ارايه روشي ابتكاري براي حل مسيله مسيريابي «فروشنده دوره‌گرد»

A New Innovative Method for Solving Traveling Salesman Problem

مسيريابي يكي از مسايل بسيار پركاربرد GIS است كه هدف اصلي آن يافتن بهترين مسير گذرنده از يك سري موقعيت‌هاي از پيش تعيين شده است. اين فرايند مي‌تواند تاثير بسزايي در تصميم‌گيري‌هاي حساس مكاني داشته باشد. به همين دليل از ديرباز تحقيقات بسياري در مورد بهينه‌سازي اين مسيله با استفاده از الگوريتم‌هاي مختلف صورت گرفته است. مسيله فروشنده دوره‌گرد يكي از مسايل بسيار كهن در علوم كاربردي است كه پيش از پيدايش GIS نيز مطرح بوده است. اين مسيله با ظهور فناوري‌هاي جديد مانند GIS كاربردهاي بسياري يافته و روش‌هاي جديدي نيز براي حل آن پيشنهاد شده است. الگوريتم‌هاي تكاملي (ژنتيك) يكي از روش‌هايي هستند كه براي حل مسايل بهينه‌سازي مختلف به كار گرفته مي‌شوند. تحقيقات نشان داده است كه تلفيق روش‌هاي جست‌وجوي محلي (Local Search) با عملگرهاي ژنتيك مي‌تواند منجر به نتايج بهتري در حل مسيله فروشنده دوره‌گرد شود. در نوشتار حاضر، روشي تازه و ابتكاري براي حل مسيله مسيريابي ارايه و پياده‌سازي شده است. در اين روش با بهره‌گيري از مفهوم مركز هندسي به برازش چندضلعي‌ها با ريوس شهرها، به گونه‌اي پرداخته شده است كه مسير نهايي محدب‌ترين چندضلعي باشد. اين الگوريتم با رويكردي پوششي با جهت بيروني ـ دروني بزرگ‌ترين دايره محيطي شهرها را به كوچك‌ترين چندضلعي محدب ممكن تبديل مي‌كند. همچنين با استفاده از جست‌وجوي محلي مبتني بر الگوريتم ژنتيك و روش نزديك‌ترين همسايه (NN)، به حل مسيله مسيريابي فروشنده دوره‌گرد پرداخته شده است. ارزيابي نتايج حاصل از روش پيشنهادي با نتايج حاصل از روش‌هاي ژنتيكي، جست‌وجوي محلي و نزديك‌ترين همسايه حاكي از اين بود كه روش‌ پيشنهادي، سرعت و دقت بالايي را در توليد مسيرهاي نهايي ارايه مي‌كند. بررسي نتايج نهايي ژنتيك با روش ابتكاري نشان دادكه اين الگوريتم همواره نمي‌تواند به جواب‌هاي بهتري برسد. مثلاً در تعداد 25 بار اجراي جداگانه جست‌وجوي ژنتيك، 3/69 درصد از جواب‌ها از جواب روش پيشنهادي، بهتر نبودند. از طرف ديگر روش پيشنهادي مي‌تواند چندين هزار برابر سريع‌تر از الگوريتم قدرتمند ژنتيك جواب‌هاي نهايي را توليد كند. كليد‌واژه‌ها: GIS، مسيريابي، الگوريتم ژنتيك، جست‌وجوي محلي، نزديك‌ترين همسايه (NN).

Abstract Routing issues have many applications in GIS. The main goal in routing is to find the best route passing a series of determined positions. This process has an effective role in many of spatial decision makings. A lot of studies have been accomplished about the optimization of different kinds of routing problems. Traveling Salesman Problem is one of the very old issues in applied sciences. Emerging of new technologies such as GIS caused a lot of new applications for the TSP. A lot of new approaches have been suggested using these technologies to solve TSP. Evolutionary algorithms are one of the methods have been used to solve various optimization problems. Researches have shown that combining local search methods with the genetic operators can lead to better results in solving TSP. In this paper, a new and innovative method is presented to solve this routing problem. In this method using the concept of mass center for a set of station points a growing convex polygon is assigned to them. During this process a reliable solution, which is a route, is produced. Besides, a local search method based on the genetic algorithm and a nearest neighbor algorithm has been implemented to evaluate the results of the new developed method in solving TSP. Evaluation of the results of the genetic method, local search and nearest neighbors indicate that the new method can provide acceptable solutions during very short time. Keywords: GIS, Routing, Genetic Algorithm, Nearest Neighbor, Local Search.