.png){kind=icon}
返回
On multi-objective multi-coverage covering salesman problem
.png){kind=icon}
PRE
AI
DOI：10.1007/s00500-025-10925-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在文献中讨论的大多数覆盖推销员问题（CSPs）中，客户节点被考虑为达到1-覆盖。然而，这种考虑使系统变得脆弱。使系统稳健的一种方法是考虑所有节点/客户达到超过1-覆盖。然而，所有节点/客户具有相同且超过1的覆盖值既不现实也不具有成本效益。本研究中，我们根据节点对覆盖的需求将节点划分为不同的组。与其它节点相比，重要性（或优先级）较高的节点的覆盖需求更大。同一组的节点具有相同的覆盖需求。这种系统最适用的实际场景包括边境监控、灾害管理中的供应链以及导弹防御系统。本研究的目标是针对多个覆盖值，在考虑最大化总体覆盖和最小化行程长度这两个相互冲突的目标的前提下，建立并求解一个多目标CSP。我们将该问题命名为多目标多覆盖CSP（MOMC-CSP）。为了求解提出的MOMC-CSP，我们修改了非支配排序遗传算法（NSGA-II）（Deb et al. 2002）的一般框架，使其适用于该问题。为便于实现，我们使用一个长度可变的数组来表示染色体，其相比固定长度的染色体需要更少的内存以及更少的计算时间。相应地，我们设计了与该问题和染色体表示相兼容的遗传算子。为展示所提出模型的有效性，我们在TSP库中不同规模的数值实例上进行了全面实验，节点数量从100到666不等。最后，提供了一些未来研究方向。
Keyword:
Covering salesman problem
K-coverage
Multi-objective optimization problem
NSGA-II
期刊
IF:
2.5
论文数:
1.0W
被引数:
2.1W
机构
引用论文
分享收藏
A novel camera calibration technique based on differential evolution particle swarm optimization algorithm.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏Metaheuristics for the distance constrained generalized covering traveling salesman problemOPSEARCH
OPSEARCHIF0
PREAI
分享收藏
查看更多内容