Traveling Salesman Problem

1
Traveling Salesman Problem

• An Ant Colony Optimization algorithm to find a
  path...

Progetto sviluppare un algoritmo che risolva il
TSP Modulo Algoritmi e ottimizzazione
(M08002) Corso Algoritmi (C08003) Studente Nico
la Vermes Data semestre estivo 2009 SUPSI-DTI
I3A
2
Algoritmo sviluppato e sue particolarità

• Ant Colony Optimization
• Localsearch 2-opt con candidate lists
• Particolarità
• In fase di exploration è inclusa anche la città
  che sarebbe scelta in fase di exploitation?
  lalgoritmo è leggermente più greedy
• Parametri (alcuni dinamici)
• Utilizzo delle candidate lists già in ACO

3
Candidate lists applicate ad ACO e 2-opt

• Lutilizzo delle candidate lists nella fase di
  exploitation dellACO crea, alla fine del
  processo costruttivo, dei tour che già rispettano
  fortemente le candidate lists
• Il 2-opt con le candidate lists risulta
  ovviamente più rapido per ognuna delle N città,
  vengono provati solo M scambi(N nro. tot. di
  città M nro. città in CL)
• La seconda città viene scelta tra quelle nella
  candidate lists della prima

4
Localsearch 2-opt con candidate lists

• La città B risulterà dunque nella candidate list
  della città A
• Si crea quindi un arco candidato, tra A-B (arco
  verde)
• Non è invece detto che la città B1 sia nella
  candidate list della città A1 (arco rosso)
• Si potrebbe implementare un sistema che consideri
  solamente doppie copie di città entrambe in
  candidate list luna con laltra

5
Prove e altri algoritmi testati in fase di
sviluppo

• Ant Colony con una sola formica per iterazione,
  solo aggiornamento locale e altre differenze (con
  LS risultati 3)
• SA e ILS, in seguito scartati perché non sarebbe
  utile applicarli allACO (distruggono la
  soluzione iniziale, sarebbe tempo perso)
• Varie LS 3-opt, one-shift (lente anche con CL o
  comunque non performanti)
• ILS mutazioni come one-shift, scambio random
  intensificazioni con 2-opt, 3-opt con/senza CL
• Il difetto di queste tecniche risiede nel tempo
  che necessitano per dare buoni risultati in soli
  3 minuti lACO è maggiormente performante

6
Conclusioni

• LAnt Colony Optimization è un ottimo algoritmo
  per risolvere il TSP
• Vi sono diverse opzioni dimplementazione
  dellalgoritmo, piccole differenze, approcci
  diversi e svariati parametri da impostare da
  questo punto di vista risulta un algoritmo non
  sempre facile da ottimizzare
• È un approccio affascinante, poiché viene
  implementato un sistema che si migliora e impara
  nel tempo