On Solving Close Enough Orienteering Problem with Overlapped Neighborhoods

要約

Close Enough Traveling Salesman 問題 (CETSP) は、古典的な巡回セールスマン問題のよく知られた変形であり、エージェントは対象地域内の任意の時点で任務を完了できます。
シュタイナー ゾーン (SZ) として知られる、重複する近傍に基づくヒューリスティックは、CETSP に対処する際に注目を集めています。
SZ は元のグラフに対する効果的な近似を提供しますが、その固有の重複により検索空間に制約が課せられ、全体的な最適化目標と競合する可能性があります。
ここでは、不均一な近隣を伴う十分に近いオリエンテーリング問題 (CEOP-N) を紹介します。これは、賞品の可変属性と賞品収集に対する不均一なコストの考慮事項を導入することで CETSP を拡張します。
CEOP-N に取り組むために、粒子群最適化 (PSO) とアント コロニー システム (ACS) に基づくハイブリッド アルゴリズムと組み合わせたランダム化シュタイナー ゾーン離散化 (RSZD) スキームを特徴とする新しいアプローチ、つまり CRaSZe-AntS を開発します。
RSZD スキームは PSO 探索のためのサブ領域を識別し、ACS は個別の訪問シーケンスを決定します。
確立された CETSP インスタンスから派生した CEOP インスタンスに対する RSZD の離散化パフォーマンスを評価し、CRaSZe-AntS を CEOP の単一近傍最適化に焦点を当てた最も関連性の高い最先端のヒューリスティックと比較します。
また、CEOP-N のコンテキストで、SZ 内の内部検索と個々の近傍の境界検索のパフォーマンスも比較します。
私たちの結果は、CRaSZe-AntS が単一近傍戦略と比較して大幅に短縮された計算時間で同等のソリューション品質を生み出すことができることを示しており、賞品収集が平均 140.44% 増加し、実行時間が 55.18% 削減されたことが観察されています。
したがって、CRaSZe-AntS は、トラックやドローンによる配送シナリオなど、新たな CEOP-N の解決に非常に効果的です。

要約(オリジナル)

The Close Enough Traveling Salesman Problem (CETSP) is a well-known variant of the classic Traveling Salesman Problem whereby the agent may complete its mission at any point within a target neighborhood. Heuristics based on overlapped neighborhoods, known as Steiner Zones (SZ), have gained attention in addressing CETSPs. While SZs offer effective approximations to the original graph, their inherent overlap imposes constraints on the search space, potentially conflicting with global optimization objectives. Here we present the Close Enough Orienteering Problem with Non-uniform Neighborhoods (CEOP-N), which extends CETSP by introducing variable prize attributes and non-uniform cost considerations for prize collection. To tackle CEOP-N, we develop a new approach featuring a Randomized Steiner Zone Discretization (RSZD) scheme coupled with a hybrid algorithm based on Particle Swarm Optimization (PSO) and Ant Colony System (ACS) – CRaSZe-AntS. The RSZD scheme identifies sub-regions for PSO exploration, and ACS determines the discrete visiting sequence. We evaluate the RSZD’s discretization performance on CEOP instances derived from established CETSP instances, and compare CRaSZe-AntS against the most relevant state-of-the-art heuristic focused on single-neighborhood optimization for CEOP. We also compare the performance of the interior search within SZs and the boundary search on individual neighborhoods in the context of CEOP-N. Our results show CRaSZe-AntS can yield comparable solution quality with significantly reduced computation time compared to the single-neighborhood strategy, where we observe an averaged 140.44% increase in prize collection and 55.18% reduction of execution time. CRaSZe-AntS is thus highly effective in solving emerging CEOP-N, examples of which include truck-and-drone delivery scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google