Ελάχιστοι και μέγιστοι περιορισμοί στο πρόβλημα του ομαδικού προσανατολισμού με χρονικά παράθυρα

Αμεράνης, Κωνσταντίνος; Ameranis, Konstantinos

dc.contributor.author	Αμεράνης, Κωνσταντίνος	el
dc.contributor.author	Ameranis, Konstantinos	en
dc.date.accessioned	2018-06-21T10:08:02Z
dc.date.available	2018-06-21T10:08:02Z
dc.date.issued	2018-06-21
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47110
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15461
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Περιήγηση	el
dc.subject	Orienteering	en
dc.subject	Περιορισμοί	el
dc.subject	Χρονικά παράθυρα	el
dc.subject	Πρόβλημα σχεδιασμού τουριστικού ταξιδιού	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Ευρετικές συναρτήσεις	el
dc.subject	Τυχαιοποίηση	el
dc.subject	Εισαγωγή	el
dc.subject	ILS	en
dc.subject	2-OPT	en
dc.subject	Constraints	en
dc.subject	Time windows	en
dc.subject	Tourist trip design problem	en
dc.subject	Machine learning	en
dc.subject	Heuristic	en
dc.subject	Randomization	en
dc.subject	Insert	en
dc.subject	Shake	en
dc.title	Ελάχιστοι και μέγιστοι περιορισμοί στο πρόβλημα του ομαδικού προσανατολισμού με χρονικά παράθυρα	el
dc.title	Minimum and maximum constraints in the team orienteering problem with time windows	en
heal.type	bachelorThesis
heal.classification	Επιστήμη των υπολογιστών	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-05-23
heal.abstract	Ένα δύσκολο πρόβλημα για κάθε τουρίστα είναι αφού φτάσει στον προορισμό του να αποφασίσει ποια από τα πολλά αξιοθέατα της πόλης αξίζει να επισκεφτεί κατά την διάρκεια της σύντομης διαμονής του. Στην βιβλιογραφία αυτό αναφέρεται ως το πρόβλημα του προσανατολισμού. Αλλιώς έχει αναφερθεί και ως το πρόβλημα του περιπλανώμενου πωλητή με περιορισμούς, καθώς ο τουρίστας δεν προλαβαίνει να πάει σε όλα τα αξιοθέατα, αλλά μόνο σε μερικά. Τα τελευταία χρόνια έχουν δημοσιοποιηθεί πολλές προσεγγίσσεις σε αυτό το πρόβλημα που παίρνουν υπόψιν τους περισσότερα στοιχεία από την πραγματική ζωή. Για παράδειγμα, πόσο χρόνο θα χρειαστεί κανείς στις μετακινήσεις ή για να επισκεφτεί ένα αξιοθέατο, ή πόσο πολύ θα ευχαριστηθεί ένα συγκεκριμένο αξιοθέατο. Μια άλλη προσέγγιση περιέχει περισόττερους από έναν περιορισμούς είναι για παράδειγμα να πάρεις κανείς υπόψιν του όχι μόνο τον χρόνο που θα χρειάστεί αλλά και πόσο κοστίζει η επίσκεψη σε κάθε αξιοθέατο. Στην διπλωματική αυτή θα εισάγουμε άλλον έναν περιορισμό. Ο περιορισμός αυτός είναι ότι για κάθε είδος αξιοθεάτου πρέπει να έχουμε ένα συγκεκρίμμενο εύρος στο πλήθος τους. Για παράδειγμα, κάθε μέρα θέλουμε να επισκεφοτύμε ένα εστιατόριο. Αν δεν επισκεφτούμε κανένα, τότε θα πεινάσουμε. Από την άλλη, η επίσκεψη σε ένα δεύτερο εστιατόριο δεν θα μας προσφέρει κάτι. Αρχικά θα παρουσιάσουμε την ιστορία του προβλήματος, τις διαφορετικές βαριάντες που έχουν εμφανιστεί στην βιβλιογραφία, καθώς και τις προτεινόμενες λύσεις.Στην συνέχεια θα ξεφύγουμε από την αόριστη γλώσσα του κειμένου και θα ορίσουμε το πρόβλημα αυστηρά με την βοήθεια των μαθηματικών. Θα παρουσιάσουμε το πρόβλημα με την βοήθεια του ακέραιου προγραμματισμού και θα εξηγήσουμε από που προέρχεται κάθε περιορισμός στην διαμόρφωση του προβλήματος. Στη συνέχεια, θα αναλύσουμε περαιτέρω τον αλγόριθμο πάνω στον οποίο έχουμε βασιστεί, περιγράφωντας το πως δουλεύει και τις προκλήσεις που συνάντησαν οι συγγραφείς. Στο ίδιο κεφάλαιο θα περιγράψουμε και τα datasets με τα οποία θα