ارائه دهنده: معصومه خيرخواه زاده

ارائهء يک الگوريتم جستجوي مبتني بر روشهاي مبني برجمعيت در بهينه سازي ترکيبي
ارائه دهنده: معصومه خيرخواه زاده استاد راهنما: جناب آقاي دکتر عبدالله زاده

آزمايشگاه سيستم هاي هوشمند
فهرست مطالب تعريف مسايل بهينه سازي ترکيبي مدلهاي ACO کاربردهاي الگوريتم مورچه مساله مسيريابي وسايل نقليه الگوريتم پيشنهادي داده هاي آزمايشگاهي تست و ارزيابي نتيجه گيري و راهکارهاي آينده منابع معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند

تعريف مساله الگوريتم هاي بهينه سازي ترکيبي، فضاي حالت را براي يافتن يک پيکربندي جستجو مي کنند که تابع هدف از پيش تعريف شده، روي متغيرهاي مساله را بهينه کند و در ضمن محدوديتهاي تعريف شده بين متغيرهاي مساله را هم نقض نکند. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند

طبقه بندي الگوريتم هاي حل مسايل بهينه سازي تركيبي
الگوريتمهاي حل مسايل بهينه سازي ترکيبي الگوريتم هاي تخميني روشهاي فرااکتشافي الگوريتم هاي جستجوي محلي الگوريتم هاي سازنده الگوريتم هاي دقيق شاخه و قيد عقبگرد برنامه نويسي پويا آزمايشگاه سيستم هاي هوشمند

طبقه بندي فرااكتشافات فرااکتشافات روشهاي مبني برجمعيت هوش تجمعي
محاسبه تکاملي روشهاي خط سير روشهاي جستجوي محلي کاوشگرانه جستجوي ممنوع آنيلينگ شبيه سازي شده جستجوي محلي پايه (بهبود تکراري) معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

الگوريتمهاي تكاملي محاسبه تکاملي برنامه نويسي تکاملي
استراتژيهاي تکاملي برنامه نويسي ژنتيک الگوريتم ژنتيک معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

مسايل مهم در حوزه هوش گروهي
جستجوي پراکنده احتمالي (SDS) بهينه سازي توده ذرات (PSO) بهينه سازي گروه مورچگان (ACO) معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

الگوريتم هاي مورچه، سيستم هاي چندعامله اي هستند كه هر عامل، يك مورچه مصنوعي است. ايده : مورچه ها در مسير خود ماده شيميايي به نام فرومون ترشح مي كنند. وقتي سر دوراهي (مسيركوتاهتر و طولاني تر) قرار مي گيرند، براساس ميزان فرومون استشمام شده از هر مسير، يك انتخاب مسير احتمالي انجام مي دهند. به اين ترتيب احتمال انتخاب مسيرهاي داراي فرومون زياد، به تدريج افزايش مي يابد (اثر autocatalytic). رکود: اكثر مورچه ها كوتاهترين شاخه را انتخاب مي كنند تبخير: مکانيزم اجتناب از همگرايي سريع به مسيرهاي زيربهينه معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

پارامترهاي ارزيابي متوسط زمان محاسبه راه حل هزينه (طول) بهترين راه حل هزينه (طول) متوسط بهترين راه حلها درصد متوسط انحراف از بهترين راه حل ميانگين بهترين راه حلها تعداد تكرار مورد نياز براي يافتن جواب معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

مدلهاي ACO Algorithm Authors Year Main References Ant System (AS) Dorigo et al. 1991 [Dorigo 1991b] ,[Dorigo 1996] Elitist AS (EAS) 1992 [Dorigo 1996] Ant-Q Gambardella & Dorigo 1995 [Gambardella 1995] Ant Colony System ( ACS) Dorigo & Gambardella 1996 [Dorigo 1997a], [Dorigo 1997b], [Gambardella 1996] MAX–MIN AS (MMAS) Stutzle & Hoos [Stutzle 1996], [Stutzle 1999], [Stutzle 2000] Rank-based AS (ASrank) Bullnheimer et al. 1997 [Bullngeimer 1997], [Bullnheimer 1999b] Approximate Nondeterministic Tree Search (ANTS ) Maniezzo 1999 [Maniezzo 1999] Best-Worst Ant System (BWAS) Cord´on et al. 2000 [Cord´on 2000] Hyper-cube AS Blum et al. 2001 [Blum 2001], [Blum 2004] معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

