Συνδυαστικός αλγόριθμος μη εποπτευόμενης μάθησης-συσταδοποίησης και αναζήτησης μεταβλητής γειτνίασης για την επίλυση του προβλήματος δρομολόγησης οχημάτων με περιορισμένη χωρητικότητα

Abstract

Προβλήματα βελτιστοποίησης προκύπτουν σε πολλές πρακτικές εφαρμογές. ΄Ενα από τα πιο μελετημένα προβλήματα συνδυαστικής βελτιστοποίησης, είναι εκείνο της δρομολόγησης οχημάτων VRP, το οποίο ανήκει στην κατηγορία των NP-hard προβλημάτων. Το θέμα της παρούσας διατριβής, είναι το πρόβλημα δρομολόγησης οχημάτων με περιορισμένη χωρητικότητα (CVRP). Η επίλυση του προβλήματος επιτεύχθηκε σε δύο στάδια. Αρχικά, χρησιμοποιήθηκε ένας αλγόριθμος συσταδοποίησης δεδομένων, ο οποίος ανήκει στην κατηγορία των centroid based. Εφόσον σχηματίστηκαν οι συστάδες, κάθε μία από αυτές αντιμετωπίστηκε ως ένα ξεχωριστό πρόβλημα TSP, βελτιστοποιώντας την διαδρομή της κάθε μίας αντίστοιχα. ΄Επειτα, υπολογίστηκε το άθροισμα του κόστους της κάθε συστάδας. Τέλος, εφαρμόστηκε ένας αλγόριθμος μεταβλητής γειτονιάς αναζήτησης VNS μεταξύ των διαφορετικών συστάδων, έτσι ώστε να προκύψει μία ικανοποιητική τελική λύση, ελαχιστοποιώντας το τελικό συνολικό κόστος διαδρομών της κάθε συτάδας. Τα αποτελέσματα της παραπάνω διαδικασίας, συγκρίνονται στο τέλος με τις καλύτερες λύσεις οι οποίες έχουν επιτευχθεί επίσημα για την κάθε περίπτωση δεδομένων CVRP.