δουλέψουμε και πάνω στα οποία θα μετρήσουμε την επιτυχία μας. Έχοντας περιγράψει τον προηγούμενο αλγόριθμο, θα περιγράψουμε τις δικές μας τροποποιήσεις και πως αυτές επηρεάζουν την λύση. Αφού αναλύσουμε την επίδραση κάθε μεταβλητής με εκτενή πειραματισμό, θα παρουσιάσουμε τα αποτελέσματα που αποκτήσαμε χρησιμοποιώντας αυτόν τον αλγόριθμο πάνω στα γνωστά datasets. Θα συγκρίνουμε τα αποτελέσματα αυτά με προηγούμενες προσπάθειες πάνω στο πρόβλημα χωρίς περιορισμούς και τελικά θα δούμε πως επηρεάζεται το αποτέλεσμα όταν θέτουμε περισσότερους περιορισμούς.	el
heal.abstract	A difficult problem for every tourist is after reaching his destination to decide which of the many sights of the city are worth visiting during her short visit to the city. In the academic bibliography this is referred to as the orientation problem. Alternatively, it has been referred to as the constrained travelling salesman problem, the main difference from the regular TSP being that the salesman (or rather the tourist in this case) cannot visit all the sights, but only go to a few. In recent years, many approaches to this problem have been published that take into account most of the facts from real life. For example, how long you will need to travel or to visit an attraction, or how much a particular sight will please the visitor. Another approach contains more than one constraints. For example, except for the time one needs to also take into account how much it costs to visit each attraction. In this diploma thesis, we will introduce another restriction. This constraint is that for each kind of attraction we must visit a certain amount of them. For example, each day we want to visit a restaurant. If we do not visit any, then we will be hungry. On the other hand, visiting a second restaurant will not offer us anything. Initially we will present the history of the problem, the different variants that have appeared in the bibliography, as well as the proposed solutions. Then we will escape from the vague language of text and we will define the problem strictly with the help of mathematics. We will present the problem with the help of integer programming and will explain where each limitation of the problem is derived from. Then, we will further analyze the algorithm on which we have based our own, describing how it works and the challenges faced by the writers. In the same chapter we will also describe the datasets with which we will work and on which we will measure our success. Having described the previous algorithm, we will describe our modifications and how they affect the solution. Analyzing the effect of each variable with extensive experimentation, we present the results we obtained using this algorithm on the aforementioned datasets. We will compare these results with previous attempts on the problem without limitations and finally we will see how the final result is affected when we set more constraints.	en
heal.advisorName	Φωτάκης, Δημήτριος	el
heal.advisorName	Fotakis, Dimitris	en
heal.committeeMemberName	Φωτάκης, Δημήτριος	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.committeeMemberName	Παγουρτζής, Αριστείδης	el
heal.committeeMemberName	Fotakis, Dimitris	en
heal.committeeMemberName	Papaspyrou, Nikolaos	en
heal.committeeMemberName	Pagourtzis, Aris	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	121 σ.
heal.fullTextAvailability	true