Problem name Authors Year Algorithm name Traveling salesman Dorigo, Maniezzo & Colorni Gambardella & Dorigo Dorigo & Gambardella StÄutzle & Hoos Bullnheimer, Hartl & Strauss 1991 1995 1996 1997 AS Ant-Q ACS & ACS-3-opt MMAS ASrank Quadratic assignment Maniezzo, Colorni & Dorigo Gambardella, Taillard & Dorigo Maniezzo & Colorni Maniezzo 1994 1997 1998 1998 AS-QAP HAS-QAP MMAS-QAP ANTS-QAP Vehicle routing Gambardella, Taillard & Agazzi 1999 AS-VRP HAS-VRP Connection-oriented network routing Schoonderwoerd, Holland, Bruten & Rothkrantz White, Pagurek & Oppacher Di Caro & Dorigo Bonabeau, Henaux, Guerin, Snyers, Kuntz & Theraulaz 1998 1998 ABC ASGA AntNet-FS ABC-smart ants Connection-less Subramanian, Druschel & Chen Heusse, Gu¶erin, Snyers & Kuntz van der Put & Rothkrantz 1997 AntNet & AntNet-FA Regular ants CAF ABC-backward Sequential ordering HAS-SOP Graph coloring Costa & Hertz ANTCOL Shortest common supersequence Michel & Middendorf AS-SCS معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند

كنفرانسهاي مهم International Workshop on Ant Colony Optimization and Swarm Intelligence (ANTS) Genetic and Evolutionary Computation Conference (GECCO) IEEE Swarm Intelligence Symposium (SIS) Metaheuristics International Conference (MIC) International Workshop on Hybrid Metaheuristics (HM) IEEE Congress on Evolutionary Computation (CEC) International Conference on Intelligent Systems Design and Applications (ISDA) International Conference on Parallel and Distributed Computing, Applications and Technologies (PDCAT) معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

مجلات مرجع Applied Mathematics and Computation Artificial Life Computers & Operations Research European Journal of Operational Research Evolutionary Computation Evolutionary Computation in Combinatorial Optimization IEEE Transactions on Evolutionary Computation IEEE Transactions on Systems, Man and Cybernetics Information Systems and Operational Research INFORMS Journal on Computing Journal of Mathematical Modelling and Algorithms Journal of Operations Research Society معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند

مساله مسيريابي وسايل نقليه (Vehicle Routing Problem)
مجموعه اي از وسايل نقليه با ظرفيت (معمولا) يکنواخت وجود دارد که وظيفه آنها سرويس رساني به درخواستهاي مشتريان است. هدف يافتن مجموعه اي از مسيرها با کمترين هزينه است که با شرايط به همه تقاضاها سرويس بدهد. مسيرها بايد از انبار شروع و به آن ختم شوند. هر مشتري بايد توسط دقيقا يک وسيله ملاقات شود. مجموع تقاضاهاي مشتريها در هر مسير نبايد بيشتر از ظرفيت وسيله نقليه باشد. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند

تعريف فرمال مساله CVRP G =(V, E) , V={0,1,…,n}, Q, qi, m, dij معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند

يک نمونه مساله ساده از CVRP
4 9 1 10 3 2 7 5 6 8 معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

ايده اصلي هدف يافتن كوتاهترين مسير گره هاي نزديك به هم بهتر است در يك تور قرار بگيرند درخت پوشاي كمينه كوچكترين درخت روي گراف است كه همه گره ها را مي پوشاند گره هاي موجود روي يك شاخه به هم نزديك ترند احتمالا مسيرهايي كه گره هاي روي يك شاخه را به هم وصل مي كنند، مسيرهاي كوتاهتري هستند و درخت پوشاي كمينه خوشه بندي مناسبي روي گره ها فراهم مي كند. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

