Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "TRAS" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Problemy optymalizacyjne stosowane w planerach tras turystycznych
Optimization problems applied in tourist trip planners
Autorzy:
Koszelew, J.
Powiązania:
https://bibliotekanauki.pl/articles/403989.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Symulacji Komputerowej
Tematy:
problem planowania tras turystycznych
problem orientacyjny
punkty zainteresowania
problem planowania tras
LOGTRAVEL
tourist trip planning problem
orienteering problem
points of interest
trip planning problem
Opis:
W artykule została opisana innowacyjna biblioteka oprogramowania LOGTRAVEL, która zawiera efektywne algorytmy rozwiązujące Problem Planowania Tras Turystycznych (ang. Tourist Trip Planning Problem (TTPP)). Komponent LOGTRAVEL może być wykorzystany w wielu turystycznych portalach internetowych, które oferują funkcjonalności inteligentnego planera podróży. Problemy optymalizacyjne, których rozwiązania są zawarte w LOGTRAVEL, stanowią mniej lub bardziej skomplikowaną wersję problemu komiwojażera z profitami i ograniczeniami. Ten problem jest znany z literatury jako orienteering problem i należy do problemów trudnych obliczeniowo. Niniejszy artykuł ma charakter przeglądowy, definiuje rozwiązywane problemy oraz ich zastosowania, ale nie prezentuje rozwiązań tychże problemów.
The paper describes the innovative software library LOGTRAVEL, which includes efficient algorithms for different variants of the Tourist Trip Planning Problem (TTPP). LOGTRAVEL component can be applied in the very popular at the moment web portals that offer functionalities of intelligent travel planner. Optimization problems solved by the methods of LOGTRAVEL library are more or less complicated variants of the Traveling Salesman Problem with Constraints and Profits. This problem is known in the literature as Orienteering Problem and belongs to the set of computationally difficult problems. The paper has the survey character and is to the definition of the problems and their application and does not present solutions for them.
Źródło:
Symulacja w Badaniach i Rozwoju; 2013, 4, 3; 133-141
2081-6154
Pojawia się w:
Symulacja w Badaniach i Rozwoju
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie problemu komiwojażera z profitami i oknami czasowymi do wyznaczania tras atrakcyjnych turystycznie okolic Białegostoku
An application of the Orienteering Problem with Time Windows for tour planning problem in Bialystok region
Autorzy:
Karbowska-Chilińska, J.
Zabielski, P.
Powiązania:
https://bibliotekanauki.pl/articles/404133.pdf
Data publikacji:
2013
Wydawca:
Polskie Towarzystwo Symulacji Komputerowej
Tematy:
problem komiwojażera
algorytm genetyczny
generowanie tras atrakcyjnych turystycznie
orienteering problem
genetic algorithm
tour planning problem
Opis:
Problem komiwojażera z profitami i oknami czasowymi jest dogodnym modelem dla problemu optymalnego planowania tras atrakcyjnych turystycznie. W pracy przedstawiono rozwiązanie tej odmiany problemu komiwojażera za pomocą algorytmu genetycznego GAPR. W miejsce krzyżowania zaproponowano wymianę obiektów między losowo wybranymi trasami. Rozwiązanie przetestowano na rzeczywistej sieci obiektów turystycznych okolicy Białegostoku. W wyniku testów otrzymano trasy o porównywalnej atrakcyjności jak w algorytmie genetycznym GA z krzyżowaniem (różnica jest na korzyść GAPR około 0.5%) i czasem generowania trasy nie przekraczającym 1.5 sekundy. Algorytm może być zastosowany w planerach tras turystycznych.
Orienteering problem with time windows (OPTW) is a good model for the tour planning problem. In this article a genetic algorithm with path relinking (GAPR) is used for solving OPTW. The path relinking (PR) process is applied instead of a crossover. The solution has been tested on a real network of tourist points of interests in Bialystok region. Routes which are the test results are comparable with the routes generated by the previous GA with crossover (the GAPR exceeds profit result about 0.5% relative to GA, the execution time of GAPR does not exceed 1.5 s). The algorithm can be used in trip planners.
Źródło:
Symulacja w Badaniach i Rozwoju; 2013, 4, 2; 81-89
2081-6154
Pojawia się w:
Symulacja w Badaniach i Rozwoju
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies