A Hybrid Firefly Algorithm Based on Coordinates for the Prize-Collecting Vehicle Routing Problem

Author(s):  
Manousos Rigakis ◽  
Dimitra Trachanatzi ◽  
Magdalene Marinaki ◽  
Yannis Marinakis
2021 ◽  
Author(s):  
Μανούσος Ρηγάκης

Στη παρούσα διδακτορική διατριβή μελετήθηκε ο σχεδιασμός τουριστικών διαδρομών, ως αποτέλεσμα της επίλυσης προβλημάτων δρομολόγησης οχημάτων κάνοντας χρήση ειδικά σχεδιασμένων αλγοριθμικών πλαισίων. Θεωρείται ότι τα προβλήματα δρομολόγησης οχημάτων της βιβλιογραφίας μπορούν να χρησιμοποιηθούν (ως έχει ή παραλλαγμένα) στο σχεδιασμό διαδρομών ανάμεσα στα σημεία ενδιαφέροντος (POIs) ενός ταξιδιωτικού προορισμού. Σημαντικός παράγοντας της δρομολόγησης είναι η πεπερασμένη διάρκεια του ταξιδιού, το οποίο πρακτικά σημαίνει ότι δεν είναι δυνατή η επίσκεψη κάθε σημείου ενδιαφέροντος. Συνεπώς, κατά το σχηματισμό εξατομικευμένων τουριστικών διαδρομών γίνεται η επιλογή ενός υποσυνόλου από τα διαθέσιμα σημεία, τα οποία συμβάλουν περισσότερο στην ικανοποίηση του χρήστη, λαμβάνοντας υπόψιν τις αντίστοιχες προτιμήσεις του. Έτσι, εξετάστηκαν διαφορετικά σενάρια λαμβάνοντας υπόψη ένα άτομο ή μία ομάδα ατόμων και τις αντίστοιχες προτιμήσεις τους. Αρχικά, στη περίπτωση ενός ατόμου, εξετάστηκε ο βέλτιστος σχεδιασμός διαδρομών στα σημεία ενδιαφέροντος θεωρώντας ότι η προτίμηση του σε κάθε σημείο ενδιαφέροντος έχει εκ των προτέρων δηλωθεί με τη χρήση διακριτών τιμών. Για το σκοπό αυτό, επιλέχθηκε το Πρόβλημα Προσανατολισμού Ομάδας με Περιορισμένη Χωρητικότητα (Capacitated Team Orienteering Problem (CTOP)) και το Πρόβλημα Δρομολόγησης Οχημάτων Συλλογής Βραβείου (Prize-Collecting Vehicle Routing Problem (PCVRP)). Για τη βελτιστοποίηση του CTOP σχεδιάστηκε ένα κατάλληλο αλγοριθμικό πλαίσιο, ο αλγόριθμος της Διαφορικής Εξέλιξης Σχετιζόμενη με τις Αποστάσεις (Distance Related Differential Evolution (DRDE)). Τα αποτελέσματα της μεθόδου DRDE συγκρίθηκαν με τις βέλτιστες τιμές των παραδειγμάτων αναφοράς της βιβλιογραφίας, αναδεικνύοντας την αποτελεσματικότητα και ανταγωνιστικότητα της προτεινόμενης μεθόδου. Για τη βελτιστοποίηση του PCVRP προτείνεται ο Αλγόριθμος της Πυγολαμπίδας βασισμένος στις Συντεταγμένες (Firefly Algorithm based on Coordinates (FACR)). Ο προτεινόμενος αλγόριθμος FACR συγκρίνεται στην επίλυση των παραδειγμάτων αναφοράς της βιβλιογραφίας του PCVRP, με τον προτεινόμενο DRDE, του οποίου και υπερισχύει. Στην περίπτωση, που ο επισκέπτης εξετάζει παράλληλα διαφορετικά ή αντικρουόμενα κριτήρια σχεδιασμού των τουριστικών διαδρομών του, γίνεται χρήση πολυ-αντικειμενικών προβλημάτων, όπως το Πολυ-αντικειμενικό Πρόβλημα Δρομολόγησης Οχημάτων Συλλογής Βραβείου (Multi-Objective Prize-Collecting Vehicle Routing Problem (MO-PCVRP)). Η επίλυση τέτοιων προβλημάτων δεν οδηγεί σε μία μοναδική βέλτιστη λύση, αλλά σε ένα υποσύνολο των καλύτερων λύσεων που δεν μπορούν να συγκριθούν μεταξύ τους. Για αυτό το λόγο, προτείνεται ένα αλληλεπιδραστικό πλαίσιο που βασίζεται στον προτεινόμενο Αλγόριθμο της Πυγολαμπίδας με Καθοδήγηση Προτιμήσεων (Preference-Guided Firefly Algorithm (PGFA)), ο οποίος βασίζεται στον προτεινόμενο FACR. Μέσα από το οποίο, ο επισκέπτης δηλώνει τη προτίμηση του και κατευθύνει την αναζήτηση, κάνοντας χρήση μεθόδων αναλυτικής συνθετικής προσέγγισης. Τα υπολογιστικά πειράματα, έδειξαν ότι η προτεινόμενη αλληλεπιδραστική μέθοδος κατευθύνει επιτυχώς την αναζήτηση στο χώρο λύσεων σύμφωνα με τις προτιμήσεις του επισκέπτη. Τέλος, μελετήθηκε και το σενάριο σχεδιασμού τουριστικών διαδρομών για μία ομάδα ατόμων, θεωρώντας ότι τα μέλη της έχουν διαφορετικές ή αντικρουόμενες προτιμήσεις, όμως επιθυμούν να ταξιδέψουν μαζί. Στη παρούσα διατριβή προτείνεται η χρήση μίας μεθόδου που ενσωματώνει στοιχεία της Θεωρίας Παιγνίων και της αλγοριθμικής βελτιστοποίησης, με στόχο την πρόταση τουριστικών διαδρομών που να καλύπτουν τις διαφορετικές προτιμήσεις και να ικανοποιούνται όλα τα μέλη της ομάδας. Συγκεκριμένα, χρησιμοποιείται η επαναληπτική προσομοίωση του παιγνίου n-Ατόμων Μάχη των Φύλων (n-Person Battle of the Sexes (n-BOS)), προσομοιώνοντας (μέσω πρακτόρων) την αλληλεπίδραση των μελών της ομάδας τουριστών. Ενώ, η διαδρομή με τα σημεία ενδιαφέροντος προκύπτει από την επίλυση του προτεινόμενου Προβλήματος Δρομολόγησης Οχημάτων Συλλογής Βραβείου n Ατόμων (n-Person Prize-Collecting Vehicle Routing Problem (n-PCVRP)), η οποία βελτιστοποιείται μέσω του ειδικά σχεδιασμένου Αλγόριθμου της Πυγολαμπίδας βασισμένος στις Συντεταγμένες και Αποστάσεις (Fireflly Algorithm based on Coordinates and Distance (FACRD)). Σε αυτό το αλγοριθμικό πλαίσιο ενσωματώνονται ειδικά σχεδιασμένες ευρετικές τεχνικές κατασκευής και βελτίωσης των λύσεων, ενώ χρησιμοποιείται μία νέα μέθοδος κωδικοποίησης/αποκωδικοποίησης. Ο προτεινόμενος αλγόριθμος αποδίδει εφικτές και αποτελεσματικές λύσεις που συνάδουν με τις προτιμήσεις της ομάδας.


