Search academic texts

Information × Registration Number 2124U002658, Article popup.category Стаття, Опубліковано, Рецензована стаття Title METHODS OF SOLVING THE TRAVELING SALESMAN PROBLEM BASED ON COMPUTATIONAL INTELLIGENCE popup.author Ivashchenko HeorhiiOnyshchenko OleksandrBondarenko MaksymZdoryk NikitaIvashchenko HeorhiiOnyshchenko OleksandrBondarenko MaksymZdoryk Nikita popup.publication 30-04-2024 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/3362 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description Актуальність. На сьогоднішній день, задача комівояжера зберігає свою актуальність, оскільки потреба у пошуку найкоротших маршрутів наразі зустрічається в багатьох сферах людської діяльності. Із розвитком технологій та зростанням складності виробничих процесів та логістики, підвищуються вимоги до точності та швидкості пошуку, що зумовлює необхідність вибору доцільних методів рішення цієї задачі. Метою даної роботи є дослідження ефективності використання алгоритмів рішення задачі комівояжера на основі методів обчислювального інтелекту. Об’єктом дослідження є процес пошуку найкоротшого маршруту у графах великої розмірності. Предметом дослідження є алгоритми пошуку маршрутів для задачі комівояжера з використанням методів обчислювального інтелекту. Результати. У даній роботі розглядаються особливості застосування методів обчислювального інтелекту для вирішення задачі комівояжера, що полягають у використанні варіацій генетичного, мурашиного алгоритмів та штучних нейронних мереж, зокрема, карти Кохонена. Проведено аналіз збіжності генетичних алгоритмів при використанні різновидів генетичних операторів. Отримані результати проведених експериментальних досліджень дозволяють зробити висновки щодо переваг та недоліків окремих алгоритмів. Висновок. Запропонований підхід на основі штучної нейронної мережі демонструє найкращу швидкодію та найбільшу точність при вирішенні задач розмірністю приблизно 1000 вершин. Для задач з меншим числом вершин, точніші результати забезпечує використання генетичного алгоритму. popup.nrat_date 2026-04-19 Close