Seyahat Satışman Problemi (TSP) her şehrin tam olarak ziyaret ettiği en kalıcı zorluklardan biri olarak duruyor ve bu görünüşte basit bulmaca, bilgisayar bilim adamları ve araştırmacıların on yıllardır en karmaşık noktaların sayısıyla en kısa sürede artmasıyla ilgili olarak, TSP, her bir zamanlar gerçek zamanlı olarak, modern nakliye ve işletme problemlerini çözmede temelsel bir araç haline getiriyor.

Seyahat Satışçı Probleminin Kökeni ve Evrimi

TSP, William Rowan Hamilton ve Thomas Kirkman gibi 1800'lerde ilk olarak formüle edildi, ancak bu süre zarfında 49'dan fazla 100.000'den fazla şehirde, ticari rota optimizasyonu yazılımının altında bulunan ve sezgisel yöntemler kullanılarak, RAND Corporation'daki bir ekip, 49 şehir için ilk “düzeltme” TSP çözümü yayınladı, çünkü o zamandan beri, araştırmanın 49'dan fazla sayıda lojistik çözümüne kadar sınıra ittiği bir yönteme sahip.

Dış bağlantılar, TSP'nin tarihinde ve karmaşıklığı hakkında daha derin bir bağlam sağlayabilir. Örneğin, [FONTT:0] Chicago'nun VIGRE gazetesinin TSP) tam bir giriş sunar, ancak ESFLT:2NEOS Guide'un TSP girişi) onun hesaplama durumunu açıklıyor.

TSP'yi Modern Lojistik Operasyonlarına Haritalamak

Tipik bir teslimat işleminde, bir araç bir depodan başlar, müşteri yerlerinin bir setini ziyaret etmeli ve sonra depoya geri dönmelidir. Bu aynalar klasik symmetric TSP. Ancak, gerçek dünya lojistik nadiren problemin saf formu ile karşılaşır.

  • [FONT=0) Zaman Pencereleri:[Döneticiler belirli saatlerde teslimatları beklerler, TSP'yi Zaman Windows ile Seyahat Eden Satış Problemine (TSPTW) dönüştürürler.
  • [FONT:0)Vehicle kapasitesi:[Dönemli araçlar, her biri sonlu kargo alanına yükselerek, Araç Routing Problemine (VRP), TSP'nin genelleştirilmesine yol açıyor.
  • [FONT:0]Dynamic güncelleştirmeler: [Dynamic 3: Yeni siparişler gün boyunca gelir, gerçek zamanlı yeniden rotalamayı statik bir plandan ziyade gerektirir.
  • [FONT:0]Traffic ve yol ağları: Euclidean mesafeler, kongestion, road kapanışları ve hava ile değişen gerçek seyahat süreleri ile değiştirildi.

Bu karmaşıklığa rağmen, temel TSP mantığı VRP çözücüleri içinde gömülü kalır. Çoğu modern rota optimizasyon motorları çoklu-vehicle, multi-constraint problemini bireysel rotalar için bir dizi TSP benzeri alt yapıda tutar.Bu küçük routing chunksleri verimli bir şekilde çözerek, genel program birleştirilebilir ve rafine edilebilir.

Son olarak TSP,

Son mil teslimatı - müşterinin kapı adımına son bacak - Amazon ve bölgesel kuryelerin en pahalı kısmını temsil ediyor.% 30 ila% 50 arası ulaşım hesaplarını, örneğin TSP algoritmaları, 50'lik yoğun bir kentsel alanda kesintiye uğratabilir.[TFL-TRTD) Amazon ve bölgesel kuryeler gibi daha fazla teslimat yapmayı mümkün kılar.

