The probabilistic traveling salesma

The probabilistic traveling salesman problem concerns the best way to visit a set of customers located in some metric
space, where each customer requires a visit only with some known probability. A solution to this problem is an a priori
tour which visits all customers, and the objective is to minimize the expected length of the a priori tour over all customer
subsets, assuming that customers in any given subset must be visited in the same order as they appear in the a priori
tour. This problem belongs to the class of stochastic vehicle routing problems, a class which has received increasing
attention in recent years, and which is of major importance in real world applications.
Several heuristics have been proposed and tested for the probabilistic traveling salesman problem, many of which are
a straightforward adaptation of heuristics for the classical traveling salesman problem. In particular, two local search
algorithms (2-p-opt and 1-shift) were introduced by Bertsimas.
In a previous report we have shown that the expressions for the cost evaluation of 2-p-opt and 1-shift moves, as
proposed by Bertsimas, are not correct. In this paper we derive the correct versions of these expressions, and we show
that the local search algorithms based on these expressions perform significantly better than those exploiting the
incorrect expressions

ผลลัพธ์ (ไทย) 1:

ปัญหาพนักงานขายเดินทางน่าจะเป็นกังวลวิธีที่ดีที่สุดเพื่อเข้าชมชุดของลูกค้าที่อยู่ในบางตัวชี้วัด
พื้นที่ที่ลูกค้าแต่ละรายต้องมีการเข้าชมเท่านั้นที่มีความน่าจะเป็นที่รู้จักกันบางอย่าง วิธีการแก้ปัญหานี้เป็นเบื้องต้น
ทัวร์ที่เข้าชมของลูกค้าทั้งหมดและมีวัตถุประสงค์เพื่อลดความยาวที่คาดหวังของการท่องเที่ยวเบื้องต้นของลูกค้าทั่ว
ย่อยสมมติว่าลูกค้าในส่วนใดก็ตามจะต้องมีการเข้าเยี่ยมชมในลำดับเดียวกันตามที่ปรากฏในเบื้องต้น
ทัวร์ ปัญหานี้เป็นของชั้นของปัญหารถเส้นทางสุ่มชั้นซึ่งได้รับความสนใจเพิ่มมากขึ้น
ในปีที่ผ่านมาและที่เป็นสิ่งที่สำคัญในการใช้งานจริง.
หลายวิเคราะห์พฤติกรรมได้รับการเสนอและผ่านการทดสอบสำหรับปัญหาพนักงานขายเดินทางน่าจะเป็นจำนวนมากที่มีการปรับตัว
ตรงไปตรงมาของ heuristics สำหรับปัญหาพนักงานขายเดินทางคลาสสิก โดยเฉพาะอย่างยิ่งสองขั้นตอนวิธีการค้นหา
ท้องถิ่น (2-P-เลือกและ 1 กะ) มีการแนะนำให้รู้จัก bertsimas.
ในรายงานก่อนหน้านี้เราได้แสดงให้เห็นว่าการแสดงออกสำหรับการประเมินค่าใช้จ่ายของ 2-P-1 และเลือกเปลี่ยนย้ายที่เสนอโดย
bertsimas, จะไม่ถูกต้อง ในบทความนี้เราได้รุ่นที่ถูกต้องของการแสดงออกเหล่านี้และเราจะแสดงขั้นตอนวิธีการที่
ค้นหาในท้องถิ่นบนพื้นฐานของการแสดงออกเหล่านี้ดำเนินการอย่างมีนัยสำคัญดีกว่าการใช้ประโยชน์จากการแสดงออกที่ไม่ถูกต้อง

ผลลัพธ์ (ไทย) 2:

