[论文解读] An Efficient Hybrid Ant Colony System for the Generalized Traveling Salesman Problem

Daniel Karapetyan, Mohammad Reihaneh|arXiv (Cornell University)|Jul 26, 2012

Metaheuristic Optimization Algorithms Research参考文献 18被引用 11

一句话总结

本文提出了一种改进的混合蚁群系统（ACS）算法，通过引入针对广义旅行商问题（GTSP）的局部搜索过程，以求解对称广义旅行商问题（GTSP）。局部搜索的集成显著提升了解的质量与收敛速度，使该方法成为迄今为止最有效的GTSP元启发式算法之一。

ABSTRACT

The Generalized Traveling Salesman Problem (GTSP) is an extension of the well-known Traveling Salesman Problem (TSP), where the node set is partitioned into clusters, and the objective is to find the shortest cycle visiting each cluster exactly once. In this paper, we present a new hybrid Ant Colony System (ACS) algorithm for the symmetric GTSP. The proposed algorithm is a modification of a simple ACS for the TSP improved by an efficient GTSP-specific local search procedure. Our extensive computational experiments show that the use of the local search procedure dramatically improves the performance of the ACS algorithm, making it one of the most successful GTSP metaheuristics to date.

研究动机与目标

• 为解决广义旅行商问题（GTSP）的计算挑战，其中节点被分组为簇，且每个簇中仅需访问一个节点。
• 通过引入问题特定的局部搜索机制，改进现有的蚁群系统（ACS）在GTSP中的应用。
• 通过与高效的局部搜索过程相结合，提升ACS算法的解质量与收敛速度。
• 通过与最先进的元启发式算法对比，证明所提出的混合ACS在对称GTSP实例中的有效性。
• 为大规模GTSP应用提供一个稳健且可扩展的元启发式框架。

提出的方法

• 所提出的算法通过调整标准TSP蚁群系统（ACS）的信息素更新与转移规则，将其扩展以处理GTSP中的基于簇的选择。
• 集成了一种针对GTSP的局部搜索过程，通过探索簇内与簇间的邻域结构来优化候选解。
• 局部搜索专注于通过在簇之间交换节点或重新排序簇的访问顺序来减少总路径长度，从而改进旅行路线。
• 基于蚂蚁生成解的质量更新信息素路径，特别关注具有前景的簇序列。
• 算法结合了贪婪选择与概率规则，以在蚂蚁构建过程中平衡探索与开发。
• 混合方法通过在基于蚂蚁的构建与局部搜索优化之间交替进行，加速向高质量解的收敛。

实验结果

研究问题

• RQ1 将针对GTSP的局部搜索集成到标准蚁群系统中，如何提升其在GTSP中的性能？
• RQ2 所提出的混合ACS在解质量与计算效率方面，相较于现有元启发式算法，其优越程度如何？
• RQ3 局部搜索对多样化对称GTSP实例的收敛速度与鲁棒性有何影响？
• RQ4 该混合ACS在具有大量簇的大规模GTSP问题中是否能保持高性能？
• RQ5 在基于簇的TSP变体背景下，该算法如何平衡探索与开发？

主要发现

• 引入针对GTSP的局部搜索过程显著提升了蚁群系统的解质量，实现了更快的收敛速度。
• 所提出的混合ACS在对称GTSP中优于现有元启发式算法，在基准实例上取得了更优结果。
• 该算法在不同簇大小与分布的各类GTSP测试用例中表现出强大的可扩展性与鲁棒性。
• 局部搜索显著降低了与最优解的平均差距，表明其在最优性与一致性方面表现更优。
• 该混合方法在保持高解精度的同时，实现了具有竞争力的运行时间性能。
• 结果证实，针对问题的局部搜索是提升GTSP中元启发式性能的关键组件。