Lojistikte TSP için Gelişmiş Algoritma Teknikleri

Tam çözücüler (örneğin, şubeye ve-yaşa veya şubeye-ve-ku) küçük orta problemlerle başa çıkabilirken, lojistik firmalar rota başına yüzlerce veya binlerce durakla rutin olarak yüz yüze gelirler.Zamanla yönetilebilir tutmak için, algoritmaların bir aracına güvenebilirler:

  • [FONT:0)Genetik algoritmaları:[Dönetici:[Dönetici:0) Doğal seçilimi elde etmek, bu birçok nesil boyunca bir rota popülasyonu gelişti, geçiş ve yakınlardaki yolları bir araya getirmek için iyi çözümler.
  • [FONT:0]Simated Ekleme: [Dönder: 1) Metallurgy tarafından ilham verilen, bu olasılıksal teknik bazen yerel optima'dan kaçmak için aramada daha kötü çözümler kabul eder, sonra yavaş yavaş yavaş yavaş “süşü” en iyi rotayı azaltır.
  • [FONT:0)Ant koloni optimizasyonu:[Dönetici:[Dönetici:0)[Döneticileri) Simulating behavior of ants, this method builds rotalar artmakta ve daha kısa turlarda görünen yol segmentlerini güçlendirmektedir.
  • [FONT:0]Nearest komşu ve tasarruf algoritmaları: Daha sonra yerel arama tarafından geliştirilebilecek olan hızlı inşaat heuristics.

Modern yazılımlar genellikle bu yöntemleri birleştirir. Örneğin, bir genetik algoritma, bir müşteri siparişi iptal ettiğinde ve yeni bir damla-in ortaya çıktığı zaman adapte edilebilir bir web sitesidir.

Gerçek Zamanlı Veri ve TSP

Statik TSP sabit mesafeler ve bilinen bir destinasyon setini varsayıyor. Lojistikte, gerçeklik sıvıdır. Yeni bilgi geldiğinde teslimat araçlarına GPS pings ve sipariş sürekli olarak akışları iptal eder. Modern TSP tabanlı sistemler, problemi bir ufk olarak görür: Bir plan bir sonraki Nükleer için üretilir ve sonra tekrarlanabilir.Bu yaklaşım, bazen dinamik araç Routing Problemi olarak adlandırılır, aynı temel TSP çözücüleri kullanır, ancak tekrar çalışır. Makine öğrenme modelleri, gelecekteki trafiği zorlayabilir veya sipariş hacmi için yapılır, bu tahminleri mümkün olduğunca çok daha fazla matrisi azaltır.

Şirketlerin TSP çözümleri geliştirmek için gerçek zamanlı verileri nasıl kullandıklarına dair ayrıntılı bir göz atın, ESFLT:0) Pillac ve al. (2019)).

Vaka Çalışmaları: Büyük Lojistik Şirketlerinde Eylemde TSP

Amazon Prime'ın Yol Optimizasyonu Ekosystem

Amazon dünyanın en karmaşık teslimat ağlarından birini işletiyor, milyonlarca paket her gün onlarca türleştirme merkezi ve teslimat istasyonları ile hareket ediyor. Şirket, birçok dalga boyunca geniş ölçekli TSP ve VRP varyantlarını çözen özel algoritmaları kullanıyor. Sonuç olarak, 150 metre uzunluğundaki rotayı yoğun kentsel alanlardan daha fazla aşacak şekilde kapatıyor ve sürücülerin yaklaşımını tam olarak doğrulayan temel araştırma planlayan temel algoritmaları birleştirmektedir.

UPS ve ORION Sistemi

UPS'nin ORION (On-Road Integrated Optimizasyon ve Navigation) sistemi belki de TSP tabanlı optimizasyonun en yaygın dağıtımını oluşturuyor. Kuzey Amerika'da yaklaşık 10 binden fazla yakıt ve 100.000 metrik ton CO2 emisyonlarının bir kombinasyonunu kullanıyor, algoritma saygısız bir şekilde, her sürücünün yollarına göre, ORION her yıl 100 milyon milden fazla sürüşü sağlıyor.

DHL'in Global Supply Chain Optimizasyonu

DHL sadece yerel teslimata değil, uluslararası yük ağlarına da geçerli. ekspres kurye hizmetleri için, DHL, parsellerin kıtalar arasında konsolide olduğu ve daha sonra yerel dağıtım adımını %20'ye kadar azalttığı çok sayıda TSP modeli kullanıyor.