الگوريتم پيشنهادي دريافت وروديهاي مساله انجام محاسبات اوليه و مقداردهي به پارامترها شروع حلقه اصلي الگوريتم ساخت درخت پوشاي کمينه توليد جوابهاي مساله توسط مورچه ها انجام جستجوي محلي روي جوابهاي حاصل به روزرساني مقادير فرومون به روزرساني اوزان يالهاي درخت انجام محاسبات زماني محاسبه پارامترهاي آماري چاپ نتايج در خروجي معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

دريافت وروديهاي مساله انجام محاسبات اوليه و مقداردهي به پارامترها شروع حلقه اصلي الگوريتم ساخت درخت پوشاي کمينه توليد جوابهاي مساله توسط مورچه ها انجام جستجوي محلي روي جوابهاي حاصل به روزرساني مقادير فرومون به روزرساني اوزان يالهاي درخت انجام محاسبات زماني محاسبه پارامترهاي آماري چاپ نتايج در خروجي آزمايشگاه سيستم هاي هوشمند

دريافت وروديهاي مساله وروديها شامل تعداد گره هاي گراف مساله (بجز انبار)، ظرفيت وسايل نقليه، مختصات انبار يعني مولفه هاي x و y مربوط به آن و در نهايت مختصات ساير گره هاي مساله و ميزان تقاضاي هر گره هستند. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

مقادير اوليه معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

دريافت وروديهاي مساله انجام محاسبات اوليه و مقداردهي به پارامترها شروع حلقه اصلي الگوريتم ساخت درخت پوشاي کمينه توليد جوابهاي مساله توسط مورچه ها انجام جستجوي محلي روي جوابهاي حاصل به روزرساني مقادير فرومون به روزرساني اوزان يالهاي درخت انجام محاسبات زماني محاسبه پارامترهاي آماري چاپ نتايج در خروجي معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

ساخت درخت پوشاي مي نيمم استفاده از روش پريم براي ساخت درخت تعريف شده روي گراف مساله ريشه درخت: انبار ساير گره هاي درخت: مشتريها وزن يالها به ترتيب صعودي براساس پارامتر مقداردهي اوليه به مقادير وزنهاي متناظر با يالها معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

روش پريم مرتب کردن کليه يالهاي گراف مساله براساس وزن، به ترتيب صعودي شروع از يک درخت تهي تا زماني که تمام گره ها به درخت متصل نشده اند مرحله زير انجام گيرد: افزودن يال داراي کمترين وزن به درخت که باعث تشکيل دور نگردد. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

ساخت راه حلها توسط مورچه ها
شروع حرکت کليه مورچه ها از انبار و انجام همزمان فعاليتهاي زير توسط هر مورچه انتخاب تصادفي يک زير شاخه از درخت تا وقتيکه گرهء بازديد نشده اي باقي مانده باشد: اگر شاخه جاري درخت کاملا بازديد شده است انتخاب بهترين شاخه مجاور به عنوان شاخه جاري براساس صرفه جويي حاصل انتخاب احتمالي گره بعد، از شاخه فعلي درخت (به جز انبار) اگر امکان سرويس دهي به مشتري جديد وجود دارد انتقال به اين مشتري و کاهش ظرفيت وسيله افزودن مشتري جديد به مسير طي شده در غير اين صورت بازگشت به انبار و شروع مجدد حرکت از انبار بازگشت به مرحله 2 افزودن انبار به عنوان آخرين گره به مسير معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

ساختار طراحي شده براي هر مورچه
مسير جزئي ساخته شده گره هاي ملاقات شده در مسير طول مسير طي شده تابه حال تعداد تورهاي مسير تعداد يالهاي سازنده مسير ميزان ظرفيت باقيمانده معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

انتخاب بهترين شاخه مجاور
بررسي شاخه هاي سمت چپ و راست مطابقت درخواست گره با ظرفيت وسيله انتخاب بيشترين صرفه جويي انتقال به شاخه جديد معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

