В работе исследовано применение к решению задачи коммивояжера одного из алгоритмов, предложенных автором для дискретной оптимизации в имитационной модели расписания учебных занятий, где данный алгоритм достигает наилучших результатов среди всех известных алгоритмов. При адаптации к задаче коммивояжера указанный алгоритм достигает результатов, сравнимых с результатами метода имитации отжига, а в некоторых случаях превосходящих их. Адаптация состоит в основном в выборе эвристики и формулировке понятия последовательности. Разработана компьютерная программа в свободно распространяемой системе программирования Turbo Delphi 2006, реализующая данный алгоритм и для сравнения другие алгоритмы. В качестве исходных данных для этой программы используются хорошо известные наборы данных. Программа использует несколько параметров, корректируемых пользователем. Приводится пример экранной формы, который иллюстрируют работу программы. Результаты экспериментов сведены в таблицу.
The work examines the application to solution of the travelling salesman problem one of the algorithms proposed by the author for discrete optimization in a simulation model of a training schedule, where this algorithm achieves the best results among all known algorithms. After adaptation to the traveling salesman problem the algorithm achieves results comparable to results of the method of simulated annealing, and in some cases exceeding them. Adaptation consists mainly in the selection of heuristics and in the formulation the term “sequence”. Developed a computer program in a free redistributable system programming Turbo Delphi 2006, which implements this algorithm and, to compare, other algorithms. As an input data for this program are used well-known datasets. The program uses several parameters that are adjustable by the user. Shown an example of on-screen form that illustrates the operation of the program. The results of the experiments are summarized in table.
1. Димитриев А. П. Модели и алгоритмы в системах автоматизированного перевода текста // Прикладная информатика. 2013. № 6 (48). С. 45–59.
2. Сетевые методы решения задачи коммивояжера / М. Г. Булашкова, А. Н. Ломакина, Е. А. Чаузова, С. А. Зотова // Успехи современного естествознания. – 2012. – № 5. – С. 72-73. URL: www.rae.ru/use/?section=content&op=show_article&article_id=9999317 (дата обращения: 19.06.2015).
3. Hentenryck P. V., Vergados Y. Population-based simulated annealing for traveling tournaments. In Proceedings of the 22nd AAAI Conference on Artificial Intelligence, 2007. P. 267–271.
4. Lamartin J. P., Martins J. S. B. AntBeePath: A Hybrid Bio-Inspired Algorithm for Path Determination // AAAI Technical Report FS-12-04 Human Control of Bioinspired Swarms. P. 38 43. URL: https://www.aaai.org/ocs/index.php/FSS/FSS12/paper/viewFile/5598/5834 (accessed 22.05.2015).
5. Particle swarm optimization-based algorithms for TSP and generalized TSP / X. H. Shi, Y. C. Liang, H. P. Lee, C. Lu, Q. X. Wang // Information Processing Letters 103(5). 2007. P. 169-176. URL: https://svn-d1.mpi-inf.mpg.de/AG1/MultiCoreLab/papers/ShiLiangLeeWang07%20-%20PSO%20based%20algorithms%20for%20TSP.pdf (accessed 22.05.2015).
6. Reinelt G. TSPLIB, a traveling salesman problem library. ORSA J. Comput. 1991. № 3. P. 376–384. URL: http://www.iwr.uni-heidelberg.de/groups/comopt/software/TSPLIB95/ (accessed 22.05.2015).
7. Solving the Traveling Tournament Problem by Packing Three-Vertex Paths / M. Goerigk, R. Hoshino, K.-i. Kawarabayashi, S. Westphal // Proceedings of the Twenty-Eighth AAAI Conference on Artificial Intelligence. P. 2271–2277.
8. Sutton A. M., Neumann F. A. Parameterized Runtime Analysis of Evolutionary Algorithms for the Euclidean Traveling Salesperson Problem // Proceedings of the Twenty-Sixth AAAI Conference on Artificial Intelligence. P. 1105–1111.
9. Weiqi Li. Seeking global edges for traveling salesman problem in multi-start search. J Glob Optim. 2011. № 51. P. 515-540. DOI 10.1007/s10898-010-9643-4.