مسيريابي مكان‌هاي توريستي شهر، با استفاده از الگوريتم‌ زنبور

Tourist path finding using Artificial Bee Colony algorithm

جهانگردی بزرگ‌ترین تحرك اجتماعی بشر است كه می‌تواند منشأ عمیق‌ترین اثرات فرهنگی، اجتماعی و اقتصادی باشد. بازدید از اماكن توریستی همواره در ذات بشر نهفته است. مسئله‌ای كه اینجا مطرح است نحوه‌ی دسترسی به اماكن توریستی توسط توریست است. مسئله مسیریابی مكان‌های توریستی موضوعی پیچیده است. اطلاعاتی از قبیل فاصله بین مكان‌های توریستی، ترافیك و فاصله توریست از نزدیك‌ترین مكان توریستی تأثیر زیادی در نحوه‌ی دسترسی دارد. هدف اصلی در این مسئله این است كه با توجه به علاقه توریست، ترافیك و فاصله بین مكان‌های توریستی، توریست بتواند در كمترین زمان ممكن از این مكان‌ها بازدید نماید. با این تعریف، مسئله مسیریابی یك موضوع بهینه‌سازی مكانی با فضای جستجوی وسیع است كه به دلیل تنوع بسیار بالای حالات بازدید از این مكان‌ها، امكان حل آن توسط روش‌های قطعی و ریاضی وجود ندارد. موضوع این تحقیق، حل این مسئله با استفاده از الگوریتم بهینه‌سازی زنبور است. داده‌های فرضی كه در اینجا مورداستفاده قرارگرفته مربوط به یك شهر است كه شامل ۱۰ مكان توریستی است. الگوریتم‌ زنبور برای این مسئله ۳۵۰ بار اجرا شده است. كه با توجه به سرعت اجرای، سرعت همگرایی و دقت بالای الگوریتم، جواب‌های قابل قبولی به دست آمده است. نتایج محاسبات نشان می‌دهد این الگوریتم، الگوریتم مناسبی برای مسئله مسیریابی مكان‌های توریستی است.

Tourism is one of human activities that have strong cultural, social and economic effects on societies. One of the concerns of the tourist is how to select the order and the path to the tourism centers he/she wants to visit. Information such as the distances between tourist attractions, traffic and the start location of the tourist should be considered when deciding about the travel path of the tourist. The goal of tourist path finding is to find a path, through which the tourist can visit all attractions in shortest possible time, considering his priorities, traffic and the distances between attractions. This can be assumed as a spatial optimization problem with such a wide search space that cannot be solved using mathematical and deterministic methods. The goal of this research is to solve this problem using Artificial Bee Colony (ABC) meta-heuristic algorithm. The simulated data of a city with 10 tourist attraction is used for the implementation. At the 350th run of the ABC algorithm the acceptable results are gained. Taking into account the implementation speed, convergence speed and pattern, and the quality of the answers, the algorithm can be accepted as a suitable solution to the tourist path finding problem.