انتخاب شبه تصادفي گره بعدي بجز انبار (از شاخه جاري)

انتخاب احتمالي براساس تابع احتمال تجمعي
2/10 3/10 5/10 گره g j k احتمال انتقال به گره 2/10 3/10 5/10 احتمال تجمعي 10/10 معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

جستجوي محلي براي بهبود مسيرها
3-opt swap move معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

3-opt(3-exchange) معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

جايگزيني گره ها در يک تور
r1-1 r1 r1+1 r2-1 r2 r2+1 معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

جابه جايي گره در يک تور r1-1 r1 r1+1 r2 r2+1 r2-1 معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

به روزرساني مقادير فرومون
جمله اول: شبيه سازي عمل تبخير براي کليه تورها جمله دوم: افزايش فرومون براي مورچه هايي که-1 ne بهترين جوابها را به دست آورده اند جمله سوم: افزايش فرومون براي بهترين مسير با ضريب ne در هر 5 بار تکرار براساس روش rank-based , Max-min ضريب جمله دوم ؟ معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

به روزرساني بهترين مسير بررسي محدوديتهاي مرزي معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

به روزرساني وزن يالهاي شرکت کننده در درخت
lambda* pow(pheromone[x][y]* best_length/best_ant.tour_length,delta) lambda* pow(pheromone[x][y] /(best_length - best_ant.tour_length+0.01),delta) بررسي محدوديت مرزي براي وزنها معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

پارامترهاي آماري طول بهترين و بدترين مسير ساخته شده طول متوسط راه حلها انحراف معيار استاندارد شماره تکراري که بهترين جواب در آن تکرار به دست آمده معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

دستاوردهاي پروژه ساخت درخت پوشاي كمينه براي انجام خوشه بندي مناسب روي گره هاي گراف مساله تعريف وزن براي يالهاي گراف جهت ساخت درخت پوشاي كمينه بهره گيري از مقادير وزن يالها و ميزان درخواست گره ها براي تصميم گيري در زمان انتخاب گره بعدي نحوه به روزرساني وزن يالها تعريف پارامترهاي مناسب در بخشهاي تغييريافته آزمايشگاه سيستم هاي هوشمند

مکانيزم شروع مجدد جلوگيري از رکود و گرفتار شدن در کمينه محلي بخش پذيري تفاضل شماره تکرار بهترين جواب از تکرار جاري بر پارامتر شروع مجدد (30) بازگرداندن پارامترها به مقادير اوليه نگهداري بهترين جواب سراسري معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

داده هاي آزمايشي مجموعه داده هاي موجود در اينترنت OR-Library Christofides Taillard داده هاي موجود در هر بستر آزمايشي تعداد گره ها (شهرها) مختصات انبار ظرفيت وسايل مختصات گره ها ميزان درخواست هر گره بهترين جوابي كه تا به حال به دست آمده معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

مساله تعداد شهرها بهترين جواب تعداد وسيله شماره تکرار بدترين جواب ميانگين انحراف معيار زمان C1 50 520 11 94 559 40/550 946863/1 6880/7 C2 75 852 69 881 90/871 692397/1 1880/15 C3 100 68/732 33 12/763 9730/745 165359/1 2660/19 C4 150 1082 9 3 1111 30/1101 676005/1 1880/45 C5 199 1364 12 91 1395 30/1382 842710/1 8440/90 C11 120 226/1027 14 57 59/1109 05/1078 648178/6 109/27 C12 804 153 869 3/840 613903/3 70/22 آزمايشگاه سيستم هاي هوشمند

نام مساله تعداد شهرها تعداد وسيله1 [Gendreau 1994] [Osman 1993] [Taillard 1993] [Baker 2003] [Cordeau 1997] TACO تعداد وسيله2 C1 50 5 61/524 520 11 C2 75 10 32/835 62/835 26/835 89/835 45/835 852 C3 100 8 14/826 18/829 47/829 44/829 68/732 C4 150 12 07/1031 35/1044 42/1028 80/1034 44/1038 1082 9 C5 199 17 35/1311 55/1334 79/1298 78/1327 87/1305 1298/7 C11 120 7 11/1042 92/1046 13/1074 226/1027 14 C12 56/819 59/819 804 آزمايشگاه سيستم هاي هوشمند

