Dergiler / Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi / 2019 / Cilt: 19 - Sayı: 4

SEZGİSEL VE METASEZGİSEL YÖNTEMLERİN GEZGİN SATICI PROBLEMİ ÇÖZÜM PERFORMANSLARININ KIYASLANMASI

COMPARING THE SOLUTION PERFORMANCES OF THE HEURISTIC AND METAHEURISTIC ALGORITHMS IN TRAVELLING SALESMAN PROBLEM

Sayfa
911–932
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak, EYK+2-Opt yöntemininGezgin Satıcı Probleminin çözümünde hızlı ve etkin çözümler üretebilenkullanışlı bir yöntem olduğu ortaya konmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın amacı, sezgisel ve metasezgisel yöntemlerin Gezgin SatıcıProblemi çözüm performanslarının çözüm değeri ve süresi bakımındandeğerlendirilmesidir.
📊
Temel Bulgular & Veri:Çalışma kapsamında, sezgisel yöntem olarak bütünleşik EnYakın Komşu (EYK) ve 2-Opt sezgiseli, metasezgisel yöntem olarak ise karıncakolonisi optimizasyon, tabu arama, benzetilmiş tavlama ve genetik algoritmayöntemleri kullanılmıştır. 16 adet veri seti ile yapılan deneyler, ortalama çözümdeğerleri ve süreleri bakımından EYK+2-Opt bütünleşik yönteminin en iyiçözümleri sağladığını göstermiştir.
💡
Sonuç & Katkı:Sonuç olarak, EYK+2-Opt yöntemininGezgin Satıcı Probleminin çözümünde hızlı ve etkin çözümler üretebilenkullanışlı bir yöntem olduğu ortaya konmuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:16 adet
⚙️Değişkenler:Alan Parametreleri

Özet

Bu çalışmanın amacı, sezgisel ve metasezgisel yöntemlerin Gezgin SatıcıProblemi çözüm performanslarının çözüm değeri ve süresi bakımındandeğerlendirilmesidir. Çalışma kapsamında, sezgisel yöntem olarak bütünleşik EnYakın Komşu (EYK) ve 2-Opt sezgiseli, metasezgisel yöntem olarak ise karıncakolonisi optimizasyon, tabu arama, benzetilmiş tavlama ve genetik algoritmayöntemleri kullanılmıştır. 16 adet veri seti ile yapılan deneyler, ortalama çözümdeğerleri ve süreleri bakımından EYK+2-Opt bütünleşik yönteminin en iyiçözümleri sağladığını göstermiştir. Sonuç olarak, EYK+2-Opt yöntemininGezgin Satıcı Probleminin çözümünde hızlı ve etkin çözümler üretebilenkullanışlı bir yöntem olduğu ortaya konmuştur.

Abstract

The aim of this study is to evaluate the solution performances of Traveling Salesman Problem solutions in terms of solution value and duration of heuristic and metaheuristic methods. Within the scope of the study, the integrated nearest neighbor and 2-Opt methods were used as heuristic method, and the Ant Colony Optimization, Tabu Search, Simulated Annealing and Genetic Algorithm methods were used as the metaheuristic methods. The experiments conducted with 16 datasets showed that integrated EYK + 2-Opt method provides the best solutions in terms of average solution values and times. As a result, EYK+2-Opt method is found to be a useful method that can produce fast and efficient solutions in the solution of the Travelling Salesman Problem.

🔖

Bu Makaleye Atıf Yap

ŞAHİN, Y. (2022). SEZGİSEL VE METASEZGİSEL YÖNTEMLERİN GEZGİN SATICI PROBLEMİ ÇÖZÜM PERFORMANSLARININ KIYASLANMASI. Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 19 - Sayı: 4, 911–932. https://ajindex.com/articles/426696

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Ahmadi, A., El Bouanani, F. ve Ben-Azza, H. (2014), Four Parallel Decoding Schemas of Product BlockCodes,Transactions on Networks and Communications, 2(3), s.49-69.
  2. Alshamsi, A. ve Diabat, A. (2017), A Genetic Algorithm for Reverse Logistics Network Design: A Case Study From the GCC, Journal of Cleaner Production, 151, s.652-669.
  3. Antosiewicz, M., Koloch, G. ve Kamiński, B. (2013), Choice of best possible Metaheuristic Algorithm for the Travelling Salesman Problem with Limited Computational Time: Quality, Uncertainty and Speed, Journal of Theoretical and Applied Computer Science, 7(1), s.46-55.
  4. Archetti, C., Speranza, M. G. ve Hertz, A. (2006), A Tabu Search Algorithm for the Split Delivery Vehicle Routing Problem, Transportation Science, 40(1), s.64-73.
  5. Aycan, E. ve Ayav, T. (2009), Solving the Course Scheduling Problem Using Simulated Annealing, 2009 IEEE International Advance Computing Conference, Patiala, India. Barbarosoglu, G. ve Özgur, D. (1999), A Tabu Search Algorithm for the Vehicle Routing Problem, Computers&Operations Research, 26(3), s.255-270.
  6. Bilge, Ü., Kıraç, F., Kurtulan, M. ve Pekgün, P. (2004), A Tabu Search Algorithm for Parallel Machine Total Tardiness Problem, Computers & Operations Research, 31(3), s.397-414.
  7. Bouzidi, S., Riffi, M. E. ve Bouzidi, A. (2017), Comparative analysis of Three Metaheuristics for Solving the Travelling Salesman Problem, Transactions on Machine Learning and Artificial Intelligence, 5(4), s.395-402.
  8. Burke E.K., Cowling P.I. ve Keuthen R. (1999), New Models and Heuristics for Component Placement in Printed Circuit Board Assembly, 1999 International Conference on Information Intelligence and Systems, Bethesda, Maryland. Chowdhury, A., Ghosh, A., Sinha, S., Das, S. ve Ghosh, A. (2013), A Novel Genetic Algorithm to Solve Travelling Salesman Problem and Blocking Flow Shop Scheduling Problem, International Journal of Bio-Inspired Computation, 5(5), s.303-314.
  9. Correia, M. H., Oliveira, J. F. ve Ferreira, J. S. (2000), Cylinder Packing by Simulated Annealing, Pesquisa Operacional, 20(2): 269-286.
  10. Cunha, M. D. C. ve Sousa, J. (1999), Water Distribution Network Design Optimization: Simulated Annealing Approach, Journal of Water Resources Planning and Management, 125(4), s.15-221.
  11. Dantzig, G., Fulkerson, R. ve Johnson, S. (1954), Solution of a LargeScale Traveling-Salesman Problem, Journal of the Operations Research Society of America, 2(4), s.393-410.
  12. Deng, Y., Liu, Y. ve Zhou, D. (2015), An Improved Genetic Algorithm -