Εφαρμογή σύγχρονων τεχνικών υπολογιστικής νοημοσύνης Artificial Bee Colony (ABC) για την αποδοτική επίλυση του προβλήματος δρομολόγησης αστικών μεταφορών (Urban Transit Routing Problem – UTRP)

Application of modern computational intelligence techniques Artificial Bee Colony (ABC) for the efficient solution of the Urban Transit Routing Problem (UTRP) (english)

  1. MSc thesis
  2. Ζέρβας, Αλέξανδρος
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 18 September 2022 [2022-09-18]
  5. Ελληνικά
  6. 100
  7. Μπεληγιάννης, Γρηγόριος
  8. Ρεφανίδης, Ιωάννης | Σακκόπουλος, Ευάγγελος
  9. Τεχνητή Νοημοσύνη, Υπολογιστική Νοημοσύνη, Νοημοσύνη Σμήνους, Τεχνητή Αποικία Μελισσών, Αστικές Μεταφορές, Δρομολόγια | Artificial Intelligence, Computational Intelligence, Swarm Intelligence, Artificial Bee Colony, Urban Transit, Routing
  10. 1
  11. 16
  12. 0
    • Οι τεχνικές τεχνητής νοημοσύνης αποτελούν πλέον χρήσιμες ως εναλλακτικές στις συμβατικές μεθόδους για την επίλυση περίπλοκων προβλημάτων σε πολλούς τομείς ως τόσο και για μοντελοποίηση, ταυτοποίηση, βελτιστοποίηση, πρόγνωση και έλεγχο σύνθετων συστημάτων. Μια υποκατηγορία αυτών των τεχνικών τεχνητής νοημοσύνης είναι οι τεχνικές νοημοσύνης σμήνους, οι οποίες προσομοιώνουν τη συλλογική συμπεριφορά αυτο-οργανομένων σμηνών. Στην υποκατηγορία αυτή ανήκει και η τεχνική Artificial Bee Colony (ABC) η οποία προσομοιώνει συγκεκριμένα τη συμπεριφορά της αναζήτησης τροφής σμήνους μελισσών σε μία κυψέλη για να παράξει αποδοτικές λύσεις για διάφορα προβλήματα. Ένα τέτοιο πρόβλημα είναι το πρόβλημα δρομολόγησης αστικών μεταφορών (Urban Transit Routing Problem – UTRP) το οποίο αφορά εύρεση δρομολογίων σε ένα δίκτυο αστικών μεταφορών που ικανοποιεί τη ζήτηση. Σε αυτή τη διπλωματική εργασία με όνομα "Εφαρμογή σύγχρονων τεχνικών υπολογιστικής νοημοσύνης Artificial Bee Colony (ABC) για την αποδοτική επίλυση του προβλήματος δρομολόγησης αστικών μεταφορών (Urban Transit Routing Problem – UTRP)" χρησιμοποιήθηκε ένας υβριδικός αλγόριθμος Artificial Bee Colony και Hill Climbing για την εύρεση ποιοτικών λύσεων στο πρόβλημα δρομολόγησης αστικών μεταφορών. Οι προαναφερθείσες τεχνικές υλοποιήθηκαν στην προγραμματιστική γλώσσα C++ και εφαρμόστηκαν σε δεδομένα από τη διεθνή βιβλιογραφία.
    • Artificial intelligence (AI) techniques have become useful as alternatives to conventional techniques for solving complicated practical problems in various areas as well as for modeling, identification, optimization, prediction, forecasting and control of complex systems. A subsection of these Artificial Intelligence techniques is Swarm Intelligence (SI) which simulates the collective behavior of decentralized and self-organized swarms. One of these techniques is Artificial Bee Colony (ABC) which specifically simulates the foraging behavior of bee swarms in a colony in order to produce efficient solutions to various problems. One such problem is the Urban Transit Routing Problem (UTRP) which is involves finding a set of routes in a transit network to satisfy demands. It is an NP-Hard highly convoluted problem in which otherwise correct solutions can be rejected because of impracticability. In this thesis titled "Application of Modern Computational Intelligence Techniques Artificial Bee Colony (ABC) for the Efficient Solution of the Urban Transit Routing Problem (UTRP)" a hybrid of the Artificial Bee Colony and the Hill Climbing algorithm was used to find quality solutions to the Urban Transit Routing Problem. The aforementioned techniques were implemented in the C++ programming language and were applied to data sets taken from the international literature.
  14. Αναφορά Δημιουργού 4.0 Διεθνές