یک الگوریتم ژنتیک جدید برای مسئله فروشنده دوره گرد متوازن رنگ شده مقیاس بزرگ
ترجمه نشده

یک الگوریتم ژنتیک جدید برای مسئله فروشنده دوره گرد متوازن رنگ شده مقیاس بزرگ

عنوان فارسی مقاله: یک الگوریتم ژنتیک جدید برای مسئله فروشنده دوره گرد متوازن رنگ شده مقیاس بزرگ
عنوان انگلیسی مقاله: A novel genetic algorithm for large scale colored balanced traveling salesman problem
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط:  مهندسی کامپیوتر
گرایش های تحصیلی مرتبط:  الگوریتم و محاسبات
کلمات کلیدی فارسی: الگوریتم ژنتیک جدید، بهینه سازی در مقیاس بزرگ، مسئله فروشنده دوره گرد متوازن رنگ شده، مسئله فروشنده دوره گرد رنگ شده، مسئله فروشنده دوره گرد متوازن
کلمات کلیدی انگلیسی: Novel genetic algorithm, Large scale optimization, Colored balanced traveling salesman problem, Colored traveling salesman problem, Balanced traveling salesman problem
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.12.065
دانشگاه: https://doi.org/10.1016/j.future.2018.12.065
صفحات مقاله انگلیسی: 25
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E11998
فهرست مطالب (انگلیسی)

Abstract

1. Introduction

2. Colored balanced traveling salesman problem

3. NGA for CBTSP

4. Experiments and analysis

5. Conclusion and future works

Acknowledgments

References

بخشی از مقاله (انگلیسی)

Abstract

The paper gives an applicable model called colored balanced traveling salesman problem (CBTSP), it is utilized to model optimization problems with partially overlapped workspace such as the scheduling and deploying of the resources and goods. CBTSP is NP-hard problem, the traditional nature-inspired algorithms, such as genetic algorithm (GA), hill-climbing GA and simulated annealing GA, are easy to fall into local optimum. In order to improve it, the paper proposes a novel genetic algorithm (NGA) based on ITÖ process to solve CBTSP. First of all, NGA utilizes the dual-chromosome coding to represent solution of this problem, and then updates the solution by the crossover and mutation operator. During the process of crossover operator, the length of crossover can be affected by activity intensity, which is directly proportional to environmental temperature and inversely proportional to particle radius. The experiments verify that NGA can demonstrate better solution quality than the compared algorithms for large scale CBTSP.