2020 ◽  
Vol 57 ◽  
pp. 100712
Author(s):  
Dimitra Trachanatzi ◽  
Manousos Rigakis ◽  
Magdalene Marinaki ◽  
Yannis Marinakis

2021 ◽  
Vol 1726 ◽  
pp. 012006
Author(s):  
Ahmad Jamil ◽  
Bayu Nur Abdallah ◽  
Vridayani Anggi Leksono

Author(s):  
Ihda Septiyafi ◽  
Herry Suprajitno ◽  
Asri Bekti Pratiwi

This paper aims to solve Open Vehicle Routing Problem using Firefly Algorithm. Open Vehicle Routing Problem (OVRP) is a variant of Vehicle Routing Problem (VRP)  where vehicles used to serve customers do not return to the depot after serving the last customer on each route. The steps of the Firefly Algorithm to handle OVRP are data input and initialization parameters, generating the initial population for each firefly, sorting population sources, calculating the value of the objective function and light intensity, comparing the intensity of light, performing movement, setting the best fireflies as g-best, doing random movement in the best fireflies as long as the maximum number of iterations has not been met. The program used to complete OVRP using the Firefly Algorithm is Borland C ++ and implemented in 3 case examples, namely small data with 18 customers, moderate data with 50 customers, and large data with 100 customers with the best total mileage of 211, 344 , 970.62, and 2531.83. The results obtained from the program output indicate that the more the number of iterations and the number of fireflies, then the results of the objective function (total mileage) obtained tend to be better so that these parameters affect the value of the objective function. While the absorption coefficient value (g) does not give effect to the value of the objective function.


Sign in / Sign up

Export Citation Format

Share Document