:::
博碩士論文
論文名稱 | 大規模旅行推銷員問題之研究:鄰域搜尋法與巨集啟發式解法之應用 |
---|---|
年別 | 90 |
學位 | 碩士 |
學校系所 | 交通大學運工管系 |
作者 | 陳建緯 |
指導教授 | 韓復華 |
論文摘要 | 本論文探討應用巨集啟發式解法,求解1000 點以上的大規模旅行推銷員問題(Large scale Traveling Salesman Problem, LTSP),結合鄰域搜尋法(Local Search)與新近發展之巨集啟發式解法建立執行架構,包括門檻接受法(Threshold Accepting, TA)、大洪水法(The Great Deluge Algorithm, GDA)及兩極跳躍法(Flip Flop, FF)等,並以22 題1,002 至4,461 點之國際標竿例題進行測試。 研究中針對TA 之起始門檻值參數進行修正,將22 題例題之平均誤差由5.256 %降至2.343 %,明顯的改善了TA 之效果。此外,提出一創新性之TA 執行架構--限制型TA (Bounded TA),提供另一種執行策略,測試結果顯示限制型TA 求解績效非常顯著。整體TA 之22 題最小成本誤差平均為2.176%。 本研究亦修正原始GDA 之概念可能忽略更優解之情形,並針對參數--消退速度(DS)與起始水位(WL0)採取不同進行策略測試,並配合低水位策略,進行求解,整體GDA 架構求解各題之最小成本誤差平均為2.508 %(消退速度I)與2.076%(消退速度II)。 研究架構應用GIDS 架構求解之概念:先取得起始解後,進行鄰域搜尋,再以TA 與GDA 改善,避免陷入區域最佳解(Local Optimum),此外,在一區域進行深度化搜尋後,使用FF 對解空間進行擾動,跳躍至另一區域,增加搜尋之廣度,再度進行搜尋,以此概念將TA、GDA、FF 三種巨集啟發式解法進行結合。 測試結果發現:此種架構對單獨執行TA 或GDA 之改善績效介於9 % 至22%,但由於多進行一階段的運算,時間增加幅度介於原時間之1.17 至2.02 倍,最小成本誤差平均更降至1.4 %,突破以往使用傳統交換法之屏障3 % 至5%,表示此種結合深度化與廣度化之求解架構有相當之應用潛力。本研究並對FF進行績效測試,將FF 結合Chained Lin-Kernighan演算法進行兩項實驗,發現FF能有效擾動解空間,使後續演算法獲得更精確的解。 |
附件下載 | (電子檔於93-09-23後開放下載) |
檔案下載
- 鄰域搜尋法與巨集啟發式解法之應用.ZIP下載次數:580
瀏覽人次:380