Decomposability-Guaranteed Cooperative Coevolution for Large-Scale Itinerary Planning

要約

大規模な旅程計画は、旅行期間とコストを最小限に抑えながら、収集された関心ポイント（POI）スコアを最大化する最適なパスを決定することを目的としています。
このペーパーでは、大規模な旅程計画の分解性を分析し、厳密な分解性を満たすのが難しいことを証明し、必要な条件に基づいて弱い分解性定義を導入し、このプロパティを満たす対応するグラフ構造を導き出します。
分解性が保証されているため、大規模な旅程計画のための新しい多目的協同組合共進化アルゴリズムを提案し、コンポーネントの不均衡と相互作用の課題に対処します。
具体的には、各コンポーネント内の正規化されたフィットネスに基づいて動的な分解戦略を設計し、コンポーネントスケールと貢献を考慮した最適化の可能性を定義し、計算リソース割り当て戦略を開発します。
最後に、一連の実際のデータセットで提案されたアルゴリズムを評価します。
最先端の多目的旅程計画アルゴリズムとの比較実験は、私たちのアプローチの優位性を実証し、問題スケールが増加するにつれてパフォーマンスの利点が増加します。

要約(オリジナル)

Large-scale itinerary planning is a variant of the traveling salesman problem, aiming to determine an optimal path that maximizes the collected points of interest (POIs) scores while minimizing travel time and cost, subject to travel duration constraints. This paper analyzes the decomposability of large-scale itinerary planning, proving that strict decomposability is difficult to satisfy, and introduces a weak decomposability definition based on a necessary condition, deriving the corresponding graph structures that fulfill this property. With decomposability guaranteed, we propose a novel multi-objective cooperative coevolutionary algorithm for large-scale itinerary planning, addressing the challenges of component imbalance and interactions. Specifically, we design a dynamic decomposition strategy based on the normalized fitness within each component, define optimization potential considering component scale and contribution, and develop a computational resource allocation strategy. Finally, we evaluate the proposed algorithm on a set of real-world datasets. Comparative experiments with state-of-the-art multi-objective itinerary planning algorithms demonstrate the superiority of our approach, with performance advantages increasing as the problem scale grows.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google