• 정보처리학회논문지B
• /
• 제18B권2호
• /
• pp.73-82
• /
• 2011

메타 휴리스틱 알고리즘을 이용해 TSP (Traveling Salesman Problem) 문제를 풀고자 하는 많은 시도가 이루어지고 있다. TSP 문제는 대표적인 NP_Hard 문제로 탐색 알고리즘이나 최적화 알고리즘을 실험하는데 많이 사용되고 있으며, 복잡한 사회의 많은 문제들의 표준 모델로 제시되고 있다. 본 논문에서는 2009년 제안된 MINE 알고리즘을 TSP 에 적용시켜 메타 휴리스틱 알고리즘으로서의 탐색성능을 알아보고자 하였다. 이에 S-MINE (Search - MINE) 알고리즘을 제안하였으며, TSP 에 적용하여 그 결과를 고찰하였다.

• 산업경영시스템학회지
• /
• 제23권61호
• /
• pp.127-135
• /
• 2000

This paper provides a new method of initializing neurons used in self-organizing neural networks and sequencing input nodes for applying to Euclidean traveling salesman problem. We use a general property that in any optimal solution for Euclidean traveling salesman problem, vertices located on the convex hull are visited in the order in which they appear on the convex hull boundary. We composite input nodes as number of convex hulls and initialize neurons as shape of the external convex hull. And then adapt input nodes as the convex hull unit and all convex hulls are adapted as same pattern, clockwise or counterclockwise. As a result of our experiments, we obtain l∼3 % improved solutions and these solutions can be used for initial solutions of any global search algorithms.

• 대한산업공학회지
• /
• 제33권1호
• /
• pp.86-98
• /
• 2007

This paper presents a heuristic algorithm for the traveling salesman problem with time windows (TSPTW). Aniterative insertion algorithm as a constructive search heuristic and a hybrid meta heuristic combining simulatedannealing and tabu search with the randomized selection of 2-interchange and a simple move operator as animproving search heuristic are proposed, Computational tests performed on 400 benchmark problem instancesshow that the proposed algorithm generates optimal or near-optimal solutions in most cases. New best knownheuristic values for many benchmark problem sets were obtained using the proposed approach.

• 산업공학
• /
• 제24권2호
• /
• pp.112-118
• /
• 2011

This paper introduces one type of prize collecting travelling salesman problem with time windows (PCTSPTW), proposes a mixed integer programming model for the problem, and shows that the problem can be reduced to the elementary shortest path problem with time windows and capacity constraints (ESPPTC). Then, a new dynamic programming algorithm is proposed to solve ESPPTC quickly. Computational results show the effectiveness of the proposed algorithm.

• 산업경영시스템학회지
• /
• 제22권52호
• /
• pp.97-107
• /
• 1999

The asymmetric traveling salesman problem is a representative NP-Complete problem. Polynomial algorithm for this problem has not been yet found. So, many heuristic methods have been researched in this problem. We need heuristic methods that produce good answers for some larger problems in reasonable times. 3-opt is well known for the effective local-search heuristic method. It has been used in many applications of the asymmetric traveling salesman problem. This paper discusses 3-opt's properties and ineffective aspects and presents a highly effective heuristic method. 3-opt does not consider good arcs(shorter distance or little cost). This paper presents a fast heuritic algorithm compared with 3-opt by inserting good arcs and deleting related arcs later.

• 산업경영시스템학회지
• /
• 제33권4호
• /
• pp.58-68
• /
• 2010

Particle Swarm Optimization (PSO) which has been well known to solve continuous problems can be applied to discrete combinatorial problems. Several DPSO (Discrete Particle Swarm Optimization) algorithms have been proposed to solve discrete problems such as traveling salesman, vehicle routing, and flow shop scheduling problems. They are different in representation of position and velocity vectors, operation mechanisms for updating vectors. In this paper, the performance of 5 DPSOs is analyzed by applying to traditional Traveling Salesman Problems. The experiment shows that DPSOs are comparable or superior to a genetic algorithm (GA). Also, hybrid PSO combined with local optimization (i.e., 2-OPT) provides much improved solutions. Since DPSO requires more computation time compared with GA, however, the performance of hybrid DPSO is not better than hybrid GA.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.9-11
• /
• 1999

조합 최적화 문제인 Traveling Salesman problems(TSP)을 Genetic Algorithm(GA)과 Local Search Heuristic인 Lin-Kernighan(LK) Heuristic[2]을 이용하여 접근하는 것은 최적해를 구하기 위해 널리 알려진 방법이다. 이 논문에서는 LK를 이용하여 주어진 TSP 문제에서 Local Optima를 찾고, GA를 이용하여 Local Optimal를 바탕으로 Global Optima를 찾는데 이용하게 된다. 여기서 이런 GA와 LK를 이용하여 TSP 문제를 풀 경우 해가 점점 수렴해가면서 중복된 유전자가 많이 생성된다. 이런 중복된 유전자를 제거함으로써 탐색의 범위를 보다 넓고 다양하게 검색하고, 더욱 효율적으로 최적화를 찾아내는 방법에 대해서 논하겠다. 이런 방법을 이용하여 rat195, gil262, lin318의 TSP문제에서 효율적으로 수행된다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.75-79
• /
• 1998

It is well known that traveling salesman problem (for short, TSP) is one of mot important problems for optimization, and almost all optimization problems result in TSP. This paper describes on an effective solution of TSP using genetic algorithm. The features of our method are summarized as follows : (1) By using division and unification method, a large problem is replaced with some small ones. (2) Smoothing method proposed in this paper enables us to obtain a fine approximate solution globally. Accordingly, demerits caused by division and unification method are decreased. (3) Parallel operation is available because all divided problems are independent of each other.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.783-786
• /
• 2008

외판원문제(Traveling Salesman problem: TSP)는 전형적인 조합최적화 문제로 위치하는 n개의 모든 지점을 오직 한번씩만 방문하는 순회경로를 결정하는 과정에서 순회비용 또는 순회거리를 최소화한다. 따라서 본 논문에서는 종래의 NP-hard문제로 널리 알려진 TSP를 해결하기 위해서 메타 휴리스틱기법 중에서 가장 널리 이용되고 있는 유전 알고리즘(Genetic Algorithm: GA)을 이용한다. 마지막으로, 유전 알고리즘을 이용해 외판원문제에 적합한 성능을 보이는 유전 연산자를 찾아내기 위해 수치 실험을 통해 그 성능에 대한 평가를 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (상)
• /
• pp.321-324
• /
• 2000

조합 최적화 문제인 Traveling Salesman problems(TSP)을 Genetic Algorithm(GA)[3]과 Local Search Heuristic Algorithm[8]을 이용하여 접근하는 것은 최적해를 구하기 위해 널리 알려진 방법이다. 본 논문에서는 TSP문제를 해결하기 위한 또 다른 접근법으로, 다수의 Ant들이 Tour들을 찾는 ACS(Ant Colony System) Algorithms[4][6][7]을 소개하고, ACS에서 Global Optima를 찾는 과정에서, 이미 이루어져 있는 Ant들의 Tour결과들을 서로 비교한다. Global Updating Rule에 의해 Global Best Tour 에 속해 있는 각 Ant Tour의 edge들을 update하는 ACS Algorithm에, 각 루프마다 Ant Tour들을 우성과 열성 인자들로 구분하고, 각각의 우성과 열성 인자들에 대해서 Global Updating Rule에 기반한 가중치를 적용(Weight Updating Rule)하므로서 기존의 ACS Algorithm보다 효율적으로 최적 해를 찾아내는 방법에 대해서 논하고자 한다.