نتايج ارزيابي مجموعه داده هاي اول و سوم

مساله بهترين جواب فعلي تعداد وسيله بهترين جواب TACO شماره تکرار بدترين جواب ميانگين انحراف معيار زمان Tai75a 10 11 94 8.881 11.891 Tai75b 69 11.985 Tai75c 9 33 11.469 Tai75d 3 11.547 Tai100a 12 156 19.391 Tai100b 14 57 18.031 Tai100c - 153 18.812 Tai100d 193 19.515 Tai150a 15 198 44.593 Tai150b 16 96 44.203 Tai150c 82 44.562 Tai150d 6 456/2657 44.921 آزمايشگاه سيستم هاي هوشمند

درصد بهبود جوابها مساله Tai75a Tai75b Tai75c Tai75d Tai100a Tai100b Tai100c Tai100d Tai150a Tai150b Tai150c Tai150d آزمايشگاه سيستم هاي هوشمند

درصد بهبود جوابها مساله C1 C2 C3 C4 C5 C11 C12 آزمايشگاه سيستم هاي هوشمند

بهبودهاي ممکن به روزرساني وزن يالهاي درخت تصميمات احتمالي مورچه ها ترکيب با سایر روشهای حل مساله مثل الگوريتم ژنتيک معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

منابع [Baker 2003] B.M. Baker, M.A. Ayechew, “A genetic algorithm for the vehicle routing problem”, Computers & Operations Research 30 (2003) 787–800. [Berger 2003a] J. Berger , M. Barkaoui, O. Bräysy, “A route-directed hybrid genetic approach for the Vehicle Routing Problem with Time Windows”, Information Systems and Operational Research 41, , 2003. [Berger 2003b] J. Berger , M. Barkaoui , “A Hybrid genetic algorithm for the capacitated vehicle routing problem”, Proceedings of the genetic and evolutionary computation conference, Chicago, p. 646–56. [Blum 2003] C. Blum, and A. Roli, “Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison”, ACM Computing Surveys, Vol. 35,No.3, September 2003,pp [Blum 2005] C. Blum, “Beam-ACO—hybridizing ant colony optimization with beam search: an application to open shop scheduling”, Computers & Operations Research 32 (2005) 1565–1591. [Doerner 2002] Karl Doerner, et al. ,”SavingsAnts for the Vehicle Routing Problem” , Proceedings of the Applications of Evolutionary Computing on Evoworkshops 2002: Evocop, Evoiasp, EvoSTIM/EvoPLAN (April , 2002). S. Cagnoni, J. Gottlieb, E. Hart, M. Middendorf, and G. R. Raidl, Eds. Lecture Notes In Computer Science, vol Springer-Verlag, London, 11-20, 2002. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

منابع (ادامه) [Dorigo 2004] M. Dorigo and T. Stützle, Ant Colony Optimization. MIT Press, Cambridge, MA, 2004. [Dorigo 2005] M. Dorigo, C. Blum, “Ant colony optimization theory: A survey”, Theoretical Computer Science 344 (2005) 243 – 278. [Gambardella 1999b] L. M. Gambardella, E. D. Taillard, and G. Agazzi, “MACS-VRPTW: A multiple ant colony system for vehicle routing problems with time windows”, New Ideas in Optimization, D. Corne et al., Eds. McGraw Hill, London, UK, 1999, pp. 63–76. [Jeon 2007] G. Jeon, H.R. Leep, J.Y. Shim, “A vehicle routing problem solved by using a hybrid genetic algorithm”, Computers & Industrial Engineering (2007), doi: /j.cie [Kennedy 2001] J. Kennedy, R.C. Eberhart, Swarm Intelligence, Morgan Kaufmann معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

