دانلود ترجمه مقاله رویکرد بهینه سازی کلونی مورچه – نشریه اسپرینگر

• بخشی از ترجمه:

چکیده
درمساله فروشنده دوره گرد احتمالی هر مشتری بصورت مساوی الاحتمال نیازبه ملاقات دارد. هدف، یافتن مشتری است که دارای کمترین طول مورد انتظار برای ملاقات تمام مشتریان ، با استراتژی ملاقات زیرمجموعه ای تصادفی از مشتریان به ترتیب نمایش آنها در مسیر باشد.
‏سوال ما این است که در کدام زمینه یک دورقیاسی میتواند بهترین جواب را دهد.
‏ما این سوال را با تست کردن ارتباط خروجی دو الگوریتم مورچگان نشان میدهیم، سیستم کولونی مورچه ها (ACS) جواب میدهیم، که توسط دوریگو و گامباردلا برای مسئله فروشنده دوره گرد معرفی شد، و نوع دیگر آن سیستم کولونی مورچه های احتمالی که تابع هدف مساله فروشنده دوره گرد احتمالی را کمینه میکند.
١. معرفی
‏در یک مساله مسیر یابی مجموعه V را از بین n ‏مشتری در نظر بگیرید. در هر یک از نمونه های مسئله هر مشتری) یک موقعیت معلوم دارد و مقدار احتمال pi نیاز ملاقات میباشد. برای پاسخ به این سوال نیاز به یافتن یک زیرمجموعه تصاذفی S از V. ‏اصلاح میکند، یک مثال خیلی ساده: برای هر زیر مجموعه از مشتریان، هر کدام را به ترتیب نشان داده شده در دور قیاسی ، ملاقات کن و از مشتریانی که عضو زیر مجموعه نیستند صرفنظر کن. استراتژی با توجه به روش گفته شده ( استراتژی صرفنظری نامیده می شود.
‏روش PTSP ( مساله احتمالی فروشنده دوره گرد) در حالتی که مشتریان باید با یک پایه باقاعده (مثلآ روزانه) ملاقات شوند کاربرد دارد، اما تمام مشتریان نیاز به ملاقات همیشگی ندارند، ویا ‏این یک مساله غیر خطی مشکل است( ٢ ‏.١)، و توسط جایل در رساله دکترایش معرفی شده است(٣‏).
‏ناممکن است. در این حالت شخص تحویل دهنده باید یک رویه استاندارد را طی کند(یعنی یک ‏دوریا مسیر قیاسی)، و مشتریانی که نیاز به ملاقات ندارند را صرفنظر کند. مسیر استاندارد کمترین ‏طول مسیر مورد انتظار مربوط به حل بهینه PTSP میباشد. ‏روشهای ابتکاری فراوانی برای پیدا کردن حل زیربهینه مساله وجود دارد.
‏فرا ابتکاری ها از یک معیار همسایگی استفاده میکند که توسط ایکال ( ۴ ‏) و گاویولی (۵‏) و همچنین لاتر، برتسیماس – جایلیت-اودونی [ ١] و برتسیماسهول [ ۶] ارائه شده است.
‏اینها شامل ساخت مسیری ابتکاری (منحنی پرکردن فضا و سورت کردن شعاعی), ‏مسیر بهبود ابتکاری است.
‏اغلب روشهای ابتکاری پیشنهاد شد. از روشهای ابتکاری حل TSP ‏برای حل PTSP ‏استفاده می شود.

• بخشی از مقاله انگلیسی:

Abstract

The Probabilistic Traveling Salesman Problem (PTSP) is a TSP problem where each customer has a given probability of requiring a visit. The goal is to find an a priori tour of minimal expected length over all customers, with the strategy of visiting a random subset of customers in the same order as they appear in the a priori tour. We address the question of whether and in which context an a priori tour found by a TSP heuristic can also be a good solution for the PTSP. We answer this question by testing the relative performance of two ant colony optimization algorithms, Ant Colony System (ACS) introduced by Dorigo and Gambardella for the TSP, and a variant of it (pACS) which aims to minimize the PTSP objective function. We show in which probability configuration of customers pACS and ACS are promising algorithms for the PTSP.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله