Hard بوده و برای حل چنین مسائلی می توان با استفاده از الگوریتم متاهیوریستیک جوابهای نزدیک به بهینه را در زمان معقولی بدست آورد. در این مقاله یک روش جدید با استفاده از موازی سازی الگوریتم ژنتیک، رقابت استعماری و شبیه سازی تبرید بر اساس نگاشت آشوب برای حل مساله فروشنده دوره گرد پیشنهاد شده است. هدف از این مقاله بهبود در سرعت همگرایی به همراه دقیقتر شدن جستجو برای محاسبه بهینه سراسری می باشد. الگوریتم پیشنهادی با دیگر الگوریتم های ابتکاری MHPSO و CDPSO و DPSO و FRAG_GA و ICA و Memetic SOM و CO-Adaptive Net مقایسه شده است. نتایج آزمایشات بر روی 24 نمونه TSP از کتابخانه TSPLIB نشان میدهد که روش ارائه شده از عملکرد بهتری در مقایسه با دیگر الگوریتم های ابتکاری برخوردار است.

کلیدواژه ها:

فروشنده دوره گرد ، الگوریتم رقابت استعماری ، الگوریتم ژنتیک ، الگوریتم شبیه ساز تبرید ، آشوب