| مشخصات مقاله | |
| ترجمه عنوان مقاله | یک الگوریتم ژنتیک جدید برای مسئله فروشنده دوره گرد متوازن رنگ شده مقیاس بزرگ |
| عنوان انگلیسی مقاله | A novel genetic algorithm for large scale colored balanced traveling salesman problem |
| انتشار | مقاله سال ۲۰۱۹ |
| تعداد صفحات مقاله انگلیسی | ۲۵ صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research article) |
| مقاله بیس | این مقاله بیس نمیباشد |
| نمایه (index) | scopus – master journals – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
۵٫۳۴۱ در سال ۲۰۱۷ |
| شاخص H_index | ۸۵ در سال ۲۰۱۹ |
| شاخص SJR | ۰٫۸۴۴ در سال ۲۰۱۷ |
| شناسه ISSN | ۰۱۶۷-۷۳۹X |
| شاخص Quartile (چارک) | Q1 در سال ۲۰۱۷ |
| رشته های مرتبط | مهندسی کامپیوتر |
| گرایش های مرتبط | الگوریتم و محاسبات |
| نوع ارائه مقاله |
ژورنال |
| مجله / کنفرانس | سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems |
| دانشگاه | College of Computer Science and Technology, Qingdao University, Qingdao 266071, China |
| کلمات کلیدی | الگوریتم ژنتیک جدید، بهینه سازی در مقیاس بزرگ، مسئله فروشنده دوره گرد متوازن رنگ شده، مسئله فروشنده دوره گرد رنگ شده، مسئله فروشنده دوره گرد متوازن |
| کلمات کلیدی انگلیسی | Novel genetic algorithm, Large scale optimization, Colored balanced traveling salesman problem, Colored traveling salesman problem, Balanced traveling salesman problem |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2018.12.065 |
| کد محصول | E11998 |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Outline Highlights Abstract Keywords ۱٫ Introduction ۲٫ Colored balanced traveling salesman problem ۳٫ NGA for CBTSP ۴٫ Experiments and analysis ۵٫ Conclusion and future works Acknowledgments References |
| بخشی از متن مقاله: |
| Abstract The paper gives an applicable model called colored balanced traveling salesman problem (CBTSP), it is utilized to model optimization problems with partially overlapped workspace such as the scheduling and deploying of the resources and goods. CBTSP is NP-hard problem, the traditional nature-inspired algorithms, such as genetic algorithm (GA), hill-climbing GA and simulated annealing GA, are easy to fall into local optimum. In order to improve it, the paper proposes a novel genetic algorithm (NGA) based on ITÖ process to solve CBTSP. First of all, NGA utilizes the dual-chromosome coding to represent solution of this problem, and then updates the solution by the crossover and mutation operator. During the process of crossover operator, the length of crossover can be affected by activity intensity, which is directly proportional to environmental temperature and inversely proportional to particle radius. The experiments verify that NGA can demonstrate better solution quality than the compared algorithms for large scale CBTSP. |