Using 2-Opt based evolution strategy for travelling salesman problem

Abstract

Abstract. Harmony search algorithm that matches the (µ+1) evolution strategy, is a heuristic method simulated by the process of music improvisation. In this paper, a harmony search algorithm is directly used for the travelling salesman problem. Instead of conventional selection operators such as roulette wheel, the transformation of real number values of harmony search algorithm to order index of vertex representation and improvement of solutions are obtained by using the 2-Opt local search algorithm. Then, the obtained algorithm is tested on two different parameter groups of TSPLIB. The proposed method is compared with classical 2-Opt which randomly started at each step and best known solutions of test instances from TSPLIB. It is seen that the proposed algorithm offers valuable solutions.

Gezgin Satıcı Problemi İçin Merkezden Kenarlara Hipersezgisel Yöntem

“…Yaklaşık yöntemler optimum çözüme ulaşmayı garanti etmezler, ancak optimum değerden en fazla ne kadar uzak çözüm bulunabileceğini belirlerler. GSP için bilinen iyi yaklaşım algoritmalarına Minimum Kapsayan Ağaca Dayalı Algoritma ve Christofides Algoritması örnek gösterilebilir [1,3,6].…”

Solving Travelling Salesman Problem Using Hybrid Fluid Genetic Algorithm (HFGA)

“…Metasezgisel yöntemler birçok optimizasyon problemine kabul edilebilir bir süre içerisinde etkili çözümler sunduğu için yaygın olarak kullanılan yöntemlerdir. GSP'ye küçük boyutlu problemler için kesin çözüm yöntemleri uygulanabilirken, büyük çaplı problemlerin çözümü için daha çok genetik algoritma [11], parçacık sürü optimizasyonu [12], karınca kolonisi [13], tabu arama [14], benzetimli tavlama [15], kör fare algoritması [36] ve harmoni arama algoritması [10] gibi metasezgisel yöntemler kullanılmaktadır. [16], genetik algoritma ile 2-opt tur geliştirici sezgiselini birleştirerek GSP'ye çözüm aramıştır.…”

Gezgin Satıcı Problemi İçin Yeni Bir Çözüm Yaklaşımı: TPORT

“…Bilimsel yazının çok büyük bölümü GSP çözümü için sezgisel ve/veya metasezgisellere ayrıldığı için tüm yazının ortaya konması olası değildir. Bu noktada, genetik algoritma [7][8], akışkan genetik algoritma [9], evrimsel hesaplamaya dayalı harmoni arama algoritması [10], parçacık sürü optimizasyonu [11], karınca kolonisi optimizasyonu [12], tabu arama [13], benzetimli tavlama [14] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 Analiz sonuçları bir bütün olarak değerlendirildiğinde hem küçük hem de büyük problemler için EYK+2-Opt yaklaşımının rekabetçi bir yaklaşım olduğu değerlendirilebilir. Bununla birlikte çözüm süreleri açısından yapılan karşılaştırmalarda TPORT yaklaşımının EYK algoritmasından üstün olduğu; EYK algoritması çözüm süresi üstel bir eğilim izlerken TPORT yaklaşımın çözüm süresinin göreli olarak çok az bir değişim gösterdiği gözlenmektedir.…”

“…Bilimsel yazının çok büyük bölümü GSP çözümü için sezgisel ve/veya metasezgisellere ayrıldığı için tüm yazının ortaya konması olası değildir. Bu noktada, genetik algoritma [7][8], akışkan genetik algoritma [9], evrimsel hesaplamaya dayalı harmoni arama algoritması [10], parçacık sürü optimizasyonu [11], karınca kolonisi optimizasyonu [12], tabu arama [13], benzetimli tavlama [14] GSP'nin çözümünde sezgisel ve metasezgisel yöntemlerin kullanılmasına örnek olarak verilebilir.…”