Klasik TSP'nin Ötesinde: Modern Sorunları Çözen Variants

Lojistik daha sofistike hale geldikçe, araştırmacılar belirli operasyonel kısıtlamalara uygun düzinelerce TSP çeşidi önerdiler:

  • [FONT:0]Prizecol-lecting TSP:) Bu kurye bazı destinasyonları atabilir, ancak tüm duraklar zorunlu olduğunda faydalı olur.
  • [FONT:0) Çok sayıda seyahat eden satıcı (mTSP): ), Bazı sürücüler bir depoda başlar ve sona erer, her biri bir alt müşteriyi ziyaret eder - filo routing için doğrudan bir model.
  • [FONT:0]TSP geri dönüşleri ile:[Döntilmiş:[Dönemli:0) Bazı duraklar, yükleme sırasını değiştirmek yerine, ürün almak için (örneğin, geri dönüşler) gerektirir.
  • [FONT:0]Asymmetric TSP:[Dönetici:[Dönetici: 8) Seyahat maliyetleri, bir otoyol veya çeşitli tolls nedeniyle farklı yönlere göre farklı yönlere göre farklı.

Her değişken, özel bir algoritma ayarlamaları talep eder, ancak altta TSP mantığı – en kısa Hamilton döngüsünü bulun – güçlü bir kavramsal demir. Lojistik yöneticileri için hangi değişken haritaların günlük operasyonlarına yönelik ilk adım olduğunu anlamak etkili rota optimizasyonuna yönelik.

Future: Özerk Araçlar, Drones ve AI

Özerk teslimat araçları ve dronelar son mil lojistiklerini dönüştürmek için hazırlanmaktadır, ancak aynı zamanda yeni TSP ile ilgili zorluklar da ortaya koyarlar. Bir TSP'nin sadece kendi rotası için değil, aynı zamanda bu alanda teslimat yapmak için minibüsten gelen küçük bir drone ile koordineli olarak, özellikle de transistörlerin otomatikleştirilmesine izin verir.Buraya doğru yola devam eden bir şekilde, TSP'nin otomatikleştirilmesine izin verir.

Bir kesim yaklaşımına bir bakış için, TSP'yi grafik sinir ağları ile çözmeyi öğrenme ).

Lojistik Yöneticileri için Pratik Adımlar

TSP prensiplerini kendi teslimat operasyonlarına uygulamak isteyen kuruluşlar için, yol genellikle dört aşama içerir:

  1. [FONT:0)Data aggregation:[[Dönetici] Doğru adresler toplamak, seyahat süreleri (örneğin bir routing API) talep tahminleri ve sürücü kısıtlamaları.
  2. [FONT=0)Algorithm seçimi:[Dönetici:[Dönetici:0) Açık kaynak çözücüler arasında seçim yapın (örneğin, OR-Tools Google, LKH) veya ticari platformlar (örneğin, Routific, Route4Me, OptimoRoute) TSP heuristics.
  3. [FONT:0) İstasyon sistemleri ile ilgili olarak:) Optimizasyonu mobil sürücü uygulamasına ve rotaları zorlamak ve gerçek zamanlı durum güncellemelerini almak için geri dönüş sipariş yönetim sistemine bağlayın.
  4. [FONT:0) Sürekli gelişme: [Dönetici:[Dönetici:[Dönemli performans göstergeleri) Önlemler (saat başına mil, dur, zamanında yüzde) ve iyi sonuçlar elde edilen işlemler olarak devre dışı bırakılır.

On veya daha az rota ile küçük işletmeler bile önemli tasarrufları fark edebilir - mesafeye 10-20% azaltımı - bir TSP tabanlı routing aracı benimsemek. Yazılım ve eğitimdeki yatırım genellikle aylar içinde azaltılan yakıt, bakım ve aşırı zaman maliyetleri ile geri öder.

Sonuç: Klasik Bir Problemin Sonu

Traveling Salesman Problemi ilk olarak 19. Yüzyıl matematiğinin sessiz salonlarında ortaya çıktı, ancak şimdi dünyanın dört bir yanındaki kapılı araçları ve yapay zekayı taşıyan algoritmaları kullanıyor. Amazon'un bustasyon merkezlerinden bir tane daha iyi bir şekilde büyümeye devam edecek, yeni rotalarda ve çözümlerin üstesinden gelmek, TSP'nin para tasarrufu ve çevresel etkilerin azaltılması için gerekli olan en kısa yolu nedir?