ปัญหา probabilistic traveling ขายเกี่ยวข้องกับผู้เข้าเยี่ยมชมชุดของลูกค้าที่อยู่ในวัดบาง
พื้นที่ ที่ลูกค้าแต่ละรายต้องเข้ากับบางความน่าเป็นที่รู้จักเท่านั้น การแก้ไขปัญหานี้คือ การใช้ priori
ทัวร์ที่เข้าชมทั้งหมดลูกค้า และวัตถุประสงค์จะลดความยาวที่คาดไว้ของตัว priori ทัวร์เหนือลูกค้าทั้งหมด
ย่อย สมมติว่าต้องเยี่ยมชมลูกค้าในชุดย่อยใด ๆ กำหนดในลำดับเดียวกับที่ปรากฏในแบบ priori
ทัวร์ ปัญหานี้เป็นของคลาสโทแคสติกรถสายปัญหา ชั้นที่ได้รับเพิ่ม
สนใจในปีที่ผ่านมา ซึ่งเป็นหลักสำคัญในโลกจริงประยุกต์
ได้เสนอ และทดสอบสำหรับปัญหาขาย traveling probabilistic หลายที่ลองผิดลองถูกหลาย
ปรับตรงไปตรงมาของการลองผิดลองถูกปัญหาคลาสสิก traveling ขาย โดยเฉพาะอย่างยิ่ง ค้นหาท้องถิ่นสอง
อัลกอริทึม (2-p-เลือก และ 1 กะ) ได้แนะนำ โดย Bertsimas.
รายงานก่อนหน้านี้เราได้แสดงที่นิพจน์สำหรับการประเมินต้นทุน 2-p-เลือก และ 1 กะย้าย เป็น
เสนอ โดย Bertsimas ไม่ถูกต้อง ในเอกสารนี้ เราได้รับรุ่นถูกต้องของนิพจน์เหล่านี้ และเราแสดง
ที่อัลกอริทึมค้นหาท้องถิ่นตามนิพจน์เหล่านี้ดำเนินการอย่างมีนัยสำคัญ ดีกว่า exploiting
นิพจน์ไม่ถูกต้อง

ผลลัพธ์ (ไทย) 3:

ปัญหาคนขายของในร้านเดินทาง probabilistic ปัญหาทางที่ดีที่สุดที่จะเที่ยวชมตั้งค่าของลูกค้าตั้งอยู่ในระบบเมตริก
พื้นที่บางส่วนที่ลูกค้าแต่ละรายต้องเที่ยวชมเท่านั้นพร้อมด้วยความเป็นไปเป็นที่รู้จักกันโดยทั่วไป โซลูชันที่เป็นปัญหานี้เป็นทัวร์ท่องเที่ยว Priori
ซึ่งการเที่ยวชมลูกค้าทั้งหมดและมีวัตถุประสงค์เพื่อลดความยาวของที่คาดว่าจะได้ Priori ทัวร์ท่องเที่ยวมากกว่าลูกค้า
ย่อยทั้งหมดการสันนิษฐานว่าลูกค้าในส่วนย่อยใดๆที่กำหนดไว้ต้องทำการเยี่ยมชมตามลำดับที่ปรากฏในทัวร์ท่องเที่ยว Priori
ปัญหานี้เป็นของ Class ของยานพาหนะ,แบบใดก็ได้ทั้งหมดรองรับงานการเราติ้งปัญหา Class ซึ่งได้รับการเพิ่ม
ซึ่งจะช่วยให้ความสนใจในช่วงหลายปีที่ผ่านมาและที่มีความสำคัญที่สำคัญในแอปพลิเคชันโลกของความเป็นจริง.
Heuristics หลายแห่งได้รับการเสนอและได้รับการทดสอบแล้วสำหรับปัญหาคนขายของในร้านเดินทาง probabilistic หลายแห่งซึ่งมี
ซึ่งจะช่วยให้การปรับใช้งานง่ายสำหรับคนขายของในร้านของการเดินทางในแบบคลาสสิกที่มีปัญหา ในเฉพาะสองการค้นหาในท้องถิ่น
อัลกอริธึม( 2 - P - เลือกและ 1 - shift )ได้นำโดย bertsimas .
ในรายงานก่อนหน้าที่เราได้แสดงให้เห็นว่าสำนวนที่สำหรับการประเมินค่าใช้จ่ายของ 2 - P - เลือกและ 1 - Shift
ซึ่งจะช่วยในการเคลื่อนไหวที่เสนอโดย bertsimas ไม่ถูกต้อง ในเอกสารนี้เราได้รับเวอร์ชันที่ถูกต้องของสำนวนเหล่านี้และเราแสดงให้เห็นว่า
อัลกอริธึมการค้นหาในท้องถิ่นได้โดยขึ้นอยู่กับสถานการณ์เหล่านี้ทำดีขึ้นอย่างเห็นได้ชัดมากกว่าผู้ที่ไม่ถูกต้องการแสวงประโยชน์จาก
ซึ่งจะช่วยแสดงออก