Search for a Suboptimal Solution to the Dynamic Traveling Salesman Problem by the Monte Carlo Method

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Рассматривается задача составления плана обхода прямолинейно движущихся в одну точку целей для простых движений перехватчика (коммивояжера). Предлагаются новый критерий задачи на основе начального разбиения области возможного перехвата, а также алгоритм поиска субоптимального плана обхода на основе построения дерева поиска решения методом Монте-Карло. Разработана численная реализация алгоритма, проведено моделирование и статистически проанализированы полученные планы обхода целей. Ключевые слова: динамическая задача коммивояжера, перехват в простых движениях, комбинаторная оптимизация, алгоритм Монте-Карло.

References

  1. Галяев А.А., Яхно В.П., Берлин Л.М., Лысенко П.В., Бузиков М.Э. Оптимизация плана перехвата прямолинейно движущихся целей // А и Т. 2023. № 10. С. 18–36.
  2. Сихарулидзе Г.Г. Об одном обобщении задачи коммивояжера. I // А и Т. 1971. № 8 С. 116–123.
  3. Сихарулидзе Г.Г. Об одном обобщении задачи коммивояжера. II // А и Т. 1971. № 10. С. 142–147.
  4. Picard J.C., Queyranne M. The time-dependent traveling salesman problem and its application to the tardiness problem in one-machine scheduling // Oper. Res. 1978. V. 26. No. 1. P. 86–110. doi: 10.1287/opre.26.1.86
  5. Helvig C.S., Robins G., Zelikovsky A. The moving-target traveling salesman problem // J. Algorithm. Comput. Technol. 2003. V. 49. No. 1. P. 153–174. https://doi.org/10.1016/S0196-6774(03)00075-0
  6. Garey M.R., Johnson D.S. Computers and intractability: A guide to the theory of NP-completeness. San Francisco, Calif.: W. H. Freeman & Co., 1979.
  7. Li C., Yang M., Kang L. A New Approach to Solving Dynamic Traveling Salesman Problems. In: Wang, TD., et al. Simulated Evolution and Learning // Lecture Notes Comput. Sci. 2006. V. 4247. Springer, Berlin, Heidelber.
  8. Archetti C., Feillet D., Mor A., Speranza M.G. Dynamic traveling salesman problem with stochastic release dates // Eur. J. Oper. 2020. V. 280. I. 3. P. 832–844. ISSN 0377-2217
  9. Silver D., Huang A., Maddison C. et al Mastering the game of Go with deep neural networks and tree search // Nature. 28 January 2016. 529 (7587): P. 484–489. https://doi.org/10.1038/nature16961.
  10. Schadd M.P.D., Winands M.H.M., van den Herik H.J., Chaslot G.M.J.B., Uiterwijk J.W.H.M. (2008). Single-Player Monte-Carlo Tree Search // Computers and Games. CG 2008. Lecture Notes in Computer Science, vol 5131. Springer, Berlin, Heidelberg.
  11. Mattia Crippa, Pier Luca Lanzi, Fabio Marocchi. An analysis of Single-Player Monte Carlo Tree Search performance in Sokoban // Expert Syst. Appl. 15 April 2022. V. 192. P. 2–3.
  12. Cotarelo A., Vicente G., Edward Rolando N., Cristian G., Alberto G., Jerry Ch. Improving Monte Carlo Tree Search with Artificial Neural Networks without Heuristics. Appl. Sci. 2021. V. 11, No. 5. 2056. https://doi.org/10.3390/app11052056
  13. Marco K. Beyond Games: A Systematic Review of Neural Monte Carlo Tree Search Applications // arXiv:2303.08060. https://doi.org/10.48550
  14. Auer P., Cesa-Bianchi N., Fischer P. Finite-time Analysis of the Multiarmed Bandit Problem // Machine Learning. 2002. V. 47. P. 235–256. https://doi.org/10.1023/A:1013689704352
  15. Kocsis L., Szepesvari C. Bandit Based Monte-Carlo Planning. Furnkranz J., Scheffer T., Spiliopoulou M. (eds) // Machine Learning: ECML 2006. ECML 2006. Lecture Notes Comput. Sci. V. 4212. Springer, Berlin, Heidelberg.
  16. Swiechowski M., Godlewski K., Sawicki B. et al. Monte Carlo Tree Search: a review of recent modifications and applications // Artif. Intell. Rev. 2023 V. 56. P. 2497–2562. https://doi.org/10.1007/s10462-022-10228-y

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2024 The Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».