ARTYKUŁ ORYGINALNY
DUALIZM LOGISTYCZNO-KOMBINATORYCZNY ZADANIA KOMIWOJAŻERA
1
Akademia Marynarki Wojennej
Data publikacji: 10-07-2015
SLW 2015;42(1):45-64
SŁOWA KLUCZOWE
STRESZCZENIE
W pracy został przedstawiony dualny charakter problemu komiwojażera (TPS -Travelling Salesman Problem), który może być jednocześnie rozpatrywany jako utylitarne zadanie transportowe według kryteriów logistycznych oraz jako złożony problem kombinatoryczny optymalizacji dyskretnej. W aspekcie optymalizacyjnym zadanie TSP należy do problemów NP-zupełnych, dla których w ogólności nie istnieją efektywne metody rozwiązań. Ze względu na bardzo szeroki zakres logistycznych aplikacji zadania TSP dokonano prezentacji najbardziej popularnych metod jego rozwiązania. Szczególną uwagę zwrócono na nowoczesne podejście oparte na metodach sztucznej inteligencji i algorytmach mrówkowych. Klasyczny problem TSP jest szczególnym przypadkiem bardzo ważnego we współczesnej logistyce wielowymiarowego problemu marszrutacji rzutującego m.in. na globalne koszty działalności transportowej i logistycznej.
REFERENCJE (35)
1.
Aarts E., Lenstra J. (2003). Local search in combinatorial optimization. John Wiley & Sons.
2.
Applegate D.L., Bixby R.E., Chvátal V., Cook W.J. (2007). The Traveling Salesman Problem: A Computational Study. Lanchester Prize, Princeton University Press.
4.
Bozarth C., Handfield R.B., (2007). Wprowadzenie do zarządzania operacjami i łańcuchem dostaw. Gliwice: Helion S.A.
5.
Christopher M., (1992). Logistyka i zarządzanie łańcuchem podaży. Kraków: Wyd. PSB.
6.
Clerc M., (2000). Discrete Particle Swarm Optimization Illustrated by the Travelling Salesman Problem.
8.
Cook W.J. (2012). In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation. Princeton University Press.
9.
Cormen T.H., Leiserson Ch.E., Rivest R.L., Stein C. (2007). Wprowadzenie do algorytmów. Warszawa: WN-T.
11.
Deo N. (1980). Teoria grafów i jej zastosowanie w technice i informatyce. Warszawa: PWN.
12.
Do Tianrui R., Yong L. X. (2010). Computational Intelligence. World Scientific Publishing Company.
13.
Dorigo M., Maniezzo V., Colorni A. (1996). The Ant System: Optimization by a colony of cooperating agents, IEEE Transactions on Systems, Man, and Cybernetics – Part B, 26 (1).
15.
Duch W., Mandziuk J. (2011). Challenges for Computational Intelligence. Springer.
16.
Ficoń K. (2006). Badania operacyjne stosowane. Modele i aplikacje. Warszawa: BEL Studio.
17.
Ficoń K. (2013). Sztuczna inteligencja. Nie tylko dla humanistów. Warszawa: BEL Studio. Warszawa.
18.
Glover F. (1986). Future Paths for Integer Programming and Links to Artificial Intelligence, Computer and Operations Research, vol. 13, no. 5.
19.
Hall S.N. (2012). A Group Theoretic Tabu Search Approach to the Traveling Salesman Problem. Biblioscholar.
20.
Holland J.H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press.
21.
Kosiński R.A. (2007). Sztuczne sieci neuronowe. Dynamika nieliniowa i chaos. Warszawa: WNT.
24.
Kulikowski J.J. (1986). Zarys teorii grafów. Zastosowania w technice. Warszawa: PWN.
25.
Kwaśnicka H. (1999). Obliczenia ewolucyjne w sztucznej inteligencji. Wrocław: Wyd. PW.
26.
Metropolis N. et al. (1953). Equation of State Calculations by Fast Computing Machines. The Journal of Chemical Physics 21 (6): 108
27.
Michalewicz Z. (1998). Algorytmy genetyczne + struktury danych = programy ewolucyjne. Warszawa: WNT.
28.
Nilsson C. (2003). Heuristics for the traveling salesman problem, Department of Computer Science, Linkoping University.
30.
Pszczołowski T. (1978). Mała encyklopedia prakseologii i teorii organizacji. Wrocław-Warszawa-Kraków-Gdańsk: Ossolineum.
31.
Radzikowski W., Sarjusz-Wolski Z. (1994). Metody optymalizacji decyzji logistycznych. Toruń: Wyd. UW.
32.
Ramani G. (2011). Travelling Salesman Problem (TSP) optimization through Genetic Algorithm: Improvised solution to VLSI Detailed Routing and National Tour Paperback – September 8.
Udostępnij
ARTYKUŁ POWIĄZANY
| eISSN: | 2719-7689 |
| ISSN: | 1508-5430 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