منابع (ادامه) [Kruskal 1959] J.B. Kruskal, “On the shortest spanning subtree of a graph and the traveling salesman problem”. Proceedings of the American MathematicalSociety 1956;7:48–50. [Machado 2002] P. Machado, J. Tavares, F.B. Pereira, E. Costa, “Vehicle Routing Problem: Doing it the Evolutionary Way” , Proceedings of the Genetic and Evolutionary Computation Conference, p.690, July 09-13, 2002. [Osman 1993] I.H. Osman, “Metastrategy simulated annealing and tabu search algorithms for the vehicle routing problem”, Annals of Operations Research 1993;41:421–51. [Pisinger 2007] D. Pisinger, S. Ropke, “A general heuristic for vehicle routing problems”, Computers & Operations Research 34 (2007) 2403 – 2435. [Prim 1957] R.C. Prim. Shortest connection networks and some generalizations. Bell Systems Technology Journal 1957;36:1389–401. [Prins 2004] C. Prins , “A simple and effective evolutionary algorithm for the vehicle routing problem”, Computers & Operations Research 2004;31: 1985–2002. [Reimann 2001] M. Reimann, S. Shtovba, E. Nepomuceno, “A hybrid ACO-GA approach to solve Vehicle Routing Problems”, Student Papers of the Complex Systems Summer School, Budapest, Santa Fe Institute, (2001). معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

منابع (ادامه) [Reimann 2002] M. Reimann, K. Doerner, R.F. Hartl, “Insertion based Ants for Vehicle Routing Problems with Backhauls and Time Windows”, Ant Algorithms, Springer LNCS 2463, Berlin/Heidelberg, pp 135–147, 2002. [Reimann 2004] M. Reimann, K. Doerner, R.F. Hartl, “D-Ants: Savings Based Ants divide and conquer the vehicle routing problem”, Computers & Operations Research 31 (2004) 563–591. [Reimann 2005] M. Reimann, M. Laumanns, “Savings based ant colony optimization for the capacitated minimum spanning tree problem”, Computers & Operations Research 33 (2006) 1794–1822. [Taillard 1993] E.D. Taillard, “Parallel iterative search methods for vehicle routing problems”, Networks, 23:661–73, 1993. [Thangiah 1991] S.R. Thangiah, P.L. Nygard and P.L. Juell, “A genetic algorithm system for vehicle routing with time windows”, Proceedings of the seventh IEEE conference on artificial intelligence applications (pp. 322–328), Miami, FL, 1991. [Xu 2006] Y.-L. Xu, M.-H. Lim, Y.-S. Ong, J. Tang, “A GA-ACO-Local Search Hybrid Algorithm for Solving Quadratic Assignment Problem”, Proceedings of the genetic and evolutionary computation conference, p. 599–606, 2006. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

تغييرات نتيجه گيري از الگوريتم هاي موجود ليست کردن مقالات خودم اسلاید صفحه اول تنظیم اعداد تنظیم زیر نویسها روش جستجوی محلی معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

M. Kheirkhahzadeh, A. Abdollahzadeh, “A hybrid algorithm for the Vehicle Routing Problem” Accepted in The fifth IEEE World Congress on Computational Intelligence (WCCI 2008), Hong Kong, 2008. M. Kheirkhahzadeh, A. Abdollahzadeh, “An Efficient Algorithm for SLR(1) Grammar Recognition” ,Accepted in the third International Computer Engineering Conference Smart Applications for the Information society (ICENCO 2007), Egypt , 2007. معصومه خيرخواه زاده آزمايشگاه سيستم هاي هوشمند آزمايشگاه سيستم هاي هوشمند

ارائه دهنده: معصومه خيرخواه زاده

Similar presentations

Presentation on theme: "ارائه دهنده: معصومه خيرخواه زاده"— Presentation transcript:

Similar presentations

About project

Feedback

Log in

Auth with social network:

ارائه دهنده: معصومه خيرخواه زاده

Similar presentations

Presentation on theme: "ارائه دهنده: معصومه خيرخواه زاده"— Presentation transcript:

Similar presentations

About project

Feedback